Soutenance mémoire
Les observations par satellites
Les satellites sont des outils puissants pour observer la Terre globalement et de manière répétée dans le temps. Leurs données sont utilisées tous les jours pour prévoir le temps, prévenir des risques et étudier la Terre.
Il existe une grande variété de types d’observations satellites. Certaines peuvent être actives c’est-à-dire qu’un signal est envoyé vers la Terre, réfléchi puis mesuré par le satellite ; d’autres peuvent être passives, c’est-à-dire qu’aucun signal n’est émis par l’instrument satellite, seul le signal naturellement émis, réfléchi ou diffusé par la Terre et son atmosphère est mesuré. Les instruments à bord des satellites mesurent des signaux qui peuvent aller des fréquences radios aux fréquences visibles. La Figure I.3 illustre les fréquences des ondes électromagnétiques avec leurs longueurs d’onde respectives et leur absorption par l’atmosphère terrestre. On observe que l’absorption par l’atmosphère varie en fonction de la fréquence. A certaines fréquences, l’atmosphère est complètement opaque (elle absorbe tout le signal) et empêche l’observation de la surface de la Terre. En fonction des fréquences, les informations que l’on peut déduire du signal mesuré sont différentes (la sensibilité à une variable ou la résolution spatiale des observations va dépendre de la fréquence, de la polarisation et de l’angle d’observation). Pour chaque variable que l’on veut observer, le choix du type de technique d’observation utilisé est donc primordiale, chacune montrant des avantages et inconvénients.
Les mesures à l’échelle globale des variables océaniques et de glace de mer, telles que la température de surface de la mer et la concentration en glace, peuvent être dérivées des observations satellites visibles et infrarouges. Cependant, l’échantillonnage temporel des observations en visible et en infrarouge est problématique surtout dans les régions polaires ou tropicales caractérisées par une couverture nuageuse très persistante. En effet, à ces longueurs d’onde, les nuages empêchent une mesure de la surface de l’océan. Plus de 70% de la surface de la Terre est obscurcie par les nuages à tout moment en moyenne sur le globe [Chelton and Wentz, 2005] avec un défi particulier dans les régions tropicales et polaires. La Figure I.4 illustre la Terre le 1 er janvier 2019 vue par le satellite MODIS (Moderate Resolution Imaging Spectroradiometer ) observant dans le domaine visible. On remarque la présence importante de nuages à l’échelle globale et l’absence d’observations sur le pôle Nord due à la nuit polaire complète en hiver. Les observations micro-ondes basses fréquences offrent un avantage considérable car elles ne sont que très peu sensibles à l’atmosphère et ne dépendent pas de la lumière du soleil. Cela permet une observation de la surface en tout temps c’est-à-dire même en présence de nuages. Les mesures micro-ondes passives à basses fréquences entre 1,4 et 37 GHz fournissent des variables océaniques et de glace de mer telles que la température, la vitesse du vent, la salinité et la concentration en glace, même par temps nuageux et la nuit.
Les observations micro-ondes passives pour l’observation des océans et de la banquise
En observations micro-ondes passives, le rayonnement mesuré par le satellite est une température de brillance (TB). Pour un objet qui a une température physique donnée on peut définir une émissivité e qui correspond à la température de brillance divisée par la température physique.
La future mission satellite en micro-ondes passives CIMR
Les observations satellites actuelles des radiomètres micro-ondes passifs sont limitées dans leur application en raison de leur faible résolution spatiale aux basses fréquences (∼32 x 64 km à 6,9 GHz avec l’instrument AMSR2). Les variabilités méso- et sous-mésoéchelles des produits ne sont pas saisies et, dans un rayon de plusieurs dizaines de km de la côte ou des marges de glace de mer, les observations sont contaminées par la terre ou la glace. De plus, il n’y a aujourd’hui aucune garantie de la poursuite des mesures des radiomètres micro-ondes à basses fréquences, ni à 6,9 et 10,65 GHz après AMSR2 [Imaoka et al., 2010], ni à 1,4 GHz après SMOS et SMAP.
