Tridon 2011CLF22156 PDF

Mesure des précipitations à l’aide d’un radar en bande
X non-cohérent à haute résolution et d’un radar en

bande K à visée verticale. Application à l’étude de la
variabilité des précipitations lors de la campagne COPS
Frédéric Tridon
To cite this version:

Frédéric Tridon. Mesure des précipitations à l’aide d’un radar en bande X non-cohérent à haute
résolution et d’un radar en bande K à visée verticale. Application à l’étude de la variabilité des
précipitations lors de la campagne COPS. Sciences de la Terre. Université Blaise Pascal - Clermont-
Ferrand II, 2011. Français. �NNT : 2011CLF22156�. �tel-00777843�
HAL Id: tel-00777843

https://tel.archives-ouvertes.fr/tel-00777843
Submitted on 18 Jan 2013
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
N° d’Ordre : D.U. 2156
UNIVERSITÉ BLAISE PASCAL

U.F.R. Sciences et Technologies
ÉCOLE DOCTORALE DES SCIENCES FONDAMENTALES

N° : 683
THÈSE
présentée pour obtenir le grade de
DOCTEUR D’UNIVERSITÉ
Spécialité : Physique de l’Atmosphère
par Frédéric TRIDON

Diplômé du Master Physique spécialité Physico-chimie de l’Atmosphère et du Climat
Mesure des précipitations à l’aide d’un radar en bande X

non-cohérent à haute résolution et d’un radar en bande K
à visée verticale. Application à l’étude de la variabilité des
précipitations lors de la campagne COPS
Soutenue publiquement le 15 septembre 2011, devant la commission d’examen :
Examinateurs : M. ANDRIEU Hervé (Docteur, LCPC, Centre de Nantes, Bouguenais)

M. BOUDEVILLAIN Brice (Docteur, LTHE, Grenoble)
Rapporteurs : M. HAGEN Martin (Docteur, DLR, Wessling, Allemagne)
M. PARENT DU CHÂTELET Jacques (IR HDR, LATMOS, Guyancourt)
Directeur de thèse : M. VAN BAELEN Joël (Directeur de recherche, CNRS, Clermont-Ferrand)
Président du Jury : M. WOBROCK Wolfram (Professeur, Université Blaise Pascal, Aubière)
Remerciements
A utant la rédaction d’un manuscrit de thèse est une œuvre principalement per-
sonnelle, autant mener ma thèse de doctorat à son terme aurait été impossible
sans la collaboration et les soutiens tant professionels qu’amicaux des nom-
breuses personnes avec lesquelles j’ai interagi de manière directe ou indirecte pendant
cette période. Ces quelques lignes sont dédiées à toutes ces personnes.
Je tiens tout d’abord à remercier Joël Van Baelen pour m’avoir encadré et m’avoir
initié à toutes les facettes de la recherche pendant ces trois années. Je remercie éga-
lement Yves Pointin, que je considère comme un co-directeur, pour sa disponibilité et
son expertise face à mes nombreuses questions.
J’adresse tous mes remerciements à Jacques Parent-du-Châtelet et à Martin Hagen
(avec une mention spéciale pour la très bonne compréhension de la langue française)
pour avoir accepté de rapporter mon travail malgré le faible délai imparti, qui plus est,
pendant une période estivale. Je remercie par la même occasion Brice Boudevillain et
Hervé Andrieu pour avoir accepté de faire partie de mon jury de thèse, et Wolfram
Wobrock pour l’avoir présidé et assuré son bon déroulement.
Merci également à l’ensemble des membres du Laboratoire de Météorologie Physique
pour leur accueil chaleureux et leur aide que ce soit au niveau scientifique, informatique
ou administratif.
Je remercie également Yamina André et Anne Guérin pour leur sympatique enca-
drement et compagnie lors de mon monitorat au génie physique de Polytech’Clermont.
J’aimerais également remercier l’ensemble des personnes qui ont rendu cette période
difficile plus agréable, par leur soutien et les grandes discussions ou franches rigolades
que l’on a pu avoir pendant les pauses cafés, les repas au RU, ou ailleurs. Il s’agit
principalement (mais pas seulement) des thésards qui se sont succédés, d’abord les
anciens Mathieu, Vincent, Guillaume M. et Guillaume P., les petits nouveaux (qui à
l’heure où j’écris ces quelques lignes sont presque des “anciens”) Laurent L., ses T-shirts,
sa moustache et son harem, Cricri pour son indulgence face aux blagues pourries, Carole
pour m’avoir rejoint et soutenu dans ma galère, sans oublier Maxime, Élise et Aura,
et les contemporains, Mickaël pour sa tchatche (et avec Saraline pour les repas créoles
gastromomiques), Bobo pour son éternelle bonne humeur communicative, Nanan pour
ses ragots (les surnoms débiles qui consistent à doubler les syllabes étaient très en
vogue pendant cette période) et Ninou et Nunu pour les soirées sympa à la colloc.
Entre autres, je garde en mémoire, en vrac, le Gouffre de Padirrrac (t’as raté une
côte ?), le 6 qui prend (Miam-miam ! bon ap’), Willy et Coin-coin ! Je pense aussi aux
différents postdocs ou titulaires, même si nos interactions n’ont été qu’occasionelles,
et en particulier au Bolbyte en chef pour moultes raisons. Merci également à Olivier,
3
Remerciements
Régis, Marie, Suzanne, Aurélie pour les soirées jeux (même si ça ne m’est pas encore
arrivé, je suis certain qu’il est plus facile de gagner une partie contre Olivier que de
rédiger une thèse). Merci aussi aux pipolos de suba et matériau, Hien-hien, François,
Lolo, Riri et Lulu (encore des surnoms d’une grande originalité), l’élitre de l’élitre de
l’UFR Schnaps.
Finalement, j’adresse quelques remerciements plus personnels à mes amis de tou-
jours que j’ai pu voir régulièrement pendant cette période et dont certains ont pu
(patiemment) assister à la soutenance, et également à ma famille et à ma belle fa-
mille pour m’avoir soutenu pendant ces trois années et ce, jusqu’à la soutenance, pour
laquelle je remercie en particulier mon grand-père d’avoir tenu jusqu’au bout malgré
tout : non, tu n’étais pas plus sourd que la majorité des autres auditeurs.
Enfin, merci à Céline pour sa patience, son soutien et son bouillonnement (même
après des nuits blanches de powerpoint ...).
4
Table des matières
Introduction générale 19
I Mesure des précipitations 23

1 Mesure directe des précipitations . . . . . . . . . . . . . . . . . . . . . 24
1.1 Pluviomètre - Taux de précipitation . . . . . . . . . . . . . . . . 24
1.1.1 Principe de la mesure . . . . . . . . . . . . . . . . . . 24
1.1.2 Expression du taux de précipitation . . . . . . . . . . . 25
1.2 Disdromètres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.2.1 Disdromètre JW . . . . . . . . . . . . . . . . . . . . . 26
1.2.2 Disdromètre Parsivel . . . . . . . . . . . . . . . . . . . 26
2 Mesure des précipitations par télédétection radar . . . . . . . . . . . . 28
2.1 Principe du radar à impulsions . . . . . . . . . . . . . . . . . . 28
2.1.1 L’équation du radar pour la mesure des précipitations 29
2.1.2 Modèles de diffusion - Facteurs de réflectivité radar . . 31
2.1.3 Influence de la longueur d’onde sur les mesures radar . 33
2.1.4 Sources d’erreur . . . . . . . . . . . . . . . . . . . . . 36
2.2 Atténuation des ondes électromagnétiques dans l’atmosphère . . 37
2.2.1 Atténuation par les hydrométéores . . . . . . . . . . . 38
2.2.2 Atténuation par les nuages . . . . . . . . . . . . . . . . 38
2.2.3 Atténuation par la pluie . . . . . . . . . . . . . . . . . 39
2.2.4 Atténuation par les gaz . . . . . . . . . . . . . . . . . 41
2.2.5 Techniques de correction de l’atténuation . . . . . . . . 41
2.3 Principe du radar en visée verticale . . . . . . . . . . . . . . . . 46
2.3.1 Équation du radar en visée verticale . . . . . . . . . . 46
2.3.2 Limites . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5
Table des matières
II Dispositif expérimental 49
3 Les radars du LaMP . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.1 Le radar en bande X . . . . . . . . . . . . . . . . . . . . . . . . 49
3.2 Le radar MRR . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.2.1 Technique FM-CW . . . . . . . . . . . . . . . . . . . . 54
3.2.2 Exploitation des mesures du MRR . . . . . . . . . . . 57
4 Synergie des instruments utilisés . . . . . . . . . . . . . . . . . . . . . . 64
4.1 Contraintes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.2 Sites de mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2.1 Site Clermontois . . . . . . . . . . . . . . . . . . . . . 66
4.2.2 Campagne COPS : vallée du Rhin . . . . . . . . . . . 68
4.2.3 Campagne CIDEX : Toulouse . . . . . . . . . . . . . . 71
5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
III Traitement des données MRR 75

6 Élimination du bruit de la mesure . . . . . . . . . . . . . . . . . . . . . 75
6.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
6.2 Méthode de Hildebrand et Sekhon . . . . . . . . . . . . . . . . . 77
6.2.1 Test R1 - Variance d’un bruit blanc . . . . . . . . . . . 77
6.2.2 Test R2 . . . . . . . . . . . . . . . . . . . . . . . . . . 78
6.3 Méthode de METEK . . . . . . . . . . . . . . . . . . . . . . . . 78
6.4 Méthode de Urkowitz . . . . . . . . . . . . . . . . . . . . . . . . 79
6.4.1 Description de la méthode . . . . . . . . . . . . . . . . 79
6.4.2 Réflexion sur la méthode . . . . . . . . . . . . . . . . . 80
6.4.3 Exemples de l’application de la méthode . . . . . . . . 82
6.5 Étude comparative des différentes méthodes . . . . . . . . . . . 84
7 Amélioration du calcul de l’atténuation par les précipitations . . . . . . 87
8 Effet du vent vertical - Détection du repliement spectral . . . . . . . . 88
8.1 Effet du vent vertical sur les mesures MRR d’un point de vue
théorique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
8.1.1 Effet sur le spectre de réflectivité . . . . . . . . . . . . 89
8.1.2 Effet sur la distribution de gouttes . . . . . . . . . . . 90
8.1.3 Effet sur les paramètres des précipitations . . . . . . . 91
8.2 Effet du vent vertical et du repliement spectral - Étude de cas . 93
8.2.1 Repliement spectral . . . . . . . . . . . . . . . . . . . 93
8.2.2 Effet du repliement spectral sur les mesures MRR . . . 96
8.3 Fréquence d’apparition du repliement spectral . . . . . . . . . . 97
9 Identification du problème de la première porte du MRR . . . . . . . . 98
6
Table des matières
10 Étalonnage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
10.1 Comparaisons MRR-disdromètre . . . . . . . . . . . . . . . . . 101
10.1.1 Comparaison des distributions de gouttes . . . . . . . 101
10.1.2 Comparaison des paramètres des précipitations . . . . 102
10.2 Étalonnage du MRR . . . . . . . . . . . . . . . . . . . . . . . . 104
10.2.1 Biais global entre les mesures du MRR et du PSV . . . 105
10.2.2 Comportement du bais en fonction de la réflectivité . . 106
10.2.3 Variation du biais dans le temps . . . . . . . . . . . . 107
10.2.4 Validation de l’étalonnage . . . . . . . . . . . . . . . . 107
11 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
IV Traitement des données du radar en bande X 109

12 Filtrage des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
12.1 Filtrage des échos parasites en air clair . . . . . . . . . . . . . . 110
12.1.1 Interférences . . . . . . . . . . . . . . . . . . . . . . . 110
12.1.2 Mesure d’échos directs fantôme très intenses . . . . . . 111
12.1.3 Échos ambigus en distance . . . . . . . . . . . . . . . . 115
12.2 Filtrage des échos parasites superposés aux échos de précipitations117
12.2.1 Pics de réflectivité aberrants . . . . . . . . . . . . . . . 118
12.2.2 Comparaisons avec le radar POLDIRAD . . . . . . . . 119
12.2.3 Vérification de la validité du filtrage des pics . . . . . . 122
13 Calcul de l’atténuation par les précipitations . . . . . . . . . . . . . . . 124
14 Étalonnage et calcul de l’atténuation par les précipitations . . . . . . . 128
14.1 Étalonnage avec les données du site Clermontois . . . . . . . . . 128
14.1.1 Biais en négligeant l’atténuation . . . . . . . . . . . . 129
14.1.2 Biais après correction de l’atténuation . . . . . . . . . 131
14.1.3 Biais après plusieurs corrections successives de l’atté-
nuation . . . . . . . . . . . . . . . . . . . . . . . . . . 132
14.1.4 Régression linéaire après plusieurs corrections succes-
sives de l’atténuation . . . . . . . . . . . . . . . . . . . 132
14.1.5 Variation de l’étalonnage dans le temps . . . . . . . . 133
14.2 Étalonnage avec les données de la campagne COPS . . . . . . . 134
14.2.1 Biais après plusieurs corrections successives de l’atté-
nuation . . . . . . . . . . . . . . . . . . . . . . . . . . 135
14.2.2 Régression linéaire après plusieurs corrections succes-
sives de l’atténuation . . . . . . . . . . . . . . . . . . . 135
14.2.3 Variation de l’étalonnage dans le temps . . . . . . . . 136
14.3 Validation de l’étalonnage . . . . . . . . . . . . . . . . . . . . . 136
15 Dérive de l’étalonnage du radar en bande X . . . . . . . . . . . . . . . 137
16 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
7
Table des matières
V Variabilité des précipitations 141

17 Variabilité de la distribution de gouttes et son influence sur les relations
Z-R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
17.1 Les formes et paramétrisations de la DSD . . . . . . . . . . . . 142
17.1.1 La distribution exponentielle . . . . . . . . . . . . . . 142
17.1.2 Les distributions à trois paramètres . . . . . . . . . . . 143
17.1.3 Les normalisations de la DSD . . . . . . . . . . . . . . 145
17.2 L’influence des processus microphysiques sur la forme de la DSD 147
17.3 Interprétation microphysique des relations Z-R . . . . . . . . . . 149
17.3.1 Méthodes de dérivation des relations Z-R . . . . . . . . 149
17.3.2 Variabilité des relations Z-R . . . . . . . . . . . . . . . 150
18 Analyse détaillée des précipitations mesurées lors de la campagne COPS 151
18.1 Étalonnage du MRR à partir des données du pluviomètre . . . . 151
18.2 Variabilité inter-évènements . . . . . . . . . . . . . . . . . . . . 152
18.3 Variabilité verticale . . . . . . . . . . . . . . . . . . . . . . . . . 155
18.4 Variabilité intra-évènements . . . . . . . . . . . . . . . . . . . . 157
19 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
VI Classification des régimes de précipitations 161

20 Classification basée sur les variations locales de la réflectivité . . . . . . 162
20.1 Description de la méthode . . . . . . . . . . . . . . . . . . . . . 162
20.2 Résultats généraux . . . . . . . . . . . . . . . . . . . . . . . . . 163
20.3 Résultats de la classification des précipitations . . . . . . . . . . 163
20.4 Réflexion sur les hypothèses de la méthode . . . . . . . . . . . . 166
21 Classification basée sur le type de précipitation . . . . . . . . . . . . . 168
21.1 Différences physiques entre les précipitations convectives et stra-
tiformes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
21.2 Identification des portions convectives et stratiformes des échos
radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
21.3 Exemples de l’application de la méthode . . . . . . . . . . . . . 172
21.4 Tests de sensibilité . . . . . . . . . . . . . . . . . . . . . . . . . 172
21.5 Caractéristiques des régimes de précipitation obtenus . . . . . . 174
21.6 Estimation des précipitations . . . . . . . . . . . . . . . . . . . 177
22 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
Conclusions et perspectives 181
Bibliographie 185
8
Table des figures
I.1 Distribution des valeurs de vitesse de chute en fonction du diamètre. . . 27

I.2 Évolution des valeurs de la réflectivité radar en fonction de la longueur
d’onde. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
I.3 Variations du rapport entre les sections efficaces de rétrodiffusion de Mie
et de Rayleigh en fonction du diamètre des gouttes et de la longueur d’onde. 34
I.4 Illustrations des effets de masque partiel et total et des échos de sol. . . 37
I.5 Variations de la section efficace d’extinction normalisée en fonction du
diamètre des gouttes normalisé et de la longueur d’onde. . . . . . . . . 40
I.6 Exemples de relations entre le taux de précipitation et l’atténuation pour
les bandes K, Ka, X, C et S et pour les températures T = 0°C, T = 10°C
et T = 20°C. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
I.7 Erreur totale après la correction de l’atténuation avec la méthode de
Hitschfeld et Bordan (1954), en fonction de l’erreur d’étalonnage pour
diverses valeurs du PIA. . . . . . . . . . . . . . . . . . . . . . . . . . . 44
II.1 Exemples du champ de réflectivité radar mesuré par le radar en bande

X en ciel clair et en présence d’averses, avant la suppression des échos
de sol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
II.2 Champ de réflectivité radar correspondant à celui de la Figure II.1b et
où la contribution des échos de sol et la variation de la réflectivité radar
avec la distance au radar ont été supprimés. . . . . . . . . . . . . . . . 52
II.3 Modulation de la fréquence émise par le radar MRR . . . . . . . . . . . 54
II.4 Illustration de la technique FMCW. . . . . . . . . . . . . . . . . . . . . 55
II.5 Profils du spectre en vitesse du facteur de réflectivité radar et de la distri-
bution de gouttes mesurés par le MRR et représentés en trois dimensions
et en deux dimensions. . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
II.6 Évolution en fonction du temps du spectre en vitesse du facteur de
réflectivité radar et de la distribution de gouttes mesurés par le MRR
à 300 m d’altitude au-dessus du sol. L’échelle de couleur représente la
variation du temps. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
II.7 Comme la Figure II.6 mais la variation du temps est cette fois-ci repré-
sentée par l’axe des abscisses, l’échelle de couleur correspond quant à
elle à l’intensité du facteur de réflectivité radar (a) et à la concentration
en gouttes (b). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
9
Table des figures
II.8 Gammes des vitesses et des diamètres analysés lors du traitement des
données mesurées par le MRR, en fonction de l’altitude. . . . . . . . . 62
II.9 Évolution en fonction du temps des profils du facteur de réflectivité
radar, du facteur de réflectivité radar équivalent en bande X, du taux
de précipitation et du coefficient d’atténuation mesurés par le MRR. . . 64
II.10 Topographie et échos de sol dans la zone couverte par le radar en bande
X pour le site Clermontois. . . . . . . . . . . . . . . . . . . . . . . . . . 66
II.11 Altitude et forme du volume commun entre les deux radars pour le site
Clermontois. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
II.12 Coefficient de corrélation entre les facteur de réflectivité mesurés par les
deux radars dans leur volume de mesure commun pour les portes 2, 3,
4 et 5 du MRR1 pour le site clermontois. . . . . . . . . . . . . . . . . . 68
X pour le site de la campagne COPS. . . . . . . . . . . . . . . . . . . . 69
II.14 Altitude et forme du volume commun entre les deux radars pour le site
de la campagne COPS. . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
II.15 Coefficient de corrélation entre les facteur de réflectivité mesurés par les
deux radars dans leur volume de mesure commun pour les portes 6, 7,
8 et 9 du MRR2, pour le site de la campagne COPS. . . . . . . . . . . 70
X pour le site de la campagne CIDEX. . . . . . . . . . . . . . . . . . . 71
II.17 Altitude et forme du volume commun entre le radar en bande X et les
MRRs pour le site de la campagne CIDEX. . . . . . . . . . . . . . . . . 73
II.18 Coefficient de corrélation entre les facteurs de réflectivité mesurés par le
radar en bande X et les MRRs dans leur volume de mesure commun. . 74
III.1 Influence du bruit s’il n’est pas supprimé du spectre en fréquence de la

réflectivité radar mesurée par le MRR, pour la déduction de la distribu-
tion de gouttes en divisant le spectre en diamètre de la réflectivité radar
par la section de rétrodiffusion radar. . . . . . . . . . . . . . . . . . . . 76
III.2 Application de la méthode de Urkowitz dans le cas où le bruit est plutôt
stable ou fluctuant et limites correspondant aux différentes valeurs du
niveau de confiance. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
III.3 Niveau du bruit détecté avec la méthode de Urkowitz dans le cas où
il est plutôt stable ou fluctuant selon différentes valeurs du niveau de
confiance. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
III.4 Application des différentes méthodes de détection du bruit et niveaux de
bruit correspondant pour différents cas de bruit plus ou moins fluctuant. 85
III.5 Cas de précipitations présentant des problèmes de fluctuation du bruit :
évolutions de la réflectivité spectrale, de la distribution de gouttes, et de
la distribution de gouttes où un test a permis de supprimer ces fluctuations. 86
III.6 Influence d’un vent vertical ascendant ou descendant sur le spectre de
réflectivité radar mesuré et sur la distribution de gouttes déduite. . . . 90
10
Table des figures
III.7 Influence d’un vent vertical ascendant ou descendant sur certains des
paramètres restitués par le MRR comme la concentration de gouttes, le
taux de précipitation et le facteur de réflectivité radar équivalent . . . . 91
III.8 Évolutions des profils du facteur de réflectivité radar et de la détection
du repliement spectral en fonction du temps . . . . . . . . . . . . . . . 94
III.9 Évolution au cours du temps du facteur de réflectivité spectral en fonc-
tion de la vitesse Doppler à 100 m, 300 m, 500 m et 700 m AGL . . . . 94
III.10Évolution au cours du temps du facteur de réflectivité spectral en fonc-
tion de la vitesse Doppler à 100 m, 300 m, 500 m et 700 m AGL . . . . 95
III.11Facteur de réflectivité spectral en fonction de la vitesse Doppler et dis-
tribution de gouttes à 700 m AGL, moyennés sur les périodes délimitées
sur la Figure III.9d . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
III.12Évolution dans le temps du facteur de réflectivité radar spectral à 100 m,
200 m, 300 m, 300 m sur le cas de précipitations du 13/08/2007 où la
présence d’un spectre image, symétrique du spectre mesuré par rapport
à la fréquence moyenne de 1000 Hz, lorsque ce dernier atteint de fortes
valeurs, est particulièrement mise en évidence . . . . . . . . . . . . . . 99
III.13Évolution dans le temps de la forme du spectre du facteur de réflectivité
radar spectral à 100 m et 200 m sur une partie du cas de précipita-
tions du 13/08/2007 pour montrer l’importance du spectre image dans
la première porte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
III.14Évolution de la distribution de gouttes déduite des mesures du MRR à
100 m, à 200 m, du PSV et du MRR à 100 m après étalonnage . . . . . 102
III.15Comparaison des variations des paramètres déduits des données du PSV :
concentration des gouttes, taux de précipitation et facteur de réflectivité
radar équivalent avec ceux déduits du spectre de réflectivité en fréquence
mesuré par le MRR avant et après étalonnage, et du spectre de réflecti-
vité en fréquence du MRR à 100 m. . . . . . . . . . . . . . . . . . . . . 103
III.16Densités de probabilité du facteur de réflectivité radar équivalent déduit
des mesures du MRR, et du PSV sur les 19 cas de précipitations étudiés 105
III.17Statistiques de la différence entre les facteurs de réflectivité radar équi-
valent déduits des mesures du MRR étalonné et du PSV pour les 19 cas
de précipitations étudiés : densité de probabilité et biais par classes de
réflectivité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
IV.1 Séries du champ de réflectivité mesuré par le radar en bande X pendant

2 min, toutes les 30 s, et montrant les perturbations provoquées par des
interférences dans toutes les directions, avant et après le premier filtrage 111
4 min, toutes les minutes, et montrant les perturbations provoquées par
des interférences dans une direction donnée, avant et après le premier
filtrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
11
Table des figures

2 min, toutes les 30 s, et montrant les perturbations sur toute la gamme
de distances mesurées par le radar et provoquées par des interférences
dans une direction donnée, avant et après le premier filtrage . . . . . . 112
5 min, toutes les 90 s, au cours d’un cas de petites cellules convectives
lors de la campagne COPS et montrant des échos directs, avant et après
le premier filtrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
15 min, toutes les 5 min, au cours de l’initiation d’une cellule orageuse
et montrant des échos directs, avant et après le premier filtrage. . . . . 114
IV.6 Illustration du filtrage des cellules de précipitations par leur taille et leur
position par rapport aux zones de réflectivité intenses. . . . . . . . . . . 115
15 min, toutes les 5 min, et montrant des échos ambigus en distance
provenant d’un cellule intense lointaine, avant et après le premier filtrage 116
IV.8 Séries du champ de réflectivité mesuré par le radar POLDIRAD pendant
40 min, toutes les 10 min, et montrant la formation, sur la Forêt Noire,
du système orageux détecté par le radar en bande X comme le montre
la Figure IV.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
IV.9 Réflectivité mesurée par le radar en bande X en fonction de la distance
au radar le long d’un azimut donné pour plusieurs instants de mesure
successifs et montrant la présence de pics de réflectivité qui sont suppri-
més par le filtrage des pics . . . . . . . . . . . . . . . . . . . . . . . . . 118
IV.10Réflectivité mesurée le 12 août 2007 à 15:11:30 dans le champ de vision
du radar en bande X, par le radar POLDIRAD, par le radar en bande
X et issue de la moyenne des mesures du radar en bande X sur la grille
de données de Poldirad . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
IV.11Comparaison des densités de probabilité de la réflectivité mesurée par
POLDIRAD, par le radar en bande X et issue de la moyenne des mesures
du radar en bande X sur la grille de POLDIRAD pour l’évènement de
précipitations du 12 août 2007, avant et après le filtrage des pics . . . . 121
IV.12Évolution au cours du temps de la densité de probabilité de la réflec-
tivité radar mesurée par le radar en bande X lors de l’évènement de
précipitations du 12 août 2007 en entier, avant et après le second filtrage 122
IV.13Estimation du cumul de précipitation lors de l’évènement de précipita-
tions du 12 août 2007 avec et sans filtrage . . . . . . . . . . . . . . . . 124
IV.14Réflectivité mesurée à COPS le 12 août 2078 à 15:11:29 par le radar
en bande X avant et après correction de l’atténuation estimée avec la
méthode de Hitschfeld et Bordan (1954) . . . . . . . . . . . . . . . . . 125
IV.15Réflectivité mesurée à CLERMONT par le radar en bande X le 01 juin
2008 à 21:24:30 avant et après correction de l’atténuation estimée avec
la méthode de Hitschfeld et Bordan (1954) . . . . . . . . . . . . . . . . 126
12
Table des figures
IV.16Exemples de correction de l’atténuation avec la méthode de Hitschfeld

et Bordan (1954) sur le cas du 01 juin 2008 à 21:24:30 dans la direction
152° et 136° . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
IV.17Estimation du cumul de précipitation à partir des mesures du radar en
bande X corrigées de l’atténuation pour l’évènement du 01 juin 2008 et
comparaisons avec les mesures des pluviomètres de Clermont-Communauté127
IV.18Densités de probabilité du facteur de réflectivité radar équivalent mesuré
par le MRR et le radar en bande X sans correction de l’atténuation pour
l’ensemble des cas étudiés sur le site Clermontois . . . . . . . . . . . . . 129
IV.19Statistiques de la différence entre les facteurs de réflectivité radar équi-
valent mesurés par le MRR et le radar en bande X sans correction de
l’atténuation pour l’ensemble des cas étudiés sur le site Clermontois :
densité de probabilité et biais par classes de réflectivité . . . . . . . . . 130
IV.20Biais par classes de réflectivité entre les facteurs de réflectivité radar
équivalent mesurés par le MRR et le radar en bande X après une première
correction de l’atténuation, et après plusieurs corrections successives de
l’atténuation pour l’ensemble des cas étudiés sur le site Clermontois . . 132
IV.21Biais par classes de réflectivité avec un ajustement linéaire entre les
facteurs de réflectivité radar équivalent mesurés par le MRR et le radar
en bande X après une première correction de l’atténuation, et après
plusieurs corrections successives de l’atténuation pour l’ensemble des
cas étudiés sur le site Clermontois . . . . . . . . . . . . . . . . . . . . . 133
valents mesurés par le MRR et le radar en bande X après plusieurs
corrections successives de l’atténuation pour l’ensemble des cas étudiés
lors de la campagne COPS : densité de probabilité et biais par classes
de réflectivité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
valent mesurés par le MRR et le radar en bande X après plusieurs correc-
tions successives de l’atténuation pour l’ensemble des cas étudiés lors de
la campagne COPS : densité de probabilité et biais avec un ajustement
linéaire du biais par classes de réflectivité . . . . . . . . . . . . . . . . . 136
IV.24Estimation du cumul de précipitation à partir des mesures du radar en
bande X étalonné avec et sans prise en compte de l’atténuation pour
l’évènement du 01 juin 2008, et comparaisons avec les mesures des plu-
viomètres de Clermont-Communauté . . . . . . . . . . . . . . . . . . . 137
IV.25Variation de la moyenne des échos mesurés au niveau de la position du
puy de Dôme, et permettant d’évaluer la dérive de l’étalonnage du radar
en bande X. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
V.1 DSD mesurée et ajustement exponentiel de la paramétrisation de Mar-

shall et Palmer (1948) pour différents taux de précipitation . . . . . . . 142
V.2 Prise en compte de la forme de la DSD avec la paramétrisation expo-
nentielle et la paramétrisation gamma . . . . . . . . . . . . . . . . . . . 144
13
Table des figures
V.3 Illustration de la méthode utilisée pour normaliser la DSD en utilisant

la loi d’échelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
V.4 Description schématique de l’effet de processus variés sur la forme de la
DSD. Figure issue de Rosenfeld et Ulbrich (2003). . . . . . . . . . . . . 148
V.5 Correspondance entre les précipitations mesurées par le MRR dans la
porte 3 après son étalonnage et par le pluviomètre colocalisé : cumuls
de chaque évènement, taux de précipitation moyens sur 15 min . . . . . 152
V.6 Les différentes lois Z-R retrouvées à partir des mesures de la porte 6
du MRR, lors de la campagne COPS : variabilité de ces relations dans
l’espace log (R) − − log (Z) et variabilité des coefficients associés . . . . 153
V.7 Profils moyens pour l’ensemble des données et par classe d’intensité des
précipitations au sol, du facteur de réflectivité radar et du taux de pré-
cipitation mesurés par le MRR lors de la campagne COPS . . . . . . . 156
V.8 Profils du spectre de réflectivité mesuré par le MRR et montrant un
déficit de petites gouttes à cause d’un vent vertical descendant et à
cause du tri des gouttes par leur taille . . . . . . . . . . . . . . . . . . . 157
V.9 Illustration de la méthode de Clemens et al. (2006) pour la détection
de périodes stables de précipitations à l’intérieur d’un même évènement,
exemple du 17 juin 2007 . . . . . . . . . . . . . . . . . . . . . . . . . . 158
V.10 Diagramme de dispersion des paires réflectivité-taux de précipitation
mesurés et relations Z-R des périodes stables détectées dans la Figure V.9159
VI.1 Application de la technique de sélection pour déterminer les zones de

précipitations d’intensité montante, stagnante et descendante sur l’évo-
lution temporelle de la réflectivité mesurée par le radar en bande X le
17 juin 2007. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
VI.2 Distributions de gouttes et relations Z-R déterminées à partir des don-
nées du MRR et associées aux zones de précipitations montantes stag-
nantes et descendantes affichées dans la Figure VI.1 . . . . . . . . . . . 165
VI.3 Évolutions du profil vertical de réflectivité, du spectre de réflectivité
dans la porte 3, de la réflectivité dans la porte 3 et du spectre de gouttes
dans la porte 3 pour le cas de précipitation du 13 août 2007, montrant
un phénomène de tri des gouttes par leur taille . . . . . . . . . . . . . . 167
VI.4 Évolution des précipitations dans le graphe log Z − log R pour les trois
averses visibles dans la Figure VI.3 . . . . . . . . . . . . . . . . . . . . 167
VI.5 Schémas d’application de la méthode classification des précipitations
convectives et stratiformes . . . . . . . . . . . . . . . . . . . . . . . . . 171
VI.6 Champ de réflectivité mesuré par le radar en bande X, et zones convec-
tives et stratiformes identifiées par la méthode de séparation, lors d’un
épisode de précipitation où des cellules convectives étaient imbriquées
dans des zones de précipitations stratiformes . . . . . . . . . . . . . . . 173
VI.7 Champ de réflectivité mesuré par le radar en bande X, et zones identifiées
comme convectives et stratiformes par la méthode séparation, lors d’un
épisode montrant petites cellules convectives isolées . . . . . . . . . . . 174
14
Table des figures
VI.8 Distributions de gouttes et profils du taux de précipitations du MRR

correspondant à l’ensemble des données de la campagne COPS, et aux
régimes de précipitations convectifs et stratiformes déduits de l’applica-
tion de la classification sur l’ensemble des données . . . . . . . . . . . . 175
VI.9 Relations Z-R correspondant à l’ensemble des données de la campagne
COPS, et aux régimes de précipitations convectifs et stratiformes déduits
de l’application de la classification sur l’ensemble des données du MRR. 176
VI.10Cumuls de précipitation mesuré par le pluviomètre et estimés à partir de
la réflectivité du radar en bande X à l’aide d’une relation globale et de
deux relations convective et stratiforme, pour les cas les plus significatifs
de la campagne COPS. . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
VI.11Cumuls de précipitation estimés à l’aide du radar en bande X pour six
cas de la campagne COPS . . . . . . . . . . . . . . . . . . . . . . . . . 179
VI.12Cumuls de précipitation et fraction convective de ce cumul estimés à
partir des données du radar en bande X pour l’ensemble de la campagne
COPS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
15
Liste des tableaux
I.1 Différentes approximations de la relation entre le diamètre et la vitesse

de chute d’une goutte utilisées dans la littérature. . . . . . . . . . . . . 24
I.2 Taux de précipitation significatifs mesurés avec des pluviomètres conven-
tionnels selon l’intervalle de temps considéré. . . . . . . . . . . . . . . . 25
I.3 Lettres utilisées pour la désignation des bandes de fréquence radar. . . 33
II.1 Paramètres du radar en bande X. . . . . . . . . . . . . . . . . . . . . . 50

II.2 Correspondance qualitative entre la réflectivité radar et l’intensité des
précipitations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
II.3 Paramètres du radar MRR. . . . . . . . . . . . . . . . . . . . . . . . . 53
III.1 Résultats du test de Kolmogorov-Smirnov et leurs probabilités. . . . . . 81

III.2 Facteur de réflectivité radar, taux de précipitation et coefficient d’atté-
nuation calculés à partir des distributions de gouttes repliées et corrigées
de la Figure III.11b . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
III.3 Statistiques de chaque évènement utilisé pour le calcul des statistiques
moyennes permettant l’étalonnage du MRR. . . . . . . . . . . . . . . . 107
IV.1 Statistiques de chaque évènement utilisé pour le calcul des statistiques

moyennes permettant l’étalonnage du radar en bande X. . . . . . . . . 134
V.1 Statistiques des évènements utilisés pour étudier la variabilité des rela-
tions Z-R à partir des données de la porte 6 du MRR . . . . . . . . . . 154
VI.1 Cumul de précipitation mesuré par le MRR et estimé à partir de la

réflectivité mesurée par le radar en bande X en utilisant une relation
Z-R unique ou des relations Z-R spécifiques, pour le cas du 17 juin 2007
et pour la campagne COPS en entier, selon les deux méthodes décrites
dans le texte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
17
Introduction générale
L a pluie est un paramètre météorologique primordial pour la société humaine et la

vie en général. En effet, c’est la pluie qui redistribue l’eau douce essentielle à la
vie. Or, même si l’eau couvre plus de 70% de la surface terrestre, l’eau douce,
elle, est en accès limité puisqu’elle n’en constitue qu’une toute petite part (3%). Ainsi,
un défaut de précipitations peut entraîner des sècheresses qui limitent le rendement
de la production agricole et peuvent aboutir à de graves famines. A l’opposé, trop de
précipitations peuvent provoquer des inondations dévastatrices (par exemple, dans le
Gard à l’automne 2002 (Delrieu et al., 2005) ou dans le Var au printemps 2010).
La pluie est également un élément fondamental d’un point de vue climatique. De par
son rôle dans le cycle hydrologique, la pluie participe à la redistribution de l’énergie que
la Terre reçoit du Soleil : la chaleur latente absorbée lors de l’évaporation de l’eau à la
surface de la Terre, peut être dégagée par condensation lors de la formation des nuages
ou des précipitations, à des milliers de kilomètres. De plus, les précipitations jouent
également un rôle indirect sur le bilan radiatif de l’atmosphère, par l’intermédiaire de
la vapeur d’eau qui est l’espèce gazeuse qui participe le plus à l’effet de serre, et des
nuages, qui selon leur type et leur altitude, peuvent réfléchir, absorber ou transmettre
les rayonnements solaire et tellurique.
Une bonne compréhension des processus formant les précipitations a donc un double
intérêt : d’une part, pour mieux évaluer l’impact global des précipitations sur le cli-
mat, et d’autre part, pour améliorer la prévision quantitative des précipitations (QPF)
notamment à l’aide de modèles numériques, dont les performances sont limitées, en par-
ticulier pour la prévision des évènements météorologiques extrêmes, comme les orages,
les inondations ou les sècheresses. Ainsi, la mesure précise des précipitations est un
objectif majeur en physique de l’atmosphère.
Les pluviomètres sont traditionellement utilisés pour mesurer les précipitations,
parce qu’ils sont bon marché et fournissent des mesures directes et robustes des préci-
pitations. Leur principal défaut est que leurs mesures sont ponctuelles (Ciach, 2003).
Ainsi, même un réseau dense de un pluviomètre au km2 ne donne que peu d’informa-
tions sur la distribution spatiale fine des précipitations. Au contraire, un radar météo-
rologique permet de caractériser les précipitations sur une large surface. Néanmoins,
contrairement aux pluviomètres, les radars ne mesurent pas les précipitations directe-
ment, mais la “réflection” par les précipitations du signal transmis par le radar. On
appelle cette mesure la réflectivité radar Z. Or, Z n’est pas directement reliée au taux
de précipitation R. En météorologie radar, l’un des objectifs principaux est de fournir
des estimations de R les plus précises possible. C’est ce que l’on appelle l’estimation
quantitative des précipitations (QPE).
19
Les QPE basées sur les mesures radars sont soumises à de nombreuses sources d’er-
reurs comme l’étalonnage du radar, l’atténuation, la contamination par des échos de
sol et la propagation anormale, les masques du faisceau, l’élargissement du faisceau et
son altitude croissante avec la distance, le gradient vertical de la réflectivité, etc. (Vil-
larini et Krajewski, 2010). Mais, parmi ces différentes sources d’erreurs, la variabilité
des précipitations a une importance fondamentale. Cette grande variabilité est due aux
nombreux processus qui participent à la formation des précipitations.
Les précipitations se forment dans les nuages, eux-mêmes composés de minuscules
gouttelettes d’eau en suspension dans l’air. Pourtant, tous les nuages ne donnent pas
lieu à des précipitations : seuls les hydrométéores suffisamment gros tombent par gravité
et conduisent aux gouttes de pluie. Le fait d’avoir des précipitations dépend donc
principalement de la croissance des hydrométéores dans les nuages. Par ailleurs, la
majorité des nuages produisant des précipitations ont un sommet avec des températures
négatives, ce qui veut dire que dans ces nuages, les gouttelettes nuageuses peuvent
coexister ou être remplacées par des cristaux de glace. Dans ces conditions, la croissance
des hydrométéores est due à différents processus : condensation de la vapeur d’eau,
contact avec d’autres hydrométéores (aggrégation, givrage, coalescence), transfert de
la vapeur d’eau qui s’évapore des gouttelettes et se condense sur des hydrométéores plus
gros, en particulier sur les cristaux de glace (effet Bergeron). Lorsque les gouttes ont
atteint une taille suffisante (environ 0.2 mm), elles tombent avec une vitesse qui dépend
de leur diamètre et peuvent encore grossir par collision ou collection. Au contraire, les
gouttes qui se percutent ou qui ont un diamètre supérieur à 8 mm sont instables
et se brisent, conduisant alors à un plus grand nombre de petites gouttes. De plus,
lorsque les gouttes sortent de la base du nuage, l’air n’est plus saturé et le diamètre des
gouttes peut aussi diminuer par évaporation. La forme de la distribution des gouttes de
pluie (DSD) est alors contrôlée par ces quatre processus : évaporation, condensation,
mais surtout rupture et coalescence (dans laquelle on inclue collision et collection)
(Srivastava, 1971).
La formation des précipitations est donc un phénomène complexe combinant de
nombreux processus. C’est le nombre infini de possibilités de contributions relatives
de chacun de ces processus qui entraîne la grande variabilité des précipitations. D’un
côté, c’est cette variabilité qui rend nécessaire la mesure des précipitations par radar
pour caractériser les précipitations spatialement. De l’autre côté, c’est également cette
variabilité qui rend l’amélioration des QPE difficile.
En effet, la réflectivité radar Z et le taux de précipitation R dépendent tous les
deux de la DSD. Il a été trouvé que ces variables pouvaient être reliées par des relations
empiriques que l’on appelle relations Z-R (Marshall et al., 1955, par exemple). Mais,
la grande variabilité des précipitations et de la DSD implique un grand nombre de
relations Z-R possibles. Ces relations Z-R semblent être associées à différents types
de précipitations, différents lieux géographiques ou différentes saisons (Battan, 1973).
Pourtant, d’une manière générale, les estimations opérationnelles des précipitations
sont toujours faites avec une seule relation Z-R moyenne.
Pendant de longues années, la majorité des radars utilisés pour mesurer les préci-
pitations fonctionnaient à une longueur d’onde telle que l’onde émise par le radar ne
subit pas ou peu d’atténuation lors de son interaction avec l’atmosphère (radars en
bande S et C). Ces radars peuvent donc avoir une très grande portée (environ 200 km).
Ainsi, la plupart des services nationaux de météorologie se sont équipés de réseaux de
20
tels radars de façon à couvrir l’ensemble des territoires concernés. En revanche, ces
radars peuvent difficilement être utilisés par de moins grandes entités à cause de leur
prix et de leur encombrement.
Or, depuis plusieurs années, la demande de QPE à haute résolution et sur des zones
plus locales est croissante (Fabry et al., 1994). Les utilisations de telles données sont
plus ciblées et doivent donc être obtenues à moindre coût. Les radars en bande X (de
longueur d’onde plus faible) répondent à ces exigences. En revanche, leur principal
défaut est la forte atténuation que subit le signal à cette longeur d’onde (Atlas et
Banks, 1951; Hitschfeld et Bordan, 1954). C’est la raison pour laquelle ils ont peu
été utilisés par le passé, mais, si ce problème peut être résolu, les radars en bande
X sont des candidats adaptés pour de nombreuses applications : hydrologie dans des
petits bassins versants ou urbains pour la prévention des risques d’inondations à courte
échéance, optimisation de l’arrosage des exploitations agricoles, etc.
Dans le but d’améliorer les QPE en considérant la variabilité des précipitations
de manière plus précise, les radars de toute longueur d’onde ont fait l’objet de nom-
breuses innovations pendant plusieurs décennies d’évolution. Ainsi, de nombreux radar
ont acquis la capacité de mesurer la vitesse des cibles, et/ou le signal réflechi par les
précipitations selon plusieurs polarisations. On les appelle des radars cohérents ou pola-
rimétriques, respectivement. La mesure de la vitesse des cibles fournit des informations
précieuses sur la structure dynamique des évènements de précipitations (French et al.,
2008; Marquis et al., 2008) et est également un atout indéniable pour valider les me-
sures puisqu’elle permet de détecter les échos de sol immobiles (Berenguer et al., 2006).
Dès la fin des années soixante-dix, Seliga et Bringi (1976) montrent que, comme les
gouttes ne sont généralement pas sphériques et que leur axe de symétrie est orienté
selon la verticale, l’amplitude rétrodiffusée doit être différente selon que la polarisation
est horizontale ou verticale. Ainsi, la diversité de polarisation doit fournir des informa-
tions sur la DSD et permettre d’estimer les QPE de manière plus précise (Illingworth
et al., 2000). Par exemple, les mesures selon plusieurs polarisations permettent de dé-
finir différents paramètres polarimétriques tels que la réflectivité différentielle ou la
phase différentielle spécifique, qui peuvent être utilisés pour remplacer les relations
Z-R afin de mieux prendre en compte la variabilité des précipitations (Brandes et al.,
2002). Cependant, les fluctuations statistisques des paramètres polarimétriques dues
aux mouvements relatifs des hydrométéores rendent difficile la QPE.
Ces développements sont très couteux et des méthodes alternatives permettant de
prendre en compte la variabilité des précipitations seulement à partir de la mesure de la
réflectivité à haute résolution spatiale seraient très bénéfiques. C’est la démarche qu’a
choisie le Laboratoire de Météorologie Physique (LaMP) en participant au développe-
ment d’un prototype de radar météorologique en bande X à très haute résolution basé
sur un radar nautique commercial. La production à grande échelle des composants de
ce radar en fait un instrument potentiellement bon marché. L’objectif de cette thèse
est donc de prendre en compte la variabilité des précipitations en utilisant des relations
Z-R adaptées aux précipitations rencontrées. Pour cela, un ensemble d’instruments —
dont un autre radar à visée verticale, est utilisé pour trouver des critères judicieux
qui permettent de classer les types de précipitations, en se basant sur la réflectivité
mesurée par le radar en bande X.
Cette thèse se découpe en six chapitres. Le chapitre I introduit le fonctionnement
des instruments généralement utilisés pour la mesure des précipitations : les pluvio-
21
mètres, les disdromètres et les radars. Pour chacun de ces instruments, les variables
réellement mesurées sont définies en fonction de la DSD. Les ondes électromagnétiques
en bande X étant fortement atténuées dans l’atmosphère ; ce problème ainsi que les
méthodes de correction existantes sont détaillées. Enfin, la technique de mesure de la
DSD avec un radar cohérent à visée verticale est présentée. Le chapitre II est consacré
à la description des deux radars utilisés lors de cette thèse : il décrit leurs spécificités,
leurs produits et leur positionnement respectif sur les différents sites pour lesquels ils
ont été utilisés, afin de mettre en évidence un volume de mesure commun aux deux
radars qui sera primordial pour la suite de la thèse. L’exploitation des données de ces
deux radars a montré qu’un certain nombre de traitements (filtrage des données, calcul
de l’atténuation, étalonnage, etc.) doivent être effectués avant de pouvoir les utiliser.
Ces traitements font l’objet des chapitres III et IV pour le radar à visée verticale et
le radar en bande X, respectivement. Le chapitre V décrit ensuite la variabilité des
précipitations observées, en termes de DSD et de relations Z-R. Trois aspects de cette
variabilité sont mis en évidence : la variabilité verticale, la variabilité entre différents
évènements de précipitations et la variabilité à l’intérieur d’un même évènement de
précipitations. Pour terminer, le chapitre VI présente les deux classifications dévelop-
pées pour l’amélioration des QPE, qui sont basées, l’une sur les variations temporelles
et l’autre, sur l’hétérogénéité de la réflectivité mesurée par le radar en bande X. Enfin,
les enseignements et les perspectives de ce travail seront mis en évidence dans une
conclusion qui clôturera cette thèse.
22
Chapitre I
Mesure des précipitations
L es précipitations sont caractérisées par la distribution de gouttes. Dans ce chapitre

nous allons décrire les différents types d’instruments utilisés lors de cette thèse
pour la mesure des précipitations : pluviomètres, disdromètres et radars. Il sera
découpé en deux parties principales : la mesure directe du flux de précipitation par
des pluviomètres et des disdromètres (partie 1) et la mesure, plus globale, par télédé-
tection radar (partie 2). Pour cela, il sera nécessaire de définir des variables telles que
le taux de précipitation R et la réflectivité Z. On verra que toutes ces variables sont
justement fonction de la distribution des gouttes. Il faut donc commencer par décrire
cette distribution de gouttes de manière mathématique.
Comme le rappelle Uijlenhoet (1999), la distribution des gouttes de pluie N (D) dD
peut être représentée selon deux formes différentes. La première forme est notée NV (D)
(avec V pour volume) où la quantité NV (D) dD représente le nombre de gouttes dont
le diamètre D (mm) est compris entre D et D + dD (1) , par unité de volume (m3 ) d’air.
Pour la deuxième forme NA (D) (avec A pour aire), la quantité NA (D) dD représente le
nombre de gouttes dont le diamètre D (mm) est compris entre D et D+dD qui arrivent
sur une surface, par unité d’aire (m2 ) et de temps (s). Les unités correspondantes pour
NV (D) et NA (D) sont donc mm−1 m−3 et mm−1 m−2 s−1 , respectivement. Si les effets
du vent vertical et de la turbulence sont négligés, la relation entre les deux formes
s’écrit NA (D) = v(D)NV (D) où v (D) représente la relation entre le diamètre et la
vitesse de chute d’une goutte (m s−1 ).
En effet, dans sa chute, une goutte accélère jusqu’à atteindre sa vitesse terminale
qui résulte de l’équilibre entre son poids et la résistance de l’air. Il existe une relation
directe entre la vitesse terminale de chute et le diamètre. Ceci a fait l’objet de nombreux
travaux et plusieurs relations ont été proposées (voir Tableau I.1). Les avantages et
inconvénients de ces différentes relations seront discutés ultérieurement.
Généralement, les météorologues et chercheurs en télédétection s’intéressent aux
processus de précipitation dans l’atmosphère (mesures avec des radars précipitations)
et utilisent donc la forme NV (D) alors que les hydrologues s’intéressent au flux de
précipitation à la surface (mesures avec des pluviomètres) et préfèrent la forme NA (D).
Néanmoins, comme la distribution de gouttes a été principalement étudiée par les
(1). En réalité, comme les grosses gouttes sont aplaties pendant leur chute (voir par exemple Pruppa-
cher et Klett, 1997), D représente le diamètre équivalent, c’est-à-dire, le diamètre d’une sphère ayant
le même volume.
23
1 Mesure directe des précipitations
Tab. I.1 – Différentes approximations de la relation entre le diamètre et la vitesse de chute

d’une goutte utilisées dans la littérature.
Source Relation v [m s−1 ] - D [mm]

Spilhaus (1948) v = 4.49D0.5
Doherty (1964) v = 9.38 [1 − exp (−0.654D)]
Sekhon et Srivastava (1971) v = 6.728D0.6
Atlas et al. (1973) v = 9.65 − 10.3 exp (−0.6D)
Atlas et Ulbrich (1977) v = 3.778D0.67
météorologues, la forme choisie est le plus souvent NV (D) même si c’est NA (D) qui
est réellement mesurée dans la plupart des cas. C’est le choix qui sera fait pour cette
thèse. On simplifiera la notation en utilisant N (D).
À partir de la distribution de gouttes, on peut définir les variables nécessaires dans
la suite de ce chapitre. On verra qu’elles s’écrivent comme les moments d’ordre n de
cette distribution : ∫ +∞
Mn = Dn N (D) dD (I.1)
0
ou comme les moments pondérés d’ordre n de cette distribution:

∫ +∞
Mn = p (D) Dn N (D) dD (I.2)
0
où p (D) est une fonction de pondération dépendant du diamètre D.
1.1 Pluviomètre - Taux de précipitation

1.1.1 Principe de la mesure
Le pluviomètre à auget basculant est l’instrument de base de la mesure des précipi-

tations. Il est très répandu et son fonctionnement est simple : la pluie est recueillie par
un entonnoir et remplit un auget qui bascule dès qu’il est plein. Le nombre et l’heure de
chaque basculement sont enregistrés. Ainsi, connaissant la surface de l’entonnoir et le
volume de l’auget, on peut calculer le volume d’eau tombée par unité de surface et par
unité de temps et donc en déduire le taux de précipitation R, c’est-à-dire, l’épaisseur
d’eau tombée par unité de temps.
Ce principe suppose qu’il n’y a pas d’évaporation. En effet, cette hypothèse peut se
justifier au cours d’un évènement précipitant, en revanche, si l’auget est presque plein
à la fin d’un évènement, l’eau restante risque de s’évaporer avant la prochaine pluie.
La mesure d’un pluviomètre est donc connue à un basculement près suivant l’état de
remplissage de l’auget au début et à la fin de la période de pluie. On considère donc
que la mesure sera significative s’il y a eu au moins trois basculements dans l’intervalle
de temps considéré.
24 Chapitre I
1.2 Disdromètres
Tab. I.2 – Taux de précipitation significatifs mesurés avec des pluviomètres conventionnels
selon l’intervalle de temps considéré.
Intervalle de temps [min] R [mm h−1 ]

1 36
5 7.2
15 2.4
60 0.6
De façon générale, la surface de l’entonnoir et le volume de l’auget des pluvio-

mètres conventionnels sont 1000 cm2 et 20 cm3 respectivement. Ainsi, un basculement
correspond à 0.2 mm de précipitations. Le taux de précipitation significatif minimum
(de trois basculements) est répertorié dans le Tableau I.2 selon l’intervalle de temps
considéré. On remarque qu’il faut de forts taux de précipitation pour avoir une mesure
significative sur de petits intervalles de temps.
1.1.2 Expression du taux de précipitation
Si l’on souhaite exprimer le taux de précipitation R (mm h−1 ) en fonction de la

distribution de gouttes, on s’aperçoit d’après la définition ci-dessus qu’il est plus naturel
de l’exprimer en fonction de la forme NA (D) puisqu’on n’a pas besoin de faire intervenir
la relation entre le diamètre et la vitesse de chute d’une goutte :
∫ +∞ ∫ +∞
R = 3600 × 10−6 V (D) NA (D) dD = 6π × 10−4 D3 NA (D) dD (I.3)
0 0
où V (D) = πD3 /6 est le volume d’une goutte de diamètre D et où les facteurs 3600 et
10−6 servent à convertir les s−1 en h−1 et les m−2 en mm−2 respectivement. Pourtant,
l’expression rencontrée le plus souvent se fait en fonction de NV (D) :
∫ +∞
−4
R = 6π × 10 D3 v (D) NV (D) dD. (I.4)
0
D’après les équations I.1 et I.2, on voit que, au facteur multiplicatif près, le taux de
précipitation est le moment d’ordre 3 de la distribution NA (D) ou le moment d’ordre
3 pondéré par la vitesse de chute des gouttes v (D) de la distribution NV (D).
1.2 Disdromètres
De l’anglais “distribution drop meter”, les disdromètres servent à mesurer la distri-
bution de gouttes et permettent évidemment d’en déduire le taux de précipitation, avec
une meilleure résolution que les pluviomètres. Les premières mesures de la distribution
de gouttes étaient directes mais extrêmement laborieuses. Elles consistaient à mesurer
la taille de boulettes formées par la capture de gouttes de pluie dans une boîte rem-
plie de farine (Laws et Parsons, 1943) ou la taille des impacts de gouttes de pluie sur
un papier absorbant (Marshall et Palmer, 1948). Mais la mesure de la distribution de
gouttes au sol a subi une révolution avec l’invention du disdromètre électromécanique,
descendant direct des anciennes méthodes manuelles et appelé Joss-Waldvogel du nom
de ses inventeurs (Joss et Waldvogel, 1967).
Mesure des précipitations 25

1.2.1 Disdromètre JW
Le principe de ce disdromètre est de mesurer l’impact de chaque goutte tombant sur

un disque d’une surface de 50 cm2 . La force de l’impact dépend de la vitesse terminale de
chute des gouttes. Chaque impact est donc converti en pulsation électrique qui permet
de déduire le diamètre de chaque goutte. Les gouttes sont ensuite comptabilisées dans
25 classes de diamètre de largeur 0.2 mm (de 0.3 mm à 5.3 mm), ce qui permet de
déduire directement la distribution de gouttes de la forme NA (D).
Mis à part que les gouttes supérieures à 5.3 mm sont assignées à la classe de dia-
mètre maximum, le problème majeur de ce disdromètre est qu’il sous-estime le nombre
de petites gouttes dans les précipitations intenses (R ≥ 20 mm h−1 ) pour deux raisons
principales : le bruit acoustique de l’environnement et le temps mort de l’instrument
à cause des vibrations de l’aire d’échantillonnage après les impacts de gouttes (Tokay
et Short, 1996). Le niveau de bruit est adapté dynamiquement pour éviter qu’il soit
compté comme des gouttes. Malheureusement, lorsque le bruit acoustique augmente,
comme lors de précipitations intenses sur un toit en tôle à proximité, les gouttes pro-
duisant un signal inférieur à cette limite sont perdues. Ce problème peut donc être
évité lors de l’installation du disdromètre. En revanche, la deuxième source de sous-
estimation ne peut pas être réduite de manière préventive : un algorithme peut être
utilisé a posteriori pour corriger le temps mort de l’instrument (Sheppard et Joe, 1994;
Sauvageot et Lacaux, 1995) mais il n’a aucun effet sur les classes ne comptant aucune
goutte. De plus, même s’il a un impact sur la forme de la distribution de gouttes re-
trouvée, ce déficit en petites gouttes n’a que peu d’influence sur le calcul de Z et R
(Tokay et Short, 1996; Atlas et Ulbrich, 2000; Uijlenhoet et al., 2003b), il est donc
rarement utilisé.
Enfin, une autre limitation du disdromètre JW est qu’il fait l’hypothèse que les
gouttes tombent à leur vitesse terminale de chute (selon une relation v(D)). En cas de
vent vertical (ascendant ou descendant) cette hypothèse peut provoquer une erreur sur
l’estimation des diamètres (Salles et Creutin, 2003).
1.2.2 Disdromètre Parsivel
Un autre bond dans l’étude de la distribution de gouttes a été fait avec le dévelop-
pement récent des disdromètres optiques qui permettent de mesurer simultanément le
diamètre et la vitesse de chute des gouttes tout en évitant les problèmes techniques as-
sociés aux dispositifs mécaniques. Le disdromètre Parsivel (Löffler-Mang et Joss, 2000)
fait partie de ces derniers : lorsque qu’une goutte coupe le faisceau laser plat d’une
surface de 54 cm2 , la diminution de l’intensité du laser permet de déduire son dia-
mètre alors que la durée de cette diminution permet de déduire sa vitesse de chute. Les
gouttes sont rangées dans 32 classes de diamètre allant de 0 à 24 mm avec une largeur
de classe variable.
Le principal avantage d’un disdromètre optique est que la mesure du diamètre
permet d’éviter de faire une hypothèse sur la relation entre le diamètre et la vitesse
de chute des gouttes. En effet, même si la plupart des relations proposées (Tableau
I.1) sont de très bonnes paramétrisations des vitesses mesurées lors de l’étude précoce
mais précise de Gunn et Kinzer (1949), des travaux plus récents montrent que de
nombreuses gouttes ne respectent pas ces relations (Donnadieu, 1980; Hauser et al.,
26 Chapitre I
1.2 Disdromètres
1984; Kruger et Krajewski, 2002). Ces déviations sont généralement attribuées à des
erreurs instrumentales (éclaboussements, problèmes d’échantillonnage) et sont filtrées
(voir Figure I.1).
Fig. I.1 – Distribution des valeurs de vitesse de chute [m s−2 ] en fonction du diamètre [mm]
mesurées avec un disdromètre optique à deux dimensions (Schönhuber et al., 2008). Globale-
ment, on voit que les mesures suivent la relation vitesse - diamètre de Atlas et al. (1973) (voir
Tableau I.1) à l’exception de certains amas de points qui s’en éloignent fortement. Kruger et
Krajewski (2002) les associent à des points aberrants et les éliminent (Figure issue de Kruger
et Krajewski, 2002).
Pour expliquer ces déviations, Montero-Martínez et al. (2009) émettent l’hypothèse

que les gouttes ne tombent pas toujours à leur vitesse terminale de chute à cause des
phénomènes de rupture et de coalescence. En effet, une goutte immédiatement issue
d’une coalescence tombe à une vitesse de chute - plus faible que sa propre vitesse
terminale de chute - égale à la combinaison des vitesses de chute des gouttes dont
elle est issue alors que les fragments immédiatement issus de la rupture d’une goutte
tombent à la vitesse de chute - plus élevée que leur propre vitesse de chute - de cette
dernière.
Néanmoins, ces gouttes accélèrent ou ralentissent rapidement en quelques mètres
jusqu’à atteindre leur propre vitesse terminale de chute. De plus, les nombreuses études
qui montrent un accord entre les distributions de gouttes déduites des disdromètres JW
ou des disdromètres optiques impliquent que ces deux sortes d’instruments permettent
une bonne estimation de la distribution de gouttes, et donc que l’hypothèse reliant la
vitesse terminale de chute et le diamètre des gouttes est valable.
Ces différents instruments fournissent une mesure locale de la pluie. Cela pose les
trois problèmes suivants :
– en présence de vents forts, le flux d’air autour de l’instrument peut altérer l’échan-
tillonnage des gouttes et conduire à une sous-estimation du taux de précipitation
dans le cas du pluviomètre ou à une déformation de la distribution de gouttes
dans le cas des disdromètres,
– les volumes d’échantillonnage sont petits, il faut donc accumuler les données sur
de longs intervalles de temps pour obtenir des mesures significatives en particulier
pour des faibles précipitations (voir le Tableau I.2 pour le cas du pluviomètre),

2 Mesure des précipitations par télédétection radar
– ces mesures ne sont pas représentatives des précipitations à plus grande échelle,
en particulier lors de pluies convectives, connues pour être très hétérogènes sur
de très courtes distances.
Ces problèmes de mesures montrent que ces instruments ont de nombreuses limitations.
Nous verrons que seul un radar permet la mesure de pluie sur l’ensemble d’un bassin
hydrologique avec une résolution temporelle adéquate.

