Mesures lidar à Dumont d’Urville Journée NDACC 2016 (66°40’S, 140°01’E – Terre Adélie/TAAF) Station toujours financièrement supportée par l’institut polaire IPEV (renouvellement en 2017) Convention LATMOS/UVSQ – IPEV – Météo-France Instruments NDACC sur base ( . Lidar O3 – time series 1991-1998 / 2008-2013 ) . Lidar R/M/R – time series 1989-1998 / 2006-2016 Source Quantel CFR400 500mJ/pulse @1064nm > 270mJ/pulse @532nm /telescope Ø80cm changée en 2005 – actuellement en maintenance électronique d’acquisition Licel changée en 2012 PM Hamamatsu changés en 2016 Dernière campagne – février 2016 Prochaine campagne février 2018 [ Archive NDACC à jour jusqu’en septembre 2016 ] . SAOZ / UVB [ Données en ligne en temps réel ] . Sondages ballons O3 ~18/an [ Données en ligne en temps quasi-réel ]

RMR lidar aérosols / nuages Journée NDACC 2016 Actuellement 4 canaux en réceptions 532nm High Parallel 532nm Low Parallel 532nm Low cross-polarized 607nm (Low) 4 canaux disponibles > 1064nm ( R532nm , δ ) ( + Δβ ?? ) Plus de λ, calculs de coefficients d’Angström, etc. Scattering Ratio SR ( ou R , BR) R= 1+ βaer/βair Depolarisation Ratio δ Using perpendicular and parallel channels δ = βaer _|_ / βaer // β=βaer+βRay βRay Théorie Rayleigh Théorie de Mie

Lien mesure lidar particules Journée NDACC 2016 Sont observables au lidar : Aérosols de fond > Grosse importance de l’inversion, homogénéité des séries temporelles SR < 1.05 - δ < 5% Aérosols volcaniques > Difficiles à identifier en saison de PSC > Importance de l’inversion SR  [ 1.1 ; 2.5] - δ ~ 20% pendant 1 mois, δ < 15% ensuite Aérosols de biomasse > Difficiles à discriminer sans historique de la masse d’air SR [ 1.1 ; 2.5] - δ ~ 10% ??? PSC, Combinaison de H2SO4, HNO3, H2O, dans 2 états physiques : Historiquement 3 classes STS, NAT, ICE, actuellement plus ( ~ 5 ) SR [ 1.1 ; 20 ] - δ  [ 5% ; >100% ] La discrimination des particules (de niveau 3) demande des variables additionnelles: Température dans le nuage ( RRT ?) Situation vis-à-vis du vortex ( lat. équiv. = f( PV) ) + Classification adaptée Date ? ( R532nm , δ , T, P, z, t, Ivortex, CR1064nm/532nm?? ) <<<< ( R355nm , R532nm , R1064nm,T, P, MRHNO3,H2O) = f ( n(r) ) [ pb de logistique avec l’Antarctique ] Rôle des classifications: Détecter des tendances Comparaison et utilisation par les modèles ~ Nécessité de lier la physique à la mesure  Impossible de produire une classification adaptée sans inclure au minimum la température ~ Question d’importance pour l’O3: Temps de saison PSC passé sous le seuil de température critique (NAT ?)  Représentativité de la mesure

= Diagnostique en volume ? Lien mesure lidar particules Journée NDACC 2016 Utilisation combinée SAOZ / lidar pour renforcer la représentativité sur l’hiver SAOZ: couverture complète, qualitatif sur les particules SAOZ lidar lidar: couverture partielle, quantitatif sur les particules Sur un échantillon, analyse de l’ensemble : ( Rlidar , δlidar, CISAOZ , T, z, t, Ivortex) Motifs identifiables ?   = Diagnostique en volume ?

Lien mesure lidar classification Journée NDACC 2016 Influence du temps d’intégration August 7th 2016, 532nmSR time series Influence sur la classification particulaire : De l’intégration temporelle surtout pour les satellites Du pré-traitement (désaturation, fond de ciel) surtout pour les satellites De l’intégration verticale (lissage en strato) surtout pour les satellites Des hypothèses d’inversion (élastique: (zr, S ) ) Des seuils de classe ? ( topologie & température) Incertitudes à propager sur un hiver P1 P2 P3 Seuil de classe δ Seuil de classe R

Inversion lidar Journée NDACC 2016 Nouvel algorithme d’inversion Rayleigh/Mie et Raman N2 pour les particules stratosphériques Klett/Fernald: Influence du rapport lidar Les rapports lidar sont-ils bien connus ? Background: 30sr Major volcaniques: 60sr NAT: 56 à 135sr ICE: 16 à 42sr > lien en amont avec les classes de particules … Solution: 607 N2 Raman Problème: le rapport signal à bruit en stratosphère : le signal Raman <.E3 signal de Rayleigh/Mie Comparaison Klett / Raman > Les particules ont potentiellement changé de classe Seuil de classe R

Inversion lidar Importance de l’utilisation du Raman Journée NDACC 2016 Importance de l’utilisation du Raman Aucune hypothèse sur le type de particule Signal de mai 2015 – air clair Signal de Juillet 2011 – signal volcanique ? > rôle des classifications

Mesures de PSC à DDU Journée NDACC 2016 Traitement 2010 – 2016 – Algorithme de classification Une classification polaire globale ? (Pitts et al., 2013) Exemple de classification utilisant la température et les mesures CALIOP: > Influence des questions instrumentales (intégration, résolution, inversion, …) > Moins de représentativité chimique mais plus de représentativité physique: plus facile à implémenter au niveau modèle ? Répartition des PSC - Type STS : 295 ( 27.8%) - Type MIX1 : 552 ( 52.0%) - Type MIX2 : 45 ( 4.2%) - Type MIX : 597 ( 56.2%) - Type ENH : 76 ( 7.2%) - Type ICE : 94 ( 8.9%) ENH ICE MIX2 MIX1

