Soutenance mémoire
Télécharger le fichier pdf d’un mémoire de fin d’études
Influence de l’intégration temporelle
Les mesures de vitesse et de direction du vent sur site sont des mesures intégrées sur un certain inter-valle temporel. Généralement, les vitesses considérées ntsodes moyennes sur un intervalle de 10 minutes. En écrivant la vitesse du ventv comme somme de la vitesse moyenne v et une fluctuation v′ autour de cette moyenne, [8], E s’écrit comme ; 1ρ31 + 3i2 E ≈ v 2(2.15) où i représente l’intensité de la turbulence. σv i = avec σv = v′2 (2.16) [8] donne une relation simple pour estimer le terme i pour un terrain à rugosité homogène et des conditions neutres :1 ln(z/z0 )i = (2.17) où z est la hauteur à laquelle est mesuré le vent et z0 la rugosité du terrain. Cette expression donne une erreur de l’ordre de 3% à une hauteur de 10 m en mer. L’influence de la turbulence sur la densité moyenne de puissance est donc limitée, surtout en mer où la rugosité ste moindre que sur terre.
Pas d’échantillonnage temporel
Le pas d’échantillonnage temporel est la durée séparant deux mesures successives de la vitesse et direction du vent. L’existence de cycles journaliers impose des contraintes sur le pas d’échantillonnage. Ainsi, un pas d’échantillonnage multiple de 24 heures ne pourra pas permettre une bonne représentation de la climatologie du site. [12] montre que, hormis ces valeurs particulières, le pas d’échantillonnage peut aller jusqu’à 50 heures si la précision sur la déterminationdes paramètres de Weibull est relâchée jusqu’à une précision d’une décimale. L’étude présentée dans [12]e base sur l’estimation des paramètres A et k à partir de série temporelles du vent acquises sur 4 sites côt iers du sud de la France (la Grande Motte, Leucate, Sète et Saintes-Maries-de-la-mer).
Nombre d’échantillons
Dans ce paragraphe, on étudie le nombren d’échantillons nécessaires pour avoir une erreur sur les paramètres estimés au dessous d’un certain seuil.
Le premier paramètre d’intérêt est la moyenne du vent. Soitn la moyenne calculée à partir de n échantillons vi de la vitesse du vent. Dans l’hypothèse où les échantillons dont on dispose sont indé-pendants et identiquement distribués, le théorème de la limite centrale s’applique. Ce théorème nous indique que n suit une distribution gaussienne, centrée sur la « vraie » moyenne. En considérant que est la « vraie » moyenne, on cherche à avoir une estimation n de cette moyenne, calculée à partir de n échantillons, avec une erreur inférieure à un certain seuilf . Ne connaissant pas la vraie moyenne, cette propriété ne peut être établie que de manière probabilisteOn. cherche donc à vérifier que la probabilité que l’erreur soit inférieure à f , soit supérieure à un certain seuil Φ. La condition | n − | est en dessous d’une certaine fraction f deécrite en termes probabilistes si : P (|n −| < f) ≥ Φ(2.18) avec Φ le seuil de confiance exigé et P (| n − | < f ) la probabilité que l’erreur sur la moyenne estimée soit inférieure àf .
La résolution de l’équation 2.18 donne [13] : 22σ2 n ≥erf−1 (Φ)(2.19) avec erf la fonction d’erreur définie par erf(x) =2x e−t2 dt. √π0
Le deuxième membre de l’équation 2.19 ne dépend que du paramètre de forme k. Sur la figure 2.1 on a représenté le nombre d’échantillons nécessaire pour avoir une erreur de moins de 10 %, 5 % et 1 % avec une probabilité de 90 % en fonction dek pour 1 ≤ k ≤ 4. On choisit cet intervalle pour le paramètre k car c’est l’intervalle contenant les valeurs généralementcalculées pour une distribution de Weibull caractérisant les vitesses du vent.