Le terme radar est l’acronyme de RAdio Detection And Ranging et désigne les
appareils de télédétection conçus pour détecter et localiser des cibles par ondes radio
(ici, le terme radio est générique et désigne l’ensemble du spectre électromagnétique
de longueur d’ondes du mm à la dizaine de km). En premier lieu, la technique du
radar a été développée à des fins militaires, principalement pendant la seconde guerre
mondiale, dans le but de détecter des avions. Les premières mesures de précipitations
par radar ont été faites pendant cette période et ont d’abord été considérées comme
un bruit perturbant la détection des avions ennemis. Depuis, la technique radar a
beaucoup évolué, passant d’une description qualitative à des estimations quantitatives
de nombreux paramètres météorologiques.
Dans cette partie, on rappellera de manière simplifiée le fondement mathématique
de la mesure par radar à impulsions (section 2.1) à partir de différents ouvrages de
référence (Battan, 1959; Sauvageot, 1982; Doviak et Zrnic, 1993). Ensuite, on insistera
sur les erreurs de mesures liées à l’atténuation des ondes électromagnétiques dans l’at-
mosphère et aux techniques de correction existantes (section 2.2). Enfin on verra le cas
particulier du radar à visée verticale (section 2.3).
2.1 Principe du radar à impulsions

Un radar est composé de trois éléments principaux : un émetteur, une antenne et
un récepteur. L’émetteur génère, à intervalles réguliers, des impulsions d’énergie élec-
tromagnétique, de forte puissance, de durée très brève mais avec une fréquence élevée.
L’antenne focalise cette énergie en un faisceau dans une direction précise. L’énergie
est ensuite en partie absorbée et réémise par toutes sortes de cibles présentes dans le
faisceau. La partie d’énergie renvoyée en direction du radar est captée par le récepteur
(en général, l’antenne sert à la fois pour l’émission et la réception) et constitue ce qu’on
appelle l’écho radar.
Sur des distances inférieures à la centaine de kilomètres, on peut considérer que
les ondes électromagnétiques se propagent en ligne droite et à vitesse constante (à la
vitesse de la lumière). Alors, l’orientation de l’antenne et le délai entre l’émission et la
réception du signal permettent de localiser la cible en direction et en distance. De plus,
on distingue deux types de récepteurs : les récepteurs incohérents qui ne mesurent que
l’amplitude du signal rétrodiffusé et les récepteurs cohérents qui mesurent également
la phase du signal. Ainsi, à partir de la différence de phase entre l’onde émise et l’onde
rétrodiffusée, ces récepteurs permettent de déduire la vitesse radiale de la cible par effet
Doppler. Enfin, les radars dits polarimétriques permettent d’avoir une information sur
la forme relative des cibles en émettant des ondes selon plusieurs polarisations. Dans
28 Chapitre I
le cas des gouttes, cela permet d’obtenir une information sur leur taille puisque, plus
leur taille augmente, plus elles s’aplatissent (plus leur dimension horizontale est grande
devant la dimension verticale).
Dans la suite de ce document, nous établirons la loi qui donne la puissance mesurée
par le radar en fonction de la réflectivité et que l’on appelle l’équation du radar pour
un radar non cohérent et non polarimétrique (section 2.1.1) puis nous définirons le
facteur de réflectivité radar (section 2.1.2). Ensuite, nous montrerons l’influence de
la longueur d’onde du radar sur la mesure des précipitations (section 2.1.3). Enfin,
nous détaillerons les différentes sources d’erreurs qui peuvent affecter la mesure des
précipitations (section 2.1.4).
2.1.1 L’équation du radar pour la mesure des précipitations
Considérons un émetteur qui rayonne de manière isotrope. À la distance r, la puis-

sance par unité de surface est Pe /4πr2 où Pe est la puissance totale émise. L’utilisation
d’une antenne permet de concentrer la puissance dans un faisceau fin. On appelle le
gain G de l’antenne de surface effective Ae , l’augmentation de puissance par unité de
surface par rapport à l’émission isotrope. Une cible située à la distance r et de section
S (r) intercepte donc la quantité de puissance Pσ donnée par :
Pe GS (r)
Pσ = (I.5)
4πr2
La puissance émise par une antenne est principalement concentrée dans la direction
de la propagation, dans ce que l’on appelle le lobe principal. Cependant, une partie
de cette puissance est émise dans des directions transversales : les lobes secondaires.
Pour ne pas perturber la mesure par des cibles transverses, la contribution des lobes
secondaires à la puissance totale reçue doit être négligeable. De plus, d’après Baars
(2007), on peut démontrer que :
Ae = Gλ2 /4π. (I.6)
Si la cible n’absorbait aucune puissance mais la réémettait totalement de manière

isotrope, alors, la puissance reçue par le radar P (r) s’écrirait :
Pσ Ae Pe GS (r) Ae Pe G2 λ2
P (r) = = = S (r) . (I.7)
4πr2 (4πr2 )2 (4π)3 r4
La distance r de la cible est déterminée en mesurant le retard t de la réception de

l’énergie par rapport à son émission selon l’expression :
ct
r= (I.8)
2
où le facteur 2 sert à tenir compte de l’aller-retour. Par ailleurs, cette expression définit
également la portée non ambigüe du radar qui est fixée par l’intervalle de temps entre
deux impulsions T : les cibles situées au-delà de la distance rmax tel que :
rmax = cT /2 (I.9)

doivent produire un signal négligeable pour ne pas être confondues avec des cibles
situées à la distance r − rmax .
Concrètement, on détecte toujours un grand nombre de cibles qui sont comprises
dans le volume d’échantillonnage approximativement défini par le produit de la section
du faisceau par la longueur h correspondant à une impulsion telle que
cτ
h= (I.10)
2
où τ est la durée d’une impulsion et c la vitesse de propagation de l’onde. De la
même manière que pour déterminer la distance d’une cible (Équation I.8), on divise la
longueur cτ par 2 pour tenir compte de l’aller-retour de l’onde. En effet, au moment où
le radar reçoit la puissance de la fin de l’impulsion rétrodiffusée par des cibles situées à
la distance r, il reçoit la puissance du début de l’impulsion rétrodiffusée par des cibles
situées à la distance r+(cτ ) /2. Dans le cas général, la section du faisceau est une ellipse
dont les dimensions horizontales θ et verticales ϕ (en radians) peuvent être différentes.
Le volume d’échantillonnage est donc égal à V = π(rθ/2)(rϕ/2)h.
En réalité, aucune cible météorologique ne diffuse les ondes électromagnétiques de
manière isotrope. On introduit donc la section efficace de rétrodiffusion radar σ définie
comme la surface [m2 ] d’une cible idéale réémettant toute l’énergie qu’elle intercepte
de façon isotrope, telle qu’elle intercepterait la quantité de puissance qui lui permet de
renvoyer la puissance effectivement rétrodiffusée. La valeur de σ est donc différente de
la section géométrique S et dépend de nombreux facteurs : forme et dimension de la
cible, orientation par rapport à la direction du rayonnement, etc.
La turbulence et la variété des vitesses de chutes des hydrométéores impliquent
une forte fluctuation de la phase du signal rétrodiffusé. Une moyenne temporelle sur
plusieurs impulsions consécutives est donc nécessaire pour une bonne estimation de la
puissance provenant d’un même volume diffusant, en partant de l’hypothèse que les
cibles ont des phases relatives indépendantes et distribuées aléatoirement. Alors, si l’on
admet que les cibles sont réparties uniformément dans le volume de résolution V , la sec-
tion de rétrodiffusion de l’ensemble de ces cibles peut être écrite comme étant la somme
de la section de rétrodiffusion de chaque cible divisée par le volume d’échantillonnage.
C’est la section efficace volumique de rétrodiffusion radar [m2 m−3 ], on l’appelle la
réflectivité radar :
∑
η (r) = σi /V. (I.11)
i
Alors l’équation I.7 devient :

[ ]
Pe G2 λ2 θϕh η (r)
P (r) = (I.12)
512π 2 2 ln 2 r2
où l’on a ajouté le facteur 2 ln 2 au dénominateur pour mieux tenir compte de la forme

du faisceau (Probert-Jones, 1962).
L’équation I.12 est l’équation du radar. La partie entre crochets est constante et
ne dépend que des caractéristiques du radar utilisé, on l’appelle la constante du radar
et on la note C. Cette équation permet de relier directement la puissance reçue par le
radar et la réflectivité du volume sondé.
30 Chapitre I
2.1.2 Modèles de diffusion - Facteurs de réflectivité radar
Lorsqu’une onde électromagnétique interagit avec un corps dont les propriétés élec-
triques diffèrent de celles du milieu environnant, une partie de l’énergie du champ
incident est absorbée par le corps et apparaît sous forme de chaleur tandis que l’autre
partie est diffusée dans toutes les directions. Dans le cas des précipitations, ce phéno-
mène est décrit par l’application des équations de Maxwell à la diffusion d’une onde
plane par une sphère homogène en milieu non absorbant. La théorie de Mie donne une
solution générale à ce problème.
a) Diffusion de Mie
D’après la théorie de Mie (Mie, 1908), on peut montrer que la section efficace de
rétrodiffusion radar d’une goutte sphérique est :
2
∑
πD2 ∞
σM (D) = (−1) (2j + 1) (aj − bj )
j
(I.13)

4α2 j=1
où j est un entier positif, D est le diamètre de la goutte et
α = πD/λ (I.14)
est sa taille réduite. Les coefficients aj et bj font intervenir les fonctions de Bessel avec
les paramètres α et m = n − ik l’indice complexe de réfraction de l’eau, avec n l’indice
de réfraction et k le coefficient d’absorption de l’eau qui dépendent de la longueur
d’onde et de la température.
b) Approximation de Rayleigh
L’approximation de Rayleigh est valable quand α est très inférieur à l’unité (c’est-
à-dire, quand la taille des gouttes est très inférieure à la longueur d’onde du radar
utilisé). Dans ce cas, un seul terme devient prédominant parmi tous les coefficients aj
et bj et l’équation I.13 peut être explicitée simplement (Battan, 1959) par :

λ2 α 6 m2 − 1 2 π5

= 4 |KW | D 6
2
σR (D) = 2 (I.15)
π m + 2 λ
en utilisant l’équation I.14 et avec
m2 − 1
KW = . (I.16)
m2 + 2
Il est important de noter que σR (D) est alors proportionnel au diamètre de la goutte
à la puissance six.
Le coefficient KW , appelé constante de normalisation de la réflectivité radar, s’ex-
prime en fonction de l’indice complexe de réfraction de l’eau m et dépend donc de
la longueur d’onde et de la température mais peut être correctement approximé par
|KW |2 = 0.93 pour toutes les températures et pour les longueurs d’onde allant de la
bande S à la bande K (voir Tableau I.3 qui sera décrit plus loin). L’équation du radar
s’applique également pour des particules de glace sphériques, la seule différence étant

la valeur de |KI |2 = 0.176. Ainsi, pour des hydrométéores de même diamètre, la ré-
flectivité est environ cinq fois plus faible pour la glace que pour l’eau. En revanche,
lorsque des particules de glace commencent à fondre, elles se recouvrent d’une fine pel-
licule d’eau et leur réflectivité radar augmente rapidement jusqu’à atteindre les valeurs
correspondant à des gouttes de même diamètre alors qu’elles sont composées de 70%
de glace (Sauvageot, 1982).
c) Facteur de réflectivité radar
Le facteur de réflectivité radar Z [mm6 m−3 ] est le moment d’ordre 6 de la distri-

bution de gouttes NV (D) définie dans l’introduction de ce chapitre :
∫ +∞
Z= N (D) D6 dD. (I.17)
0
Il est très utilisé car simplement proportionnel à la réflectivité radar (2) dans le cadre
de l’approximation de Rayleigh. Pour le montrer, partons de la définition de la réflec-
tivité radar (Équation I.11) appliquée à un spectre continu et dans laquelle on insère
l’expression I.15 :
∫ +∞
π5
η= N (D) σR (D) dD = 4 |KW |2 Z. (I.18)
0 λ
Les valeurs courantes du facteur de réflectivité radar couvrent plusieurs ordres de gran-
deurs, il est donc pratique d’utiliser une échelle logarithmique, avec comme unité le
décibel dBZ, telle que :
( [ ])
Z [dBZ] = 10 log Z mm6 m−3 . (I.19)
L’équation I.18 montre que la réflectivité radar η est une grandeur caractéristique
de la cible, mais qu’elle varie fortement avec la longueur d’onde. En revanche, le facteur
de réflectivité radar Z est indépendant de la longueur d’onde. Il est donc très utilisé
car il permet des comparaisons des mesures obtenues avec des instruments de longueur
d’onde différente. Pourtant, ce n’est plus le cas lorsque les conditions de l’approximation
de Rayleigh ne sont pas respectées.
d) Facteur de réflectivité radar équivalent
Les gouttes de pluie ont un diamètre maximum de 8 mm environ, l’approximation

de Rayleigh n’est donc valable que pour des radars de longueur d’onde supérieure ou
égale à 10 cm. Pour des radars de longueur d’onde inférieure ou pour des particules
non sphériques comme ce peut être le cas pour des cristaux de glace, on peut tout de
même écrire :
π5
η = 4 |KW |2 Ze . (I.20)
λ
où Ze est le facteur de réflectivité radar équivalent, défini comme le facteur de réflecti-
vité d’une population de particules liquides et sphériques remplissant les conditions de
(2). On fait couramment la confusion entre ces deux variables : on parle de “réflectivité radar” pour
désigner le facteur de réflectivité radar. Cette confusion peut éventuellement être faite dans la suite
de ce manuscrit.
32 Chapitre I
Tab. I.3 – Lettres utilisées pour la désignation des bandes de fréquence radar (d’après
Skolnik, 2008).
Désignation Bande de fréquence Longueur d’onde Origine du nom

HF 3-30 MHz 100-10 m High Frequency
VHF 30-300 MHz 10-1 m Very High Frequency
UHF 300-1000 MHz 1-0.3 m Ultra High Frequency
L 1-2 GHz 30-15 cm Long Wave
S 2-4 GHz 15-8 cm Short Wave
C 4-8 GHz 8-4 cm Compromis entre S et X
X 8-12 GHz 4-2.5 cm
Ku 12-18 GHz 2.5-1.7 cm Kurz-Under
K 18-27 GHz 1.7-1.2 cm de l’Allemand Kurz (court)
Ka 27-40 GHz 1.2-0.75 cm Kurz-Above
V 40-75 GHz 7.5-4 mm
W 75-110 GHz 4-2.7 mm W suit V dans l’alphabet
mm 110-300 GHz 2.7-1 mm
l’approximation de Rayleigh et produisant un signal de même puissance. Ze n’est plus

le sixième moment de la distribution de gouttes, son expression est :
∫ +∞
λ4
Ze = 5 N (D) σ (D) dD (I.21)
π |KW |2 0
où l’on voit que Ze dépend maintenant de la longueur d’onde du radar utilisé.
2.1.3 Influence de la longueur d’onde sur les mesures radar
On a vu au paragraphe précédent que l’interaction onde-précipitations dépend de

la longueur d’onde (et donc de la fréquence d’opération) du radar utilisé. Les radars
les plus courants opèrent à des fréquences allant d’environ 5 MHz à 95 GHz. Devant
un spectre de fréquences aussi large, il est évident que les technologies utilisées, leurs
aptitudes et leurs applications sont très différentes selon la fréquence à laquelle le radar
opère. Des lettres ont été choisies pour désigner les différentes bandes de fréquences
utilisées (voir Tableau I.3).
a) Paramètres dépendant de la longueur d’onde
La longueur d’onde influe principalement sur trois paramètres :

Sur la réflectivité radar : Dans la limite de l’approximation de Rayleigh, on a vu
d’après l’Équation I.18, que pour une même intensité de pluie (facteur de réflecti-
vité radar Z fixé), la réflectivité radar η dépend fortement de la longueur d’onde.
Ainsi, comme le montre la Figure I.2, plus la longueur d’onde est grande, plus
la réflectivité radar sera faible. Inversement, une longueur d’onde courte est sen-
sible à des faibles facteurs de réflectivité radar et permet de détecter des nuages
non précipitants. De plus, cette Figure montre qu’aux grandes longueurs d’onde,

Fig. I.2 – Évolution des valeurs de la réflec- Fig. I.3 – Variations du rapport entre les
tivité radar en fonction de la longueur d’onde sections efficaces de rétrodiffusion de Mie
pour différentes valeurs du facteur de réflecti- et de Rayleigh σM /σR en fonction du dia-
vité radar allant d’un nuage de condensation mètre des gouttes D [cm] et de la longueur
(Z=-20 dBZ) à de la pluie fine (Z=20 dBZ) d’onde λ [cm] (chiffres sur le graphe). La
en traits pleins et pour de la turbulence atmo- partie non hachurée correspond au do-
sphérique faible (Cn2 =-150 dB) à forte (Cn2 =- maine où l’approximation de Rayleigh est
140 dB) selon l’Équation I.22 en traits poin- considérée comme valide (Figure issue de
tillés (Figure issue de Pointin, 2011). Sauvageot, 1982).
la réflectivité radar mesurée sera dominée par la diffusion de Bragg. Ce phéno-

mène provient des hétérogénéités de l’indice de réfraction de l’air créées par la
turbulence. La réflectivité radar due à la diffusion de Bragg est donnée par
η = 0.38Cn2 λ−1/3 (I.22)
où Cn est une paramétrisation de la turbulence (Ottersten, 1969; Gage et al.,

1999). Enfin, pour la mesure des précipitations, l’approximation de Rayleigh doit
être remplacée par la théorie de Mie lorsque l’on utilise des longueurs d’onde
courtes (voir paragraphe précédent). Pour déterminer la longueur d’onde critique
d’application de l’approximation de Rayleigh, on examine les variations du rap-
port entre les sections efficaces de rétrodiffusion de Mie et de Rayleigh σM /σR
en fonction du diamètre des gouttes de pluie (Figure I.3). Gunn et East (1954)
considèrent que l’approximation de Rayleigh est valable lorsque le rapport σM /σR
est compris entre 0.5 et 2 (partie non hachurée sur la Figure I.3). Alors, pour des
gouttes de pluies de diamètre maximum égal à 8 mm, la longueur d’onde mini-
male pour laquelle l’approximation de Rayleigh est valide est environ 10 cm (les
gouttes de pluie dont le diamètre est compris entre 6 et 8 mm étant extrême-
ment rares, Sauvageot (1982) considère même que la longueur d’onde minimale
est environ 5.5 cm).
Sur la taille et le gain de l’antenne : L’angle d’ouverture θ d’une antenne para-
bolique de diamètre d est θ = 70λ/d où l’on voit que, pour garder un angle
d’ouverture θ faible, plus la longueur d’onde λ utilisée est grande plus le dia-
mètre d de l’antenne doit être grand. Par ailleurs, l’équation I.6 montre que,
34 Chapitre I
pour une même surface effective, plus la longueur d’onde est courte, plus le gain
de l’antenne est élevé et donc, pour une même quantité de puissance émise la du-
rée d’une impulsion peut être plus courte. Or, d’après l’Équation I.10, une durée
d’impulsion plus faible implique une meilleure résolution spatiale.
Sur l’atténuation : Dans l’interaction avec les précipitations, l’onde électromagné-
tique est diffusée dans toutes les directions et peut aussi être absorbée. L’atténua-
tion résultante est calculée à partir de la section efficace d’extinction des gouttes
qui dépend fortement de la longueur d’onde et du diamètre des gouttes, comme le
montre la Figure I.5, qui sera décrite dans la section 2.2.3. Pour un radar de 10 cm
de longueur d’onde, la section efficace d’extinction est négligeable. En revanche,
pour un radar de 0.86 cm de longueur d’onde, la section efficace d’extinction est
élevée impliquant une très forte atténuation du signal. Ce problème sera détaillé
dans la section 2.2.
b) Principales bandes de longueur d’onde utilisées en météorologie radar
Nous allons maintenant décrire les caractéristiques et applications des principales

bandes de longueur d’onde utilisées en météorologie radar, par valeurs de longueur
d’onde décroissantes ou de fréquences croissantes :
VHF : Ces radars opèrent à une grande longueur d’onde (voir Tableau I.3). D’après
l’Équation I.6, il faut donc une antenne de très grande taille (plusieurs dizaines de
mètres) pour focaliser l’émission dans un faisceau suffisamment étroit (quelques
degrés d’ouverture). De plus, la puissance de l’onde étant faible, les impulsions
doivent être longues pour émettre une quantité de puissance suffisante. La réso-
lution radiale correspondante est donc faible (environ 2 km, mais jusqu’à 400 m
avec un codage de la phase de l’onde). À cette longueur d’onde, les radars sont
beaucoup moins sensibles à la diffusion de Rayleigh par les gouttes de pluie qu’à
la diffusion de Bragg par l’indice de réfraction de l’air (Figure I.2). Ils sont donc
utilisés en visée verticale pour la mesure du vent dans la troposphère et même
au-delà.
UHF : Ces radars opèrent à une longueur d’onde un peu plus faible que celle des VHF
(voir Tableau I.3), ce qui leur permet d’avoir une meilleure résolution (environ
100 m), et une antenne moins grande (environ 2 m) et donc d’être transportables,
tout en conservant la même largeur de faisceau. Cette longueur d’onde est sensible
aussi bien à la diffusion de Bragg qu’à la diffusion de Rayleigh par les précipita-
tions (Figure I.2). Ces radars sont donc généralement utilisés en air clair comme
profileurs de vent dans les premières couches de l’atmosphère pour combler le
manque des VHF mais aussi pour caractériser le profil des précipitations.
S : Pour des longueurs d’onde plus faible que les UHF, les radars sont beaucoup plus
sensibles à la diffusion de Rayleigh par les gouttes de pluie qu’à la diffusion de
Bragg (voir Tableau I.3 et Figure I.2). Ces radars ont donc été développés pour
caractériser les précipitations. De plus, si le récepteur utilisé est suffisamment
sensible, plus la longueur d’onde est courte, plus le radar sera capable de détecter
des petites gouttes, jusqu’aux gouttelettes nuageuses. Habituellement l’antenne
est mobile et un moteur permet de la diriger dans toutes les directions de l’espace
afin d’avoir une vision tridimensionnelle des précipitations. En principe, le radar
effectue des rotations complètes à différents angles d’élévation : le radar effectue

un scan volumique (3) . Les précipitations étant généralement plus hétérogènes

que le champ de vent, il est utile d’avoir un faisceau plus étroit que pour les
“radars à vent”. Les radars en bande S sont les radars “à précipitations” ayant la
plus grande longueur d’onde. Ils ont besoin d’une antenne assez imposante (de
4 à 8 m) pour focaliser l’émission dans un faisceau convenable pour l’étude des
précipitations (environ 1°). Ils sont donc difficilement transportables. Ces radars
ne sont pratiquement pas concernés par l’atténuation et peuvent donc avoir une
très longue portée (500 km) à condition d’émettre la puissance nécessaire.
C : La bande C est un compromis entre les avantages de la bande S et ceux de la
bande X décrits ci-dessous. Il en résulte des radars de taille moyenne pour lesquels
l’atténuation ne peut être négligée.
X : Les radars en bande X ont une longueur d’onde qui leur permet d’avoir une taille
d’antenne raisonnable (1 à 2 m) tout en conservant un faisceau fin (environ 1°), ils
sont donc facilement transportables. De plus, leurs courtes impulsions permettent
d’obtenir une très bonne résolution radiale (quelques dizaines de mètres). En
revanche, cette faible longueur d’onde nécessite l’utilisation de la théorie de Mie
pour l’étude de l’interaction entre l’onde et les précipitations (voir Figure I.3) et
implique une forte atténuation du signal par les gouttes (voir Figure I.5) et donc
une faible portée qui dépasse rarement les 60 km.
K : Les radars de longueur d’onde plus faible comme les radars en bande K peuvent
avoir un faisceau fin avec des antennes très peu encombrantes (quelques dizaines
de cm). En revanche, ces radars sont de plus en plus concernés par l’atténuation
par les précipitations et l’émission d’un radar de longueur d’onde millimétrique
sera rapidement atténuée totalement même en cas de faibles précipitations.
Ce paragraphe montre que le choix de la longueur d’onde d’un radar dépend d’abord du
phénomène que l’on veut étudier (vent, précipitations, nuages) et est ensuite une affaire
de compromis entre les différents paramètres pour obtenir la résolution, la portée, la
précision et la portabilité voulues.
2.1.4 Sources d’erreur
La qualité des mesures par radar peut être affectée par de nombreux facteurs (Vil-
larini et Krajewski, 2010). Tout d’abord, lors de l’établissement de l’équation du radar,
on a fait l’hypothèse d’un remplissage uniforme du volume sondé par le radar (Équa-
tion I.11). L’hypothèse d’homogénéité n’est pas valable lorsque le volume de résolution
du radar contient différents types d’hydrométéores (par exemple, des gouttes et des
cristaux de glace) ou est rempli de façon non uniforme. Meilleure est la résolution du
radar, plus cette hypothèse a de chances d’être vérifiée : par exemple, pour un radar
de longue portée, une ouverture de faisceau conventionnelle de 1° correspond à 100 km
à une largeur de 1.75 km, une valeur déjà limite pour satisfaire cette hypothèse.
Par ailleurs, dans les conditions normales de propagation dans l’atmosphère, aussi
bien le faisceau principal du radar que ses lobes secondaires peuvent rencontrer des
cibles au sol. Cela peut causer, d’une part, de forts échos persistants, connus sous le
nom d’échos de sol, et d’autre part, des effets de masque partiel ou total, tels qu’une
fraction ou la totalité du faisceau ne va pas atteindre les zones de pluies au-delà de
(3). On dit que le radar est volumique.
36 Chapitre I
2.2 Atténuation des ondes électromagnétiques dans l’atmosphère
Fig. I.4 – Illustrations des effets de masque partiel (“partial screening”) et total (“complete
screening”) et des échos de sol (PE pour “permanent echo”) (Figure issue de Collier, 1989).
l’obstacle (voir Figure I.4). Une carte des échos de sol connus peut être utilisée pour
corriger les mesures radars mais les échos de sol peuvent varier selon les variations de
propagation dans l’atmosphère.
En effet, dans des cas particuliers de distribution de la température et de l’humidité
dans l’atmosphère, le gradient vertical de l’indice de réfraction de l’air peut avoir des
variations inhabituelles. Dans des cas extrêmes, les ondes électromagnétiques peuvent
dévier largement de leur direction de propagation normale, le faisceau peut être courbé
en direction du sol engendrant un fort écho de sol. C’est ce qu’on appelle la propagation
anormale.
Enfin, de nombreux éléments externes peuvent apparaître dans les observations
radars et perturber la mesure des précipitations. Les exemples les plus fréquents sont
les avions, les oiseaux, les insectes, etc.
2.2 Atténuation des ondes électromagnétiques dans l’atmo-

sphère
L’atténuation d’une onde électromagnétique est la perte de puissance le long de son
parcours. Elle est définie selon l’équation suivante :
dP = −2kP dr (I.23)
où P est la puissance reçue par le radar, dP est la diminution infinitésimale de P causée

par l’absorption du milieu entre le radar et la cible et k est le coefficient d’atténuation
[m−1 ]. Le facteur 2 est nécessaire pour tenir compte du fait que l’onde traverse le milieu
deux fois. En intégrant cette équation du radar jusqu’à la distance r, elle devient :
( ∫ r )
P = Pnoatt A (r) où A (r) = exp −2 kdr . (I.24)
0
Pnoatt est la puissance qui serait reçue s’il n’y avait pas d’atténuation et A (r) représente
la réduction de la puissance reçue due à l’atténuation entre le radar et la distance r.
Ce facteur d’atténuation n’a pas d’unités et vaut évidemment 1 lorsqu’il n’y a pas
d’atténuation. On définit aussi l’atténuation intégrée sur le trajet PIA (de l’anglais
Path Integrated Attenuation) en dB à partir de l’Équation I.24, suivant :
( ) ∫ r
Pnoatt
P IA = 10 log =2 Kdr. (I.25)
P 0

Sous cette forme le PIA vaut 0 lorsqu’il n’y a pas d’atténuation, le coefficient d’atténua-
tion [dB m−1 ] est K = 10k/ ln 10. Le facteur d’atténuation A (r) peut donc également
être exprimé en fonction du coefficient d’atténuation K suivant une expression qui sera
plus utile par la suite :
( )
ln 10 ∫ r
A (r) = exp −2 Kdr , (I.26)
10 0
la relation entre le PIA et le facteur d’atténuation étant P IA = −10 log A (r).
Dans l’atmosphère, les ondes électromagnétiques sont atténuées à cause des nuages,
des précipitations et des gaz, le coefficient d’atténuation est donc égal à k = kn +kp +kg
où kn , kp et kg sont les coefficients d’atténuation dus aux nuages, aux précipitations et
aux gaz, respectivement.
2.2.1 Atténuation par les hydrométéores
Le coefficient d’atténuation dû aux hydrométéores est égal à la somme rapportée à

l’unité de volume des atténuations dues à chaque hydrométéore. Il dépend donc de la
distribution des hydrométéores N (D) selon :
∫ ∞
k= N (D) σe (D) dD (I.27)
0
où σe (D) représente l’atténuation due à un hydrométéore de diamètre D et s’appelle la

section efficace d’extinction [m2 ]. Comme on l’a vu dans la section 2.1.3, l’atténuation
d’une onde électromagnétique est due à son absorption mais aussi à sa diffusion dans
toutes les direction par les hydrométéores : σe (D) = σa (D) + σd (D) où σa (D) et
σd (D) sont les sections efficaces d’absorption et de diffusion des hydrométéores et sont
définies comme les aires [m2 ] qui, multipliées par la puissance incidente, sont égales
à la puissance dissipée dans l’hydrométéore sous forme de chaleur, et à la puissance
diffusée par l’hydrométéore, respectivement.
De la même façon que pour la section efficace de rétrodiffusion radar, les sections
efficaces d’absorption et de diffusion peuvent être calculées à partir de la théorie de
Mie qui peut elle-même être correctement approchée par l’approximation de Rayleigh
lorsque les hydrométéores sont suffisamment petits par rapport à la longueur d’onde
du radar utilisé. D’après cette approximation, les sections efficaces d’absorption et de
rétrodiffusion s’écrivent (Battan, 1959) :
π 2 D3
σa = Im (−KW ) (I.28a)
λ
2π 5 D6
σd = |KW |2 (I.28b)
3λ4
où Im (−KW ) désigne la partie imaginaire de KW (voir l’Équation I.16 pour la définition
de KW ).
2.2.2 Atténuation par les nuages
Pour des radars de longueur d’onde supérieure à 3 cm, le diamètre des gouttelettes
nuageuses (inférieur à 0.1 mm) est toujours très inférieur à la longueur d’onde. Alors,
38 Chapitre I
non seulement l’approximation de Rayleigh s’applique, mais les équations I.28 montrent
également que σd (D) est très inférieur à σa (D). Alors, d’après les Équations I.27 et
I.28a, le coefficient d’atténuation pour les nuages est bien approximé par
∫ ∞
π2 6πLW C
kn = Im (−KW ) N (D) D3 dD = Im (−KW ) (I.29)
λ 0 ρW λ
où ρW = 103 kg m−3 est la densité de l’eau et LW C (de l’anglais Liquid Water Content)
est le contenu en eau liquide [kg m−3 ] qui est le produit du volume total des gouttes
par la densité de l’eau ρW divisé par le volume de résolution du radar. LW C est donc
proportionnel au moment d’ordre trois de la distribution de gouttes N (D) [m−1 m−3 ]
où D est le diamètre [m] selon
∫ ∞
ρW π
LW C = N (D) D3 dD. (I.30)
6 0
Le dernier terme de l’Équation I.29 montre que l’atténuation dans les nuages est indé-
pendante de la distribution de gouttes : elle est simplement proportionnelle au contenu
en eau.
Pour une longueur d’onde inférieure ou égale à 5 cm, même si un radar ne détecte
pas la présence d’un nuage à cause de sa réflectivité radar trop faible, l’atténuation
induite peut être significative, même si c’est rare. En revanche, si la longueur d’onde
est supérieure à 5 cm, l’atténuation due aux nuages peut être négligée en toute sécurité.
Par ailleurs, pour un même contenu en eau, les nuages composés de cristaux de
glace donnent des atténuations qui sont plus petites de deux ordres de grandeurs en
comparaison avec un nuage d’eau liquide. L’atténuation par les nuages de glace peut
donc être négligée dans tous les cas.
2.2.3 Atténuation par la pluie
Pour des gouttes de pluie, l’approximation de Rayleigh n’est pas toujours valide.
La Figure I.5 montre des exemples du coefficient d’extinction normalisé calculé avec
la théorie de Mie pour des gouttes de pluie sphériques et à diverses longueurs d’onde.
La droite rectiligne en trait plein montre la valeur de la section efficace d’absorption
(qui comme dans le cas des nuages est pratiquement équivalente à la section efficace
d’extinction) dans la limite de l’approximation de Rayleigh, pour une longueur d’onde
λ = 10 cm. La Figure I.5 montre que l’approximation de Rayleigh est valide à l’extré-
mité gauche de chaque courbe, la droite correspondant à l’approximation de Rayleigh
pour chaque longueur d’onde devant être translatée vers le haut. Mais, plus la longueur
d’onde diminue, plus la gamme des diamètres de gouttes de pluie est déplacée vers la
droite, ce qui implique que l’approximation de Rayleigh ne reste applicable que pour
une gamme de diamètres de plus en plus petits. Pour déterminer l’atténuation due à
la pluie, il faut donc retenir des termes d’ordre supérieur dans la solution de Mie.
De nombreux travaux ont portés sur l’évaluation de l’atténuation par la pluie (Gunn
et East, 1954; Wexler et Atlas, 1963; Delrieu et al., 1991, 2000). Par exemple, en
utilisant la théorie de Mie, Delrieu et al. (1991) ont calculé l’atténuation induite par une
distribution de gouttes déduite de données collectées avec un disdromètre JW lors d’un
long évènement de précipitations intenses dans les Cévennes. La Figure I.6 montre les

Fig. I.5 – Variations de la section efficace d’extinction normalisée en fonction du diamètre

des gouttes normalisé et de la longueur d’onde. La gamme de diamètre de gouttes de chaque
longueur d’onde est indiquée en haut du graphe (Figure issue de Doviak et Zrnic, 1993).
variations de l’atténuation calculée en fonction du taux de précipitation, de la longueur

d’onde et de la température. La dépendance en fonction de la longueur d’onde apparaît
clairement : l’atténuation par la pluie est négligeable en bande S (valeur maximum de
0.1 dB km−1 pour R = 100 mm h−1 ), perceptible en bande C (valeurs comprises entre
0.1 dB km−1 et 0.7 dB km−1 pour R = 12 mm h−1 et R = 100 mm h−1 , respectivement),
importante en bande X (valeurs comprises entre 0.1 dB km−1 et 3 dB km−1 pour
R = 6 mm h−1 et R = 100 mm h−1 , respectivement) et très forte en bandes Ka et
K (valeurs comprises entre 0.1 dB km−1 et 20 dB km−1 pour R = 0.5 mm h−1 et
R = 100 mm h−1 , respectivement). D’autre part, l’influence de la température reste
limitée pour des longueurs d’onde inférieures ou égales à 3.2 cm et est un peu plus
prononcée pour les bandes S et C. Enfin, cette figure suggère que, même si elle n’est
pas parfaitement adaptée, une loi de puissance permet de relier l’atténuation aux taux
de précipitation telle que
K = cRd (I.31)
40 Chapitre I
Fig. I.6 – Exemples de relations entre le taux de précipitation et l’atténuation pour les
bandes K (0.86 cm), Ka (1.15 cm), X (3.2 cm), C (5.6 cm) et S (10 cm) et pour les tem-
pératures T = 0°C (ligne pointillée), T = 10°C (ligne continue) et T = 20°C (ligne tiretée)
(Figure issue de Delrieu et al., 2000).
où c et d sont des constantes qui dépendent de la longueur d’onde et de la température.

Par ailleurs, l’intensité des précipitations neigeuses n’est que rarement supérieure
à 4 mm h−1 . L’atténuation correspondante est donc généralement négligeable, excepté
pour les longueurs d’onde inférieures à 3 cm et sur de longues distances (Sauvageot,
1982). En revanche, lorsque l’on est en présence de neige fondante, la neige se recouvre
d’une fine pellicule d’eau et, comme pour la réflectivité radar, sa section efficace d’ex-
tinction augmente et atteint rapidement la valeur pour une goutte de même diamètre.
2.2.4 Atténuation par les gaz
Pour une molécule, la section efficace de diffusion étant beaucoup plus faible que
sa section efficace d’absorption, l’atténuation due aux gaz est bien approximée par
les pertes dues à l’absorption. Aux longueurs d’onde utilisées par les radars, les gaz
produisant une atténuation significative sont la vapeur d’eau et l’oxygène dont les
spectres d’absorption présentent des bandes de résonnance pour des longueurs d’ondes
comprises entre 1 et 2 cm et centrées autour de 0.2 cm pour la vapeur d’eau et centrées
autour de 0.5 cm pour l’oxygène.
L’atténuation par les gaz est donc négligeable pour les longueurs d’onde supérieures
à 2 cm. Au-dessous de 2 cm, la bande Ka (voir Tableau I.3) bénéficie d’une fenêtre où
elle est faible (environ 0.3 dB km−1 ). En revanche, pour les autres longueurs d’onde,
l’atténuation par les gaz n’est pas négligeable pour les distances auxquelles sont faites
les observations radars courantes (Battan, 1959).
2.2.5 Techniques de correction de l’atténuation
Les paragraphes précédents permettent d’affirmer que l’atténuation due aux nuages
est négligeable dans la plupart des cas, et que l’atténuation due aux gaz reste faible

pour des distances courtes (on peut même considérer qu’elle est négligeable pour un
radar en bande K à visée verticale) la contribution la plus importante étant celle due
aux précipitations.
Durant les premières décennies de l’utilisation des radars en météorologie, les pré-
férences se sont portées sur les radars en bande S et C principalement parce qu’à ces
longueurs d’onde, l’atténuation par la pluie est négligeable. De plus en plus d’intérêt a
ensuite été donné aux radars de longueur d’onde moindre, comme les radars en bande
X, pour leur portabilité (radars embarqués sur des avions ou des satellites) et pour leur
haute résolution à moindre prix, leur principal défaut étant la forte atténuation par la
pluie. De nombreuses méthodes ont donc été développées pour évaluer et corriger cette
atténuation. Beaucoup de ces méthodes sont basées sur les mesures polarimétriques
grâce à la mesure du décalage de phase entre les polarisations verticales et horizontales
(Bringi et al., 1990; Jameson, 1992; Gourley et al., 2007b). D’autres méthodes (“ste-
reoradar” (Testud et Amayenc, 1989), “dual-beam” (Kabèche et Testud, 1995; Guyot
et Testud, 1999)) utilisent la mesure d’un même volume de mesure par deux radars
différents. En réalité, ces méthodes sont appliquées à des mesures aéroportées avec un
seul radar, la vitesse de l’avion permettant de mesurer le même volume de mesure sous
deux angles de vue différents. Le radar du LaMP étant non-polarimétrique et en unique
exemplaire, ces méthodes ne sont pas applicables et nous ne les détaillerons pas. Nous
sommes dans l’obligation d’utiliser des méthodes plus classiques basées sur les travaux
de Hitschfeld et Bordan (1954).
a) L’algorithme de Hitschfeld et Bordan (1954)
Pour corriger l’atténuation due à la pluie, Hitschfeld et Bordan (1954) ont établi
une équation faisant intervenir une relation entre le facteur de réflectivité radar et le
taux de précipitation. Ici, on préfère développer cette équation sous une forme plus
générale comme l’ont fait Marzoug et Amayenc (1991).
Le facteur de réflectivité radar (et le facteur de réflectivité radar équivalent dans le
cas général) étant proportionnel à la réflectivité radar (Équations I.18 et I.20), il est
également proportionnel à puissance reçue au facteur r2 près (Équation I.12). Dans
l’Équation I.24, on peut donc remplacer la puissance mesurée P et la puissance sans
atténuation Pnoatt par le facteur de réflectivité radar mesuré Zm (r) et le facteur de
réflectivité radar réel Z (r), respectivement :
( )
ln 10 ∫ r
Zm (r) = δCZ (r) exp −2 K(s)ds (I.32)
10 0
où l’on a utilisé l’équation I.26 pour l’expression de A (r) et où l’on a ajouté un terme
δC tenant compte d’une possible erreur d’étalonnage du radar. Le terme exponentiel
étant obligatoirement positif, on voit que la mesure Zm (r) sous-estime la vraie valeur
Z (r) à cause de l’atténuation. Sans hypothèse supplémentaire, cette équation ne peut
pas être résolue puisqu’elle fait intervenir deux inconnues qui sont Z (r) et k (r). Mais,
de la même manière que pour l’équation I.31, la relation entre le facteur de réflectivité
radar et l’atténuation peut être correctement représentée par une loi de puissance :
Z = αK β (I.33)
42 Chapitre I
où α et β sont des constantes. Alors, en utilisant la relation I.33, l’équation I.32 devient :
( ) ( )1
ln 10 ∫ r Zm (r) β
K (r) exp −2 K(s)ds = . (I.34)
10β 0 αδC
En multipliant les deux termes de l’Équation I.34 par −2 ln10β10
et utilisant le facteur
d’atténuation A (r) défini dans l’équation I.26, cette équation peut être exprimée de
manière plus commode en tant qu’équation différentielle du premier ordre :
( 1 ) ( )1
d A (r) β ln 10 Zm (r) β
= −2 (I.35)
dr 10β αδC
à condition que K (0) = 0. À présent, l’intégration de l’Équation I.35 entre 0 et r
donne : ( )1
1 1 ln 10 ∫ r Zm (s) ds β
A (r) − A (0) = −2
β β . (I.36)
10β 0 αδC
De l’Équation I.36, on peut donc exprimer A (r) en fonction de la réflectivité mesurée
Zm (r) seule :
 (∫ )1 β 
ln 10 r Z (s) ds β
A (r) = 1 − 2  .
m
(I.37)
10β 0 αδC
Enfin, en insérant la nouvelle expression de A (r) de l’Équation I.37 dans l’Équa-
tion I.32, on trouve :
Zm (r) Zm (r)
Z (r) =  (∫ )1 β =  (∫ ) 1 β
r Z (s) ds β 1 r Z (s) ds β
δC 1 − 2 ln10β  δC β − 2 ln 10 
10 m m
10β
0 αδC 0 α
(I.38)
Bien que différente de la solution de Hitschfeld et Bordan (1954), cette équation lui
est équivalente. Elle permet de déduire le facteur de réflectivité radar réel directement
du facteur de réflectivité radar mesuré en tenant compte de l’atténuation due aux
précipitations et en utilisant une relation entre le facteur de réflectivité radar Z et
l’atténuation K (voir l’Équation I.33). De manière équivalente, Hitschfeld et Bordan
(1954) ont utilisé des lois de puissance entre Z et le taux de précipitation R et entre
R et K comme celle de l’équation I.31 et donnent directement une expression du taux
de précipitation mesuré avec le radar.
Il a été montré par Meneghini (1978) et de nombreux autres auteurs que, comme le
dénominateur de l’Équation I.38 peut être proche de zéro, cette méthode peut devenir
instable et détériorer les estimations, surtout pour des valeurs fortes d’atténuation.
Ainsi, pour un radar en bande X, Delrieu et al. (1999a) proposent d’utiliser un PIA
maximum de 10 dB et d’arrêter la correction au-delà de cette valeur. Par ailleurs, Hil-
debrand (1978) et Marzoug et Amayenc (1994) ont montré que l’erreur de calibration
δC peut avoir de fortes conséquences sur la correction. Peters et al. (2010) confirment
ces différents résultats en étudiant les variations de l’erreur faite sur la correction de
l’atténuation en fonction du PIA et de l’erreur d’étalonnage : la Figure I.7 montre
qu’avec une erreur de calibration de moins de 1 dB, il faut un PIA maximum d’environ
10 dB pour limiter l’erreur de la correction d’un intervalle de ±3 dB. Une calibra-
tion précise du radar est donc absolument nécessaire avant d’effectuer la correction de
l’atténuation.

Fig. I.7 – Erreur totale après la correction de l’atténuation avec la méthode de Hitschfeld et
Bordan (1954), en fonction de l’erreur d’étalonnage pour diverses valeurs du PIA. Les lignes
verticales indiquent, pour chaque valeur de PIA, les erreurs d’étalonnage maximum pour
conserver une erreur totale d’un intervalle de ±3 dB après la correction de l’atténuation.
(Figure issue de Peters et al., 2010).
b) L’algorithme de Hildebrand (1978)
Cette technique s’inspire d’une méthode où l’estimation de l’atténuation est direc-

tement faite à partir de la réflectivité mesurée (et donc atténuée). Les relations entre
la réflectivité et le coefficient d’atténuation (ou le taux de précipitation et le coefficient
d’atténuation) étant établies pour des paramètres non atténués, il en résulte une sous-
estimation volontaire de l’atténuation. La Figure I.7 montre qu’une erreur d’étalonnage
inférieure à l’unité serait moins préjudiciable que si elle lui était supérieure. Il doit donc
résulter de la sous-estimation de l’atténuation, une amélioration par rapport à la mé-
thode de Hitschfeld et Bordan (1954), principalement dans les cas où cette dernière
devient instable.
Pour rapprocher l’estimation de l’atténuation à sa valeur vraie, Hildebrand (1978)
propose d’itérer la technique décrite ci-dessus selon l’équation suivante :
( )
ln 10 ∫ r
Z(i) (r) = Z(0) (r) exp 2 K(i−1) (s)ds pour i = 1, . . . , n, (I.39)
10 0
avec Z(0) = Zm . Les itérations s’arrêtent lorsque la différence entre deux estimations
de l’atténuation successives est insignifiante. Il affirme que, dans le cas où l’atténuation
est surestimée, cette méthode doit diverger, et qu’il suffit alors d’arrêter les itérations
avant la divergence.
Néanmoins, cette méthode n’est utilisable que pour des atténuations modérées.
De plus, Peters et al. (2010) montrent que certaines des hypothèses ci-dessus sont en
contradiction. En conséquence, cette méthode surestime l’atténuation et, comme la
surestimation s’accumule avec la distance, la méthode diverge rapidement, et elle est
finalement plus limitée que la technique de Hitschfeld et Bordan (1954).
44 Chapitre I
c) L’algorithme de Marzoug et Amayenc (1991)

Une possibilité pour résoudre le problème d’instabilité de la méthode de Hitschfeld
et Bordan (1954) est d’utiliser une contrainte sur le PIA à une distance rd où il est
connu (Meneghini et al., 1983). Alors, l’intégration de l’Équation I.35 entre r et rd
donne cette fois ci :
( )1
1 1 ln 10 ∫ rd Zm (s) ds β
A (rd ) − A (r) = −2
β β (I.40)
10β r αδC
et l’expression de A (r) devient :

 (∫ )1 β 
1 ln 10 rd Z (s) ds β
A (r) = A (rd ) + 2  .
m
β (I.41)
10β r αδC
Et, en remplaçant une nouvelle fois l’expression de A (r) de l’Équation I.41 dans l’Équa-
tion I.32, on trouve :
Zm (r)
Z (r) =  (∫ ) 1 β
. (I.42)
( )1 rd Zm (s) ds β
 δCA (rd ) β + 2 ln 10 
10β
r α
Contrairement à l’algorithme de Hitschfeld et Bordan (1954), comme il n’y a aucun

risque que le dénominateur de l’Équation I.42 soit égal à zéro, cette méthode est in-
conditionnellement stable. De plus, elle est plus efficace en cas de forte atténuation.
C’est pourquoi, de nombreux auteurs (Iguchi et Meneghini, 1994; Delrieu et al., 1997;
Berne et Uijlenhoet, 2006) proposent d’utiliser une méthode hybride où l’algorithme de
Hitschfeld et Bordan (1954) est utilisé pour des petits PIA (< 10 dB) et l’algorithme
de Marzoug et Amayenc (1991) est utilisé pour des PIA plus importants.
Cette méthode a été développée en premier lieu pour être appliquée sur des données
de radars embarqués sur satellite, la distance rd correspondant à la distance du satellite
à la Terre, en utilisant l’écho de la surface de la Terre comme contrainte. Ainsi, la possi-
bilité d’une atténuation supplémentaire entre le radar et la première contribution de la
pluie a été calculée par Marzoug et Amayenc (1994). Pour cela, on introduit la distance
r0 où commencent les mesures de pluie. Alors, on peut décomposer l’atténuation totale
en différent termes selon :
( ) ( )
ln 10 ∫ r0 ln 10 ∫ r
A (r) = exp −2 Kdr exp −2 Kdr = A (r0 ) A (r0 , r) . (I.43)
10 0 10 r0
Le terme A (r0 ) est une constante qui représente l’atténuation avant que l’onde élec-
tromagnétique rencontre de la pluie. On peut montrer que ce terme supplémentaire ne
change pas les démonstrations des algorithmes de Hitschfeld et Bordan (1954) et Mar-
zoug et Amayenc (1991) : il suffit d’isoler le terme A (r0 ) à partir de l’Équation I.32,
la seule condition supplémentaire pour les calculs étant que l’atténuation K (r0 ) de
la distance r0 soit nulle. De plus, la seule différence dans les équations finales est la
présence du terme A (r0 ) aux côtés du terme δC.
Cette méthode peut également être utilisée avec des radars au sol dans les régions
montagneuses en utilisant l’écho du relief comme contrainte (Delrieu et al., 1999b;

Serrar et al., 2000). De plus, le terme d’atténuation avant la pluie peut être utilisé
pour prendre en compte l’atténuation due au radôme de protection du radar. En effet,
en cas de pluie sur le radar, un film d’eau s’accumule sur le radôme et peut créer une
atténuation additionnelle non négligeable.
2.3 Principe du radar en visée verticale

La visée verticale fait du radar un outil puissant capable de mesurer la distribution
de gouttes. En effet, l’effet Doppler se traduit par le fait qu’une onde électromagné-
tique, reçue par un observateur mobile par rapport à un émetteur fixe ou bien par un
observateur fixe par rapport à un émetteur mobile, subit un changement apparent de sa
fréquence. Cette variation de fréquence fD (pour fréquence Doppler) est proportionnelle
à la vitesse relative v entre l’observateur et l’émetteur selon :
v
fD = (I.44)
λ
où λ est la longueur d’onde de l’onde électromagnétique. Dans le cas du radar, celui-ci
joue à la fois le rôle d’émetteur et de récepteur (l’observateur), mais l’onde reçue par
le radar a en réalité été réémise par les cibles. Alors, grâce à l’effet Doppler, des cibles
mouvantes induisent un décalage en fréquence de l’onde électromagnétique renvoyée
vers le radar. En visée verticale, l’Équation I.44 montre donc que le spectre Doppler
contient des informations sur la vitesse verticale de l’air et la vitesse de chute des hy-
drométéores. Ainsi, la puissance reçue à une fréquence donnée est une mesure de la
réflectivité radar des hydrométéores donnant lieu au décalage en fréquence correspon-
dant. Si l’on fait l’hypothèse que le vent vertical est négligeable, il est donc possible de
retrouver un profil de la distribution de gouttes. De plus, le volume d’échantillonnage
d’un radar étant important, les mesures sont statistiquement plus représentatives que
celles d’un disdromètre, ce qui par ailleurs, permet d’obtenir une meilleure résolution
temporelle. Dans cette section, nous établirons l’équation du radar pour la visée verti-
cale (section 2.3.1), puis nous montrerons les limites de cette technique (section 2.3.2).
2.3.1 Équation du radar en visée verticale
Un radar cohérent (mesurant la phase de l’onde reçue) mesure une puissance à

une fréquence donnée. La puissance dépend donc de la fréquence Doppler fD et de la
distance au radar qui, dans le cas de la visée verticale, correspond à l’altitude au dessus
du radar, que l’on désignera par la variable z. Si l’on reprend l’Équation du radar I.12
avec ces modifications, elle devient :
η (fD , z)
P (fD , z) = C (I.45)
z2
où η (fD , z) est la section efficace volumique de rétrodiffusion radar spectrale dans le
domaine des fréquences Doppler [m2 m−3 Hz−1 ]. La relation entre la fréquence Doppler
et la vitesse des cibles (Équation I.44), puis la relation entre la vitesse de chute et la
taille des gouttes (comme celles présentées dans le Tableau I.1) permettent de déduire
la section efficace volumique de rétrodiffusion radar spectrale dans le domaine de la
vitesse Doppler η (v, z) puis celle dans le domaine du diamètre des gouttes η (D, z) :
∂v ∂v ∂fD
η (D, z) = η (v, z) = η (fD , z) . (I.46)
∂D ∂D ∂v
46 Chapitre I
2.3 Principe du radar en visée verticale
À cette étape du calcul, on a fait l’hypothèse qu’il n’y a pas de vent vertical. En effet,
les hydrométéores suivent les mouvements du vent dans l’atmosphère. Si la composante
verticale du vent n’est pas négligeable, il faut l’évaluer et la supprimer avant de pouvoir
appliquer une relation entre la vitesse de chute et le diamètre des hydrométéores.
Enfin, on retrouve le nombre de gouttes contribuant à la section efficace volumique
de rétrodiffusion radar spectrale pour un diamètre donné grâce à la section efficace
d’une goutte de ce diamètre σ (D) (définie par l’Équation I.13 avec la théorie de Mie et
par l’Équation I.15 dans l’approximation de Rayleigh) et en reprenant les Équations I.45
et I.46, on trouve l’expression :
η (D, z) P (fD , z) ∂v ∂fD z 2

N (D, z) = = . (I.47)
σ (D) σ (D) ∂D ∂v C
Le grand intérêt de la mesure du profil de distribution de gouttes est qu’il permet de

déduire le profil de tous les paramètres d’intérêt pour l’étude des précipitations tels que
le taux de précipitation (Équation I.4), le facteur de réflectivité radar (Équation I.17),
le coefficient d’atténuation (Équation I.27) ou le contenu en eau liquide (Équation I.30),
et de considérer leur variabilité verticale.
De plus, si la longueur d’onde du radar utilisé l’oblige, le calcul exact du coeffi-
cient d’atténuation permet de corriger l’atténuation due à la pluie avec les méthodes
décrites dans la partie précédente, sans hypothèse sur la relation entre le facteur de
réflectivité radar et le coefficient d’atténuation. Ainsi, la section efficace volumique de
rétrodiffusion radar spectrale mesurée à une altitude donnée est corrigée de l’atténua-
tion intervenue aux altitudes inférieures avant de déduire la distribution de gouttes puis
le coefficient d’atténuation correspondant, qui servira lui-même à corriger les mesures
à l’altitude suivante.
2.3.2 Limites
L’idée de mesurer la distribution de gouttes avec un radar en visée verticale date des
premières années de l’utilisation des radars météorologiques : les premiers travaux que
l’on peut retrouver datent des années soixantes (Rogers et Pilié, 1962; Battan, 1964;
Caton, 1966). Ces premières études ont surtout consisté à décrire qualitativement les
distributions de gouttes retrouvées mais ont aussi mis en évidence les limitations de
cette méthode à cause du vent vertical et de la turbulence.
a) Vent vertical
Comme on l’a vu, le calcul présenté dans le paragraphe précédent n’est valable que
si la composante verticale du vent est négligeable. Si ce n’est pas le cas, il faut d’abord
estimer puis éliminer cette contribution à la vitesse de chute des hydrométéores. Pour
cela, diverses méthodes ont été proposées mais devant la difficulté de la tâche, aucune ne
fait l’unanimité. Par exemple, certains auteurs (Battan, 1964; Caton, 1966; Battan et
Theiss, 1966) ont fait l’hypothèse que la plus faible valeur du spectre mesuré correspond
à des gouttelettes de diamètre très petit et donc de vitesse de chute pratiquement nulle,
et que cette valeur est alors représentative du vent vertical. Mais, cette méthode ne
peut fonctionner que dans un nuage. En effet, au dessous d’un nuage, il n’y a plus
de sursaturation et les plus petites gouttes s’évaporent. Par ailleurs, la détection des

limites du spectre par rapport au bruit de la mesure n’est pas toujours aisée. D’autres
méthodes, comme celle de Rogers (1964) détaillée dans Atlas et al. (1973) ou celle de
Hauser et Amayenc (1981), nécessitent des hypothèses sur la forme de la distribution
de gouttes.
Comme l’on montré Rogers (1967), Atlas et al. (1973) ou Rogers (1984), le problème
de ces différentes méthodes est que la densité de goutte est très sensible à la valeur du
vent vertical : une erreur raisonnable sur l’estimation du vent vertical peut conduire à
des erreurs intolérables sur la densité de gouttes et donc sur leur distribution. En effet,
puisque l’on utilise une relation entre la vitesse de chute et le diamètre des gouttes, une
erreur sur l’estimation du vent vertical produit une translation de la distribution de
gouttes selon l’axe des diamètres. Or, en insérant l’expression de la section efficace de
rétrodiffusion radar σ (D) (l’Équation I.15), on s’aperçoit qu’il y a un facteur D6 dans
la relation entre le nombre de gouttes et la section efficace volumique de rétrodiffusion
radar spectrale (Équation I.47). Cette forte dépendance au diamètre fait que la valeur
de la densité de goutte est très sensible à l’erreur sur l’estimation du vent vertical. Par
exemple, Atlas et al. (1973) a montré que pour limiter les erreurs sur la concentration
en gouttes entre +100% et -50%, le vent vertical doit être estimé avec une précision au
moins égale à ±0.25 m s−1 , ce qui n’est pas envisageable avec ces différentes méthodes.
b) Turbulence
L’autre limitation de cette méthode est due à la turbulence. En effet, la turbu-
lence peut faire plus ou moins monter ou descendre les gouttes d’une taille donnée
dans le volume de mesure du radar. Ainsi, une population homogène de gouttes de la
même taille ne produira pas une simple raie spectrale mais un spectre d’une certaine
largeur. Un spectre Doppler représente ainsi la convolution de deux distributions : le
spectre de puissance dû à la distribution de gouttes et la distribution des valeurs de
vent vertical. Les petits tourbillons contenus dans le volume de résolution du radar
et dus à la turbulence ont alors l’effet d’élargir le spectre Doppler correspondant aux
précipitations.
De nombreuses méthodes ont été proposées pour éliminer l’effet de la turbulence,
mais ces méthodes demandent des configurations très particulières. Par exemple, Wa-
kasugi et al. (1985, 1987) et Fukao et al. (1985) utilisent un radar VHF pour estimer
à la fois le vent vertical moyen, le spectre dû à la turbulence et le spectre de vitesse
de chute des gouttes de pluie parce que les deux spectres correspondants sont distincts
et observés simultanément. Malheureusement, comme on l’a vu dans la partie 2.1.3,
seules les précipitations très intenses ont une réflectivité suffisante pour être observées
avec un radar VHF. Alors, de la même façon, Gossard (1988) et Gossard et al. (1990)
proposent d’utiliser un radar UHF, parce qu’il est plus sensible aux précipitations mais
les spectres de la turbulence et de la distribution de gouttes sont rarement distincts.
Une solution efficace est donc de co-localiser ces deux sortes de radars de façon à ce
qu’ils observent simultanément le même volume de mesure, le VHF apportant l’infor-
mation sur la turbulence et le vent vertical et l’UHF apportant l’information sur le
spectre de précipitations (Cifelli et al., 2000; Schafer et al., 2002). De façon similaire,
Williams et al. (2007) utilisent des profileurs UHF et en bande S colocalisés.
48 Chapitre I
Chapitre II
Dispositif expérimental
L e laboratoire de Météorologie physique (LaMP) possède un ensemble complet

d’équipements pour la mesure des précipitations. L’ensemble de ces équipements
ont été utilisés lors de cette thèse. En plus des instruments classiques de mesure
directe comme les pluviomètres et les disdromètres JW et Parsivel (voir Partie 1), le
LaMP a récemment fait l’acquisition de deux types de radars innovants dans le cadre
du projet PREPHIX (PREcipitations and microPhysical studies with a HIgh resolution
X-band radar, (Van Baelen et al., 2009a)). Le premier type est un radar en bande X
dont l’antenne effectue des rotations à une élévation fixe tandis que le second type est
un radar en bande K à visée verticale.
Ce projet est basé sur l’utilisation de ces radars avec la meilleure synergie possible.
Ainsi, la confrontation des mesures faites avec ces deux radars est donc primordiale.
Etant données leurs techniques d’opération spécifiques, ces deux radars doivent être
positionnés de manière stratégique l’un par rapport à l’autre.
Dans ce chapitre, nous décrirons en détails les deux radars utilisés (Partie 3) puis
nous présenterons la synergie de ces radars dans le cadre des différents dispositifs
expérimentaux pour lesquels ils ont été utilisés (Partie 4).
3 Les radars du LaMP

Dans cette partie nous décrivons les deux principaux radars à précipitations du
LaMP qui sont un radar en bande X (Section 3.1) et un radar en bande K à visée
verticale, communément appelé Micro Rain Radar (MRR) (Section 3.2).
3.1 Le radar en bande X

Le radar en bande X est un prototype basé sur un radar nautique commercial où
l’antenne originale a été remplacée par une antenne parabolique à faisceau fin et où
a été ajouté un système d’acquisition (Peters et al., 2006). Ses caractéristiques sont
résumées dans le Tableau II.1.
La particularité de ce radar est que les pixels du champ de réflectivité obtenus ont
une très haute résolution : 60 m en distance, 2° en azimut et 30 secondes en temps.
49
Tab. II.1 – Paramètres du radar en bande X.
Émetteur
Fréquence d’émission 9.41 GHz
Puissance 24 kW
Durée de l’impulsion 80 ns
Fréquence de répétition de l’impulsion 2100 Hz
Antenne
Diamètre 90 cm
Largeur de faisceau à 3dB 2.5°
Élévation fixe
Vitesse de rotation 144° s−1 (0.4 tr s−1 )
Acquisition
Fréquence d’échantillonnage 10 MHz
Résolution temporelle (temps de moyenne) 30 s
Résolution radiale 15 m
Portée 20 km
Taille d’un pixel 60 m × 2°
Pendant l’intervalle de temps de 30 secondes, l’antenne effectue 12 tours environ, chaque

volume est donc sondé 12 fois. Cette méthode permet de sonder l’espace tout autour du
radar de manière très rapide en augmentant la vitesse de rotation de l’antenne, tout en
assurant l’indépendance de chaque mesure puisque les échantillons d’un même volume
de mesure sont espacés d’environ 1.47 secondes. De plus, une moyenne est effectuée sur
4 échantillons en distance et environ 30 tirs par intervalle de 2°. Chaque pixel est donc
en réalité une moyenne d’environ 1400 échantillons (1) .
Les Figure II.1 et II.2 sont des exemples de l’affichage du champ de réflectivité me-
suré par le radar. Cette représentation de la réflectivité mesurée à une élévation donnée
s’appelle un PPI (de l’anglais Plan Position Indicator). Elle s’oppose aux représenta-
tions à une altitude fixe ou pour un azimut donné, respectivement appelées CAPPI
(Constant Altitude Plan Position Indicator) et RHI (Range Height Indicator), que l’on
peut produire avec des mesures volumiques. L’échelle de couleur indique l’intensité
de la réflectivité radar en dBZ (voir l’Équation I.19). Le radar est situé au centre de
l’image et les cercles indiquent la distance au radar tous les 5 km jusqu’à 20 km (2) .
La Figure II.1a montre le champ de réflectivité radar en air clair. Dans ces condi-
tions, la puissance mesurée est constante et correspond au niveau de bruit du radar.
De la puissance, on déduit la réflectivité radar en divisant par la constante du radar
et en multipliant par la distance au carré (voir l’Équation I.12). C’est la raison pour
laquelle la réflectivité radar augmente avec la distance au radar. Les valeurs de ce bruit
sont très lisses car ces données correspondent à des mesures moyennées sur plusieurs
(1). Le nombre d’échantillons indépendants est en fait beaucoup plus faible à cause de la largeur de
faisceau de 2.5°.
(2). En réalité, la portée non ambigüe du radar (70 km environ) est déterminée à partir de la fréquence
de répétition de l’impulsion (voir Tableau II.1) selon l’Équation I.9 mais l’acquisition des données est
limitée aux distances inférieures à 20 km.
50 Chapitre II
3.1 Le radar en bande X
Fig. II.1 – Exemples du champ de réflectivité radar mesuré par le radar en bande X en
ciel clair (a) et en présence d’averses (b), avant la suppression des échos de sol. L’échelle de
couleur indique l’intensité de la réflectivité radar en dBZ. Le changement de couleur tous les
10 dBZ permet une lecture précise des valeurs de réflectivité.
minutes. En revanche, des petites irrégularités sont visibles à environ 3 km de distance

tout autour du radar et à environ 8 km du radar dans la direction Sud-Ouest. Elles
correspondent à des échos provenant de la diffusion de l’onde radar sur des objets fixes
tels que des arbres, des immeubles ou des montagnes. Ce champ de réflectivité radar
est donc la carte d’écho de sol spécifique à l’emplacement du radar.
La Figure II.1b montre le champ de réflectivité radar dans un cas avec des pré-
cipitations. Les zones de précipitation sont parfaitement reconnaissables grâce à leur
variabilité. En revanche, les échos de sol de la Figure II.1a sont toujours visibles. De
plus, la variation en r2 gène l’interprétation des données. On “soustrait donc la carte
d’échos de sol” en faisant la différence entre le champ de réflectivité radar des Fi-
gures II.1a et II.1b en unités linéaires [mm6 m3 ] pour déduire le champ de réflectivité
radar dû uniquement aux précipitations (Figure II.2). Comme les conditions atmosphé-
riques varient continuellement, le trajet du faisceau peut varier légèrement et ce dernier
ne rencontre donc pas toujours les mêmes obstacles. Ainsi, les échos de sol n’ont mal-
heureusement pas toujours la même position et la même intensité et la soustraction de
la carte d’écho de sol est une méthode basique qui ne peut garantir des estimations des
précipitations de qualité dans les zones perturbées par les échos de sol. Des méthodes
plus précises ont été développées, mais elles nécessitent des mesures de réflectivité en
volume, ou des mesures Doppler ou polarimétriques (voir Partie 12) et ne peuvent donc
être appliquées aux données de ce radar.
Ces différentes figures mettent en évidence un défaut gênant de ce prototype :
l’amplification électronique du signal dans le récepteur dépend de l’intensité de ce signal
(couplage DC). Lorsqu’il n’y a pas de signal comme sur la Figure II.1a, l’augmentation
du signal en r2 est uniforme quelque soit la direction ce qui est illustré par les cercles
concentriques parfaits dus au code de couleur. En revanche, lorsqu’une zone pluvieuse
est détectée comme sur la Figure II.1b, le niveau moyen de la puissance reçue augmente
dans cette direction, et l’amplificateur diminue instantanément le signal tout au long
de la radiale pour conserver une valeur moyenne nulle. Cela conduit à diminuer le
niveau du signal mais aussi du bruit pour une même distance. En conséquence, il est
Dispositif expérimental 51
Fig. II.2 – Champ de réflectivité radar ((a) : en entier, (b) : zoom sur la partie Sud-Ouest)
correspondant à celui de la Figure II.1b et où la contribution des échos de sol et la variation
de la réflectivité radar avec la distance au radar ont été supprimés.
particulièrement visible aux alentours d’une intensité de 20 dBZ (passage de la couleur

verte à bleue turquoise) que les cercles s’élargissent dans les directions qui comportent
du signal important avant (dans la direction du Sud), après (dans la direction de
l’Ouest) et même en dehors de l’image puisque la portée non ambigüe est supérieure
à 20 km (dans les directions du Nord-Ouest et du Sud-Ouest). Les conséquences de
cette amplification variable sont également visibles sur la Figure II.2 où les fluctuations
du bruit sont visibles (dans les tons de jaune) dans certaines directions (nottamment
à l’Est) alors qu’elles sont invisibles dans les directions citées précédemment où des
zones de précipitations sont détectées. Par ailleurs, cette Figure confirme la présence
d’une cellule de précipitations dans la direction du Sud-Ouest que l’on peut deviner
juste au-delà des 20 km.
Lorsque l’on est sûr que le champ de réflectivité radar observé correspond bien à
des précipitations, on peut faire une correspondance qualitative avec l’intensité des
précipitations (voir le Tableau II.2). Ainsi, sur la Figure II.2, on distingue plusieurs
cellules de précipitations intenses. Une correspondance quantitative et plus complexe
sera détaillée dans le Chapitre V. Pour cette correspondance, on peut d’ores et déjà
deviner que d’une part, le problème d’amplification variable décrit au paragraphe pré-
cédent peut être rédhibitoire, et que, d’autre part, cela nécessite la correction de tous
les problèmes décrits dans la partie 2.1.4 a priori, en particulier l’atténuation qui est
importante pour un radar en bande X.
3.2 Le radar MRR
Le MRR est un radar en bande K à visée verticale. Il permet donc de mesurer

les profils de distribution de goutte (selon l’Équation I.47 démontrée dans la partie 2)
et ainsi de déduire les profils de tous les paramètres utiles à la caractérisation des
précipitations. Ses caractéristiques sont résumées dans le Tableau II.3.
La plupart des radars utilisés en visée verticale sont des radars de longueur d’onde
supérieure à 3 cm (bande C ou S) parce qu’ils sont peu sensibles aux problèmes de
52 Chapitre II
3.2 Le radar MRR
Tab. II.2 – Correspondance qualitative entre la réflectivité radar et l’intensité des précipi-
tations.
Intervalle de réflectivité radar [dBZ] Intensité des précipitations

Z < 15 bruit du radar
15 < Z < 20 bruine
20 < Z < 30 pluie faible
30 < Z < 40 pluie modérée
Z > 40 pluie forte
Z > 55 forte probabilité de grêle
Tab. II.3 – Paramètres du radar MRR.
Émetteur
Fréquence d’émission f 24 GHz
Bande de modulation B 1.5 MHz
Période de répétition de la modulation T 0.512 ms
Puissance 50 mW
Antenne
Diamètre 60 cm
Largeur de faisceau à 6dB 2°
Élévation visée verticale
Acquisition
Fréquence d’échantillonnage fs 125 kHz
Résolution temporelle (temps de moyenne) 10 s
Résolution verticale δz 100 m
Nombre de portes (Portée) M/2 32 (3.2 km)
Résolution en vitesse δv 0.191 m s−1
Nombre de classes (Vitesse maximale) N 64 (12.3 m s−1 )
diffusion de Mie et d’atténuation (Löffler-Mang et al., 1999). Pour un radar en bande

K comme le MRR, il faut en tenir compte, mais l’avantage est que son coût est beau-
coup plus faible. En effet, il suffit d’une petite antenne pour obtenir un faisceau fin, et
d’un émetteur de faible puissance puisqu’une faible longueur d’onde est beaucoup plus
sensible aux précipitations (voir section 2.1.3). C’est la raison pour laquelle les MRR
ont un fort succès. Par ailleurs, leur particularité est qu’ils fonctionnent selon la tech-
nique FM-CW (Frequency Modulated Continuous Wave), c’est-à-dire, qu’ils émettent
une onde continue et modulée en fréquence. C’est une technique alternative aux ra-
dars à impulsion qui est bien connue de la communauté scientifique mais néanmoins
beaucoup moins utilisée. C’est la raison pour laquelle elle n’a pas été préntée dans
la Section 2 afin qu’elle reste très générale, mais qu’elle sera décrite dans la section
suivante (section 3.2.1). Puis, l’exploitation des mesures MRR, jusqu’à la déduction de
la distribution de goutte sera détaillée (section 3.2.2). Ce traitement correspond sim-
plement à ce qui est effectué par le logiciel fourni par le constructeur et c’est pourquoi
Fig. II.3 – Modulation de la fréquence émise par le radar MRR (Figure issue de Chadwick
et al., 1976b).
il n’est pas décrit dans le chapitre sur le traitement des données MRR (ChapitreIII)
qui a nécessité des développements supplémentaires.
3.2.1 Technique FM-CW
La technique FM-CW permet de déduire le spectre de vitesse d’une distribution

d’hydrométéores ou le profil de vent vertical (Chadwick et al., 1976a) en mesurant la
différence entre les fréquences des ondes transmises et reçues. Cette technique n’est pas
évidente puisqu’à la fois la distance au radar et la vitesse de chute des hydrométéores
produisent un décalage en fréquence de l’onde reçue, conduisant à une ambiguïté. Les
premiers radars FM-CW ont servi à retrouver uniquement l’information sur la distance
avec une très haute résolution, en négligeant la contribution de la vitesse (Strauch et al.,
1976). Il a ensuite été démontré qu’il était possible de lever cette ambiguïté et donc, de
déduire ces deux paramètres avec un radar de longueur d’onde centimétrique (Chadwick
et al., 1976b), ce qui était déjà le cas avec un radar HF (Barrick, 1973). Dans cette
section, nous décrirons cette technique, en détaillant d’abord la déduction du rang des
cibles, puis la déduction de leurs vitesses.
a) Déduction du rang des cibles

Le MRR transmet une onde continue dont la fréquence est modulée linéairement
dans une bande de fréquence de largeur B très inférieure à la fréquence d’émission et
pendant une période T (Figure II.3). Alors, comme l’émission ne se fait pas sous la
forme d’impulsions, on ne peut pas estimer la distance de la cible de manière classique
en mesurant le retard de l’onde reçue (Équation I.8).
En revanche, comme ce radar est destiné à sonder les basses couches de l’atmosphère
en visée verticale (sur une distance inférieure à 5 km), le retard t est toujours inférieur
à 40 µs. On fixe la période de répétition à T ≥ 0.4 ms de façon à ce qu’elle soit toujours
grande par rapport au retard t, ainsi le signal reçu a une fréquence légèrement plus
élevée (partie supérieure de la Figure II.4) et la différence de fréquence entre le signal
émis et le signal transmis est proportionnelle au retard et donc à la distance de la cible.
Cette différence de fréquence est évaluée en mélangeant le signal reçu avec le signal
transmis : on peut montrer que, à l’aide d’un filtre passe-bas, la fréquence du signal
mélangé est fm = Bt/T (METEK, 2005). En utilisant l’Équation I.8 où l’on remplace
la distance r par l’altitude z, l’expression de cette fréquence est donc :
2Bz
fm = . (II.1)
cT
54 Chapitre II
3.2 Le radar MRR
Fig. II.4 – Illustration de la technique FMCW (Figure issue de METEK, 2005).
Alors, la transformée de Fourier de ce signal fournit un spectre de la puissance

reçue en fonction du rang similaire aux mesures d’un radar à impulsion traditionnel.
Cette transformée est faite avec l’algorithme de la transformée de Fourier rapide qui
nécessite M = 2k échantillons, où k est un entier positif. La fréquence d’échantillonnage
fs fixe le nombre d’échantillons M dans un balayage de durée T selon fs = M/T ,
alors, fs et T ont été choisis de façon à avoir M = 64 échantillons par balayage (voir
Tableau II.3). Par ailleurs, comme le signal de départ est réel, on peut montrer que
sa transformée de Fourier est symétrique, alors, on obtient seulement M/2 classes de
fréquence indépendants, c’est-à-dire, 32 altitudes possibles. La résolution en fréquence
issue de cette transformée est ∆f = 1/T et la fréquence maximum retrouvable est
donc fmax = M2 ∆f = fs /2, ce qui correspond au théorème de Nyquist-Shannon :
pour échantillonner correctement un signal, la fréquence d’échantillonnage doit être
supérieure ou égale à deux fois la fréquence maximum contenue dans ce signal . Enfin,
la résolution en distance ∆z est déterminée à partir de la résolution en fréquence ∆f
et de l’Équation II.1 :
cT c
∆z = ∆f = . (II.2)
2B 2B
b) Déduction de la vitesse des cibles
Une cible qui se déplace à la vitesse v implique un décalage additionnel de la

fréquence du signal reçu par effet Doppler (voir Équation I.44). La fréquence du signal
mélangé s’écrit alors :
Rang Doppler
z }| { z}|{
2Bz 2v
fm = + (II.3)
cT λ
où λ est la longueur d’onde du radar. Cette ambiguïté ne peut pas être résolue en
analysant l’écho correspondant à un seul balayage. En revanche, entre deux balayages
successifs, la cible s’étant déplacée, la fréquence du signal qu’elle renvoie est légèrement
modifiée (en réalité, la variation de fréquence est négligeable mais la variation de la
phase ne l’est pas (Barrick, 1973)) : dans l’Équation II.3, tant que le terme Doppler est
faible devant le terme de rang, alors, les M/2 éléments de la transformée de Fourier du
signal reçu peuvent toujours être considérés comme des portes d’altitude.
Pour déduire la vitesse des cibles, on effectue l’analyse de Fourier précédente sur N
balayages successifs. Les M/2 éléments obtenus caractérisent les spectres en distance à
chaque instant et sont stockés colonne par colonne dans un tableau de taille M/2 × N .
Alors, les N éléments de chaque ligne du tableau proviennent d’un balayage différent,
et peuvent être considérés comme des échantillons de l’amplitude et de la phase du
signal reçu à une altitude donnée, en fonction du temps. Cette fonction du temps est
complètement définie par ces échantillons. Pour qu’il n’y ait donc aucun risque de sous-
échantillonnage, il suffit que la fréquence de répétition des balayages soit supérieure ou
égale à la fréquence Doppler maximum que l’on souhaite mesurer, c’est-à-dire :
1
≥ fDmax . (II.4)
T
A partir de la valeur de T choisie précédemment, la vitesse de chute maximum respec-
tant cette condition que l’on peut retrouver est définie par :
fDmax λ λ
vDmax = = . (II.5)
2 2T
Le tracé des relations entre la vitesse de chute et le diamètre des gouttes listées dans
le Tableau I.1 montre que la vitesse de chute maximale est d’environ 10 m s−1 (Atlas
et al., 1973). Cette valeur est donc inférieure à la vitesse maximum retrouvable (voir
Tableau II.3) et la valeur choisie pour T convient donc pour cette application. Mal-
heureusement, lorsqu’un vent descendant s’ajoute à la vitesse de chute des gouttes, on
est en général incapable de séparer les différentes vitesses (Section 2.3.2) et ceci peut
conduire à des vitesses apparentes supérieures à 12.3 m s−1 et à un repliement spectral.
Ainsi, dans des conditions normales, en effectuant une nouvelle transformée de
Fourier sur chacune de ces lignes, N échantillons suffisent pour fournir N classes de
vitesse pour chaque altitude. Afin de pouvoir effectuer une transformation rapide, N
est fixé à 64, ce qui permet de définir la résolution en vitesse issue de cette deuxième
transformée :
λ fs λ
∆v = = . (II.6)
2N T 2M N
En résumé, N balayages sont donc nécessaires pour obtenir un spectre de la vitesse
de chute des gouttes sur 64 classes pour 32 altitudes et ce spectre est donc obtenu en
N T ≈33 ms. À cause du temps de calcul, les spectres ne sont générés que sur 80% du
temps, ce qui correspond à une fréquence d’environ 25 spectres par seconde.
Au début de ce paragraphe, on a noté que pour que les éléments issus de la première
transformée de Fourier puissent être considérés comme des classes en distance, le terme
Doppler doit être faible devant le terme de rang, c’est-à-dire, que la distance parcourue
par les gouttes pendant une analyse complète doit être faible devant la résolution en
distance. Pour les gouttes les plus rapides (v =10 m s−1 ), cette distance est égale à
vN T ≈0.33 m ce qui est effectivement très inférieur à la résolution en distance.
56 Chapitre II
3.2 Le radar MRR
En réalité, les phases relatives évoluent en fonction du déplacement différentiel des

gouttes et le signal reçu fluctue. Alors, comme pour un radar à impulsion, il faut faire
une moyenne des amplitudes retrouvées avec plusieurs spectres successifs. La résolution
temporelle pour obtenir un spectre moyen est fixée à 10 s, dont 4 s nécessaires au
transfert des données. La moyenne se fait donc réellement sur 6 s et contient environ
150 spectres unitaires.
c) Synthèse de la Méthode FM-CW