Estimation des paramètres océaniques
Introduction
L’observation de l’océan est importante pour la prévision océanique, la prévision numérique du temps (NWP pour Numerical Weather Prediction), la circulation océanique, l’analyse méso-échelle, l’étude et la modélisation du changement climatique. La température de surface de la mer (SST pour Sea Surface Temperature), la salinité de surface de la mer (SSS pour Sea Surface Salinity ) et la vitesse du vent océanique (OWS pour Ocean Wind Speed) sont des variables fondamentales pour la caractérisation de l’océan. Ces variables peuvent être extraites à partir de mesures micro ondes passives par satellite. Pour cela un modèle de transfert radiatif (RTM pour Radiative Transfer Model ) est nécessaire afin d’interpréter la température de brillance observée depuis le satellite en termes de SST, SSS et OWS. Dans ce premier chapitre, nous étudierons les modèles de transfert radiatif pour l’océan qui permettent à partir des paramètres caractéristiques de l’océan (SST, SSS, OWS) de modéliser l’émissivité de surface de l’océan jusqu’à la température de brillance mesurée depuis le satellite par l’instrument micro-onde passif.
La Section 2.1 sera consacrée à la description théorique des modèles de transfert radiatif océaniques. Habituellement, les modèles de transfert radiatif océaniques sont développés pour une application et/ou des instruments spécifiques, c’est-à-dire une gamme sélectionnée de fréquences et d’angles d’incidence. Avec la mission CIMR [Kilic et al., 2018], les observations à 1,4 GHz (bande L) seront combinées aux observations à 6,9, 10,6, 18,7 et 36,5 GHz (bandes C, X, Ku et Ka) pour la première fois, et fourniront des mesures de SST, de SSS et d’OWS coïncidentes. Jusqu’à présent, les modèles de transfert radiatif océaniques existants ne sont pas conçus pour des applications combinant des observations à 1,4 GHz avec des fréquences micro-ondes plus élevées de 6,9 à 89 GHz. Dans la Section 2.2 de ce chapitre, nous proposons de comparer avec les observations satellites trois modèles de transfert radiatif océaniques pour des gammes de fréquences allant de 1,4 à 89 GHz. Les RTMs océaniques sélectionnés sont : (1) le modèle rapide FASTEM (FAST Microwave Emissivity Model) développé au UK Met Office [Liu et al., 2011], (2)
le modèle semi-empirique de RSS (Remote Sensing System), développé avec des observations SSM/I et WindSat pour les fréquences entre 6 et 89 GHz [Meissner and Wentz, 2004, 2012] et avec Aquarius à 1,4 GHz [Meissner et al., 2014, 2018], et (3) le modèle physique du LOCEAN développé pour la mission SMOS [Dinnat et al., 2003, Yin et al.
Enfin la Section 3 sera dédiée à la description de la méthode d’inversion pour estimer les paramètres océaniques. La méthode d’inversion par estimation optimale sera présentée avec la méthode pour calculer les erreurs théoriques d’inversion. La sensibilité aux paramètres à des fréquences allant de 1.4 à 89 GHz seront étudiées. Puis les erreurs d’inversion seront évaluées pour différentes gammes de SST, de SSS et d’OWS et pour des situations réelles en Atlantique Nord et globalement. Le potentiel de la future mission CIMR sera comparé aux missions existantes AMSR2 et SMAP.
Contribution du vent
Généralement la surface de la mer n’est pas plate. Elle est composée de vagues induites par l’action du vent et qui la rendent rugueuse. La surface de la mer peut être modélisée comme un ensemble de facettes inclinées avec des pentes Su et Sc dans le sens du vent de face (direction dans le sens du vent en anglais upwind ) et du vent de travers (direction transverse au vent en anglais crosswind ). La fonction de densité de probabilité de ces pentes P (Su, Sc ) peut être exprimée en première approximation comme une fonction gaussienne bidimensionnelle où σ u et σc sont les variances des pentes.