[13] établit d’autres relations similaires pour la variance, le coefficient d’asymétrie, A et k. Les rela-tions établies pourA et k ne sont valables que dans le cas de l’utilisation de la méthode des moments II pour l’estimation de ces paramètres [13]. La méthode des moments II, pour l’estimation des paramètres
A et k consiste à résoudre les équations suivantes : (1 +3)v2 k=(2.20) 3(1 +1)2 v k A =v(2.21) (1 +1)
Selon [13], 250 observations indépendantes sont nécessair pour arriver à estimer les paramètres A et k avec une incertitude de ± 90 % et un taux de confiance de 90 %. Cependant, la condition d’échan-tillons indépendants et identiquement distribués est difficilement vérifiable. En outre, les échantillons doivent couvrir au moins une année. Un nombre d’échantillons de 250 images couvrant une année, cor-respond à un pas d’échantillonnage de 35 heures. Ce pas d’échantillonnage est bien dans la gamme préconisée par [14] dont l’étude a été présentée dans le grparaphe précédent.
Conclusions sur les caractéristiques des mesures de vent nécessaires pour la carto- graphie du potentiel éolien offshore
La résolution spatiale nécessaire pour rendre compte des phénomènes ayant l’échelle des parcs éo-liens est de l’ordre du kilomètre. Le potentiel est donné de manière compacte sous la forme de paramètres statistiques décrivant la fonction de densité de probabilité des vitesses de vent. La précision de ces para-mètres dépend de l’échantillonnage temporel des mesures. ‘échantillonnageL temporel peut aller jusqu’à 10 %nfluence de d’une erreur de 5 %, 10 % et 20 % sur le paramèt re de forme k, en fonction de k , sur l’estimation de la densité moyenne de puissance. 50 heures [14]. Ces mesures doivent couvrir au moins une année complète pour éviter que la variabilité inter-saisonière n’influe sur l’estimation du potentiel éolien. Cependant, une durée d’un an ne permet pas de rendre compte de la variabilité inter-annuelle. La durée de vie d’un parc éolien est d’environ 20 ans. Sur une période de 20 ans, [15] relève que, sur un site en rlande,I la variabilité inter-annuelle atteint environ 14 % de la production moyenne annuelle sur cette durée. Pour garantir la qualité de l’estimation du potentiel éolien, il est donc nécessaire d’utiliser des mesures de vent couvrant plusieurs années. En considérant des vitesses de vent moyennées sur des fenêtresde 3 années, [15] indique que la variabilité descend 14 % à 4 %.
Dans cette section, on a étudié, en outre, l’influence de l’ereur sur les paramètres A et k sur l’esti-mation de la densité moyenne de puissance. Il a été montré quel’erreur sur le paramètre de forme A a une influence plus grande que celle du paramètre k sur la précision de l’estimation de la densité moyenne de puissance. Une erreur de 5 % sur le paramètre A induit, par exemple, 16 % d’erreur sur la densité moyenne de puissance estimée. Une erreur de 5 % sur le paramètre k, pour des valeurs de k voisinant 2, induit environ 5 % d’erreur sur l’estimation de la densité moyenne de puissance.
Mesures du vent en mer
Dans cette section on présente les différents instruments ouvantp fournir des données sur le vent en mer. On étudie l’adéquation entre les caractéristiques deesc données et celles, requises pour la cartogra-phie du potentiel éolien, étudiées dans la première sectionde ce chapitre.
Mesures sur site
Bateaux et bouées
Les mesures acquises par des instruments à bord de bateaux on t une faible couverture spatiale et une couverture irrégulière dans le temps. La mauvaise qualité edces mesures est due à l’effet du mouvement du bateau sur les mesures enregistrées par l’anémomètre à bord du bateau. Ces mesures sont essentiel-lement disponibles sur les grandes routes commerciales. L’irrégularité dans le temps et dans l’espace de ces mesures limite leur apport pour la cartographie du potentiel éolien offshore.
Les mesures de bouées sont calibrées et ont une assez bonne qualité mais leur couverture spatiale est faible et non uniforme. La figure 2.4 représente la distribution des bouées recensées par le JCOMMOPS (Joint WMO-IOC Technical Commission for Oceanography and Marine Meteorology – in situ Obser-ving Platform Support Centre). Cette carte donne la répartition spatiale, par pays, des bouées dérivantes et fixes envoyant des données au GTS (Global Telecommunication System ) permettant de collecter les données météorologiques à l’échelle mondiale. On remarque l’irrégularité de la distribution de ces bouées et leur couverture spatiale limitée.