Pour illustrer la méthode FM-CW, on considère le cas simplifié d’une cible ponc-
tuelle mobile comme dans METEK (2005). La Figure II.4 décrit le traitement de son
écho sur une série de n balayages successifs. Les spectres issus de la première transfor-
mée de Fourier représentent la distance au radar. Pour simplifier, seules les 10 premières
portes de distance (numérotées entre 0 et 9) sont affichées sur la figure. Les spectres
complexes issus de chaque balayage sont représentés par les flèches en coordonnées
polaires. Dans le cas considéré sur la Figure, la cible est située au milieu des portes 3
et 4 et se rapproche du radar avec la vitesse
v = λ/8T. (II.7)
La puissance spectrale est donc répartie de manière presque égale entre les classes
correspondant à ces deux portes pendant toute la période nT considérée puisque le
déplacement λ/8 de la cible entre chaque balayage est négligeable par rapport à la
résolution spatiale. En revanche, entre chaque balayage, la phase du signal avance de
π/2 dans ce cas.
La série complexe de chaque porte est maintenant interprétée comme une nouvelle
série temporelle échantillonnée à la fréquence 1/T. La transformée de Fourier de ces
séries temporelles résulte en de nouveaux spectres de résolution 1/nT et de fréquence
maximum fN = 1/T qui sont dessinés horizontalement sur la droite de la Figure II.4.
Dans l’exemple considéré, la puissance apparaît à une fréquence f = fN /4 = 1/4T . Or,
cette fréquence est égale à la fréquence Doppler d’une cible se déplaçant à la vitesse
v de l’Équation II.7. Le spectre résultant de cette seconde transformation de Fourier
correspond donc bien au spectre Doppler pour chaque altitude.
Cet exemple montre l’efficacité de la méthode FM-CW pour une cible unique mais
on peut montrer que cette méthode fonctionne également pour cibles distribuées comme
dans le cas des précipitations (Barrick, 1973).
Par ailleurs, une transformée de Fourier à deux dimensions est entièrement équi-
valente à une longue transformée de Fourier unique et ces deux techniques nécessitent
exactement le même nombre d’opérations numériques (Barrick, 1973; Chadwick et al.,
1976b). De plus, la méthode FM-CW implique qu’en réalité, en cas de repliement spec-
tral, la partie du spectre repliée se mélangera au spectre correspondant à l’altitude
supérieure (Chadwick et al., 1976b; Kneifel et al., 2011).
3.2.2 Exploitation des mesures du MRR
Le MRR fournit des mesures de la puissance rétrodiffusée P (fD , z) [W m−3 Hz−1 ]

en fonction de l’altitude z [m] et sur un intervalle de fréquence Doppler ∆fD [Hz].
Dans cette section, nous décrirons le traitement de ces mesures qui permet de déduire
la distribution de gouttes et les paramètres caractéristiques des précipitations, par

l’intermédiaire des sections efficaces volumiques de rétrodiffusion radar spectrales dans
le domaine de la vitesse Doppler, puis dans le domaine du diamètre des hydrométéores
dont on simplifiera l’appellation par “spectres de la réflectivité radar en vitesse et en
diamètre”, respectivement.
a) Spectre en vitesse de la réflectivité radar
On déduit le spectre en vitesse de la réflectivité radar de la puissance mesurée par

le MRR en utilisant les Équations I.45 et I.46 :
P (fD , z) z 2 ∆fD
η (v, z) = (II.8)
gn (z) C ∆v
où la dérivée infinitésimale de la fréquence Doppler fD par la vitesse v a été remplacée

par leur variation respective ∆fD et ∆v, et où on a ajouté la fonction de transfert gn (z).
La performance de la technique FM-CW repose sur la qualité de la détermination de
cette fonction de transfert. En effet, la fréquence du signal mesuré n’est pas forcément
amplifiée linéairement par les composants du MRR. Or, la correspondance entre cette
fréquence et la distance des cibles est la base de la technique FM-CW. La fonction de
transfert sert donc à compenser ces possibles variations de fréquence. Elle est spécifique
à chaque MRR et est déterminée par le fournisseur du MRR en appliquant un bruit
blanc à l’entrée du récepteur (Peters et al., 2005).
Pour plus d’homogénéité, on préfère calculer le spectre en vitesse du facteur de
réflectivité radar équivalent Ze (v, z) à partir du spectre en vitesse de la réflectivité
radar η (v, z) en utilisant l’Équation I.20. Le profil correspondant mesuré avec le MRR
pendant une heure au cours d’un épisode de précipitations particulièrement stable est
tracé en trois (3D) et deux dimensions (2D) sur la Figure II.5a et II.5c, respectivement.
En 3D, l’axe vertical décrit les valeurs du facteur de réflectivité radar spectral en fonc-
tion du plan horizontal représentant à gauche la vitesse de chute et à droite l’altitude
de la mesure. En revanche, en 2D, l’axe horizontal décrit la vitesse de chute alors que
l’axe vertical figure à la fois l’altitude et les valeurs du facteur de réflectivité spec-
tral. Ces deux représentations sont complémentaires. En effet, la représentation en 3D
permet d’afficher les spectres avec des unités absolues mais ne montre pas clairement
les différences entre les spectres de chaque altitude. À l’opposé, la représentation en
2D nécessite une échelle normalisée puisque les spectres sont décalés verticalement en
fonction de l’altitude pour les distinguer les uns des autres, mais elle met en évidence
les variations entre les spectres de chaque altitude.
Les Figures II.5a et II.5c montrent que sur l’évènement étudié, le spectre en vitesse
est très stable de 0 à environ 2000 m. Au delà de 2000 m, le spectre subit des mo-
difications notables : d’une part, il se décale vers des vitesses plus faibles (maximum
spectral entre 2 et 3 m s−1 au lieu de 7 m s−1 ) et d’autre part sa largeur diminue, ce qui
est typique des précipitations en phase glace (Peters et al., 2002). Ces modifications
mettent en évidence l’altitude de l’isotherme 0°C où les hydrométéores passent de la
phase glace à la phase liquide : c’est la couche de fonte. Au-dessus de cette couche,
les hydrométéores sont des cristaux de glace qui ont une faible densité et une forte
résistance à l’air. Leur vitesse de chute est donc faible et peu variable. Lors de leur
fonte, la vitesse des cristaux de glace augmente progressivement jusqu’à atteindre la
58 Chapitre II
3.2 Le radar MRR
(a) Profil mesuré le 2007-06-15 de 12h25 à 13h25 (b) Profil mesuré le 2007-06-15 de 12h25 à 13h25
Facteur de réflectivité spectral
6 7
Ze(v,z) [mm6 m−3 (m/s)−1 ]
10 10
5
10
Spectre de gouttes
4
10
N [mm−1 m−3 ]
3
10
2
10 1
10
0 −1
10 10
−3
−2 10
10
3000 −5 3000
10
0 0
2000 2000
5 2
1000 4 1000
10
0 Height [m] 6 0 Height [m]
Vitesse Doppler v [ms−1 ] Diamètre des gouttes D [mm]
(c) Profil mesuré le 2007-06-15 de 12h25 à 13h25 (d) Profil mesuré le 2007-06-15 de 12h25 à 13h25
Facteur de réflectivité spectral normalisé
Spectre de gouttes normalisé

Ze(v,z) [mm6 m−3 (m/s)−1 ]
3000
3000
N [mm−1 m−3 ]
2500
Height [m]
Height [m]
2500
2000
2000
1500
1500
1000 1000
500 500
0 0
0 2 4 6 8 10 12 0 1 2 3 4 5 6
Fig. II.5 – Profils du spectre en vitesse du facteur de réflectivité radar ((a) et (c)) et de la
distribution de gouttes ((b) et (d)) mesurés par le MRR et représentés en trois dimensions
((a) et (c)) et en deux dimensions ((b) et (d)).
vitesse de chute des gouttes du diamètre correspondant qui, on l’a vu, peut aller de 0
à 10 m s−1 .
Grâce à sa haute résolution temporelle, le MRR permet également d’étudier la va-
riation du spectre en vitesse du facteur de réflectivité radar en fonction du temps. La
Figure II.6a montre son évolution à 300 m d’altitude pendant 3h30 pour le même cas
que celui étudié dans la Figure II.5 mais dans sa globalité. La Figure II.6a montre
l’intensité du spectre en ordonnée en fonction de la vitesse de chute en abscisse et du
temps, représenté par l’échelle de couleur. On devine une intensification progressive
des précipitations entre 11h30, avec un spectre de largeur et d’intensité faibles corres-
pondant à une pluie légère, et 12h30 où le spectre anormalement large correspond à
des pluies intenses. Il y a ensuite une longue phase entre 12h30 et 14h30 (dans laquelle
sont comprises les données de la Figure II.5) où le spectre est assez stable, puis une
rapide diminution jusqu’à 15h00. Le défaut de cette représentation est qu’il faut limi-
ter le nombre de spectres à superposer pour que la Figure reste lisible. Ainsi, chaque
spectre de la Figure II.6a correspond à une moyenne de 10 min de données, et pour un
évènement assez long comme celui-ci, les variations du spectre à court terme ne sont
pas visibles.
Pour visualiser les petites variations dans le temps du spectre en vitesse, on utilise la
représentation de la Figure II.7a. Sur cette Figure, l’intensité du spectre est représentée
(a) MRR 300m AGL:15-Jun-2007 15:00:00 (b) MRR 300m AGL:15-Jun-2007 15:00:00
6 7
10 10
5 14:50:00 14:50:00
10 5
10
14:30:00 14:30:00
Ze(v,z) [mm6 m−3 (m/s)−1 ]
4
10 14:10:00 14:10:00
Spectre de gouttes
3
3 10
N [mm−1 m−3 ]
10 13:50:00 13:50:00
2 13:30:00 1 13:30:00
10 10
13:10:00 13:10:00
1
10 12:50:00 −1 12:50:00
10
0
10 12:30:00 12:30:00
12:10:00 −3 12:10:00
−1 10
10
11:50:00 11:50:00
−2 −5
10 11:30:00 10 11:30:00
0 2 4 6 8 10 12 0 1 2 3 4 5 6
Fig. II.6 – Évolution en fonction du temps du spectre en vitesse du facteur de réflectivité

radar (a) et de la distribution de gouttes (b) mesurés par le MRR à 300 m d’altitude au-dessus
du sol (troisième porte). L’échelle de couleur représente la variation du temps.
par l’échelle de couleur en fonction de la vitesse de chute en ordonnée et du temps en

abscisse. Elle présente les mêmes données que sur la Figure II.6a mais avec une meilleure
résolution temporelle puisque chaque barre verticale représente une minute de mesure.
Ceci met en évidence une discontinuité particulièrement importante autour de 12h20
où le spectre montre une plus forte intensité et semble décalé vers des vitesses plus
élevées. Il faut être prudent dans l’interprétation des spectres de vitesse. En effet, on
a vu que la vitesse du vent peut s’ajouter à la vitesse de chute. Il est possible que
cette discontinuité soit due à un vent vertical descendant qui décale ponctuellement
le spectre vers des vitesses plus grandes (on étudiera plus en détail ce phénomène sur
un cas similaire dans la partie 8). Ces deux types de représentation sont également
complémentaires puisque l’une montre la forme des spectres (Figure II.6a) et l’autre
montre la variabilité temporelle à haute résolution (Figure II.7a).
Il faut noter que l’altitude choisie pour représenter ces données (300 m) est la plus
basse possible. En effet, les deux portes les plus basses sont exclues de l’analyse parce
que l’interprétation quantitative de la puissance mesurée par le radar nécessite des
hypothèses qui ne peuvent pas s’appliquer à cette distance du radar (Peters et al.,
2005). On donnera un début d’explication dans la Section 9. La première porte pour
laquelle on peut utiliser les données est donc la troisième, qui correspond à une altitude
de 300 m au-dessus du sol.
b) Spectre en diamètre de la réflectivité radar
Le spectre en diamètre de la réflectivité radar η (D, z) est déduit du spectre en

vitesse de la réflectivité radar η (v, z) en utilisant l’Équation I.46 :
∂v
η (D, z) = η (v, z) (II.9)
∂D
où le terme ∂v/∂D est déterminé à partir de la relation entre la vitesse de chute et

la taille des hydrométéores telles que celles présentées dans le Tableau I.1, en faisant
l’approximation que la contribution du vent vertical est négligeable. La relation qui a
été choisie est l’ajustement de Atlas et al. (1973) aux données expérimentales de Gunn
60 Chapitre II
3.2 Le radar MRR
(a) Facteur de réflectivité spectral à 300m AGL Ze(v,z) [mm6 m−3 (m/s)−1 ] Ze(v,z)
6
12 10
5
10
10
4
10
Vitesse Doppler [ms−1 ]
8 3
10
2
6 10
1
10
4
0
10
2 −1
10
−2
0 10
11:30 12:00 12:30 13:00 13:30 14:00 14:30 15:00
Heure UTC du 15/06/2007
(b) Spectre des gouttes à 300m AGL dN/dD [mm−1 m−3 ]

7
6 10
6
10
5
5 10
Diamètre des gouttes [mm]
4
10
3
4 10
2
10
1
3 10
0
10
−1
2 10
−2
10
−3
1 10
−4
10
0
11:30 12:00 12:30 13:00 13:30 14:00 14:30 15:00
Fig. II.7 – Comme la Figure II.6 mais la variation du temps est cette fois-ci représentée
par l’axe des abscisses, l’échelle de couleur correspond quant à elle à l’intensité du facteur de
réflectivité radar (a) et à la concentration en gouttes (b).
et Kinzer (1949) que l’on rappelle ici :
v = 9.65 − 10.3 exp (−0.6D) (II.10)
avec la vitesse v [m s−2 ] et le diamètre D [mm]. Cette équation fournit des vitesses
supérieures à zéro pour D > − ln (9.65/10.3) /0.6 ≈ 0.11 mm et n’est applicable que
pour v < 9.65 m s−2 . Pour s’éloigner de ces singularités, la gamme de vitesse analysée
est limitée à des valeurs allant de vmin = 0.76 m s−1 à vmax = 9.36 m s−1 qui corres-
pondent à une gamme de diamètres allant de Dmin = 0.246 mm à Dmax = 5.8 mm. Ces
limites peuvent se justifier par le fait que, pour l’étude des précipitations, les gouttes
plus petites ont une contribution négligeable au taux de précipitation (puisque c’est
un moment de la distribution de goutte supérieur à 3) et les gouttes plus grandes sont
très rares et donc également négligeables (Peters et al., 2005).
L’Équation II.10 et les limites vmin et vmax associées ne sont valables qu’au niveau
du sol. En effet, la variation de la densité de l’air avec l’altitude modifie la relation
entre la vitesse et le diamètre. La vitesse obtenue pour un diamètre donné est donc
corrigée en fonction de l’altitude en utilisant un polynôme du second degré ajusté à la
correction trouvée par Foote et Du Toit (1969) :
δv (z) = 1 + 3.68 × 10−5 z + 1.71 × 10−9 z 2 (II.11)
où z [m] est l’altitude au-dessus du niveau de la mer (Peters et al., 2005). En conservant
les limites de la gamme de diamètre analysée trouvée au niveau du sol, les limites de la
Fig. II.8 – Gammes des vitesses et des diamètres analysés lors du traitement des données
mesurées par le MRR, en fonction de l’altitude (Figure issue de Peters et al., 2005).
gamme de vitesse augmentent en fonction de l’altitude. De plus, si on tient compte de

la résolution finie de la fréquence retrouvée par le MRR, on obtient alors les courbes de
la Figure II.8. Par ailleurs, ces limites sont également indiquées par les lignes pointillées
sur les Figures II.6a et II.7a pour l’altitude considérée.
Les Figures des spectres en diamètre de la réflectivité radar étant semblables à celles
du spectre en vitesse, elles n’ont pas été ajoutées. En effet, la seule différence est que les
vitesses Doppler sont remplacées par leurs valeurs correspondantes en diamètre, l’axe
passant d’une échelle linéaire à une échelle logarithmique (à cause du terme exponentiel
dans l’Équation II.10).
c) Déduction de la distribution de gouttes

La distribution de gouttes N (D, z) est déduite du spectre en diamètre de la réflec-
tivité radar η (D, z) en utilisant l’Équation I.47 :
η (D, z)
N (D, z) = (II.12)
σ (D)
où σ (D) est la section efficace de rétrodiffusion d’une goutte de diamètre D. Comme

le radar MRR est en bande K, σ (D) est calculé avec la théorie de Mie en faisant l’ap-
proximation que les gouttes sont des sphéroïdes de diamètre équivalent D, en utilisant
le code de Morrison et Cross (1974).
La distribution de goutte déduite des mesures du MRR est affichée de la même
façon que le spectre en vitesse du facteur de réflectivité radar dans les Figures II.5b,
II.5d, II.6b et II.7b.
Les distributions de goutte de la Figure II.5b et d ont une forme semblable à celles
que l’on a l’habitude de mesurer avec les disdromètres (voir Chapitre V) jusqu’à l’alti-
tude de la fonte. En effet, la relation entre la vitesse de chute, le diamètre des gouttes
et le calcul de la section efficace de rétrodiffusion sont basées sur la phase liquide et la
méthode de déduction de la distribution de goutte n’est donc pas valide pour la phase
glace.
Par ailleurs, l’évolution de la distribution de goutte se comporte de manière sem-
blable au spectre en vitesse de la réflectivité radar sur les Figures II.6b et II.7b. Pour
mieux visualiser cette évolution, les variations des 10ème et 90ème pourcentiles de la
distribution normalisée du contenu en eau liquide et du diamètre médian en volume
62 Chapitre II
3.2 Le radar MRR
D0 (par définition, D0 est le 50ème pourcentile) ont été ajoutés sur la Figure II.7b en
traits pleins fins et épais, respectivement. Ceci permet de mettre en valeur les variations
concernant la partie centrale correspondant à 80% de la distribution du contenu en eau
et donne une idée de la largeur de la distribution de goutte (Uijlenhoet et al., 2003b).
Sur cette figure, à la vue de la variation soudaine et irréaliste de D0 , la discontinuité
autour de 12h20 doit être causée principalement par un vent vertical fort.
d) Correction de l’atténuation
La Section 2.2 montre qu’en bande K, l’atténuation par les gaz et l’atténuation
par la pluie doivent être prises en compte. Le coefficient d’atténuation par les gaz est
gouverné par l’humidité absolue et vaut Kg = 0.18 dB km−1 au niveau de la mer
(Peters et al., 2005). Sur un tir vertical, la valeur moyenne de Kg est même inférieure
puisque l’humidité diminue avec l’altitude. On considère donc que l’on peut négliger
l’atténuation due aux gaz, à condition de ne s’intéresser de manière quantitative qu’aux
mesures correspondant aux altitudes inférieures à 1500 m. En revanche, l’atténuation
due à la pluie doit être prise en compte.
Pour corriger l’atténuation par la pluie, on utilise la méthode de Hildebrand (1978)
(Section 2.2.5). Toutefois, la distribution de goutte déduite des mesures du MRR per-
met de s’affranchir d’une relation empirique entre le facteur de réflectivité radar et le
coefficient d’atténuation comme celle de l’Équation I.33. En effet, le coefficient d’atté-
nuation K peut être retrouvé de manière analytique (Équation I.27) à partir du calcul
de la section efficace d’extinction σe (D) de chaque goutte avec la théorie de Mie. Le
coefficient d’atténuation retrouvé dans chaque porte est ensuite utilisé pour corriger
les mesures des portes suivantes. Cette méthode itérative est instable et est donc limi-
tée lorsque l’atténuation est trop forte (Peters et al., 2005) et les données des portes
supérieures sont indiquées comme n’étant pas valides.
e) Calcul des paramètres caractéristiques des précipitations

À partir de la distribution de gouttes retrouvée en tenant compte de l’atténuation,
on peut donc calculer tous les paramètres caractéristiques des précipitations tels que le
facteur de réflectivité radar Z (Équation I.17), le taux de précipitation R (Équation I.4)
et le contenu en eau liquide LW C (Équation I.30). De plus pour comparer les mesures
du MRR avec le radar X, on peut calculer le facteur de réflectivité radar équivalent en
bande X Ze à partir du spectre de la réflectivité radar en utilisant l’équation I.20 et en
sommant sur l’ensemble du spectre.
Dans la Figure II.9 sont présentées les variations temporelles des profils de Z (a), Ze
(b), R (c) et K (d), correspondantes au données de distribution de goutte des Figures
précédentes. Sur ces différentes Figures, on remarque instantanément le comportement
douteux de chacun des paramètres dans le cas de la présence de la phase glace (au-
dessus de 2000 m) et notamment la présence de la “bande brillante” (couche où la
réflectivité est la plus forte, correspondant à l’altitude de l’isotherme 0°C où les cristaux
de glace fondent, voir partie 18) sur les Figures de réflectivité radar (Figure II.9a et
b). De plus, les valeurs de Z et Ze sont assez proches et atteignent de fortes intensités
(supérieures à 50 dBZ) vers 12h20 dans les couches les plus basses. C’est le signe de
précipitations convectives où le vent vertical peut être fort (voir partie 21), ce qui
confirme les observations faites sur la Figure II.7. Par ailleurs, sur chaque graphe de la
Figure II.9, les données autour de 12h20 ne sont pas affichées à partir d’environ 1500 m
4 Synergie des instruments utilisés
(a) Réflectivité Intensité [dBZ] (b) Réflectivité radar X Intensité [dBZ]

60 60
3000 3000
50 50
Altitude [m]
Altitude [m]
2000 40 2000 40
30 30
1000 20 1000 20
10 10
0 0 0 0
11:30 12:00 12:30 13:00 13:30 14:00 14:30 15:00 11:30 12:00 12:30 13:00 13:30 14:00 14:30 15:00
Heure UTC du 15/06/2007 Heure UTC du 15/06/2007
(c) Taux de précipitations [mmh−1 ] (d) Coefficient d’atténuation [dBkm−1 ]

3 2
3000 10 3000 10
2 1
10 10
1 0
10 10
Altitude [m]
Altitude [m]
2000 0 2000 −1
10 10
−1 −2
10 10
1000 10
−2 1000 10
−3
−3 −4
10 10
−4 −5
0 10 0 10
11:30 12:00 12:30 13:00 13:30 14:00 14:30 15:00 11:30 12:00 12:30 13:00 13:30 14:00 14:30 15:00
Fig. II.9 – Évolution en fonction du temps des profils du facteur de réflectivité radar (a),
du facteur de réflectivité radar équivalent en bande X (b), du taux de précipitation (c) et du
coefficient d’atténuation (d) mesurés par le MRR.
d’altitude au dessus du sol, parce que l’atténuation est devenue trop forte pour être
corrigée.

Dans cette section, nous décrirons comment utiliser les radars présentés dans la
partie précédente, en combinaison avec des instruments de mesure directe tels que
des pluviomètres et des disdromètres (Partie 1), avec la meilleure synergie possible.
Ceci nous amènera à détailler les différentes contraintes pour l’utilisation combinée des
différents radars (Section 4.1), ainsi que les différents sites de mesures où ils ont été
déployés (Section 4.2), dont le site principal du projet PREPHIX dans lequel s’inscrit
cette thèse.
4.1 Contraintes
Le but principal du projet PREPHIX est de fournir, à moindre coût, une estimation
quantitative des précipitations sur un petit bassin versant ou une zone urbaine à partir
des mesures en haute résolution du radar en bande X (Van Baelen et al., 2009a).
Pour cela, un MRR à visée verticale permet de caractériser en détails les variabilités
verticale et horizontale de la distribution de gouttes et est donc idéal pour combler
le manque d’information entre la mesure de la réflectivité en altitude par le radar en
bande X et la mesure des précipitations au sol. De plus, si ces deux radars sont placés de
manière adéquate l’un par rapport à l’autre, leur utilisation simultanée permet de faire
des comparaisons directes de la réflectivité dans leur volume de mesure commun. Par
ailleurs, l’utilisation d’un disdromètre colocalisé avec le MRR permet d’étalonner ce
dernier, pendant que le MRR peut servir à étalonner le radar en bande X grâce à leurs
mesures communes. Cette technique d’étalonnage permet de s’affranchir de la méthode
64 Chapitre II
4.2 Sites de mesure
classique faite à partir des mesures d’un pluviomètre au sol. En effet, cette méthode est
soumise à de nombreuses incertitudes sur la relation entre la réflectivité radar et le taux
de précipitation, sur la variabilité verticale des précipitations, l’advection due au vent
horizontal, etc., et nécessite donc une grande attention et une quantité importante de
données pour obtenir des résultats suffisamment précis. En revanche, des comparaisons
avec des pluviomètres dispersés sur toute la surface couverte par le radar en bande X
permettent de valider l’estimation des précipitations.
La principale limitation du radar en bande X du LaMP est que l’élévation de son
antenne est fixe (voir Tabeau II.1). Ainsi, pour éviter que le signal mesuré soit conta-
miné par des échos de sol sur une trop grande distance, a fortiori dans une région
montagneuse, l’angle d’élévation choisi doit être suffisamment grand (Section 2.1.4).
Au contraire, la phase glace est un obstacle à l’interprétation quantitative de la ré-
flectivité en terme de taux de précipitation, l’angle d’élévation doit donc être choisi le
plus bas possible pour éviter que le faisceau du radar atteigne des altitudes proches de
l’isotherme 0°C où la phase glace est présente. De plus, aux moyennes latitudes, l’al-
titude de l’isotherme 0°C est très variable, non seulement d’une saison à l’autre, mais
également dans l’intervalle de quelques jours selon la provenance de la masse d’air, en
été comme en hiver. Par exemple, les mesures du MRR pendant l’été 2007 montrent
qu’elle a varié entre 1600 m et 3200 m d’altitude au-dessus du niveau de la mer. Une
élévation de 5° correspond à une altitude moyenne du faisceau de 1750 m au-dessus du
radar à une distance de 20 km du radar et semble être un bon compromis.
On a vu dans la Section 3.2 que le signal mesuré par le MRR ne peut être interprété
de manière quantitative qu’à partir de 300 m au-dessus du sol. Par ailleurs, sans parler
de la présence d’hydrométéores en phase glace dans le volume sondé, l’atténuation
minime du signal par les gaz et la stabilité de la correction de l’atténuation due aux
précipitations ne sont pas garanties au-delà d’une altitude de 1500 m. Il faut donc
veiller à placer le MRR à une distance adéquate du radar X afin que, en tenant compte
de leurs altitudes au sol respectives, leur volume d’échantillonnage commun soit à une
altitude comprise entre 300 et 1500 m au-dessus du MRR.
Par ailleurs, la résolution de la mesure du taux de précipitation d’un disdromètre
est bien meilleure que celle d’un pluviomètre. Un disdromètre colocalisé avec le MRR
est donc très pratique pour calibrer ce dernier. Enfin, des pluviomètres disséminés sur
toute la surface couverte par le radar en bande X permettent de valider l’estimation des
précipitations, à moindre coût. Ces derniers doivent être placés de préférence à moins
de 15 km du radar pour limiter les problèmes liés à l’altitude du volume sondé par le
radar (hydrométéores en phase glace, variabilité verticale des précipitations, advection
due au vent horizontal) et à l’atténuation du radar en bande X.
4.2 Sites de mesure
Une des qualités du radar en bande X est qu’il est peu volumineux et il est donc,
facilement transportable. Ainsi, en plus du bassin Clermontois (Section 4.2.1), le lieu
où il fonctionne de manière opérationnelle, il a également été déplacé pour participer
aux campagnes COPS (Section 4.2.2) et CIDEX (Section 4.2.3). Par ailleurs, il pren-
dra probablement part à la campagne HYMEX/M-Presto dans le cadre du chantier
Méditerranée MISTRALS.
Fig. II.10 – Topographie (a) et échos de sol (b) dans la zone couverte par le radar en bande
X pour le site Clermontois. L’échelle de couleur de la Figure (a) indique l’altitude entre 0 et
2000 m au-dessus du niveau de la mer. La position du radar en bande X, du MRR et des
pluviomètres du réseau de la ville de Clermont-Ferrand sont représentés par la croix rouge,
la croix bleue ciel et les triangles retournés rouges, respectivement. Les cercles concentriques
indiquent la distance au radar en bande X. La Figure (b) présente le facteur de réflectivité
mesuré en air clair après la soustraction de la carte d’écho de sol, en plus de la topographie
qui est cette fois indiquée en traits gris pour ne pas interférer avec l’échelle de couleur de la
réflectivité radar. Cette Figure montre principalement la fluctuation du bruit du radar entre
0 et 10 dBZ, mais on distingue également des zones (encerclées en rouges) de forte réflectivité
(jusqu’à 50 dBZ) qui correspondent à des fluctuations de la propagation du signal, provoquant
des échos intenses qui ne sont supprimés par la carte d’échos de sol, au niveau des reliefs.
4.2.1 Site Clermontois
La ville de Clermont-Ferrand est située au nord du Massif Central à environ 350 m

d’altitude. Aucune rivière importante ne la traverse — la rivière Allier passe à une
dizaine de kilomètres à l’Est —, mais elle s’étend sur un petit bassin versant surplombé
par le plateau de la chaine des puys à l’Ouest et ses contreforts au Nord et au Sud.
L’évacuation de l’eau de pluie se fait donc uniquement à l’Est vers la plaine de la
Limagne et est assez limitée. La ville, traversée par trois affluents locaux de l’Allier
(Artière, Tiretaine Sud et Tiretaine Nord), est donc parfois sujette à des inondations
locales et soudaines lors d’orages violents. Ceci explique la présence de bassins d’orages
à divers endroits de la ville et l’intérêt de la municipalité pour la mesure précise des
précipitations avec un réseau dense de pluviomètres afin de mieux documenter ces
évènements extrêmes.
Le radar en bande X est placé sur le toit de l’Observatoire de Physique du Globe
(OPGC) auquel est rattaché le LaMP, lui-même situé sur le plateau des Cézeaux
(415 m), dans la banlieue sud de Clermont-Ferrand. Cette position lui permet de
couvrir l’ensemble de l’agglomération clermontoise. Le MRR1 — comme le LaMP a
récemment acquis un nouveau MRR, on l’appelle MRR1 afin d’éviter toute confusion
— est placé sur un site de mesure annexe du LaMP à l’extérieur et au Sud de l’ag-
glomération, près de Opme (655 m) à 5.6 km du radar en bande X. Sur ce site, un
disdromètre Parsivel et des pluviomètres mesurent également les précipitations au sol.
Ils sont pratiquement colocalisés avec le MRR1 et peuvent donc servir à l’étalonner. La
66 Chapitre II
4.2 Sites de mesure
4
MRR1
Radar bande X
3.5
3
Altitude ASL [km]
2.5
1.5
0.5
0
0 5 10 15 20 25 30
Distance horizontale [km]
Fig. II.11 – Altitude et forme du volume commun entre les deux radars pour le site Cler-
montois. Sur le graphe à gauche sont dessinées les coupes des faisceaux du MRR et du radar
en bande X lorsque celui-ci vise dans la direction du MRR, en bleu et en rouge respective-
ment. Le trait noir représente la coupe de la topographie dans l’axe des deux radars. Les
miniatures à droite représentent le volume commun vu de face sur la ligne supérieure et de
côté sur ligne inférieure et selon une vue d’ensemble sur la colonne de gauche et une vue
rapprochée sur la colonne de droite.
Figure II.10a présente la topographie dans la zone couverte par le radar en bande X et
la position des divers instruments. On reconnaît la Chaîne-des-Puys à l’Ouest et l’Allier
qui traverse la plaine de la Limagne à l’Est. Comme la propagation de l’onde radar
dépend des conditions météorologiques, la soustraction de la carte des échos de sol ne
garantit pas leur suppression dans tous les cas. La Figure II.10b, qui est un exemple de
la réflectivité radar mesurée en ciel clair, montre parfois la persistance de ces échos à
proximité du radar (échos de sol dus à la rétrodiffusion de l’onde sur des bâtiments ou
des grues par exemple) ou au niveau du relief (par exemple le plateau de Gergovie à
environ 5 km au Sud du radar, les Côtes de Clermont à 5 km au Nord-Ouest et le Puy
de Gravenoire et le Puy de dôme, à 5 et 10 km à l’Ouest du radar, respectivement).
Cette Figure confirme que l’élévation de l’antenne de 5° est minimale.
Le tracé des faisceaux des deux radars dans les conditions de propagation normales
en tenant compte de leurs altitudes et ouvertures de faisceau respectives et de l’angle
d’élévation de 5° de l’antenne du radar en bande X (Figure II.11a), montre que le
volume sondé par le radar en bande X atteint une altitude de près de 2500 m à 20 km
du radar et peut donc être régulièrement contaminé par des hydrométéores en phase
glace. En revanche l’altitude du volume commun reste relativement basse (moins de
1000 m). De plus, le tracé de ces faisceaux en trois dimensions (Figure II.11b) montre
qu’à leur intersection, le volume d’échantillonnage du radar en bande X est beaucoup
plus grand que celui du MRR1 et que le volume commun possède une forme complexe.
Par ailleurs, ces miniatures permettent de déterminer les numéros de portes théoriques
correspondant à ce volume commun : il est situé dans la porte 97 du radar en bande
X et les portes 3 et 4 du MRR1.
Les Figures II.11a et b ont été tracées sans tenir compte de la courbure de la terre
et de la courbure du faisceau du radar en bande X due à la variation du coefficient de
réfraction avec l’altitude. En utilisant l’approximation de Doviak et Zrnic (1993), on
montre qu’avec une élévation de 5° la différence d’altitude du faisceau est de 2 m (20 m)
à 5 km (20 km) du radar. On peut donc considérer que ces effets sont négligeables sur
(a) MRR1 : Porte 2 Corrélation (b) MRR1 : Porte 3 Corrélation

206 0.85 1 206 1
0.85 0.85
0.85
204 0.95 204 0.95
0.7
0.7
5
5
0.
202 0.9 202 8 0.9
0.8
0.8
0.8
0.
5
5
0.85
200 0.9 0.85 200 0.85

Direction radar X
Direction radar X
0.85
0.9
198 0.8 198 0.85 0.8
0.85
196 0.8 5 .70.65 0.85 0.75 196 0.85 0.75
0.8
0.7
0 0.8 5 .70.65
0.7 0
0.6
0.6
0.8
0.55
194 0.7 0.8
0.55
0 194 0 0.7
0.7.75 0.7.75
0.8
0.65
0.65
0. 0.8 0
192 0.665 0.65 192 0..665 0.65
0.75
5
0.8
0.7
0.55 0.55
0.75 0.7 0.7
190 0.6 190 0.75 0.6
5
0.7
0.7
0.7
5
188 0.55 188 0.7 0.55
186 0.5 186 0.5
85 90 95 100 105 110 85 90 95 100 105 110
Porte radar X Porte radar X
(c) MRR1 : Porte 4 Corrélation (d) MRR1 : Porte 5 Corrélation
206 1 206 1
0.85
0.8
5
0.75
0.8
0.8
0.75
204 0.75 0.95 204 0.85 0.95
0.8
0.8
0.8
5
0.8
202 0.9 202 5 0.9
0.9
0.8
0.8
200 0.85 200 0.85

Direction radar X
0.8
0.9 Direction radar X
0.8
198 5 0.8 198 0.8
5
5
0.8 0.8
5 0.85
0.7
196 0.8 0.85 0.75 196 0.75
0.8
0.75 5
0.7
5 0.7 0.60.6
0.60.65
0.5
0.55
194 0.75 0.7 0.7 194 0.7
0.8 0.
0.675
5
0.8
0.605.7 0.8
0.6
0.6 0.6
0.7
5
192 0.65
0.750.7
192 0.65
0.7
0.5
0.5
5 0.7 0.8
5
0.65 0.6
0.6
5
190 0.6 190 0.7 0.6
0.75
5
5
0.6
0.75
0.6
188 0.75 0.55 188 0.75 0.55

0.75
186 0.5 186 0.5
85 90 95 100 105 110 85 90 95 100 105 110
Fig. II.12 – Coefficient de corrélation entre les facteur de réflectivité mesurés par les deux
radars dans leur volume de mesure commun pour les portes 2 (a), 3 (b), 4 (c) et 5 (d) du
MRR1 pour le site clermontois. L’axe des ordonnées (direction radar X) désigne l’angle de
visée du radar en bande X par rapport au Nord, dans le sens horaire.
les distances considérées. Néanmoins, les portes théoriques correspondant au volume

commun ont été vérifiées en calculant le coefficient de corrélation entre les séries de
données des facteurs de réflectivité mesurés par les deux radars. Pour cette analyse, les
données brutes peuvent être utilisées. En effet, le coefficient de corrélation détermine
l’ampleur de la correspondance entre les deux variables et n’est pas perturbé par un
possible problème d’étalonnage d’un ou des radars. Le coefficient de corrélation obtenu
en incluant 18 cas de précipitations intenses entre les mois d’avril et de septembre
2008 et 2009 est dessiné sur la Figure II.12 en fonction du numéro de porte du radar en
bande X et de sa direction de visée, difficile à déterminer a priori avec précision, et pour
différentes portes du MRR. Cette Figure confirme que la corrélation est la meilleure
pour les portes 3 et 4 du MRR1. En revanche, la meilleure combinaison porte-azimut
du radar en bande X semble être 98 et 200°, ce qui reste très proche de ce que l’on a
trouvé théoriquement.
4.2.2 Campagne COPS : vallée du Rhin
La campagne COPS (de l’Anglais Convective and Orographically-induced Preci-

pitation Study) est une expérience qui a eu lieu pendant l’été 2007 au Sud-Ouest
de l’Allemagne et au Nord-Est de la France. Le principal objectif était d’identifier
les processus physiques et dynamiques responsables des défaillances dans la prévision
68 Chapitre II
4.2 Sites de mesure
X pour le site de la campagne COPS. La description détaillée de cette Figure est semblable à
celle de la Figure II.10 à l’exception des triangles retournés rouges qui indiquent la position
des pluviomètres de MétéoFrance.
quantitative des précipitations par les modèles numériques dans les régions de moyenne
montagne (Wulfmeyer et al., 2008). Pour atteindre cet objectif, plusieurs modèles de
recherche ont été utilisés de manière opérationnelle afin d’évaluer leurs performances
en utilisant les mesures de nombreux instruments déployés dans des “Supersites” pour
documenter des régions ciblées. Par exemple, le supersite Français (appelé supersite V
pour Vosges) était situé à proximité de la ville de Meistratzeihm dans la vallée du Rhin
entre les chaînes de montagne des Vosges et de la Forêt Noire, pour observer l’initiali-
sation de la convection due à la convergence au-dessus des crêtes et du côté sous le vent
des massifs, ou due à un forçage local sur un terrain plat. La description complète de
cette campagne, la stratégie scientifique, la phase d’opération sur le terrain, et la mise
en évidence des premiers résultats peut-être trouvée dans Wulfmeyer et al. (2011).
Le LaMP a participé à la partie observations de la campagne COPS en installant
ses radars à proximité du supersite V. La topographie dans la zone couverte par le
radar en bande X et la position des radars sont présentées dans la Figure II.13a. Le
4
MRR2
Radar bande X
3.5
3
Altitude ASL [km]
2.5
1.5
0.5
0
0 5 10 15 20 25 30
Fig. II.14 – Altitude et forme du volume commun entre les deux radars pour le site de
la campagne COPS. La description détaillée de cette Figure est semblable à celle de la Fi-
gure II.11.

142 0.8
1 142 0.8 1
0.7
140 0.95 140 0.8 0.95
0.85 5
0.8
138 0.8 0.9
0.85
138 0.9
0.7
0.7
5
5
0.9
0.85
0.8
136 0.85 136 0.85
Direction radar X
0.8
Direction radar X
0.85
0.9
0.9
0.85
134 0.9 0.8 134 0.8
5
0.8
132 0.75 132 0.75
0.8
0.8
0.85
130 0.7 130 0.7
5
5
0.85
0.7
0.7
0.8 0.8
128 0.65 128 0.8 0.65
0.8 0.7
126 0.7 0.6 126 5 0.6
0.7
5
0.7
5
5 0.75 0.7
124 0.7 0.55 124 0.55
0.75
122 0.5 122 0.5

75 80 85 90 95 100 75 80 85 90 95 100
(c) MRR2 : Porte 8 Corrélation (d) MRR2 : Porte 9 Corrélation
142 0.8 1 142 1
0.85 0.85 0.8
140 0.95 140 0.95
0.8
0.85
0.75
0.75
138 0.9 0.9 138 0.9 0.9
5
0.8
0.85
0.9
136 0.85 136 0.85

Direction radar X
Direction radar X
0.8
0.85
0.8
0.85
0.9
0.85
134 0.8 134 0.8
0.9
0.8
0.8
132 0.75 132 0.85

0.75
0.85
5
5
0.7
130 0.7
0.7
130 0.8
0.7
0.8 0.8
128 0.8 0.65 128 0.7 0.65
0.7 5
5
126 0.6 126 0.7
5
0.
7 0.6
0.7
5
0.75 0.7 0.75
124 0.55 124 0.55
122 0.5 122 0.5
75 80 85 90 95 100 75 80 85 90 95 100
Fig. II.15 – Coefficient de corrélation entre les facteur de réflectivité mesurés par les deux
radars dans leur volume de mesure commun pour les portes 6 (a), 7 (b), 8 (c) et 9 (d) du
MRR2, pour le site de la campagne COPS.
radar en bande X était situé au pied des Vosges (croix rouge), à environ 5 km du
supersite V (croix bleue), sur le toit du Bischenberg au sommet d’une colline (360 m).
De cette façon, il permettait d’observer les crêtes des Vosges à l’Ouest et les plaines de
la vallée du Rhin à l’Est, tout en étant dans le champ de vue du radar polarimétrique en
bande C du DLR (Poldirad) installé spécialement pour la campagne à une trentaine de
kilomètres au Nord. De plus, la Figure II.13b montre qu’avec l’élévation habituelle (5°)
les mesures sont peu affectées par des échos de sol : seul le mont Sainte-Odile (avancée
des Vosges culminant à 764 m) produit des échos de sol à environ 8 km au Sud-Ouest
du radar. Malheureusement, il s’est avéré que des arbres à proximité du radar ont
créé un masque partiel du Nord au Nord-Ouest produisant une sous-estimation de la
réflectivité (non visible sur des mesures instantanées) dans cette direction. Le MRR2
— ce MRR est bien le même que celui utilisé à Clermont-Ferrand, mais on utilise un
autre numéro pour bien différencier les positions et les mesures — était quant à lui
situé dans la plaine du Rhin à quelques kilomètres du supersite V (155 m). Lors de
cette campagne, le LaMP ne possédait pas encore de disdromètre Parsivel, c’est donc
un disdromètre JW qui a été placé à proximité du MRR2.
Dans cette configuration, l’altitude du faisceau du radar en bande X est proche de
celle du site Clermontois (environ 2500 km à 20 km) avec un volume commun entre les
deux radars assez bas (moins de 1000 m) (Figure II.14). En revanche, cette fois-ci, le
MRR2 est à une altitude inférieure à celle du radar en bande X et le volume commun
est donc à une altitude au-dessus du sol (et donc du MRR2) beaucoup plus grande.
70 Chapitre II
4.2 Sites de mesure
Les miniatures de la Figure II.14 montrent qu’il se situe théoriquement dans les portes
7 à 8 du MRR2 et dans la porte 89 du radar en bande X. Néanmoins, l’interprétation
quantitative des mesures du MRR2 est toujours valide à cette altitude au-dessus du
radar.
Par ailleurs, de la même façon que pour le site Clermontois, la position du volume
commun en termes de numéro de porte et de direction a été vérifiée en calculant la
corrélation des mesures des deux radars (Figure II.15). Cette Figure confirme que la
corrélation est la meilleure pour les portes 7 et 8 du MRR2. En revanche, la meilleure
combinaison porte-azimut du radar en bande X semble être 88 et 134°, ce qui reste très
proche de ce que l’on a trouvé théoriquement.
4.2.3 Campagne CIDEX : Toulouse
La campagne CIDEX (de l’Anglais Calibration and Icing Detection EXperiment)

a eu lieu pendant l’hiver 2010 à Toulouse et avait pour objectif d’étudier la structure
microphysique des précipitations hivernales, de proposer et d’évaluer de nouvelles mé-
thodes d’étalonnage pour les radars polarimétriques et enfin de tester la capacité de
ces radars pour détecter et anticiper la présence de grosses gouttes d’eau surfondue
pouvant être responsables d’évènements de givrage. Pour cela, de nombreux radars de
recherche et des disdromètres ont été déployés entre Janvier et Mars 2010 sur différents
sites, aux alentours du radar polarimétrique en bande C utilisé de manière opération-
nelle à Toulouse.
X pour le site de la campagne CIDEX. La description détaillée de cette Figure est semblable
à celle de la Figure II.10 sans les triangles retournés bleus.
Le LaMP a participé à cette campagne en déplaçant ses radars et plusieurs disdro-

mètres. L’ensemble des équipements possédés par le LaMP s’étoffe d’années en années
et consistait lors de la campagne CIDEX, du radar en bande X, de deux MRRs et
de deux disdromètres Parsivel. Le radar en bande X était situé sur le toit du Météo-
Pôle (190 m) dans la banlieue de Toulouse, tandis que les radars MRR et les Parsivels
étaient disposés aux alentours, à Fonsorbes (200 m) à 13 km l’Ouest pour le MRR le
plus ancien (MRR3) et sur le site universitaire de Rangueil (160 m) à 7 km à l’Est
pour le plus récent (MRR5 — le numéro 4 étant réservé pour sa position sur le site
Clermontois) (Figure II.16a). Par ailleurs, le MRR (MRR6) du CNRM (Centre Na-
tional de la Météorologie) était placé à L’INRA (Institut National de la Recherche
Agronomique) à Castanet (150 m) à 11.5 km au Sud-Est et complète ce dispositif. Il
faut noter qu’un autre radar en bande X, futur remplaçant du radar en bande X du
LaMP à Clermont-Ferrand, avait également été placé à Castanet. Un pluviomètre et
deux disdromètres Parsivel ont été colocalisés avec les différents MRR. La Figure II.16a
montre que le relief est très faible autour de Toulouse, ainsi, avec l’élévation habituelle
de 5°, mis à part les problèmes dus aux bâtiments à proximité du radar en bande X
(moins de 3 km), il n’y a aucun écho de sol qui persiste après suppression de la carte
d’échos de sol (Figure II.16b).
Le tracé des faisceaux du radar en bande X et des trois MRRs sur les Figures II.17a,
b et c montre que l’altitude moyenne de leurs volume commun varie entre 750 m et
1250 m environ, principalement selon la distance des MRRs au radar en bande X. Ces
volumes communs ne sont pas particulièrement élevés, mais, comme les mesures ont
été faites en hiver, la phase glace peut régulièrement avoir été présente à des altitudes
même inférieures. L’interprétation quantitative des mesures des MRRs doivent donc
être faites avec précautions. Les miniatures de la Figure II.17 permettent de déterminer
les positions théoriques des volumes communs : portes 10 à 14 du MRR3 avec la porte
228 du radar en bande X, portes 6 à 8 du MRR5 avec la porte 119 du radar en bande
X et portes 9 à 13 du MRR6 avec la porte 201 du radar en bande X. Ces images
montrent que ce volume commun se situe bien à des altitudes au-dessus des MRRs
où l’interprétation quantitative des mesures est encore valide mais sont à la limite
maximale pour les MRRs 3 et 6.
Comme pour les autres sites de mesure, les positions des différents volumes com-
muns ont été vérifiées en terme de numéro de porte et de direction à l’aide des données
mesurées (Figures II.18a, b et c). Cette fois, il faut prendre garde des cas où les me-
sures ont pu être contaminées par la phase glace. Les portes des MRRs choisies pour
les Figure II.18a, b et c sont celles où la corrélation est la meilleure. Ces Figures
confirment parfaitement les positions des volumes communs en termes de combinaison
porte-azimut du radar en bande X. L’altitude du volume commun pour le MRR5 est
bonne, en revanche, elle n’est pas centrée par rapport aux valeurs théoriques pour les
MRRs 3 et 6 (elle est même inférieure pour le MRR3).
De plus, on s’aperçoit que plus l’altitude du volume commun augmente, plus la
corrélation est faible. Cela peut être dû au fait que quand l’altitude au-dessus des
MRRs augmente, l’atténuation est de moins en moins bien évaluée. Mais, comme le
relief a peu d’importance autour de Toulouse, lorsque l’altitude du volume commun
augmente, cela signifie aussi que la distance au radar en bande X augmente. Ainsi, la
détérioration du coefficient de corrélation peut aussi être due à la sous-estimation des
mesures du radar en bande X à cause de l’atténuation, mais également à la différence de
taille entre les volumes d’échantillonnage des radars qui est croissante avec la distance
au radar en bande X. Par exemple, lors de précipitations très hétérogènes, l’observation
d’une petite cellule de précipitations intenses avec le MRR3 (qui, pour rappel, est situé
à 13 km du radar en bande X) a beaucoup de chance de ne pas remplir de manière
homogène le volume d’échantillonnage correspondant du radar en bande X et sera sous-
estimée par ce dernier. À l’inverse, une cellule intense mesurée par radar en bande X
peut ne pas être contenue dans le volume d’échantillonnage du MRR3, ce qui produira
une sous-estimation de la réflectivité par le MRR. Cet effet est évidemment plus faible
72 Chapitre II
4.2 Sites de mesure
(a)
4
MRR3
Radar bande X
3.5
Altitude ASL [km]

2.5
1.5
0.5
0
0 5 10 15 20 25 30
(b)
4
MRR5
Radar bande X
3.5
3
Altitude ASL [km]
2.5
1.5
0.5
0
0 5 10 15 20 25 30
(c)
4
MRR6
Radar bande X
3.5
3
Altitude ASL [km]
2.5
1.5
0.5
0
0 5 10 15 20 25 30
Fig. II.17 – Altitude et forme du volume commun entre le radar en bande X et les MRRs
3 (a), 5 (b) et 6 (c) pour le site de la campagne CIDEX. La description détaillée de cette
Figure est semblable à celle de la Figure II.11 à l’exception des miniatures qui présentent des
vues rapprochées de face (haut) et de côté (bas) pour chaque MRR.
pour le MRR5 qui n’est qu’à 7 km du radar en bande X. D’ailleurs, l’étude détaillée
des coefficients de corrélations pour chaque cas montre que la présence de phase glace
dans le volume commun n’altère pas autant la corrélation qu’une forte hétérogénéité
des précipitations.
5 Conclusion

260 1 110 0.7
1
0.6 0.5
0.6
5 0.95 0.95
0.75
0.65 0.65 0.9 0.75 0.9
255 105 5
0.7
0.6 0.7 0.8
0.
0.85
65
0.85
Direction radar X
Direction radar X
0.7
0.7
0.7 0.8
0.75 0.8 0.85 0.8
0.75
0.8
0.9
0.8
5
250 65 0.75 100 0.75
0.7
0.75
5
0.
0.9
0.85
0.7 0.7 0.7 0.7
0.65
0.6 0.85
0.65 0.65
0.8
0.65 0.6 0.8
245 95
0.65
75
0.6 0.8 0.6
0.
0.6
0.55 0.55
5
0.75
0.5
0.7
0.7
0.6 0.75
0.7
240 0.5 90 0.5
215 220 225 230 235 240 105 110 115 120 125 130
(c) MRR6 : Porte 10 Corrélation
126 1
0.6
0.6
124 0.95
0.65 0.6
5
0.6
122 0.9
0.7 0.7
0.
120 0.85
65
Direction radar X
0.75
0.
7
118 0.8
0.8 0.7
5
116 0.75
0.65
0.8
0.7
114 0.7
5
0.7 0.75
0.7
112 0.7 0.65
5
0.65 0.6
110 0.65
0.6
0.6
0.6
108 0.55
0.6 0.6
106 0.5
190 195 200 205 210 215
Porte radar X
Fig. II.18 – Coefficient de corrélation entre les facteurs de réflectivité mesurés par le radar
en bande X et les MRRs 3 (a), 5 (b) et 6 (c) dans leur volume de mesure commun respectif.
5 Conclusion
Pour conclure, on dispose donc d’un ensemble de données important et à fort poten-
tiel. Globalement, les radars ont fonctionné en continu pendant environ trois années et
ont enregistré les mesures d’évènements nombreux et variés de précipitations, aussi bien
convectives (pendant la campagne COPS et les étés 2008 et 2009 à Clermont-Ferrand)
qu’hivernales (pendant la campagne CIDEX et les hivers à Clermont-Ferrand).
Par ailleurs, le calcul du coefficient de corrélation entre les données des radars est
suffisant pour l’utilisation que l’on voulait en faire dans cette Partie, à savoir, dé-
terminer les positions des volumes communs entre les radars. Mais c’est une analyse
qui reste très préliminaire. En effet, pour des comparaisons plus poussées, les données
brutes doivent subir de nombreux traitements : étalonnage, filtrage, calcul de l’atté-
nuation (pour le radar en bande X), etc. Ces différents traitements font l’objet des
Chapitres III et IV.
74 Chapitre II
Chapitre III
Traitement des données du

Micro Rain Radar
A insi qu’on l’a détaillé au Chapitre I, la mesure de la pluie par radar est soumise à
de nombreuses incertitudes telles qu’un bon étalonnage du radar et l’atténuation
des ondes électromagnétiques dans l’atmosphère (Villarini et Krajewski, 2010),
par exemple. On a vu que certaines de ces erreurs peuvent être corrigées plus ou moins
facilement. Ainsi, pour tendre vers des estimations quantitatives des précipitations, il
est nécessaire de traiter les données de manière précise afin de corriger un maximum de
ces erreurs. Dans ce Chapitre, on décrira les différentes méthodes qui ont été abordées
pour traiter les données du radar MRR : l’élimination du bruit de la mesure (Section 6),
un calcul amélioré de l’atténuation (Section 7), la détection du repliement spectral
causé par le vent vertical (Section 8), puis nous mettrons en évidence le problème de la
première porte (Section 9) et enfin, nous détaillerons l’étalonnage du MRR (Section 10).
Même si certaines de ces étapes du traitement des données du MRR ont déjà été décrites
dans la littérature et codées dans le logiciel de traitement fourni par le constructeur,
l’ensemble des méthodes décrites ici ont été (re-)codées pour des raisons diverses telles
que la détermination de la meilleure méthode pour l’élimination du bruit de la mesure
ou parce que l’amélioration du calcul de l’atténuation n’avait pas encore été proposée
lorsque le logiciel a été acquis.
6 Élimination du bruit de la mesure
6.1 Motivation
Les spectres Doppler observés par le MRR sont inévitablement contaminés par
du bruit qui peut être externe (interférences, bruit cosmique) ou interne au système
radar (bruit électronique ou thermique). Si ce bruit est ignoré, un taux de précipitation
faible mais persistant sera déduit, provoquant une surestimation significative du cumul
de précipitation. De plus, la forme de la distribution des gouttes déduite par le radar
peut être fortement perturbée. Prenons par exemple un spectre individuel (1) brut,
(1). On a vu qu’en réalité un spectre individuel est issu d’une moyenne incohérente d’environ
150 spectres
75
(b) MRR 500m AGL:16-Jun-2007 11:35:04

−4
(a) MRR 500m AGL:16-Jun-2007 11:35:04 10
−5
10
Réflectivité volumique spectrale

−5
10
−6
10
η(D,z) [m2 m−3 mm−1 ]

η(fD ,z) [m2 m−3 Hz−1 ]
−6
−7 10
10
−7
10
−8 10
−9 −8
10 10
−10 −9
10 10
0 500 1000 1500 2000 0 1 2 3 4 5 6
Fréquence Doppler fD [Hz] Diamètre des gouttes D [mm]
(d) MRR 500m AGL:16-Jun-2007 11:35:04

5
(c) Inverse de la section de rétrodiffusion de Mie 10
12
10
3
10
10
Spectre de gouttes
10 N [mm−1 m−3 ]
1
10
σ −1 [m−2 ]
8
10 −1
10
−3
6 10
10
−5
10
4
0 1 2 3 4 5 6
10 Diamètre des gouttes D [mm]
0 1 2 3 4 5 6
Diamètre des gouttes D [mm]
Fig. III.1 – Influence du bruit s’il n’est pas supprimé du spectre en fréquence de la réflectivité
radar mesuré par le MRR (a), pour la déduction de la distribution de gouttes (d) en divisant
le spectre en diamètre de la réflectivité radar (b) par la section de rétrodiffusion radar (c).
Les traits continus gris et les traits pointillés noirs des graphes (a), (b) et (d) représentent le
spectre mesuré avant et après l’élimination du bruit, respectivement.
mesuré par le MRR (Figure III.1a, trait continu gris). Le signal correspondant aux
précipitations est la forme centrale en “cloche”. Il est superposé à un signal (le bruit)
de densité spectrale de puissance pratiquement constante à toutes les fréquences : dans
ce cas, c’est un bruit blanc mais il peut parfois aussi être coloré (comme sur les autres
spectres de le Figure III.4). L’élimination du bruit permet de ne conserver que le spectre
correspondant aux précipitations (en trait pointillé noir). On a vu au Chapitre II que
l’on peut déduire facilement le spectre en diamètre de la réflectivité radar grâce à la
relation entre la fréquence et la vitesse Doppler puis grâce à la relation entre la vitesse et
le diamètre des gouttes (Figure III.1b). Ensuite, on déduit directement la distribution
de gouttes en divisant le spectre en diamètre de la réflectivité radar par la section
efficace de rétrodiffusion des gouttes σ (D), d’après l’Équation I.47. La variation de
l’inverse de σ (D) est tracée sur la Figure III.1c. Cette Figure montre que la section
efficace de rétrodiffusion d’une goutte de petit diamètre est très faible et que son inverse
est donc très élevée (de l’ordre de 1012 m−2 pour des diamètres de 0.5 mm). Ainsi, la
division des valeurs correspondantes du spectre en diamètre, même si elles sont elles-
mêmes aussi faibles que du bruit (de l’ordre de 10−7 m2 m−3 mm−1 ), par la section
efficace de rétrodiffusion peut entraîner des fortes valeurs de concentration en gouttes
(105 mm−1 m−3 , Figure III.1d). De plus, les extrémités de la distribution de gouttes
76 Chapitre III
6.2 Méthode de Hildebrand et Sekhon
auront une forme concave (trait continu gris) dictée par la forme de l’inverse de la
section efficace de rétrodiffusion, qui est contraire à la forme naturelle convexe (trait
pointillé noir) de la distribution de gouttes produite par les précipitations. Ainsi, le
bruit étant souvent inférieur au signal météorologique de plusieurs ordres de grandeur,
il peut être négligé dans les classes contenant du signal (sa soustraction est invisible sur
les Figures III.1a, b et d), mais il a une influence importante dans les classes entourant
le signal. Il est donc primordial d’estimer de la manière la plus correcte possible le
niveau de bruit, c’est-à-dire, la puissance en-dessous de laquelle le spectre est dominé
par le bruit de l’instrument plutôt que par le signal renvoyé par les cibles.
À cause des nombreuses opérations entre la réception du signal et le spectre final, ce
niveau de bruit n’est malheureusement pas constant dans le temps. Certains auteurs
comme Sekhon et Srivastava (1971) ont donc proposé d’estimer le niveau de bruit
par rapport à la valeur du maximum spectral ou à la moyenne du spectre en entier.
Ces méthodes simples ne sont hélas pas satisfaisantes (Atlas et al., 1973; Hildebrand
et Sekhon, 1974). Plusieurs méthodes plus complexes ont donc été proposées pour
déduire cette valeur. Deux de ces méthodes (méthode de METEK (2005)) et méthode
de Urkowitz et al. (1994), décrites dans les paragraphes suivants) sont proposées dans
le logiciel de traitement des données du MRR fourni par le constructeur, mais aucune
indication n’est donnée sur celle à utiliser préférentiellement. Ainsi, dans les sections
suivantes, ces méthodes ont été ré-étudiées en détails et appliquées à plusieurs examples
de données afin de faire un comparatif de l’efficacité de chacune d’elles.
Pour cela, on définit un spectre f par sa densité spectrale de puissance si aux
fréquences xi pour i allant de 1 à n (pour le MRR, n vaut 64).
6.2 Méthode de Hildebrand et Sekhon (1974)
À une fréquence donnée, les composantes du signal dues aux précipitations et au

bruit du système radar sont toutes les deux Gaussiennes. Mais, en partant du principe
que seul le spectre du bruit est blanc (c’est-à-dire que sa densité spectrale de puissance
est la même pour toutes les fréquences), Hildebrand et Sekhon (1974) proposent une
méthode statistique pour déterminer le niveau de bruit : elle consiste à éliminer les
valeurs les plus grandes du spectre une par une jusqu’à ce que les valeurs restantes
vérifient les propriétés statistiques du bruit. Pour cela, ils utilisent deux tests qui sont
décrits dans les paragraphes suivants.
6.2.1 Test R1 - Variance d’un bruit blanc
Soit g (x) une loi uniforme telle que g (x) = 1/ (b − a) pour x ∈ [a, b] et 0 sinon.
Alors l’espérance E [x] et la variance V [x] de g (x) valent :
∫ ∞ b+a
E [x] = xg (x) dx = (III.1)
−∞ 2
[ ] (b − a)2
V [x] = E x2 − E [x]2 = . (III.2)
12
Ainsi, un spectre blanc, discret ou continu, qui s’étend sur un intervalle de fréquence
2
F a une variance égale à σunif = F 2 /12.
Traitement des données MRR 77

La variance d’un spectre discret quelconque dont les valeurs de la densité spectrale
de puissance sont si , aux fréquences xi pour i allant de 1 à n, est égale à :
∑ (∑ )
x2 si si si 2
σ = ∑i −
2
∑ . (III.3)
si si
Hildebrand et Sekhon (1974) proposent de calculer le rapport entre ces deux variances :
2
R1 = σunif /σ 2 . Alors, ce rapport peut être utilisé pour déterminer le niveau de bruit :
si le spectre contient un signal météorologique, R1 est supérieur à 1, en revanche, s’il
ne reste que du bruit blanc, R1 doit être égal à 1.
6.2.2 Test R2
On considère que le bruit est Gaussien et de moyenne nulle, c’est-à-dire qu’il suit une
loi Normale centrée (Petitdidier et al., 1997). S’il n’y a pas de signal météorologique,
c’est-à-dire que seul du bruit est mesuré, alors, après les transformées de Fourier, les
composantes spectrales réelles X et imaginaires Y de chaque classe de fréquence suivent
également des distributions Normales centrées. On peut démontrer que la puissance
spectrale Z = X 2 + Y 2 de chaque classe suit alors une loi Exponentielle, pour laquelle
la variance et l’espérance sont reliées par V [x] = E [x]2 . De plus, comme on fait une
moyenne incohérente sur plusieurs spectres, on obtient une loi Gamma dont la variance
est égale à V [x] = E [x]2 /p où p est le nombre de spectres utilisés pour faire la moyenne,
c’est-à-dire, le nombre d’intégrations incohérentes.
Par ailleurs, puisque le signal est un bruit blanc, on peut calculer l’espérance et la
variance du signal mesuré dans une classe de fréquence à partir d’un spectre unique,
en utilisant les valeurs des autres classes de fréquence comme si elles représentaient
plusieurs réalisations de cette même mesure.
Hildebrand et Sekhon (1974) proposent alors de calculer le rapport
E [x]2 1
R2 = (III.4)
p V [x]
où p est le nombre d’intégration incohérentes, et où l’espérance E [x] et la variance V [x]
sont calculées à partir des valeurs du spectre en question. Dans ce cas, leurs expressions
sont :
∑
si
E [x] = (III.5)
n
∑ 2 ( ∑ )2
si si
V [x] = − , (III.6)
n n
où si représente la valeur de la densité spectrale de puissance de chaque classe, i allant
de 1 à n. De la même façon, ce rapport peut être utilisé pour déterminer le niveau de
bruit : si le spectre contient un signal météorologique, R2 est inférieur à 1, en revanche,
s’il ne reste que du bruit blanc et Gaussien, R2 doit être égal à 1.
6.3 Méthode de METEK (2005)

Cette méthode s’inspire directement des tests de Hildebrand et Sekhon (1974) en
partant de l’hypothèse que le bruit est un bruit blanc. De la même façon, les éléments
78 Chapitre III
6.4 Méthode de Urkowitz
les plus grands du spectre sont éliminés un par un jusqu’à ce que les éléments restants
vérifient les propriétés statistiques du bruit. En revanche, au lieu de faire des tests par
rapport à une valeur théorique, les variances des spectres sont comparées l’une par
rapport à l’autre à chaque itération : si après l’élimination d’un élément du spectre,
la variance devient plus grande que celle de l’itération précédente, on considère que le
spectre ne contient alors plus que du bruit. Pour ce test, on calcule donc le rapport R
des variances successives.
De plus, si l’on fait l’hypothèse que le bruit est Gaussien, le test peut également
être fait sur la valeur moyenne du spectre puisqu’elle est égale à la variance au facteur
“nombre d’intégrations incohérentes” près. Cette méthode est plus facile à appréhender
de cette façon : si la moyenne augmente après l’élimination de l’élément du spectre le
plus grand, cela signifie que cet élément ne se distingue pas du reste du spectre et que
ce dernier n’est donc constitué plus que de bruit.
6.4 Méthode de Urkowitz et al. (1994)

6.4.1 Description de la méthode
Urkowitz et al. (1994) affirment que la méthode de Hildebrand et Sekhon (1974) est
limitée pour des raisons à la fois pratiques et théoriques. C’est notamment l’hypothèse
que le bruit est Gaussien qui n’est pas forcément valide, surtout en cas de bruit non-
thermique comme un bruit temporaire dû à un éclair ou un moteur électrique. De plus,
les rapports R1 et R2 peuvent approcher la valeur 1 sans l’atteindre et le problème
devient de savoir de combien ces rapports doivent être proches de 1 pour remplir la
condition voulue.
De la même façon que Hildebrand et Sekhon (1974), Urkowitz et al. (1994) pro-
posent d’éliminer les éléments les plus grands du spectre un par un jusqu’à ce que les
éléments restants aient les propriétés statistiques du bruit, mais cette fois ci, c’est le
test de Kolmogorov-Smirnov (test KS) qui permettra de le vérifier. Celui-ci permet
de tester l’hypothèse que les valeurs observées proviennent d’une population décrite
par une loi de probabilité théorique choisie. Urkowitz et al. (1994) partent de la seule
hypothèse que le bruit des mesures est un bruit blanc et proposent de le vérifier en
utilisant le test de Kolmogorov-Smirnov appliqué à une loi de probabilité uniforme.
À chaque itération, les éléments si = f (xi ), i allant de 1 à n, du spectre sont rangés
de manière croissante et on calcule leur densité de probabilité cumulée F (x) normalisée
par la somme de tous ces éléments :
∑
k
si
i=1
F (xk ) = . (III.7)
∑
N
si
i=1
F correspond donc aux probabilités cumulées du spectre f : chaque élément F (xk )

est la probabilité que les éléments du spectre f ont d’être inférieur à xk , c’est-à-dire
que c’est la fonction de répartition discrète du spectre. Cette fonction de répartition
a la forme d’une courbe en escalier croissante, dont les valeurs vont de 0 à 1. Si la
puissance échantillonnée est celle du bruit uniquement, le spectre aura la forme d’une
loi uniforme et les marches de la fonction de répartition auront une hauteur régulière. Si

au contraire, il reste un signal météorologique dans le spectre, la cumulative s’éloignera

de cette forme régulière car certaines marches (les dernières) seront plus hautes que les
autres.
Le test KS est utilisé pour évaluer à quel point la fonction de répartition F se
rapproche de la fonction de répartition uniforme avec l’Équation suivante :

k
T = max − F (xk ),
k = 1, . . . , n (III.8)
N
où k/n est la pente idéale de la fonction de répartition d’une loi uniforme. T est donc
la différence entre la pente idéale et la marche k où cette différence est maximum. Si
T est supérieur à un seuil w1−α correspondant au niveau de confiance 1 − α, alors on
passe à l’itération suivante en supprimant l’élément du spectre le plus grand.
Les itérations continuent jusqu’à ce que la valeur T issue du test statistique soit
inférieure ou égale à w1−α . À cet instant, on ne peut pas exclure, avec le niveau de
confiance 1 − α, que les éléments restants dans le spectre ne soient pas engendrés par
une loi uniforme et la moyenne de ces éléments permet de déterminer le niveau de bruit
avec cette même confiance.
La limite w1−α est déterminée avec la table du test KS à partir de deux paramètres
qui sont le niveau de confiance 1 − α et le nombre d’éléments restants dans le spectre
N . D’après Ferignac (1962), pour un grand nombre d’échantillons (N > 36), la valeur
w1−α est bien approximée par l’équation :
w1−α = K (N + 0.12 + 0.11/N )− 2

1
(III.9)
où K vaut 1.07, 1.22, 1.36, 1.52 et 1.63 pour α = 0.2, 0.1, 0.05 et 0.01, respectivement.
Les spectres mesurés par le MRR comportant 64 classes, on peut considérer que l’on
a un nombre d’échantillons suffisamment grand pour appliquer l’Équation III.9, mais
comme le nombre d’éléments dans le spectre diminue à chaque itération, il faut tout
de même que le signal correspondant aux précipitations ne soit pas trop large afin que
le bruit soit visible sur suffisamment de classes.
6.4.2 Réflexion sur la méthode
On souhaite déterminer le niveau de bruit avec la meilleure précision possible. A

priori, il paraît évident qu’il faut pour cela choisir le risque α le plus faible possible.
Mais, pour bien faire ce choix il faut faire un rappel du concept des tests statistiques
afin de mieux cerner les hypothèses sous-entendues par ce test. Ces hypothèses sont :
H0 : Tous les éléments restant dans le spectre sont du bruit blanc.
H1 : Certains des éléments restant dans le spectre sont du signal correspondant aux
précipitations.
Lorsque l’on fait le test, une seule de ces deux hypothèses est vraie. Selon l’hypothèse
vraie dans la situation considérée, le test peut donc produire quatre résultats différents
résumés dans le Tableau III.1. Ce Tableau montre que l’on souhaite non seulement
maximiser le niveau de confiance 1−α (accepter H0 lorsqu’elle est vraie) mais également
la puissance 1 − β du test (rejeter H0 lorsqu’elle est fausse). Le problème est que, même
si les deux risques ne sont pas directement liés, lorsque l’on minimise le risque α, le
80 Chapitre III
Tab. III.1 – Résultats du test de Kolmogorov-Smirnov et leurs probabilités. La probabilité α

est le risque de rejeter H0 à tort, c’est le risque de première espèce. À l’opposé, la probabilité
β est le risque d’accepter H0 à tord, c’est le risque de deuxième espèce. Par ailleurs, la
probabilité 1 − α est le niveau de confiance et la probabilité 1 − β s’appelle la puissance du
test.
H0 vraie (probabilité) H1 vraie (probabilité)

H0 acceptée bonne décision (1-α) erreur (β)
H1 rejetée erreur (α) bonne décision (1-β)
risque β augmente inévitablement, en particulier lorsque le nombre d’échantillons est

faible (Ferignac, 1962). Le problème n’est donc pas aussi simple que ce que l’on pouvait
croire a priori car, en choisissant un niveau de confiance 1 − α plus élevé, on est de plus
en plus certain de conclure qu’il ne reste plus que du bruit lorsque c’est le cas, mais on
a également plus de chances de conclure qu’il ne reste plus que du bruit lorsque qu’il
reste encore un signal dû aux précipitations. Donc, pour choisir un niveau de confiance
1 − α adapté, il faut également prendre en compte la puissance du test 1 − β.
À l’aide des travaux de Massey (1951) et (Ferignac, 1962), il est possible de calculer
les valeurs de β pour quelques valeurs de α dans nos conditions d’application du test
KS. Lorsqu’il reste du signal dû aux précipitations, l’écart maximum T est grand, ce qui
implique que la puissance du test 1−β est très bonne quel que soit le niveau de confiance
1−α choisi. En revanche, lorsqu’il ne reste plus que du bruit dans le spectre, l’écart T est
très faible et comme on est en présence d’effectifs assez limités (surtout avec des spectres
de précipitation larges qui obligent d’éliminer beaucoup d’éléments), quel que soit le
niveau de confiance 1 − α choisi, la puissance du test 1 − β diminue jusqu’à des valeurs
aussi faibles que 0.15. La puissance 1 − β diminue tout de même moins vite lorsque le
niveau de confiance 1 − α n’est pas trop contraignant. On porte donc le choix de α sur
une valeur intermédiaire égale à 0.01. Néanmoins, cette étude montre que les effectifs en
question atteignent la valeur minimale permettant d’appliquer le test de Kolmogorov-
Smirnov. Un spectre ayant une meilleure résolution ou étant plus large (avec un plus
grand nombre de classes, 128 classes permettant d’effectuer une transformée de Fourier
rapide (ou Fast Fourier Transformation en anglais), par exemple) donnerait lieu à un
niveau de confiance meilleur tout en gardant une puissance de test élevée, et donc une
meilleure précision sur la détection du niveau de bruit. Dans les conditions actuelles
avec α = 0.01, on est pratiquement certain de conclure qu’il ne reste plus que du bruit
dans le spectre lorsque c’est vrai, mais il y a un risque important que l’on tire également
cette conclusion alors qu’il reste du signal. Ceci a pour effet de régulièrement surestimer
le niveau de bruit, en particulier en cas de spectre intense et large, mais dans ce cas, le
niveau de bruit surestimé est toujours inférieur au niveau du signal de plusieurs ordres
de grandeur (Peters et al., communications personnelles). On comprend alors qu’une
surestimation du niveau de bruit aura peu d’impact, alors qu’une sous-estimation peut
produire de fortes concentrations de petites gouttes qui auront un effet rédhibitoire
sur le traitement des données (voir Section 6.1). C’est pour cela que la valeur α a été
choisie de façon à légèrement surestimer le niveau de bruit.