Modèles d’écume
Lorsque l’énergie accumulée devient trop grande les vagues formées par l’action du vent se brisent et de l’écume apparaît. Cette écume n’a pas les mêmes propriétés que l’eau de mer, c’est un ensemble de bulles d’air de rayons différents et sur une épaisseur qui peut varier. L’écume impacte donc le rayonnement émis par l’océan et doit être prise en compte dans le calcul de l’émissivité de surface de l’océan. Les modèles d’écume se décomposent en deux parties, la première consiste à évaluer le pourcentage d’écume présent à la surface de l’océan et la deuxième partie consiste à évaluer l’émissivité de l’écume.
La couverture d’écume de la surface de la mer dépend de la vitesse du vent. Plus le vent est fort, plus la fraction d’écume est importante. D’après Monahan and O’Muircheartaigh [1980], la fraction d’écume est exprimée selon une loi de puissance :
Comparaisons des modèles océaniques de transfert radiatif avec les observations satellites
Pour l’estimation de la SST, de la SSS et de l’OWS, l’incertitude sur le paramètre estimé dépend de la sensibilité à ce paramètre, du bruit de l’instrument, de la précisiondu RTM océanique utilisé et de l’incertitude sur les données auxiliaires. La Figure II.10 illustre la sensibilité aux différents paramètres (SST, OWS et SSS). Plus le jacobien est faible, plus la contrainte sur la précision du RTM et sur le bruit de l’instrument est grande pour avoir une petite incertitude sur le paramètre estimé. Sachant que les utilisateurs de SST ont besoin d’une incertitude de l’ordre de 0,2 K sur la SST cela signifie une incertitude de 0,12 K ou moins sur la température de brillance, selon les jacobiens de SST à 6,9 GHz pour un état océanique typique. Pour la SSS, la précision cible est de 0,1-0,2 psu [Boutin et al., 2016] cela signifie une précision de 0,06-0,12 K sur la TB, selon le jacobien de SSS à 1,4 GHz, pour un état océanique typique. Et pour une incertitude de 1 m/s sur l’OWS, une incertitude de 1,0 K est requise sur la TB à 36 GHz [Meissner and Wentz, 2012].
Dans cette section différents modèles de transfert radiatif océaniques sont évalués en comparant leurs simulations avec les observations satellites entre 1,4 et 89 GHz. Leurs précisions en fonction de la SST, de la SSS, et de l’OWS sont présentées afin de mettre en évidence les limitations des modèles et de choisir par la suite le modèle le plus approprié pour l’inversion en fonction du paramètre à restituer et des fréquences utilisées.
Présentation des modèles comparés
Trois modèles de transfert radiatif sont comparés : le modèle du LOCEAN qui est un modèle physique, FASTEM qui est une régression linéaire rapide entraînée sur les sorties d’un modèle physique deux échelles et le modèle de RSS qui est un modèle principalement ajusté sur des observations.
Le modèle du LOCEAN a été implémenté par Emmanuel Dinnat et Xiaobin Yin au LOCEAN [Dinnat et al., 2003, Yin et al., 2016]. Il est dérivé du modèle à deux échelles de Yueh [1997]. Il est composé du modèle de constantes diélectriques de Klein and Swift [1977], du modèle du spectre de vagues de Durden and Vesecky [1985] avec un coefficient d’amplitude multiplié par 1,25 [Yin et al., 2012], et du modèle de couverture d’écume de Yin et al. [2016]) avec le modèle d’émissivité de l’écume de Anguelova and Gaiser [2013]. Ce modèle est ajusté pour la bande L et utilisé pour l’estimation de la salinité avec SMOS.
Pour le modèle FASTEM, la version 5 distribuée avec RTTOV est utilisée. Le modèle de constantes diélectriques est celui de Liu et al. [2011]. Le modèle de spectre de vagues est celui de Durden and Vesecky [1985] avec un coefficient d’amplitude multiplié par 2. Le modèle de couverture d’écume vient de Monahan and O’Muircheartaigh [1986] et l’émissivité de l’écume est celle décrite dans Liu et al. [2011].
