The snow cover (extent, depth and water equivalent) is an important factor in assessing the water balance of a territory. In a context of deregulation of electricity, better knowledge of the quantity of water resulting from snowmelt that will be available for hydroelectric power generation has become a major challenge for the managers of Hydro-Québec's generating plant. In fact, the snow on the ground represents nearly one third of Hydro-Québec's annual energy reserve and the proportion is even higher for northern watersheds. Snowcover knowledge would therefore help optimize the management of energy stocks.The issue is especially important when one considers that better management of water resources can lead to substantial economic benefits.The Research Institute of Hydro-Quebec (IREQ), our research partner, is currently attempting to optimize the streamflow forecasts made by its hydrological models by improving the quality of the inputs. These include a parameter known as the snow water equivalent (SWE) which characterizes the properties of the snow cover. At the present time, SWE data is obtained from in situ measurements, which are both sporadic and scattered and does not allow the temporal and spatial variability of SWE to be characterized adequately for the needs of hydrological models. This research project proposes to provide the Québec utility's hydrological models with distributed SWE information about its northern watersheds.The targeted accuracy is 15% for the proposed period of analysis covering the winter months of January, February and March of 2001 to 2006.The methodology is based on the HUT snow emission model and uses the passive microwave remote sensing data acquired by the SSM/I sensor. Monitoring of the temporal and spatial variations in SWE is done by inversion of the model and benefits from the assimilation of in situ data to characterize the state of snow cover during the season. Experimental results show that the assimilation technique of in situ data (density and depth) can reproduce the temporal variations in SWE with a RMSE error of 15.9% (R[subscript 2] =0.76).The analysis of land cover within the SSMI pixels can reduce this error to 14.6% (R[subscript 2] =0.66) for SWE values below 300 mm. Moreover, the results show that the fluctuations of SWE values are driven by changes in snow depths. Indeed, the use of a constant value for the density of snow is feasible and makes it possible to get as good if not better results. These results will allow IREQ to assess the suitability of using snow cover information provided by the remote sensing data in its forecasting models. This improvement in SWE characterization will meet the needs of IREQ for its work on optimization of the quality of hydrological simulations.The originality and relevance of this work are based primarily on the type of method used to quantify SWE and the site where it is applied.The proposed method focuses on the inversion of the HUT model from passive remote sensing data and assimilates in situ data. Moreover, this approach allows high SWE values (> 300 mm) to be quantified, which was impossible with previous methods. These high SWE values are encountered in areas with large amounts of snow such as northern Québec.

La caractérisation du couvert nival en forêt boréale est un élément important pour la compréhension des régimes climatiques et hydrologiques. Depuis plusieurs années, l’utilisation des micro-ondes passives est étudiée pour l’estimation de l’équivalent en eau de la neige (SWE : Snow Water Equivalent) à partir de capteurs satellitaires. Les algorithmes empiriques traditionnels étant limités en forêt boréale, le couplage d’un modèle de transfert radiatif (MTR) micro-onde passive (qui prend en compte les contributions du sol, de la neige, de la végétation et de l’atmosphère) avec un modèle de neige pour l’inversion du SWE semble une avenue prometteuse. La thèse vise donc à coupler un MTR avec le schéma de surface du modèle climatique canadien (CLASS) dans une perspective d’application opérationnelle pour les estimations de SWE à partir de données satellitaires micro-onde à 10.7, 19 et 37 GHz. Dans ce contexte, certains aspects centraux du MTR, dont l’effet de la taille des grains ainsi que la contribution de la végétation sont développés et quantifiés. Le premier aspect étudié dans la thèse concerne l’adaptation du modèle d’émission micro-onde passive DMRT-ML (Dense media radiative transfer theory – multi layer) pour l’intégration d’une nouvelle métrique représentant la taille des grains (surface spécifique des grains de neige: SSA). L’étude basée sur des mesures radiométriques et de neige in situ, montre la pertinence de l’utilisation de la SSA dans DMRT-ML et permet d’analyser le sens physique de l’adaptation nécessaire pour amener le modèle à simuler les températures de brillance (T[indice inférieur B) de la neige avec une erreur quadratique moyenne minimale de l’ordre de 13 K. Dans un contexte du couplage entre le modèle de neige de CLASS et DMRT-ML, un modèle d’évolution de la SSA est ensuite implémenté dans CLASS. Les SSA simulées par le module développé sont validées avec des données in situ basées sur la réflectance de la neige dans l’infrarouge à courte longueur d’onde pour différents types d’environnement. Au niveau de la contribution de la végétation, le modèle γ-ω a été étudié à partir de différentes bases de données (satellite, avion et au sol) en forêt boréale dense. L’étude montre l’importance de la considération de la diffusion (ω) pour l’estimation de l’émission de la végétation, paramètre auparavant généralement négligé aux hautes fréquences. Ensuite, des relations entre les transmissivités et certains paramètres structuraux de la forêt, dont l’indice de surface foliaire (LAI), ont été établies pour des forêts boréales en été. Des valeurs d’albédo de diffusion (ω) ainsi que les paramètres définissant la réflectivité du sol (QH) en forêt boréale ont aussi été inversées. Finalement, les simulations de T [indice inférieur] B issues du couplage du MTR (DMRT-ML, modèle γ-ω, et modèle atmosphérique) avec CLASS (dont les SSA simulées) ont été comparées avec les données AMSR-E sur une série temporelle continue de sept ans. Les premières comparaisons montrent une différence entre les paramètres de végétation (γ-ω) d’été et d’hiver, ainsi qu’une importante contribution des croûtes de glace dans la neige au signal. Les simulations du modèle ajusté montrent une bonne correspondance avec les observations d’AMSR-E (de l’ordre de 3 à 7 K selon la fréquence et la polarisation). Des tests de sensibilité montrent par contre une faible sensibilité du MTR/CLASS au SWE pour des forêts denses et des couverts nivaux épais. Le MTR-CLASS développé pourrait permettre l’assimilation de températures de brillance satellitaires en forêt boréale dans des systèmes opérationnels pour l’amélioration de paramètres de surface, dont la neige, dans les modèles météorologiques et climatiques.

