2003

Thèse

FRANQUET Sarah

Contribution à l'étude du cycle hydrologique par radiométrie hyperfréquences : algorithmes de restitution (réseaux de neurones) et validation pour la vapeur d'eau (instruments AMSU, SAPHIR) et les précipitations (AMSU, radars au sol BALTRAD).

Directeurs.rices de thèses : Scott N.

Date 2003-03-03
Diplôme U. Paris VII

Fiche

Composition du jury

M Claude Klapisz, président
Mme Catherine Prigent, rapporteur
M David Staelin, rapporteur
Mme Laurence Eymard, examinateur
Mle Noelle Scott, directrice de thèse

Résumé

L’étude des grands processus qui gouvernent les cycles globaux de l’énergie et de l’eau requiert la connaissance, sur de longues séries temporelles, de la distribution 3-D de variables thermodynamiques telles que la température, la vapeur d’eau et son transport, la couverture nuageuse, les précipitations, etc.
Notre travail a porté plus spécifiquement sur la restitution 3-D de la vapeur d’eau et de la pluie à partir de mesures satellitaires (radiomètres multicanaux en hyperfréquence AMSU/NOAA, SAPHIR/MEGHA-Tropiques).
Nous avons adopté une technique « réseaux de neurones » (perceptrons multicouches). La méthode choisie, en « education supervisée », requiert de connaitre les entrées (mesures radiométriques) et les sorties associées (profils de vapeur d’eau). Des bases d’éducation ont été développées pour chacun des radiomètres en couplant un modèle de transfert radiatif direct à une base climatologique (base « TIGR » du LMD).
Dans cette étape, nous avons été amené à estimer puis améliorer les capacités du modèle de transfert radiatif direct : nous avons implanté des modèles d’émissivité de la mer récemment développés et publiés (UK MetOffice). Nous avons montré que l’ajout d’information a priori contribuait à la régularisation du problème inverse et améliorait les résultats. Des validations par comparaison à des radiosondages ou à des résultats d’algorithmes indépendants (NOAA/NESDIS/MSSPS) sont présentées. Pour la restitution du taux de pluie à partir de AMSU, il s’est agi de valider l’algorithme neuronal développé au MIT en l’appliquant à des scènes geophysiques non spécifiquement incluses dans la phase d’éducation (effectuée avec les radars Nexrad sur les USA). Nous avons traité la zone baltique avec, en référence, les composites Baltrad: nous avons trouvé des différences entre l’été (surestimation des pluies) et l’hiver (sous-estimation). Nous avons proposé une correction empirique simple : il faudrait cependant plus d’observations et sur une plus longue période pour que cette correction soit validée et facilement généralisable.

The study and understanding of relevant components of the Earth’s global water and energy cycle require the 3-D determination of geophysical parameters such as temperature, water vapor and its transport, cloud cover, rainfall,… This thesis specially focuses on the 3-D restitution of water vapor and precipitation from satellite remote sensing (AMSU/NOAA, SAPHIR/MEGHA-Tropiques microwave radiometers). The retrieval technique is based on neural networks (multi-layer perceptron MLP) for the retrieval of humidity profiles. This is performed through a supervised « training » of the network using a set of examples: brightness temperatures as inputs and associated humidity profiles as outputs. The training bases are developed for each instrument by coupling a forward radiative transfer model and a climatological database (‘TIGR’ database at the LMD).
In this process we have been brought to estimate and improve the forward model capabilities: we have implemented a recently developed and published emissivity model over sea (UK MetOffice).
We have shown that a priori information (auxiliary data) is a useful tool for the regularization of the inverse problem and also improve the results. Evaluation and validation with radiosondes or independent algorithms (NOAA/NESDID/MSPPS) are presented.
Concerning rainfall estimates from AMSU, we have done a validation of the neural net algorithm developed at the MIT over geophysical situations unknown to it (outside the training database built with Nexrad radars in the US). We focused on the Baltic region with Baltrad composites: the imagery differences are satisfactory, the quantitative comparisons are more difficult and in particular we have found overestimation of rain rate estimates for summer cases and underestimation for winter cases.

Commentaires

Aucun.