Le modèle de RSS est décrit dans Meissner and Wentz [2012]. Il est composé pour du modèle de constantes diélectriques décrit dans Meissner and Wentz [2004] et ajusté dans Meissner and Wentz [2012]. L’émissivité induite par le vent est décrite par un polynôme paramétré sur des observations satellites, au lieu d’utiliser la combinaison d’un spectre de vagues, d’une couverture d’écume et d’une d’émissivité d’écume. Dans le modèle RSS, il y a deux paramétrisations de l’émissivité du vent : une entre 6 et 90 GHz basée sur les observations WindSat et SSMI [Meissner and Wentz, 2012], et une à 1,4 GHz basée sur les observations Aquarius [Meissner et al., 2014, 2018].
Comparaisons des modèles de transfert radiatif en fonction des variables océaniques
Les erreurs systématiques entre les TBs observées de SMAP et de AMSR2 et les TBs simulées avec les différents RTMs océaniques sont estimées. La valeur moyenne de la différence entre les TBs observées et les TBs simulées pour chaque canal est calculée en filtrant les vents supérieurs à 7 m/s. La Figure II.12 montre ces erreurs systématiques et leurs écarts types respectifs pour chaque canal et chaque RTM océanique. Les erreurs systématiques entre les observations et les simulations peuvent provenir de problèmes de calibrations des instruments, des données utilisées en entrées pour exécuter les RTMs, de la colocalisation des données, ou des RTMs océaniques eux-mêmes.
Les erreurs systématiques entre les observations SMAP et les simulations des RTMs sont faibles (< 0.9K) (voir Figure II.12). Peng et al. [2017] ont testé la calibration de SMAP et ont trouvé un décalage de 0,21 K sur l’océan avec les observations SMOS, montrant ainsi que les instruments sont bien calibrés. Les erreurs systématiques estimées entre les observations AMSR2 et les simulations des RTMs sont beaucoup plus importantes qu’avec SMAP. La calibration de AMSR2 a été étudiée par Alsweiss et al. [2015] et Okuyama and Imaoka [2015]. Ils ont trouvé des biais allant jusqu’à 5 K selon le canal sur l’océan entre AMSR2 et TMI (en utilisant la méthode de la double différence). Par conséquent, l’instrument AMSR2 ou TMI présente un problème d’étalonnage. Les erreurs systématiques calculées sont différentes d’un RTM océanique à l’autre, ce qui signifie qu’il existe d’importantes différences entre eux et que certains introduisent plus d’erreurs que d’autres.
Restitution et erreurs d’inversion
Dans cette section les erreurs d’inversion sur les paramètres océaniques (SST, SSS, OWS) sont évaluées. Cette étude a été réalisée dans le cadre du développement de la mission CIMR afin d’évaluer et comparer les performances de cette future mission en micro-ondes passives avec les missions similaires actuelles (SMAP, AMSR2). Les caractéristiques des différentes missions évaluées ici sont données dans le Tableau II.4. Les fréquences, l’angle d’observation, les résolution spatiales et les bruits instrumentaux y sont renseignés.
Sensibilité aux paramètres océaniques
Tout d’abord, la matrice jacobienne K doit être estimée. Sa dimension est le nombre de canaux utilisés pour l’extraction multiplié par le nombre de paramètres à estimer. Ses éléments sont les jacobiens des températures de brillance pour les canaux et paramètres considérés, c’est-à-dire la dérivée de la température de brillance à la fréquence considérée, par rapport au paramètre à estimer.