Mât de mesures
C’est le moyen considéré comme le plus fiable, par l’industrie éolienne, pour la mesure du vent en un point. Il permet d’accéder à des vitesses et des directions de vent moyennées, typiquement, sur des périodes de 10 minutes. De plus, il permet de rendre compte dela turbulence sur le site en donnant l’écart type des vitesses de vent pendant ces périodes de 10 minutes et la vitesse maximale observée [15]. Cependant, il présente un coût élevé en mer et une obligation d’attendre un an au moins. Cette durée d’un an est une durée minimale pour capturer les variations aisonnières du vent. Elle reste néanmoins insuffisante pour décrire la climatologie du vent à long term e au point où sont faites les mesures. Dans [15], la variabilité inter-annuelle est étudiée pour une ationst météorologique Irlandaise, celle de Malin Head. Il en résulte que l’écart type des moyennes annuelles ed vent, pour une période de 20 ans, est de 5 %. La vitesse moyenne du vent sur les 20 ans est de 8,3 m s−1. La moyenne annuelle la plus faible sur cette période est de 7,8 m s−1. La moyenne la plus élevée est de 9,2 m −s1. Ces variations se traduisent par une production d’énergie variant de -10 % jusqu’à +14 % de la production moyenne sur la période de 20 ans. Ce site est caractérisé par une moyenne de vent relativement élevée. La même variabilité, sur un site caractérisé par une moyenne de vitesse moins élevée, entraînerait une plus grande erreur sur l’estimation de l’énergie produite [15]. En considérant des vitesses de vent moyennées sur des fenêtres de 3 années, [15] indique que la variabilité descend de 10 % et14 % à 3 % et 4 %.
Un autre inconvénient des mesures acquises par des instruments installés sur un mât est qu’elles ne sont représentatives que du point où elles ont été prises, surtout en zones côtières caractérisées par une forte variabilité spatiale du vent. Dans ce cadre, [15] préconise d’installer plusieurs mâts si l’étendue du parc est plus grande que 1 km.
Mesure du vent en mer par télédétection
Les instruments de mesures du vent par télédétection sont cap bles de mesurer le vent à distance. Cependant, certains de ces instruments (les SODAR et les LIDAR) doivent être déployés sur le site d’étude. Ces instruments sont classés dans les instrumentsde télédétection car ils permettent d’accéder à des mesures du vent en altitude et donc à distance de l’instr ument.
SODAR
Un SODAR (SOund Detection And Ranging) est un instrument de télédétection installé sur terre (par opposition aux instruments spatioportés ou aéroportés) dont le but est la mesure des profils verticaux de vent. Il mesure les vitesses du vent à différentes hauteurs au-dessus de l’endroit où il est installé.
Un SODAR émet des ondes sonores et mesure l’onde rétrodiffusée. L’intervalle de temps entre l’émission et la réception de l’onde détermine la hauteur àaquelle la rétrodiffusion a eu lieu. Le dé-calage en fréquence entre l’onde émise et l’onde reçue sert à mesurer la vitesse et la direction du vent à la hauteur de rétrodiffusion grâce à l’effet Doppler.
La qualité des mesures d’un SODAR est fortement influencée par les facteurs atmosphériques autres que le vent. Ainsi, la pluie affecte fortement les mesures d’un SODAR. [17] indique que la disponibilité de mesures de bonnes qualité d’un SODAR dépend de la saison (du fait du changement des conditions climatiques) et de la hauteur. La qualité des mesures du SODAR décroît avec la hauteur. De plus, le SODAR est sensible au bruit de fond qui introduit une erreur dans l’onde sonore rétrodiffusée. Dans [17], la limite supérieure de mesure du SODAR est de 15 m s−1. [18] utilise le ratio signal sur bruit (RSB) pour filtrer les mesures SODAR. Pour un RSB de 9, la corrélation entre les mesures SODAR et les mesures du mât est de 0,78 à une hauteur de 5 m et de 0,87 à u ne hauteur de 10 m [18]. 25 % des mesures SODAR ont un RSB de 9 à une hauteur de 5 m et 49 % à une hauteur de 10 m. Le taux de disponibilité relevé dans [17], qui est du même ordreque celui relevé dans [18], est insuffisant pour établir une description statistique fiable de la climatologie du site. [17] préconise une utilisation du SODAR en combinaison d’un anémomètre à basse altitude. LeSODAR sert, dans ce cas, à établir des profils de vent utilisables pour extrapoler les vitesses recueillies par l’anémomètre à la hauteur de la nacelle.
