L'objectif
de ce document est de permettre l'aboutissement d'un
modèle de prévision de tendance de seeing
basé sur NMM22 (Non-hydrostatic Meteorological
Model, mailles de 22km). Avant de commencer, je vous
propose d'en apprendre plus sur le seeing :
(cliquer
pour agrandir)
On trouve la date (UT), l'altitude et le gradient
de température des
couches susceptibles d'être turbulentes, un indicateur de possibilité de
présence de turbulences en air clair (CAT), la couverture nuageuse prévue
aux niveaux inférieur, moyen et supérieur, la température à l'altitude
du lieu et le point de rosée. La prédiction de tendance de seeing
La difficulté du projet est de trouver les paramètres clefs conduisant
directement à une valeur du seeing. Malheureusement ces paramètres
ne sont pas prévisibles par les modèles météo. Il nous
faut donc utiliser des astuces pour avoir des éléments qui, une
fois calibrés sur des observations réelles, nous donnent une bonne
(espérons-le!) estimation de la turbulence. Nous détaillons ci-après
quelques éléments qui ont été choisis pour cette étude.
Chacun d'eux apporte des informations différentes mais souvent corrélées
sur la turbulence.
Les couches d'inversion "critiques" ("bad seeing layers")
Ce critère
permet de mettre en évidence des couches d'inversion répondant
aux deux spécifications suivantes :
-
-
Où 
est
la température potentielle (K) (température
d'une parcelle d'air sec (à pression 
et
température 
)
compressée adiabatiquement au niveau de
la mer (
), 
l'altitude
en mètres et les indices 
et 
définissant
les limites supérieures et inférieures de la
couche considérée.
"Turbulence en air clair" (CAT)
Particulièrement utilisé en aviation,
ce critère permet de quantifier l'énergie cinétique
disponible pour une parcelle d'air.
Nous utilisons le nombre de Richardson (Ri) pour caractériser les zones
propices à la trubulence. Les CAT sont produites par des instabilités
de Kelvin-Helmholtz. Le Ri n'est autre qu'un rapport de stabilité locale
sur la force des cisaillements locaux. C'est pourquoi une zone couplée à un
faible Ri devrait être soumise à des turbulences (cf. Drazin,
P.G. and W.H. Reid, 1981: Hydrodynamic Stability. Cambridge, 527 pp.)
On définit actuellement la présence de zones de CAT par 
Le
courant JET à 200 hPa
La vitesse du vent à 200
hPa, correspondant au "jet-stream",
a des implications sur la turbulence. Cette dernière est minimale
pour une certaine valeur (non nulle!) du courant jet. Il est très
intéressant
d'observer le lien entre la présence de CAT et la vitesse du
vent à cette
altitude.
Comment
réaliser
ses mesures ?
Les estimations de turbulence ne prennent pas
beaucoup de temps. Toutefois, il
faut vous assurer de les mener dans des conditions optimales afin
d'alimenter le modèle avec des données fiables.
Ne pas envoyer d'observations pour lesquelles vous avez un quelconque
doute.
Pour procéder
:
-
Laisser son instrument se mettre à température.
-
Choisir une étoile proche du zénith et l'observer à fort
grossissement (le choix de l'étoile et du grossissement dépendant
de l'instrument).
-
Si votre instrument est de bonne
qualité vous devriez voir apparaître
les anneaux de diffraction par intermittence (souvent
on en voit qu'un seul). Observez leur aspect
quelques minutes.
-
Comparez l'aspect moyen de l'étoile
avec les animations de cette page : http://uk.geocities.com/dpeach_78/pickering.htm
-
Notez le chiffre correspondant
(1 à 10, de très mauvais à excellent)
-
Rendez-vous à la page http://www.unibas.ch/geo/mcr/3d/meteo/seeing/nmm22/index.htm et
choisissez le point le plus proche de votre lieu d'observation.
-
Notez votre heure d'observation
(UT), le contenu des différentes
colonnes ("bad layers", "CAT" et "JET"). Cela servira à remplir la
base de données.
Comment envoyer ses mesures ?
-
Il vous faut tout d'abord devenir
membre de la liste "seeing" pour
pouvoir valider vos observations : http://fr.groups.yahoo.com/group/seeing
-
Le lien direct à la base de données
: http://fr.groups.yahoo.com/group/seeing/database?method=reportRows&tbl=2
-
Il vous suffit de remplir les
colonnes (ne pas oublier l'instrument utilisé!)
Remerciements
J'aimerais
vivement remercier ici quelques personnes qui
ont fait
un travail remarquable permettant à ce projet de fonctionner :
- Sylvain Chapeland qui
a codé les pages web avec
les données issues du modèle NMM22
- Matthias Müller qui
a mis son modèle à disposition
pour notre projet.
- Toutes les personnes qui participent
aux mesures, étape essentielle
pour valider les prévisions.
Prévision de seeing