Pour estimer les jacobiens, un modèle direct (noté F(x) dans l’Equation (II.3)) est nécessaire. Pour l’océan, des modèles de transfert radiatif pour simuler la température de brillance de l’océan ont été présentés précédemment. Dans cette section, nous utilisons le RTM océanique du LOCEAN. La contribution atmosphérique au signal est estimée à l’aide du modèle de transfert radiatif communautaire RTTOV (version 12) [Saunders et al., 1999, 2018]. Il inclut l’absorption due à la vapeur d’eau et à l’oxygène, ainsi que l’impact radiatif total dû à l’eau nuageuse liquide.
La sensibilité de la TB à la SST, la SSS et l’OWS est estimée pour différentes conditions de surface et d’atmosphère, pour les deux polarisations orthogonales et pour un angle d’incidence de 55 ◦ . Les jacobiens sont calculés en utilisant des différences finies.
Les Figures II.21 et II.22 présentent la sensibilité de la température de brillance de la mer à la SST et à l’OWS, pour deux TCWVs : une atmosphère subarctique (4 kg.m −2 ) et une atmosphère tropicale (40 kg.m −2 ), et pour deux TCLWs : un ciel clair (0 g.m −2 ) et avec des nuages représentant un total de 200 g.m −2d’eau liquide. Notez qu’une atmosphère avec un TCLW supérieur à ∼200 g.m −2 est susceptible de précipiter. La sensibilité à la SST est plus élevée en polarisation verticale qu’en polarisation horizontale. La polarisation verticale à 6,9 GHz fournit la meilleure sensibilité (Figure II.21), avec peu d’effets dus à l’OWS (Figure II.21) et à la SSS (Figure II.23). A 6,9 et 10,65 GHz, la sensibilité à la SST augmente avec la SST, avec pour conséquence que l’estimation pour les SSTs faibles sera moins précise que pour les SSTs élevées. L’effet de la vapeur d’eau et de l’eau liquide des nuages est limité en dessous de 18,7 GHz. A 36,5 GHz, la sensibilité à l’eau liquide est importante. Le jacobien de l’OWS est plus élevé pour la polarisation horizontale et il augmente avec la fréquence entre 1,4 et 18,7 GHz en absence de nuages. Comme pour la SST, l’impact de la vapeur d’eau et de l’eau liquide des nuages est limité jusqu’à 10 GHz.
La Figure II.23 montre la sensibilité à la SSS, pour différentes gammes de SSS et de SST. La sensibilité à la SSS est la plus élevée à 1,4 GHz : elle augmente avec la SST, ce qui signifie que l’estimation de la SSS est moins précise lorsque les SSTs sont faibles.
Nous avons également étudié la sensibilité au TCWV et au TCLW (Figure II.24) pour les différents canaux entre 1.4 et 36 GHz. Ils montrent une faible sensibilité jusqu’à 10 GHz.
Exemples sur des situations réelles
Les régions polaires (hautes latitudes) sont particulièrement vulnérables aux changements climatiques. Elles sont également couvertes de nuages et plongées dans la nuit pendant de longues périodes de l’année. Dans ces régions, il est nécessaire d’améliorer la qualité de l’information par tous les temps, d’obtenir une résolution spatiale élevée et d’extraire avec précision les variables relatives à l’océan à ces latitudes. Cependant, notre précédente analyse du contenu en information a confirmé que l’estimation des paramètres océaniques (SST et SSS) est particulièrement difficile dans ces zones, la sensibilité des observations à ces paramètres diminuant avec la SST.
Les performances de la mission CIMR sont estimées dans la région de l’Atlantique Nord pour la SST et la SSS, en termes d’erreurs d’inversion et de résolution spatiale, par rapport aux performances obtenues avec les instruments AMSR2 et SMAP. Comme discuté précédemment, la SST est estimée à la résolution spatiale correspondante au canal à 6.9 GHz et la SSS au canal à 1.4 GHz. Pour cette étude, on suppose les diagrammes d’antenne gaussiens avec une largeur de faisceau à demi-puissance correspondant à la résolution spatiale indiquée dans le Tableau II.4.