L’utilisation des SODAR dans le cadre de l’estimation du potentiel éolien se limite donc à un esti-mation en un point, comme c’est le cas pour les mâts, et à une es timation du profil vertical du vent. La connaissance du profil vertical du vent est importante pour l ‘extrapolation des vitesses d’une hauteur à une autre. Toutefois, l’apport des SODAR pour la cartographie du potentiel éolien à une hauteur fixée reste limité.
LIDAR
Le principe d’un LIDAR (LIght Detection And Ranging) est semblable à celui d’un SODAR à la différence que l’onde émise est une onde lumineuse. La mesur se base sur l’effet Doppler introduit par les aérosols transportés par le vent sur l’onde rétrodiffusée.
[19] et [20] présentent une évaluation des mesures de vent recueillies par des LIDAR. Ces mesures sont perturbées par la pluie. Quand ces mesures sont exclues, [19] indique une corrélation entre les mesures LIDAR et les mesures d’un mât à proximité variant de 0 ,96 à 0,98 selon la hauteur. [20] étudie les mesures d’un LIDAR en offshore. Il se contente cependant d’une évaluation qualitative des résultats montrant que les profils de vent établis à partir des mesures r ecueillies par le LIDAR sont similaires à ceux établir en utilisant les anémomètres installés sur unmât de mesure à proximité. Il ressort de ces études que les LIDAR peuvent fournir une information de qualité sur le profil de vent [19, 20]. Les LIDAR présentent un taux de mesures « valides » plus grandque celui des SODAR. Cependant, il est nécessaire d’installer ces instruments sur site et les mesures ne sont représentatives que d’une zone limitée autour du point de mesure.
Une utilisation d’un LIDAR sur site ne permet donc pas de cartographier le potentiel éolien. Elle per-met la connaissance du profil vertical. L’utilisation de LID AR spatioportés ou aéroportés peut permettre la cartographie. Le lancement du premier LIDAR spatioportéest prévu pour 2007 [21]. Ce LIDAR sera à bord de Aeolus, une mission de l’ESA. Il permettra de fournir des profils de vent à une résolution spatiale de 200 km, les mesures étant intégrées sur 50 km. Ce LIDAR permettra de mesurer le profil de vent. Ce LIDAR a, cependant, une résolution verticale trop grossière pour le secteur éolien. La résolution spatiale horizontale est trop grossière pour la cartographie du potentiel éolien.
Radars à ouverture réelle
[22] montre la possibilité de retrouver des cartes de vecteurs de vent en mer en utilisant un radar nautique. Habituellement, ces radars sont utilisés pour détecter des objets à la surface de la mer. Au large, ils opèrent à des fréquences de 3,0-3,1 GHz (Bande S).Ainsi, ils ont une grande couverture spatiale avec une résolution spatiale grossière. Près de la côte, ilsopèrent à des fréquences de 9,3-9,5 GHz ce qui assure une plus grande résolution spatiale. La résolution spatiale est alors de l’ordre de 10 m à une distance de 750 m de l’antenne. Le radar couvre une zone d’un rayon d’environ 2 km.
Pour retrouver la direction du vent, les stries à la surface d e la mer sont détectées dans les images radar. Ces stries sont alignées avec le vent. Elles ont des longueurs d’ondes plus grandes que celles des vagues de surface. En intégrant une séquence d’images radardans le temps (32 images dans [22], ce qui équivaut à une minute environ), les signatures des vagues de surface sont éliminées. La moyenne de la séquence des images est sous échantillonnée en utilisantune pyramide gaussienne. Les stries ont des échelles spatiales caractéristiques de quelques centaines de mètres. Elles sont donc recherchées dans les plans correspondants. Pour retrouver les vitesses de vent, [22] utilise un réseau de neurones.
