Caractérisation des processus microphysiques des nuages en phase mixte en Arctique central
Les observations météorologiques montrent que les hautes latitudes se réchauffent au moins deux fois plus vite que la moyenne mondiale (phénomène d’amplification arctique). Les nuages et en particulier les nuages bas en phase mixte (MPC) caractérisés par une coexistence d’eau surfondue et de cristaux de glace jouent un rôle primordial sur le bilan radiatif en Arctique de par leur persistance, leur ubiquité et leurs propriétés microphysiques particulières. De nombreuses incertitudes accompagnent nos connaissances sur les rétroactions liées aux aérosols ainsi que sur les nombreuses interactions entre les différents processus dynamiques, radiatifs, microphysiques et de surface associés aux MPC. Ce complexe entrelacs de rétroactions et d’interactions à différentes échelles reste encore très mal représenté dans les différents modèles limitant notre capacité à prédire les effets du changement climatique dans ces régions. Dans le cadre du projet MPC2 nous nous proposons de collecter et d’analyser un jeu de données sans précédent afin d’étudier l’impact des propriétés microphysiques des MPC sur le bilan radiatif à la surface ainsi de contribuer à une meilleure compréhension du cycle de vie de ces nuages. Nous nous appuierons sur l’analyse statistique des propriétés microphysiques et optiques des MPC mesurées lors des campagnes aéroportées ACLOUD 2017, AFLUX 2019 et MOSAiC 2020 réalisées dans la région du Svalbard. Une combinaison de mesures in situ des aérosols et des nuages et d’observations par télédétection sera mise en œuvre pour établir des statistiques représentatives des propriétés microphysiques des nuages en fonction des conditions météorologiques, de l’état de surface et des propriétés des aérosols. Ces mesures nous permettrons également d’étudier la variabilité spatiale et saisonnière des profils verticaux des propriétés microphysiques et optiques. Ce jeu de données contribuera au développement de nouvelles paramétrisations nuageuses pour les modèles et les algorithmes d’inversion satellitaires ainsi qu’à l’amélioration de nos connaissances sur les processus microphysiques liés à la phase mixte des nuages.