L'ozone atmosphérique joue un rôle important dans l'environnement terrestre [5]. Dans la stratosphère, il participe à l'équilibre radiatif et filtre les rayonnements ultraviolets, nocifs pour les êtres vivants. Dans la troposphère, à l'inverse, il contribue à l'effet de serre et participe aux épisodes de pollution photochimique. La surveillance de son contenu et la détermination de sa distribution spatiale sont donc des objectifs fondamentaux des programmes internationaux de surveillance du climat et de l'environnement. Actuellement réalisée à l'aide d'une grande variété de techniques, cette surveillance fournit des mesures depuis les réseaux de stations au sol, in situ par avion et par satellites, avec chacune des caractéristiques instrumentales spécifiques et des fréquences temporelles et spatiales très variables [20]. Obtenir à partir de ces données des champs d'ozone globaux pour en étudier les variations nécessite l'utilisation de techniques d'assimilation mettant en œuvre des modélisations plus ou moins développées du transport et de la chimie atmosphérique. Les techniques modernes d'assimilation variationnelles [3,4], utilisées avec succès en météorologie et en océanographie, ont été mises en œuvre pour la chimie atmosphérique dans les années 1990. Les travaux de Fisher et Lary [10], notamment, démontrent les avantages de ces méthodes pour analyser plusieurs espèces chimiques dans un modèle de chimie complet, avec différents types de mesures. Depuis, diverses études ont été menées avec des modèles chimiques complets pour la troposphère [7] et la stratosphère [8].

Cependant, les récentes missions spatiales offrent des opportunités nouvelles pour l'étude de la composition chimique de l'atmosphère [9]. Le Centre européen de recherche et formation avancée en calcul scientifique (Cerfacs) s'est associé au Centre national de recherches météorologiques (CNRM) de Météo-France pour évaluer ces opportunités. Cette note présente ainsi une étape importante dans le perfectionnement de la chaîne opérationnelle de Météo-France d'analyse et de prévision des champs globaux d'ozone, par assimilation variationnelle des données niveau 2 du spectromètre GOME (Global Ozone Monitoring Experiment) du satellite ERS-2. Les résultats obtenus montrent la faisabilité et la puissance des techniques mises en œuvre, et ouvrent la voie à une utilisation optimale des données des multiples capteurs mesurant l'ozone à bord des satellites opérationnels (ERS, METEOSAT) ou de recherche (ENVISAT, ODIN).

Les données brutes issues des différents instruments mesurant les espèces mineures de l'atmosphère à bord des satellites subissent une succession de traitements, afin d'en extraire une mesure géophysique pertinente. Les profils verticaux des espèces chimiques peuvent ainsi être obtenus avec des résolutions verticales de plusieurs kilomètres et une couverture spatio-temporelle souvent très limitée. Les satellites polaires défilants, notamment, n'assurent que quelques passages co-localisés par semaine. La démarche retenue ici s'appuie sur les méthodes d'assimilation, dont le but est d'estimer des champs globaux à partir de mesures locales et des lois physiques régissant l'évolution de ces champs. Ces lois physiques sont disponibles sous la forme d'un modèle numérique discrétisé.

Par rapport aux méthodes d'assimilation antérieurement testées à Météo-France qui utilisent des quantités intégrées d'ozone [1], ce dernier étant considéré comme un traceur passif, l'originalité de notre travail réside dans la prise en compte de mesures de profils verticaux d'ozone et dans leur analyse par le modèle de chimie-transport (CTM) MOCAGE [6,12,16]. MOCAGE est un modèle tridimensionnel global qui prend en compte de manière détaillée les processus photochimiques et le transport des espèces à longue durée de vie dans la troposphère et la stratosphère. Le transport par les vents et la température utilisée pour le calcul des vitesses des réactions chimiques proviennent du modèle Arpège, modèle de circulation générale (MCG) opérationnel de prévision du temps de Météo-France.

Le choix d'une méthode d'assimilation doit reposer à la fois sur le type et la qualité des données disponibles et sur les caractéristiques du modèle utilisé. De plus, il est primordial d'utiliser un système modulaire permettant une évolution aisée vers des méthodes plus complexes décrivant mieux les systèmes impliqués. Notre choix s'est donc porté sur une assimilation variationnelle de type 3D-FGAT (First-Guess At the right Time) [11], dont l'algorithme est piloté par le logiciel PALM (Projet d'assimilation par logiciel multi-méthodes [13]). Cette méthode se dissocie du 3D-Var classique (analyse séquentielle d'un champ 3D) [18], en prenant en compte la dynamique du système pour calculer l'écart entre le modèle et toutes les observations situées dans une fenêtre temporelle donnée. Cependant, contrairement au 4D-Var (analyse temporelle d'un champ 3D) [18], la correction apportée au champ initial est indépendante de la dimension temporelle et donc de la dynamique du système.

Les données utilisées pour l'assimilation sont des profils verticaux d'ozone de l'instrument GOME [15] pour l'année 2000, calculés et fournis par le Koninklijk Nederlands Meteorologisch Instituut (KNMI, Institut royal néerlandais de météorologie). Avec une couverture globale obtenue en trois jours et une quinzaine d'orbites par jour du satellite opérationnel ERS-2, soit environ 800 profils, avec une vingtaine de mesures par profil entre 800 hPa et 5 hPa, ces données constituent un jeu de référence ayant une bonne pérénnité. En cohérence avec cette résolution spatiale, le modèle MOCAGE est utilisé dans sa version globale de 2°×2°, avec un domaine vertical de 47 niveaux qui s'étendent de la surface jusqu'à 5 hPa, avec une résolution d'environ 800 m dans la haute troposphère et la stratosphère.