L’estimation de l’équivalent en eau de la neige (ÉEN) en temps quasi-réel est un enjeu important pour Hydro-Québec. Le réseau de mesure au sol étant non homogène et de faible densité, ne permet pas un suivi adéquat de l’ÉEN. L’imagerie satellitaire pourrait être une alternative à ce problème. Le modèle HUT (Helsinki University of Technology) permet l’estimation de l’ÉEN à partir des données micro-ondes passives. Le premier objectif de ce projet était de comparer deux produits qui estiment l’ÉEN à partir du modèle HUT, mais avec deux procédures d’inversion différentes. Il s’agit du produit Grille Neige du Québec (GNQ) et le produit GlobSnow. Deuxièmement, l’étude a évalué le produit GNQ en fonction de la végétation, du climat et de la topographie. L’étude s’est portée sur la région des bassins versants de la Grande et du Manicouagan situés au nord du Québec, sur une période allant du 1er janvier au 31 mars des années 2006 à 2010. Les données in-situ utilisées sont les lignes de neige d’Hydro-Québec et les mesures d’ÉEN de l’Année Polaire Internationale (février 2008), qui concernaient les sites de Sept-Iles et Schefferville. Il s’agissait de calculer l’erreur quadratique moyenne, le biais et le R2 pour chaque produit par rapport aux données in-situ, puis d’analyser ces paramètres en fonction des valeurs de fraction forestière, de volume des tiges, des moyennes de température et des précipitations, ainsi que de l’ÉEN moyen mesuré et de la pente du terrain. L’analyse a été faite d’abord à l’échelle du bassin, puis à l’échelle de cinq bandes latitudinales de 1° de latitude du nord vers le sud. Pour toute la zone, cette étude a démontré la supériorité de GNQ (RMSE=31%) par rapport à GlobSnow (RMSE=43%) pour un ÉEN moyen de 215 mm. Cependant cette supériorité décroit du nord vers le sud, où les produits deviennent similaires avec une RMSE = 45% et un biais de -90 mm pour un ÉEN moyen de 253 mm. Ceci pourrait être expliqué par l’effet de la densité de végétation caractéristique de la forêt boréale (fraction forestière > 45%), qui agit comme un masque au signal, et par l’effet d’un ÉEN > 250mm qui le sature. Pour le GNQ, l’effet combiné de la température et des précipitations joue un impact sur l’estimation de l’ÉEN, alors que le relief, plat en général, n’a pas montré un impact significatif. Pour conclure, le produit GNQ montre de meilleurs résultats que le produit GlobSnow, mais cette efficacité est limitée pour les régions ayant une végétation dense et un ÉEN très élevé. / Abstract : The monitoring of snow water equivalent (SWE) in near real time is an important challenge for Hydro-Quebec. Measurement networks do not allow adequate monitoring of the SWE. Passive microwave remote sensing could be an alternative to overcome this problem. The HUT (Helsinki University of Technology) model allows the estimation of the SWE from passive microwave data. The first purpose of this project was to compare two products that estimate the SWE using the HUT model, but with different inversion approaches. The first product is Quebec Snow Grid (GNQ) produced by Hydro-Quebec, and the second product is GlobSnow. The second objective of this study was to evaluate the GNQ product with regards to environmental variables (vegetation cover fraction, stem volume, climate and topography). The study area is located at La Grande and Manicouagan watersheds in northern Quebec. The study period was from 1 st January to 31 March of the years 2006 to 2010. The SWE data estimated by the two products were compared to Hydro-Quebec's insitu snow line data and to 2008 International Polar Year field campaign’s SWE measurements in Sept-Iles and Schefferville. The methodology of this work consisted in calculating the RMSE (Root Mean Square Error), bias and R2 for each product, relative to the in-situ data; and then analyze these parameters according to forest fraction, stem volume, mean temperatures, precipitation, as well as the mean measured SWE and the slope of the terrain. This was done, first for the study area, and then at the scale of five latitudinal bands of one degree latitude from north to south, which divide the study area. This study demonstrated the superiority of GNQ (RMSE = 31%) compared to GlobSnow (RMSE = 43%) for an average SWE of 215 mm over the entire study area. However, the performance decreases from north to south, where both products become quite similar, with RMSE = 45% and a bias of -90 mm for an average SWE of 253 mm. This could be explained by the effect of the vegetation density characteristic of the boreal forest (forest fraction> 45%), which acts like a mask for the signal, and by the higher SWE values (> 250 mm) which saturates it, hence the underestimation of the SWE. A combined effect of temperature and precipitation that had an impact on the SWE estimate was found for GNQ product. The relatively flat relief did not have a significant impact on the estimation of the SWE. Globally, GNQ shows better results than GlobSnow, but its capacity is limited for dense vegetation and thick snowpack.