Les mesures d’un radar nautique installé sur une plate-forme pétrolière à 200 km au large de la Norvège ont été utilisées par [22] pour l’évaluation de leurméthode. La corrélation des directions avec celles retrouvées par un mât installé sur la plate-forme estde 0,99, le biais est de 0,6˚ et l’écart type est de 14,2˚. Pour les vitesses de vent, si l’information sur la différence de température entre la mer et l’air est utilisée dans la phase d’apprentissage des réseaux de neurones, la corrélation est de 0,97, le biais est de 0,03 m s−1 et l’écart type est 0,85 m s−1. Si la différence de température air-mer n’est pas utilisée la corrélation est de 0,96, le biais reste négligeable (0,01m s−1) et l’écart type est de 0,97 m s−1. Cette méthode permettant de retrouver les champs de vecteurs de vent est appelée WiRAR. [23] a appliqué cette méthode à un des mesures acquises par un radar installésur la plate-forme de recherche FINO-I située au large des côtes allemandes. La comparaison des directions retrouvées à partir des données radars et celles d’un mât situé sur la plate-forme résulte enune corrélation de 0,98 des directions à partir des deux sources, un biais de 0,3˚ et un écart type de 13˚. Une corrélation de 0,96, un biais de 0,02 m s−1 et un écart type de 0,9 m s−1 sont trouvés pour les vitesses de vent.
Un inconvénient relevé dans [22] est l’absence de calibrageradiométrique ce qui implique une phase d’apprentissage des réseaux de neurones pour chaque instalation.
Les caractéristiques des mesures acquises par ce genre d’instruments répondent aux exigences de la cartographie de la ressource éolienne offshore. Toutefois, la zone couverte par le radar (d’environ 4 km × 4 km) est limitée. Il reste aussi le problème de l’installation de ces instruments sur le site prospecté et l’attente pendant une durée minimale d’un an avant de pouvoir effectuer la cartographie.
Radiomètres radars
Ces instruments sont passifs. Les mesures sont donc grandement influencées par les nuages et la pluie. Ils ont en outre une résolution spatiale trop grossière pour la cartographie du potentiel éolien.
La possibilité de mesurer la vitesse du vent par les radars radiomètres a été démontrée par le SMMR (Scanning Multichannel Microwave Radiometer) à bord de Sea sat [24]. Le SSM/I (Special Sensor Micro-wave/Imager) a permis d’accéder de manière opérationnelleà des mesures de vitesse de vent. L’analyse des mesures provenant de cet instrument ont montré qu’en plus de la vitesse du vent, il est possible de mesurer la direction du vent même si l’influence de la direction sur le signal est faible [25, 26]. L’ins-trument WindSat a été lancé en 2003 pour évaluer la possibilité d’accéder de manière opérationnelle au vecteur vent.
Dans [25], 3321 vitesses de vent retrouvées grâce à SSM/I son t comparées à des mesures de bouées proches. Une erreur quadratique moyenne (RMSE) de 1,59 m s−1 et un biais nul sont trouvés. La corré-lation entre les deux jeux de données est de 0,8. Avec une correction par la direction du vent, la RMSE est réduite à 1,3 m s−1 et la corrélation est de 0,85.
Les mesures recueilles par les radars radiomètres sont affectées par la pluie et les nuages. La com-paraison des mesures d’un radiomètre à celles d’un instrument moins sensible à la pluie le prouve. [27] compare les vitesse de vent retrouvées grâce à WindSat et cel les retrouvées grâce à un autre instrument de télédétection spatioporté. Cet instrument est QuikSCAT.C’est un radar diffusomètre. Ces instruments sont présentés dans la section 2.2.2.6 de ce chapitre. La comparaison est faite dans trois cas. Le cas 1 regroupe des paires de mesures WindSat-QuikScat situées à moins de 25 km l’une de l’autre et dont l’acquisition est faite à moins d’une heure d’intervalle. D ans le cas 2, sont éliminées les mesures où de la pluie est signalée. Dans le cas 3, ne sont gardées que les paires du cas 2 acquises à moins de 15 mi-nutes d’intervalle. La différence moyenne est de 0,22 m s−1 dans le cas 1, 0,07 m s−1 dans le cas 2 et 0,09 m s−1 dans le cas 3. L’écart type de la différence est de 3,43 m −s1 dans le cas 1, 1,72 m s−1 dans le cas 2 et 1,71 m s−1 dans le cas 3.
Les différents radiomètres spatioportés fournissent desartesc de vitesses du vent avec une résolution spatiale de quelques dizaines de kilomètres. Cette résolution spatiale est trop grossière pour la cartogra-phie du potentiel éolien offshore. En outre, l’influence de la pluie et des nuages sur les mesures recueillies par ces capteurs présente une grande limitation pour une utilisation systématique de ces mesures pour l’évaluation de la climatologie du vent sur une région donnée. Ces capteurs ne présentent que peu d’in-térêt opérationnel pour la cartographie du potentiel éolien.