Les corrélations entre les mesures ont été négligées sous l'hypothèse de données indépendantes. En l'absence d'information sur les erreurs associées aux mesures, la variance d'erreur choisie est de 10 % de la valeur observée. Le champ d'ozone 3D a priori, à partir duquel l'analyse est effectuée, a été obtenu en intégrant le modèle MOCAGE à partir d'un champ climatologique pendant un mois, afin que l'ozone s'adapte au forçage dynamique. Pour maximiser l'impact des observations sur l'analyse, l'erreur d'ébauche a été surestimée avec une variance de 50 % de la valeur donnée par le modèle comme ébauche.

L'algorithme d'assimilation effectue des analyses journalières en divisant chaque journée en 8 fenêtres de 3 h. L'analyse des observations dans chaque fenêtre est insérée en début de fenêtre et intégrée sur 3 h, pour que le modèle puisse s'adapter à cette modification du champ d'ozone. L'intégration est poursuivie pendant les 3 h suivantes, afin d'obtenir la nouvelle ébauche pour la fenêtre suivante. Nous avons mis en œuvre cette procédure pour la journée du 1er mars 2000, qui fournit ainsi un champ d'ozone analysé pour le 1er mars à 24 h à partir du champ a priori à 0 h. Ce dernier a été parallèlement intégré jusqu'au 2 mars 24 h et constitue l'expérience nommée simulation de contrôle. L'analyse est, elle aussi, intégrée jusqu'au 2 mars 24 h et appelée prévision après assimilation. Ces deux simulations sont comparées aux données GOME de la journée du 2 mars 2000.

La Fig. 1 montre que les différences principales entre les deux prévisions (contrôle et après assimilation) et les observations résident dans la stratosphère et la haute troposphère (au-dessus de 200 hPa), altitudes où les concentrations d'ozone sont les plus importantes. L'assimilation permet de réduire ces écarts de façon significative et améliore par conséquent la prévision à un jour d'échéance.

Pour mesurer l'apport de l'assimilation à la détermination des champs d'ozone, nous avons aussi comparé les deux prévisions à des données satellitaires indépendantes provenant du capteur TOMS (Total Ozone Mapping Spectrometer), qui mesure les colonnes totales d'ozone. Les écarts entre les données TOMS et la prévision (Fig. 2) sont nettement réduits grâce à l'assimilation, aussi bien en valeur qu'en extension spatiale. En moyenne, la corrélation entre les données TOMS et les champs d'ozone MOCAGE passe de 0,745 pour le contrôle à 0,825 pour l'analyse. De plus, l'amélioration globale montre que, malgré des mesures de GOME localisées sous la trace du satellite, l'information locale représentative d'une zone géographique située à proximité de la mesure [2] diffuse aux régions voisines [19]. Ce résultat, qui se généralise à l'ensemble de la période que nous avons étudiée, démontre en particulier l'apport du système d'assimilation dans la représentation de champ global d'ozone.

Bien que les observations déduites des mesures de TOMS et de GOME soient indépendantes, puisque les deux instruments sont embarqués sur des satellites différents et mesurent l'ozone par un principe différent, l'assimilation d'un jeu de données rapproche le modèle de l'autre type de données. Si nous supposons que le modèle est de qualité inférieure aux données, l'assimilation améliore donc les simulations. Ce résultat est également obtenu avec le même modèle MOCAGE, mais pour d'autres techniques d'assimilation et d'autres types d'observations [2,17].

Les premiers résultats que nous avons obtenus montrent que l'assimilation variationnelle de données satellites peut apporter une amélioration sensible de la représentation globale de l'ozone atmosphérique. La méthode d'assimilation choisie est donc bien adaptée au problème posé. Elle peut être perfectionnée pour mieux prendre en compte la dynamique atmosphérique avec un 4D-Var incrémental [14]. Parallèlement, nous utiliserons par la suite les données récentes des instruments SCHIAMACHY et MIPAS embarqués à bord du satellite ENVISAT, qui présentent une meilleure résolution sur la verticale. Il sera, en particulier, très intéressant de pouvoir assimiler simultanément l'ensemble de ces données sur de plus longues périodes de temps, pour déterminer l'apport respectif de chaque capteur et évaluer les éventuelles déficiences du modèle ou des instruments.

Outre l'ozone, le modèle MOCAGE prend en compte de nombreuses espèces, dont certaines font également l'objet de mesures satellitaires de qualité et de couverture spatiale suffisantes pour être assimilées simultanément. La méthodologie adoptée dans cette étude pourra être directement utilisée pour ces espèces, en ayant soin de bien adapter le couplage entre le modèle météorologique et le modèle chimique en fonction des durées de vie des espèces et des erreurs instrumentales.

Enfin, avec une durée de vie de plusieurs jours à plusieurs mois dans la basse stratosphère, l'ozone se comporte comme un bon traceur des masses d'air [5], donnant ainsi des informations sur la dynamique de la haute atmosphère. Ainsi, les observations d'ozone sont assimilées dans certains modèles de circulation générale utilisés pour la prévision du temps. Outre son importance pour le climat, l'amélioration de la connaissance des variations spatio-temporelles des champs d'ozone peut donc aussi conduire à une meilleure détermination des champs de vent dans le modèle Arpège.

Les résultats obtenus dans cette étude démontrent cependant, d'ores et déjà, que les méthodes modernes d'assimilation de données utilisées avec succès en météorologie et en océanographie sont également adaptées à la prévision à quelques jours du « temps chimique ». De plus, les séquences de champs assimilés permettent, par exemple, des études de processus ou bilan [17], qu'il n'est pas possible de mener à bien avec les jeux de données brutes, dispersées dans le temps et dans l'espace.