6.4.3 Exemples de l’application de la méthode
Les Figures III.2 et III.3 montrent des exemples de l’application de la méthode

Urkowitz sur des spectres obtenus avec le MRR. Les Figures III.2a et b montrent
l’évolution de la valeur T (Équation III.8) issue du test KS en fonction du nombre
d’éléments restants dans le spectre, de 64 (le nombre de classes contenues dans le
spectre) à 0. Les valeurs de T se lisent donc de droite à gauche. Étudions en détail leur
comportement dans la Figure III.2a correspondant au spectre de la Figure III.3a. Elles
sont d’abord élevées (environ 5) et sont assez stables jusqu’à ce qu’il ne reste plus que
50 classes dans le spectre. Cette stabilité s’explique par le fait que les classes enlevées
en premier correspondent toutes au spectre des précipitations et ont sensiblement les
mêmes valeurs. Le retrait de la valeur la plus haute a donc peu d’effet. En revanche, dès
qu’il reste peu de classes correspondant au signal des précipitations, le fait d’en enlever
une va considérablement faire diminuer la valeur de T : c’est le cas pour les valeurs
du nombre de classes allant de 50 à 35 environ. En-dessous de 30 classes, il ne reste
plus que des classes correspondant au bruit et qui ont donc des valeurs très proches les
unes des autres. Les valeurs de T redeviennent donc très stables jusqu’à ce qu’il n’y
ait plus aucune classe dans le spectre. Le niveau de confiance 1 − α choisi n’a aucune
influence sur le calcul de T , en revanche, c’est lui qui permet de déterminer le seuil
w1−α indiquant si on a atteint le niveau de bruit (Équation III.9). Les valeurs de ce
seuil pour différentes valeurs de α sont également tracées sur la Figure III.2a. Lorsque
la valeur de T devient inférieure au seuil correspondant au niveau de confiance choisi,
on considère que les éléments restant dans le spectre correspondent au bruit. On voit
donc que, même si cela peut paraître contradictoire, plus on augmente le niveau de
confiance (1-α), plus il y a d’éléments inclus dans le bruit : en réalité, comme on l’a vu
dans le paragraphe précédent, l’augmentation du niveau de confiance diminue le risque
α de conclure qu’il reste encore un signal dû aux précipitations alors qu’il ne reste plus
que du bruit mais augmente le risque β de conclure qu’il ne reste plus que du bruit
alors qu’il reste encore un signal dû aux précipitations. Par ailleurs, il faut noter que
l’Équation III.9 reliant le seuil w1−α au niveau de confiance est valable pour un nombre
d’échantillons N élevé (N > 36), or on voit bien sur la Figure III.2a que la méthode
s’arrêtera à des valeurs proches de 36, et même inférieures. Cela n’aurait que très peu
d’importance dans le cas présent, mais dans le cas d’un spectre de précipitations plus
large, l’idéal serait d’utiliser la table du test KS pour calculer le seuil w1−α en fonction
de N pour des petits effectifs.
La Figure III.3a présente le spectre en fréquence sur lequel la méthode a été ap-
pliquée dans la Figure III.2a. On voit que ce spectre a une forme régulière et que
notamment, le bruit autour du spectre est bien stable et fluctue peu. Ce spectre est
donc adapté pour étudier le comportement de la méthode dans des conditions idéales.
Sur cette Figure sont aussi affichés les différents niveaux de bruit, correspondant à
la moyenne des éléments restants dans le spectre selon le niveau de confiance choisi.
En réalité, le niveau de confiance a peu d’importance dans le cas présent puisque les
niveaux de bruit déterminés sont très proches et se distinguent difficilement. Pour ce
spectre presque idéal, la méthode de Urkowitz et al. (1994) donne une très bonne
estimation du niveau de bruit.
À l’opposé, les Figures III.2b et III.3b montrent l’application de la méthode sur un
spectre beaucoup moins commode où le bruit est variable au point que l’on peut se
demander si c’est réellement un bruit blanc, et si ce signal n’est pas perturbé par une
82 Chapitre III
(a) Suppression du bruit : 16-Jun-2007 11:35:04 (b) Suppression du bruit : 16-Jun-2007 11:38:04
5 5
α=0.2 α=0.2
α=0.1 α=0.1
α=0.01 α=0.01
α=0.001 α=0.001
4 4
Valeurs du test KS
Valeurs du test KS
3 3
2 2
1 1
0 0
10 20 30 40 50 60 10 20 30 40 50 60
Nombre de bin restants Nombre de bin restants
Fig. III.2 – Application de la méthode de Urkowitz et al. (1994) dans le cas où le bruit est
plutôt stable (a) ou fluctuant (b) et limites correspondant aux différentes valeurs du niveau
de confiance 1 − α.
(a) MRR 500m AGL:16-Jun-2007 11:35:04 (b) MRR 500m AGL:16-Jun-2007 11:38:04
−5 −5
10 10
Réflectivité volumique spectrale brute
−6 −6
10 10
η(fD ,z) [m2 m−3 Hz−1 ]
η(fD ,z) [m2 m−3 Hz−1 ]
−7 −7
10 10
−8 −8
10 10
−9 −9
10 10
0 500 1000 1500 2000 0 500 1000 1500 2000
Fréquence Doppler fD [Hz] Fréquence Doppler fD [Hz]
Fig. III.3 – Niveau du bruit détecté avec la méthode de Urkowitz et al. (1994) dans le cas
où il est plutôt stable (a) ou fluctuant (b) selon différentes valeurs du niveau de confiance
1 − α.
source extérieure (un nuage par exemple). Dans ce cas, le comportement de T sur la
Figure III.2b est beaucoup moins net et, quel que soit le niveau de confiance choisi,
lors de la soustraction du niveau de bruit au spectre, certains éléments du bruit seront
conservés (autour de 500 Hz). Néanmoins, l’estimation du bruit moyen est bonne quel
que soit le niveau de confiance. Le choix de la valeur intermédiaire 1 − α = 0.99 est
confirmé par ces résultats.
On s’aperçoit sur ce type de spectres qu’il serait plus judicieux de déterminer le

niveau de bruit à grande distance, là où le signal n’existe plus, comme cela est fait
classiquement. C’est malheureseuement impossible avec le MRR puisque sa portée est
relativement courte, et si des précipitations sont observées, c’est généralement le cas
jusqu’à la portée maximale du radar.

6.5 Étude comparative des différentes méthodes
Afin de vérifier l’efficacité de ces différentes méthodes et de choisir la meilleure, on a

comparé leur comportement sur divers spectres. Les Figures III.4a, c et e illustrent l’ap-
plication des différentes méthodes sur les spectres représentés dans les Figures III.4b,
d et f, respectivement. Les courbes des Figures III.4a, c et e représentent les variations
des tests R1 et R2 de la méthode de Hildebrand et Sekhon (1974), du rapport R des
variances pour la méthode de METEK (2005) et du résultat T du test KS pour la
méthode de Urkowitz et al. (1994), en fonction du nombre d’éléments restants dans le
spectre. Les lignes en pointillés représentent les seuils correspondant aux méthodes, en
bleu (à l’ordonnée 1) pour les rapports R, R1 et R2 , et en rouge pour le test T de KS
avec le risque α = 0.01.
Le comportement des quatre méthodes lorsque le nombre de classes restantes dimi-
nue est similaire pour les trois spectres étudiés et peut être généralisé :
Méthode de Hildebrand et Sekhon (1974) (R1 ) : Le rapport R1 passe plusieurs
fois le seuil 1 dans les deux sens, ce qui n’est pas prévu par la théorie. Une esti-
mation convenable du bruit semble être de détecter quand il passe d’une valeur
inférieure à l’unité à une valeur supérieure pour la première fois. Malheureuse-
ment, ce test n’est pas fiable et, quand le comportement de R1 n’est pas simple, il
risque de conduire à des erreurs. Par exemple, dans le cas du troisième spectre, le
niveau de bruit retrouvé est beaucoup trop élevé parce que R1 passe à une valeur
légèrement inférieure à l’unité autour d’un nombre d’éléments restants dans le
spectre égal à 53.
Méthode de Hildebrand et Sekhon (1974) (R2 ) : Comme prévu par la théorie,
le rapport R2 commence avec des valeurs inférieures à l’unité et finit avec des
valeurs supérieures. Mais, à l’exception du premier spectre, le passage par la
valeur 1 est beaucoup trop tardif. Cette méthode sous-estime donc largement le
niveau de bruit.
Méthode de METEK (2005) (R) : Le rapport des variances R démarre avec une
valeur proche mais inférieure à l’unité. Après la suppression des premiers élé-
ments, R commence par diminuer puis ré-augmente à la suppression des éléments
proches du niveau de bruit. Malheureusement, R approche souvent la valeur 1
sans forcément l’atteindre et ainsi, le niveau de bruit est largement sous-estimé
pour le deuxième et le troisième spectre. Donc, la difficulté pour ce test réside
dans le fait de décider de combien doit approcher R de l’unité pour considérer
l’on a atteint le niveau de bruit. Ce test n’est donc pas réellement applicable.
Méthode de Urkowitz et al. (1994) (T ) : Le test de KS est la méthode qui donne
les variations les plus nettes pour les trois spectres considérés. Son comportement
a déjà été décrit dans le paragraphe sur la description du test. L’estimation du
niveau de bruit est bonne pour les trois cas considérés.
Pour résumer, le test R2 de Hildebrand et Sekhon (1974) sous-estime le niveau de
bruit (cette méthode étant la seule qui fait l’hypothèse que le bruit doit être Gaussien,
sa défaillance montre que cette hypothèse n’est peut-être pas valide) et la méthode de
METEK (2005) présente des difficultés techniques, tandis que le test R1 de Hildebrand
et Sekhon (1974) et la méthode de Urkowitz et al. (1994) fournissent pratiquement les
même estimations mais la méthode de Urkowitz et al. (1994) est moins sensible aux
84 Chapitre III
6.5 Étude comparative des différentes méthodes
(a) Suppression du bruit : 16-Jun-2007 11:35:04 (b) MRR 500m AGL:16-Jun-2007 11:35:04
−5
5 10
METEK
Urkowitz

Hildebrand R1
4 Hildebrand R2 −6
10
η(fD ,z) [m2 m−3 Hz−1 ]

Valeurs des tests
3 −7
10
2
−8
10
1
−9
10
0 500 1000 1500 2000
0 Fréquence Doppler fD [Hz]
10 20 30 40 50 60
Nombre de bin restants
(c) Suppression du bruit : 16-Jun-2007 11:38:04 (d) MRR 500m AGL:16-Jun-2007 11:38:04
−5
5 10
METEK
Urkowitz

Hildebrand R1
10
η(fD ,z) [m2 m−3 Hz−1 ]

Valeurs des tests
3
−7
10
2
−8
10
1
−9
10
0 500 1000 1500 2000
10 20 30 40 50 60
(e) Suppression du bruit : 16-Jun-2007 11:38:44 (f) MRR 500m AGL:16-Jun-2007 11:38:44
−5
5 10
METEK
Urkowitz
Hildebrand R1
10
η(fD ,z) [m2 m−3 Hz−1 ]
Valeurs des tests
3
−7
10
2
−8
10
1
−9
10
0 500 1000 1500 2000
10 20 30 40 50 60
Fig. III.4 – Application des différentes méthodes de détection du bruit ((a), (c) et (e)) et
niveaux de bruit correspondant ((b), (d) et (f)) pour différents cas où le bruit est plus ou
moins fluctuant.
oscillations et est donc plus régulière. À la vue de ces résultats, il apparaît évident que
la méthode de Urkowitz et al. (1994) est la plus adaptée.
Néanmoins, on a montré que lorsque le bruit fluctue beaucoup, même le niveau
de bruit déduit avec la méthode de Urkowitz et al. (1994) peut être trop faible pour
éliminer tout le bruit autour du spectre de précipitation. Comme la réflectivité corres-
pondante à ce bruit est faible, ce signal n’a que peu d’influence sur la déduction de la
distribution de gouttes pour les gros diamètres. En revanche, comme le coefficient de
rétrodiffusion d’une petite goutte est très faible, ce signal peut conduire à des concen-

(a) Réflectivité volumique spectrale à 500m AGL η(fD ,z) [m2 m−3 Hz−1 ] η(fD ,z)
−4
2000 10
−5
10
−6
1500 10
Fréquence Doppler [Hz]
−7
10
−8
1000 10
−9
10
−10
500 10
−11
10
0
15:15 15:20 15:25 15:30 15:35 15:40 15:45
(b) Spectre des gouttes à 500m AGL dN/dD [mm−1 m−3 ]

7
6 10
6
10
5
5 10
4
10
3
4 10
2
10
1
3 10
0
10
−1
2 10
−2
10
−3
1 10
−4
10
0
15:15 15:20 15:25 15:30 15:35 15:40 15:45
(c) Spectre des gouttes à 500m AGL dN/dD [mm−1 m−3 ]

7
6 10
6
10
5
5 10
4
10
3
4 10
2
10
1
3 10
0
10
−1
2 10
−2
10
−3
1 10
−4
10
0
15:15 15:20 15:25 15:30 15:35 15:40 15:45
Fig. III.5 – Cas de précipitations présentant des problèmes de la fluctuation du bruit :

évolutions de la réflectivité spectrale avant la suppression du bruit (a), de la distribution de
gouttes (b), et de la distribution de gouttes où un test a permis de supprimer ces fluctuations
(c).
trations très importantes et erronées de petites gouttes qui auront une forte influence
sur la déduction des paramètres des précipitations. Un test basé sur le nombre de me-
sures consécutives supérieures au niveau de bruit et sur la concentration en gouttes
correspondante a donc été ajouté afin d’éliminer ces fluctuations du signal.
La Figure III.5 présente l’efficacité de ce test sur un cas où la détection du bruit pose
problème. Avant la suppression du bruit, la réflectivité spectrale paraît anormalement
élevée en dehors du spectre de précipitation autour de 200 Hz vers 15h30 et 15h40,
certainement à cause d’une perturbation extérieure ponctuelle (Figure III.5a). Ce bruit
anormal ne peut pas être éliminé par la méthode de Urkowitz et al. (1994) et produit des
concentrations irréalistes (jusqu’à 106 mm−1 m−3 ) de gouttes de diamètre inférieur à
0.5 mm (Figure III.5b). Ces grandes concentrations perturbent largement le spectre, par
exemple, le calcul du diamètre médian D0 de la distribution est complètement faussé
pendant ces périodes là. La plupart de ces perturbations peuvent être éliminées en
détectant les zones où des mesures supérieures au bruit conduisent à des concentrations
86 Chapitre III
7 Amélioration du calcul de l’atténuation par les précipitations
en gouttes supérieures à 108 et 106 mm−1 m−3 sur moins de 15 classes et 12 classes
consécutives, respectivement (Figure III.5c). Il reste bien sûr quelques éléments du
bruit qui ne peuvent pas être éliminés de cette façon (vers 15h20, 15h27 et 15h29),
mais dont la valeur est trop faible pour perturber le spectre de manière significative :
le diamètre médian D0 ne présente plus de fortes discontinuités.
7 Amélioration du calcul de l’atténuation par les

précipitations
Comme indiqué dans la Section 3.2.2, c’est la méthode de Hildebrand (1978) qui
était initialement utilisée pour corriger les données MRR de l’atténuation due aux
précipitations. On a vu dans la Section 2.2.3 que cette méthode a été développée dans
le but d’éviter les problèmes d’instabilité de la méthode de Hitschfeld et Bordan (1954)
en cas de forte atténuation. Mais, Peters et al. (2010) signalent que ces deux méthodes
sont basées sur l’hypothèse non appropriée de l’homogénéité des mesures, et qu’ainsi,
c’est finalement la méthode de Hildebrand (1978) qui est la plus instable.
En effet, l’intégration utilisée pour la méthode de Hitschfeld et Bordan (1954)
(Équation I.38) et reprise dans la méthode de Hildebrand (1978) (Équation I.39) im-
plique que le coefficient d’atténuation est connu avec une résolution en distance infini-
tésimale. En réalité, les mesures sont des moyennes sur la résolution radiale du radar.
Comme l’atténuation effective à l’intérieur de cet intervalle de résolution n’est pas li-
néaire, la représentativité de cette valeur moyenne dans l’évaluation de l’intégrale I.38
sur l’intervalle n’est pas évidente. Peters et al. (2010) démontrent que le choix habituel
de la placer au milieu de cet intervalle (à la manière d’une intégration par la méthode
des trapèzes) bien que proche de la valeur exacte, peut produire un biais faible mais qui
s’accumule avec la distance au radar. En fait, toute valeur fixe conduit à une correction
d’atténuation biaisée : la position exacte dépend de l’atténuation totale dans l’intervalle
considéré. De plus, ces deux méthodes supposent que les quantités mesurées sont ho-
mogènes sur l’intervalle de résolution mais, comme l’atténuation augmente à l’intérieur
de cet intervalle, ceci n’est pas compatible avec l’hypothèse généralement admise que
le volume de résolution est rempli de manière homogène. Peters et al. (2010) montrent
qu’à cause de cette contradiction, la méthode de Hildebrand (1978) provoque une sur-
estimation de l’atténuation qui s’accumule avec la distance au radar et empêche même
l’algorithme de converger lorsque l’atténuation est trop forte. Cette méthode peut donc
se retrouver inefficace même dans des cas de précipitation modérés. Par ailleurs, pour
les mêmes raisons, l’expression de la méthode de Hitschfeld et Bordan (1954) n’est pas
valide et même si le biais engendré est faible, Peters et al. (2010) proposent une expres-
sion exacte en se basant sur de meilleures hypothèses d’homogénéité. La démonstration
est détaillée dans le paragraphe suivant.
On a vu dans la Section 3.2.2 que, pour corriger l’atténuation dans les données
du MRR, le coefficient d’atténuation est déduit de la distribution de gouttes. C’est
pourquoi Peters et al. (2010) préfèrent appliquer l’expression de Hitschfeld et Bordan
(1954) (Équation I.32) à la distribution de gouttes plutôt qu’au facteur de réflectivité
radar. En effet, le facteur d’atténuation est indépendant du diamètre et peut donc être
ajouté ou retiré de l’intégrale reliant le facteur de réflectivité radar à la distribution
de gouttes (Équation I.17). De plus, en partant de l’hypothèse que la distribution

8 Effet du vent vertical - Détection du repliement spectral
de gouttes réelle N (D) est homogène dans la porte de distance considérée, alors la
distribution de gouttes atténuée Na (D, x) dépend de la distance x et est définie par
Na (D, x) = N (D) exp (−2kx), où k est le coefficient d’atténuation dans cette porte.
La distribution de gouttes mesurée est alors la moyenne (indiquée par les symboles ⟨⟩)
de Na (D, r) sur la longueur de la porte. Par exemple, si on considère la première porte
qui va de x = 0 à x = ∆r :
1 ∫ ∆r 1 − exp (−2k∆r)
⟨Na (D)⟩ = Na (D, x) dx = N (D) . (III.10)
∆r 0 2k∆r
Alors, l’atténuation moyenne calculée à partir de ⟨Na (D)⟩ est
∫ ∞ 1 − exp (−2k∆r)
⟨ka ⟩ = σe (D) ⟨Na (D)⟩ dD = k . (III.11)
0 2k∆r
On peut donc retrouver la distribution de gouttes réelle N (D) à partir des observations
moyennes en combinant les Équations III.10 et III.11 suivant :
k
N (D) = ⟨Na (D)⟩ . (III.12)
⟨ka ⟩
De plus, il est possible de déterminer l’expression de k à partir de l’Équation III.11 :
ln (1 − 2 ⟨ka ⟩ ∆r)
k=− . (III.13)
2∆r
Ainsi, en insérant cette expression de k dans l’Équation III.12, on peut déterminer
l’expression exacte de N (D) en fonction des variables observées uniquement :
ln (1 − 2 ⟨ka ⟩ ∆r)
N (D) = − ⟨Na (D)⟩ . (III.14)
2 ⟨ka ⟩ ∆r
De manière similaire, si on détermine le coefficient d’atténuation à partir du facteur de
réflectivité radar en utilisant une loi de puissance telle que l’Équation I.33 comme c’est
le cas avec un radar qui n’est pas à visée verticale, on peut déterminer similairement
l’expression exacte du facteur de réflectivité radar en fonction des variables observées :
il faut alors utiliser l’Équation classique de Hitschfeld et Bordan (1954), fonction du
facteur de réflectivité radar, et on obtient une expression semblable à l’Équation III.14
mais pour le facteur de réflectivité radar, et faisant intervenir l’exposant de la loi Z −k.
En appliquant cette expression exacte sur un cas de précipitations stratiformes de
plusieurs heures mesuré avec un MRR, Peters et al. (2010) ont trouvé qu’à une altitude
de 1000 m au-dessus du radar, la méthode de Hitschfeld et Bordan (1954) peut sous-
estimer le taux de précipitation de 3 dB pour des taux de précipitation supérieurs à
10 mm h−1 . Il est alors évident que le biais introduit par la méthode de Hitschfeld et
Bordan (1954) n’est pas négligeable et que c’est donc ce nouvel algorithme (SIBO) qui
doit être utilisé.
8 Effet du vent vertical - Détection du repliement

spectral
Dans cette Section, nous étudierons l’effet du vent vertical sur les mesures du MRR,
afin d’examiner son influence sur la restitution des paramètres des précipitations, d’une
88 Chapitre III
8.1 Effet du vent vertical sur les mesures MRR d’un point de vue théorique
manière théorique (Section 8.1) et sur une étude de cas où l’on verra que, comme la
gamme de vitesses analysées par le MRR est assez étroite (0 a 12 m s−1 seulement),
dans les cas les plus extrêmes où le vent vertical est important, ceci peut conduire à
un repliement du spectre mesuré qui peut être facilement détecté (Section 8.2). Enfin,
nous finirons par la description de la fréquence d’apparition de ces cas de repliement
spectral (Section 8.3).
8.1 Effet du vent vertical sur les mesures MRR d’un point de
vue théorique
Peters et al. (2005) ont montré d’un point de vue à la fois théorique et expérimental,
que, tant que le vent vertical n’est pas trop important, les mesures du MRR moyennées
sur des intervalles de 1 min fournissent une bonne estimation de la distribution de
gouttes et des paramètres des précipitations. Néanmoins, dans cette Section, on décide
d’examiner l’effet du vent vertical sur l’exploitation des mesures MRR de manière
théorique, mais avec une approche différente. Pour cela, on choisit de reprendre le
spectre étudié dans la Section 6 car il est issu d’un cas où le vent vertical peut être
considéré comme négligeable.
8.1.1 Effet sur le spectre de réflectivité
La Figure III.6a présente le spectre original en trait continu noir et ce même spectre
s’il avait été mesuré en présence de différentes intensités de vent vertical, de -6 à
+6 m s−1 (voir la légende de la Figure III.6b). Le vent vertical s’ajoute (ou se retranche)
de manière uniforme à la vitesse de chute de toutes les gouttes et produit une simple
translation du spectre de réflectivité. Pour rester conforme à la convention adoptée
pour les vitesses de chute des gouttes, on choisit un vent descendant comme vitesse
positive. La Figure III.6a montre qu’un vent même modéré (-3 et +3 m s−1 ) peut faire
sortir une grande partie du spectre de la gamme de vitesses analysées (correspondant à
l’altitude de la mesure) délimitée par les lignes pointillées verticales à 0.8 et 9.6 m s−1 .
De plus, lorsque le vent devient plus important, la vitesse de chute apparente des
gouttes peut se retrouver inférieure ou supérieure aux vitesses minimum (vDmin =0 m s−1 )
et maximum (vDmax =12.3 m s−1 ) mesurées par le MRR : c’est le cas avec ce spectre,
pour des vitesses de vent de -6 et +6 m s−1 , respectivement. Dans ces situations, on
obtient un repliement spectral. En effet, lors de l’exploitation des mesures du MRR,
le spectre produit par la seconde transformée de Fourier (voir Section 3.2.1) est pé-
riodique avec une période vDmax . Ainsi, si le spectre fondamental contient des valeurs
à des vitesses supérieures à vDmax , les valeurs correspondantes de la réplique de ce
spectre, comprises entre les fréquences −vDmax et 0 m s−1 , seront en réalité supérieures
à 0 m s−1 et mélangées avec la partie inférieure du spectre fondamental. Ce repliement
est visible sur la Figure III.6a pour le spectre correspondant à une vitesse de vent de
+6 m s−1 . De la même manière, si un spectre contient des valeurs à des vitesses infé-
rieures à vDmin (c’est-à-dire, si les vitesses de chute apparentes sont positives), comme
c’est le cas pour le spectre correspondant à une vitesse de vent de -6 m s−1 , alors ces
valeurs se replient sur la partie supérieure du spectre. En général, en traitement du
signal, il est absolument nécessaire d’éviter un repliement spectral car, on est alors
incapable de distinguer la partie repliée des valeurs du spectre original. Dans le cas du

(a) −5 MRR 500m AGL:16-Jun-2007 11:35:04 (b) 7 MRR 500m AGL:16-Jun-2007 11:35:04
10 10
w=-6 ms −1
w=-3 ms −1
5
10 w= 0 ms −1
−6 w= 3 ms −1
10
η(v,z) [m2 m−3 (m/s)−1 ]
w= 6 ms −1
3
Spectre de gouttes
10
N [mm−1 m−3 ]
−7 1
10 10
−1
10
−8
10
−3
10
−9 −5
10 10
0 2 4 6 8 10 12 0 1 2 3 4 5 6
Vitesse Doppler v [ms −1 ] Diamètre des gouttes D [mm]
Fig. III.6 – Influence d’un vent vertical ascendant ou descendant sur le spectre de réflectivité
radar mesuré (a) et sur la distribution de gouttes déduite (b). Plusieurs intensités de vent (de
-6 à +6 m s−1 , voir légende dans le graphe (b)) sont appliquées à un spectre de réflectivité
radar réel mesuré lors d’un cas de précipitations où le vent vertical est négligeable.
MRR, le spectre de réflectivité ne peut pas être aussi large que la gamme de vitesses
mesurées, la partie du spectre qui se replie ne se mélange donc qu’avec du bruit et il est
donc possible de retrouver le vrai spectre de précipitation, à condition d’être également
capable d’estimer convenablement l’intensité du vent vertical.
8.1.2 Effet sur la distribution de gouttes
Les distributions de gouttes déduites de ces différents spectres sont présentées dans
la Figure III.6b avec le même code de couleur. Cette Figure montre que les distribu-
tions de gouttes se déplacent le long d’une courbe de la forme de l’inverse de la section
de rétrodiffusion radar (Figure III.1c). Ainsi, pour des intensités modérées, comme un
vent descendant s’ajoute à la vitesse de chute des gouttes, ceci conduit à une sures-
timation du diamètre des gouttes combinée à une sous-estimation de leur nombre, et
inversement pour un vent ascendant. En particulier, à cause de la valeur très élevée de
la section de rétrodiffusion radar des gouttes de diamètres très faibles, un vent ascen-
dant, même modéré (-3 m s−1 ), peut être très néfaste car il peut conduire à de très
fortes concentrations de petites gouttes (jusqu’à 107 mm−1 m−3 ). Or, ces concentrations
irréalistes ont une forte influence sur la forme d’une distribution de gouttes moyenne,
même si cette moyenne est faite sur une longue période. Par ailleurs, lorsqu’un vent
descendant est suffisamment fort pour produire un repliement du spectre qui atteint
la gamme de vitesse analysée (par exemple +6 m s−1 pour le spectre considéré), la
partie repliée se retrouve d’abord dans cette même gamme de diamètres et conduit de
la même façon a des concentrations de gouttes irréalistes. Enfin, l’observation géné-
rale de cette Figure montre que la moyenne des distributions de gouttes obtenues sans
corriger un éventuel vent vertical (ascendant ou descendant), risque d’aboutir à une
distribution de gouttes de forme globalement concave, de la même façon que si le bruit
était sous-estimé (Section 6).
90 Chapitre III
8.1 Effet du vent vertical sur les mesures MRR d’un point de vue théorique
(a) 6 (b) 2
10 10
Taux de précipitations [mmh−1 ]

Concentration de gouttes [m−3 ]
4
10
1
10
2
10
0
10
0
10 w=-6ms −1
w=-3ms −1
w= 0ms −1
w= 3ms −1
−2 w= 6 ms−1
−1
10 10
−8 −6 −4 −2 0 2 4 6 8 −8 −6 −4 −2 0 2 4 6 8
Vent vertical [ms −1 ] Vent vertical [ms −1 ]
(c)
32
Facteur de réflectivité radar équivalent [dBZ]
30
28
26
24
22
20
−8 −6 −4 −2 0 2 4 6 8
Vent vertical [ms −1 ]
Fig. III.7 – Influence d’un vent vertical ascendant ou descendant sur certains des paramètres
restitués par le MRR comme la concentration de gouttes (a), le taux de précipitation (b) et le
facteur de réflectivité radar équivalent (c). Les intensités de vent appliquées au spectre de la
Figure III.6 sont rappelées en utilisant le même code de couleur (voir légende dans le graphe
(a)). La ligne pointillée horizontale (c) représente le facteur de réflectivité directement déduit
en intégrant le spectre de réflectivité sur toute la gamme de vitesses mesurées par le MRR.
8.1.3 Effet sur les paramètres des précipitations
La Figure III.7 montre les variations de la concentration de gouttes III.7a, du taux

de précipitation III.7b et du facteur de réflectivité radar équivalent III.7c déduits de la
distribution de gouttes retrouvée en fonction d’un vent vertical allant de -8 à +8 m s−1 .
Les valeurs correspondant précisément aux distributions de gouttes dessinées dans la
Figure III.6 sont indiquées par les points, en gardant le même code de couleur (légende
de la Figure III.7a).
Tout d’abord, il faut noter que ces variations se font sur plusieurs ordres de grandeur
aussi bien pour la concentration que pour le taux de précipitation. Ces variations sont
un peu plus faibles pour le facteur de réflectivité radar (2) . De plus, il est visible que ces
variations forment un cycle. En effet, la gamme de vitesses mesurée par le MRR ayant
une largeur de 12.3 m s−1 , les variations des paramètres pour des valeurs absolues de
vitesses supérieures à 6.15 m s−1 sont la répétition de la partie centrale. Ainsi, comme
(2). Pour le facteur de réflectivité radar, une variation de 10 dBZ correspond exactement à un ordre
de grandeur en mm6 m−3 .

le spectre se replie, un vent extrême d’exactement 12.3 m s−1 ne se distinguerait pas

du spectre original.
a) Concentration des gouttes
Concentrons-nous tout d’abord sur la Figure III.7a. On s’aperçoit que la concentra-

tion en gouttes diminue progressivement lorsque le vent vertical descendant augmente.
Ceci s’explique grâce à la Figure III.6b : par exemple, pour un vent vertical passant
de 0 à +3 m s−1 , la partie de spectre qui apparaît à droite du spectre réel montre
des concentrations beaucoup plus faibles que la partie du spectre réel qui disparaît à
gauche. Or, même si la partie qui apparaît est plus large (à cause de la relation non
linéaire entre la vitesse de chute et le diamètre), l’effet global est que la concentration
totale diminue. Mais, dès que le vent vertical est assez fort pour que le spectre se replie
dans la gamme de vitesse analysée, on obtient une augmentation soudaine du nombre
de petites gouttes qui compense largement la diminution du nombre de gouttes plus
grosses. Si le vent descendant augmente encore, lorsque le maximum du spectre atteint
la limite basse de la gamme de vitesses analysées (pour un vent d’environ +6.2 m s−1 ),
la concentration en gouttes atteint alors sa valeur maximale. Ensuite, la concentration
diminue de nouveau jusqu’à la fin du cycle et que l’on retrouve la même valeur que celle
correspondant au spectre réel. Il est bien sûr évident qu’une description similaire peut
être faite avec un vent ascendant, le cycle étant alors parcouru dans le sens inverse.
b) Taux de précipitation
Une description semblable des variations du taux de précipitation (Figure III.7b)

peut être faite. Les seules différences notables sont que la variation globale est beaucoup
plus faible (trois ordres de grandeur au lieu de six) et que l’augmentation soudaine du
taux de précipitation lorsque le spectre se replie dans la gamme de vitesse analysée
intervient pour un vent vertical descendant légèrement plus élevé (4 m s−1 au lieu de
3.8 m s−1 ). Ces différences sont dues au fait que le taux de précipitation est moins
sensible au nombre de gouttes que la concentration. En effet, en considérant que la
relation entre la vitesse de chute et le diamètre des gouttes est une exponentielle (voir
les trois exemples du Tableau I.1), on peut faire l’approximation que le taux de précipi-
tation est approximativement le moment d’ordre 3.6 de la distribution de gouttes (alors
que la concentration est le moment d’ordre 0). Ainsi, le taux de précipitation est plus
influencé par la partie du spectre où les diamètres sont importants. Les concentrations
irréalistes des très petites gouttes ont donc moins d’impact et il faut un plus grand
nombre de petites gouttes pour compenser la diminution des gouttes de diamètre plus
important.
c) Facteur de réflectivité radar équivalent
La description des variations du facteur de réflectivité radar équivalent (Figure III.7c)

est un peu différente : le facteur de réflectivité radar équivalent peut se déduire direc-
tement de l’intégrale du spectre de réflectivité mesuré par le MRR. Cette valeur est
indépendante du vent vertical et correspond à la ligne horizontale en pointillés affichée
sur la Figure. La déduction de la distribution de gouttes à partir de la réflectivité ra-
dar et le calcul du facteur de réflectivité radar équivalent à partir de la distribution de
gouttes sont deux opérations inverses (à l’intégration sur les diamètres près). Ainsi, le
92 Chapitre III
8.2 Effet du vent vertical et du repliement spectral - Étude de cas
facteur de réflectivité radar calculé à partir de la distribution de gouttes (ligne conti-

nue) devrait être égal à la valeur déduite directement du spectre de réflectivité. Or, ce
n’est le cas que pour des valeurs comprises entre -3 et +1 m s−1 . En réalité, la différence
observée pour des vents d’intensité supérieure est due au fait qu’une partie du spectre
sort de la gamme de vitesse analysée.
Ainsi contrairement à ce qu’ont conclu Peters et al. (2005), cette étude montre de
manière théorique que le vent vertical a une forte influence sur les mesures du MRR :
même un vent d’environ 1 m s−1 a des effets visibles sur le forme de la distribution de
gouttes et les valeurs des paramètres des précipitations. En dehors des précipitations
stratiformes pour lesquelles il est connu que le vent vertical est faible, les données
du MRR doivent donc être utilisées avec précautions puisque, jusqu’à présent, aucune
méthode n’existe pour corriger les données en cas de fort vent vertical. La question qui
en découle est de savoir si de tels vents verticaux s’observent fréquemment et s’ils sont
présents sur des périodes assez longues pour perturber les données moyennes du MRR.
Nous allons donc maintenant décrire les mesures d’un cas de précipitations où un vent
vertical important a pu être décelé.
8.2 Effet du vent vertical et du repliement spectral - Étude

de cas
Dans cette Section, on reprend les résultats décrits dans Tridon et al. (2011) lors de
l’étude d’une petite averse convective qui est passée au-dessus du MRR le 16 juin 2007
entre 11h30 et 11h45 UTC, lors de la campagne COPS. Pendant cette averse, le pluvio-
mètre colocalisé a mesuré un cumul de pluie de 1.5 mm avec un taux de précipitation
maximum de 34 mm h−1 sur une minute. La Figure III.8a montre l’évolution du profil
du facteur de réflectivité radar mesurée par le MRR lors de cette averse. Cette Figure
confirme l’intensité de cette averse avec deux zones sans données autour de 11h35 à
2000 m et autour de 11h40 à 500 m, au-dessus de fortes valeurs de réflectivité (jusqu’à
55 dBZ pour la deuxième zone). Les données correspondant à ces zones ont en fait été
rejetées à cause d’une correction d’atténuation excessive. En effet, la Figure III.8b, qui
sera présentée plus loin montre que du signal a tout de même permis de détecter le
repliement dans ces zones jusqu’à ce que le signal soit devenu trop faible à cause de
l’atténuation. Pourtant, on va montrer par la suite que c’est la présence de fort vent
vertical qui, par l’intermédiaire du repliement, va provoquer une surestimation de l’at-
ténuation, et donc, la suppression de données qui, corrigées du vent vertical, seraient
finalement valides.
8.2.1 Repliement spectral
a) Description du repliement spectral

La Figure III.9 présente l’évolution temporelle du facteur de réflectivité radar spec-
tral en fonction de la vitesse Doppler de 100 m à 700 m AGL. À 100 m (Figure III.9a),
des échos de sol mesurés par les lobes secondaires sont visibles à une vitesse de 0 m s−1
et sont aussi repliés autour de 12 m s−1 . Comme ils sont en dehors de la gamme de
vitesses analysées, ces échos n’ont aucun impact sur la restitution des paramètres. On
note également que la réflectivité spectrale est de plus en plus intense au cours du

(a) Réflectivité Intensité [dBZ] (b) Repliement 1=repliement

60 3000
3000
50 1
Altitude [m]
Altitude [m]
2000 40 2000
30 0
1000 20 1000
10
0 0 0
11:31 11:33 11:35 11:37 11:39 11:41 11:43 11:31 11:33 11:35 11:37 11:39 11:41 11:43
Fig. III.8 – Évolutions des profils du facteur de réflectivité radar (a) et de la détection
du repliement spectral (b) en fonction du temps. Les lignes pointillées horizontales montrent
l’altitude des mesures présentées dans la Figure III.9.
(a) Ze(v,z) à 100m AGL [mm6 m−3 (m/s)−1 ] Ze(v,z) (b) Ze(v,z) à 300m AGL [mm6 m−3 (m/s)−1 ] Ze(v,z)
6 6
12 10 12 10
Vitesse Doppler [ms −1 ]

5 5
10 10
10 4 10 4
10 10
8 10
3 8 10
3
2 2
6 10 6 10
1 1
4 10 4 10
0 0
10 10
2 10
−1 2 10
−1
−2 −2
0 10 0 10
11:31 11:33 11:35 11:37 11:39 11:41 11:43 11:31 11:33 11:35 11:37 11:39 11:41 11:43
(c) Ze(v,z) à 500m AGL [mm6 m−3 (m/s)−1 ] Ze(v,z) (d) Ze(v,z) à 700m AGL [mm6 m−3 (m/s)−1 ] Ze(v,z)
6 6
12 10 12 10
5 ←1→ ←2→ 5
10 10
10 4 10 4
10 10
8 10
3 8 10
3
2 2
6 10 6 10
1 1
4 10 4 10
0 0
10 10
2 10
−1 2 −1
10
−2 −2
0 10 0 10
11:31 11:33 11:35 11:37 11:39 11:41 11:43 11:31 11:33 11:35 11:37 11:39 11:41 11:43
Fig. III.9 – Évolution au cours du temps du facteur de réflectivité spectral en fonction de

la vitesse Doppler à 100 m (a), 300 m (b), 500 m (c) et 700 m AGL (d). Les lignes pointillées
horizontales montrent les limites de la gamme de vitesse analysée.
temps, ce qui est en accord avec l’intensification des précipitations décelée dans l’évo-
lution du facteur de réflectivité radar de la Figure III.8a pour les premières portes.
Par ailleurs, trois spectres (mis en valeur par les lignes verticales pointillées) sont très
différents des autres parce qu’un niveau de bruit anormalement haut a conduit à la
suppression d’une partie du signal malgré l’utilisation de la méthode de Urkowitz et al.
(1994) (Section 6). Mis à part ces trois spectres, la limite inférieure de tous les spectres
est assez stable. Ces variations sont faibles et peuvent donc être dues aussi bien à des
variations de la distribution de gouttes qu’au vent vertical.
En regardant l’altitude suivante (300 m, Figure III.9b), les spectres montrent une
évolution temporelle réellement différente de celle à 100 m. Le plus frappant est que,
autour de 11h40, la partie supérieure du spectre de réflectivité devient supérieure à
12 m s−1 et se replie sur les faibles vitesses, ce qui indique des vitesses de chute qui vont
jusqu’à environ 13 m s−1 . De telles vitesses de chute sont bien entendu impossibles pour
des gouttes. De plus, la vitesse de la limite inférieure des spectres augmente également,
ce qui montre que le spectre de vitesse a été entièrement décalé vers des valeurs plus
grandes, comme si un vent vertical descendant s’était ajouté. De plus, une variation si
94 Chapitre III
8.2 Effet du vent vertical et du repliement spectral - Étude de cas
(a) Ze(v,z) à 900m AGL [mm6 m−3 (m/s)−1 ] Ze(v,z) (b) Ze(v,z) à 1100m AGL [mm6 m−3 (m/s)−1 ] Ze(v,z)
6 6
12 10 12 10

5 5
10 10
10 4 10 4
10 10
8 10
3 8 10
3
2 2
6 10 6 10
1 1
4 10 4 10
0 0
10 10
2 10
−1 2 10
−1
−2 −2
0 10 0 10
11:31 11:33 11:35 11:37 11:39 11:41 11:43 11:31 11:33 11:35 11:37 11:39 11:41 11:43
(c) Ze(v,z) à 1300m AGL [mm6 m−3 (m/s)−1 ] Ze(v,z) (d) Ze(v,z) à 1500m AGL [mm6 m−3 (m/s)−1 ] Ze(v,z)
6 6
12 10 12 10

5 5
10 10
10 4 10 4
10 10
8 10
3 8 10
3
2 2
6 10 6 10
1 1
4 10 4 10
0 0
10 10
2 10
−1 2 −1
10
−2 −2
0 10 0 10
11:31 11:33 11:35 11:37 11:39 11:41 11:43 11:31 11:33 11:35 11:37 11:39 11:41 11:43
Fig. III.10 – Évolution au cours du temps du facteur de réflectivité spectral en fonction

de la vitesse Doppler à 900 m (a), 1100 m (b), 1300 m (c) et 1500 m AGL (d). Les lignes
pointillées horizontales montrent les limites de la gamme de vitesse analysée.
soudaine ne peut pas être entièrement expliquée par la variabilité de la distribution de

gouttes.
Des commentaires similaires peuvent être faits pour les altitudes de 500 m et 700 m
(Figure III.9c et Figure III.9d) où le repliement est même encore plus marqué, avec des
vents verticaux atteignant environ 6 m s−1 .
La Figure III.10 présente également l’évolution temporelle du facteur de réflectivité
radar spectral en fonction de la vitesse Doppler mais à des altitudes supérieures : de
900 m à 1500 m AGL. Ces Figures confirment la présence d’un vent vertical descen-
dant autour de 11h40 pour ces différentes altitudes et montrent qu’à cause de la forte
atténuation dans cette zone, le signal de ces spectres devient de plus en plus faible,
notamment dans la Figure III.10d. En revanche, à ces altitudes, on distingue un com-
portement nouveau dans la première partie de l’évènement, où l’évolution du spectre
est beaucoup plus variable. De la même façon, que pour la Figure III.9, il semble que le
spectre de vitesse se décale entièrement, mais vers des valeurs de vitesses plus faibles, ce
qui montre, cette fois-ci, la présence d’un vent vertical ascendant, qui amène également
à un léger repliement spectral autour de 11h35. Ce comportement est cohérent avec la
dynamique d’une pluie convective, à savoir un mouvement ascendant précédant, ou au
début de l’averse, suivi d’une descendance au moment le plus intense des précipitations.
b) Détection automatique du repliement spectral

Un simple test de détection automatique du repliement a été implémenté : il marque
les spectres traversant les limites spectrales et se déployant sur au moins 8 classes. Ce
test sur la largeur du spectre permet d’éviter une fausse détection causée par les échos
de sol dans les premières portes. Le résultat de ce schéma pour ce cas d’étude est
présenté dans la Figure III.8b. On reconnait la présence de repliement spectral aux
altitudes correspondant aux graphes de la Figure III.9 et de la Figure III.10. Un tel
schéma peut être utilisé pour identifier des vents verticaux forts. Par exemple, pour une
distribution de gouttes standard dont les diamètres sont compris entre 0.5 mm et 4 mm

environ, le spectre de réflectivité doit s’étaler sur des vitesses allant de 2 à 9 m s−1 .
Alors, comme les vitesses mesurées par le MRR sont comprises entre 0 et 12 m s−1 , le
repliement d’un tel spectre doit être produit par vent descendant de 3 m s−1 ou par un
vent ascendant de 2 m s−1 .
8.2.2 Effet du repliement spectral sur les mesures MRR
Afin d’étudier l’impact du repliement spectral, on a sélectionné deux périodes d’en-

viron 2 min où le spectre de réflectivité à 700 m semble assez stable mais pour lesquelles
les conditions sont fortement contrastées. Ces deux périodes sont délimitées par les
traits pointillés verticaux de la Figure III.9d. La première période va de 11h35 à 11h37
et la seconde va de 11h39 à 11h41 environ.
a) Sur la réflectivité spectrale

Comme on l’a vu lors de la description de la Figure III.9, la variation des spectres en
fonction de l’altitude est assez faible pendant la première période, et on peut donc faire
l’hypothèse que les variations verticales du vent et de la distribution de gouttes pour
cette période sont négligeables. Au contraire, le supposé fort vent descendant pendant
la seconde période décale les spectres vers des vitesses plus élevées, en provoquant leur
repliement. Les spectres moyens des ces deux périodes sont tracés dans la Figure III.11a.
Il est important de noter que la valeur maximale du spectre replié est proche de la limite
inférieure de la gamme de vitesses analysées. Sur cette Figure est également tracé le
spectre de la seconde période corrigé d’un vent vertical de 6.3 m s−1 estimé de façon
à ce que sa réflectivité spectrale corresponde le mieux à celle mesurée à 100 m. Le
spectre corrigé a une largeur de spectre et des valeurs légèrement plus grandes que le
spectre de la première période. Cette observation est consistante avec l’intensification
des précipitations avec le temps. Par ailleurs, la forme très similaire de ces deux spectres
est frappante, ce qui semble confirmer la validité de cette correction.
b) Sur la distribution de gouttes

Afin d’étudier l’effet du repliement spectral sur la distribution de gouttes, on fait
l’hypothèse que seule la phase liquide est présente à l’altitude des mesures (700 m).
Les trois spectres de réflectivité moyens de la Figure III.11a sont utilisés pour déduire
les distributions de gouttes correspondantes (Figure III.11b). À cause du repliement, la
forme de la distribution de la seconde période n’est pas réaliste pour plusieurs raisons :
d’abord, elle est en deux parties distinctes, ensuite, pour atteindre les fortes réflectivités
à proximité de la limite inférieure de la gamme de vitesses analysées, la partie gauche
doit avoir une très forte concentration de petites gouttes (plus de 105 mm−1 m−3 ),
enfin, la partie droite possède une pente presque nulle, contrastant avec la décroissance
exponentielle habituelle (Marshall et Palmer, 1948). Au contraire, la distribution de
gouttes dérivée du spectre de réflectivité corrigé est très similaire à celle de la pre-
mière période avec des concentrations légèrement plus élevées pour toutes les tailles de
gouttes.
c) Sur les paramètres des précipitations

Comme le spectre replié a un excès de gouttes de petite et de grande taille, et
un déficit de gouttes de moyenne taille, l’impact du repliement sur les paramètres
96 Chapitre III
8.3 Fréquence d’apparition du repliement spectral
(a) 6 (b) 7
10 10
5
10 5
10
Ze(v,z) [mm6 m−3 (m/s)−1 ]
4
10 6.3 m s −1
3
Spectre de gouttes
10
N [mm−1 m−3 ]
3
10
2 1
10 10
1
10 −1
10
0
10
−3
−1 10
10
−2 −5
10 10
0 2 4 6 8 10 12 0 1 2 3 4 5 6
Vitesse Doppler v [ms −1 ] Diamètre des gouttes D [mm]
Fig. III.11 – (a) Facteur de réflectivité spectral en fonction de la vitesse Doppler à 700 m
AGL, moyenné sur les périodes délimitées sur la Figure III.9d en gris et en noir pour la
première et la deuxième période, respectivement. Le spectre de la deuxième période, corrigé
du vent vertical est affiché en pointillés noirs. Les lignes verticales pointillées montrent les
limites de la gamme de vitesse analysée. (b) Comme pour la Figure III.11a, mais pour la
distribution de gouttes.
Tab. III.2 – Facteur de réflectivité radar Z, taux de précipitation R et coefficient d’atténua-

tion k calculés à partir des distributions de gouttes repliées et corrigées de la Figure III.11b.
Z (mm6 m−3 ) R (mm h−1 ) k (dB km−1 )

“DSD repliée” 34.7 205.9 22.5
DSD corrigée 37.2 18.8 1.7
de précipitations n’est pas trivial. Ces paramètres ont donc été calculés à partir des
distributions de gouttes repliées et corrigées de la Figure III.11b et sont listés dans le
Tableau III.2. En observant les valeurs de ce Tableau, on s’aperçoit que l’on retrouve
bien les différences prédites de manière théorique dans la Section 8.1 (voir Figure III.7
en prenant un vent vertical descendant d’environ 6 m s−1 ) :
– Le facteur de réflectivité radar est sous-estimé d’environ 3 dBZ parce qu’une
partie du spectre se retrouve en dehors de la gamme de vitesses analysées.
– Le taux de précipitation est surestimé d’un peu plus d’un ordre de grandeur
à cause de la présence d’un très grand nombre de petites gouttes de diamètre
inférieur à 0.5 mm.
– Dans l’approximation de Rayleigh, le facteur d’atténuation peut être considéré
comme le moment d’ordre trois de la distribution de gouttes (Testud et al., 2001).
Son comportement est donc entre ceux du taux de précipitation et de la concen-
tration des gouttes. Il en résulte une forte surestimation de plus d’un ordre de
grandeur.
8.3 Fréquence d’apparition du repliement spectral
Afin d’avoir une meilleure impression de l’influence globale du repliement sur les
mesures des MRRs, on a étudié les trois mois de données de la campagne COPS. La

9 Identification du problème de la première porte du MRR
correction du vent vertical effectuée dans cette Section ne peut pas être généralisée,
on a donc recherché la fréquence d’apparition du repliement en fonction du taux de
précipitation moyen mesuré par le pluviomètre colocalisé en appliquant le schéma de
détection du repliement spectral à tous les cas de précipitations. Trois cas ont des taux
de précipitation moyens assez importants (supérieurs à 4 mm h−1 ). Ils correspondent à
des averses intenses et possèdent donc un assez grand nombre de spectre repliés (entre
10 et 50%). Dans les quarante cas restants, six averses faibles ont une proportion de
spectres repliés significative (entre 5 et 20%) mais avec un faible taux de précipitation
moyen (environ 1 mm h−1 ). De plus, quatre évènements longs et modérés (environ
3 mm h−1 ) de précipitations stratiformes avec de la convection imbriquée ont un nombre
de spectres repliés relativement faible même si ce repliement est un réel problème dans
les zones convectives. Finalement, cette étude statistique montre que pratiquement un
tiers des trois mois de données de précipitations estivales de la campagne COPS sont
concernés par le problème du repliement spectral.
9 Identification du problème de la première porte

du MRR
On vu dans la Section 3.2.2 que, comme le préviennent Peters et al. (2005), les deux
premières portes du MRR ne sont pas exploitables de manière quantitative. En effet,
la visualisation d’un profil de réflectivité montre que les mesures sont régulièrement
surestimées, en particulier, en cas de précipitations assez intenses. Cette surestimation
est due au fait que, lorsque la réflectivité spectrale devient significative, un spectre
image apparaît (voir Figure III.12a). Ce spectre semble être le symétrique du spectre
réellement mesuré par rapport à la valeur centrale de la gamme de fréquences mesurées
par le MRR. Dans la première porte, il est plus faible que le spectre réel d’environ
15 dB. Plus l’altitude augmente (Figures III.12b à d) et plus ce phénomène s’estompe,
jusqu’à devenir indiscernable pour des altitudes supérieures à 200 m.
Ce phénomène a déjà été observé avec des radars météorologiques à visée verticale
et à impulsion : Gossard et al. (1997) et Kollias et al. (2007) présentent les spectres
de réflectivité de gouttelettes nuageuses mesurés par des radars à nuages pour des
vitesses Doppler allant de -5 m s−1 à +5 m s−1 . Ils observent les images des spectres
mesurés à des vitesses de signe opposé. Gossard et al. (1997) rappellent que ces images
peuvent être inférieures au spectre mesuré de 30 à 40 dB pour des systèmes de très
haute qualité mais ne l’est que de 10 dB dans leur propre cas. Par ailleurs, Kollias
et al. (2007) attribuent la présence de cette image spectrale à un déséquilibre du gain
ou de la phase dans les composantes en phase ou en quadrature de phase du signal à
la sortie du démodulateur, ou bien à des effets de filtre non linéaires à l’intérieur du
récepteur. De plus, comme les spectres de gouttelettes nuageuses qu’ils mesurent sont
assez étroits, Kollias et al. (2007) parviennent à détecter et à supprimer ces spectres
images.
Une spécificité du MRR est d’utiliser la méthode FM-CW (Section 3.2.1). Ainsi,
comme avec cette méthode, l’altitude de la mesure est également déduite de l’analyse de
la fréquence du signal mesuré, ce phénomène se manifeste différemment selon l’altitude.
En effet, ce problème intervient surtout lorsque les fréquences mesurées sont inférieures
à la fréquence de résolution de la transformée de Fourier (Peters, 2010, communications
98 Chapitre III
9 Identification du problème de la première porte du MRR
(a) Ze(fD ,z) à 100m AGL [mm6 m−3 Hz−1 ] Ze(fD ,z) (b) Ze(fD ,z) à 200m AGL [mm6 m−3 Hz−1 ] Ze(fD ,z)
4 4
2000 10 2000 10

3 3
10 10
2 2
1500 10 1500 10
1 1
10 10
0 0
1000 10 1000 10
−1 −1
10 10
−2 −2
500 10 500 10
−3 −3
10 10
0 0
14:00 14:15 14:30 14:45 15:00 15:15 15:30 15:45 14:00 14:15 14:30 14:45 15:00 15:15 15:30 15:45
(c) Ze(fD ,z) à 300m AGL [mm6 m−3 Hz−1 ] Ze(fD ,z) (d) Ze(fD ,z) à 400m AGL [mm6 m−3 Hz−1 ] Ze(fD ,z)
4 4
2000 10 2000 10

3 3
10 10
2 2
1500 10 1500 10
1 1
10 10
0 0
1000 10 1000 10
−1 −1
10 10
−2 −2
500 10 500 10
−3 −3
10 10
0 0
14:00 14:15 14:30 14:45 15:00 15:15 15:30 15:45 14:00 14:15 14:30 14:45 15:00 15:15 15:30 15:45
Fig. III.12 – Évolution dans le temps du facteur de réflectivité radar spectral à (a) 100 m,
(b) 200 m, (c) 300 m, (d) 400 m sur le cas de précipitations du 13/08/2007 où la présence
d’un spectre image, symétrique du spectre mesuré par rapport à la fréquence moyenne de
1000 Hz, lorsque ce dernier atteint de fortes valeurs, est particulièrement mise en évidence.
Ce spectre image est particulièrement visible à 100 m, discernable à 200 m et pratiquement
noyé dans le bruit pour les altitudes supérieures.
personnelles). Or, tous les signaux de la première porte d’altitude ont des fréquences
inférieures à la résolution de la première transformée de Fourier. Ceci explique que ce
problème concerne plus particulièrement les premières portes, l’effet étant même déjà
très faible pour la deuxième porte. La deuxième spécificité du MRR est que seules
les vitesses descendantes sont mesurées. L’image des spectres devrait donc se former
à des fréquences qui ne sont pas mesurées par le MRR, mais elles se retrouvent dans
la gamme de fréquences analysée à cause du phénomène de repliement décrit dans la
Section 8.
La Figure III.13a présente la forme des spectres et de leur images à 100 m d’altitude
pour le même cas entre 15h35 et 15h45. Elle confirme les propriétés des images des
spectres observées lors de la description de la Figure III.12 pour des fréquences proches
de 500 Hz et de 15h38 à 15h42. En particulier, ces spectres images sont particulièrement
visibles autour de 15h40. À cause du repliement et comme les spectres de précipitations
sont particulièrement larges, les spectres images se mélangent avec les spectres réels et
peuvent même donner l’illusion de spectres bimodaux. Dès lors, il est évident que la
distribution de gouttes déduite de ces spectres aura une forme très perturbée par cette
image avec notamment de très fortes concentrations de petites gouttes, et ceci entraîne
donc une surestimation de tous les paramètres calculés à partir de ces distributions de
gouttes.
À 200 m d’altitude, (Figure III.13b), malgré des spectres mesurés d’intensité aussi
importante, les spectres images sont beaucoup plus faibles mais toujours visibles et on
devine qu’ils seront devenus totalement invisibles à partir de 300 m.
On confirme donc le conseil de Peters et al. (2005) de ne pas utiliser les données
des premières portes de manière quantitative. Mais, le calcul de l’atténuation pour les
portes supérieures faisant intervenir le coefficient d’atténuation déduit des premières

10 Étalonnage
(a) MRR 100m AGL:13-Aug-2007 15:45:02 (b) MRR 200m AGL:13-Aug-2007 15:45:02
4 4
10 15:45 10 15:45
3 3
10 15:44 10 15:44

2 15:43 2 15:43
Ze(fD ,z) [mm6 m−3 Hz−1 ]
Ze(fD ,z) [mm6 m−3 Hz−1 ]

10 10
15:42 15:42
1 1
10 10
15:41 15:41
0 0
10 15:40 10 15:40
−1 15:39 −1 15:39
10 10
−2 15:38 −2 15:38
10 10
15:37 15:37
−3 −3
10 10
15:36 15:36
−4 −4
10 10
0 500 1000 1500 2000 0 500 1000 1500 2000
Fig. III.13 – Évolution dans le temps de la forme du spectre du facteur de réflectivité radar
spectral à (a) 100 m et (b) 200 m sur une partie du cas de précipitations du 13/08/2007 pour
montrer l’importance du spectre image dans la première porte.
portes, ce défaut doit également avoir des conséquences aux altitudes supérieures. Mal-
heureusement, ce problème de spectres images n’est pas corrigeable de manière aisée
et, par la suite, on fera l’hypothèse que cet effet est négligeable à partir de la troisième
porte.
10 Étalonnage
Afin de réaliser des mesures quantitatives des précipitations, l’étalonnage des ra-
dars est primordial : une erreur d’étalonnage de quelques dB peut provoquer un biais
systématique important sur les estimations des précipitations. Ce thème a même fait
l’objet, à lui seul, d’un groupe de travail lors de la 81ème réunion annuelle de l’AMS
(American Meteorological Society), en 2001. Étant donné que l’on peut difficilement
intervenir sur le volume sondé, cet étalonnage n’est pas aisé.
Ce que l’on appelle étalonnage n’est pas seulement la mesure de la fonction de
transfert du récepteur d’un radar mais aussi la capacité à déterminer des mesures pré-
cises que l’on pourra interpréter de manière quantitative. Il existe de nombreuses et
diverses méthodes d’étalonnage : de l’utilisation de balles tirées verticalement avec un
pistolet au jeté de balles de ping-pong métallisées d’un avion léger. Les plus “simples”
d’entre elles sont présentées dans l’article de Atlas (2002). En réalité, comme le rappelle
Sauvageot (1982), il existe deux catégories d’étalonnage : la première qui fait appel à
des mesures séparées des performances des différents composants du radar pour ensuite
calculer les performances globales, la seconde qui évalue directement ces performances
globales par la mesure de l’écho d’une cible connue. La première catégorie permet le
suivi de l’évolution des composants du radar et la localisation des défaillances (par
exemple pour un radar à impulsions, la puissance de l’émetteur dépend du vieillisse-
ment de l’oscillateur) mais elle n’est possible que si l’on dispose d’un équipement de test
adéquat. La méthode d’étalonnage sur une cible connue est quant à elle difficilement
réalisable car elle consiste à maintenir une sphère métallique dans l’axe du faisceau en
la suspendant d’un ballon par exemple. Mais, cette méthode peut aussi être appliquée
à une “cible” connue de manière plus ou moins directe : pour l’étude des précipita-
100 Chapitre III

10.1 Comparaisons MRR-disdromètre
tions, la méthode d’étalonnage la plus fréquente est de comparer les mesures radar aux
mesures simultanées de capteurs au sol tels que des pluviomètres ou des disdromètres
(voir Partie 1). Cette méthode doit être utilisée avec beaucoup d’attention parce que
son efficacité peut être altérée par de nombreuses erreurs : les mesures sont faites à des
altitudes différentes (en altitude avec un radar, au niveau de sol pour un pluviomètre
ou un disdromètre), la taille du volume échantillonné est très différente, les paramètres
mesurés ne sont pas les mêmes et nécessitent une conversion (par exemple de la réflecti-
vité en taux de précipitation pour une comparaison avec un pluviomètre), etc. Afin de
minimiser les erreurs, il est nécessaire d’effectuer cet étalonnage sur un grand nombre
de mesures.
Comme le MRR est un radar à visée verticale, un certain nombre de ces méthodes
n’est pas applicable mais l’étalonnage des profileurs est facilement réalisable en utilisant
les mesures d’un disdromètre colocalisé. Nous allons donc effectuer des comparaisons
entre les mesures du MRR et des disdromètres (Section 10.1) afin de vérifier qu’il est
possible d’utiliser une méthode de ce type (Section 10.2).

