Automatic Classification Tool for Optical Array Probes to Understand Ice Cloud Mechanisms
Outil de classification automatique des sondes optiques pour comprendre les mécanismes des nuages de glace
Résumé
The objective of the thesis is to identify the ice growth processes occurring in clouds by using morphological data provided by the shapes of the ice particles and crystals. To accomplish this task, classification tools were developed during this thesis using innovative machine learning on 2D images from two fast imaging probes routinely mounted onboard research aircraft: the 2DS and PIP probes. This set of tools, namely convolutional neural networks (CNN) developed for both imaging probes, was evaluated and used to analyze data gathered during the ICE GENESIS Swiss Jura campaign. First, ice particle morphological and microphysical properties were extracted from the whole data. Then, the extraction of cloud properties allowed to study microphysical processes and cloud structures. Other measurements made onboard the ATR-42 during the campaign were used, notably reflectivity and MDV from the vertically pointing w-band radar RASTA, total water content from the CVI-Snow, supercooled droplets observations from the CDP-2, and humidity measurements from the WVSS-2 hygrometer. The potential of the classification tools was thereby explored, and significant contributions were achieved within the ICE GENESIS project. Microphysical interpretation of morphological data was proposed for a significant part of the ICE GENESIS data set. In addition, a conceptual scheme was developed combining the knowledge from the literature, new intuitions, and the theory of dissipative structures in order to study consumption of water vapor and precipitation formation in deep stratiform ice clouds using quantitative morphological information. This framework was mainly developed with the overall goal, to extract information from observed in situ observations, beyond a state of the art extraction of microphysical properties (crystal number and mass size distributions, without morphological distinction). The realism of the framework was confronted to an exceptional case study from the ICE GENESIS campaign, observed on the 30th of January 2021.
L'objectif de la thèse est l'identification des processus de croissance de la glace dans les nuages en utilisant l'information morphologique extraite de la forme des particules de glaces. Pour réaliser cette tâche, des outils de classification ont été développés durant la thèse en utilisant une technique innovante d'apprentissage automatique sur des images de sondes à acquisition rapide (2DS et PIP), communément utilisée à bord des avions de recherche. Ces réseaux de neurones à convolution, développés pour chacune des sondes, ont été évalués et utilisés pour analyser les données récoltées durant la campagne ICE GENESIS. Tout d'abord, la morphologie et les propriétés microphysiques ont été extraites sur l'ensemble de ces données. Puis, l'étude des processus microphysiques et des structures nuageuses ont été réalisés avec ces outils. D'autres mesures effectuées à bord de l'ATR-42 durant la campagne ont été utilisées, notamment la réflectivité et la vitesse Doppler moyenne mesurées grâce au radar RASTA, la présence de gouttelettes surfondues grâce à la sonde CDP-2, et l'humidité via l'hygromètre WVSS-2. Le potentiel des algorithmes de classification a pu ainsi être exploré, et des contributions remarquables ont pu être apportées dans le cadre du projet ICE GENESIS. Une large part des données obtenues durant cette campagne ont pu être interprétées, d'un point de vue de la microphysique du nuageuse. Un schéma conceptuel rassemblant les connaissances existantes dans la littérature, des intuitions nouvelles, et la théories des structures dissipatives, a été proposé afin de formaliser ces interprétations et d'approfondir l'étude de la consommation de la vapeur d'eau et la formation des précipitations au sein des nuages observés. Le réalisme de ce schéma conceptuel a finalement été confronté à un cas d'étude exceptionnel de la campagne ICE GENESIS, observé le 30 Janvier 2021.
| Origine | Version validée par le jury (STAR) |
|---|