Radars Altimètres
Le premier altimètre spatioporté a été lancé en 1973 à bord deSkylab [28]. L’objectif premier des altimètres était de mesurer la hauteur de l’océan.
Les mesures altimétriques sont faites au nadir du satellite, c’est à dire à angle d’incidence nul [29]. Le mécanisme de réflexion prédominant à ces angles est présenté en annexe de ce document. La trace au sol des différents altimètres spatioportés est indiquée tableau 2.2. Par exemple, ERS–2 couvre toute la surface planétaire en 35 jours sur une grille d’un pas de 7 km en latitude et 80 km en longitude [14].
[31] établit une relation entre le coefficient de rétrodiffusion et la vitesse du vent. Cependant, la faible couverture spatiale des altimètres, la faible répétitivité des mesures et l’absence d’information sur la direction constituent des limitations pour l’utilisation des données altimétriques pour l’établissement de statistiques de vent.
|
Table des matières
1 Introduction
1.1 Contexte du développement de l’éolien offshore
1.2 Les enjeux de la cartographie de la ressource éolienne
1.3 Objectif de la thèse
1.4 Démarche de la thèse
1.5 Structure du manuscrit
Bibliographie
2 Cartographie du potentiel éolien : mesures de vent, techniques de modélisation et moyens de cartographie
2.1 Cartographie du potentiel éolien
2.1.1 L’aspect spatial
2.1.2 L’aspect temporel
2.1.3 Conclusions sur les caractéristiques des mesures de vent nécessaires pour la cartographie du potentiel éolien offshore
2.2 Mesures du vent en mer
2.2.1 Mesures sur site
2.2.2 Mesure du vent en mer par télédétection
2.2.3 Conclusions sur l’adéquation des moyens de mesure du vent en mer et la cartographie du potentiel éolien
2.3 Modèles pour l’estimation du potentiel éolien
2.3.1 Extrapolation verticale des vitesses de vent
2.3.2 Modèles empiriques
2.3.3 Modèles statistiques
2.3.4 Modèles physiques
2.4 Conclusion
Bibliographie
3 Fusion de données pour l’évaluation du potentiel éolien
3.1 Fusion de données, notations et définitions
3.1.1 Définitions
3.1.2 Représentation d’une opération de fusion
3.2 Schéma de fusion pour la cartographie du potentiel éolien offshore
3.2.1 Hypothèses du schéma de fusion
3.2.2 Schéma de la méthode fusion
3.3 Fonction de transfert de la basse à la haute résolution spatiale
3.3.1 Analyse multi-échelle
3.3.2 Concept ARSIS
3.4 Conclusions
Bibliographie
4 Classification des champs de vent
Première partie : Introduction
Deuxième partie : A wind field classification scheme for generation of typical spatial patterns
4.1 Introduction
4.2 Classification scheme
4.2.1 Clustering method
4.2.2 Reassignment
4.3 Application to a case study : Irish Sea
4.3.1 Clustering and selection of the number of classes
4.3.2 Reassignment of the rare situations
4.3.3 Final results
4.4 Evaluation
4.5 Conclusions
Bibliography
5 Synthèse de la haute résolution spatiale
Première partie : Introduction
Deuxième partie : Fusion of SAR images and scatterometer data for wind resource assessment
5.1 Introduction
5.2 Data fusion method for offshore wind resource mapping
5.3 High spatial resolution wind fields synthesis
5.3.1 ARSIS concept
5.3.2 Synthesis of high spatial resolution wind fields
5.4 Application to some examples
5.4.1 Data presentation
5.4.2 Results
5.5 Quality assessment
5.6 Conclusion
6 Evaluation de la qualité de la méthode de fusion pour la cartographie du potentiel éolien
6.1 Introduction
6.2 Données utilisées et protocole d’évaluation
6.3 Analyse des résultats
6.3.1 Erreur sur les vitesses de vent
6.3.2 Erreur sur l’estimation des paramètres statistiques
6.4 Conclusions
Bibliographie
7 Conclusions et perspectives
A Mesures satellitaires du vent : physique de la mesure
A.1 Surface de la mer
A.2 Physique de la mesure des radars actifs
A.2.1 Équation radar
A.2.2 Réflexion spéculaire
A.2.3 Rétrodiffusion de Bragg
Bibliographie
Télécharger le rapport complet