Cette thèse a surtout porté sur l’étude des précipitations lors de la campagne COPS.
Ainsi qu’il a été indiqué dans la Section 4.2.2, un disdromètre JW a été installé à proxi-
mité du MRR lors de cette campagne. Ce dernier n’a malheureusement pas pu servir
à l’étalonnage du MRR parce qu’il montre un dysfonctionnement depuis ce déplace-
ment et sous-estime largement les précipitations. On a donc choisi d’étalonner le MRR
avec le disdromètre Parsivel en utilisant les données des mesures clermontoises. Une
réflexion sera faite par la suite pour savoir si l’on pourra considérer que cet étalonnage
est également valide pour les données de la campagne COPS.
Comme on l’a vu dans la partie 1, le disdromètre Parsivel (nommé PSV par la
suite) est un disdromètre optique qui mesure à la fois le diamètre et la vitesse de chute
des gouttes, et permet ainsi la déduction de la distribution des gouttes. De nombreuses
études ont validé les performances de ce disdromètre et le taux de précipitation déduit
de la distribution de gouttes qu’il mesure, montre un bon accord avec les mesures des
pluviomètres sur une vingtaine de cas de précipitations intenses répartis sur les années
2008 et 2009, lorsque les instruments étaient tous présents sur le site clermontois. On
considère donc ces mesures comme une référence que l’on peut utiliser pour vérifier les
performances du MRR.
10.1.1 Comparaison des distributions de gouttes
La Figure III.14 présente l’évolution de la distribution de gouttes mesurée par le

MRR et le PSV sur le cas de précipitations du 11/04/2008. Pour faciliter la compa-
raison, les données des deux instruments ont été synchronisées en les moyennant sur
des périodes de 5 min. Les variations du diamètre médian sont assez semblables entre
les deux instruments pendant la première partie de l’évènement, jusqu’à 7h30 environ
(Figure III.14a et c). Ensuite, la distribution de gouttes déduite des mesures du MRR
montre une variation soudaine et prend une forme surprenante, avec un diamètre maxi-
mum faible et donc une distribution plus étroite, et une forte concentration de petites
gouttes. Ce comportement est anormal et s’explique par la présence d’un vent vertical

10 Étalonnage
(a) Spectre des gouttes à 100m AGL dN/dD [mm−1 m−3 ] (b) Spectre des gouttes à 200m AGL dN/dD [mm−1 m−3 ]
7
7

6 106 6 106
105 105
104 104
103 103
4 102 4 102
101 101
100 100
10−1 10−1
2 10−2 2 10−2
10−3 10−3
10−4 10−4
10 10
0 0
03 04 05 06 07 08 09 10 03 04 05 06 07 08 09 10
(c) Spectre des gouttes dN/dD [mm−1 m−3 ] (d) Spectre des gouttes à 100m AGL dN/dD [mm−1 m−3 ]
7

6 106 6 106
105 105
104 104
103 103
4 102 4 102
101 101
100 100
10−1 10−1
2 10−2 2 10−2
10−3 10−3
10−4 10−4
10 10
0 0
03 04 05 06 07 08 09 10 03 04 05 06 07 08 09 10
Fig. III.14 – Évolution de la distribution de gouttes déduite des mesures du MRR à 100 m
(a), à 200 m (b), du PSV (c) et du MRR à 100 m après étalonnage (d).
ascendant qui diminue donc la vitesse de chute apparente des gouttes de pluie. L’inten-
sité de ce vent est difficile à estimer. Il est assez important pour fortement perturber
la distribution de gouttes retrouvée mais il est forcément inférieur à 6 m s−1 puisqu’il
ne provoque pas de repliement spectral (Section 8.1). Cette hypothèse est confirmée
par les mesures à 200 m (Figure III.14b), où la perturbation est encore plus visible,
indiquant un renforcement du vent vertical avec l’altitude, alors que la distribution de
gouttes de la première période est très semblable à celle déduite des mesures à 100 m.
La présence de ce vent vertical est la raison pour laquelle on a décidé d’utiliser les
données du MRR mesurées dans la première porte pour cette comparaison, malgré la
possibilité d’apparitions d’images de spectre à ces altitudes (Section 9). Néanmoins,
l’intensité de ce cas semble trop faible pour que ces images aient un effet important et
perturbent la comparaison des distributions de gouttes.
Par ailleurs, comme le MRR possède un volume d’échantillonnage important, il est
capable de détecter des gouttes en faible concentration : le MRR mesure des concentra-
tions de gouttes aussi faibles que 10−3 mm−1 m−3 alors que les valeurs les plus faibles
enregistrées par le PSV sont d’environ 100 mm−1 m−3 . Cela a un effet perturbant,
puisqu’on a l’impression que la distribution de gouttes mesurée par le MRR est plus
large que celle mesurée par le PSV. Pourtant, l’écart entre lignes représentant les 10ème
et 90ème pourcentiles des distributions de gouttes mesurées par le MRR et le PSV est
semblable, ce qui indique une largeur de spectre similaire. En revanche, l’échelle de
couleur montre que le MRR sous-estime la concentration de gouttes dans chaque classe
de manière importante : environ un ordre de grandeur, même dans la première partie
de l’évènement.
10.1.2 Comparaison des paramètres des précipitations
Pour aller plus loin, on compare également le comportement des paramètres déduits
de ces distributions de gouttes : la concentration des gouttes, le taux de précipitation
et le facteur de réflectivité radar équivalent (Figures III.15a, b et c). Cette comparai-
102 Chapitre III

(a) 6 Concentration des gouttes (b) 3 Taux de précipitations

10 10
5 Parsivel 2 Parsivel
10 MRR 300 m AGL 10 MRR 300 m AGL
4 MRR étalonné MRR étalonné
R [mm h−1 ]
10 1
10
C [m−3 ]
3
10 0
2 10
10 −1
1 10
10
0 −2
10 10
−1 −3
10 10
03 04 05 06 07 08 09 10 03 04 05 06 07 08 09 10
(c) 6 Facteur de réflectivité radar équivalent en bande K

10
5 Parsivel
10 MRR 300 m AGL
10
4 MRR étalonné
3
10
2
10
1
10
0
10
−1
10
03 04 05 06 07 08 09 10
Fig. III.15 – Comparaison des variations des paramètres déduits des données du PSV :
concentration des gouttes (a), taux de précipitation (b) et facteur de réflectivité radar équi-
valent (c) avec ceux déduits du spectre de réflectivité en fréquence mesuré par le MRR avant
et après étalonnage, et du spectre de réflectivité en fréquence du MRR à 100 m (d).
son va ensuite être généralisée sur l’ensemble des cas de précipitations mesurés. Alors,
afin d’éviter toute perturbation due aux spectres images dans les deux premières portes
(Section 9), cette comparaison quantitative est faite avec les données du MRR à 300 m.
La Figure III.15a confirme que les mesures MRR sur cet évènement montrent deux
périodes distinctes : la première où la concentration des gouttes est sous-estimée, la
deuxième, où cette concentration est largement surestimée, à cause du vent vertical.
On observe sensiblement le même comportement pour le taux de précipitation (Fi-
gure III.15b), mais à un degré moindre puisque le vent vertical a moins d’effet sur les
moments de la distribution d’ordre plus élevé (Section 8.2).
La comparaison du facteur de réflectivité radar (Figure III.15c) demande plus d’at-
tention. Il faut minimiser les étapes de calcul afin de comparer une variable qui est au
plus proche de la mesure. Pour le MRR, on préfère donc utiliser le facteur de réflectivité
radar équivalent calculé en faisant l’intégrale de la réflectivité spectrale (Figure III.15d)
qui est directement mesurée, plutôt que de passer par l’étape de la déduction de la
distribution de gouttes pour ensuite calculer le facteur de réflectivité radar. Pour le
Parsivel, on calcule le facteur de réflectivité radar équivalent en bande K à partir de la
distribution de gouttes mesurée par le disdromètre, en utilisant la théorie de Mie pour
calculer la section de rétrodiffusion radar en bande K.
Du point de vue des données MRR, le principal avantage d’utiliser le facteur de
réflectivité radar équivalent est qu’on ne perd pas de données lorsque le vent vertical
décale le spectre de réflectivité hors de la gamme de fréquence analysée (même si ce
n’est pas le cas pour l’évènement de précipitations en question (Figure III.15d), mais
on a vu que cela pouvait arriver fréquemment (Section 8.2)). Pour cela, il est nécessaire
de faire l’intégrale sur l’ensemble du spectre mesuré, et il faut donc faire attention à ce
qu’il n’y ait aucune perturbation aux fréquences qui sont habituellement rejetées. On
a vu que dans les premières portes, les lobes secondaires peuvent capter des échos de
sol, qui vont donc se situer à des fréquences proches de 0 m s−1 , et de 12 m s−1 par

10 Étalonnage
repliement (Section 8.2) mais cet effet devient négligeable dès la deuxième porte. En
revanche, il arrive régulièrement que le MRR ait un dysfonctionnement qui ramène sa
résolution temporelle à 20 s au lieu de 10 s et créé de forts échos artificiels autour de
0 m s−1 pour toutes les portes d’altitude. Ce dysfonctionnement étant d’importance
secondaire, il n’a pas fait l’objet d’une section dans le Chapitre III sur le traitement
des données du MRR et est donc décrit dans le paragraphe suivant.
Ce dysfonctionnement est rare et vient probablement d’un problème d’acquisition
des données puisqu’il débute toujours lors de la création d’un nouveau fichier et s’arrête
lors de la création du fichier suivant. La durée du dysfonctionnement correspond donc à
la durée d’un fichier d’acquisition, soit une heure. Un exemple de ce dysfonctionnement
est visible sur la Figure III.15d entre 9 h et 10 h (3) , ce qui explique le comportement
abhérent du facteur de réflectivité radar équivalent mesuré par le MRR en comparaison
avec celui déduit des données du PSV, sur la Figure III.15c, après 9 h. Pour ne pas
perturber la comparaison, ces périodes de dysfonctionnement doivent être détectées
afin de les éliminer de l’analyse. Grâce à leurs propriétés temporelles bien particulières,
une simple technique de seuillage sur la réflectivité mesurée dans des bins de vitesses
proches de 0 m s−1 permet de les détecter sans éliminer les cas où des données de
spectres réels sont décalées à ces vitesses par un vent vertical. Ce traitement supprime
une dizaine d’heures de précipitations sur les 19 cas étudiés.
La Figure III.15c montre que, à l’exception de la période de dysfonctionnement du
MRR, les facteurs de réflectivité radar équivalents mesurés par le MRR et le PSV ont
des variations tout à fait similaires. Contrairement au taux de précipitation et à la
concentration, le vent vertical de la deuxième période ne perturbe pas le facteur de
réflectivité radar mesuré par le MRR. En revanche, cette Figure montre que le MRR
a clairement un problème d’étalonnage, avec un biais d’environ 8 dB. Cette différence
est très importante et n’a probablement pas été détectée plus tôt à cause de la forte
surestimation du taux de précipitation en cas de vent ascendant, même modéré. En
effet, comme on sait d’après les mesures du PSV et la Figure III.14c que la distribution
de gouttes varie peu entre 7 h et 8 h, la Figure III.15d permet d’estimer de façon
approximative le décalage en fréquence dû au vent vertical à 200 à 300 Hz, ce qui
correspond à une vitesse d’environ 1.5 m s−1 .
Pour finir, cette comparaison montre que l’utilisation des données MRR nécessite
que ce dernier soit étalonné et que le facteur de réflectivité radar équivalent soit adapté
pour effectuer cet étalonnage de manière précise, en se basant sur les mesures du PSV.
10.2 Étalonnage du MRR
Williams et al. (2005) ont étalonné des radars profileurs en bande S et UHF à l’aide
d’un disdromètre JW colocalisé. Pour cela, ils comparent les densités de probabilité
globales et par classes du facteur de réflectivité radar mesuré par les deux radars et
déduit des distributions de gouttes mesurées par le disdromètre. Aux longueurs d’onde
de ces radars, il faut sélectionner des réflectivités assez importantes (supérieures à
10 dBZ) pour éliminer la composante de la réflectivité due à la diffusion de Bragg
(3). Les mesure à 300 m ne sont pas très lisibles parce que le vent vertical de la deuxième période
décale le spectre mesuré qui se mélange avec les échos dus au dysfonctionnement, on préfère donc
afficher les données à 100 m.
104 Chapitre III

(a) (b)
0.05 0.05
0.04 0.04
Densité de probabilité
0.03 0.03
0.02 0.02
0.01 0.01
0 0
−20 −10 0 10 20 30 40 50 60 −20 −10 0 10 20 30 40 50 60
ZeP SV [dBZ] ZeMRR [dBZ]
Fig. III.16 – Densités de probabilité du facteur de réflectivité radar équivalent déduit des
mesures du PSV (a), et du MRR (b) sur les 19 cas de précipitations étudiés.
(Section 2.1.3) mais, les gouttes de pluie sont suffisamment petites pour pouvoir utiliser
le facteur de réflectivité radar pour effectuer un étalonnage précis.
10.2.1 Biais global entre les mesures du MRR et du PSV
De la même façon, on se propose d’étalonner le MRR en comparant les réflectivités

mesurées par le MRR et le PSV. Mais dans notre cas, il est impératif d’utiliser le facteur
de réflectivité radar équivalent en bande K. Ce dernier est calculé de la même façon
que celle décrite dans la section précédente. Les 19 cas étudiés fournissent une base
de données d’environ 7600 valeurs simultanées qui sont elles-mêmes des moyennes de
1 min de données. Les Figures III.16a et b présentent la densité de probabilité (PDF)
du facteur de réflectivité radar en dBZ mesuré par le PSV et le MRR pour l’ensemble
de cette base de données. Ces PDFs ont des formes similaires proches d’une distribution
Gaussienne. Les valeurs du MRR sont globalement inférieures à celle du PSV : la PDF
du MRR semble décalée d’un peu moins de 10 dB, ce qui concorde avec les 8 dB de la
comparaison ci-dessus (Section 10.1.2).
Cette forme de distribution indique que ces PDFs suivent pratiquement une loi nor-
male sur l’échelle des dBZ, ce qui permet d’estimer le biais entre ces deux distributions
et son intervalle de confiance, à partir des valeurs en dBZ. Ce biais B s’écrit comme
1∑
B= (ZeP SV − ZeM RR ) (III.15)
n n
où n est le nombre d’observations. Le calcul de l’intervalle de confiance de ce biais
nécessite une estimation de l’écart-type σ de la PDF des différences de toutes les
observations des deux instruments. Cette estimation est faite en utilisant
√
1 ∑[ ]
σ= (ZeP SV − ZeM RR )2 − B 2 . (III.16)
n−1 n
Alors, la distribution des différences des observations centrée par le biais B et norma-
lisée par son écart-type σ suit une loi de Student à n − 1 degrés de liberté. L’intervalle
de confiance du biais B peut donc être calculé à partir de la distribution de Student
selon
σ
I95% = ±t95% √ (III.17)
n

10 Étalonnage
(a) (b) Biais entre le PSV et le MRR par classes de réflectivité

0.1 30
20
0.08
ZeP SV -ZeMRR [dBZ]

10
0.06
0
0.04
−10
0.02
−20
0 −30
−30 −20 −10 0 10 20 30 −10 0 10 20 30 40 50 60
ZeP SV -ZeMRR [dBZ] ZeP SV [dBZ]
Fig. III.17 – Statistiques de la différence entre les facteurs de réflectivité radar équivalent
déduits des mesures du MRR étalonné et du PSV pour les 19 cas de précipitations étudiés :
densité de probabilité (a) et biais par classes de réflectivité (b). Sur le graphe (a), les lignes
pointillées verticales indiquent les valeurs de ±σ. Sur le graphe (b), les valeurs du biais sont
indiquées par les croix tandis que les lignes verticales représentent l’intervalle de confiance
du biais.
où t95% est le 95ème pourcentile de la distribution de Student à n − 1 degrés de liberté.

Néanmoins, pour des valeurs de n qui tendent vers l’infini, la distribution de Student
est équivalente à la loi normale centrée réduite.
On trouve un biais de 8.03 dB avec une confiance de ±0.26 dB et un écart-type de
5.85 dB. Ce biais important confirme donc bien la valeur trouvée pour le cas présenté
dans la section précédente et la nécessité d’étalonner le MRR. La valeur également
élevée de l’écart-type de la distribution est due à la différence entre les technologies
utilisées et à la grande différence entre les volumes d’échantillonnage, aussi bien en
taille qu’en position. Cet écart-type est tout de même deux fois plus élevé que celui
que trouvent Williams et al. (2005) en comparant les réflectivités du profileur en bande
S et du disdromètre JW. Pourtant, ils utilisent également les mesures du profileur
dans une porte centrée sur une altitude de 300 m. Cette plus grande variabilité dans
nos données est certainement due au fait que l’on a gardé les valeurs de réflectivité
allant jusqu’à -10 dBZ. Néanmoins, la faible valeur de I95% permet d’étalonner le radar
MRR en utilisant la valeur du biais entre les distributions avec une bonne confiance.
La distribution des différences entre les observations des deux instruments est affichée
dans la Figure III.17a après l’étalonnage du MRR.
10.2.2 Comportement du bais en fonction de la réflectivité
Afin de mieux visualiser le comportement des deux instruments en fonction de la

réflectivité, on calcule le biais et son intervalle de confiance pour chaque intervalle de
réflectivité de 1 dBZ. Les résultats sont présentés dans la Figure III.17b. Cette Figure
montre que les deux instruments fournissent des observations très comparables entre
10 et 40 dBZ (après l’étalonnage du MRR) avec un biais très stable autour de 0 dB
et des intervalles de confiance allant de 1 à 2 dB. Ce comportement est bien meilleur
que celui retrouvé par Williams et al. (2005), avec une confiance du même ordre mais
un biais dépendant de la réflectivité. En revanche, ces observations diffèrent fortement
en dehors de cet intervalle. Au-delà de 40 dBZ, le MRR sous-estime la réflectivité,
106 Chapitre III

Tab. III.3 – Statistiques de chaque évènement utilisé pour le calcul des statistiques moyennes
permettant l’étalonnage du MRR.
Date Heure UTC Nb obs. Biais [dB] σ [dB] I95% [dB]

11 Avril 2008 03h00-10h30 385 9.28 6.82 1.36
20 Avril 2008 06h15-20h15 476 7.52 5.13 0.92
26-27 Mai 2008 23h25-10h30 301 8.70 6.12 1.38
28-29 Mai 2008 18h00-08h30 384 6.40 7.68 1.54
01-02 Juin 2008 10h45-02h10 677 8.10 5.11 0.77
02-03 Juillet 2008 13h20-09h45 625 8.33 7.03 1.10
06 Juillet 2008 01h30-14h00 414 7.75 5.92 1.14
04 Septembre 2008 03h40-20h00 285 7.45 8.28 1.92
11-12 Septembre 2008 11h40-03h20 226 8.22 7.05 1.84
07 Avril 2009 02h50-21h20 872 8.03 3.68 0.49
25-26 Avril 2009 10h25-23h00 1365 8.14 4.61 0.49
13-14 Mai 2009 23h25-23h00 634 7.95 5.41 0.84
05 Juin 2009 13h20-22h45 280 9.06 5.45 1.28
21 Août 2009 02h00-06h40 141 9.48 9.24 3.05
24 Août 2009 21h40-19h30 724 6.84 7.19 1.05
01 Septembre 2009 09h30-19h10 142 9.03 10.25 3.37
sans doute à cause d’une sous-estimation de l’atténuation dans les deux premières
portes. À l’opposé, des valeurs de réflectivité inférieures à 10 dBZ correspondent à des
précipitations très faibles, et peut-être même à des brumes ou brouillards et sont donc
difficilement échantillonnées par le PSV. Ce dernier sous-estime donc les réflectivités
inférieures à 10 dBZ.
10.2.3 Variation du biais dans le temps
Pour vérifier la stabilité de cet étalonnage dans le temps, nous avons calculé le biais
et son intervalle de confiance pour tous les cas pris individuellement. Les résultats sont
présentés dans le Tableau III.3. Ce tableau montre que le biais retrouvé au cas par cas
est cohérent mais varie tout de même de 6.40 dB à 9.48 dB. Néanmoins, lorsque cette
valeur est loin du biais moyen retrouvé avec l’ensemble des évènements (8.04 dB), on
constate que la confiance est moins bonne, ce qui semble indiquer que les cas en question
ont des problèmes additionnels qui faussent la comparaison entre les mesures du MRR
et du PSV. Enfin, ce Tableau ne montre pas de tendance précise qui indiquerait une
variation de l’étalonnage du MRR dans le temps.
10.2.4 Validation de l’étalonnage
Afin de valider l’étalonnage du MRR, on reprend le cas de précipitations décrit dans

la Section 10.1 : les Figures III.14 et III.15 présentent également les paramètres dérivés
du MRR après son étalonnage en utilisant la valeur du biais trouvée pour l’ensemble
des évènements sélectionnés.

11 Conclusion
La Figure III.14d représente la distribution de gouttes mesurée par le MRR dans la

première porte. Cette fois, on remarque un bon accord des concentrations de gouttes
avec le PSV (échelle de couleur) pour la première partie de l’évènement. En revanche,
comme le vent vertical provoquait déjà une surestimation de la concentration de gouttes
de petit diamètre dans la deuxième partie de l’évènement, l’étalonnage accentue cet
effet.
De la même manière, les Figures III.15a et b montrent un très bon accord entre la
concentration des gouttes et le taux de précipitation mesurés par le PSV et le MRR
après étalonnage, seulement dans la première partie de l’évènement, ces deux para-
mètres étant surestimés à cause du vent vertical dans la deuxième partie de l’évène-
ment. En revanche, l’accord est bon pendant l’évènement entier pour le facteur de
réflectivité radar équivalent (Figure III.15c), puisque ce dernier est insensible au vent
vertical. Ces Figures permettent donc de valider l’étalonnage effectué.
11 Conclusion
Ce chapitre montre que le MRR est un radar de bonne qualité. Les produits qu’il
fournit sont issus d’un traitement complexe, qui permet de détecter ou même de prendre
en compte, de nombreux problèmes comme l’atténuation et le repliement spectral en
cas de fort vent vertical. Des comparaisons avec un disdromètre Parsivel colocalisé ont
montré que le facteur de réflectivité radar équivalent déduit du spectre de réflectivité
mesuré par le MRR est en très bon accord avec le facteur de réflectivité radar équivalent
calculé à partir de la distribution de gouttes mesurée par le disdromètre. Cette bonne
correspondance a permis d’étalonner le MRR à partir du disdromètre avec une bonne
confiance.
Malheureusement, deux perturbations de la mesure du MRR ne sont pas prises en
compte : la turbulence et le vent vertical. Or, on a montré que le vent vertical a un
effet certain sur la distribution de gouttes et les paramètres qu’on en déduit (erreur
potentielle de plus d’un ordre de grandeur pour le taux de précipitation et d’une dizaine
de dB pour le facteur de réflectivité radar pour de forts vents verticaux), même pour des
valeurs faibles de 1 m s−1 . De nombreuses méthodes ont été développées pour prendre
en compte ces phénomènes, mais elles sont complexes et sont basées sur des hypothèses
réductrices. Peters et al. (2005) ont donc décidé de ne pas corriger ces effets, en justifiant
qu’une mauvaise correction pourrait même amener à une détérioration des résultats.
Le dispositif expérimental actuel ne permettant pas cette correction, et le but de cette
thèse n’étant pas de corriger les données du MRR du vent vertical, nous opterons
pour le même choix, tout en étant conscient du problème. Mais, à long terme, c’est un
paramètre qui se doit d’être pris en compte en utilisant par exemple les données d’un
disdromètre colocalisé, mais avec la délicate contrainte de ne pas négliger la variabilité
verticale de la DSD.
108 Chapitre III

Chapitre IV
Traitement des données du radar en

bande X
C omme on l’a vu dans le Chapitre III pour le traitement des données MRR, la
mesure de tout radar peut-être perturbée par de nombreux facteurs. Ceci est
encore plus vrai pour le radar en bande X qui était encore à l’état de prototype
lors de cette thèse. Dans cette partie, nous décrirons les méthodes utilisées pour filtrer
les données du radar en bande X (Section 12), son étalonnage en parallèle au calcul de
l’atténuation par la pluie (Sections 13 et 14) et la dérive de cet étalonnage (Section 15).
12 Filtrage des données
Certains échos mesurés par les radars ne correspondent pas à des cibles météoro-
logiques. S’ils ne sont pas supprimés, ces échos peuvent mener à des biais significatifs
lors de l’estimation des précipitations. C’est pourquoi, de nombreux travaux ont porté
sur l’identification de ces échos, en particulier des échos de sol. Mais, la plupart des
techniques développées sont basées sur des méthodes complexes de logique floue (Be-
renguer et al., 2006; Cho et al., 2006; Gourley et al., 2007a; Hubbert et al., 2009) ou de
réseaux de neurones (Grecu et Krajewski, 2000; Krajewski et Vignal, 2001) qui néces-
sitent des mesures radar variées telles que la vitesse Doppler et la polarimétrie et, qui
sont le plus souvent volumiques. Steiner et Smith (2002) listent un certain nombre de
techniques basées sur les mesures de radars non-cohérents, qui ont été présentées à des
conférences variées mais qui n’ont jamais donné lieu à des publications. Il apparaît donc
qu’aucune méthode existante ne peut être appliqué au radar en bande X du LaMP. On
mettra donc au point une méthode basée sur un simple filtrage des données. Le risque
d’une méthode trop basique est qu’elle manque de discernement et qu’elle entraîne la
suppression d’une partie des échos correspondant aux précipitations amenant alors à
une sous-estimation des précipitations. Malheureusement, les échos parasites mesurés
par le radar en bande X sont beaucoup trop fréquents pour espérer atteindre une esti-
mation quantitative des précipitations sans effectuer de filtrage : on distinguera deux
types de filtrage : le filtrage des échos parasites en ciel clair (Section 12.1) et des échos
superposés aux précipitations (Section 12.2).
109
12.1 Filtrage des échos parasites en air clair
Lors de l’analyse des images radars de la campagne COPS, différentes sortes d’échos
parasites en air clair ont été détectées. Bien sûr, ces échos peuvent également être
superposés à des échos de précipitations, mais leur filtrage est alors plus complexe
et sera décrit dans la Section 12.2. Trois types d’échos parasites ont été identifiés :
les échos dus à des interférences (Section 12.1.1), les échos dus à une mesure directe
d’échos très intenses (Section 12.1.2) et les échos ambigus en distance (Section 12.1.3).
De manière très simplifiée, on a vu dans la Section 3.1 que les valeurs de réflectivité
inférieures à 15 dBZ correspondent au bruit de radar. En réalité, ces valeurs peuvent
également correspondre à de très faibles taux de précipitation. Il s’avère donc nécessaire
de considérer cette gamme de réflectivité afin de ne pas éliminer ce type de données.
Le bruit restant pourra être éliminé par les méthodes de filtrage présentées dans les
sections suivantes grâce à sa morphologie particulière, très hétérogène. Compte-tenu du
niveau de bruit du radar allant de valeurs inférieures à 0 dBZ jusqu’à environ 15 dBZ,
il est inutile de considérer des réflectivités inférieures à 0 dBZ puisqu’il sera très difficile
de distinguer les petites cellules de précipitation du bruit. La toute première étape du
filtrage est donc d’appliquer aux mesures un seuil minimal de 0 dBZ. Les zones de
précipitation potentiellement éliminées par ce seuil correspondent à un taux de préci-
pitation extrêmement faible et ont un impact négligeable sur le cumul de précipitations
mesuré par le radar.
12.1.1 Interférences
Le signal mesuré par le récepteur du radar peut-être contaminé par de nombreuses

ondes électromagnétiques provenant de sources variées. L’effet sur les données est très
visible puisque cela produit des zones de réflectivité très variable (de 10 à 60 dBZ) dont
la taille et la position semblent aléatoires, pendant plusieurs minutes. Ces perturba-
tions ont donc une texture très hétérogène qui se distingue très facilement des zones
précipitantes. Elles sont le plus souvent regroupées par petits “paquets” de pixels et
peuvent être éparpillées sur toute l’image radar (Figure IV.1) ou avoir une direction
privilégiée (Figure IV.2). Plus rarement, ces perturbations peuvent s’étendre de façon
continue sur toute la distance mesurée par le radar, dans une direction donnée (Fi-
gure IV.3). De telles intensités de réflectivité mèneront à de très fortes valeurs de taux
de précipitation qui auront des conséquences très importantes sur le calcul du cumul
de précipitation dans les zones concernées. Ces perturbations doivent donc absolument
être éliminées.
Les données brutes du radar sont décrites dans un système de coordonnées polaires.
Chaque volume d’échantillonnage est donc représenté sur l’image par un pixel ayant
la forme d’une surface élémentaire en coordonnées polaires. Chaque “paquet” de forte
réflectivité des Figures IV.1 et IV.2 a une taille de 10 à 15 pixels en distance mais est
toujours dans une direction précise, c’est-à-dire, que sa largeur ne dépasse jamais un
pixel en azimut. Ces éléments peuvent donc être supprimés en cherchant les pics de
réflectivité étant entourés en azimut par des valeurs inférieures à 0 dBZ, on dit que l’on
supprime les pics de réflectivité en azimut. Dans les cas les plus graves (Figure IV.1),
plusieurs “paquets” de réflectivité peuvent être accolés et ne sont donc pas suppri-
més par ce filtrage. On décide donc de supprimer également les pics de réflectivité en
110 Chapitre IV
Fig. IV.1 – Séries du champ de réflectivité mesuré par le radar en bande X pendant 2 min,
toutes les 30 s, et montrant les perturbations provoquées par des interférences dans toutes
les directions, avant (haut) et après (bas) le premier filtrage. Le filtrage parvient à éliminer
la plupart des échos créés par ces interférences à l’exception des zones où ces échos sont très
denses : dans le quart Nord-Ouest, à 9:32:29 et 9:32:59 UTC.
distance et les pics de réflectivité temporels. Ce filtrage dans les trois dimensions des
données radar est itéré jusqu’à ce qu’il n’y ait plus de pixels à supprimer.
Les résultats de ce filtrage sont présentés dans les parties basses des Figures IV.1,
IV.2 et IV.3. Ce filtrage est efficace puisqu’il supprime toutes les perturbations à l’ex-
ception de quelques zones où les perturbations sont très denses (quart Nord-Ouest de
la Figure IV.1 à 9:32:29 et 9:32:59 UTC) mais également le bruit du radar puisque les
fluctuations de celui-ci lui donnent une texture proche de celle des perturbations avec
des pixels isolés (1) .
En revanche, ce filtrage ne peut pas supprimer les perturbations lorsqu’elles se
superposent à des zones de précipitations comme c’est le cas sur la Figure IV.2. Il
faut alors effectuer un second filtrage qui sera décrit dans la Section 12.2. De plus,
ce premier filtrage est inefficace pour supprimer les perturbations qui s’étendent sur
toute la distance de mesure du radar et sur quelques azimuts consécutifs (Figure IV.3).
Heureusement, ces perturbations restent très rares.
12.1.2 Mesure d’échos directs fantôme très intenses
Plusieurs cas de la campagne COPS ont montré la présence d’un second type d’échos
parasites qui ont une faible intensité et se déplacent de façon contraire au mouvement
général des précipitations (Figure IV.4).
Les mesures de la Figure IV.4 sont issues d’un cas de précipitations sous forme de
petites cellules convectives lors de la campagne COPS. Une cellule de précipitations
(1). Pour que le filtrage supprime l’ensemble du bruit, il est nécessaire d’éliminer tous les pixels dont
la réflectivité radar est inférieure à 3 dBZ.
Traitement des données du radar en bande X 111

toutes les minutes, et montrant les perturbations provoquées par des interférences dans une
direction donnée, avant (haut) et après (bas) le premier filtrage. Pendant les quatre minutes
affichées, la direction des perturbations passe du Nord-Ouest à l’Ouest ce qui semble indiquer
que la source des interférences se déplace vers le Sud. Le filtrage parvient à éliminer les échos
provoqués par les interférences sauf lorsque ces derniers sont confondus avec une cellule de
précipitations (exemple visible particulièrement à 10:15:00 sur les cellules situées à 12 et
18 km du radar, dans la direction du Nord-Ouest).
toutes les 30 s, et montrant les perturbations sur toute la gamme de distances mesurées par
le radar et provoquées par des interférences dans une direction donnée, avant (haut) et après
(bas) le premier filtrage. Le filtrage ne parvient pas à supprimer totalement les perturbations
parce qu’elles forment des zones contigües de plus de un pixel.
112 Chapitre IV
toutes les 90 s, au cours d’un cas de petites cellules convectives lors de la campagne COPS
et montrant des échos directs, avant (haut) et après (bas) le premier filtrage. Le filtrage
ne doit pas supprimer ces échos directs, lorsqu’ils se superposent à des “vraies” cellules de
précipitations, comme à 15:21:29 et à 15:23:00 UTC.
très intenses de réflectivité supérieure à 50 dBZ à 3 km au Sud-Est du radar se dé-

place dans la direction du Nord-Est. Cette cellule produit des échos directs fantômes
d’environ 10 dBZ qui se déplacent donc de manière symétrique dans le sens opposé du
déplacement des cellules de précipitations.
Ces échos apparaissent toujours par deux et seulement en cas de cellules de préci-
pitations très intenses. Ils ont une forme symétrique aux zones de réflectivité les plus
intenses, par rapport à la position du radar à ±120°. Ces échos parasites ne sont pas liés
à la localisation du radar (lors de la campagne COPS, le radar était placé à proximité
de paraboles satellites qui auraient pu interférer avec les mesures) parce qu’ils appa-
raissent également sur les données de précipitations mesurées sur le site Clermontois
(Figure IV.5).
La Figure IV.5 présente l’initiation d’une cellule orageuse lors de mesures sur le
site Clermontois. Cette cellule se forme à proximité du radar et se déplace ensuite
rapidement dans la direction Nord-Nord-Ouest pour se retrouver à une quinzaine de
kilomètres du radar après 15 min. De la même manière, des échos directs fantômes
d’environ 10 dBZ se déplacent dans des directions opposées et sont visibles jusqu’à
environ 15 km du radar.
Ce type d’échos parasites est en réalité dû à la mesure directe par le cornet d’échos
de précipitations très intenses. En effet, l’ajout d’un radôme de forme cylindrique sur
le radar en bande X a nécessité la découpe des côtés de la parabole sur quelques centi-
mètres. Il peut alors arriver que le cornet capte directement des échos de précipitations
lorsque l’axe de l’antenne est orienté à ±120° de la direction des précipitations (entre
ces deux angles, les cellules de précipitations sont cachées par l’antenne). On a vu dans
la Section 2.1.1, que la puissance reçue par le radar est proportionnelle à la surface de

toutes les 5 min, au cours de l’initiation d’une cellule orageuse et montrant des échos directs,
avant (haut) et après (bas) le premier filtrage. Dans certains cas rarissimes, comme à 13:32:30
UTC, le filtrage ne permet pas de supprimer l’écho direct.
l’antenne. Par définition, la mesure directe des précipitations se fait directement par le
cornet et de manière latérale, donc les échos obtenus ont une intensité beaucoup plus
faible. L’expérience montre qu’ils sont inférieurs d’environ 40 dBZ. Ces échos n’appa-
raissent donc qu’en présence de cellules très intenses supérieures à 40 dBZ.
Ces échos directs fantômes ont pu être supprimés en comparant la position de

chaque cellule de précipitations par rapport à celle des zones de réflectivité intenses.
Pour cela, on identifie chaque zone de l’image radar où la réflectivité dépasse un certain
seuil sur plusieurs pixels contigus. Le seuil choisi est 0 dBZ pour identifier les cellules
de précipitations et de 35 dBZ pour les zones de réflectivité intenses. On créé les images
des zones de réflectivité intenses par rotation de ±120° par rapport au radar. Les échos
directs fantômes doivent se situer à l’intérieur de ces images. Cette méthode est illustrée
sur la Figure IV.6. Chaque cellule identifiée est caractérisée par son pourtour (en trait
fin noir) et son centre de gravité (marqueur coloré). Les zones de réflectivité intenses
sont caractérisées par un trait fin rouge et leurs images, symétriques par rapport au
radar à ±120°, par un trait fin rose. Si des cellules sont identifiées comme étant des
échos directs fantômes, leur marqueur est colorié en rose.
Pour éviter la suppression de cellules de précipitations valides qui se trouveraient

dans ces zones, on effectue plusieurs tests pour vérifier que la cellule en question est
bien un écho direct fantôme : la réflectivité maximale à l’intérieur de la cellule ne doit
pas dépasser 20 dBZ et plus de 70% de ses pixels doivent se trouver à l’intérieur des
images des échos directs fantômes. Le choix de ces paramètres est basé sur l’analyse
des données de la campagne COPS. C’est pourquoi dans la Figure IV.6, l’écho direct
fantôme droit (au Nord du radar) a bien été identifié (marqueur rose) alors que l’écho
direct fantôme gauche (à l’Ouest du radar) ne l’est pas. En effet, ce dernier est mélangé
avec une cellule précipitante dont la réflectivité atteint environ 35 dBZ.
114 Chapitre IV
Fig. IV.6 – Illustration du filtrage des cellules de précipitations par leur taille et leur position
par rapport aux zones de réflectivité intenses. Chaque cellule individuelle est identifiée par
son pourtour en trait fin noir et par la position de son centre de gravité avec un marqueur
noir. Les zones de précipitations intenses et leurs images par rotation autour de la position du
radar de ±120° sont identifiées par leur pourtour en trait fin rouge et rose, respectivement.
Le marqueur des cellules filtrées est colorié : en rose pour les cellules identifiées comme étant
des échos directs et en bleu pour les cellules dont la taille est jugée trop faible.
Les tests sont volontairement stricts parce que l’on préfère conserver un écho direct
fantôme, qui n’aura que peu d’influence sur le cumul de précipitation puisque sa réflec-
tivité est toujours assez faible, plutôt que de supprimer une cellule de précipitations
bien réelle. Ainsi, certains échos directs fantômes peuvent ne pas être supprimés comme
c’est le cas sur certaines images des Figures IV.4 et IV.5.
Par ailleurs, cette identification des cellules permet également de supprimer les
derniers pixels de réflectivité correspondant au bruit ou aux interférences en autorisant
une taille de cellule minimale en nombre de pixels (20 pixels) à proximité du radar et
en volume échantillonné (2.5×107 m3 ) loin du radar. Les marqueurs de ces zones sont
coloriés en bleu sur la Figure IV.6. Avec ce filtrage, il y a un risque de supprimer des
très petites cellules précipitantes en cours de formation ou de dissipation. Néanmoins,
des cellules de cette taille auront une très faible réflectivité et leur suppression n’aura
que de faibles conséquences sur l’estimation des précipitations. Il faut tout de même
noter que cette remarque pourrait ne pas être valide pour un radar classique. En effet,
c’est la très haute résolution du radar qui rend possible ce genre de filtrage simple.
12.1.3 Échos ambigus en distance
Une dernière sorte d’échos parasites en air clair a été observée, mais de manière très
rare : il s’agit des échos ambigus en distance, c’est-à-dire, des échos renvoyés par des
cibles situées au delà de la portée non ambiguë du radar (Équation I.9). En général,

toutes les 5 min, et montrant des échos ambigus en distance provenant d’un cellule intense
lointaine, avant (haut) et après (bas) le premier filtrage. Ce filtrage n’est pas capable d’éli-
miner un tel écho parasite.
les échos issus de ces cibles sont trop faibles pour être détectés par le récepteur. Mais
lorsque la réflectivité de ces cibles est forte, le récepteur les détecte et les associe à
l’impulsion la plus récente. Alors, le temps que met l’onde électromagnétique pour
parcourir en aller et retour la distance entre le radar et la cible est sous-estimé de la
valeur de la période de répétition entre les impulsions. Par voie de conséquence, la
distance de la cible est sous-estimée de la valeur de la portée non ambiguë du radar.
D’après le Tableau II.1, le radar en bande X a une portée non ambiguë d’environ
70 km. De plus, on a vu que seules les données correspondant aux 20 premiers kilomètres
sont échantillonnées (Section 3.1). Alors, seules les cibles comprises entre 70 et 90 km
du radar peuvent produire des échos ambigus en distance. La Figure IV.7 montre un
exemple d’échos ambigus en distance mesuré le 15 juillet 2007 lors de la campagne
COPS. Ce cas a suscité un certain intérêt puisqu’il a donné lieu à la formation d’un
système convectif isolé sur la Forêt Noire et dont la prévision s’est avérée compliquée
(Richard et al., 2011). Aucune pluie n’a été enregistrée sur le massif des Vosges et dans
la Vallée du Rhin, mais le radar en bande X a bien mesuré une cellule de précipitations
à environ 5 km dans la direction Est-Sud-Est avec des réflectivités de plus de 20 dBZ
pendant environ 20 min. Cette cellule correspond en fait au système convectif qui s’est
formé sur la Forêt Noire, et qui a également été détecté par le radar POLDIRAD à
une distance d’environ 75 km du radar en bande X et avec des réflectivités dépassant
56 dBZ au moment le plus intense, vers 14h40 UTC (voir Figure IV.8). Pourtant, la
forme de la cellule mesurée par le radar en bande X paraît différente de celle mesurée
par POLDIRAD. Ceci est dû à la mauvaise estimation de sa distance par le radar
en bande X, à cause de l’ambiguïté en distance. En effet, la dimension radiale de la
cellule est correctement conservée tandis que sa dimension orthogonale ne l’est pas.
Cette dernière, égale à r tan θ où r est la distance de la cible et θ l’angle sous lequel
elle est interceptée, est sous-estimée d’une quantité égale au rapport entre la distance
116 Chapitre IV
12.2 Filtrage des échos parasites superposés aux échos de précipitations
Fig. IV.8 – Séries du champ de réflectivité mesuré par le radar POLDIRAD pendant 40 min,
toutes les 10 min, et montrant la formation, sur la Forêt Noire, du système orageux détecté
par le radar en bande X comme le montre la Figure IV.7. Sur cette Figure, le fond grisé
montre la topographie, avec les Vosges, à l’Ouest et la Forêt Noire à l’Est. Le radar en bande
X était localisé à 30 km au Sud-Ouest de Poldirad au pied des Vosges. Cette Figure confirme
la direction Est-Sud-Est du système convectif par rapport au radar en bande X.
réelle et la distance supposée par le radar. Ainsi, la cellule a une dimension orthogonale
d’environ 7.8 km à 75 km du radar qui devient environ 500 m sur l’image, à 5 km du
radar. Ceci explique la forme allongée retrouvée par le radar en bande X.
Le problème des échos ambigus en distance est que, mis à part sa forme, la cellule
ainsi détectée possède toutes les propriétés d’une cellule de précipitations normale et
est difficilement identifiable de manière automatique. La Figure IV.7 montre qu’elle
n’est pas éliminée par le filtrage. Néanmoins, ce phénomène a peu d’incidence sur
l’estimation des précipitations parce qu’il est relativement rare que les réflectivités
induites dépassent 30 dBZ à cause de la mauvaise normalisation en inverse du carré de
la distance. Néanmoins, il faut être conscient de ce problème, car lorsqu’une cellule de
précipitations provoquant un tel phénomène se déplace peu, le cumul des précipitations
obtenu peut devenir relativement important.
12.2 Filtrage des échos parasites superposés aux échos de pré-

cipitations
On a vu dans la section précédente que certains types d’échos aberrants peuvent

se superposer à des zones de précipitations. De plus, un autre type d’échos parasites
semble perturber le signal de manière encore plus importante. Dans cette Section, nous
décrirons ces nouveaux échos parasites ainsi que la nouvelle méthode de filtrage utilisée
pour les éliminer (Section 12.2.1). Pour éviter toute confusion, on appellera “filtrage du
bruit” le filtrage décrit précédemment et “filtrage des pics” ce nouveau filtrage, dans la
suite de ce document. Ensuite, nous justifierons le filtrage des pics par une comparaison
statistique avec les données de POLDIRAD (Section 12.2.2), enfin, nous vérifierons la
validité de ce filtrage en montrant l’effet qu’avaient de tels échos parasites sur la densité
de probabilité de la réflectivité et sur l’estimation des précipitations (Section 12.2.3).
Pour cela, nous prendrons comme exemple le cas de précipitations du 12 août 2007
pour lequel de petites cellules convectives se formaient au niveau des crêtes des Vosges
et étaient ensuite advectées par le vent en direction du Nord-Est, au dessus de la Vallée
du Rhin, tout en diminuant rapidement en intensité. Les conditions favorables à ce type
d’initiation de la convection ont été décrites en détails dans Hagen et al. (2011).

(a) Réflectivité selon l’azimuth 224◦ le 12-Aug-2007 (b) Réflectivité selon l’azimuth 224◦ le 12-Aug-2007
60 60
13:15:00 13:15:00
13:20:00 13:20:00
13:25:00 13:25:00
50 13:29:59 50 13:29:59
13:34:59 13:34:59
13:40:00 13:40:00
Réflectivité [dBZ]
Réflectivité [dBZ]
40 40
30 30
20 20
10 10
0 0
16 14 12 10 8 6 4 2 16 14 12 10 8 6 4 2
Rang [km] Rang [km]
Fig. IV.9 – Réflectivité mesurée par le radar en bande X en fonction de la distance au

radar le long d’un azimut donné pour plusieurs instants de mesure successifs et montrant
la présence de pics de réflectivité (a) qui sont supprimés par le filtrage des pics (b). Ces
courbes montrent qu’entre 13h15 et 13h40 (courbes allant du bleu au rouge) une cellule de
précipitations intenses (supérieures à 40 dBZ) se rapproche du radar tout en diminuant en
intensité.
12.2.1 Pics de réflectivité aberrants
Dans les zones de précipitations intenses, la réflectivité du radar en bande X semble

anormalement hétérogène. La représentation graphique classique des données radar
sous forme d’un champ de réflectivité en deux dimensions où l’intensité de la réflectivité
radar est indiquée par une échelle de couleur ne permet pas de visualiser clairement
cette variabilité. Par contre, un graphe représentant la réflectivité en fonction de la
distance au radar le long d’un azimut est plus lisible et peut s’apparenter à une section
verticale à travers une cellule de précipitations le long d’une direction donnée.
Cette représentation a été choisie dans la Figure IV.9a à plusieurs instants de mesure
du radar en bande X en sélectionnant un azimut parallèle à la direction de propagation
des précipitations afin de décrire l’évolution et le déplacement d’une cellule convective
le 12 août 2007. On rappelle que lors de ce cas de précipitations, les cellules se formaient
au niveau des crêtes des Vosges et se déplaçaient ensuite en direction du Nord-Est. La
cellule étudiée sur la Figure IV.9a s’est formée peu avant 13h15 à environ 15 km du
radar et s’est rapprochée progressivement jusqu’à environ 8 km du radar en 30 min.
La section de la cellule a une forme globale assez lisse mais surmontée de pics de
réflectivité de 10 à 20 dBZ. De telles variations ponctuelles de réflectivité sont absurdes
et leur origine n’est pas clairement identifiée. Ces artefacts sont certainement dus à un
défaut interne au radar dans le traitement de la puissance mesurée, qui entrainerait une
surestimation de la puissance reçue, d’une valeur fixe et avec une fréquence aléatoire.
En réalité, la fréquence de ce phénomène semble liée à l’intensité de la puissance reçue,
avec des pics très nombreux pour des réflectivités supérieures à 40 dBZ et pratiquement
inexistants lorsque la réflectivité est inférieure à 30 dBZ.
Un tel défaut dans les données a des conséquences désastreuses sur l’estimation
des précipitations puisque, par définition, une surestimation de 20 dBZ correspond à
une surestimation de deux ordres de grandeur de la réflectivité. Une bonne estimation
des précipitations à partir des données de ce radar nécessite donc un nouveau filtrage,
en particulier parce qu’on s’intéresse en priorité à des précipitations intenses, pour
118 Chapitre IV
lesquelles ce défaut est le plus fréquent. On a donc décidé de mettre au point un

second filtrage (le “filtrage des pics”) basé sur les variations locales du facteur de
réflectivité radar. La principale difficulté pour effectuer ce filtrage est que des pics de
réflectivité peuvent apparaître sur plusieurs portes de suite. Il consiste à rechercher des
pics ou “plateaux” de réflectivité supérieurs de plus de 6 dBZ à l’enveloppe générale
de la réflectivité mesurée pour chaque azimut. De plus, afin d’éliminer les interférences
décrites dans la Section 12.1.1 qui se seraient superposées à un signal météorologique, il
faut que le filtrage puisse détecter des plateaux de réflectivité d’une taille allant jusqu’à
12 portes, c’est-à-dire, environ 720 m. Un tel filtrage peut évidemment niveler des
petites cellules convectives en formation. C’est une conséquence normale d’un filtrage
aussi simpliste, mais qu’on ne peut pas éviter. Néanmoins, ceci reste assez rare et le
filtrage fonctionne en général de manière très correcte. Après le filtrage des pics, les
sections de la cellule du 12 août 2007 à 13h sont présentées dans la Figure IV.9b.
Tous les pics ont bien été supprimés sans détériorer la forme générale des courbes.
Néanmoins, dans la section suivante, nous allons vérifier la validité du filtrage des pics
de manière statistique, avec des comparaisons avec le radar POLDIRAD.
12.2.2 Comparaisons avec le radar POLDIRAD
Afin de vérifier la qualité des données du radar en bande X et du filtrage des pics,
on décide de comparer la réflectivité mesurée par les deux radars, d’abord de manière
qualitative, puis de manière statistique.
a) Comparaison qualitative
Le radar POLDIRAD ne fonctionne généralement pas de manière continue et auto-

matique. Ainsi, pendant la campagne COPS, la stratégie de scan dépendait des condi-
tions météorologiques observées. En fonctionnement normal, POLDIRAD effectue des
balayages volumiques en 10 min en mesurant une série de PPI avec des élévations allant
de 0.5° à 25°. Pour le cas du 12 août 2007 auquel on s’intéresse ici, le nombre d’éléva-
tions était variable. Les seules qui ont été effectuées régulièrement sont 1° et 2°. À 1°,
les mesures sont fortement contaminées par des échos de sol dans la direction du radar
en bande X, à cause de masques partiels provoqués par les contreforts des Vosges. Pour
effectuer les comparaisons, on a donc choisi d’utiliser les mesures faites à 2°. La zone
couverte par le radar en bande X est échantillonnée en une dizaine de secondes par
POLDIRAD avec des angles de visée compris entre 158° et 240° par rapport au Nord
(dans le sens des aiguilles d’une montre). Les mesures du radar en bande X ont donc
été choisies de façon à ce qu’elles se rapprochent au maximum de la valeur moyenne
des temps de mesure de POLDIRAD dans ces directions.
La Figure IV.10a montre la réflectivité mesurée pendant une révolution de POLDI-
RAD dans la zone couverte par le radar en bande X (les points de repères correspondant
au radar en bande X ont été ajoutés pour faciliter la comparaison). La Figure IV.10b
présente la réflectivité du radar en bande X correspondante, après filtrage, au temps de
mesure le plus proche. Par ailleurs, les données du radar en bande X ont été moyennées
sur la grille de données de POLDIRAD, éliminant ainsi toute différence d’échelle, dans
le but de faciliter la comparaison. Les résultats de cette moyenne sont présentés dans
la Figure IV.10c.

Fig. IV.10 – Réflectivité mesurée le 12 août 2007 à 15:11:30 dans le champ de vision du
radar en bande X, par le radar POLDIRAD (a), par le radar en bande X (b) et issue de la
moyenne des mesures du radar en bande X sur la grille de données de Poldirad (c).
Les champs de réflectivité des deux radars sont tout à fait comparables, avec plu-
sieurs cellules d’intensités différentes détectées à l’Ouest du radar en bande X. Les
zones de réflectivité que le radar en bande X n’a pas détectées sont en réalité des échos
de sol provoqués par certains sommets des Vosges sur les données de POLDIRAD, et
qui sont également visibles sur la Figure IV.8 au Sud-Ouest de Strasbourg où était
implanté le radar en bande X. Comme les deux radars n’opèrent pas à la même lon-
gueur d’onde, cette comparaison ne peut être que qualitative. Néanmoins, on observe
une sous-estimation de la réflectivité par le radar en bande X de plus de 5 dB, en par-
ticulier pour les fortes réflectivités. Une telle différence ne pouvant être complètement
expliquée par la différence de longueur d’onde, ceci pourrait indiquer une forte atténua-
tion des réflectivités observées par le radar en bande X et/ou un mauvais étalonnage
du radar en bande X, ce que l’on vérifiera dans les Sections 13 et 14.
b) Comparaison statistique
Afin d’effectuer une comparaison plus précise, on étudie la densité de probabilité de

la réflectivité mesurée par les deux radars. La densité de probabilité est la probabilité
d’apparition d’une valeur ayant une certaine réflectivité par classe de réflectivité. Leur
différence de longueur d’onde ne permet pas une correspondance exacte, mais la forme
de leur densité de probabilité doit être semblable. La Figure IV.11 présente les densités
de probabilité de la réflectivité mesurée par POLDIRAD et par le radar en bande
X pendant les 5 heures que dure le cas du 12 août 2007 (de 12 h à 17 h UTC). Le
temps mis par POLDIRAD pour effectuer un balayage complet étant de 10 min, ce
dernier fournit des mesures de la zone couverte par le radar en bande X à une élévation
de 2° toutes les 10 min. Les données utilisées pour créer la densité de probabilité
de POLDIRAD (courbe bleue) proviennent donc de 28 balayages pour lesquels on a
sélectionné les pixels qui sont exactement inclus dans le cercle correspondant à la portée
du radar en bande X (voir Figure IV.10). Pour une comparaison avec exactement les
mêmes observations, on sélectionne également les 28 PPI complets du radar en bande X
correspondant aux temps de mesure de POLDIRAD. La densité de probabilité obtenue
est représentée par la courbe verte. On calcule également la densité de probabilité
(courbe rouge) des données du radar en bande X obtenues après moyenne sur la grille
de POLDIRAD, comme cela a été fait dans la Figure IV.10. Par ailleurs, on utilise des
données supérieures à 10 dBZ de façon à ne pas perturber la forme de la densité de
probabilité du radar en bande X pour lequel le bruit est très présent à des réflectivités
120 Chapitre IV
inférieures à 10 dBZ. On distingue d’ailleurs, la contribution croissante de ce bruit pour

les réflectivités allant de 12 à 10 dBZ sur la Figure IV.11a.
(a) 0 (b) 0
10 10
Poldirad Poldirad
Bande X Bande X
Bande X interpolé Bande X interpolé
−1 −1
10 10
−2 −2
10 10
−3 −3
10 10
−4 −4
10 10
10 20 30 40 50 60 10 20 30 40 50 60
Réflectivité Z [dBZ] Réflectivité Z [dBZ]
Fig. IV.11 – Comparaison des densités de probabilité de la réflectivité mesurée par POL-
DIRAD, par le radar en bande X et issue de la moyenne des mesures du radar en bande X
sur la grille de POLDIRAD pour l’évènement de précipitations du 12 août 2007 en entier,
avant (a) et après le filtrage des pics (b).
La Figure IV.11 permet de comparer la densité de probabilité du radar X à celle de

POLDIRAD avant (Figure IV.11a) et après le filtrage des pics de réflectivité anormaux
(Figure IV.11b). La densité de probabilité de POLDIRAD possède une forme assez
classique, avec une diminution régulière jusqu’à 45 dBZ puis une diminution plus forte
au-delà, mais avec une forme un peu chaotique, à cause de la rareté des pixels ayant de
telles réflectivités. En revanche, la densité de probabilité de la réflectivité du radar en
bande X a une forme plus particulière avec un comportement similaire jusqu’à 40 dBZ
mais une diminution rapide jusqu’à environ 48 dBZ, puis une augmentation de la
probabilité créant une bosse centrée autour de 55 dBZ. Ce comportement pourrait être
lié à une spécificité de l’initiation des cellules convectives lors du 12 août, à une échelle
fine qui n’est pas résolue par POLDIRAD. Malheureusement, cette hypothèse doit être
rejetée parce que même si cet effet est effectivement moins visible sur la densité de
probabilité des mesures du radar en bande X moyennées à l’échelle de POLDIRAD, il
est toujours bien présent. En revanche, la Figure IV.11b montre que le filtrage des pics
de réflectivité dans les données du radar en bande X élimine totalement la bosse de
hautes réflectivités dans la densité de probabilité. La moyenne des données du radar
en bande X à l’échelle des données de POLDIRAD n’a alors pratiquement plus aucun
effet, et on n’observe plus que des différences minimes entre les différentes densités de
probabilités à l’exception que la forte diminution due à la rareté des pixels intervient à
40 dBZ pour le radar en bande X au lieu de 45 dBZ pour POLDIRAD, ce qui peut être
expliqué par un biais dû à un mauvais étalonnage ou l’atténuation subie par le radar
en bande X. On conclut donc que cette bosse dans la densité de probabilité est bien
provoquée par les pics de réflectivité aberrants décrits dans la Section 12.2.1. D’un
autre côté, la Figure IV.11b permet de valider le filtrage effectué. En effet, puisque
la bosse dans la densité de probabilité a disparu, cela induit que la totalité des pics
aberrants a bien été supprimée, alors que le comportement du reste de la densité de
probabilité semble inchangé.

12.2.3 Vérification de la validité du filtrage des pics
Dans cette section, on poursuit la vérification de la validité du filtrage des pics en

observant ses effets sur l’évolution de la densité de probabilité de la réflectivité du radar
en bande X et sur l’estimation des précipitations.
a) Effet sur la densité de probabilité de la réflectivité

La Figure IV.12a présente l’évolution de densité de probabilité des données du
radar en bande X en fonction du temps : chaque ligne verticale présente la densité de
probabilité du champ de réflectivité du radar en bande X mesuré pendant 30 s et dont
la probabilité est représentée par l’échelle de couleur en niveau de gris. Ce genre de
représentation ne donne pas d’information sur la localisation mais permet de visualiser
l’évolution au cours du temps de la réflectivité mesurée sur l’ensemble de la surface
couverte par le radar en bande X en une unique figure (Duroure, 2009, communications
personnelles).
(a) Evolution temporelle des PDFs de la réflectivité radar (b) Evolution temporelle des PDFs de la réflectivité radar
0 0
60 10 60 10
−1 −1
10 10
40 −2 40 −2
Z [dBZ]
Z [dBZ]
10 10
−3 −3
10 10
20 20
−4 −4
10 10
0 0
12 13 14 15 16 17 12 13 14 15 16 17
Fig. IV.12 – Évolution au cours du temps de la densité de probabilité de la réflectivité

radar mesurée par le radar en bande X lors de l’évènement de précipitations du 12 août 2007
en entier, avant (a) et après le second filtrage (b).
Ainsi, on distingue nettement l’apparition brusque de nouvelles cellules convectives

(avec des réflectivités de près de 50 dBZ) par leur advection ou leur initiation dans le
champ de réflectivité du radar en bande X à différents instants (12h20, 13h15, 13h50,
15h00, etc.) puis leur lente diminution en intensité. On distingue même des variations
secondaires de la densité de probabilité (14h00, 14h30, 15h30, etc.) qui sont certaine-
ment provoquées par des cellules convectives d’intensité moindre (autour de 30 dBZ).
Aux cellules présentant les plus fortes réflectivités est associée une “bosse de probabili-
té” similaire à celle de la Figure IV.11a qui est due à la présence de pics de réflectivité
aberrants tels que ceux de la Figure IV.9a, et qui semble diminuer en intensité de la
même manière que la cellule correspondante. Il faut noter ici que les cellules les plus
intenses ont toutes des réflectivités qui culminent à environ 50 dBZ. Les pics de réflec-
tivité qui leur correspondent sont donc tous centrés autour de 55 dBZ. Ceci explique
pourquoi la bosse dans la densité de probabilité moyenne est visible exclusivement sur
le cas du 12 août, mais pas sur les autres cas où des intensités de cellules variées mènent
à un mélange des pics aberrants et des vraies mesures, dans la densité de probabilité.
Enfin, la bande plus foncée aux valeurs inférieures à 12 dBZ est due au bruit du ra-
dar. Cette bande disparaît lorsqu’une cellule, passant au-dessus du radar, provoque
la disparition des fluctuations du bruit dans toutes les directions (de 13h45 à 15h et
autour de 15h50) à cause de l’amplification non linéaire du signal dans le récepteur
(voir Section 3.1).
122 Chapitre IV
La Figure IV.12b présente l’évolution de la densité de probabilité pour les mêmes

données mais après avoir appliqué les deux filtrages. Leur effet est net, avec la suppres-
sion de la bande sombre correspondant au bruit du radar en-dessous de 12 dBZ, par
le filtrage du bruit, et la suppression des bosses aux réflectivités élevées correspondant
aux pics de réflectivité aberrants, par le filtrage des pics. De plus, ce filtrages sont
particulièrement bénéfiques car ils font ressortir certains détails dans les variations
secondaires de la densité de probabilité. Malheureusement, la Figure IV.12b montre
également que les différents filtrages ne sont pas parfait : le filtrage du bruit a néces-
sité la suppression de toutes les réflectivités inférieures à 3 dBZ, tandis que la forme
dentelée de la densité de probabilité aux fortes réflectivités, notamment entre 12h et
13h, montre que le filtrage des pics lisse de temps en temps des zones de réflectivité
pourtant valides.
b) Effet sur l’estimation des précipitations

On décide d’étudier l’effet des pics de réflectivité aberrants sur l’estimation des
précipitations en calculant les taux de précipitation correspondant à chaque champ de
réflectivité en utilisant la relation puissance communément admise entre le facteur de
réflectivité radar Z et le taux de précipitation R : la relation de Marshall et al. (1955) (2)
Z = 200R1.6 . (IV.1)
Le cumul de précipitation sur l’ensemble de l’évènement est ensuite calculé et présenté

dans la Figure IV.13a. Le cumul est représenté de la même manière que le champ
de réflectivité, avec les points de repère du radar en bande X et la topographie en
courbes de niveaux, avec la valeur du cumul indiquée par une échelle de couleur. Afin de
garder la même échelle de couleur quel que soit l’évènement de précipitations considéré,
cette échelle est logarithmique avec des valeurs allant de 0.1 mm à 1000 mm. L’utilité
d’une échelle de couleur allant jusqu’à des valeurs de 0.1 mm se justifie par la texture
physiquement raisonnable des précipitations entre 0 et 1 mm, même si elles n’ont qu’un
faible impact.
La Figure IV.13a montre que les précipitations ont été plus importantes sur le relief.
Ceci s’explique par le fait que la formation des cellules convectives a été forcée par le
relief et que leur durée de vie est assez courte pour qu’elles se dissipent avant d’atteindre
les plaines de la vallée du Rhin (Hagen et al., 2011). Par ailleurs, on observe une forte
hétérogénéité du cumul de précipitation qui s’explique de deux façons différentes selon
leur localisation. Les pixels isolés dans les zones où le cumul est presque nul, notamment
à l’Est, sont provoqués par les pics de réflectivité dus aux interférences (Section 12.1.1).
La grande variabilité dans les zones où le cumul est important, avec des pixels montrant
jusqu’à 20 ou 30 mm de précipitation très localement, notamment à l’Ouest, est due
aux pics de réflectivité dans les zones de forte intensité (Section 12.2.1). Enfin, on
reconnaît la portion du disque du Nord au Nord-Ouest où le masque partiel, dû aux
arbres à proximité du radar (section 4.2.2), entraîne une sous-estimation du cumul des
précipitations.
La Figure IV.13b présente l’estimation du cumul de précipitation à partir des don-
nées de réflectivité filtrées et confirme la qualité des filtrages avec des estimations qui,
(2). Comme l’a très justement noté Uijlenhoet (1999), cette relation est très souvent attribuée par
erreur à Marshall et Palmer (1948).

13 Calcul de l’atténuation par les précipitations
Fig. IV.13 – Estimation du cumul de précipitation lors de l’évènement de précipitations du

12 août 2007 sans (a) et avec filtrage (b).
dans leur globalité sont très proches de celles de la Figure IV.13a mais beaucoup plus
lisses. En revanche, la comparaison détaillée de ces Figures met en évidence le fort
impact des pics de réflectivité aberrants avec des valeurs maximum passant de 30 à
8 mm. De plus, les zones sans précipitation sont maintenant exemptées de toute valeur
isolée.
Dans cette section, on a vu que les données du radar en bande X étaient contaminées
par de nombreux échos parasites. Ces échos ont un fort impact sur les estimations des
précipitations et doivent donc être éliminés. Les méthodes de filtrage utilisées en ce
sens fournissent de bons résultats mais mettent en évidence un mauvais étalonnage
du radar en bande X. Dans les sections suivantes, nous tenterons donc d’étalonner
correctement le radar en bande X après avoir corrigé les données de l’atténuation par
les précipitations.
Ainsi qu’il a été montré dans la Partie 2, l’atténuation des ondes électromagnétiques
est importante pour un radar en bande X et doit être prise en compte. Même, si de
nombreux travaux ont porté sur son estimation, la meilleure méthode de correction
applicable au radar en bande X du LaMP est celle de Hitschfeld et Bordan (1954),
qui date pourtant de plusieurs décennies. En effet, la méthode de Hildebrand (1978)
ne fournit pas de meilleurs résultats (Section 7), tandis que la méthode de Marzoug
et Amayenc (1991) ne permet la correction que jusqu’à une distance où le PIA peut
être estimé directement. Cette méthode pourrait donc être appliquée à la manière
de Delrieu et al. (1999b) mais seulement dans les directions où le faisceau du radar
rencontre des obstacles (comme des montagnes où l’antenne du puy de Dôme, par
exemple). Malheureusement, d’un autre côté, l’élévation du radar en bande X étant
fixe, cette dernière doit être suffisamment grande pour que la portée du radar ne soit
pas limitée par les obstacles rencontrés, amenant à un nombre minimal de directions
où la correction peut-être appliquée.
124 Chapitre IV
On est donc obligé d’appliquer la méthode de Hitschfeld et Bordan (1954) en limi-

tant la correction à un PIA de 10 dB comme le conseillent Delrieu et al. (1999a) afin
d’éviter l’instabilité de cet algorithme pour les fortes atténuations. Pour cela, on utilise
l’Équation I.38 et la relation I.33 entre le facteur de réflectivité radar et le coefficient
d’atténuation, avec les coefficients α = 112000 et β = 1.32 déterminés par Berne et
Uijlenhoet (2006) pour la bande X.
Les Figures IV.14 et IV.15 présentent deux exemples de l’application de cette cor-
rection à des champs de réflectivité mesurés par le radar en bande X. L’atténuation
provoque une réduction du signal mesuré et la correction consiste simplement à estimer
cette atténuation et à la multiplier par la réflectivité radar mesurée (ou à l’addition-
ner quand on travaille directement en dB). C’est pourquoi la réflectivité corrigée (Fi-
gures IV.14c et IV.15c) est supérieure à la réflectivité brute (Figures IV.14a et IV.15a).
L’atténuation est estimée de manière itérative à partir du facteur de réflectivité radar
de la première jusqu’à la dernière porte, dans chacune des directions. L’atténuation es-
timée dans chaque porte s’accumule et augmente avec la distance, comme le montrent
les Figures IV.15b et IV.15b.
La Figure IV.14 reprend le cas mesuré pendant la campagne COPS pour lequel
on a comparé la réflectivité du radar en bande X avec celle de POLDIRAD (Sec-
tion 12.2.2). On avait vu que le radar en bande X sous-estime la réflectivité de plus
de 5 dBZ et on avait évoqué l’atténuation pour expliquer cette sous-estimation. Or,
on s’aperçoit, que pour les réflectivités modérées de cet exemple (moins de 45 dBZ)
(Figure IV.14a), l’atténuation résultante est faible, avec environ 2 dB (Figure IV.14b).
Ainsi, cette exemple montre que l’atténuation seule, ne suffit pas pour expliquer les
différences observées entre les mesures des deux radars : la réflectivité maximum de la
Figure IV.14c (environ 48 dBZ) est toujours très inférieures à celle mesurée par POL-
DIRAD de la Figure IV.10a (environ 54 dBZ). Le radar en bande X présente donc un
problème d’étalonnage qui entraîne une sous-estimation de la réflectivité.
La Figure IV.15 présente des valeurs de réflectivité beaucoup plus élevées et donc
une plus forte atténuation (3) . Ainsi, cette Figure met en valeur la valeur maximale
de 10 dB autorisée pour la correction grâce à l’échelle de couleur et montre que, sur
le cas présenté, le PIA atteint des valeurs bien supérieures à 10 dB. Par exemple, le
PIA à l’Ouest du radar atteint très rapidement des valeurs supérieures à 20 dB. En
(3). En réalité, pour cet exemple, le radar en bande X a été préalablement étalonné avec la méthode
décrite dans la Section 14.1
Fig. IV.14 – Réflectivité mesurée à COPS le 12 août 2078 à 15:11:29 par le radar en bande
X avant (a) et après (c) correction de l’atténuation estimée avec la méthode de Hitschfeld et
Bordan (1954) (b).