Une situation de l’Atlantique Nord durant le 15 juin 2008 est choisie. Elle comprend de la glace de mer et des effets côtiers complexes. Les champs océaniques et atmosphériques à une résolution spatiale de 2 km (SST, OWS et SIC) sont extraits des données du HIgh Resolution Limited Area Model (HIRLAM) de l’Institut météorologique norvégien pour une journée. Le TCWV et le TCLW sont fournis par les données ERA-Interim à une résolution spatiale de 0,125 ◦ (∼12 km). Les champs de SSS proviennent des données de réanalyse de Mercator à une résolution spatiale de 0,083 ◦ (∼8 km). Tous les champs de données sont reprojetés sur la grille HIRLAM.
Pour réaliser les cartes de performances (Figures II.28 et II.30), l’erreur théorique d’inversion est calculée pour chaque pixel séparément en utilisant les conditions environnementales locales. Pour la SST, les estimations de CIMR (avec les canaux de 1,4 à 36,5 GHz) sont comparées aux estimations de AMSR2 (avec les canaux de 6,9 à 89 GHz) avec leurs bruits respectifs pris du Tableau II.4. Pour la SSS, les estimations de CIMR (avec les canaux de 1,4 à 36,5 GHz) sont comparées aux estimations de SMAP (avec les canaux à 1,4 GHz).
Les effets dus aux côtes ou aux bords de la banquise sont également inclus en ajoutant un biais lié à la proportion de glace ou de terre dans le pixel considéré, et en tenant compte de la résolution spatiale des différents canaux. La terre et la glace de mer ont de grandes émissivités (proches de l’unité) par rapport à l’émissivité de l’océan. L’émissivité de la glace de mer est estimée à 0,98 [Gloersen et al., 1992, Markus and Cavalieri, 2004]. La valeur modale de l’émissivité de la surface terrestre est proche de 0,95 et cette valeur est sélectionnée pour notre évaluation ici. L’émissivité de la surface de la terre et de la glace de mer varie dans l’espace et dans le temps en fonction des propriétés de la surface [Prigent et al., 2006, Aires et al., 2011], mais nous présentons ici une estimation préliminaire des effets sur le littoral et sur la marge de glace. Une première approximation de l’erreur induite par la terre ou la glace est calculée à la résolution la plus fine de la simulation.
Ensuite, on fait la moyenne des erreurs en utilisant le champ de vue de l’instrument en supposant des modèles gaussiens, on obtient une carte de l’erreur d’inversion à la résolution spatiale de l’instrument.
La Figure II.28 présente les champs de SST et SSS pour le 15 juin 2008, avec les erreurs théoriques d’inversion sur la SST et la SSS obtenues avec CIMR et les missions actuelles (AMSR2 et SMAP). Les principales différences entre les erreurs théoriques sur la SST sont liées aux faibles bruits instrumentaux de CIMR par rapport à AMSR2. Comme attendu, on observe sur la Figure II.25 que la précision de l’inversion se dégrade pour les SSTs faibles, qui sont ici proches des bords de glace. La résolution spatiale de la SSS estimée avec CIMR est plus grossière que la résolution spatiale de SMAP, mais la précision de l’estimation est améliorée en raison du bruit instrumental plus faible sur le canal à 1,4 GHz de CIMR. Comme attendu, on observe sur la Figure II.27 que les erreurs d’inversion sur la SSS sont aussi plus grandes pour les SSTs froides
|
Table des matières
I Introduction
1 Contexte général
2 Les observations par satellites
3 Les observations micro-ondes passives pour l’observation des océans et de la banquise
4 La future mission satellite en micro-ondes passives CIMR
5 Plan de la thèse
II Estimation des paramètres océaniques
1 Introduction
2 Modèles directs de transfert radiatif micro-onde pour les variables océaniques
2.1 Théorie du transfert radiatif pour l’océan
2.1.a Constantes diélectriques
2.1.b Contribution du vent
2.1.c Spectres de vagues
2.1.d Modèles d’écume
2.1.e Transfert radiatif dans l’atmosphère
