Estimation par satellite de l'humidité spécifique au dessus de l'océan par radiométrie hyperfréquence

• Main Author: Mbengue, Abdou Aziz
• Language: FRE
• Published: Université de Versailles-Saint Quentin en Yvelines 2009
• Subjects: [SDU:STU:OC] Sciences of the Universe/Earth Sciences/Oceanography; Humidité; Mesure; Radiométrie; Télédétection hyperfréquence; Météorologie par satellite; Réseaux neuronaux; Analyse de régression
• Online Access: http://tel.archives-ouvertes.fr/tel-00737712; http://tel.archives-ouvertes.fr/docs/00/73/77/12/PDF/THESE_ABDOU_MBENGUE.pdf

L'océan joue un rôle très important dans la régulation du climat de la terre à travers les échanges de chaleur avec l'atmosphère, qui se font en grande partie sous forme de Flux de Chaleur Latente (FCL). Ce dernier dépend notamment de l'humidité spécifique à quelques mètres au-dessus de la surface. Cette dernière variable est encore mal maîtrisée dans les modèles météorologiques, et trop peu d'observations sont disponibles à l'échelle du globe pour calculer des champs d'humidité et de flux de chaleur latente, pourtant nécessaires pour forcer les modèles océaniques, par exemple. Dans ce travail, on analyse le potentiel des données de télédétection spatiale pour estimer l'humidité de surface. L'intérêt majeur des satellites est qu'ils nous permettent d'observer l'ensemble des océans à une échelle temporelle de quelques jours seulement. Afin de restituer l'humidité spécifique, nous nous servons des données de températures de brillance mesurées par les radiomètres hyperfréquences AMSU-A (Advanced Microwave Sounding Unit - A) et AMSU-B embarqués à bord des satellites NOAA 15, 16 et 17. AMSU-A comporte 15 canaux entre 23.8 GHz et 89 GHz, avec une résolution de 48 Km, et AMSU-B comporte 5 canaux entre 89 GHz et 183.31 GHz, et a une résolution de 16 Km. Nous utilisons les radiomètres AMSU parce qu'ils possèdent un nombre important de canaux (20 canaux au total), dont certains sont sensibles à la vapeur d'eau. Malgré leur potentiel intéressant, les radiomètres AMSU ont jusqu'ici été peu exploités pour la restitution de l'humidité de surface. Deux approches sont utilisées pour faire cette restitution : la régression linéaire multiple et les réseaux de neurones artificiels. Grâce à cette dernière méthode, nous avons pu restituer l'humidité de surface avec une amélioration de 21.8% par rapport à l'algorithme de référence (Bentamy et al., 2003). Ceci se traduit par un écart rms de 0.86 g/kg, par rapport aux données de validation, qui sont les observations horaires des mouillages TAO et PIRATA. L'ensemble des résultats trouvés au cours de cette étude indique clairement que le satellite apporte un point de vue complémentaire par rapport aux modèles opérationnels et par rapport aux observations, vis-à-vis de l'humidité de surface.