Fig. IV.15 – Réflectivité mesurée à CLERMONT le 01 juin 2008 à 21:24:30 par le radar
en bande X avant (a) et après (c) correction de l’atténuation estimée avec la méthode de
Hitschfeld et Bordan (1954) (b). L’échelle de couleur de l’atténuation intégrée qui passe du
bleu au rouge met en avant la limite de correction de l’atténuation à 10 dB.
(a) Correction de l’atténuation pour l’azimuth 152◦ (b) Correction de l’atténuation pour l’azimuth 136◦
60 60
Za Za
PIA PIA
Z Z
50 50
40 40
Intensité [dB]
Intensité [dB]
30 30
20 20
10 10
0 0
0 5 10 15 0 5 10 15
Distance au radar [km] Distance au radar [km]
Fig. IV.16 – Exemples de correction de l’atténuation avec la méthode de Hitschfeld et

Bordan (1954) sur le cas du 01 juin 2008 à 21:24:30 dans la direction 152° (a) et 136° (b).
Les courbes en trait continu noir, en trait pointillé gris et en trait point-pointillé noir repré-
sentent respectivement la réflectivité atténuée Za , la réflectivité corrigée de l’atténuation Z,
et l’atténuation intégrée P IA.
réalité, le PIA est calculé sans aucune limite, mais la correction appliquée se limite
à 10 dB. Néanmoins, cette méthode de correction présente une limite numérique (le
dénominateur de l’Équation I.38 ne doit pas être négatif) qui implique, qu’avec les
coefficients α et β utilisés, la valeur maximale que le PIA peut atteindre est d’environ
54 dB.
La Figure IV.16 présente cette correction pour le même temps de mesure que la
Figure IV.15 mais pour deux exemples d’azimuts pour lesquels l’atténuation atteint des
valeurs importantes, le premier en direction du Nord-Ouest (Figure IV.16a), le second,
en direction de l’Ouest (Figure IV.16b). Puisqu’une cellule de précipitations se situe
juste au-dessus du radar, la réflectivité mesurée atteint de très fortes valeurs à proximité
du radar dans les deux directions (jusqu’à 55 dBZ). Une telle réflectivité est synonyme
de fortes précipitations qui provoquent forcément une forte atténuation du signal. Dans
la Figure IV.16a, la réflectivité diminue rapidement à partir de 1 km de distance, et
après avoir augmenté rapidement dans le premier kilomètre, le PIA se stabilise à des
valeurs raisonnables de 15 dB. En revanche, dans la Figure IV.16b, la réflectivité reste
élevée jusqu’à près de 2 km, alors, l’atténuation augmente et atteint rapidement des
126 Chapitre IV
Fig. IV.17 – Estimation du cumul de précipitation à partir des mesures du radar en bande
X corrigées de l’atténuation pour l’évènement du 01 juin 2008 et comparaisons avec les me-
sures des pluviomètres de Clermont-Communauté : les pluviomètres sont matérialisés par
les triangles renversés en trait noir et dont la couleur de remplissage définit le cumul de
précipitation mesurées, en utilisant la même échelle de couleur que les estimations par le
radar.
valeurs de 10 à 15 dB. La réflectivité corrigée atteint alors des valeurs extrêmes de

plus de 60 dBZ et la réflectivité des portes suivantes pourtant bien plus faible (environ
40 dBZ) se retrouve rehaussée et participe à son tour fortement à l’augmentation
du PIA. L’algorithme s’emballe et le PIA atteint la valeur maximale que l’Équation
permet. Cette Figure montre comment une petite surestimation de l’atténuation peut
se répercuter aux portes suivantes et rapidement amener à des atténuations irréalistes.
Ceci prouve la nécessité de limiter cette correction. Comme le conseille la littérature,
on a choisi un PIA maximum de 10 dB : sur la Figure IV.16, la réflectivité corrigée
n’est jamais supérieure à la réflectivité mesurée de plus de 10 dB. Cette limite risque
de conduire à une légère sous-estimation de l’atténuation comme ce doit certainement
être le cas dans la Figure IV.16a, mais évite de très fortes surestimations comme dans
la Figure IV.16b et a un effet globalement positif. Par ailleurs, cet exemple montre
aussi combien un simple pic de réflectivité comme ceux filtrés dans la Section 12.2 peut
avoir un effet désastreux sur la correction de l’atténuation. Ceci prouve une fois de plus
l’absolue nécessité de supprimer ces pics de réflectivité.
Pour le site Clermontois, on ne dispose pas d’un autre radar (à l’exception des
radars profileurs du LaMP) pour vérifier la validité de cette correction. En revanche,
le réseau dense de pluviomètres de Clermont-Communauté permet une comparaison
des précipitations en de nombreux points. On décide donc de l’utiliser. Alors, de la
même façon que dans la Section 12.2.3, on décide d’utiliser la relation de Marshall
et al. (1955) entre le facteur de réflectivité radar et le taux de précipitation pour
calculer le cumul de précipitation sur cet évènement et le comparer avec les mesures
de pluviomètres afin de valider la correction de l’atténuation. La Figure IV.17 présente
le cumul de précipitation du 01 juin 2008 déduit de la réflectivité radar corrigée de
l’atténuation et mesuré par les différents pluviomètres. Cette Figure met en évidence
une large sous-estimation du cumul par le radar avec des valeurs d’environ 5 mm
alors que les mesures des pluviomètres atteignent environ 25 mm. Ceci confirme que la
correction d’atténuation n’est pas suffisante pour rehausser les données radar de façon

14 Étalonnage et calcul de l’atténuation par les précipitations
à ce qu’elles soient comparables avec les mesures des pluviomètres. Comme le MRR, le
radar en bande X souffre d’un mauvais étalonnage que l’on va tenter d’effectuer dans
la Section suivante.
14 Étalonnage et calcul de l’atténuation par les pré-

cipitations
Comme on l’a vu pour l’étalonnage du MRR, l’étalonnage est une étape indis-
pensable pour permettre une estimation correcte des précipitations avec un radar. La
méthode la plus classique est d’utiliser des mesures au sol faites avec un pluviomètre
ou un disdromètre. Mais, cette méthode souffre de nombreuses incertitudes décrites
dans la Section 10. En revanche, le MRR, étalonné précisément dans la Section 10.2,
possède un volume de mesures commun avec le radar en bande X (Section 4.1). Ce
volume commun permet donc de comparer les mesures des deux radars et d’étalon-
ner le radar en bande X à partir du MRR à la manière de Williams et al. (2005) qui
étalonne un radar du réseau NEXRAD de radars opérationnels des États-Unis avec
un profileur en bande S. Cette méthode permet de s’affranchir de nombreuses erreurs
comme la variabilité verticale des précipitations, l’advection horizontale et l’hypothèse
sur la relation entre le facteur de réflectivité radar et le taux de précipitation. On appli-
quera cette méthode aux données mesurées sur le site Clermontois pour lequel le MRR
a été étalonné (Section 14.1) et pour celles de la campagne COPS que l’on souhaite
analyser (Section 14.2). Enfin, on analysera la dérive de l’étalonnage du radar dans la
Section 15.
14.1 Étalonnage avec les données du site Clermontois

Pour effectuer l’étalonnage avec les données du site Clermontois, on utilise l’en-
semble des données utilisées dans la Section 10.2. Ces données correspondent à une
vingtaine d’évènements de précipitations importantes répartis sur les années 2008 et
2009 (voir Tableau III.3). Les comparaisons sont faites avec les données mesurées dans
le volume commun : les mesures de la porte 97 du radar en bande X, suivant l’azimuth
200°, et la moyenne des portes 3 et 4 du MRR (Section 4.2.1). De plus, les deux radars
mesurent les précipitations dans le régime de Mie et, le facteur de réflectivité radar
équivalent qu’ils mesurent est spécifique à leur longueur d’onde (voir Section 2.1.2).
On décide donc de calculer, à partir de la distribution de goutte mesurée par le MRR,
le facteur de réflectivité radar équivalent en bande X à l’aide de la section efficace de
rétrodiffusion de Mie, pour cette longueur d’onde.
Par ailleurs, on a vu dans la Section précédente, que la correction d’atténuation
dépend de l’intensité de la réflectivité et donc, de l’étalonnage du radar. Cet étalon-
nage doit donc être fait en tenant compte du mieux que l’on peut de l’atténuation.
On étudiera donc les différences entre les réflectivités mesurées par les deux radars,
en négligeant l’atténuation (Section 14.1.1), après une première estimation de l’at-
ténuation (Section 14.1.2) et après plusieurs corrections successives de l’atténuation
(Section 14.1.3). De plus, nous montrerons que l’écart entre les réflectivités des deux
radars est mieux décrit par une régression linéaire (Section 14.1.4) que par un simple
biais, c’est-à-dire qu’il n’y a pas un écart constant entre les réflectivités mesurées par les
128 Chapitre IV
(a) (b)
0.05 0.05
0.04 0.04
0.03 0.03
0.02 0.02
0.01 0.01
0 0
−10 0 10 20 30 40 50 60 −10 0 10 20 30 40 50 60
ZeMRR [dBZ] ZeX [dBZ]
Fig. IV.18 – Densités de probabilité du facteur de réflectivité radar équivalent mesuré par
le MRR (a) et le radar en bande X sans correction de l’atténuation (b) pour l’ensemble des
cas étudiés sur le site Clermontois.
deux radars mais que celui-ci est aussi fonction de l’intensité de la réflectivité observée.
Enfin, on étudiera la variation de l’étalonnage dans le temps (Section 14.1.5).
14.1.1 Biais en négligeant l’atténuation
Dans cette Section, nous allons estimer un biais entre les réflectivités du MRR et
du radar en bande X en reprenant la méthode utilisée pour comparer le Parsivel et le
MRR (Section 10.2). Les Figures IV.18a et b présentent respectivement les PDFs des
réflectivités du MRR et du radar en bande X, respectivement, pour les 11250 valeurs
de mesures communes moyennées sur 30 s (4) . Comme l’étalonnage n’est pas encore
validé, la correction de l’atténuation ne présente aucune garantie d’être correcte. Dans
un premier temps, on utilise donc les données du radar en bande X en négligeant
l’atténuation.
Les PDFs des deux radars sont assez différentes : la PDF du radar en bande X
(Figures IV.18b) est plus étroite, avec des probabilités plus importantes que la PDF
du MRR (Figures IV.18a). Surtout, les extrémités de la PDF du radar en bande X
ont un comportement atypique : la probabilité arrive à zéro de manière nette pour des
valeurs inférieures à 3 dBZ, tandis que les probabilités des fortes valeurs de réflectivité
décroissent de manière beaucoup plus faible que le reste de la PDF. Le comportement
de l’extrémité de la PDF pour les faibles réflectivités s’explique par le filtrage du bruit
(Section 12.1) qui a nécessité la suppression de tous les pixels de réflectivité inférieurs
à 3 dBZ afin d’éliminer correctement les échos parasites en air clair. Alors, même si
ce filtrage élimine quelques pixels de faible réflectivité valables, il est bénéfique puis-
qu’il a permis d’éliminer les nombreux pixels correspondant au bruit du radar, dont les
valeurs allaient jusqu’à environ 12 dBZ, et qui auraient encore plus perturbé la PDF.
Le bon comportement de la PDF pour des intensités comprises entre 3 et 12 dBZ
indique par ailleurs que ce filtrage n’est pas destructeur. Par la suite, on considèrera
que la coupure de la PDF en-dessous de 3 dBZ ne perturbe pas l’étalonnage puisque
les probabilités correspondant aux intensités supprimées auraient de toute manière été
(4). Les volumes d’échantillonnage des deux radars sont suffisamment importants pour fournir des
mesures statistiquement fiables à cette échelle de temps, contrairement au Parsivel, pour lequel
quelques minutes de mesures étaient le strict minimum.

(a) (b) Biais entre le MRR et le X par classes de réflectivité

0.12 30
0.1 20
ZeMRR -ZeX [dBZ]

0.08 10
0.06 0
0.04 −10
0.02 −20
0 −30
−30 −20 −10 0 10 20 30 −10 0 10 20 30 40 50 60
ZeMRR -ZeX [dBZ] ZeMRR [dBZ]
Fig. IV.19 – Statistiques de la différence entre les facteurs de réflectivité radar équivalent
mesurés par le MRR et le radar en bande X sans correction de l’atténuation pour l’ensemble
des cas étudiés sur le site Clermontois : densité de probabilité (a) et biais par classes de
réflectivité (b). Sur le graphe (a), les lignes pointillées verticales indiquent les valeurs de
±σ. Sur le graphe (b), les valeurs du biais sont indiquées par les croix tandis que les lignes
verticales représentent l’intervalle de confiance du biais.
faibles. La décroissance faible du nombre de fortes valeurs de réflectivité est conforme

avec les propriétés des précipitations qui ont une faible probabilité d’évènements ex-
trêmes. Ce comportement est d’ailleurs également visible sur la PDF du MRR, mais
de manière beaucoup moins marquée. Cette différence de comportement est difficile à
expliquer. La faible décroissance est peut être due à la persistance de pics de réflectivité
sur le signal après le filtrage des pics (Section 12.2). Néanmoins, les probabilités étant
relativement faibles, on considère de la même façon que cela n’aura que peu d’impact
sur l’étalonnage. Enfin, en moyenne, la PDF du radar en bande X semble légèrement
inférieure à celle du MRR d’environ 5 dB, ce qui confirmerait un mauvais étalonnage
du radar en bande X et expliquerait les sous-estimations du cumul de précipitation par
rapport aux mesures des pluviomètres (Figure IV.17).
De la même manière que pour comparer les réflectivités du MRR et du Parsivel, on

considère que les PDFs du MRR et du radar en bande X suivent approximativement
une loi normale sur l’échelle des dBZ, ce qui permet de calculer le biais entre les mesures
des deux radars (Équation III.15) et son intervalle de confiance (Équation III.17). La
Figure IV.19a présente la PDF de la différence entre les réflectivités du MRR et du radar
en bande X. Afin que cette PDF soit centrée sur zéro, on a préalablement corrigé les
réflectivités du radar en bande X d’un biais de 5.98 dB entre les PDFs des deux radars,
estimé avec un intervalle de confiance de ±0.18 dB. Les volumes d’échantillonnage des
deux radars à l’intersection de leur faisceaux sont très différents (voir Figure II.11) :
même en utilisant deux portes, le volume d’échantillonnage du MRR est très inférieur
à celui du radar en bande X. Ceci peut alors amener à de fortes différences des mesures
faites par les deux radars, surtout en cas de précipitations hétérogènes, et expliquer
l’écart-type important (4.77 dB) de la PDF de cette différence.
Comme pour l’étalonnage du MRR, on calcule le biais et son intervalle de confiance

pour chaque classe de réflectivité du MRR de 1 dB. Les résultats présentés sur la
Figure IV.19b montrent que le biais varie en fonction de la réflectivité. On distingue
trois zones où le biais se comporte de façons différentes :
130 Chapitre IV
– De -10 à 10 dBZ, les valeurs mesurées par le radar en bande X sont largement
supérieures à celles du MRR mais ce biais diminue rapidement jusqu’à des valeurs
proches de 0 dB. En réalité, ce n’est pas parce que le MRR sous-estime la réflecti-
vité : ce comportement s’explique par le fait que toutes les valeurs de réflectivité
du radar en bande X inférieures à 3 dBZ ont été supprimées. En effet, pour la
classe de réflectivité de -10 dBZ, les valeurs du radar en bande X correspondantes
sont au minimum supérieures de 13 dB. Il en résulte un biais moyen de plus de
13 dB en valeur absolue, avec un bon intervalle de confiance. Le comportement
du biais dans cette zone n’est donc pas significatif et n’a d’ailleurs que peu de
poids sur le biais global puisqu’on se situe à une des extrémités des PDFs.
– Entre 10 et 40 dBZ, le biais est globalement centré autour de 0 dB mais continue
d’augmenter de manière moins rapide, en passant d’environ -3 dB à +7 dB. Ainsi,
à partir d’une réflectivité de 20 dBZ, c’est le radar en bande X qui sous-estime
la réflectivité. Cette zone correspond au centre des PDFs et regroupe donc la
majorité des mesures, de plus, les intervalles de confiance sont très bons et c’est
donc cette zone qui est la plus significative. Cette variation du biais peut être due
à l’atténuation non prise en compte dans les données du radar en bande X. En
effet, plus les valeurs de réflectivité sont fortes dans le volume commun, plus il y
a de chance que la réflectivité soit forte entre le radar en bande X et le volume
commun, et donc que l’atténuation soit importante. Néanmoins, il faut vérifier
si la seule atténuation peut expliquer une telle variation. C’est ce que l’on fera
dans les sections suivantes.
– Au-delà de 40 dBZ, le comportement n’est pas clair et les niveaux de confiance
sont très faibles. D’après l’étalonnage du MRR (Section 10.2), on sait qu’à de
telles réflectivités, il y a une moins bonne correspondance entre les mesures du
MRR et du Parsivel et que globalement, le MRR sous-estime la réflectivité, sans
doute à cause de l’atténuation. De plus, de la même façon que pour la zone
précédente, il y a plus de chances que l’atténuation entre le radar en bande X et
le volume commun soit importante. Ces incertitudes font que la comparaison des
mesures dans cette zone n’est pas facile mais, comme de telles réflectivités sont
relativement rares (extrémité supérieure des PDFs), cette zone a peu d’impact
sur le biais global.
Globalement, la Figure IV.19b montre que, dans les conditions de cette étude, le
biais entre le MRR et le radar en bande X dépend de la réflectivité. La non prise en
compte de l’atténuation peut expliquer ce comportement. Dans la section suivante, on
va donc répéter cette étude mais, cette fois, en corrigeant l’atténuation dans les données
du radar en bande X.
14.1.2 Biais après correction de l’atténuation
Dans cette section, on va étudier le biais entre les mesures du MRR et du radar en
bande X, de la même façon que dans la section précédente, mais après avoir corrigé
l’atténuation des mesures du radar en bande X. Pour cela, on applique la correction de
Hitschfeld et Bordan (1954) comme dans la Section 13, puis toutes les mesures ayant
subi une correction de plus de 10 dB sont éliminées. On trouve un biais moyen de
5.83 dB avec un intervalle de confiance de ±0.17 dB et un écart-type de 4.66 dB. Les
résultats sont très légèrement meilleurs qu’en négligeant l’atténuation, ce qui indique
que la correction d’atténuation est bénéfique mais n’a que peu d’effet. Ceci est confirmé

(a) Biais entre le MRR et le X par classes de réflectivité (b) Biais entre le MRR et le X par classes de réflectivité
30 30
20 20
ZeMRR -ZeX [dBZ]
ZeMRR -ZeX [dBZ]

10 10
0 0
−10 −10
−20 −20
−30 −30
−10 0 10 20 30 40 50 60 −10 0 10 20 30 40 50 60
ZeMRR [dBZ] ZeMRR [dBZ]
Fig. IV.20 – Biais par classes de réflectivité entre les facteurs de réflectivité radar équivalent
mesurés par le MRR et le radar en bande X après une première correction de l’atténuation
(a), et après plusieurs corrections successives de l’atténuation (b) pour l’ensemble des cas
étudiés sur le site Clermontois.
par les variations du biais en fonction de la réflectivité présentées dans la Figure IV.20a.
Les changements par rapport à la Figure IV.19 sont pratiquement invisibles et les
commentaires que l’on avait faits pour cette Figure sont toujours valables.
14.1.3 Biais après plusieurs corrections successives de l’atténuation
On a noté dans la Section 13 que la correction d’atténuation dépend de la réflecti-

vité. Ainsi, si l’atténuation est évaluée avant l’étalonnage, alors elle sera sous-estimée :
la méthode présentée ci-dessus n’est donc pas intrinsèquement valide. À l’inverse, une
correction de l’atténuation après étalonnage sera trop importante. On propose donc
une méthode itérative où sera effectuée à chaque étape, une combinaison d’un étalon-
nage des données initiales, suivi de la correction de l’atténuation. Le biais utilisé pour
l’étalonnage est corrigé à chaque étape en fonction du biais moyen obtenu après le
calcul de l’atténuation.
Le biais obtenu ne varie plus après quatre itérations et est peu différent des valeurs
trouvées précédemment : il vaut 5.57 dB avec un intervalle de confiance de ±0.16 dB et
un écart-type de 4.44 dB. Par ailleurs, la variation du biais en fonction de la réflectivité
(Figure IV.20b) est toujours semblable. On conclut donc que l’atténuation ne suffit pas
pour expliquer le comportement variable du biais entre les deux radars en fonction de
la réflectivité.
14.1.4 Régression linéaire après plusieurs corrections successives de l’at-

ténuation
Théoriquement, un problème d’étalonnage d’un radar se traduit par un facteur

correctif de la puissance reçue et donc du facteur de réflectivité radar mesuré lorsqu’il
est exprimé en mm6 m−3 , ou alors par un biais lorsque le facteur de réflectivité radar
est exprimé en dBZ. C’était effectivement le cas pour étalonner le MRR puisqu’on a
trouvé un biais constant pour une grande partie de la gamme du facteur de réflectivité
radar (entre 10 et 40 dBZ, voir Figure III.17). En revanche, à la vue des Sections
132 Chapitre IV
(a) Biais entre le MRR et le X par classes de réflectivité (b) Biais entre le MRR et le X par classes de réflectivité
30 30
20 20
ZeMRR -ZeX [dBZ]
ZeMRR -ZeX [dBZ]

10 10
0 0
−10 −10
−20 −20
−30 −30
−10 0 10 20 30 40 50 60 −10 0 10 20 30 40 50 60
ZeMRR [dBZ] ZeMRR [dBZ]
Fig. IV.21 – Biais par classes de réflectivité avec un ajustement linéaire entre les facteurs de
réflectivité radar équivalent mesurés par le MRR et le radar en bande X après une première
correction de l’atténuation (a), et après plusieurs corrections successives de l’atténuation (b)
pour l’ensemble des cas étudiés sur le site Clermontois.
précédentes, il semblerait qu’un simple biais ne soit pas suffisant pour étalonner le
radar en bande X mais qu’une régression linéaire du type Zcal = aZ + b, où Z est le
facteur de réflectivité radar exprimé en dBZ, décrive correctement le biais. Berne et al.
(2005) ont également été contraints d’utiliser une correction linéaire pour étalonner
un radar en bande X à visée verticale, mais c’est tout de même un signe qu’un des
composants du radar ne fonctionne par correctement. En effet, une multiplication du
facteur de réflectivité radar en dBZ par un facteur a signifie qu’il est à la puissance a
s’il est exprimé en mm6 m−3 . Ceci est inhabituel mais pourrait être envisageable pour
un prototype si, par exemple, l’amplification de la puissance mesurée n’est pas linéaire.
Une autre possibilité est que le radar ait été préalablement étalonné sans éliminer les
pics de réflectivité présents aux hautes réflectivités et dont on a vu l’importance dans
la Section 12.2. En effet, ces pics rehaussent les zones de fortes réflectivités et leur
présence semble liée à l’intensité de cette réflectivité. Ils pourraient donc expliquer les
variations du biais en fonction de la réflectivité.
On a donc décidé de renouveler la méthode itérative précédente mais en étalonnant
le radar en bande X, en utilisant cette fois-ci les coefficients issus d’une régression
linéaire appliquée à la variation par classe de réflectivité, en pondérant chaque biais par
l’inverse de son intervalle de confiance. La Figure IV.21a présente la droite de régression
obtenue à la première itération et montre que la variation du biais est correctement
représentée par cette droite de régression pour des réflectivités supérieures à 10 dBZ.
Après six itérations on obtient des coefficients d’étalonnage stables et égaux à a = 1.37
et b = −0.42 et la Figure IV.21b montre que le biais entre les deux radars est très
proche de 0 dB pour des réflectivités supérieures à 10 dBZ. Ces coefficients permettent
donc d’étalonner le radar en bande X de manière tout à fait convenable.
14.1.5 Variation de l’étalonnage dans le temps
Comme pour le radar MRR, on peut étudier la variation de l’étalonnage du radar

en bande X au cours des deux années parmi lesquelles les évènements de précipitations
ont été sélectionnés. On a donc calculé les paramètres retrouvés par les deux méthodes
d’étalonnage : les coefficients de la régression linéaire, et le biais ainsi que son intervalle

Tab. IV.1 – Statistiques de chaque évènement utilisé pour le calcul des statistiques moyennes
permettant l’étalonnage du radar en bande X.
Date Heure UTC Nb obs. A B Biais [dB] σ [dB] I95% [dB]

11 Avril 2008 03h00-10h30 706 1.16 0.58 3.83 2.52 0.37
20 Avril 2008 06h15-20h15 879 1.37 -0.34 6.06 3.13 0.41
26-27 Mai 2008 23h25-10h30 527 1.29 1.50 7.05 3.74 0.64
28-29 Mai 2008 18h00-08h30 634 1.41 -0.73 5.97 5.28 0.82
01-02 Juin 2008 10h45-02h10 1142 1.38 -0.30 5.00 3.98 0.46
02-03 Juillet 2008 13h20-09h45 1020 1.23 2.46 6.64 3.72 0.46
06 Juillet 2008 01h30-14h00 696 1.34 0.41 6.57 3.34 0.50
04 Septembre 2008 03h40-20h00 452 1.37 -0.71 5.24 5.20 0.96
11-12 Septembre 2008 11h40-03h20 392 1.54 -3.54 5.13 5.37 1.07
07 Avril 2009 02h50-21h20 1622 1.34 -0.58 4.08 2.98 0.29
13-14 Mai 2009 23h25-23h00 985 1.47 -1.78 4.03 4.94 0.62
05 Juin 2009 13h20-22h45 467 1.38 -0.03 7.84 4.04 0.76
21 Août 2009 02h00-06h40 217 1.52 -3.22 4.91 6.44 1.77
24 Août 2009 21h40-19h30 1263 1.40 -0.20 6.76 4.84 0.54
01 Septembre 2009 09h30-19h10 181 1.81 -9.07 4.43 8.04 2.36
de confiance pour tous les cas pris individuellement. Les résultats sont présentés dans
le Tableau IV.1. Il est difficile de se faire une idée de la variation de l’étalonnage en
observant les variations des coefficients de la régression linéaire. En effet, une variation
forte des deux coefficients en sens opposés (comme c’est le cas pour le 01 septembre
2009) n’indique pas forcément une forte variation de l’étalonnage. C’est pourquoi, le
biais et son intervalle de confiance estimés par la première méthode d’étalonnage ont
été ajoutée à ce tableau même si ce n’est pas celui-ci qui est utilisé pour étalonner le
radar. Ce tableau montre que le biais retrouvé au cas par cas est cohérent mais varie
tout de même de 3.83 dB à 7.84 dB. On observe donc de fortes variations mais aucune
tendance qui indiquerait une variation de l’étalonnage du radar en bande X dans le
temps.
14.2 Étalonnage avec les données de la campagne COPS
Les travaux de la section précédente nous ont permis d’étalonner le radar en bande
X à partir des mesures du MRR. Le MRR ayant lui même été étalonné à partir des
mesures du Parsivel, on peut considérer que le radar en bande X est étalonné de manière
absolue pour les données du site Clermontois. Mais, on souhaite étudier les données
de la campagne COPS. Or, le disdromètre Joss-Waldvogel placé au pied du MRR
pendant cette campagne ne fonctionnait pas. On décide donc de renouveler l’étalonnage
du radar en bande X à partir du MRR pour l’ensemble des données de la campagne
COPS. Si l’écart entre les deux radars est le même, alors on pourra considérer que
l’étalonnage des deux radars n’a pas varié entre la campagne COPS et le retour sur le
site Clermontois. Afin de pouvoir comparer facilement les paramètres de l’étalonnage,
on cherche à retrouver un simple biais entre les deux radars (Section 14.2.1) avant de
calculer des coefficients de régression (Section 14.2.2), comme précédemment.
134 Chapitre IV
14.2 Étalonnage avec les données de la campagne COPS

0.16 30
0.14
20
0.12
ZeMRR -ZeX [dBZ]

10
0.1
0.08 0
0.06
−10
0.04
−20
0.02
0 −30
−30 −20 −10 0 10 20 30 −10 0 10 20 30 40 50 60
Fig. IV.22 – Statistiques de la différence entre les facteurs de réflectivité radar équivalents
mesurés par le MRR et le radar en bande X après plusieurs corrections successives de l’atté-
nuation pour l’ensemble des cas étudiés lors de la campagne COPS : densité de probabilité
(a) et biais par classes de réflectivité (b).
14.2.1 Biais après plusieurs corrections successives de l’atténuation
La PDF de la différence entre les mesures des deux radars pour l’ensemble de la
campagne COPS est présentée dans la Figure IV.22a. Le biais moyen utilisé pour
étalonner les données du radar en bande X afin de ramener cette distribution centrée
sur 0 dB est de 7.78 dB, avec un intervalle de confiance de 0.12 dB et un écart-type
de 3.71 dB après 4 itérations. Ce biais est plus grand de plus de 2 dB que celui trouvé
avec les données du site Clermontois (Section 14.1.3), ce qui semblerait indiquer que
l’étalonnage d’un ou des deux radars a changé lors de leur déplacement.
En revanche, la variation du biais en fonction de la réflectivité (Figure IV.22b) est
semblable à celle que l’on a retrouvé avec les données du site Clermontois à l’exception
que le biais semble à peu près stabilisé autour de 0 dB pour des classes de réflectivité
allant de 12 à 30 dBZ.
14.2.2 Régression linéaire après plusieurs corrections successives de l’at-

ténuation
On décide maintenant d’étalonner le radar en bande X en utilisant des coefficients

issus de la régression linéaire du biais en fonction de la réflectivité. La Figure IV.23
présente la PDF de la différence entre les réflectivités des deux radars (a) et la varia-
tion du biais en fonction de la réflectivité, après étalonnage (b). On s’aperçoit que le
biais est bien centré, mais qu’il oscille autour de 0 dB. Ce comportement était moins
net sur les données du site Clermontois mais pouvait être décelable (Figure IV.21a).
Ceci indiquerait qu’il faille une fonction plus complexe pour décrire la variation de la
différence de réflectivité entre les deux radars en fonction de la réflectivité. Mais nous
ne la chercherons pas étant donné qu’une régression linéaire est déjà anormale et que
cela apporterait peu d’amélioration. Les coefficients de la régression linéaire obtenus
sont a = 1.35 et b = 2.53, après cinq itérations. Le coefficient a est très proche de celui
trouvé avec les données du site Clermontois, en revanche le coefficient b est supérieur
d’environ 3 dB.


0.16 30
0.14
20
0.12
ZeMRR -ZeX [dBZ]

10
0.1
0.08 0
0.06
−10
0.04
−20
0.02
0 −30
−30 −20 −10 0 10 20 30 −10 0 10 20 30 40 50 60
Fig. IV.23 – Statistiques de la différence entre les facteurs de réflectivité radar équivalent
mesurés par le MRR et le radar en bande X après plusieurs corrections successives de l’atté-
nuation pour l’ensemble des cas étudiés lors de la campagne COPS : densité de probabilité
(a) et biais avec un ajustement linéaire du biais par classes de réflectivité (b).
14.2.3 Variation de l’étalonnage dans le temps
De la même façon que pour le site Clermontois, on va étudier la variation de l’étalon-

nage du radar en bande X au cours des trois mois de la campagne COPS. Pour étudier
en détail les précipitations lors de la campagne COPS, 72 évènements de précipitations
plus ou moins intenses ont été sélectionnés. Toutes ces données ont été utilisées pour
étudier le biais moyen entre les deux radars lors de cette campagne. On a donc calculé
les paramètres retrouvés par les deux méthodes d’étalonnage pour les 72 cas : les co-
efficients de la régression linéaire, et le biais ainsi que son intervalle de confiance pour
tous les cas pris individuellement. À la vue de la grande quantité de ces paramètres et
du peu d’intérêt que leur énumération apporterait, la décision a été prise de ne pas les
présenter dans un tableau. En effet, on observe le même genre de variations qu’avec les
données du site Clermontois (Tableau IV.1) : le biais varie de 4.90 dB à 12.36 dB mais
aucune tendance précise ne se dégage.
14.3 Validation de l’étalonnage

Même si les données de la campagne COPS montrent que cet étalonnage n’est pas
parfait, on décide de vérifier sa validité en comparant le cumul de précipitation obtenu
après étalonnage pour le cas du 01 juin 2008 qui nous avait permis de montrer que le
radar en bande X avait un problème d’étalonnage (Figure IV.17). La Figure IV.24a
présente ce même cumul de précipitation, après étalonnage du radar en bande X mais
sans correction de l’atténuation. On voit que le cumul issu des données radars est
cette fois-ci parfaitement comparable à ceux des pluviomètres. Mais ce cas met en
évidence un problème important : le cumul de précipitation n’est pas uniforme et
diminue avec la distance. Le changement de ton de couleur du bleu turquoise au bleu
marine met en valeur cette diminution. Il faudrait un hasard extraordinaire pour que
la pluie ait été plus importante dans un cercle de 15 km autour du radar. Il est bien
connu que le profil de réflectivité des précipitations n’est pas constant et que cette
dernière diminue fortement lorsque l’on dépasse l’isotherme 0°(voir Section 18.3). Or
l’élévation du faisceau du radar en bande X est assez grande pour atteindre rapidement
136 Chapitre IV
15 Dérive de l’étalonnage du radar en bande X
Fig. IV.24 – Estimation du cumul de précipitation à partir des mesures du radar en bande
X étalonné avec (b) et sans (a) prise en compte de l’atténuation pour l’évènement du 01 juin
2008, et comparaisons avec les mesures des pluviomètres de Clermont-Communauté.
cette altitude. Mais, l’observation des mesures du MRR pour ce cas montre que cette
altitude est de 2200 m au-dessus du MRR, ce qui est trop haut pour qu’elle soit atteinte
par le faisceau du radar en bande X (voir Figure II.11). La seule explication est donc
que le signal mesuré par le radar en bande X subit une forte atténuation.
La Figure IV.24b présente cette fois le cumul de précipitation, après étalonnage du
radar en bande X tenant compte de l’atténuation et de sa correction. On s’aperçoit que
la correction d’atténuation fonctionne (le cercle bleu marine s’élargit légèrement) mais
que les différences sont très minimes et que le problème d’atténuation est toujours
présent. Une raison possible pour expliquer ce problème est que le lourd traitement
pour le filtrage des données peut conduire à une perturbation de la correction de
l’atténuation. Mais, en observant les données de réflectivité mesurées lors de ce cas
de précipitation, on s’aperçoit que les cellules de précipitation n’apparaissent pas aux
distances les plus lointaines que couvre le radar en bande X mais à des distances plus
proches. Ceci est dû au fait que le signal est tellement atténué qu’il n’est pas détecté
par le radar, et il est impossible de le corriger. Même si ces cellules ne sont pas celles qui
contribuent le plus au cumul de précipitation, l’ensemble de ces sous-estimations créé
un déficit de cumul aux plus grandes distances. Cette Figure montre donc que le cumul
estimé par le radar en bande X n’est pas toujours valide aux grandes distances, et que
les comparaisons doivent être faites à moins de 10 km de distance. D’ailleurs, la bonne
correspondance des cumuls de précipitation mesurés par les pluviomètres permet de
confirmer la validité de l’étalonnage du radar en bande X.

Afin de trouver une explication à la modification d’étalonnage entre le site Cler-
montois et la campagne COPS, on décide d’étudier les variations de l’étalonnage dans
le temps. Une telle variation peut être détectée en comparant le cumul de précipitation
déduit du radar avec celui d’un pluviomètre sur une longue série de mesures. Néan-
moins, pour éviter les incertitudes dues à la mesure des pluviomètres, on a préféré

60
Réflectivité du Puy-de-Dôme [dBZ]
05/10/2007
50 17/03/2009
30/05/2007
40
30
20 20/11/2007
31/12/2008
02/01/2008
10 01/03/2007
0
01/01/2007 01/01/2008 01/01/2009 01/01/2010
Fig. IV.25 – Variation de la moyenne des échos mesurés au niveau de la position du puy
de Dôme, et permettant d’évaluer la dérive de l’étalonnage du radar en bande X.
étudier la réflectivité moyenne d’une zone affectée par de forts échos de sol comme l’on
fait van de Beek et al. (2010).
La série de mesures disponible la plus longue est celle du site clermontois, puisque
l’on possède 3 ans de données pratiquement sans interruption. On a sélectionné une
zone de 7 azimuts par 9 portes correspondant à la position du puy de Dôme et on a
calculé la moyenne des échos mesurés dans cette zone pendant toute la série de mesures,
sans supprimer la carte d’échos de sol (Section 3.1). Cette moyenne a été effectuée
directement en dBZ pour ne pas donner trop de poids aux échos les plus intenses. La
Figure IV.25 présente la variation de cette moyenne pendant trois ans du 1 janvier 2007
au 1 janvier 2010. On observe que la valeur moyenne de l’écho est globalement stable
mais qu’elle présente plusieurs discontinuités pour lesquelles le niveau moyen change
de plusieurs dBZ. Ces discontinuités sont mises en valeur par des flèches indiquant leur
date précise. On peut retrouver une explication à la plupart de ces discontinuités :
– 01/03/2007 : Un vent fort a fait basculer la tourelle où est fixé le radar sur son
axe. Lorsqu’elle a été remise en place, le radar ne s’est pas retrouvé exactement
avec la même visée, malgré les efforts fait pour cela. Les pixels sélectionnés ne
correspondant plus exactement à la même zone, on observe une discontinuité de
plusieurs dBZ à cette date.
– 30/05/2007 au 05/10/2007 : Le radar a été déplacé dans le cadre de sa partici-
pation à la campagne COPS. L’antenne a donc été démontée puis remontée.
– 20/11/2007 au 02/01/2008 : Le processeur utilisé pour le traitement du signal
est tombé en panne et le radar a donc été envoyé en réparation pour deux mois.
– 31/12/2008 : Les mesures autour de cette date montrent d’abord une diminution
de l’écho de plusieurs dBZ pendant plusieurs jours, puis une forte augmentation,
définitive. Ces discontinuités sont apparues sans raisons et aucune explication n’a
été trouvée à ce jour.
– 17/03/2009 : Cette discontinuité montre une augmentation de l’écho de plusieurs
dBZ, qui dure environ deux mois avant de diminuer progressivement sur plusieurs
jours pour retrouver le niveau précédent. Cette variation temporaire peut être due
à une perturbation extérieure comme par exemple le chantier de la rénovation du
chalet de l’Observatoire de Physique du Globe (OPGC).
Par ailleurs, en plus de ces fortes discontinuités, on observe des variations ponc-
tuelles de l’écho du puy de Dôme. La plupart de ces variations peut être expliquée par
138 Chapitre IV
16 Conclusion
la présence de pluie. En effet, l’écho peut être rehaussé par la mesure de pluie dans
le faisceau du radar ou par l’humidification du sol après le passage d’une pluie. Au
contraire, cet écho peut également être rabaissé en cas de présence d’une forte cellule
de précipitation entre le radar et l’écho, à cause de l’atténuation mais aussi, à cause
du problème de l’amplification non linéaire du signal décrit dans la Section 3.1. Les
journées où l’observation des champs de réflectivité radar indique la présence de préci-
pitations ont donc été identifiées et sont mises en valeur par des points rouges. Ainsi,
la présence de précipitations explique la plupart des variations ponctuelles de l’écho. Il
reste néanmoins quelques variations qui ne peuvent être expliquées.
En conclusion, cette Figure montre que la mesure du radar en bande X est globale-
ment stable, mais on constate quelques variations subites ponctuelles ou définitives qui
sont inexpliquées. Une de ces variations est peut-être la raison pour laquelle le biais
entre les mesures du radar en bande X et du MRR change entre la campagne COPS
et le site Clermontois.
16 Conclusion
Dans ce Chapitre, on a mis en évidence la contamination des mesures du radar en
bande X par de nombreux parasites qui peuvent avoir un impact fort sur l’estimation
des précipitations. Les données utilisées proviennent d’un prototype de radar en bande
X qui a été remplacé par un radar de nouvelle génération (5) . Il est donc impossible
d’effectuer des tests en amont sur le radar (comportement du contrôle de gain, linéarité
du récepteur, etc.) afin de tenter d’expliquer les comportement observés dont l’origine
pourrait être interne au radar, comme les pics de réflectivité, l’étalonnage dépendant
de la réflectivité ou les variations de l’étalonnage dans le temps.
Alors, afin d’éliminer ces échos parasites, on a mis au point une méthode de filtrage
basée sur des hypothèses simples mais impliquant un lourd traitement des données.
Le traitement d’une image est augmenté d’environ 1 min. Ce filtrage reposant sur de
nombreux paramètres dépendant de l’étalonnage du radar, il ne peut pas être facilement
généralisable, mais il donne de bon résultats, autant pour les données de la campagne
COPS que pour les données du site Clermontois. Par la suite, le radar en bande X a
été étalonné en comparant ses mesures avec celles du MRR dans leur volume commun.
Pour cela, il a été nécessaire de prendre en compte l’atténuation par les précipitations.
Après l’étalonnage, nécessitant une correction linéaire de la réflectivité mesurée par le
radar en bande X, les mesures des deux radars sont comparables. Malheureusement, la
relation entre les réflectivités des deux radars utilisée pour effectuer l’étalonnage n’est
pas la même pour les deux séries de données. En effet, les mesures du radar en bande X
montrent des variations subites ponctuelles ou définitives qui peuvent expliquer cette
différence. Mais, étant donné que le disdromètre utilisé lors de la campagne COPS ne
fonctionnait pas, il s’avère donc qu’un étalonnage absolu des radars pour cette période
est difficilement réalisable de manière précise.
(5). Il est important de noter ici que la qualité des mesures du radar en bande X nouvelle génération
est bien meilleure, et qu’a priori, une bonne partie des artefacts observés ici ont disparus

Chapitre V
Variabilité des précipitations
L ’ étude de la variabilité des précipitations, et notamment, de la distribution de

gouttes (DSD) est un sujet de recherche prolifique depuis plusieurs décennies.
De nombreux auteurs ont tenté de décrire la forme de la DSD avec des outils de
recherche de plus en plus sophistiqués, dans le but d’expliquer le très grand nombre
de relations obtenues entre le facteur de réflectivité radar et le taux de précipitation.
Dans ce Chapitre, nous décrirons les avancées théoriques sur ce sujet grâce à une
revue rapide de la littérature (Section 17). Puis, nous analyserons la variabilité des
précipitations observées à partir des données du MRR mesurées lors de la campagne
COPS (Section 18).
17 Variabilité de la distribution de gouttes et son

influence sur les relations Z-R
Une étape cruciale dans l’estimation quantitative des précipitations à partir de me-
sures radars est la conversion du facteur de réflectivité radar Z en taux de précipitation
R. On a vu que ces deux paramètres étaient fonctions de la distribution de gouttes se-
lon les Équations I.4 et I.17. Il n’existe donc pas de relation directe entre ces deux
variables. Pour les relier, des relations puissances empiriques, que l’on appelle relations
Z-R, de la forme Z = aRb , sont communément utilisées. La célèbre relation de Marshall
et al. (1955) (Équation IV.1) en est un exemple, pour lequel le facteur a est égal à 200
et l’exposant b est égal à 1.6.
Fujiwara (1965) a montré que les variations systématiques de la DSD impliquent
différentes relations Z-R selon le type de précipitations. En effet, les coefficients de ces
relations caractérisent un évènement donné de précipitations et peuvent varier selon la
région du globe, la saison, les conditions atmosphériques ou le type de précipitations
(pluie continue, averses, orages). Ainsi, un très grand nombre de relations Z-R ont été
proposées. Par exemple, en 1973, Battan (1973) avait déjà répertorié 69 relations Z-R
différentes. Cette grande disparité est directement due à la variabilité naturelle de la
distribution de gouttes dont la forme reflète la physique des précipitations.
La distribution de gouttes est donc un élément central dans l’estimation des pré-
cipitations par radar. Depuis, les travaux précoces de Marshall et Palmer (1948), de
141
17 Variabilité de la distribution de gouttes et son influence sur les relations Z-R
nombreux auteurs se sont intéressés de près à ce sujet. Beaucoup d’efforts ont été faits
pour représenter la forme de la distribution de gouttes de manière mathématique et
comprendre sa variabilité.
17.1 Les formes et paramétrisations de la DSD
Dans cette section, nous décrirons différentes méthodes mathématiques utilisées

pour représenter la DSD : la distribution exponentielle (Section 17.1.1), plusieurs dis-
tributions à trois paramètres (Section 17.1.2) et les méthodes de normalisation (Sec-
tion 17.1.3).
17.1.1 La distribution exponentielle
a) Paramétrisation de Marshall et Palmer (1948)
Une des formes les plus utilisées pour représenter la DSD est la distribution ex-
ponentielle N (D) = N0 exp (−ΛD), où N0 = N (0) est le paramètre d’ordonnée à
l’origine et Λ est le paramètre de pente. Marshall et Palmer (1948) ont montré que
pour des taux de précipitation faibles à modérés, la distribution de gouttes est raison-
nablement proche d’une distribution exponentielle et coupe l’axe des ordonnées à une
valeur N0 fixe égale à 8×103 mm−1 m−3 . Ils en déduisent une paramétrisation simple
où la pente Λ est simplement fonction du taux de précipitation R selon Λ = 4.1R0.21
(Figure V.1). On peut noter que les ajustements de Marshall et Palmer (1948) sont des
extrapolations aux diamètres inférieurs à 1 mm puisqu’ils n’ont aucune donnée pour
de tels diamètres. En réalité, il a été montré qu’une paramétrisation exponentielle tend
à surestimer le nombre de petites gouttes (Uijlenhoet et al., 2003b).
Fig. V.1 – DSD mesurée (cercles et croix) et ajustement exponentiel de la paramétrisation

de Marshall et Palmer (1948) (lignes continues) pour différents taux de précipitation (A :
1.1 mm h−1 , B : 2.8 mm h−1 , C : 6.3 mm h−1 , D : 23.0 mm h−1 ) (Figure issue de Uijlenhoet,
1999).
142 Chapitre V
b) Paramétrisation exponentielle - Méthode des moments

Waldvogel (1974) préfère utiliser une distribution exponentielle plus générale où
N0 n’est pas fixe. Pour cela, il propose une paramétrisation exponentielle de la distri-
bution mesurée en calculant les paramètres N0 et Λ à partir des valeurs du contenu
en eau liquide (LWC) et de Z. Cette méthode s’apparente à la méthode des moments
(Section 17.1.2), puisqu’on utilise plusieurs moments de la DSD pour calculer les para-
mètres de la paramétrisation exponentielle. En observant les variations des paramètres
ainsi obtenus, il détecte des “sauts de N0 ”, c’est-à-dire, des augmentations soudaines
de N0 alors que le taux de précipitation reste à peu près constant. Waldvogel (1974)
étudie l’effet de la variation des paramètres de la paramétrisation sur le facteur a de la
relation Z-R correspondante et montre que de fortes valeurs de N0 sont associées à des
spectres étroits et un facteur a faible, alors que les faibles valeurs de N0 sont associées
à des spectres larges et des grandes valeurs de a. Cette analyse est confortée par les
résultats de Uijlenhoet et al. (2003b).
c) Besoin d’un paramètre supplémentaire : l’exemple du facteur de forme

Joss et Gori (1978) tentent de définir la forme de la DSD en introduisant “un facteur
de forme” S (P Q) où P et Q sont des paramètres intégrés de la DSD. S est supérieur
à 1 lorsque la DSD est plus large qu’une distribution exponentielle et inférieur à 1
dans le cas contraire (Figure V.2 à gauche). Joss et Gori (1978) ont trouvé que S est
toujours inférieur à 1, c’est-à-dire, qu’une DSD ponctuelle a une forme qui tend vers une
distribution courbée vers le bas, alors qu’il faut des moyennes sur de longs intervalles
de temps pour que la DSD s’approche d’une exponentielle. Ce travail montre que la
DSD doit être décrite par une paramétrisation plus générale qu’une simple distribution
exponentielle en ayant recours à un troisième paramètre.
17.1.2 Les distributions à trois paramètres
a) Paramétrisation lognormale
Une des tentatives pour tenir compte de la forme de la DSD avec trois(paramètres a )
été d’utiliser une distribution lognormale de la forme N (D) = N0 D−1 exp −c ln2 [D/Dg ]
avec trois paramètres N0 , c et Dg (Feingold et Levin, 1986). Mais, même si cette fonction
approxime bien la forme des DSDs, elle ne se réduit pas à une distribution exponentielle
comme cas particulier.
b) Paramétrisation gamma - Méthode des moments

La distribution gamma, introduite par Ulbrich (1983), est une généralisation de
la distribution exponentielle. Elle s’écrit N (D) = N0 Dµ exp (−ΛD) avec les mêmes
paramètres N0 et Λ, et µ qui caractérise la courbure par rapport à une exponentielle.
Ainsi, lorsque µ = 0, la distribution gamma se réduit à une distribution exponentielle
(Figure V.2 à droite). Les valeurs typiques de µ sont −3 < µ < 15 (Steiner et al., 2004).
De plus, un autre intérêt de cette forme est qu’elle permet de calculer facilement les
moments de la DSD tels que Z (Équation I.17) et R (Équation I.4). En effet, n’importe
quel moment de la DSD peut s’exprimer de la façon suivante :
∫ ∞ Γ (m + µ + 1)
Mm = N0 am Dm N (D) = N0 am (V.1)
0 Λm+µ+1
Variabilité des précipitations 143

Fig. V.2 – Prise en compte de la forme de la DSD avec la paramétrisation exponentielle

et la paramétrisation gamma. À gauche : comparaison de la paramétrisation de Marshall
et Palmer (1948) ((d) (e) et (f)) avec la paramétrisation de Joss et Gori (1978) utilisant le
facteur de forme ((D) (E) et (F)), pour trois intensités de précipitations : 1, 10 et 100 mm h−1 ,
respectivement (Figure issue de Joss et Gori, 1978). À droite : exemples théoriques de la
distribution gamma pour µ = -2, 0 et 2 et pour LWC=1 g m−3 et D0 =2 mm. Le tableau
inclus dans la figure montre les valeurs de Z et R correspondantes (Figure issue de Ulbrich,
1983).
où Γ (x) est la fonction gamma.
De la même manière que Waldvogel (1974) pour la distribution exponentielle, le

calcul de trois moments caractéristiques de la DSD permet de déduire les paramètres
de la distribution gamma. C’est ce que l’on appelle la méthode des moments. Tokay
et Short (1996) étudient les variations des paramètres de la DSD paramétrisée avec
une distribution gamma en utilisant les moments 3, 4 et 6 et tentent de les relier aux
coefficients de la loi Z-R associée. Ils proposent une classification convective-stratiforme
en différenciant deux zones bien précises sur les graphes représentant N0 en fonction
de R et Λ en fonction de R. Cette méthode est effectivement très efficace sur le cas
étudié par Tokay et Short (1996) mais ne peut malheureusement pas être généralisée
car, par exemple, cette classification ne s’applique pas aux données de Uijlenhoet et al.
(2003b).
c) Paramétrisation gamma tronquée
L’effet de la troncature de la DSD à des diamètres Dmin et Dmax , qui peut être due,
soit à un problème instrumental, soit à un phénomène naturel, a été étudié par Ulbrich
(1985). Il apparaît que la troncature n’affecte pas l’exposant b et que ses effets sont
contenus entièrement dans le facteur a. Pour les précipitations courantes, ils peuvent
même être négligés. Ceci signifie que lorsque D est plus grand que Dmax , N (D) est
tellement faible que la contribution totale des gouttes de ce diamètre peut être né-
gligée. L’avantage d’utiliser une distribution gamma est que, lorsque µ augmente, la
distribution devient plus étroite, comme si elle était effectivement tronquée.
144 Chapitre V
d) Paramétrisation gamma normalisée

La paramétrisation gamma possède un défaut majeur : l’unité du coefficient N0
n’est pas la même que pour la distribution exponentielle et s’exprime en fonction du
paramètre µ. Plusieurs auteurs proposent donc une autre expression de la distribution
gamma. Par exemple, Chandrasekar et Bringi (1987) réécrivent la distribution gamma
sous la forme
NT
N (D) = Dµ exp (−ΛD) (V.2)
Γ (µ + 1) Λµ+1
où NT est cette fois la concentration totale des gouttes.
17.1.3 Les normalisations de la DSD
Bien que des méthodes de normalisation aient été proposées plus tôt, la loi d’échelle
de Sempere Torres et al. (1994) présente un grand intérêt puisqu’elle permet de relier
directement les coefficients de la relation Z-R à la DSD. C’est donc cette normalisation
que l’on décrira en priorité.
a) La loi d’échelle de Sempere Torres et al. (1994) : normalisation à un

moment
Sempere Torres et al. (1994) et Sempere-Torres et al. (1998) proposent une procé-
dure de normalisation de la DSD basée sur l’existence de relations exponentielles entre
les moments de la DSD. De plus, ils font l’hypothèse que la relation entre le diamètre
des gouttes et leur vitesse de chute est décrite par la relation de Atlas et Ulbrich (1977)
(voir Tableau I.1) dont la forme est également exponentielle :
v = cDd . (V.3)
Bien que des relations plus sophistiquées aient été proposées, la forme en puissance est
la seule forme compatible avec des relations de puissance entre les moments de la DSD,
notamment entre Z et R.
Alors, toutes les distributions proposées précédemment peuvent être représentées
par une expression générale qui dépend du diamètre des gouttes et du ième moment de
la DSD : ( )
N (D, Mi ) = Miα g DMi−β (V.4)
où les puissances de normalisation α et β sont constantes et g (x) est la distribution
de gouttes générale en fonction du diamètre des gouttes normalisé x = D/Mi−β . En
pratique, on utilise le taux de précipitation comme variable de référence. Alors, si l’on
insère l’expression V.4 dans la définition du facteur de réflectivité radar (Équation I.17),
on obtient : ∫ +∞ ( )
Z= Rα g DR−β D6 dD = aRb (V.5)
0
où
∫ +∞
a= g (x) x6 dx (V.6)
0
b = α + 7β. (V.7)

Ainsi, le facteur de la relation Z-R est entièrement déterminé par la forme de la dis-
tribution de goutte générale alors que l’exposant est entièrement déterminé par une
combinaison linéaire des puissances de normalisation. De la même manière, si l’on
insère l’expression V.4 et la relation exponentielle entre la vitesse de chute et le dia-
mètre (Équation V.3) (1) dans la définition du taux de précipitation (Équation I.4), cela
fournit les équations d’auto-consistance (2) :
∫ +∞
−4
6π × 10 c x3+d g (x) = 1 (V.8)
0
α + (4 + d) β = 1. (V.9)
Ainsi, les puissances de normalisation ne sont pas indépendantes et la distribution de

goutte générale g (x) est contrainte.
Pour déterminer la forme de la DSD générale, Sempere Torres et al. (1994) pro-
posent une méthode simple en deux étapes :
– L’Équation V.7 peut s’écrire sous une forme plus générale fonction de l’ordre i du
moment à exprimer en fonction de R : bi = α + β(i + 1). Alors, Sempere Torres
et al. (1994) notent que cette Équation permet de déterminer les puissances de
normalisation α et β en calculant l’exposant bi de la relation Mi = ai Rbi de deux
moments seulement, mais, pour obtenir une estimation plus robuste, ils préfèrent
calculer cet exposant pour tous les moments d’ordre 0 à 6 et de déterminer les
puissances de normalisation à l’aide d’une régression linéaire des valeurs de bn en
fonction de n + 1 (Figure V.3 à gauche). L’expression V.9 est alors utilisée pour
vérifier la consistance entre les puissances de normalisation obtenues.
– Les puissances de normalisation permettent ensuite de tracer le diagramme de
dispersion normalisé de la DSD (Figure V.3 à droite) qui peut être utilisé pour
déduire la forme de la DSD générale g (x). Cette Figure montre qu’il persiste tout
de même une forte dispersion.
Le principal avantage de cette méthode est que la forme de la DSD générale est déduite
de l’ensemble des spectres de gouttes mesurés normalisés sur une figure unique.
Pourtant, cette normalisation n’est pas réellement efficace pour regrouper toutes
les données expérimentales en une seule fonction g (x), c’est-à-dire que, la dispersion
des points expérimentaux autour de la DSD normalisée n’est pas réduite par cette
normalisation à un moment.
b) Normalisation à deux moments

Sekhon et Srivastava (1971) et Willis (1984) ont montré le potentiel de la normalisa-
tion de la DSD à deux moments (à partir de deux paramètres) mais ils imposaient une
DSD de forme spécifique (exponentielle et gamma). Sempere Torres et al. (1994) ont
utilisé ces travaux précédents pour proposer leur loi d’échelle générale et leur procédure
de normalisation à un moment.
Testud et al. (2001) ont étendu cette idée en proposant une normalisation à deux
moments sans hypothèse sur la forme de la DSD utilisée. Ils remarquent que la disper-
sion restante autour de la fonction de normalisation est inférieure au niveau de bruit de
(1). Si la relation entre v et D n’était pas exponentielle, on ne retrouverait pas une relation expo-
nentielle entre Z et R (Équation V.5)
(2). Ces contraintes garantissent que la substitution de la paramétrisation de la DSD dans l’expres-
sion du taux de précipitation amène à R = R.
146 Chapitre V
17.2 L’influence des processus microphysiques sur la forme de la DSD
Fig. V.3 – Illustration de la méthode utilisée pour normaliser la DSD en utilisant la loi
d’échelle (Figures issues de Sempere Torres et al., 1994).
leurs données, et concluent donc que leurs deux paramètres (le contenu en eau liquide
et le diamètre volumique moyen) sont suffisants pour capturer toute la variabilité de la
DSD. De plus, Lee et al. (2004) montrent que les formulations de Sempere Torres et al.
(1994) et Testud et al. (2001) sont chacune des cas particuliers d’une normalisation
plus générale.
L’objectif de cette thèse n’est pas d’étudier la paramétrisation de la DSD, mais cette
étude bibliographique a permis de cerner l’état des connaissances de la communauté
scientifique sur ce sujet et donc de mieux appréhender sa variabilité. L’étape suivante
est de relier cette variabilité à la microphysique des processus formant les précipitations
et aux relations Z-R.
17.2 L’influence des processus microphysiques sur la forme de

la DSD
Srivastava (1971) montrent que ce sont principalement la coalescence et la rupture
des gouttes qui déterminent la forme de la distribution de gouttes. Afin de visuali-
ser l’effet de chaque processus pris indépendamment les uns des autres, Rosenfeld et
Ulbrich (2003) étudient l’effet de la modification des paramètres d’une distribution
gamma sur les coefficients a et b des relations Z-R associées. Pour cela, ils considèrent
de manière théorique que chaque processus agit seul, ce qui est rarement le cas en
réalité. De plus, pour illustrer les divers processus qui interviennent dans le modelage
de la DSD, ils font l’hypothèse que la distribution est initialement exponentielle (ligne
droite sur une échelle logarithmique). Ils obtiennent les résultats suivants :
Coalescence (Figure V.4a) : La coalescence fait diminuer le nombre de petites gouttes
et augmenter celui des gouttes plus grosses, ce qui amène à une augmentation
du diamètre médian D0 et du paramètre de forme µ et, une diminution de N0 .
Rosenfeld et Ulbrich (2003) en déduisent une augmentation du facteur a et une
faible diminution de l’exposant b.
Rupture (Figure V.4b) : À l’opposé, la rupture provoque une augmentation du
nombre de petites gouttes et une diminution du nombre de grosses gouttes. Ces
transformations sont associées à une diminution de D0 , une augmentation de N0 ,

Fig. V.4 – Description schématique de l’effet de processus variés sur la forme de la DSD.
Figure issue de Rosenfeld et Ulbrich (2003).
et probablement une augmentation de µ. Il résulte une diminution du facteur a

et une légère augmentation de l’exposant b.
Combinaison de la coalescence et de la rupture (Figure V.4c) : Les deux pro-

cessus ont pour effet une augmentation de µ, ce qui provoque également une
augmentation de l’exposant b. En revanche, l’effet sur le facteur a dépend du
processus prédominant.
Collection (Figure V.4d) : La collection des gouttelettes nuageuses par des gouttes
de pluie tend à augmenter la taille des gouttes de pluie sans modifier leur nombre,
la concentration des gouttes de pluie reste donc constante. Rosenfeld et Ulbrich
(2003) en concluent que µ est constant, D0 augmente et N0 diminue. Ainsi le
facteur a augmente tandis que l’exposant b subit peu de changements.
Évaporation (Figure V.4e) : L’évaporation provoque une plus forte diminution du

nombre de petites gouttes que du nombre de grosses gouttes. Il en résulte une
augmentation de µ et D0 et, une diminution de N0 . On doit alors avoir une
augmentation du facteur a et une diminution de l’exposant b.
Vent ascendant (Figure V.4f) : Seules les plus grosses gouttes ont des vitesses de
chute qui peuvent dominer un faible vent ascendant. On observe donc une di-
minution du nombre de petites gouttes aux altitudes les plus basses. L’effet est
donc similaire à celui de l’évaporation.
Vent descendant (Figure V.4g) : Un vent descendant augmente le flux des gouttes
de tout diamètre, mais l’effet sur la forme de la DSD est incertain.
Tri des gouttes selon leur taille (Figure V.4h) : Le tri des gouttes par le vent
va faire tendre la DSD vers une distribution monomodale, avec une forte aug-
mentation de µ et une diminution de la concentration des gouttes. En revanche,
l’effet sur D0 et sur les coefficients de la loi Z-R associée va dépendre de la zone
de précipitations observée.
148 Chapitre V
17.3 Interprétation microphysique des relations Z-R
17.3 Interprétation microphysique des relations Z-R
Un problème majeur de l’interprétation microphysique des coefficients des relations

Z-R est dû aux limitations pratiques de l’échantillonnage des instruments. Par exemple,
les limitations de l’échantillonnage en temps et en espace peuvent mener à des relations
biaisées. Au contraire, un mélange de différents types de pluie donnera des coefficients
moyens qui ne correspondront plus à une microphysique donnée. De plus, elles peuvent
dépendre de la façon dont elles ont été dérivées. La question qui se pose est de savoir
à quel point ces relations peuvent être interprétées d’un point de vue microphysique.
17.3.1 Méthodes de dérivation des relations Z-R
En principe, les coefficients a et b sont obtenus en combinant les mesures d’un radar
et d’un pluviomètre au sol. Les différences dans les caractéristiques d’échantillonnage
de ces instruments peuvent porter préjudice à la représentativité de ces coefficients.
Beaucoup d’auteurs utilisent donc les mesures de disdromètres qui fournissent le taux
de précipitation et permettent aussi d’estimer la réflectivité. Mais, là encore, les estima-
tions dépendent du type de disdromètre utilisé, de la méthode mathématique appliquée
pour déterminer ces coefficients et de la représentativité des mesures d’un disdromètre
par rapport aux mesures d’un radar.
De nombreuses méthodes ont été proposées pour déduire des relations Z-R de don-
nées expérimentales. Campos et Zawadzki (2000), Tokay et al. (2001) et Tokay et al.
(2009) évaluent l’impact du choix de la méthode sur les relations obtenues.
Les relations Z-R sont traditionnellement déduites d’une régression linéaire dans
l’espace log (R) et log (Z). La régression linéaire ajuste une droite qui minimise les
écarts en ordonnée entre les points de mesure et la droite d’ajustement. La droite re-
trouvée n’est alors pas la même selon que l’une ou l’autre des variables est placée en
ordonnée (on dit que c’est la variable dépendante). Tokay et al. (2001) montrent que
le choix de la variable dépendante pour l’estimation des relations Z-R est important
puisque les différences sont aussi grandes que si on avait affaire à des types de pré-
cipitations différents. Ils conseillent d’utiliser le taux de précipitation comme variable
dépendante. Comme en général, la variable recherchée est R, le choix de minimiser les
écarts sur R est tout à fait logique.
Par ailleurs, le fait de faire une régression dans un espace logarithmique comprime
l’échelle et donne autant de poids aux faibles taux de précipitation qu’aux taux im-
portants. Or, comme les pluies intenses sont rares, une relation Z-R déduite d’une
régression linéaire est plus adaptée aux faibles précipitations. Tokay et al. (2001) pro-
posent donc d’utiliser une régression non linéaire qui minimise les écarts dans l’espace
R-Z et donne donc plus de poids aux fortes précipitations. Ils trouvent effectivement de
meilleures estimations en utilisant une régression non linéaire. Pourtant, la droite ob-
tenue semble moins bien ajustée aux données qu’avec une régression linéaire. En effet,
cette droite provoque une forte surestimation des faibles précipitations et ne semble
pas adaptée à une utilisation généralisée.
Par ailleurs, Rosenfeld et al. (1993) proposent une méthode de dérivation de loi Z-R
en mettant en relation les pourcentiles des densités de probabilité des deux variables.
Cette méthode ne produit pas une droite mais une fonction dont la forme est variable.

17.3.2 Variabilité des relations Z-R
Pour une distribution donnée, la gamme des coefficients des lois Z-R est limitée.
Par exemple, pour une distribution lognormale, Smith et Krajewski (1993) montrent
que l’exposant b ne peut varier qu’entre 1 et 3.125, tandis que pour une distribution
gamma, Steiner et al. (2004) affirment qu’il est toujours compris entre les valeurs 1 et
1.8.
L’étude des coefficients des lois Z-R montre que les orages sont associés à des grandes
valeurs du facteur a (300-1000) et des valeurs modérées de l’exposant b (1.25-1.65) alors
que a et b sont, tous les deux, un peu plus faibles pour des averses. Pour des pluies
continues, a est généralement plus faible, tandis que les valeurs de b s’étendent sur une
plus large gamme (1-2). De plus, certains auteurs introduisent un type de précipitations
de transition entre convectif et stratiforme pour lequel a est généralement le plus faible
et b est intermédiaire (Atlas et al., 1999; Uijlenhoet et al., 2003b). Par ailleurs, en
général, on observe une dépendance en inverse de a sur b, c’est-à-dire, que de grandes
valeurs de a correspondent à des petites valeurs de b, et inversement (Fujiwara, 1965).
Jameson et Kostinski (2001) affirment que, pour des précipitations non-homogènes,
la relation Z-R n’a qu’un sens statistique. Elle a un réel sens physique lorsque les préci-
pitations sont homogènes et, dans ce cas, l’exposant b doit être égal à 1. Dans certains
cas, certains auteurs retrouvent effectivement des relations Z-R linéaires (List, 1988;
Zawadzki et de Agostinho Antonio, 1988). Ce comportement est typique de ce qu’on
appelle la distribution à l’équilibre où les processus de collisions-coalescence s’équi-
librent exactement avec la rupture des gouttes. Ce phénomène a été décrit en détail
par Hu et Srivastava (1995). Si de telles conditions existent réellement, on les trouve
certainement dans les pluies tropicales intenses ou les systèmes orageux intenses et
durables des moyennes latitudes (Steiner et al., 2004). Dans ces conditions, le diamètre
moyen des gouttes reste constant pour un orage donné, même si, cette taille peut varier
d’une situation à une autre. Ainsi, même dans ces conditions idéales, il n’y a pas de
relation Z-R unique : le facteur a dépend du diamètre moyen de la DSD (Uijlenhoet
et al., 2003a).
Rosenfeld et Ulbrich (2003) discutent des différences en terme de relations Z-R entre
les précipitations maritimes, continentales, convectives, de transition, stratiformes et
orographiques. Ils montrent qu’une telle classification peut expliquer la variabilité de
R pour un Z donné, d’un facteur 1.5 à 2 en distinguant les précipitations convectives
et stratiformes, de plus d’un facteur 3 en distinguant les précipitations continentales
et maritimes et d’un facteur 10 dans le cas de précipitations orographiques.
Lee et Zawadzki (2005b) font une analyse systématique de 5 ans de données de
précipitations mesurées à l’aide d’un disdromètre. Ils montrent que les cumuls de pré-
cipitations journaliers estimés avec une relation Z-R globale ont un biais important à
cause de la variabilité journalière de la DSD, mais que l’utilisation de lois Z-R jour-
nalières n’améliore pas les estimations. En effet, la majeure partie de la variabilité de
la DSD a son origine entre les différents cas de précipitations dans un même jour ou
même au cours d’un seul cas. Lee et Zawadzki (2005b) concluent que cette variabilité
vient principalement des différents processus physiques modelant la DSD et arrivent
à obtenir des estimations correctes après une identification précise de ces différents
processus physiques en utilisant les mesures d’un radar UHF colocalisé.
150 Chapitre V
18 Analyse détaillée des précipitations mesurées lors de la campagne COPS
18 Analyse détaillée des précipitations mesurées lors

de la campagne COPS
Dans cette section, on va étudier la variabilité des précipitations, en termes de
variabilité des relations Z-R, mesurées lors de la campagne COPS à l’aide du MRR.
Pour cela, il sera nécessaire d’étalonner le radar en bande X de manière optimale,
sachant que la méthode du chapitre III ne peut être appliquée pour COPS. On verra
ensuite que l’on observe une variabilité inter-évènement et une variabilité verticale.
Enfin, on décrira une méthode qui permet retrouver une variabilité intra-évènement
pour certains cas de précipitations.
18.1 Étalonnage du MRR à partir des données du pluviomètre

Étant donné que le disdromètre utilisé lors de la campagne COPS ne fonctionnait
pas, la méthode d’étalonnage développée dans les Chapitres III ne peut être utilisée
pour étalonner le MRR avec les données de la campagne COPS. De plus, l’étalonnage
entre les deux radars ayant changé entre la campagne COPS et le site Clermontois
(IV), on ne peut pas reprendre l’étalonnage effectué pour le site Clermontois.
L’effet d’un mauvais étalonnage du MRR sur la dérivation des lois Z-R n’étant pas
évident, on décide de procéder tout de même à l’étalonnage du MRR à partir des don-
nées du pluviomètre colocalisé. Cet étalonnage est moins précis, à cause des problèmes
de mesure liés aux pluviomètres (Partie 1) et parce que le taux de précipitation n’est
pas mesuré directement par le MRR. En effet, dans le traitement des données MRR
(Chapitre III), on a vu que le vent vertical pouvait avoir des conséquences sur la déduc-
tion de la DSD et donc sur le taux de précipitation. Néanmoins, cette méthode est tout
de même plus précise que si on l’appliquait à un radar à balayage horizontal, puisque,
d’une part, la différence d’altitude entre les volumes d’échantillonnage est plus faible
et, surtout, on n’est pas contraint d’utiliser une relation Z-R générale pour convertir le
facteur de réflectivité radar en taux de précipitation. L’utilisation d’une telle relation
aurait biaisé cette étude puisqu’on aurait forcé l’ensemble des données à suivre cette
relation générale. On n’aurait pu qu’étudier la dispersion des relations Z-R de chaque
évènement de précipitations par rapport à la relation Z-R générale.
Deux possibilités s’offrent à nous pour effectuer la comparaison entre les mesures
du pluviomètre et du MRR : on peut comparer le taux de précipitation ou bien le cu-
mul de chaque évènement. La première option permet d’obtenir un plus grand nombre
de points de comparaisons, mais il faut tout de même choisir une échelle de temps de
moyenne des données suffisamment grande de façon à ce que les mesures du pluvio-
mètre soient significatives, même en cas de précipitations faibles. Un temps de moyenne
des données de 15 min est adéquat. Mais comme l’horloge du pluviomètre n’est pas
synchronisée, ses données nécessitent une correction de l’heure peu précise, de façon à
ce que les mesures des deux appareils concordent le mieux possible. Afin de s’affranchir
de cette correction de l’horloge, on préfère comparer les cumuls de chaque évènement,
la correspondance exacte de l’heure des instruments n’étant plus indispensable. La
Figure V.5 présente les résultats de ces deux méthodes.
Les cumuls mesurés par le MRR et le pluviomètre montrent une très bonne corréla-
tion, avec un coefficient de corrélation r2 = 0.958. C’est donc les données de cumul qui

Fig. V.5 – Correspondance entre les précipitations mesurées par le MRR dans la porte
3 après son étalonnage et par le pluviomètre colocalisé : cumuls de chaque évènement (à
gauche), taux de précipitation moyens sur 15 min (à droite). Chaque rond représente un
point expérimental. La droite en trait continu représente l’ajustement linéaire par ces points,
tandis que la droite en trait pointillé (confondue avec la droite en trait continu à gauche) est
la droite y = x. Les informations de l’ajustement sont affichées dans la figure.
ont été utilisées pour étalonner le MRR. Étant donné que l’effet de l’étalonnage sur le
taux de précipitation déduit par le MRR n’est pas linéaire, il est nécessaire d’ajuster cet
étalonnage plusieurs fois. Après plusieurs étapes successives, on obtient une droite de
régression confondue avec la droite y = x (Figure V.5 à gauche). De la même manière
que pour l’étalonnage à partir du Parsivel, il a suffit d’un simple biais pour étalonner
le MRR. Ce biais est égal à +1.8 dB. En revanche, la comparaison des taux de précipi-
tation (Figure V.5 à droite) montre une faible corrélation (r2 = 0.426), et même après
l’étalonnage, la droite de régression est loin de la droite y = x. Ce comportement est
sans doute dû à la forte hétérogénéité des précipitations.
18.2 Variabilité inter-évènements
Pour visualiser la variabilité des précipitations inter-évènement lors de la campagne

COPS, on dérive les coefficients des lois Z-R de chaque évènement de précipitations
mesuré par le MRR, à l’aide d’une régression linéaire dans l’espace log (R) − log (Z)
(avec R comme variable dépendante). On sélectionne les cas de précipitations significa-
tifs, qui présentent plus de 100 points de statistiques et qui présentent une corrélation
supérieure r2 = 0.5. Cette sélection conserve 37 cas de précipitations (listés dans le
Tableau V.1) sur les 72 initialement détectés. Par ailleurs, cette étude a été faite avec
les mesures de la sixième porte du MRR qui correspond à l’altitude du volume commun
entre les deux radars (Section 4.2.2). L’observation des profils verticaux de réflectivité
montre que l’altitude minimale de l’isotherme 0 °C lors de la campagne COPS était
d’environ 1500 m au-dessus du radar MRR, ce qui garantit l’absence de phase glace à
l’altitude choisie, sauf en cas peu probable de grêle. Les coefficients des relations ainsi
obtenus sont tracés dans la Figure V.6 (à gauche), comme le fait Uijlenhoet (2001) avec
les 69 relations listées dans Battan (1973), tandis que les coefficients de chacune de ces
relations sont affichés dans un graphe de l’exposant en fonction du facteur (Figure V.6
à droite).
152 Chapitre V
18.2 Variabilité inter-évènements
3 2
10
Z= 200R1.6 Z= 200R1.6
Taux de précipitations R [mmh−1 ]
Z= 372R1.36 Z= 372R1.36
Exposant de la relation Z-R, B

1.8
2
10
1.6
1
10
1.4
0
10
1.2
−1
10 0 2 4 6 1 2 3
10 10 10 10 10 10
Facteur de rélectivité radar Z [mm6 m−3 ] Facteur de la relation Z-R, A
Fig. V.6 – Les différentes lois Z-R retrouvées à partir des mesures de la porte 6 du MRR,
lors de la campagne COPS : variabilité de ces relations dans l’espace log (R) − log (Z) (à
gauche) et variabilité des coefficients associés (à droite). La loi de Marshall et al. (1955) et
ses coefficients sont tracés en bleu. La loi moyenne des lois Z-R mesurées lors de la campagne
COPS et ses coefficients sont tracés en rouge. Les coefficients des lois Z-R sont classifiés selon
le type de précipitations : orages (triangles), stratiforme (étoiles), convection imbriquée dans
des précipitations stratiformes (losanges), averses (carrés), pas de type privilégié (points).
On remarque que les relations Z-R obtenues (Figure V.6 à gauche) ont une varia-
bilité aussi importante que celle trouvée par Uijlenhoet (2001), même si, dans notre
cas, les données sont issues d’une position géographique fixe, pendant un été, et avec le
même instrument. Néanmoins, on observe une enveloppe générale dans laquelle sont in-
clues toutes les relations. Cette enveloppe ne semble pas centrée autour de la relation de
Marshall et al. (1955) (en bleu). En effet, les relations dérivées avec le MRR semblent
associer un facteur de réflectivité radar trop grand pour les faibles taux de précipi-
tation. Ainsi, en moyennant les coefficients de toutes les relations obtenues (en leur
donnant à chacune un poids identique), on obtient des paramètres a = 372 et b = 1.36,
légèrement différents de la relation de Marshall et al. (1955). De la même manière,
les coefficients des relations Z-R (Figure V.6 à droite) montrent la même dispersion
que celle de Uijlenhoet (2001). De plus, cette Figure confirme que les coefficients des
relations déduites du MRR ne semblent pas centrées autour de ceux de la relation de
Marshall et al. (1955) : le facteur semble plus élevé, tandis que l’exposant semble plus
faible. Une explication possible est que l’on fait la régression entre des données issues
du même volume de mesure, alors que classiquement, les relations Z-R sont détermi-
nées entre des réflectivités mesurées en altitude et des taux de précipitation mesurés
au sol. Une autre explication serait que, dans le traitement des données du MRR, la
méthode de déduction des paramètres Z et R ne tient pas compte de certains facteurs,
comme l’effet d’un vent vertical modéré (ne produisant pas de repliement) et l’effet de
la turbulence (Chapitre III). Ceci indiquerait que le MRR n’est pas forcément adapté
pour déduire des relations Z-R tant que ces problèmes n’auront pas été résolus.
De plus, dans la Figure V.6 (à droite), on a tenté de classifier ces lois Z-R selon le
type de précipitations telles qu’on les identifie à l’aide de l’évolution du profil vertical
de réflectivité. Un profil de réflectivité ne permettant pas de distinguer un type de
précipitations orographiques, aucune classification de ce type n’a été produite. Alors,
9 cas peuvent être associés à des averses, 11 à des pluies stratiformes, 2 à des pluies
orageuses et 7 à des pluies convectives imbriquées dans des précipitations stratiformes.