Seuillage à 5 couches par profil ~ maximum physique observable Mesures de PSC à DDU Journée NDACC 2016 Traitement 2010 – 2016 – Filtrage des nuages ~ I ~ Par accumulation verticale des couches d’un même type fenêtre de 5 x résolution =300m, valeur du lissage lidar ~ II ~ Par attribution d’une priorité optique ICE > ENH > MIX2 > MIX1 > STS ~ III ~ Seuillage à 5 couches par profil ~ maximum physique observable

Mesures de PSC à DDU En cours : Comparaison sol / satellite Journée NDACC 2016 En cours : Comparaison sol / satellite Mesures globales CALIOP échantillées sur une bande de 7°lon x 1°lat autour de DDU 2008 – 2012: > Niveau 3 ! 2010 – 2016 ! Niveau 2 Niveau 2 Niveau 2 > Question de la représentativité de la mesure sol ? > Inversion lidar ? > Comment exploiter les observations niveau 2 ? > Ce travail de discrimination physique du type de particules sert également à l’identification d’anomalies type volcaniques ● Peut-on identifier ces filaments sur l’ensemble ( Rlidar , δlidar, CISAOZ , T, z, t, Ivortex), y-compris pendant la saison des PSC ? Est-ce fréquent ? ● Y a-t-il un impact du volcanisme sur les PSC ?

Volcanic plume tracking & modelling Journée NDACC 2016 Impact du volcanisme en Antarctique ? Moyens & enjeux ? Difficultés sur: Le suivi global des panaches volcaniques Les classifications en volume, surtout pour les panaches volcaniques La discrimination de la nature des aérosols Méthode : Utilisation conjointe de mesures lidar sol, spatiales et de la modélisation Enjeu : Si validation, enjeu sur la quantification des grandeurs totales en soufre Impact méconnu du transport à longue distance des aérosols stratosphériques à haute latitude > Impacts formation des nuages ?

Modèle optique Mie / T-Matrix Microphysique H2SO4, HNO3, H2O Volcanic plume tracking & modelling Journée NDACC 2016 MIMOSA-µϕ : Modèle isentrope de transport, de microphysique et d’assimilation simple Entrées ECMWF (P, T, U, V) Gas: MLS / IASI Aerosols: CALIOP/CALIPSO Advection Scheme 1 size bin = 1 tracer + Gas tracers Sorties Modèle optique Mie / T-Matrix Microphysique H2SO4, HNO3, H2O SR link Champs isentropes Distribution en taille ( No, rm, σ ) Propriétés optiques des particules Assumption regarding thermodynamical equilibrium : > no phase transitions ok for aerosols ~ No error propagations

Model setup : Initialisation Journée NDACC 2016 Influence de l’initialisation pour de l’advection libre ; cas du Nabro en 2011 Run initialisé au 14 juin sur 1 jour, données IASI Run initialisé au 25 juin Sur 15 jours de données CALIOP 14/06 28/06 28/06 11/07 11/07 First model Initialisation on SO2(IASI) and simple oxydation scheme: Takes too much time for reconstruction of a realistic field 18/07 18/07

Model setup : Initialisation Mauna Loa lidar observation of aerosol peak in the stratosphere at 18km in July 2011. Peak was not there on 2011/7/7 (John Barnes) Journée NDACC 2016 7/7 – No peak 15/7 – BR~1.8 Influence de l’initialisation : Pas de pic observé sur initialisation SO2/IASI 21/7 – BR>2.5

Calbuco volcanic plume modelling Journée NDACC 2016 Outburst on April 22th 2015. Long-range transport of the the calbuco plume MIMOSA-µϕ CALIOP 2-week initialisation, SR> 2.5 DDU MIMOSA-µϕ 1 month transport DDU ( PSC field)

Calbuco eruption MIMOSA-µϕ - free run - 0.5° x 0.5° resolution – 2 week SR532nm CALIOP initialisation Journée NDACC 2016

Calbuco eruption Plumes nearing & overpassing Dumont d’Urville Journée NDACC 2016 22 Mai 2015 DDU 12 June 2015 DDU Importance de l’inversion lidar pour la détection et la quantification fine : gros apport du Raman

Puyehue-Cordón Caulle eruption Eruption le 6 Juin 2011. 3500 personnes évacuées. Traffic aérien bloqué. Détection sur coïncidence CALIOP / DDU le 1er Juillet 2011 Journée NDACC 2016 DDU Signature du Puyehue ?

Puyehue-Cordón Caulle Ash Puyehue-Cordón Caulle eruption Nombreux types de particules sur une même orbite Journée NDACC 2016 NAT PSC Ice PSC Puyehue-Cordón Caulle Ash

Puyehue-Cordón Caulle eruption Nombreux types de particules sur une même orbite Journée NDACC 2016 NAT PSC STS PSC Puyehue

DDU lidar / GOMOS PSC comparison Journée NDACC 2016 Stratospheric aerosol data records for the Climate Change Initiative : development, validation and application to Chemistry-Climate Modelling – Bingen et al., submitted to Remote Sensing Environment, 2016 AerGom: Nouvel algorithme de restitution des aérosols Présence de flags PSC sur critère de température T<197K

DDU lidar / GOMOS PSC comparison Journée NDACC 2016 Stratospheric aerosol data records for the Climate Change Initiative : development, validation and application to Chemistry-Climate Modelling – Bingen et al., submitted to Remote Sensing Environment, 2016 Incertitude lidar obtenue par variation du rapport lidar en 30sr et 70sr.