2.2 Comparaisons des modèles océaniques de transfert radiatif avec les observations satellites
2.2.a Présentation des modèles comparés
2.2.b Base de données développée pour la comparaison entre les modèles et les observations
2.2.c Comparaisons des modèles de transfert radiatif en fonction des variables océaniques
2.2.d Discussion
3 Restitution et erreurs d’inversion
3.1 Méthode
3.2 Sensibilité aux paramètres océaniques
3.3 Erreurs d’inversion
3.3.a Cas général
3.3.b Exemples sur des situations réelles
4 Conclusion
III Estimation des paramètres de la banquise
1 Introduction
2 Estimation de la concentration en glace
2.1 La méthode d’inversion par estimation optimale
2.2 Jeu de données d’observations satellites colocalisées sur des zones avec
0% et 100% de concentration en glace
2.3 Sensibilité de l’estimation de la concentration de glace de mer aux hypothèses de la méthode d’inversion
2.3.a Sélection des combinaisons de canaux
2.3.b Impact des points de rattachement sur l’estimation de la concentration en glace de mer
2.4 Prise en compte des différentes résolutions spatiales
2.4.a La méthode de fusion de données
2.4.b Exemple sur une scène théorique
2.5 Evaluation de la méthode d’inversion de la concentration en glace
2.5.a Présentation des produits de concentration en glace
2.5.b Analyse de la nouvelle méthode pour différentes combinaisons de fréquences
2.5.c Distributions des concentrations en glace et points de rattachements
2.5.d Evaluation des méthodes de prise en compte des différences de résolutions spatiales
2.5.e Résultats à grande échelle pour les pôles Nord et Sud en conditions nuageuses
3 Estimation de l’épaisseur de neige, de la température de l’interface neige-glace et de la température effective de la banquise
3.1 Jeux de données et méthodologie
3.1.a Jeu de données d’observations par satellites colocalisées avec des mesures in situ
3.1.b Jeu de données de température effective et température de brillance simulée à partir des propriétés de la glace de mer
3.1.c Une méthodologie basée sur une suite de régressions multi-linéaires
3.2 Estimation de l’épaisseur de neige
3.2.a Régression multi-linéaire pour l’estimation de l’épaisseur de neige
3.2.b Résultats de l’estimation de l’épaisseur de neige
3.3 Estimation de la température d’interface neige-glace
3.3.a Détection automatique de la position de l’interface sur les profils de température mesurés par des bouées
3.3.b Corrélation entre la température de brillance et la température de l’interface neige-glace
3.3.c Régressions linéaires pour estimer la température de l’interface neigeglace
3.3.d Résultats de l’estimation de la température de l’interface neige-glace
3.4 Estimation de la température effective de la glace de mer
3.4.a Estimations des biais entre le modèle et les observations
3.4.b Régression linéaire entre la température effective et la température de l’interface neige-glace
3.5 Exemples d’estimation de l’épaisseur de neige et de la température d’interface neige-glace durant l’hiver 2015-2016
4 Conclusion
IV Conclusion et perspectives
1 L’estimation des paramètres de surface de l’océan
2 L’estimation des paramètres de surface de la banquise
3 L’évaluation des performances de la future mission CIMR
4 Perspectives
4.1 Le développement d’un nouveau modèle de transfert radiatif physique pour l’océan
4.2 L’étude de la banquise
4.3 Les futures missions micro-ondes passives européennes
A Article : Expected Performances of the Copernicus Imaging Microwave Radiometer (CIMR) for an All-Weather and High Spatial Resolution Estimation of Ocean and Sea Ice Parameters
B Article : Estimating the snow depth, the snow–ice interface temperature, and the effective temperature of Arctic sea ice using Advanced Microwave Scanning Radiometer 2 and ice mass balance buoy data
C Article à soumettre : Comparisons of Ocean Radiative Transfer Models with SMAP and AMSR2 Observations
D Glossaire
Bibliographie