Tab. V.1 – Statistiques des évènements utilisés pour étudier la variabilité des relations Z-R
à partir des données de la porte 6 du MRR : le nombre d’observations (Nb obs), le cumul
(en mm), le type de précipitations (A pour averse, S pour stratiforme, C pour convectif, EC
pour convection imbriquée et ? pour un type non déterminé), les facteurs de réflectivité radar
médian et maximum (Zmed et Zmax en dBZ), les taux de précipitation médian et maximum
(Rmed et Rmax en mm h−1 ) et les coefficients de la relation Z-R associée (a et b).
Date Heure Nb obs. Cumul Type Zmed (Zmax ) Rmed (Rmax ) a b

15 Jun 2007 10h00-15h05 1208 7.6 EC 28.69 (39.06) 1.88 (24.42) 284 1.44
16 Jun 2007 02h20-14h30 289 0.2 A 16.68 (36.87) 0.02 ( 4.13) 912 1.22
16-17 Jun 2007 22h30-01h00 130 0.9 A 26.53 (36.90) 1.31 (12.25) 276 1.36
17 Jun 2007 17h30-23h30 1871 14.3 EC 29.67 (47.38) 2.03 (27.39) 346 1.37
19-20 Jun 2007 22h30-03h30 353 0.7 A 13.58 (41.56) 0.03 (14.53) 450 1.17
20 Jun 2007 16h15-20h35 716 1.5 ? 19.33 (40.79) 0.17 (11.12) 414 1.29
20-21 Jun 2007 23h50-03h45 1028 5.1 EC 26.15 (46.24) 0.72 (16.14) 691 1.20
21 Jun 2007 04h10-11h10 1188 10.3 S 30.71 (43.80) 2.34 (73.04) 237 1.69
22 Jun 2007 05h00-10h15 1112 4.6 S 20.14 (40.13) 0.46 (17.90) 338 1.55
22 Jun 2007 12h00-19h45 666 3.4 S 23.23 (44.45) 0.62 (22.76) 425 1.45
22-23 Jun 2007 21h50-15h10 781 1.7 A 14.33 (39.65) 0.24 (27.29) 273 1.72
24-25 Jun 2007 19h25-00h15 539 0.5 A 14.49 (38.97) 0.02 (13.43) 650 1.21
25 Jun 2007 05h00-08h00 324 0.5 S 15.23 (33.90) 0.16 ( 6.79) 313 1.26
26 Jun 2007 09h30-17h20 423 0.9 ? 14.33 (36.87) 0.28 (14.42) 249 1.56
28 Jun 2007 00h00-14h30 427 0.6 A 12.90 (42.86) 0.17 (21.10) 344 1.64
01 Jul 2007 10h50-15h00 393 0.8 S 20.45 (34.32) 0.44 ( 8.28) 339 1.37
01 Jul 2007 19h40-06h50 2777 12.8 S 23.64 (46.04) 0.93 (26.59) 274 1.46
03 Jul 2007 08h15-19h10 1617 4.5 S 19.32 (37.09) 0.37 (14.00) 260 1.50
08-09 Jul 2007 10h50-00h20 1986 10.0 EC 23.89 (41.88) 0.65 (24.20) 377 1.31
09 Jul 2007 01h50-03h45 117 0.4 A 14.53 (35.16) 0.20 (10.19) 243 1.44
10 Jul 2007 04h00-09h50 969 1.7 S 19.88 (36.68) 0.57 (16.45) 225 1.71
10 Jul 2007 10h50-18h20 422 0.6 ? 19.10 (37.60) 0.47 (10.68) 359 1.65
11-12 Jul 2007 08h00-00h20 800 1.6 ? 17.72 (37.40) 0.18 (14.41) 514 1.38
17-18 Jul 2007 20h30-02h20 967 5.9 ? 26.28 (43.61) 1.60 (21.16) 264 1.34
18 Jul 2007 03h05-05h10 397 0.7 ? 20.05 (34.42) 0.39 ( 4.92) 354 1.30
19 Jul 2007 05h40-09h45 704 4.8 S 24.12 (40.89) 0.85 (21.69) 341 1.06
20 Jul 2007 08h40-11h00 647 3.4 EC 24.63 (42.64) 0.67 (37.69) 378 1.23
20 Jul 2007 13h30-15h45 138 0.6 A 20.41 (36.09) 0.26 (18.85) 263 1.04
21 Jul 2007 19h45-21h30 148 0.2 ? 15.44 (28.70) 0.09 ( 1.86) 416 1.02
21-22 Jul 2007 22h50-04h20 191 0.2 ? 14.98 (30.32) 0.13 ( 3.32) 358 1.39
23 Jul 2007 12h45-17h20 825 5.5 EC 22.67 (47.01) 0.60 (29.39) 346 1.36
02 Aug 2007 01h50-04h40 730 2.0 EC 24.65 (38.01) 0.79 (18.20) 299 0.99
06 Aug 2007 14h50-20h00 545 0.8 C 18.91 (55.10) 0.00 (13.92) 1010 1.11
10 Aug 2007 01h45-07h40 294 0.2 A 14.79 (24.06) 0.14 ( 1.15) 401 1.57
13 Aug 2007 12h35-16h45 359 1.4 C 24.84 (51.44) 0.24 (45.04) 1350 1.27
21 Aug 2007 00h45-21h30 2426 3.7 S 15.27 (37.84) 0.17 ( 6.21) 391 1.59
28-29 Aug 2007 22h10-06h20 1010 3.9 S 12.85 (40.04) 0.06 (17.69) 257 1.24
Les relations restantes ne peuvent pas être associées à un type de précipitations unique.
Dans une Figure similaire, Uijlenhoet (2001) observe que les seuls cas de précipitations
convectives et orographiques ont tendance à se regrouper dans certaines zones de ce
graphe, c’est-à-dire, qu’il existe des couples privilégiés d’exposant et de facteur pour ce
type de précipitations. Or, notre série de données ne permet pas de distinguer des types
de pluies orographiques. On ne peut donc pas vérifier les propriétés des coefficients de ce
type de pluie. En revanche, conformément à ce que l’on retrouve dans la littérature (voir
Section 17.3.2), les pluies orageuses sont associées à des valeurs élevées de a (> 1000) et
faibles de b (≈ 1.2) tandis que pour les pluies stratiformes, a est faible (≈ 300) et b est
relativement variable (entre 1.1 et 1.8). Par ailleurs, comme on peut s’y attendre, les
coefficients des relations correspondant aux cas de précipitations convectives imbriquées
dans des précipitations stratiformes présentent des valeurs intermédiaires. Enfin, les
coefficients des relations correspondant à des averses présentent une forte variabilité
(de 200 à 1000 pour a et de 1 à 1.8 pour b).
154 Chapitre V
18.3 Variabilité verticale
Par ailleurs, il semble que le choix de l’altitude des données utilisées pour déterminer
les lois Z-R est important : si on avait effectué cette étude avec les données d’une porte
différente, les coefficients obtenus seraient sensiblement différents. Alors, il semblerait
qu’il y ait une variation significative de la réflectivité et/ou du taux de précipitation
en fonction de l’altitude. Cette variabilité verticale va être étudiée dans le paragraphe
suivant.
18.3 Variabilité verticale

Dans certains cas, la variabilité verticale de la réflectivité peut avoir une signature
bien particulière avec une couche de quelques centaines de mètres où la réflectivité est
bien supérieure au reste du profil, que l’on appelle bande brillante (BB). La BB, est
liée au processus de fonte des cristaux de glace et est donc située à une altitude proche
de l’isotherme 0°C. L’augmentation locale de la réflectivité est due à une combinaison
de plusieurs processus, dont notamment le passage de l’indice de réfraction de la phase
glace à la phase liquide prédominante sur la partie supérieure de la BB (augmentation
de la réflectivité) et la diminution du diamètre des hydrométéores prédominante sur la
partie inférieure de la BB (diminution de la réflectivité). Si les mesures de réflectivité
sont faites à l’altitude de la BB, cela va bien sûr avoir des conséquences graves sur l’es-
timation des précipitations. La variabilité verticale du profil de réflectivité a donc fait
l’objet de nombreuses recherches et est très bien documentée. Par exemple, Andrieu et
Creutin (1995a,b) proposent une méthode de correction du profil vertical de réflectivité
pour un radar à balayage horizontal. Cette méthode permet de tenir compte de l’effet de
lissage lorsque la distance au radar augmente, et donc que le volume d’échantillonnage
augmente.
Mais la variabilité verticale de la réflectivité et du taux de précipitation au-dessous
de la BB sont très peu documentés. On sait que les variations du taux de précipitation
en dessous de la BB dépendent du contexte météorologique : il peut être constant, mais
également s’intensifier (par le processus de collision-coalescence) et diminuer si l’envi-
ronnement est sec (évaporation). Peters et al. (2005) étudient la variabilité verticale
de la DSD mesurée par un MRR, et donc des relations Z-R associées. Ils trouvent une
forte dépendance des relations Z-R en fonction de l’altitude pour des taux de précipita-
tion importants. Cette dépendance provoquerait une sous-estimation des précipitations
lorsque des relations Z-R adaptées aux mesures au sol sont utilisées. De leur côté, Tokay
et al. (2009) étudient les variations des coefficients des lois Z-R en fonction de l’alti-
tude en comparant le taux de précipitation mesuré par un disdromètre à la réflectivité
mesurée par un profileur en bande S et un MRR. Ils trouvent que les deux coefficients
des lois Z-R varient avec l’altitude : le facteur diminue tandis que l’exposant augmente
lorsque l’altitude augmente.
On décide d’évaluer la variabilité verticale des mesures de précipitations faites par
le MRR lors de la campagne COPS. La Figure V.7 présente les profils de la réflectivité
et du taux de précipitation rangés par catégorie d’intensité des précipitations au sol
ainsi que les profils moyens de l’ensemble des données.
Sur cette Figure, on limite le tracé de ces profils jusqu’à 1 km d’altitude, puisque
les données ont pu être contaminées par la BB au-delà. Or, l’altitude de la BB ayant
considérablement varié tout au long de la campagne, les augmentations de réflectivité
locales provoquées par les BB de chaque évènement sont toutes décalées en altitude et

1000 1000
0.02 < R < 0.2 0.02 < R < 0.2
0.2 < R < 2 0.2 < R < 2
2 < R < 20 2 < R < 20
800 20 < R < 200 800 20 < R < 200
Altitude [m]
Altitude [m]
600 600
400 400
200 200
0 1 0 −2 −1 0 1 2
2 3 4 5
10 10 10 10 10 10 10 10 10 10
Facteur de réflectivité radar [dBZ] Taux de précipitations [mm h−1 ]
Fig. V.7 – Profils moyens pour l’ensemble des données (en noir) et par classe d’intensité
des précipitations au sol (voir légende), du facteur de réflectivité radar (a) et du taux de
précipitation (b) mesurés par le MRR lors de la campagne COPS.
on n’observe pas d’effet moyen. Par ailleurs, les valeurs du taux de précipitation n’au-
raient aucune signification physique à ces altitudes. De plus, il faut ignorer les valeurs
correspondant aux deux premières portes (100 et 200 m d’altitude) puisqu’on sait que
les données correspondant à ces altitudes peuvent être contaminées par des spectres
images en cas de précipitations très intenses (Section 9). Ceci explique directement le
comportement irrégulier des profils de réflectivité radar et du taux de précipitation à
ces altitudes, notamment pour les classes les plus intenses.
Entre 300 et 1000 m, les profils moyens (en noir) sont constants à environ 28 dBZ
pour le facteur de réflectivité radar et à 1.1 mm h−1 pour le taux de précipitation. Les
profils du facteur de réflectivité radar de chaque catégorie sont également pratiquement
constants, à l’exception de la catégorie la plus faible qui montre une forte diminution
avec l’altitude. En revanche, les profils du taux de précipitation par catégorie varient
avec l’altitude : en particulier, le profil de la catégorie la plus faible montre une forte
diminution, et le profil de la catégorie la plus intense montre une forte augmentation.
La diminution du taux de précipitation de la catégorie la plus faible est due à l’éva-
poration des plus petites gouttes de pluie. En revanche, l’augmentation du taux de
précipitation de la catégorie la plus intense est suspecte. Peters et al. (2005) observent
le comportement inverse (diminution dans la catégorie la plus forte) mais expliquent
qu’il n’est pas non plus physiquement raisonnable. Il apparaît donc que les profils
de précipitations sont peu stables à de telles intensités. Nous allons tenter de com-
prendre l’origine de ce comportement. Comme le profil de réflectivité de la catégorie
correspondante est relativement constant, la cause n’est pas une sous-estimation de
l’atténuation. Une explication possible serait qu’il y ait une forte efficacité du proces-
sus de collision-coalescence pour ces profils. Ce processus est d’autant plus actif qu’il y
a une forte quantité d’eau condensée disponible. Donc, une forte efficacité impliquerait
l’association de nuages bas de type brouillards à ces précipitations intenses. Mais, ces
deux conditions météorologiques sont incompatibles et cette hypothèse ne semble pas
raisonnable. Alors, il faut noter que cette catégorie n’est composée que de 25 profils. De
plus, en inspectant ces profils un à un, on s’aperçoit que seuls six d’entre eux montrent
ce comportement (augmentation du taux de précipitation alors que la réflectivité est
constante). Alors la visualisation du profil du spectre de réflectivité correspondant (Fi-
gure V.8) montre que deux raisons ayant le même effet expliquent ce comportement.
156 Chapitre V
18.4 Variabilité intra-évènements
2007-07-01 à 22:45:00 UTC 2007-06-21 à 02:43:00 UTC

Réflectivité volumique spectrale normalisée
Réflectivité volumique spectrale normalisée

η(fD ,z) [m2 m−3 Hz−1 ]
η(fD ,z) [m2 m−3 Hz−1 ]

Height [m]
Height [m]
1000 1000
900 900
800 800
700 700
600 600
500 500
400 400
300 300
200 200
100 100
0 0
0 500 1000 1500 2000 0 500 1000 1500 2000
Fig. V.8 – Profils du spectre de réflectivité mesuré par le MRR et montrant un déficit de
petites gouttes à cause d’un vent vertical descendant (à gauche) et à cause du tri des gouttes
par leur taille (à droite).
La première raison (Figure V.8 à gauche) est qu’un vent vertical descendant s’in-
tensifie avec l’altitude, ce qui provoque un décalage progressif du spectre de réflectivité
vers les fréquences les plus élevées (vers les plus gros diamètres). La seconde raison
(Figure V.8 à droite) est qu’un phénomène de tri des gouttes par leur taille provoque
un déficit de gouttes de faible diamètre qui augmente avec l’altitude, alors que la li-
mite supérieure du spectre de réflectivité reste inchangée. Les conséquences de ces deux
phénomènes sont identiques. Le déficit de petites gouttes entraîne une diminution de
l’estimation des deux paramètres, mais cette diminution est imperceptible pour le fac-
teur de réflectivité radar puisque, étant proportionnel au sixième moment de la DSD, il
est peu sensible aux petits diamètres. À l’opposé, dans le cas où le spectre est décalé par
un vent vertical, l’excès de gouttes de gros diamètres ne provoque pas d’augmentation
parce qu’on atteint la limite de fréquence analysé pour la conversion en distribution
de gouttes (pointillés noirs sur la Figure V.8). Ainsi, on s’aperçoit que la forme de ce
profil est dû, en partie, à un problème de mesure du MRR, et qu’une correction du
vent vertical serait nécessaire. En revanche, l’effet du tri des gouttes par leur taille est
bien réel et doit donc être pris en compte.
Ces résultats impliquent que la variabilité verticale de la distribution de gouttes et
donc de la relation Z-R est possible et doit faire l’objet d’une étude approfondie, dès
que le problème du vent vertical sera résolu. De plus, il faut garder en mémoire que
la forme des profils mesurés par le MRR sont totalement dépendants de la fonction de
transfert du MRR (section 3.2.2). Cette fonction de transfert est spécifique à chaque
MRR et à été mesurée par le fournisseur du MRR. Il faudra donc vérifier attentivement
sa validité à l’aide de comparaisons avec des mesures d’un autre radar à visée verticale
colocalisé, par exemple.
18.4 Variabilité intra-évènements
On a vu précédemment que chaque évènement de précipitations peut être caractérisé

par une relation Z-R qui lui est propre. Mais, dans certains cas de longue durée, il arrive
même que l’on observe plusieurs périodes de précipitations homogènes, séparées par

Fig. V.9 – Illustration de la méthode de Clemens et al. (2006) pour la détection de périodes
stables de précipitations à l’intérieur d’un même évènement, exemple du 17 juin 2007 : co-
efficient de corrélation (ligne continue grise) et son intervalle à 99% (ligne point-pointillée
grise), coefficient de corrélation critique (ligne pointillée noire), périodes sélectionnées (trait
épais noir sur l’axe du temps).
des changements brusques (Chapon et al., 2008). Ces variations brusques peuvent par
exemple être associées aux “sauts de N0 ” qu’observe Waldvogel (1974). Clemens et al.
(2006) proposent une méthode pour détecter des périodes pour lesquelles la relation Z-
R est stable en se basant sur la corrélation entre la réflectivité et le taux de précipitation
mesurés par un MRR. Cette méthode consiste à calculer le coefficient de corrélation
entre Z et R sur des périodes glissantes et de sélectionner les périodes pour lesquelles
il (3) est supérieur à un “coefficient de corrélation critique” lui-même fonction du niveau
de confiance et du nombre de points utilisés pour effectuer la corrélation.
Cette méthode a été appliquée sur un des cas de précipitations listés dans le Ta-
bleau V.1 : le cas de précipitations de convection imbriquée dans des pluies stratiformes
du 17 juin 2007 entre 17h30 et 23h30. Pour cette application, les données du MRR ont
été moyennées sur 30 s et on a choisi des périodes glissantes de 30 min, de façon à calcu-
ler le coefficient de corrélation à partir de 60 points de données. L’application de cette
méthode de détection des périodes stables est illustrée dans la Figure V.9 et résulte en
trois périodes d’environ une heure chacune. Afin d’éviter la sélection de périodes trop
courtes, pour lesquelles l’ajustement de la relation Z-R ne serait pas satisfaisant, on
fixe une durée minimale des périodes à 15 min. C’est pourquoi, aucune période n’est
détectée avant 20h00, où le coefficient de corrélation montre une forte instabilité.
La Figure V.10 présente les lois Z-R déterminées pour chaque périodes, ainsi que les
points utilisés pour leur ajustement. Il est visible que ces lois s’appliquent à des zones
bien marquées du nuage de points. De plus, elles diffèrent de manière significative de la
relation Z-R déterminée à partir de l’évènement entier (Z = 428R1.9 ), et même entre
elles (Z = 261R1.6 , Z = 322R2.1 et Z = 728R2.3 ). Cette figure montre également les
points éliminés par cette méthode parce qu’ils n’appartiennent à aucune période stable.
Il est intéressant de noter que ces points se situent principalement en dehors du nuage
de points.
(3). En réalité, la méthode est plus stricte parce qu’elle utilise la limite inférieure de l’intervalle de
confiance du coefficient de corrélation pour la sélection des périodes
158 Chapitre V
19 Conclusion
Fig. V.10 – Diagramme de dispersion des paires réflectivité-taux de précipitation mesurés

et relations Z-R des périodes stables détectées dans la Figure V.9. Chaque loi Z-R est repré-
sentée par une droite à laquelle est associée une partie du nuage de point : ligne continue
- marqueurs ronds, ligne pointillées - marqueurs plus, lignes point-pointillées - marqueurs
croix. Les marqueurs carrés représentent les points non pris éliminés par la méthode.
Cette méthode illustre donc l’existence de régimes de pluie à l’intérieur même d’un
évènement de précipitations ce qui suppose une modification des processus physiques
formant les précipitations pendant cet évènement. Il serait donc possible de mieux ca-
ractériser les précipitations en déterminant les lois Z-R correspondant à chacune de ces
périodes. Néanmoins, dans l’objectif d’amélioration de l’estimation des précipitations,
cette méthode n’est pas réellement applicable puisqu’elle élimine une partie importante
des données pour lesquelles aucune relation Z-R ne peut être appliquée.
19 Conclusion
Dans ce chapitre, nous avons caractérisé la variabilité des précipitations en analy-
sant les données du MRR acquises lors de la campagne COPS. Cette étude montre que
chaque cas de précipitation est caractérisé par une combinaison unique des différents
processus qui forment la DSD. Ainsi, chaque cas de précipitation peut être caractérisé
par sa propre DSD et sa propre loi Z-R. De plus, certains cas montrent même plusieurs
périodes stables associées avec des lois Z-R différentes. En général, les précipitations
sont estimées à partir de la réflectivité radar à l’aide d’une relation Z-R unique. Il
apparaît donc évident que des méthodes de classifications adéquates qui caractérise-
raient des régimes de précipitations spécifiques permettraient d’améliorer l’estimation
des précipitations en utilisant des relations Z-R adaptées. Ceci fera l’objet du chapitre
suivant.

Chapitre VI
Classification des régimes de

précipitations
C omme le montre le Chapitre V, la variabilité des précipitations peut conduire, par

l’intermédiaire de la DSD, à une forte sensibilité des coefficients des relations re-
liant le taux de précipitation au facteur de réflectivité radar. L’identification des
processus physiques dominant la forme de la DSD permettrait une meilleure compré-
hension de la variabilité des précipitations et pourrait mettre en évidence des régimes
de précipitations distincts. Alors, des méthodes de classification adéquates pourraient
conduire à la distinction de ces régimes de précipitations et des relations Z-R associées.
Par conséquent, en appliquant les relations Z-R spécifiques aux zones de précipitations
correspondantes, l’estimation des précipitations pourrait être grandement améliorée.
De nombreux travaux ont porté sur l’identification de régimes de précipitations
convectifs et stratiformes à l’intérieur de larges systèmes convectifs à méso-échelle.
Par exemple, Steiner et al. (1995) proposent une méthode de classification basée sur
l’hétérogénéité du champ horizontal de réflectivité mesuré par un radar. Mais, la plupart
de ces travaux sont basés sur l’étude de la distribution de gouttes mesurée par des
disdromètres. À l’aide de l’étude d’un cas de précipitations tropicales océaniques, Tokay
et Short (1996) montrent que ces régimes de précipitations peuvent être différenciés à
l’aide de la forme de la DSD. Néanmoins, Uijlenhoet et al. (2003b) montrent que cette
classification ne peut pas être généralisée puisqu’elle ne s’applique pas à leur cas de
précipitations continentales et de moyennes latitudes. D’autres auteurs proposent en
plus un régime de transition entre les classes convectives et stratiformes (Atlas et al.,
1999; Steiner et al., 2004; Uijlenhoet et al., 2003b).
De la même façon, on propose de développer des méthodes de classification appli-
cables aux cas de précipitations mesurés lors de la campagne COPS. L’objectif étant
d’améliorer l’estimation des précipitations au sol sur l’ensemble de la surface couverte
par le radar en bande X, ces régimes de précipitations doivent être détectés sans avoir
recours aux mesures d’un disdromètre. L’enjeu ici est d’être capable de détecter ces
différents régimes de précipitations directement à partir du facteur de réflectivité radar
mesuré par le radar en bande X, sans aucune information sur la DSD (puisque ce radar
n’est ni cohérent, ni polarimétrique). On propose deux méthodes de classification, la
première est innovante et repose sur les variations locales de la réflectivité (Section 20),
161
20 Classification basée sur les variations locales de la réflectivité
tandis que la seconde est basée sur la technique déjà existante de Steiner et al. (1995)
(Section 21).
20 Classification basée sur les variations locales de

la réflectivité
20.1 Description de la méthode

À l’aide des mesure d’un MRR, Diederich et al. (2004) et Van Baelen et al. (2006)
ont remarqué un comportement caractéristique des relations entre le taux de précipi-
tation et le facteur de réflectivité radar sur certains cas de précipitations très simples :
il semble que leurs mesures suivent des relations Z-R pratiquement constantes lors de
périodes de variations monotones de la réflectivité radar. Ainsi, Diederich et al. (2004)
et Van Baelen et al. (2006) observent des relations Z-R différentes lorsque la réflec-
tivité augmente et lorsque la réflectivité diminue. Ce comportement peut s’expliquer
intuitivement par le fait que, lors d’averses, les gouttes les plus grosses arrivent au sol
en début de pluie et lorsque la pluie s’intensifie. Au contraire, lorsque la pluie dimi-
nue en intensité, il n’arrive plus que des petites gouttes de pluie au sol. En réalité,
c’est une conséquence du phénomène connu du tri en taille des gouttes. Ce tri spatial
est dû à la vitesse de chute des gouttes qui est plus importante pour les plus grosses
gouttes, et peut être amplifié par un vent vertical et/ou horizontal. L’effet de ce tri
est que l’on obtient généralement en début de période une DSD au niveau du sol qui
est étroite, presque monomodale, et dont le diamètre médian diminue dans le temps
(voir Figure V.4). Le tri des gouttes est souvent cité comme un obstacle important
à l’estimation quantitative des précipitations puisqu’il peut affecter les relations Z-R
(Gunn et Marshall, 1955; Atlas et al., 1999; Lee et Zawadzki, 2005a). L’idée ici est
donc de tirer parti de ce tri des gouttes pour améliorer l’estimation des précipitations
en utilisant plusieurs relations Z-R.
L’objectif de cette étude est de généraliser la méthode utilisée par Van Baelen et al.
(2006) sur une plus grande série de données, c’est-à-dire, de développer une méthode
permettant d’appliquer des relations Z-R spécifiques aux zones de précipitations du
radar en bande X d’intensité montante ou descendante en vue d’une estimation amé-
liorée des précipitations. La première étape consiste à déterminer des relations Z-R
générales correspondant aux régimes de précipitations recherchés en utilisant les don-
nées du MRR, l’efficacité de cette méthode pouvant être vérifiée en appliquant ces
relations Z-R aux mesures du radar en bande X dans le volume commun des deux
radars et en comparant le taux de précipitation obtenu avec celui mesuré par le MRR.
Afin de permettre des estimations des précipitations au niveau du sol, une deuxième
étape importante doit être consacrée à l’extension de cette méthode de façon à tenir
compte de la variabilité verticale des précipitations, et de l’appliquer sur l’ensemble
des données du radar en bande X.
Une partie de cette thèse a été consacrée à la première étape de ce projet. En
réalité, plusieurs méthodes simples de classifications basées sur le facteur de réflectivité
radar uniquement ont donc été développées tandis que leur apport pour l’estimation
des précipitations ont été comparés. Ces résultats on été synthétisés dans Van Baelen
et al. (2009b) et sont brièvement rappelés dans le paragraphe suivant.
162 Chapitre VI
20.2 Résultats généraux
20.2 Résultats généraux

Dans un premier temps, nous décrivons les résultats généraux des différentes mé-
thodes utilisées en terme d’estimation des précipitations.
Le cas de précipitations étudié dans Van Baelen et al. (2006) était très faible et ne
montrait pas de variations complexes du facteur de réflectivité radar. Or les évènements
de précipitations mesurés lors de la campagne COPS sont plus intenses et montrent des
variations plus complexes. Ainsi, la généralisation de la méthode de Van Baelen et al.
(2006) aux données de la campagne COPS n’est pas aussi convaincante que pour le cas
étudié précédemment. En effet, elle n’apporte pas ou peu d’amélioration de l’estimation
des précipitations par rapport à l’utilisation d’une loi Z-R unique.
Afin de mieux prendre en compte la complexité des variations du facteur de réflecti-
vité radar observé lors de la campagne COPS, on a donc décidé d’utiliser une troisième
classe de “variations” : les zones où le facteur de réflectivité radar est constant. Mal-
gré les difficultés pour appliquer ce shéma de classification de manière automatique,
cette méthode fournit une amélioration notable de l’estimation des précipitations et les
résultats obtenus seront donc décrits en détails dans le paragraphe suivant.
La troisème méthode est simplement basée sur l’intensité de la réflectivité mesurée.
On obtient donc trois classes de précipitations que l’on peut appeler pluie faible, mo-
dérée et forte, qui ont des propriétés sensiblement différentes en terme de distribution
de goutte et de relations Z-R moyennes. Mais, les relations Z-R des deux classes les
plus intenses possèdent des coefficients irréalistes, avec un exposant supérieur à 2 (voir
Section 17.3.2) ce qui semble indiquer que les conditions induites par cette classification
sont inadaptées pour la déduction des relations Z-R. Ceci est par ailleurs confirmé par
le fait que l’utilisation de ces relations spécifiques détériore l’estimation du cumul de
précipitation par rapport à une relation Z-R unique. C’est pourquoi les résultats de
cette méthode ne seront pas décrits plus en détail dans la suite de ce document.
Dans le paragraphe suivant, on détaille les résultats de la méthode de classifica-
tion la plus efficace, c’est-à-dire, la méthode définissant des régimes de précipitations
montants, stagnants et descendants.
20.3 Résultats de la classification des précipitations d’inten-

sité montante, stagnante et descendante
Les performances de cette méthode sont d’abord décrites en analysant le même
exemple de précipitations que celui de la Section 18.4 : le 17 juin 2007. Les données du
MRR montrent que ce cas est bien représenté par la relation Z = 487R1.8 qui, appliquée
aux mesures du radar en bande X, fournit un cumul de précipitation de 8.00 mm en
comparaison au cumul déduit du taux de précipitations mesuré par le MRR, égal à
7.73 mm (voir Tableau VI.1).
Comme expliqué dans la Section 20.1, la méthode est, dans un premier temps
appliquée sur les données du volume commun entre les deux radars. La technique de
sélection a donc été conçue sur l’évolution temporelle de la réflectivité du radar en
bande X mesurée dans le volume de mesure commun. Dans les travaux de Van Baelen
et al. (2006), un cas de précipitations unique et relativement court avait été étudié.
La sélection des régimes de précipitations avait donc pû être faite manuellement. Dans
Classification des régimes de précipitations 163

Fig. VI.1 – Application de la technique de sélection pour déterminer les zones de pré-
cipitations d’intensité montante, stagnante et descendante sur l’évolution temporelle de la
réflectivité mesurée par le radar en bande X le 17 juin 2007.
notre cas, l’objectif est de généraliser cette classification à une quantité importante de
données et donc à grand nombre de cas de précipitations. Ainsi, il a été indispensable
de développer une technique de sélection automatique.
La Figure VI.1 présente l’application de cette technique de sélection sur les données
du cas de précipitations du 17 juin 2007. À cause de la variabilité des précipitations,
il est très difficile de développer une telle méthode qui fonctionne dans tous les cas.
Ainsi, il est par exemple délicat de séparer une longue période stagnante d’une période
d’augmentation et de diminution successives avec des critères simples. La technique
retenue est donc basée sur l’application de nombreux tests sur les tendances locales de
l’évolution du facteur de réflectivité radar à l’intérieur d’une fenêtre de sept valeurs
consécutives, pour déterminer si la mesure centrale peut être classée dans les précipi-
tations montantes ou descendantes. Les mesures qui ne sont affectées à aucune classe
à la suite de ces tests, sont rangées dans la classe stagnante. Malgré ces difficultés, la
Figure VI.1 montre que cette technique de sélection fonctionne globalement de façon
satisfaisante.
Les données du MRR moyennées à l’échelle de la résolution temporelle du radar
en bande X (30 s) sont ensuite utilisées pour déterminer les DSDs et les relations Z-R
associées aux zones sélectionnées (Figure VI.2). Les DSDs de chaque zone montrent de
Tab. VI.1 – Cumul de précipitation mesuré par le MRR et estimé à partir de la réflectivité
mesurée par le radar en bande X en utilisant une relation Z-R unique ou des relations Z-R
spécifiques, pour le cas du 17 juin 2007 et pour la campagne COPS en entier, selon les deux
méthodes décrites dans le texte. Les pourcentages entre parenthèses désignent la différence
relative avec le cumul déduit des mesures du MRR.
Cumul des précipitations [mm] MRR Relation Z-R Relations Z-R

unique spécifiques
17 Juin 2007 7.73 8.00 (-3.49%) 8.10 (-4.77%)
Campagne COPS (cas par cas) 73.51 71.45 (-2.80%) 73.27 (-0.33%)
Campagne COPS 73.51 68.22 (-7.20%) 68.67 (-6.58%)
164 Chapitre VI
20.3 Résultats de la classification des précipitations
Fig. VI.2 – Distributions de gouttes (à gauche) et lois Z-R (à droite) déterminées à par-
tir des données du MRR et associées aux zones de précipitations montantes, stagnantes et
descendantes affichées dans la Figure VI.1. Le diagramme de dispersion des paires réflectivité-
taux de précipitation associées aux différentes lois Z-R est également affiché sur la Figure de
droite en reprenant les marqueurs de la légende de la Figure VI.1.
légères différences qui confirment que les zones de précipitations montantes contiennent
des gouttes plus grosses et plus nombreuses que les zones de précipitations stagnantes et
descendantes. En revanche, les relations Z-R (Z = 448R1.8 , Z = 495R1.8 et Z = 515R1.8
pour les classes d’intensité montante, stagnante et descendante, respectivement) ne
semblent pas significativement différentes. De plus, les paires réflectivité-taux de préci-
pitation de chaque régime ne semblent pas avoir de zones préférentielles dans le nuage
de point. En conséquence, l’utilisation des lois Z-R spécifiques n’améliore malheureu-
sement pas l’estimation des précipitations avec un cumul de précipitation de 8.10 mm
(voir Tableau VI.1).
Sur cet exemple, cette dégradation de l’estimation des précipitations est sans doute
due à la difficulté rencontrée pour sélectionner les différents régimes de précipitations.
Néanmoins, les différences affichées en terme de DSD (Figure VI.2, à gauche) montrent
que les hypothèses de cette classification semblent bien valides et que la classification
doit permettre d’améliorer l’estimation des précipitations dans des cas moins com-
plexes.
Dans un deuxième temps, cette méthode a donc été généralisée et appliquée sur
l’ensemble des données mesurées lors de la campagne COPS. Ceci correspond à 25 cas
de précipitations représentant une durée totale de plus de 90 h de précipitations. Deux
applications de la méthode ont alors été testées. La première consiste à renouveler
l’étude précédente sur chaque cas pris individuellement et ainsi de déterminer trois re-
lations Z-R spécifiques pour chacun des cas. Les cumuls de précipitations obtenus sont
ensuite sommés de façon à déterminer le cumul de précipitations de la campagne dans
son ensemble. Étant donné que le but final de la méthode développée ici est de détermi-
ner une famille de relations Z-R applicables en toutes circonstances, la deuxième façon
d’appliquer la méthode consiste à considérer l’ensemble des précipitations de la cam-
pagne comme un évènement de précipitations unique, en déterminant trois relations
Z-R spécifiques générales pour toutes les périodes de réflectivités croissantes, stagnantes
et décroissantes de l’ensemble de la campagne. Les différents résultats (listés dans le
Tableau VI.1) montrent que, globalement, les deux façons d’appliquer la méthode amé-
liorent légèrement (d’environ 2%) l’estimation du cumul de précipitation. Néanmoins,

l’utilisation de trois relations Z-R générales n’est pas aussi efficace que d’utiliser un
trio de relations Z-R adaptées à chaque cas. Ceci semble confirmer ce qui a été observé
précédemment, à savoir que chaque cas de précipitations semble caractérisé par une ou
plusieurs relations Z-R qui lui sont propres.
À la vue de ces résultats, la question que l’on doit se poser et de savoir si une
telle amélioration est significative. En effet, en ayant ajouté les incertitudes dues à
la variabilité verticale des précipitations et à la détermination de ces régimes à par-
tir d’un champ de réflectivité en deux dimensions, une telle amélioration sera-t-elle
encore visible lorsque l’on fera des estimations des précipitations au sol ? De plus, la
méthode de Clemens et al. (2006) appliquée dans la Section 18.4 au cas du 17 juin
2007 étudié ci-dessus a permis de détecter des périodes de stabilité de la relation Z-R
(Figure V.9), à l’intérieur desquelles on peut distinguer des zones de précipitations
montantes ou descendantes (Figure VI.1), notamment entre 21h et 21h45 et 22h et
22h45. Ces propriétés semblent donc contredire l’hypothèse que des régimes de préci-
pitations d’intensité montante et descendante doivent être associés à des relations Z-R
différentes.
Avant de généraliser cette méthode de façon à l’appliquer sur l’ensemble des don-
nées mesurées par le radar en bande X, il a donc été décidé de s’attarder sur la validité
des hypothèses utilisées. Un cas de précipitations de très courte durée et qui n’avait
pas été sélectionné dans l’analyse précédente à cause de son très faible cumul de préci-
pitation présente clairement la signature d’un tri des gouttes par leur taille et permet
d’agrémenter cette réflexion dans la section suivante.
20.4 Réflexion sur les hypothèses de la méthode

Les mesures du 13 août 2007 forment un bel exemple de tri des gouttes par leur
taille. Ce jour, contrairement aux conditions du 12 août 2007 décrites dans le Cha-
pitre IV, des cellules convectives se formaient au pied des Vosges, sur la face Est du
relief et traversaient ensuite la vallée du Rhin, parfois jusqu’à la Forêt Noire. Les condi-
tions favorables à ce type d’initiation de la convection sont décrites dans Hagen et al.
(2011). Lorsqu’elles passaient au-dessus du MRR, les cellules convectives étaient donc
très jeunes et peut-être même encore en formation. De plus, les images du radar en
bande X montrent un déplacement rapide des cellules, ce qui indique la présence d’un
fort vent horizontal. Ces conditions sont propices au phénomène de tri des gouttes.
L’évolution du profil de réflectivité mesuré par le MRR lors du 13 août 2007 (Fi-
gure VI.3, en haut à gauche) montre le passage de trois averses convectives au-dessus
du MRR, avec des réflectivités atteignant une cinquantaine de dBZ. Une partie des
données (entre 15h39 et 15h41) est éliminée à cause de la trop forte atténuation provo-
quée par les spectres images dans la première porte (voir Section 9 et Figure III.12). Les
profils de pluie sont très inclinés, ce qui confirme la présence d’un fort cisaillement de
vent horizontal. On retrouve ces trois averses dans l’évolution de la réflectivité mesurée
dans la porte 3 (Figure VI.3, en bas à gauche).
Les spectres de réflectivité correspondants (Figure VI.3 en haut à droite) montrent
un comportement très spécifique. Une succession de “bouffées” de précipitation passe
au-dessus du MRR. Ces “bouffées” ont un spectre visiblement étroit et leur fréquence
Doppler médiane semble diminuer rapidement. Ce comportement est confirmé en terme
166 Chapitre VI
20.4 Réflexion sur les hypothèses de la méthode
Réflectivité Intensité [dBZ] η(fD ,z) à 300m AGL [m2 m−3 Hz−1 ] η(fD ,z)
−4
60 2000 10
3000

−5
50 10
−6
1500 10
Altitude [m]
2000 40 10
−7
−8
30 1000 10
−9
20 10
1000 −10
500 10
10 −11
10
0 0 0
15:12 15:17 15:22 15:27 15:32 15:37 15:42 15:12 15:17 15:22 15:27 15:32 15:37 15:42
60 Spectre des gouttes à 300m AGL dN/dD [mm−1 m−3 ]

7

6 106
105
104
40 103
4
Z [dBZ]
102
101
100
20 10−1
2 10−2
10−3
10−4
10
0 0
15:12 15:17 15:22 15:27 15:32 15:37 15:42 15:12 15:17 15:22 15:27 15:32 15:37 15:42
Fig. VI.3 – Évolutions du profil vertical de réflectivité (en haut à gauche), du spectre de
réflectivité dans la porte 3 (en haut à droite), de la réflectivité dans la porte 3 (en bas à
gauche) et de la DSD dans la porte 3 (en bas à droite) pour le cas de précipitation du 13
août 2007, montrant un phénomène de tri des gouttes par leur taille. Les lignes superposées
à la DSD donnent une idée de la largeur de la distribution de goutte, leur calcul est décrit en
détail dans la Section 3.2.2
13-Aug-2007 13-Aug-2007 13-Aug-2007
2 2 2
10 10 10
15:33:00
15:26 15:32:40 15:43
15:32:20
15:25 15:32:00 15:42
1
15:31:40 1
10 15:24 1
10 15:31:20 10 15:41
R [mm h−1 ]
R [mm h−1 ]
R [mm h−1 ]
15:23 15:31:00
15:40
15:30:40
15:22 15:30:20
15:39
15:30:00
0 15:21 0 15:29:40 0
10 10 10 15:38
15:29:20
15:20 15:29:00 15:37
15:19 15:28:40
15:28:20 15:36
15:18 15:28:00
−1 −1 −1
10 10 15:27:40 10 15:35
0 10 20 30 40 50 60 0 10 20 30 40 50 60 0 10 20 30 40 50 60
Z [dBZ] Z [dBZ] Z [dBZ]
Fig. VI.4 – Évolution des précipitations dans le graphe log Z − log R pour les trois averses
visibles dans la Figure VI.3. L’échelle de couleur représente l’avancée du temps.
de distribution de gouttes (Figure VI.3 en bas à droite) avec des DSD dont 90% du
contenu en eau est dû à des gouttes dont le diamètre est compris dans un intervalle de
seulement 1 mm. Enfin, lorsqu’elles apparaissent, les “bouffées” de précipitation ont un
diamètre médian plutôt grand (environ 3 mm pour les “bouffées” les plus importantes)
mais qui diminue rapidement. Il faut noter ici, qu’il est certain que cette évolution si
répétitive de la DSD n’est pas due au vent vertical, mais bien aux précipitations elles-
mêmes. Mais, étant donné que ce cas de précipitations est convectif, un vent vertical
important est tout à fait possible et, à cause de la variabilité de la DSD, on est dans
ce cas dans l’impossibilité d’évaluer l’existence et l’intensité d’un tel vent vertical.
On décide d’évaluer l’effet du tri des gouttes sur la relation Z-R. Pour cela, on trace
les variations au cours du temps du taux de précipitation en fonction de la réflectivité
(Figure VI.4) pour les trois averses principales décrites dans la Figure VI.3. L’échelle
de temps est représentée par les couleurs tandis qu’une ligne pointillée grise permet
de suivre l’évolution des paires réflectivité-taux de précipitation. Cette figure confirme
les observations de Diederich et al. (2004) et Van Baelen et al. (2009b) : les paires

21 Classification basée sur le type de précipitation
réflectivité-taux de précipitation semblent suivre des lois Z-R différentes lors des phases
d’intensification et de diminution des précipitations, tandis qu’on ne distingue aucune
phase où les précipitations sont stagnantes. Néanmoins, en comparant l’évolution de
ces paires et de la DSD associées, il semblerait que les gouttes de plus gros diamètres
n’apparaissent pas au début de chaque averse mais au contraire au milieu, au moment
où les précipitations sont les plus intenses. Ceci est en contradiction avec l’hypothèse
de tri des gouttes. Mais, l’observation plus poussée de l’évolution de la DSD indique
que l’intensification des précipitations semble liée à une “bouffée” différente de celle
conduisant aux plus gros diamètres qui elle, n’arrive qu’ultérieurement. On pourrait
alors envisager que ces trois exemples sont des cas particuliers d’averses précédées de
précipitations légèrement moins intenses. Mais, dans ce cas, la phase d’intensification
des précipitations serait due à la “bouffée” initiale, tandis que l’apparition de la bouffée
principale amorcerait immédiatement la phase de diminution de l’intensité. Les deux
relations Z-R différentes seraient alors simplement liées aux deux “bouffées” différentes.
Il est évident que l’on manque d’informations pour conclure sur un comportement
général du tri des gouttes. Cela nécessiterait d’autres études de cas montrant l’effet du
tri des gouttes par leur taille. Malheureusement, ce cas de précipitations est l’unique
cas de la campagne COPS (sur un total de 72 cas) qui présente un tel comportement.
Non seulement, ceci entrave une interprétation plus précise de ce comportement, mais
cela amène de plus la question de la possibilité de généraliser les hypothèses de la mé-
thode de classification à des cas de précipitations ordinaires. En effet, le phénomène de
tri des gouttes est rare et correspond aux précipitations de type averses, qui sont rare-
ment significatives en terme de cumul de précipitation par rapport à des précipitations
stratiformes modérées mais de longue durée ou à un système convectif très intense.
Ceci expliquerait pourquoi les améliorations apportées par la méthode de classification
sont si faibles.
Cette étude de cas semble indiquer que le comportement observé par Diederich et al.
(2004) et Van Baelen et al. (2006) est rare et que la méthode de classification des ré-
gimes de précipitations montantes et descendantes ne peut pas être généralisée. Alors,
la seconde étape, qui consistait à prendre en compte la variabilité verticale des préci-
pitations et d’appliquer la méthode de classification à l’ensemble des données du radar
en bande X ne sera pas réalisée. Néanmoins, afin de remplir l’objectif de l’amélioration
de l’estimation des précipitations à l’aide de classifications des régimes précipitants,
une autre méthode plus simple d’utilisation est proposée dans la partie suivante. Cette
méthode, basée sur la détection des zones de précipitations stratiformes et convectives
est moins originale puisqu’elle a déjà été utilisée par de nombreux auteurs. En revanche,
l’amélioration du cumul de précipitation en distinguant des relations Z-R convectives
et stratiformes n’a pas été démontrée.

Il est généralement reconnu depuis longtemps qu’il existe deux types de précipita-
tion clairement identifiables : les précipitations stratiformes et convectives. Ces deux
types sont caractérisés par des mécanismes très différents de formation des précipita-
tions (Houze, 1993, 1997). Les précipitations convectives proviennent de cumulus ou
de cumulonimbus qui sont caractérisés par des courants ascendants forts et très lo-
168 Chapitre VI
21.1 Différences physiques entre les précipitations convectives et stratiformes
caux, c’est-à-dire, par de la convection, où les gouttes peuvent croître rapidement. Les
précipitations résultantes sont intenses, relativement courtes, et varient fortement. Au
contraire, les précipitations stratiformes sont plus faibles en moyenne mais peuvent
durer plusieurs heures, conduisant à des cumuls significatifs. Cette distinction est donc
importante d’un point de vue hydrologique.
De nombreuses méthodes ont été proposées pour séparer les composantes strati-
formes et convectives des précipitations. La méthode la plus connue est celle de Steiner
et al. (1995), qui propose un algorithme exécuté de manière opérationnelle sur les ba-
layages volumiques des radars à longue portée (bande S et C). Cette méthode a ensuite
été vérifiée, adaptée et complétée pour différents types de radars, différentes situations
géographiques et différents climats (Yuter et Houze, 1997; Anagnostou et Krajewski,
1999; Sempere-Torres et al., 2000; Biggerstaff et Listemaa, 2001; Rigo et Llasat, 2004).
Pourtant, même si la taille des petites cellules convectives peut être inférieure à la
résolution des radars en bande S ou C, cette méthode n’a jamais été appliquée sur
des données de réflectivité à haute résolution, mesurées par des radars en bande X par
exemple. C’est ce qui sera fait dans cette Partie. On commencera par décrire les diffé-
rences entre les précipitations convectives et stratiformes en termes de microphysique.
Puis, nous détaillerons le principe de la méthode de Steiner et al. (1995), ainsi que les
modifications apportées. Enfin, nous étudierons les caractéristiques microphysiques de
ces deux classes et nous évaluerons l’aptitude de cette distinction pour l’amélioration
21.1 Différences physiques entre les précipitations convectives

et stratiformes
Le vent vertical joue un rôle crucial dans la distinction entre les précipitations
convectives et stratiformes (Houze, 1993).
Les précipitations stratiformes apparaissent dans des zones d’advection à grande
échelle qui montrent de faibles mouvements verticaux de quelques centimètres par se-
conde. Comme la vitesse de chute des hydrométéores précipitants est bien supérieure
au vent vertical, ces dernières grossissent pendant leur chute. Dans ce cas, le processus
principal qui participe à la croissance des gouttes est la déposition de vapeur sur les
particules de glace (Houghton, 1968). Comme c’est un processus lent, les précipita-
tions stratiformes sont alors associées à un taux de précipitation assez faible (inférieur
à 10 mm h−1 ). En conséquence, les précipitations stratiformes sont particulièrement
homogènes horizontalement et sont généralement associées à une couche de forte ré-
flectivité appelée “bande brillante” (BB) correspondant à la couche où les particules en
phase glace fondent (Section 18.3). Il faut noter que cette BB peut ne pas être complète-
ment évidente dans les premiers ou derniers stades de développement des précipitations
stratiformes.
Au contraire, dans les précipitations convectives, le vent vertical (w = 1 − 10 m s−1 )
est aussi grand et peut dépasser largement la vitesse de chute typique des cristaux de
glace. Ce fort vent vertical peut soulever les hydrométéores vers le haut, ce qui augmente
leur temps de résidence dans le nuage, ainsi que leur opportunité de collecter des
gouttelettes nuageuses. Dans ce cas, les hydrométéores grossissent principalement par
collection par des particules plus grosses, c’est-à-dire, par le processus de coalescence

(Houghton, 1968). Les taux de précipitation associés à des précipitations convectives

dépassent souvent 10 mm h−1 .
Finalement, ces deux types de précipitation sont très contrastés car les forts vents
verticaux associés aux précipitations convectives sont très localisés, et entraînent la for-
mation de noyaux verticaux de réflectivité très intense bien définis sur les échos radars,
qui contrastent fortement avec l’orientation horizontale de la BB observée durant des
précipitations stratiformes.
21.2 Identification des portions convectives et stratiformes

des échos radar
Les mesures directes du vent vertical par avion ou par radar sont rares ou très loca-
lisées alors que les mesures de réflectivité radar sont fréquemment disponibles. Alors,
comme le fait Steiner et al. (1995), la structure horizontale du champ de réflectivité
peut être utilisée comme une signature des propriétés du vent vertical : à cause des
forts vents verticaux, les régions convectives sont caractérisées par une réflectivité ho-
rizontale très variable, alors que les régions stratiformes sont relativement homogènes.
L’idée ici et d’adapter la méthode de Steiner et al. (1995) à l’échelle de résolution du
radar en bande X. Le principe de cette méthode est de rechercher des pics de réflectivité
par rapport à la réflectivité moyenne des voisins, que l’on appellera réflectivité de
l’arrière-plan. Alors, ces pics et une zone circulaire tout autour sont classés comme
convectifs, tandis que le reste est classé comme stratiforme. La Figure VI.5 (à gauche)
schématise cette méthode. Par ailleurs, le seuil de réflectivité pour la détection des pics
et le rayon convectif dépendent de la réflectivité de l’arrière-plan comme le montre la
Figure VI.5 (à droite).
La méthode de Steiner et al. (1995) a été développée pour des conditions très dif-
férentes des nôtres. D’une part, elle est appliquée sur une grille cartésienne de 2 km
de résolution et à 3 km d’altitude (sur des CAPPI) fournies par un radar volumique.
D’autre part, leurs mesures correspondent à des précipitations tropicales qui sont domi-
nées par des systèmes de précipitations à méso-échelle. Alors, dans notre étude, quatre
éléments diffèrent fortement de la technique originale :
Résolution des données : La résolution spatiale du radar en bande X est meilleure
que celle du radar classique en bande S de deux ordres de grandeur. Or, la taille de
l’arrière-plan et le rayon convectif dépendent de la résolution du radar. En effet,
une meilleure résolution révèle plus de détails, et donc plus de variations dans
le champ de réflectivité. Alors, si la méthode est appliquée avec des paramètres
adaptés à une moins bonne résolution, elle va détecter de trop nombreuses zones
convectives. Ces deux paramètres seront donc adaptés à cette haute résolution à
l’aide d’études de sensibilité décrites dans la Section 21.4.
Régimes de précipitation : Les régimes de précipitation majoritairement observés
lors de la campagne COPS sont des systèmes précipitants de petite échelle : des
cellules convectives isolées ou de la convection imbriquée dans des précipitations
stratiformes. La haute résolution spatiale du radar en bande X est bien adaptée
à ce genre de systèmes précipitants. En revanche, les évènements de convection
peu profonde ou en formation ont, par définition, une faible extension verticale.
Or, comme le radar en bande X possède un angle d’élévation fixe et, qui plus
170 Chapitre VI
21.2 Identification des portions convectives et stratiformes des échos radar
Fig. VI.5 – À gauche : schéma d’application de la méthode de classification des précipitations

convectives et stratiformes pour le pixel situé au centre de l’image. La section d’anneau en
vert représente la zone pour laquelle est calculée la réflectivité de l’arrière-plan et le cercle noir
correspond à la zone qui peut être classée comme convective si le pixel central est identifié
comme étant un noyau convectif. En haut à droite : Seuil de réflectivité en fonction de la
réflectivité de l’arrièe-plan, utilisé pour détecter les pixels convectifs : les points situés le long
et au-dessus de cette courbe sont considérés comme convectifs. La forme de cette courbe est
déterminée par l’ÉquationVI.1. En bas à droite : Rayon convectif en fonction de la réflectivité
de l’arrière-plan. Trois variations possibles sont testées dans la Section 21.4. Les couleurs des
courbes montrent les paramètres utilisés par Steiner et al. (1995) et ceux déterminés dans la
Section 21.4 pour le radar en bande X, en noir et rouge respectivement.
est, important, il est possible que ce type de précipitation ne soit pas détecté à
longue distance du radar.
Type de données : Le radar en bande X n’étant pas volumique, il ne peut pas fournir
de CAPPI. Mais, tant que les données ne sont pas perturbées par la BB, la
méthode peut être appliquée directement sur un balayage radar (PPI) (Sempere-
Torres et al., 2000). Les données du radar en bande X analysées ont donc été
limitées à la 311ème porte (environ 18 km) de façon à ce qu’elles ne soient jamais
contaminées par la BB qui a été détectée à une altitude minimale de 1600 m lors
de la campagne COPS, en analysant les données du MRR. La zone choisie pour
calculer la réflectivité de l’arrière-plan est une fenêtre fixe en nombre de pixels
radar (voir Figure VI.5, à gauche) pour les mêmes raisons que Rosenfeld et al.
(1995). D’abord, on n’ajoute pas d’incertitudes par l’interpolation de données en
trois dimensions sur une grille cartésienne. De plus, comme le faisceau du radar
s’élargit avec la distance au radar, ce procédé a l’avantage d’utiliser la même
quantité d’information quelle que soit la distance au radar. Mais, la résolution
des données n’est alors pas uniforme et diminue avec la distance. En conséquence,
les paramètres ajustés globalement devraient peut-être plutôt être fonction de la
distance de façon à ce que l’algorithme marche de manière homogène quelle que
soit la distance au radar.
Seuil de détection des pics : Comme indiqué par Steiner et al. (1995), ce para-
mètre semble dépendre des régimes de précipitation et du radar utilisé (largeur
de faisceau, sensibilité, étalonnage, etc.). Ce seuil a été ajusté aux conditions de

cette étude en utilisant la fonction de Yuter et Houze (1997) :

( )
1π
∆Z = a cos Zbg (VI.1)
b2
où les paramètres ont été ajustés grâce à l’étude de sensibilité de la Section 21.4.
Cette fonction est représentée sur la Figure VI.5. Il est important de noter ici que
ce seuil est réellement dépendant de l’étalonnage du radar en bande X. Or, cet
étalonnage n’est malheureusement pas garanti. En effet, le radar en bande X a
été étalonné de manière précise, par rapport au MRR en comparant leur mesures
dans le volume commun, à l’aide de la méthode décrite dans la Partie 14. Mais, le
MRR a simplement été étalonné à l’aide de comparaisons avec des pluviomètres
sur les trois mois de données de la campagne COPS (voir Section 18.1). Enfin,
comme cette méthode est basée sur la morphologie du champ de réflectivité, les
variations de l’amplification décrites dans la Section 3.1 peuvent avoir un lourd
impact sur son fonctionnement.
21.3 Exemples de l’application de la méthode

Dans cette section, on montre deux exemples de l’application de la méthode de
séparation des zones convectives et stratiformes sur des cas de précipitation de types
différents. Ces exemples montrent que l’algorithme adapté aux données du radar en
bande X fonctionne globalement bien.
La Figure VI.6 présente l’application de la méthode de séparation sur un cas de
précipitations convectives imbriquées dans des précipitations stratiformes le 23 juillet
2007. L’algorithme identifie correctement les zones convectives. De plus, les cellules
convectives sont assez proches les unes des autres pour qu’une région continue de pré-
cipitations convective soit identifiée. Enfin, le rayon convectif dépendant de l’intensité
est presque parfaitement adapté pour l’inclusion de toutes les précipitations autour la
cellule convective la plus au sud.
La Figure VI.7 présente l’application de la méthode de séparation sur un cas de
cellules convectives isolées, le 6 août 2007. Dans ce cas, l’algorithme identifie presque
toutes les cellules convectives à l’exception des zones où la convection se développe ou
se dissipe, puisque la réflectivité radar devient homogène. C’est une limitation connue
de cet algorithme (Biggerstaff et Listemaa, 2001).
21.4 Tests de sensibilité

Dans cette section, on examine la sensibilité de la technique aux différents para-
mètres utilisés : le seuil de réflectivité, la taille de l’arrière-plan et le rayon convectif.
Pour cela, on utilise la structure verticale de la réflectivité telle qu’elle est mesurée par
le MRR : la présence de BB au-dessus du volume commun des deux radars permet de
vérifier le fonctionnement de la méthode. Comme on l’a noté dans la Section 21.1, la
BB peut être mal définie dans les précipitations stratiformes. De plus, l’altitude de la
BB peut être supérieure à la plus haute altitude mesurée par le MRR (3100 m). Alors,
pour ces différentes raisons, comme Steiner et al. (1995) le préviennent, “L’observa-
tion d’une bande brillante est une condition nécessaire mais pas suffisante pour qu’une
172 Chapitre VI
21.4 Tests de sensibilité
23−Jul−2007 15:49:30 UTC Rain type

20 km
15 km conv.
10 km
5 km
strat.
Fig. VI.6 – Champ de réflectivité mesuré par le radar en bande X (à gauche), et zones
convectives et stratiformes identifiées par la méthode de séparation (à droite), lors d’un
épisode de précipitation où des cellules convectives étaient imbriquées dans des zones de
précipitations stratiformes.
zone de précipitation soit stratiforme”. Néanmoins, l’observation d’une BB peut être

utilisée comme un contrôle pour s’assurer qu’une zone stratiforme n’est pas faussement
identifiée comme convective.
Une méthode de détection automatique de la présence d’une BB a été implémentée,

en utilisant la forme du profil vertical de réflectivité et de la vitesse de chute moyenne
calculée à partir des DSD mesurées par le MRR. La détermination de cette BB a donc
été vérifiée manuellement pour chaque cas. Dans certains cas complexes, cette méthode
ne fonctionne pas toujours correctement et même la détermination manuelle n’est pas
toujours évidente. Les tests ont été effectués sur le volume de mesure commun des deux
radars pour la totalité de la campagne COPS.
Les tests de sensibilité ont consisté en l’étude de la fraction d’échos convectifs et de

la fraction de mauvaises classifications, c’est-à-dire, des échos de précipitation qui ont
été classifiés comme convectifs alors qu’ils montrent la présence d’une BB. Les résultats
sont présentés dans les trois points suivants :
Seuil de réflectivité : Lorsque chacun des paramètres a et b de l’Équation VI.1 aug-

mente, le seuil de réflectivité devient de plus en plus restrictif, alors la fraction
de mauvaise classification diminue, tout comme la fraction d’échos convectifs. On
a choisi d’utiliser la paire de paramètres qui ne donne aucune mauvaise classifi-
cation, tout en conservant la plus grande fraction d’échos convectifs, c’est-à-dire,
a = 18 et b = 45. Ces paramètres sont très supérieurs aux valeurs trouvées par
(Steiner et al., 1995) et les autres études similaires. La valeur de b de 45 dBZ est
minimale parce que certains cas bien stratiformes dépassent 44 dBZ. Pourtant,
il est communément admis que les précipitations stratiformes ne dépassent pas
40 dBZ. Ceci tendrait à montrer que l’étalonnage effectué à partir des mesures
du pluviomètre n’est pas parfait. Néanmoins, c’est peut-être aussi la très haute
résolution du radar en bande X qui permet de détecter des zones de précipitations
stratiformes très hétérogènes et de haute réflectivité, qui, observées à une échelle

06−Aug−2007 15:39:00 UTC Rain type

20 km
15 km conv.
10 km
5 km
strat.
Fig. VI.7 – Champ de réflectivité mesuré par le radar en bande X (à gauche), et zones
identifiées comme convectives et stratiformes par la méthode séparation (à droite), lors d’un
épisode montrant de petites cellules convectives isolées.
plus grossière (avec un radar classique en bande S par exemple) ne dépasseraient

pas 40 dBZ.
Taille de la zone de réflectivité des alentours : Plus la taille de la zone alentour
est grande, plus la portion stratiforme autour d’une cellule convective contribue
à la moyenne des réflectivités de l’arrière-plan. Alors, en gardant le même seuil de
réflectivité, les échos convectifs sont détectés plus facilement et la fraction d’échos
convectifs augmente, tout comme la fraction de mauvaises classifications. Néan-
moins, ce paramètre n’a qu’un faible impact sur la classification. La surface de
l’arrière-plan doit simplement être suffisamment grande pour contenir n’importe
quelle cellule convective. L’examen des mesures du radar en bande X montre que
la taille typique des cellules convectives observées lors de la campagne COPS
était d’environ 4 km de diamètre. Alors, la taille de la fenêtre a été fixée à 161
portes par 29 azimuts, de façon à contenir une surface équivalente à un cercle de
5 km de diamètre à 10 km du radar.
Rayon convectif : Si elle est appliquée avec un rayon convectif nul, cette méthode ne
détecte que les noyaux de courant ascendants ou descendants. Le rayon convectif
permet de prendre en compte les régions autour des noyaux convectifs individuels,
où de la convection est tout de même prédominante. Chaque zone convective
correspond aux pixels ayant leur centre de gravité à une distance inférieure au
rayon convectif du noyau convectif détecté. Comme dans Steiner et al. (1995), la
classification donne de meilleurs résultats quand le rayon convectif dépend de la
réflectivité de l’arrière plan, mais dans le cas présent, il varie de 0 à 3 km.
21.5 Caractéristiques des régimes de précipitation obtenus

Dans cette section, on va étudier et comparer les caractéristiques des classes convec-
tives et stratiformes telles qu’elles sont détectées par le radar en bande X. Pour cela,
l’algorithme de classification a été appliqué sur l’ensemble de la campagne COPS. La
proportion de précipitations convectives est particulièrement faible ce qui indique que
174 Chapitre VI
21.5 Caractéristiques des régimes de précipitation obtenus
Fig. VI.8 – Distributions de gouttes (à gauche) et profils du taux de précipitation (à droite)

du MRR correspondant à l’ensemble des données de la campagne COPS, et aux régimes de
précipitations convectifs et stratiformes déduits de l’application de la classification.
la classe de précipitations stratiformes domine cette série de données. Par la suite, on

utilise les résultats de la classification dans le volume de mesure commun aux deux
radars, pour caractériser les deux types de précipitation obtenus à l’aide des mesures
du MRR.
La Figure VI.8 (à gauche) présente la DSD de l’ensemble de la campagne COPS
et des deux classes convectives et stratiformes. Comme la classe de précipitations stra-
tiformes domine cette série de données, il est normal d’obtenir une DSD stratiforme
proche de la DSD globale. On observe que la DSD convective présente de bien plus
fortes concentrations de gouttes de tous diamètres que les classes globales et strati-
formes. Par ailleurs, la forme des DSDs aux petits diamètres n’est pas réaliste et est
due au fait que les DSDs sont moyennées sur de grandes séries de données. En effet, il
suffit que les différentes classes incluent une seule DSD individuelle perturbée par un
vent vertical pour obtenir une telle forme. Néanmoins, ce vent doit être ascendant pour
décaler la DSD vers les petits diamètres et doit être assez faible pour ne pas provoquer
de repliement spectral qui aurait permis de le détecter.
Les profils verticaux du taux de précipitation de ces classes est présenté dans la
Figure VI.8, à droite. De la même façon que pour la distribution de gouttes, les profils
des classes globale et stratiforme sont très semblables. En revanche, le profil de la classe
convective présente des taux de précipitation légèrement plus importants mais qui ont
l’air beaucoup plus variables avec l’altitude. Ce comportement est sans doute dû au
fait que, par définition, les précipitations convectives sont celles qui peuvent être le plus
perturbées par un vent vertical. De plus, les données appartenant à la classe convective
sont beaucoup moins nombreuses que celles appartenant à la classe stratiforme, ce qui
implique que le profil moyen est beaucoup moins lissé. De la même manière que pour la
Figure V.7, le comportement au-delà de 1000 m n’est pas significatif puisque la majorité
des variations doit être due à la présence d’une BB (sauf pour la classe convective).
En revanche, entre 1000 m et 300 m, le taux de précipitation de la classe convective
augmente considérablement, ce qui peut-être dû (comme pour la Section 18.3), soit à la
présence d’un vent vertical soit à un phénomène de tri des gouttes, deux phénomènes
très probables en cas de précipitations convectives. Par ailleurs, la perturbation des
mesures dans les deux premières portes à cause des spectres fantômes (voir Section 9)
apparaît extrêmement forte pour la classe convective. Pour caractériser la variabilité

Fig. VI.9 – Relations Z-R correspondant à l’ensemble des données de la campagne COPS
(à gauche), et aux régimes de précipitations convectifs (à droite) et stratiformes (au milieu)
déduits de l’application de la classification sur l’ensemble des données du MRR.
verticale du taux de précipitation, on détermine alors un facteur entre les mesures du

volume commun (à 600 m) et les mesures à 300 m d’altitude. Ce facteur est de 0.83,
0.78 et 0.77 pour les classes globale, stratiforme et convective, respectivement.
Il faut ensuite déterminer des relations Z-R qui doivent permettre de faire cor-
respondre la réflectivité mesurée par le radar en bande X en altitude, aux mesures
faites au sol. Or, à cause de la variabilité verticale des précipitations, et notamment
du cisaillement vertical du vent (particulièrement visible sur la Figure VI.3 en haut à
gauche), la corrélation entre la réflectivité radar et le taux de précipitation choisis à des
altitudes différentes diminue d’autant que la différence d’altitude entre les mesures est
grande. Ainsi, de telles conditions pour déterminer les relations Z-R correspondantes
ne seraient pas optimales. On décide donc de déterminer les relations Z-R en utilisant
la réflectivité radar et le taux de précipitation mesurés dans la même porte d’altitude
par le MRR, puis de corriger le facteur a obtenu, de façon à prendre en compte la
variabilité verticale du taux de précipitation présentée dans la Figure VI.8 (à droite).
La Figure VI.9 présente les lois Z-R obtenues pour les différentes classes en utili-
sant le taux de précipitation et le facteur de réflectivité radar mesurés dans la porte
6 du MRR (qui correspond à l’altitude du volume de mesure commun). On s’aperçoit
que même en choisissant les mesures d’une même porte, les données montrent tout de
même une forte dispersion, avec des coefficients de corrélation assez faibles (environ
0.62 pour les classes globales et stratiformes et seulement 0.42 pour la classe convec-
tive). La faible corrélation de la classe convective s’explique par le fait que les données
regroupent les pires conditions de mesures pour le MRR : vent vertical important, pré-
cipitations intenses conduisant à une forte atténuation et à des spectres images dans
les premières portes, qui impliquent une mauvaise correction de l’atténuation pour les
portes supérieures. En revanche la faible corrélation des classes globales et stratiforme
doit être due au fait que l’on regroupe de nombreux cas de précipitations formées par
des processus microphysiques différents. En effet, on a vu dans la Section 18.2 que
chaque cas de précipitation pouvait être caractérisé par sa propre relation Z-R.
Comme expliqué précédemment, afin de tenir compte de la variabilité verticale des
précipitations, on corrige le facteur a de chaque relation Z-R de façon à tenir compte de
la variation du taux de précipitation moyen entre la porte 6 et la porte 3 du MRR (1) . Les
(1). Le problème des spectres images des deux premières portes ne permet pas d’évaluer la variabilité
verticale entre le sol et la troisième porte. Alors, de la même manière que pour l’étalonnage du radar
MRR à partir du Parsivel (Section 10.1), on considère que les variations entre le sol et la porte 3 sont
négligeables, même si les données semblent montrer le contraire.
176 Chapitre VI
21.6 Estimation des précipitations
facteurs déduits de la Figure VI.8 (à droite) sont propres au taux de précipitation. Pour
corriger les facteurs a des différentes relations Z-R déterminées dans la Figure VI.9,
il faut donc les transformer en utilisant les exposants b des relations respectives. On
obtient alors les facteurs 0.73, 0.61 et 0.67 et les relations Z = 223R1.6 , Z = 209R1.54 ,
Z = 40R1.95 pour les classes globale, stratiforme et convective, respectivement. Ces re-
lations Z-R sont intéressantes : les relations des classes globales et stratiformes sont très
proches de la relation de Marshall et al. (1955), tandis que les coefficients de la classe
convective font bien partie de la gamme de valeurs possibles. Mais, un faible facteur
et un fort exposant sont généralement associés à des précipitations stratiformes (Sec-
tion 17.3.2). Ces coefficients anormaux sont certainement dus aux nombreuses sources
d’erreurs (énumérées dans le paragraphe précédent) dans les mesures du MRR en cas
de précipitations convectives.
Afin de vérifier si ces relations Z-R spécifiques peuvent tout de même être utilisées
pour améliorer l’estimation du taux de précipitation, on les applique aux données du
radar en bande X dans la section suivante.
21.6 Estimation des précipitations
Dans ce paragraphe, on évalue l’intérêt de cette méthode du point de vue de l’amé-

lioration de l’estimation des précipitations. Pour cela, on applique soit la relation Z-R
globale, soit les deux relations Z-R spécifiques aux données du radar en bande X.
Dans un premier temps on souhaite comparer les estimations aux mesures du plu-
viomètre utilisé pour étalonner le MRR (Section 18.1). Afin de tenir compte du ci-
saillement horizontal du vent, on sélectionne les données du radar en bande X dans
un cercle de 250 m autour du point situé à la verticale du pluviomètre. Les relations
Z-R sont appliquées à la moyenne des réflectivités incluses dans ce cercle. Les taux
de précipitation équivalents ainsi obtenus sont sommés de façon à obtenir le cumul de
précipitation de chaque évènement, et les résultats sont comparés au cumul de préci-
pitation mesuré par le pluviomètre dans la Figure VI.10. Pour cette comparaison, les
26 cas présentant les cumuls de pluie les plus significatifs ont été sélectionnés. Cette
figure montre que les relations Z-R appliquées au radar en bande X donnent une assez
bonne estimation des précipitations dans la plupart des cas. Les cas avec les écarts
les plus importants correspondent à des épisodes convectifs très localisés (6 et 13 août
en particulier) pour lesquels la validité de la mesure du pluviomètre est discutable. En
revanche, l’utilisation des lois Z-R spécifiques n’améliore que très rarement l’estimation
des précipitations. Comme on l’a vu dans le paragraphe précédent, ceci peut-être dû
aux données du MRR utilisées pour déterminer la relation Z-R convective, qui ont de
fortes chances de ne pas être valides.
Le cumul de précipitation estimé par le radar X à l’aide de la relation Z-R globale
est satisfaisant. On peut donc utiliser cette relation pour estimer les précipitations sur
l’ensemble de la surface couverte par le radar en bande X. En revanche, l’application
des relations Z-R spécifiques n’a pas de réel interêt puisqu’on a vu qu’elles ne per-
mettaient pas d’améliorer l’estimation des précipitations. En revanche, cette méthode
permet également d’étudier la fraction de précipitation tombée sous forme convective
et sous forme stratiforme. Ainsi, cela pourrait permettre de vérifier si l’initiation de la
convection est plus fréquente dans certaines zones privilégiées.

22 Conclusion
Fig. VI.10 – Cumuls de précipitation mesuré par le pluviomètre et estimés à partir de la

réflectivité du radar en bande X à l’aide d’une relation globale et de deux relations convective
et stratiforme, pour les cas les plus significatifs de la campagne COPS.
La Figure VI.11 présente les cumuls de précipitation pour quelques cas de la cam-
pagne COPS. Sur ces images, il est visible que selon l’endroit où se forment les cellules
de précipitation, le cumul au sol peut être très hétérogène avec des valeurs passant de 0
à plusieurs dizaines de mm en moins de 5 km de distance. On distingue différents types
de formation des cellules convectives et on devine différentes directions et vitesses de
déplacement de ces cellules.
Par ailleurs, le cumul estimé à partir des trois mois de données de la campagne
COPS (Figure VI.12, à gauche (2) ) est assez hétérogène. Paradoxalement, les précipita-
tions ne semblent pas particulièrement importantes sur le relief (de 100 à 150 mm), et
sont prépondérantes dans une bande Nord-Sud à 5 km à l’Est du pied des Vosges avec
une valeur maximale d’environ 300 mm. Il semble alors que cette forte hétérogénéité
est principalement due à la convection qui produit des précipitations plus importantes
sur la plaine du Rhin sous le vent des Vosges. La Figure VI.12 (à droite) montre la
contribution convective (en pourcentage du cumul de précipitation) sur l’ensemble de
la campagne COPS. Cette Figure confirme que les précipitations convectives sont plus
importantes en plaine à l’Est des Vosges (jusqu’à 60% de précipitations convectives
contre 40% sur la chaîne des Vosges). Ainsi, durant la campagne COPS, il semble que
le relief a eu une réelle influence sur la formation des précipitations, avec une initiation
de la convection qui s’est faite majoritairement sous le vent des Vosges, selon le modèle
du 13 août (Hagen et al., 2011).
22 Conclusion
Dans ce Chapitre, on a étudié la faisabilité de l’amélioration de l’estimation des

précipitations à l’aide de classifications des régimes de précipitations. Ces classifications
doivent pouvoir fonctionner en utilisant seulement des données de réflectivité. Pour cela,
(2). Sur la Figure VI.12, le cumul a été représenté avec une échelle linéaire parce que l’échelle
logarithmique ne permet pas de distinguer les différences de cumul dans la gamme principale de ces
données, entre 100 mm et 200 mm et entre 200 mm et 300 mm.
178 Chapitre VI
22 Conclusion
Fig. VI.11 – Cumuls de précipitation estimés à l’aide du radar en bande X pour six cas de
la campagne COPS (de gauche à droite et de haut en bas) : 2 juillet, 18 juillet, 20 juillet, 3
août, 6 août et 13 août.
on a utilisé deux méthodes de classification, l’une basée sur l’évolution temporelle de

la réflectivité radar, l’autre, sur l’hétérogénéité du champ de réflectivité radar.
La première méthode est basée sur le fait que le tri des gouttes par leur taille lors
de l’évolution des précipitations peut altérer la DSD et donc les relations Z-R corres-
pondantes. Son principe consiste en distinguer les zones de précipitation d’intensité
montante, qui sont théoriquement associées à des gouttes de diamètre important, des
zones de précipitation d’intensité descendante qui sont au contraire associées à des
gouttes de petits diamètres. L’application de cette méthode sur les données de la cam-
pagne COPS, dans le volume commun de mesure des deux radars, ne donne pas de
résultats significatifs. De plus, l’étude d’un cas précis semble même contredire les hy-
pothèses utilisées. D’une manière générale, il semble clair que ce tri des gouttes est un
phénomène trop rare pour que cette méthode soit généralisable à l’ensemble des cas de
précipitation de la campagne COPS.
La seconde méthode consiste à distinguer les zones de précipitations convectives
des zones stratiformes en partant du principe que les précipitations convectives sont
plus hétérogènes. Cette méthode, bien reconnue dans la littérature semble détecter
ces différentes zones de manière efficace. En revanche, cette distinction ne semble pas
permettre d’améliorer l’estimation des précipitations. Plusieurs raisons expliquent cela :
tout d’abord, les relations Z-R sont déterminées à partir des données du MRR, qui,
on l’a vu peuvent être soumises à de nombreuses erreurs, en particulier pour la classe
convective. Ensuite, il existe toujours une grande variabilité des paires Z-R même à
l’intérieur des classes déterminées : le Chapitre V a montré que chaque évènement
de précipitation semble être associé à sa propre relation Z-R. Alors cette variabilité
résiduelle peut entraver l’amélioration de l’estimation des précipitations par rapport à
l’utilisation d’une loi Z-R propre à l’évènement considéré. Enfin, les nombreux artéfacts
de mesure du radar en bande X énumérés dans le Chapitre IV ont un impact direct sur
cette méthode puisqu’elle est basée sur la morphologie du champ de réflectivité. C’est

22 Conclusion
Fig. VI.12 – Cumuls de précipitation (à gauche) et fraction convective de ce cumul (à

droite) estimés à partir des données du radar en bande X pour l’ensemble de la campagne
COPS.
pourquoi, dans le cas présenté ici, le filtrage de ces artéfacts également décrit dans le
Chapitre IV, a été utilisé. Mais ce filtrage, particulièrement intense, peut faire perdre les
caractéristiques du champ de réflectivité nécessaires pour effectuer cette classification.
Ainsi, l’objectif de ce Chapitre, qui était de déterminer des relations Z-R spécifiques
générales caractérisant des régimes de précipitation de la campagne COPS et permet-
tant une amélioration de l’estimation des précipitations n’a été que partiellement atteint
puisque cette amélioration n’est effective que pour certains cas isolés. Néanmoins, de
nombreuses perspectives d’amélioration permettent de garder un certain optimisme.
D’abord, il a été montré dans le Chapitre IV que les données du prototype du radar
en bande X utilisé étaient sujettes à caution et que le radar nouvelle génération récem-
ment acquis par le LaMP semble fournir des données de qualité plus adaptées pour
effectuer ces classifications. Par ailleurs, une réflexion s’impose sur une méthode per-
mettant l’amélioration des données du MRR en cas de vent vertical, afin de déterminer
des relations Z-R de précipitations convectives plus fiables.
180 Chapitre VI
Conclusions et perspectives
L ’ estimation quantitative des précipitations (QPE) à l’aide de mesures radar est

un sujet complexe qui fait l’objet de nombreux travaux en météorologie radar. En
effet, ces estimations sont entravées par de nombreuses sources d’erreurs comme
l’étalonnage du radar, l’atténuation, la variabilité des précipitations. L’objectif de cette
thèse est de mieux comprendre et de prendre en compte cette variabilité à l’aide de
deux radars à très haute résolution, mais l’ensemble de ces problèmes ont pratiquement
tous été abordés.
En effet, les deux radars utilisés dans cette thèse sont innovants et leurs mesures ne
sont pas complètement validées. Le premier radar est un prototype de radar en bande
X à balayage, basé sur un radar nautique commercial, et qui fournit des mesures du
facteur de réflectivité radar à très haute résolution (60 m) mais avec une courte portée
de 20 km. Le second radar, un Micro Rain Radar (MRR), est à visée verticale et mesure
à la fois la réflectivité et la vitesse des cibles et permet de déduire la distribution de
gouttes et les paramètres des précipitations comme le taux de précipitation. Pour cela,
plusieurs hypothèses sont nécessaires, comme une relation entre la vitesse de chute et le
diamètre des hydrométéores, ainsi qu’un vent vertical considéré comme négligeable. Ce
radar est couramment utilisé et il a été démontré qu’il fonctionne correctement dans la
plupart des cas. Néanmoins, la validité de l’exploitation de ses mesures dans le cadre
de précipitations convectives n’est pas garantie.
Généralement, la variabilité des précipitations et de la distribution de gouttes (DSD)
est prise en compte à l’aide de caractéristiques variées des précipitations obtenues grâce
à des mesures de la vitesse des cibles ou de la réflectivité selon plusieurs polarisations.
Mais ces développements sont couteux, et le prototype utilisé n’est pas destiné à en
profiter. Alors, l’objectif de cette thèse est de trouver des critères judicieux pour séparer
les régimes de précipitation à partir du facteur de réflectivité radar seul, et d’en déduire
des relations Z-R spécifiques permettant d’améliorer l’estimation des précipitations.
Ce travail de thèse s’est donc déroulé en de nombreuses étapes, du traitement
des données de ces deux radars jusqu’à la classification des précipitations en régimes
distincts, en passant par l’étude de la variabilité des précipitations.
Avec trois ans de mesures de précipitations variées presque continues, l’ensemble
de données disponibles pour cette thèse est important et montre un fort potentiel. En
réalité, seuls les trois mois de données de la campagne COPS, à laquelle le LaMP a
participé, ont été étudiés en profondeur, faute de temps. L’optimisation de la disposition
relative des deux radars permet d’obtenir un volume commun dans lequel les mesures
effectuées par les deux radars montrent un très bon accord, avec une corrélation proche
de 0.9. Ce volume commun a un interêt primordial par la suite puisqu’il permet de
181
comparer les réflectivités mesurées par les deux radars et donc d’étalonner l’un par
rapport à l’autre, et de valider les relations Z-R déduites des méthodes de classification
sur la réflectivité du radar en bande X en comparant le taux de précipitation obtenu
avec celui déduit du MRR.
Dans le Chapitre III, l’étude des étapes principales du traitement des données du
MRR a amené à proposer des améliorations aux problèmes de la détection du niveau
de bruit de la mesure et la correction itérative de l’atténuation. Ainsi, pour détecter le
niveau de bruit, il est recommandé de préférer la méthode de Urkowitz et al. (1994) à
celle de Hildebrand et Sekhon (1974), car son fonctionnement est très robuste, même
en cas de signal mal conditionné. De la même manière, pour coriger l’atténuation, il
est préférable d’utiliser la méthode de Peters et al. (2010), une version améliorée de
celle de Hitschfeld et Bordan (1954). Mais, certains problèmes ne peuvent pas être
pris en compte, comme l’apparition de spectre images dans les portes d’altitude les
plus faibles, et leurs conséquences sur la correction de l’atténuation dans les portes
supérieures. Néanmois, ce problème ne devient effectif qu’en cas de précipitations très
intenses. En revanche, deux perturbations courantes ne sont pas prises en compte : la
turbulence et le vent vertical. Ce Chapitre montre que l’effet du vent vertical n’est pas
négligeable, en particulier sur la déduction du taux de précipitation. Cependant, comme
les méthodes de correction ne sont pas parfaites, de la même façon que les concepteurs
du MRR, on ne préfère pas les appliquer pour ne pas détériorer les mesures. Par ailleurs,
on montre qu’un vent vertical fort peut même provoquer un repliement du spectre qui
perturbe largement l’exploitation des résultats, mais peut être facilement détecté de
manière automatique. Ainsi, les cas de mouvements convectifs les plus intenses peuvent
être facilement éliminés, mais ce n’est pas le cas des vents d’intensité modérée. Alors,
tant que cette correction n’aura pas été correctement effectuée, le taux de précipitation
déduit des mesures du MRR est incertain et le MRR n’est pas adapté pour la déduction
de relations Z-R pour des précipitations convectives. En revanche, le facteur de réflecti-
vité radar est peu perturbé par le vent vertical. Ainsi, les comparaisons de ce paramètre
avec un disdromètre PARSIVEL colocalisé ont montré un très bon accord et le MRR
peut donc être étalonné de manière précise en utilisant un tel instrument, sachant par
ailleurs que le PARSIVEL peut souffrir d’un sous-échantillonnage statistique.
Dans le Chapitre IV sont présentés de nombreux problèmes de mesure du radar
en bande X qui peuvent avoir un fort impact sur l’estimation des précipitations. Plu-
sieurs méthodes de filtrage basées sur des hypothèses simples mais nécessitant un lourd
traitement ont été proposées pour éliminer la plupart de ces perturbations. Ensuite,
ce chapitre décrit la méthode de correction de l’atténuation du signal radar, ainsi que
l’étalonnage de ce radar en utilisant les mesures des deux radars dans leur volume
commun. Cette étude montre que la réflectivité du radar en bande X nécessite une
correction linéaire, fonction de l’intensité de la réflectivité, pour qu’il soit correctement
étalonné, et que cet étalonnage semble régulièrement varier brusquement, sans raison
apparente. Ce dernier problème implique qu’un étalonnage précis du radar en bande
X n’est pas réalisable pour les données de la campagne COPS, pour laquelle le dis-
dromètre installé ne fonctionnait pas. Ce problème pourrait être préjudiciable lors de
l’exploitation des données de cette campagne.
Le Chapitre V est consacré à l’étude de la variabilité des précipitations en terme de
distribution de gouttes et de relation Z-R, d’abord d’un point de vue théorique, puis
en utilisant les trois mois de données de la campagne COPS. Cette étude montre que
182 Chapitre VI
chaque cas de précipitation est caractérisé par une combinaison unique des différents
processus qui forment la DSD. Ainsi, chaque cas de précipitation peut être caractérisé
par sa propre DSD et sa propre loi Z-R. De plus, certains cas montrent même plusieurs
périodes stables associées à des lois Z-R différentes. Ce chapitre confirme donc la grande
variabilité des précipitations, et le besoin de classifications prenant en compte au mieux
cette variabilité.
Enfin, le Chapitre VI propose deux méthodes de classifications des régimes de pré-
cipitations. La première méthode tente de tirer parti du phénomène de tri des gouttes,
qui est connu pour perturber les mesures radars, en sélectionnant les zones de préci-
pitations d’intensité montante, stagnante et descendante. Il s’avère que cette méthode
ne donne pas de résultats positifs même dans le volume commun de mesure des deux
radars. L’extension de cette méthode à l’ensemble de la surface couverte par le radar
en bande X n’a donc pas été effectuée. En revanche, une seconde méthode, plus simple
d’utilisation, a été adaptée aux mesures du radar en bande X. Celle-ci permet de dis-
tinguer les zones de précipitations convectives et stratiformes de manière efficace, mais
elle ne permet pas d’améliorer l’estimation des précipitations que pour certains cas.
Plusieurs raisons permettent d’expliquer cela : tout d’abord, on a montré que le MRR
n’était pas adapté pour déduire des relations Z-R en cas de précipitations convectives,
de plus, les nombreux artéfacts de mesure du radar en bande X, ainsi que le filtrage
effectué pour les éliminer peuvent perturber les caractéristiques du champ de réflec-
tivité nécessaires pour effectuer cette classification, enfin, comme chaque évènement
de précipitations peut être caractérisé par une relation Z-R unique, il existe toujours
une grande variabilité des précipitations à l’intérieur même de chaque classe. Ainsi, la
détermination de relations Z-R spécifiques générales caractérisant les régimes de pré-
cipitations de la campagne COPS et permettant une amélioration de l’estimation des
précipitations est difficile dans les conditions actuelles.
En terme de perspectives, pour que cet objectif soit atteint, il faut d’une part,
utiliser les données du nouveau radar en bande X et, d’autre part, développer une
méthode de correction du vent vertical dans les données du MRR.
Depuis l’hiver 2010-2011, le LaMP dispose d’une nouvelle version du radar en bande
X qui semble mieux fonctionner : l’amplification variable du signal et les pics de réflec-
tivité aberrants ont disparus, tandis que les autres artéfacts de mesure semblent beau-
coup plus rares. Si certains de ces artéfacts persistent, il serait utile de comprendre leur
origine grâce à des tests électroniques en amont : comportement du contrôle du gain,
linéarité du récepteur, etc. Ainsi, leur correction “à la source” éviterait l’utilisation de
méthodes de filtrage qui peuvent éliminer des informations importantes de la mesure
En ce qui concerne le MRR, de nombreux travaux ont porté, sans véritable succès,
sur l’estimation combinée du vent vertical et de la DSD avec des radars à visée verticale.
Mais, ces études datent de plusieurs années et les radars utilisés à cette époque n’étaient
pas aussi performant que le MRR. En effet, l’atout du MRR est sa très haute résolution
spatiale et temporelle. Il serait donc envisageable d’étudier la faisabilité d’une méthode
de déduction du vent vertical à l’aide de la continuité temporelle et verticale des spectres
mesurés par le MRR, de la même manière que ce qui a été fait manuellement dans cette
thèse, pour étudier l’effet du repliement spectral. La principale difficulté est de ne pas
négliger la variabilité naturelle de la DSD. Pour cela, les données d’un disdromètre
au sol peuvent être utilisées puisqu’on a montré dans cette thèse que leurs mesures

montrent un bon accord avec celles du MRR. Mais, d’autres mesures doivent également
être disponibles en altitude, à l’aide, par exemple, d’un radar VHF colocalisé dont
la résolution serait semblable à celle du MRR, dans le but de valider la méthode
développée.
Alors, les méthodes de classification utilisées dans cette thèse pourraient être ré-
appliquées sur ces nouvelles données corrigées, afin de vérifier leur fonctionnement
dans de meilleures conditions. Des classifications plus détaillées peuvent être égale-
ment envisagées, à commencer, par exemple, par une combinaison des classifications
présentées dans cette thèse. Par ailleurs, l’utilisation des données du site Clermon-
tois permettraient d’avoir à disposition le réseau dense de pluviomètres de la ville de
Clermont-Ferrand, primordial pour valider les classifications effectuées. Mais, il faut
être conscient d’un résultat majeur de cette thèse, qui est que chaque évènement de
précipitation est caractérisé par sa propre DSD et sa propre loi Z-R. Ainsi, les relations
Z-R obtenues à l’aide de ces classifications risquent de présenter tout de même une
forte variabilité et il n’est pas garanti que de telles relations permettent une amélio-
ration notable de l’estimation des précipitations. Le disdromètre PARSIVEL fournit
des mesures de la DSD plus précises que celles du MRR, avec cependant un risque de
sous-échantillonnage statistique. Alors, l’exploitation de la longue série de données de
ce disdromètre permettrait de mieux comprendre cette variabilité et ainsi de vérifier
si une amélioration de l’estimation des précipitations à l’aide de ces classifications est
réellement possible.
S’il est confirmé que chaque évènement de précipitation est caractérisé par sa propre
DSD et sa propre relation Z-R, d’autres perspectives sont possibles : dans ce cas,
l’estimation quantitative des précipitations avec un radar conventionnel ne peut être
effective qu’avec l’apport d’information externes en temps réel sur la DSD pour déter-
miner la relation Z-R à utiliser. Dans ce cas, la combinaison d’un radar conventionnel
et d’un MRR qui fournirait la DSD de l’évènement en cours, sans oublier un disdro-
mètre colocalisé pour l’étalonnage, est une solution efficace et écomomique. Si le but
est d’anticiper la quantité de précipitation qui risque de tomber dans la zone d’interêt
à proximité du radar, il peut s’avérer nécessaire de distribuer plusieurs MRR tout au-
tour du radar conventionnel afin d’obtenir une estimation de la DSD avant que les
précipitations commencent dans la zone d’interêt quelle que soit la provenance des
précipitations.
Quoi qu’il en soit, la très haute résolution du radar en bande X permet une esti-
mation des précipitations à très haute résolution. Ainsi, même sans classification des
régimes de précipitation, ce radar peut-être utilisé pour effectuer des estimations avec
une haute précision. Par exemple, il peut être utilisé en combinaison avec un logiciel
de nowcasting, actuellement en cours de développement au LaMP, pour anticiper et
gérer les épisodes d’innondations éclair dans des petits bassins urbains comme celui de
Clermont-Ferrand.
184
Bibliographie
Anagnostou, E. N. et W. F. Krajewski, 1999: Real-Time Radar Rainfall Estimation.

Part I: Algorithm Formulation. J. Atmos. Oceanic Technol., 16, 189–197. 169
Andrieu, H. et J. D. Creutin, 1995a: Identification of Vertical Profiles of Radar Reflec-

tivity for Hydrological Applications Using an Inverse Method. Part I: Formulation.
J. Appl. Meteorol., 34, 225–239. 155
Andrieu, H. et J. D. Creutin, 1995b: Identification of Vertical Profiles of Radar Reflec-

tivity for Hydrological Applications Using an Inverse Method. Part II: Formulation.
J. Appl. Meteorol., 34, 240–259. 155
Atlas, D., 2002: Radar Calibration: Some Simple Approaches. Bull. Am. Meteorol. Soc.,
83. 100
Atlas, D. et H. C. Banks, 1951: The Interpretation of Microwave Reflections from

Rainfall. J. Atmos. Sci., 8, 271–282. 21
Atlas, D., R. C. Srivastava, et R. S. Sekhon, 1973: Doppler radar characteristics of

precipitation at vertical incidence. Rev. Geophys., 11, 1–35. 24, 27, 48, 56, 60, 77
Atlas, D. et C. W. Ulbrich, 1977: Path- and Area-Integrated Rainfall Measurement by

Microwave Attenuation in the 1-3 cm Band. J. Appl. Meteorol., 16, 1322–1331. 24,
145
Atlas, D. et C. W. Ulbrich, 2000: An Observationally Based Conceptual Model of Warm

Oceanic Convective Rain in the Tropics. J. Appl. Meteorol., 39, 2165–2181. 26
Atlas, D., C. W. Ulbrich, F. D. Marks, Jr., E. Amitai, et C. R. Williams, 1999:

Systematic variation of drop size and radar-rainfall relations. 104, 6155–6169, doi:
10.1029/1998JD200098. 150, 161, 162
Baars, J. W. M., 2007: The paraboloïdal reflector antenna in radio astronomy and
communication. Springer, New York NY, USA, 253 pp. 29
Barrick, D. E., 1973: FM-CW Radar Signals and Digital Processing. Tech. Rep. ERL
283-WPL 26, NOAA, U.S. Dept. of Commerce, Boulder CO. 54, 56, 57
Battan, L. J., 1959: Radar meteorology. University of Chicago Press, 161 pp. 28, 31,
38, 41
Battan, L. J., 1964: Some Observations of Vertical Velocities and Precipitation Sizes
in a Thunderstorm. J. Appl. Meteorol., 3, 415–420. 47
185
Bibliographie
Battan, L. J., 1973: Radar observation of the atmosphere. University of Chicago Press,
324 pp. 20, 141, 152
Battan, L. S. et J. B. Theiss, 1966: Observations of Vertical Motions and Particle Sizes

in a Thunderstorm. J. Atmos. Sci., 23, 78–87. 47
Berenguer, M., D. Sempere-Torres, C. Corral, et R. Sánchez-Diezma, 2006: A Fuzzy

Logic Technique for Identifying Nonprecipitating Echoes in Radar Scans. J. Atmos.
Oceanic Technol., 23, 1157–1180. 21, 109
Berne, A., G. Delrieu, et H. Andrieu, 2005: Estimating the Vertical Structure of Intense
Mediterranean Precipitation Using Two X-Band Weather Radar Systems. J. Atmos.
Oceanic Technol., 22, 1656–1675. 133
Berne, A. et R. Uijlenhoet, 2006: Quantitative analysis of X-band weather radar atte-

nuation correction accuracy. Nat. Hazards Earth Syst. Sci., 6, 419–425. 45, 125
Biggerstaff, M. I. et S. A. Listemaa, 2001: An Improved Scheme for Convec-

tive/Stratiform Echo Classification Using Radar Reflectivity. J. Appl. Meteorol., 39,
2129–2150. 169, 172
Brandes, E. A., G. Zhang, et J. Vivekanandan, 2002: Experiments in Rainfall Estima-

tion with a Polarimetric Radar in a Subtropical Environment. J. Appl. Meteorol.,
41, 674–685. 21
Bringi, V. N., V. Chandrasekar, N. Balakrishnan, et D. S. Zrnić, 1990: An Examination

of Propagation Effects in Rainfall on Radar Measurements at Microwave Frequencies.
J. Atmos. Oceanic Technol., 7, 829–840. 42
Campos, E. et I. Zawadzki, 2000: Instrumental Uncertainties in Z-R Relations. J. Appl.

Meteorol., 39, 1088–1102. 149
Caton, P. G. F., 1966: A study of raindrop-size distribution in the free atmosphere. Q.

J. R. Meteorol. Soc., 92, 15–30. 47
Chadwick, R. B., K. P. Moran, R. G. Strauch, G. E. Morrison, et W. C. Campbell,

1976a: A New Radar for Measuring Winds. Bull. Am. Meteorol. Soc., 57, 1120–1126.
54
Chadwick, R. B., K. P. Moran, R. G. Strauch, G. E. Morrison, et W. C. Campbell,

1976b: Microwave radar wind measurements in the clear air. Radio Sci., 11, 795–802.
54, 57
Chandrasekar, V. et V. N. Bringi, 1987: Simulation of Radar Reflectivity and Surface

Measurements of Rainfall. J. Atmos. Oceanic Technol., 4, 464–478. 145
Chapon, B., G. Delrieu, M. Gosset, et B. Boudevillain, 2008: Variability of rain drop

size distribution and its effect on the Z R relationship: A case study for intense
Mediterranean rainfall. Atmos. Res., 87, 52–65. 158
Cho, Y.-H., G. Lee, K.-E. Kim, et I. Zawadzki, 2006: Identification and Removal of
Ground Echoes and Anomalous Propagation Using the Characteristics of Radar
Echoes. J. Atmos. Oceanic Technol., 23, 1206–1222. 109
186
Bibliographie
Ciach, G. J., 2003: Local Random Errors in Tipping-Bucket Rain Gauge Measurements.
Cifelli, R., C. R. Williams, D. K. Rajopadhyaya, S. K. Avery, K. S. Gage, et P. T.
May, 2000: Drop-Size Distribution Characteristics in Tropical Mesoscale Convective
Systems. J. Appl. Meteorol., 39, 760–777. 48
Clemens, M., G. Peters, P. Winkler, et S. J., 2006: Identification of temporally stable
Z/R relationships using measurements of micro-rain radars. International Conference
on Weather Radar in Hydrology, Grenoble, France, 10–12 Mars. 14, 158, 166
Collier, C. G., 1989: Applications of Weather Radar Systems. A Guide to Uses of Radar
Data in Meteorology and Hydrology. Halsted Press: A division of John Wiley & Sons,
New York NY, USA, 294 pp. 37
Delrieu, G., H. Andrieu, et J. D. Creutin, 2000: Quantification of Path-Integrated
Attenuation for X- and C-Band Weather Radar Systems Operating in Mediterranean
Heavy Rainfall. J. Appl. Meteorol., 39, 840–850. 39, 41
Delrieu, G., S. Caoudal, et J. D. Creutin, 1997: Feasibility of Using Mountain Return
for the Correction of Ground-Based X-Band Weather Radar Data. J. Atmos. Oceanic
Technol., 14, 368–385. 45
Delrieu, G., J. D. Creutin, et I. Saint-Andre, 1991: Mean K-R Relationships: Practical
Results for Typical Weather Radar Wavelengths. J. Atmos. Oceanic Technol., 8,
467–476. 39
Delrieu, G., L. Hucke, et J. D. Creutin, 1999a: Attenuation in Rain for X- and C-Band
Weather Radar Systems: Sensitivity with respect to the Drop Size Distribution. J.
Appl. Meteorol., 38, 57–68. 43, 125
Delrieu, G., S. Serrar, E. Guardo, et J. D. Creutin, 1999b: Rain Measurement in Hilly
Terrain with X-Band Weather Radar Systems: Accuracy of Path-Integrated Atte-
nuation Estimates Derived from Mountain Returns. J. Atmos. Oceanic Technol., 16,
405–416. 45, 124
Delrieu, G., V. Ducrocq, E. Gaume, J. Nicol, O. Payrastre, E. Yates, P.-E. Kirstetter,
H. Andrieu, P.-A. Ayral, C. Bouvier, J.-D. Creutin, M. Livet, S. Anquetin, M. Lang,
L. Neppel, C. Obled, J. P. Du-Châtelet, G.-M. Saulnier, A. Walpersdorf, et W. Wo-
brock, 2005: The Catastrophic Flash-Flood Event of 8 9 September 2002 in the
Gard Region, France: A First Case Study for the Cévennes Vivarais Mediterranean
Hydrometeorological Observatory. J. of Hydrology, 6, 34–52. 19
Diederich, M., S. Crewell, et U. R., 2004: Investigation of rainfall microstructure and
variability using vertically pointing radar and disdrometer. European Conference on
Radars in Meteorology and Hydrology, Visby, Sweden. 162, 167, 168
Doherty, L. H., 1964: Z-R Relationships Deduced from Forward Scatter Doppler Mea-
surements. J. Atmos. Sci., 21, 683–697. 24
Donnadieu, G., 1980: Comparison of Results Obtained with the VIDIAZ Spectroplu-
viometer and the Joss-Waldvogel Rainfall Disdrometer in a ‘Rain of a Thundery
Type’. J. Appl. Meteorol., 19, 593–597. 26
187
Bibliographie
Doviak, R. J. et D. S. Zrnic, 1993: Doppler radar and weather observations. 2nd ed.,
Academic Press, San Diego CA, USA, 562 pp. 28, 40, 67
Fabry, F., A. Bellon, M. R. Ducan, et G. L. Austin, 1994: High resolution rainfall

measurements by radar for very small basins: the sampling problem reexamined. J.
of Hydrology, 161, 415–428. 21
Feingold, G. et Z. Levin, 1986: The Lognormal Fit to Raindrop Spectra from Frontal
Convective Clouds in Israel. J. Appl. Meteorol., 25, 1346–1364. 143
Ferignac, P., 1962: Test de Kolmogorov-Smirnov sur la validité d’une fonction de dis-
tribution. Revue de statistique appliquée, 10(4), 13–32. 80, 81
Foote, G. B. et P. S. Du Toit, 1969: Terminal Velocity of Raindrops Aloft. J. Appl.

Meteorol., 8, 249–253. 61
French, M. M., H. B. Bluestein, D. C. Dowell, L. J. Wicker, M. R. Kramar, et A. L.

Pazmany, 2008: High-Resolution, Mobile Doppler Radar Observations of Cyclic Me-
socyclogenesis in a Supercell. 136, 4997–5016. 21
Fujiwara, M., 1965: Raindrop-size Distribution from Individual Storms. J. Atmos. Sci.,
22, 585–591. 141, 150
Fukao, S., K. Wakasugi, T. Sato, S. Morimoto, T. Tsuda, I. Hirota, I. Kimura, et

S. Kato, 1985: Direct measurement of air and precipitation particle motion by very
high frequency Doppler radar. Nature, 316, 712–714. 48
Gage, K. S., C. R. Williams, W. L. Ecklund, et P. E. Johnston, 1999: Use of Two

Profilers during MCTEX for Unambiguous Identification of Bragg Scattering and
Rayleigh Scattering. J. Atmos. Sci., 56, 3679–3691. 34
Gossard, E. E., 1988: Measuring Drop-Size Distributions in Clouds with a Clear-Air-

Sensing Doppler Radar. J. Atmos. Oceanic Technol., 5, 640–649. 48
Gossard, E. E., J. B. Snider, E. E. Clothiaux, B. Martner, J. S. Gibson, R. A. Kropfli,

et A. S. Frisch, 1997: The Potential of 8-mm Radars for Remotely Sensing Cloud
Drop Size Distributions. J. Atmos. Oceanic Technol., 14, 76–87. 98
Gossard, E. E., R. O. Strauch, et R. R. Rogers, 1990: Evolution of Dropsize Distribu-

tions in Liquid Precipitation Observed by Ground-Based Doppler Radar. J. Atmos.
Oceanic Technol., 7, 815–828. 48
Gourley, J. J., P. Tabary, et J. Parent Du Chatelet, 2007a: A Fuzzy Logic Algorithm

for the Separation of Precipitating from Nonprecipitating Echoes Using Polarimetric
Radar Observations. J. Atmos. Oceanic Technol., 24, 1439–1451. 109
Gourley, J. J., P. Tabary, et J. Parent Du Chatelet, 2007b: Empirical Estimation of

Attenuation from Differential Propagation Phase Measurements at C Band. J. Appl.
Meteorol., 46, 306–317. 42
Grecu, M. et W. F. Krajewski, 2000: An Efficient Methodology for Detection of Ano-

malous Propagation Echoes in Radar Reflectivity Data Using Neural Networks. J.
Atmos. Oceanic Technol., 17, 121–129. 109
188
Bibliographie
Gunn, K. L. S. et T. W. R. East, 1954: The microwave properties of precipitation

particles. Q. J. R. Meteorol. Soc., 80, 522–545. 34, 39
Gunn, R. et G. D. Kinzer, 1949: The terminal velocity of fall for water droplets in
stagnant air. J. Atmos. Sci., 6, 243–248. 26, 60
Gunn, R. E. S. et J. S. Marshall, 1955: The Effect of Wind Shear on Falling Precipita-

tion. J. Atmos. Sci., 12, 339–349. 162
Guyot, A. et J. Testud, 1999: The Dual-Beam Technique Applied to Airborne Cloud

Radar. J. Atmos. Oceanic Technol., 16, 924–938. 42
Hagen, M., J. van Baelen, et E. Richard, 2011: Influence of the wind profile on the
initiation of convection in mountainous terrain. Q. J. R. Meteorol. Soc., 137, 224–
235. 117, 123, 166, 178
Hauser, D. et P. Amayenc, 1981: A New Method for Deducing Hydrometeor-Size Dis-

tributions and Vertical Air Motions from Doppler Radar Measurements at Vertical
Incidence. J. Appl. Meteorol., 20, 547–555. 48
Hauser, D., P. Amayenc, B. Nutten, et P. Waldteufel, 1984: A New Optical Instrument

for Simultaneous Measurement of Raindrop Diameter and Fall Speed Distributions.
Hildebrand, P. H., 1978: Iterative Correction for Attenuation of 5 cm Radar in Rain.

J. Appl. Meteorol., 17, 508–514. 43, 44, 63, 87, 124
Hildebrand, P. H. et R. S. Sekhon, 1974: Objective Determination of the Noise Level

in Doppler Spectra. J. Appl. Meteorol., 13, 808–811. 77, 78, 79, 84, 182
Hitschfeld, W. et J. Bordan, 1954: Errors inherent in the radar measurements of rainfall

at attenuating wavelengths. J. Atmos. Sci., 11, 58–67. 12, 13, 21, 42, 43, 44, 45, 87,
88, 124, 125, 126, 131, 182
Houghton, H. G., 1968: On precipitation mechanisms and their artificial modification.

J. Appl. Meteorol., 7, 851–859. 169, 170
Houze, R. A., 1993: Cloud dynamics. Academic Press, 573 pp. 168, 169
Houze, R. A., Jr., 1997: Stratiform Precipitation in Regions of Convection: A Meteo-

rological Paradox? Bull. Am. Meteorol. Soc., 78, 2179–2196. 168
Hu, Z. et R. C. Srivastava, 1995: Evolution of Raindrop Size Distribution by Coa-

lescence, Breakup, and Evaporation: Theory and Observations. J. Atmos. Sci., 52,
1761–1783. 150
Hubbert, J. C., M. Dixon, et S. M. Ellis, 2009: Weather Radar Ground Clutter. Part II:
Real-Time Identification and Filtering. J. Atmos. Oceanic Technol., 26, 1181–1197.
109
Iguchi, T. et R. Meneghini, 1994: Intercomparison of Single-Frequency Methods for

Retrieving a Vertical Rain Profile from Airborne or Spaceborne Radar Data. J.
Atmos. Oceanic Technol., 11, 1507–1516. 45
189
Bibliographie
Illingworth, A. J., T. M. Blackman, et J. W. F. Goddard, 2000: Improved rainfall esti-

mates in convective storms using polarisation diversity radar. Hydrology and Earth
Syst. Sci., 4, 555–563. 21
Jameson, A. R., 1992: The Effect of Temperature on Attenuation-Correction Schemes

in Rain Using Polarization Propagation Differential Phase Shift. J. Appl. Meteorol.,
31, 1106–1120. 42
Jameson, A. R. et A. B. Kostinski, 2001: Reconsideration of the physical and empirical

origins of Z R relations in radar meteorology. Q. J. R. Meteorol. Soc., 127, 517–538.
150
Joss, J. et E. G. Gori, 1978: Shapes of Raindrop Size Distributions. J. Appl. Meteorol.,

17, 1054–1061. 143, 144
Joss, J. et A. Waldvogel, 1967: Ein Spektrograph für Niederschlagstropfen mit auto-

matischer Auswertung. Pure and Applied Geophysics, 68, 240–246. 25
Kabèche, A. et J. Testud, 1995: Stereoradar Meteorology: A New Unified Approach

to Process Data from Airborne or Ground-Based Meteorological Radars. J. Atmos.
Oceanic Technol., 12, 783–799. 42
Kneifel, S., M. Maahn, G. Peters, et C. Simmer, 2011: Observation of snowfall with a

low-power FM-CW K-band radar (Micro Rain Radar). Meteorol. and Atmos. Phys.,
113, 75–87. 57
Kollias, P., E. E. Clothiaux, M. A. Miller, E. P. Luke, K. L. Johnson, K. P. Moran, K. B.

Widener, et B. A. Albrecht, 2007: The Atmospheric Radiation Measurement Program
Cloud Profiling Radars: Second-Generation Sampling Strategies, Processing, and
Cloud Data Products. J. Atmos. Oceanic Technol., 24, 1199–1214. 98
Krajewski, W. F. et B. Vignal, 2001: Evaluation of Anomalous Propagation Echo De-

tection in WSR-88D Data: A Large Sample Case Study. J. Atmos. Oceanic Technol.,
18, 807–814. 109
Kruger, A. et W. F. Krajewski, 2002: Two-Dimensional Video Disdrometer: A Descrip-

tion. J. Atmos. Oceanic Technol., 19, 602–617. 27
Laws, J. O. et D. A. Parsons, 1943: The relation of raindropsize to intensity. Trans.

Amer. Geophys. Union, 24, 452–460. 25
Lee, G. et I. Zawadzki, 2005a: Variability of Drop Size Distributions: Time-Scale De-

pendence of the Variability and Its Effects on Rain Estimation. J. Appl. Meteorol.,
44, 241–255. 162
Lee, G. W. et I. Zawadzki, 2005b: Variability of Drop Size Distributions: Time-Scale

Dependence of the Variability and Its Effects on Rain Estimation. J. Appl. Meteorol.,
44, 241–255. 150
Lee, G. W., I. Zawadzki, W. Szyrmer, D. Sempere-Torres, et R. Uijlenhoet, 2004: A

general Approach to Double-Moment Normalization of Drop Size Distributions. J.
Appl. Meteorol., 43, 264–281. 147
190
Bibliographie
List, R., 1988: A Linear Radar Reflectivity-Rainrate Relationship for Steady Tropical
Rain. J. Atmos. Sci., 45, 3564–3572. 150
Löffler-Mang, M. et J. Joss, 2000: An Optical Disdrometer for Measuring Size and

Velocity of Hydrometeors. J. Atmos. Oceanic Technol., 17, 130–139. 26
Löffler-Mang, M., M. Kunz, et W. Schmid, 1999: On the Performance of a Low-Cost

K-Band Doppler Radar for Quantitative Rain Measurements. J. Atmos. Oceanic
Technol., 16, 379–387. 53
Marquis, J., Y. Richardson, J. Wurman, et P. Markowski, 2008: Single- and Dual-

Doppler Analysis of a Tornadic Vortex and Surrounding Storm-Scale Flow in the
Crowell, Texas, Supercell of 30 April 2000. 136, 5017–5043. 21
Marshall, J. S., W. Hitschfeld, et K. L. S. Gunn, 1955: Advances in Radar Weather.

Adv. Geophys., 2, 1–56. 20, 123, 127, 141, 153, 177
Marshall, J. S. et W. M. Palmer, 1948: The Distribution of Raindrops with Size. J.

Atmos. Sci., 5, 165–166. 13, 25, 96, 123, 141, 142, 144
Marzoug, M. et P. Amayenc, 1991: Improved range-profiling algorithm of rainfall rate

from a spaceborne radar with path-integrated attenuation constraint. IEEE Trans.
Geosc. Remote Sens., 29, 584–592. 42, 45, 124
Marzoug, M. et P. Amayenc, 1994: A Class of Single- and Dual-Frequency Algorithms

for Rain-Rate Profiling from a Spaceborne Radar. Pad I: Principle and Tests from
Numerical Simulations. J. Atmos. Oceanic Technol., 11, 1480–1506. 43, 45
Massey, F. J., Jr., 1951: The Kolmogorov-Smirnov test for goodness of fit. Journal of
the American Statistical Association, 46(253), 68–78. 81
Meneghini, R., 1978: Rain-rate estimates for an attenuating radar. Radio Sci., 13,
459–470. 43
Meneghini, R., J. Eckerman, et D. Atlas, 1983: Determination of Rain Rate from a

Spaceborne Radar Using Measurements of Total Attenuation. IEEE Trans. Geosc.
Remote Sens., 21, 34–43. 45
METEK, 2005: MRR Physical Basics. Tech. Rep. 1.8.2, Available from METEK GmbH,
Fritz-Straßmann-Straße 4, D-25337 Elmshorn, Germany. 54, 55, 57, 77, 78, 84
Mie, G., 1908: Beitrage zur Optik truber Medien, speziell kolloidaler Metallosungen.
Annalen der Physik, 330, 377–445. 31
Montero-Martínez, G., A. B. Kostinski, R. A. Shaw, et F. García-García, 2009: Do all

raindrops fall at terminal speed? Geophys. Res. Lett., 36, 11 818–11 822. 27
Morrison, J. A. et M.-J. Cross, 1974: Scattering of a plane electromagnetic wave by

axisymmetric raindrops. Bell Syst. Tech. J., 53, 955–1019. 62
Ottersten, H., 1969: Radar Backscattering from the Turbulent Clear Atmosphere. Radio
Sci., 4, 1251–1255. 34
191
Bibliographie
Peters, G., B. Fischer, et T. Andersson, 2002: Rain observations with a vertically

looking Micro Rain Radar. Boreal Env. Res., 7, 353–362. 58
Peters, G., B. Fischer, et M. Clemens, 2010: Rain Attenuation of Radar Echoes Conside-
ring Finite-Range Resolution and Using Drop Size Distributions. J. Atmos. Oceanic
Technol., 27, 829–842. 43, 44, 87, 88, 182
Peters, G., B. Fischer, et C. M., 2006: Areal homogeneity of Z-R-relations. European
Conference on Radars in Meteorology and Hydrology, Barcelona, Spain, 18–22 Sep.
49
Peters, G., B. Fischer, H. Münster, M. Clemens, et A. Wagner, 2005: Profiles of Rain-
drop Size Distributions as Retrieved by Microrain Radars. J. Appl. Meteorol., 44,
1930–1949. 58, 60, 61, 62, 63, 89, 93, 98, 99, 108, 155, 156
Petitdidier, M., A. Sy, A. Garrouste, et J. Delcourt, 1997: Statistical characteristics of
the noise power spectral density in UHF and VHF wind profilers. Radio Sci., 32,
1229–1247. 78
Pointin, Y., 2011: Techniques d’Observation de l’Atmosphère. Cours de Master
deuxième année. 34
Probert-Jones, J. R., 1962: The radar equation in meteorology. Q. J. R. Meteorol. Soc.,
88, 485–495. 30
Pruppacher, H. R. et J. D. Klett, 1997: Microphysics of Clouds and Precipitation. 2nd
ed., Kluwer Academic Publishers, Dordrecht, Netherlands, 954 pp. 23
Richard, E., J.-P. Chaboureau, C. Flamant, C. Champollion, M. Hagen, K. Schmidt,
C. Kiemle, U. Corsmeier, C. Barthlott, et P. di Girolamo, 2011: Forecasting sum-
mer convection over the Black Forest: a case study from the Convective and
Orographically-induced Precipitation Study (COPS) experiment. Q. J. R. Meteo-
rol. Soc., 137, 101–117. 116
Rigo, T. et M. C. Llasat, 2004: A methodology for the classification of convective
structures using meteorological radar: Application to heavy rainfall events on the
Mediterranean coast of the Iberian Peninsula. Nat. Hazards Earth Syst. Sci., 4, 59–
68. 169
Rogers, R. R., 1964: An extension of the Z-R relation for Doppler radar. 11th Weather
Radar Conference, Bouler CO, USA, Sep. 48
Rogers, R. R., 1967: Doppler radar investigations of Hawaiian rain. Tellus, 19, 432–455.
48
Rogers, R. R., 1984: A review of multiparameter radar observations of precipitation.
Radio Sci., 19, 23–36. 48
Rogers, R. R. et R. J. Pilié, 1962: Radar Measurements of Drop-Size Distribution. J.
Atmos. Sci., 19, 503–505. 47
Rosenfeld, D., E. Amitai, et D. B. Wolff, 1995: Classification of Rain Regimes by the
Three-Dimensional Properties of Reflectivity Fields. J. Appl. Meteorol., 34, 198–211.
171
192
Bibliographie
Rosenfeld, D. et C. W. Ulbrich, 2003: Cloud Microphysical Properties, Processes, and

Rainfall Estimation Opportunities. Meteorological Monographs, 30, 237–258. 14, 147,
148, 150
Rosenfeld, D., D. B. Wolff, et D. Atlas, 1993: General Probability-matched Relations

between Radar Reflectivity and Rain Rate. J. Appl. Meteorol., 32, 50–72. 149
Salles, C. et J. Creutin, 2003: Instrumental Uncertainties in Z-R Relationships and

Raindrop Fall Velocities. J. Appl. Meteorol., 42, 279–290. 26
Sauvageot, H., 1982: Radarmétéorologie : télédétection active de l’atmosphère. Editions

Eyrolles, Paris, France, 296 pp. 28, 32, 34, 41, 100
Sauvageot, H. et J.-P. Lacaux, 1995: The shape of Averaged Drop Size Distribution. J.
Atmos. Sci., 52, 1070–1083. 26
Schafer, R., S. Avery, P. May, D. Rajopadhyaya, et C. Williams, 2002: Estimation of

Rainfall Drop Size Distributions from Dual-Frequency Wind Profiler Spectra Using
Deconvolution and a Nonlinear Least Squares Fitting Technique. J. Atmos. Oceanic
Technol., 19, 864–874. 48
Schönhuber, M., G. Lammer, et W. L. Randeu, 2008: The 2D-Video-Distrometer. Pre-

cipitation: Advances in Measurement, Estimation and Prediction, S. Michaelides,
Ed., Springer Berlin Heidelberg, 3–31. 27
Sekhon, R. S. et R. C. Srivastava, 1971: Doppler Radar Observations of Drop-Size

Distributions in a Thunderstorm. J. Atmos. Sci., 28, 983–994. 24, 77, 146
Seliga, T. A. et V. N. Bringi, 1976: Potential Use of Radar Differential Reflectivity

Measurements at Orthogonal Polarizations for Measuring Precipitation. J. Appl.
Meteorol., 15, 69–76. 21
Sempere Torres, D., J. M. Porrà, et J.-D. Creutin, 1994: A General Formulation for
Raindrop Size Distribution. J. Appl. Meteorol., 33, 1494–1502. 145, 146, 147
Sempere-Torres, D., J. M. Porrà, et J.-D. Creutin, 1998: Experimental evidence of a

general description for raindrop size distribution properties. 103, 1785–1798. 145
Sempere-Torres, D., R. Sanchez-Diezma, Z. I., et J. D. Creutin, 2000: Identification of

stratiform and convective areas using radar data with application to the improve-
ment of DSD analysis and Z-R relations. Physics and Chemistry of the Earth, Part
B: Hydrology, Oceans and Atmosphere, 25, 985–990, first European Conference on
Radar Meteorology. 169, 171
Serrar, S., G. Delrieu, J. Creutin, et R. Uijlenhoet, 2000: Mountain reference tech-

nique: Use of mountain returns to calibrate weather radars operating at attenuating
wavelengths. 105, 2281–2290. 46
Sheppard, B. E. et P. I. Joe, 1994: Comparison of Raindrop Size Distribution Measu-

rements by a Joss-Waldvogel Disdrometer, a PMS 2DG Spectrometer, and a POSS
Doppler Radar. J. Atmos. Oceanic Technol., 11, 874–887. 26
193
Bibliographie
Skolnik, M., 2008: An Introduction and Overview od Radar. Radar Handbook, M. Skol-
nik, Ed., McGraw-Hill New York NY, USA, 3rd ed., 1.1–1.24. 33
Smith, J. A. et W. F. Krajewski, 1993: A modeling study of rainfall rate-reflectivity

relationships. Water Resour. Res., 29, 2505–2514. 150
Spilhaus, A. F., 1948: Raindrop Size, Shape and Falling Speed. J. Atmos. Sci., 5,
108–110. 24
Srivastava, R. C., 1971: Size Distribution of Raindrops Generated by their Breakup

and Coalescence. J. Atmos. Sci., 28, 410–415. 20, 147
Steiner, M., R. A. Houze, Jr., et S. E. Yuter, 1995: Climatological characterization of

three-dimensional storm structure from operational radar and rain gauge data. J.
Appl. Meteorol., 34, 1978–2007. 161, 162, 169, 170, 171, 172, 173, 174
Steiner, M. et J. A. Smith, 2002: Use of Three-Dimensional Reflectivity Structure for

Automated Detection and Removal of Nonprecipitating Echoes in Radar Data. J.
Atmos. Oceanic Technol., 19, 673–. 109
Steiner, M., J. A. Smith, et R. Uijlenhoet, 2004: A Microphysical Interpretation of

Radar Reflectivity Rain Rate Relationships. J. Atmos. Sci., 61, 1114–1131. 143,
150, 161
Strauch, R. G., W. C. Campbell, R. B. Chadwick, et K. P. Moran, 1976: Microwave

FM-CW Doppler radar for boundary layer probing. Geophys. Res. Lett., 3, 193–196.
54
Testud, J. et P. Amayenc, 1989: Stereoradar Meteorology: A Promising Technique for

observation of Precipitation from a Mobile Platform. J. Atmos. Oceanic Technol., 6,
89–108. 42
Testud, J., S. Oury, R. A. Black, P. Amayenc, et X. Dou, 2001: The Concept of ‘Nor-
malized’ Distribution to Describe Raindrop Spectra: A Tool for Cloud Physics and
Cloud Remote Sensing. J. Appl. Meteorol., 40, 1118–1140. 97, 146, 147
Tokay, A., P. Hartmann, A. Battaglia, K. S. Gage, W. L. Clark, et C. R. Williams,

2009: A Field Study of Reflectivity and Z-R Relations Using Vertically Pointing
Radars and Disdrometers. J. Atmos. Oceanic Technol., 26, 1120–1134. 149, 155
Tokay, A., A. Kruger, et W. F. Krajewski, 2001: Comparison of Drop Size Distribution

Measurements by Impact and Optical Disdrometers. J. Appl. Meteorol., 40, 2083–
2097. 149
Tokay, A. et D. A. Short, 1996: Evidence from Tropical Raindrop Spectra of the Origin
of Rain from Stratiform versus Convective Clouds. J. Appl. Meteorol., 35, 355–371.
26, 144, 161
Tridon, F., J. Van Baelen, et Y. Pointin, 2011: Aliasing in Micro Rain Radar data due
to strong vertical winds. Geophys. Res. Lett., 38, L02 804. 93
Uijlenhoet, R., 1999: A consistent rainfall parameterization based on the exponential

raindrop size distribution. J. of Hydrology, 218, 101–127. 23, 123, 142
194
Bibliographie
Uijlenhoet, R., 2001: Raindrop size distributions and radar reflectivity-rain rate rela-
tionships for radar hydrology. Hydrology and Earth Syst. Sci., 5, 615–627. 152, 153,
154
Uijlenhoet, R., J. A. Smith, et M. Steiner, 2003a: The Microphysical Structure of

Extreme Precipitation as Inferred from Ground-Based Raindrop Spectra. J. Atmos.
Sci., 60, 1220–1238. 150
Uijlenhoet, R., M. Steiner, et J. A. Smith, 2003b: Variability of Raindrop Size Dis-

tributions in a Squall Line and Implications for Radar Rainfall Estimation. J. of
Hydrology, 4, 43–61. 26, 63, 142, 143, 144, 150, 161
Ulbrich, C. W., 1983: Natural Variations in the Analytical Form of the Raindrop Size
Distribution. J. Appl. Meteorol., 22, 1764–1775. 143, 144
Ulbrich, C. W., 1985: The Effects of Drop Size Distribution Truncation on Rainfall
Integral Parameters and Empirical Relations. J. Appl. Meteorol., 24, 580–590. 144
Urkowitz, H., J. D. Nespor, et H. S. Owen, 1994: Tests of distribution-free non-Gaussian

noise removal in spectral analysis of meteorological radar echo. Geoscience and Re-
mote Sensing Symposium, Pasadena CA, USA, 8–12 Août, 35–37. 77, 79, 82, 83, 84,
85, 86, 94, 182
Van Baelen, J., L. Brucker, P. G., F. B., et M. H., 2006: Simultaneous X-band and
K-band study of precipitations. European Conference on Radars in Meteorology and
Hydrology, Barcelona, Spain, 18–22 Sep. 162, 163, 168
Van Baelen, J., Y. Pointin, W. Wobrock, A. Flossmann, G. Peters, F. Tridon, et

C. Planche, 2009a: Precipitation and microphysical studies with a low cost high
resolution X-band radar: an innovative project prospective. Adv. Geosci., 20, 25–32.
49, 64
Van Baelen, J., F. Tridon, et Y. Pointin, 2009b: Simultaneous X-band and K-band
study of precipitation to derive specific Z-R relationships. Atmos. Res., 94, 596–605.
162, 167
van de Beek, C. Z., H. Leijnse, J. N. M. Stricker, R. Uijlenhoet, et H. W. J. Russchen-

berg, 2010: Performance of high-resolution X-band radar for rainfall measurement
in The Netherlands. EGU General Assembly 2010, held 2-7 May, 2010 in Vienna,
Austria, p.15403, 12, 205–221. 138
Villarini, G. et W. F. Krajewski, 2010: Review of the Different Sources of Uncertainty

in Single Polarization Radar-Based Estimates of Rainfall. Surveys in Geophysics, 31,
107–129. 20, 36, 75
Wakasugi, K., S. Fukao, S. Kato, A. Mizutani, et M. Matsuo, 1985: Air and precipi-
tation particle motions within a cold front measured by the MU VHF radar. Radio
Sci., 20, 1233–1240. 48
Wakasugi, K., A. Mizutani, M. Matsuo, S. Fukao, et S. Kato, 1987: Further Discussion

on Deriving Drop-Size Distribution and Vertical Air Velocities Directly from VHF
Doppler Radar Spectra. J. Atmos. Oceanic Technol., 4, 170–179. 48
195
Bibliographie
Waldvogel, A., 1974: The N0 Jump of Raindrop Spectra. J. Atmos. Sci., 31, 1067–1078.
143, 144, 158
Wexler, R. et D. Atlas, 1963: Radar Reflectivity and Attenuation of Rain. J. Appl.

Meteorol., 2, 276–280. 39
Williams, C. R., K. S. Gage, C. W., et K. P., 2005: Monitoring the Reflectivity Cali-
bration of a Scanning Radar Using a Profiling Radar and a Disdrometer. J. Atmos.
Oceanic Technol., 22, 1004–1018. 104, 106, 128
Williams, C. R., A. B. White, K. S. Gage, et F. M. Ralph, 2007: Vertical Structure of

Precipitation and Related Microphysics Observed by NOAA Profilers and TRMM
during NAME 2004. J. Climate, 20, 1693–1712. 48
Willis, P. T., 1984: Functional Fits to Some Observed Drop Size Distributions and
Parameterization of Rain. J. Atmos. Sci., 41, 1648–1661. 146
Wulfmeyer, V., A. Behrendt, H.-S. Bauer, C. Kottmeier, U. Corsmeier, A. Blyth,

G. Craig, U. Schumann, M. Hagen, S. Crewell, P. Di Girolamo, C. Flamant, M. Miller,
A. Montani, S. Mobbs, E. Richard, M. W. Rotach, M. Arpagaus, H. Russchenberg,
P. Schlüessel, M. König, V. Gärtner, R. Steinacker, M. Dorninger, D. D. Turner,
T. Weckwerth, A. Hense, et C. Simmer, 2008: The convective and orographically-
induced precipitation study: a research and development project of the world wea-
ther research program for improving quantitative precipitation forecasting in low-
mountain regions. Bull. Am. Meteorol. Soc., 89, 1477–1486. 69
Wulfmeyer, V., A. Behrendt, C. Kottmeier, U. Corsmeier, C. Barthlott, G. C. Craig,

M. Hagen, D. Althausen, F. Aoshima, M. Arpagaus, H.-S. Bauer, L. Bennett,
A. Blyth, C. Brandau, C. Champollion, S. Crewell, G. Dick, P. di Girolamo, M. Dor-
ninger, Y. Dufournet, R. Eigenmann, R. Engelmann, C. Flamant, T. Foken, T. Gor-
gas, M. Grzeschik, J. Handwerker, C. Hauck, H. Höller, W. Junkermann, N. Kalthoff,
C. Kiemle, S. Klink, M. König, L. Krauss, C. N. Long, F. Madonna, S. Mobbs, B. Nei-
ninger, S. Pal, G. Peters, G. Pigeon, E. Richard, M. W. Rotach, H. Russchenberg,
T. Schwitalla, V. Smith, R. Steinacker, J. Trentmann, D. D. Turner, J. van Baelen,
S. Vogt, H. Volkert, T. Weckwerth, H. Wernli, A. Wieser, et M. Wirth, 2011: The
Convective and Orographically-induced Precipitation Study (COPS): the scientific
strategy, the field phase, and research highlights. Q. J. R. Meteorol. Soc., 137, 3–30.
69
Yuter, S. E. et R. A. Houze, Jr., 1997: Measurements of Raindrop Size Distributions

over the Pacific Warm Pool and Implications for Z-R Relations. J. Appl. Meteorol.,
36, 847–867. 169, 172
Zawadzki, I. et M. de Agostinho Antonio, 1988: Equilibrium Raindrop Size Distribu-

tions in Tropical Rain. J. Atmos. Sci., 45, 3452–3459. 150
196
RÉSUMÉ
Mesure des précipitations à l’aide d’un radar en bande X non-cohérent à haute résolution et d’un radar
en bande K à visée verticale. Application à l’étude de la variabilité des précipitations lors de la
campagne COPS.
L’estimation quantitative des précipitations à l’échelle locale est une nécessité sociétale, à cause de
l’augmentation des dégâts provoqués par des inondations exacerbées par l’urbanisation croissante. Or, des estimations
locales sont particulièrement difficiles à réaliser à cause de la forte variabilité des précipitations. De plus, ce genre
d’estimation est sollicité par de petits organismes tels qu’une commune, pour lesquels il n’est pas envisageable d’utiliser
des instruments à la pointe de la recherche technologique à cause de leur coût prohibitif. Ainsi, il est nécessaire de
développer des méthodes d’estimation quantitative des précipitations applicables à un dispositif expérimental de prix
abordable.
Dans ce but, un dispositif expérimental innovant est utilisé dans cette thèse. Il est constitué d’instruments de
mesure directe, au sol, tels que des pluviomètres et des disdromètres, et d’un prototype de radar à balayage horizontal
basé sur un radar nautique commercial, associé à un MRR (Micro Rain Radar) à visée verticale qui fournissent une
estimation en altitude de la pluie, respectivement sur une surface donnée et le long d’un profil vertical. Le radar à
balayage horizontal est un radar en bande X, c’est-à-dire qu’il fonctionne à une longueur d’onde lui procurant une très
haute résolution radiale, mais qui est très atténuée par les précipitations. Le MRR permet d’obtenir une description
précise de la microphysique des précipitations et sert de relais entre les mesures au sol et les mesures en altitude du radar
en bande X.
Ces deux radars étant novateurs, une grande partie de cette thèse consiste à valider leurs mesures : étalonnage,
filtrage d’échos aberrants, correction de l’atténuation, etc. Une fois les mesures rendues exploitables, cette thèse se
focalise sur l’étude de la variabilité des précipitations afin de proposer et développer différentes méthodes de
classification, selon leur type ou leur variations locales, et de vérifier leur potentiel pour l’amélioration de l’estimation
des précipitations. Les résultats montrent que cet objectif ne peut être atteint que si la qualité des mesures des radars est
encore améliorée : moins d’échos parasites pour le radar en bande X et prise en compte du vent vertical pour le MRR.
Mots clés : distribution de goutte, réflectivité radar, taux de précipitations, relation Z-R, repliement spectral.
ABTRACT
Precipitation measurement with high resolution non-coherent X-band radar and vertically pointing K-
band radar. Application to the study of the variability of precipitation in the framework of COPS field
campaign.
Due to the increase of damage associated with floods enhanced by expanding urbanisation, the quantitative
estimation of precipitation on a local scale is a societal need. However, such estimations are difficult because of the high
variability of precipitation. Moreover, these estimations are requested by small organisations such as local authorities
which cannot afford top level research instruments. Hence, new methods of estimation applicable to a cheap
experimental set are needed.
Toward this goal, an innovative experimental set is used in this work. It consists of ground instruments such as
raingauges and disdrometers, and two radars, a prototype of a scanning radar based on a modified marine radar and a
vertically pointing MRR (Micro Rain Radar), which give estimation of rain aloft, over an area and along a profile,
respectively. The scanning radar works at X-band, meaning that it uses a longwave very attenuated by precipitation, but
which provides a high range resolution. The MRR yields a detailed description of microphysics of precipitation and fills
the gap between ground measurements and X-band radar measurements aloft.
As both these radars are innovative, a large part of this PhD thesis was spent on the measurements validation:
radar calibration, abnormal echoes filtering, attenuation consideration, etc. Using these corrected measurements, this PhD
focus then on the study of the variability of precipitation, and aims to propose and develop several classification methods
based on precipitation type or local variability, and to check their potential for the improvement of precipitation
estimation. Results show that this goal can be reached only if the radar measurements quality is further improved: less
interference echoes for the X-band radar, and consideration of vertical wind for the MRR.
Keywords: drop size distribution, radar reflectivity, rain rate, Z-R relationships, spectral aliasing.
Thèse soutenue par Frédéric Tridon à l’Université Blaise Pascal (Clermont II) le 15 septembre 2011 pour l’obtention du titre de Docteur en
Physique de l’Atmosphère.

Tridon 2011CLF22156 PDF

Transféré par

Informations du documentcliquez pour développer les informations du document

Informations du documentcliquez pour développer les informations du document

Droits d'auteur :

Formats disponibles

Tridon 2011CLF22156 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Tridon 2011CLF22156 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Mesure des précipitations à l’aide d’un radar en bande

X non-cohérent à haute résolution et d’un radar en

To cite this version:

HAL Id: tel-00777843

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

UNIVERSITÉ BLAISE PASCAL

ÉCOLE DOCTORALE DES SCIENCES FONDAMENTALES

par Frédéric TRIDON

Mesure des précipitations à l’aide d’un radar en bande X

Soutenue publiquement le 15 septembre 2011, devant la commission d’examen :

Examinateurs : M. ANDRIEU Hervé (Docteur, LCPC, Centre de Nantes, Bouguenais)

I Mesure des précipitations 23

III Traitement des données MRR 75

IV Traitement des données du radar en bande X 109

V Variabilité des précipitations 141

VI Classification des régimes de précipitations 161

Conclusions et perspectives 181

I.1 Distribution des valeurs de vitesse de chute en fonction du diamètre. . . 27

II.1 Exemples du champ de réflectivité radar mesuré par le radar en bande

III.1 Influence du bruit s’il n’est pas supprimé du spectre en fréquence de la

IV.1 Séries du champ de réflectivité mesuré par le radar en bande X pendant

IV.3 Séries du champ de réflectivité mesuré par le radar en bande X pendant

IV.16Exemples de correction de l’atténuation avec la méthode de Hitschfeld

V.1 DSD mesurée et ajustement exponentiel de la paramétrisation de Mar-

V.3 Illustration de la méthode utilisée pour normaliser la DSD en utilisant

VI.1 Application de la technique de sélection pour déterminer les zones de

VI.8 Distributions de gouttes et profils du taux de précipitations du MRR

I.1 Diﬀérentes approximations de la relation entre le diamètre et la vitesse

II.1 Paramètres du radar en bande X. . . . . . . . . . . . . . . . . . . . . . 50

III.1 Résultats du test de Kolmogorov-Smirnov et leurs probabilités. . . . . . 81

IV.1 Statistiques de chaque évènement utilisé pour le calcul des statistiques

VI.1 Cumul de précipitation mesuré par le MRR et estimé à partir de la

L a pluie est un paramètre météorologique primordial pour la société humaine et la

Mesure des précipitations

L es précipitations sont caractérisées par la distribution de gouttes. Dans ce chapitre

Tab. I.1 – Diﬀérentes approximations de la relation entre le diamètre et la vitesse de chute

Source Relation v [m s−1 ] - D [mm]

ou comme les moments pondérés d’ordre n de cette distribution:

où p (D) est une fonction de pondération dépendant du diamètre D.

1 Mesure directe des précipitations

1.1 Pluviomètre - Taux de précipitation

Le pluviomètre à auget basculant est l’instrument de base de la mesure des précipi-

Intervalle de temps [min] R [mm h−1 ]

De façon générale, la surface de l’entonnoir et le volume de l’auget des pluvio-

1.1.2 Expression du taux de précipitation

Si l’on souhaite exprimer le taux de précipitation R (mm h−1 ) en fonction de la

Mesure des précipitations 25

Le principe de ce disdromètre est de mesurer l’impact de chaque goutte tombant sur

1.2.2 Disdromètre Parsivel

Pour expliquer ces déviations, Montero-Martínez et al. (2009) émettent l’hypothèse

Mesure des précipitations 27

2 Mesure des précipitations par télédétection radar

2.1 Principe du radar à impulsions

2.1.1 L’équation du radar pour la mesure des précipitations

Considérons un émetteur qui rayonne de manière isotrope. À la distance r, la puis-

Ae = Gλ2 /4π. (I.6)

Si la cible n’absorbait aucune puissance mais la réémettait totalement de manière