No description available.

No description available.

Dans le contexte actuel du réchauffement climatique, l'une des principales sources d'incertitude pour l'élévation du niveau de la mer est la contribution de la calotte Antarctique. L'étendue et les conditions météorologiques extrêmes de ce continent font de la télédétection spatiale un moyen utile pour son suivi sur le long terme. Les observations satellites altimétriques et radiométriques dans la gamme des micro-ondes rendent compte de l'évolution des propriétés du manteau neigeux de la calotte. L'altimétrie radar, par des mesures répétées de l'élévation de la topographie de surface, permet de quantifier les variations de volume sur l'ensemble du continent. Cependant, la pénétration de l'onde radar dans la neige affecte négativement cette quantification. Les méthodes proposées pour minimiser les erreurs de pénétration sont toutes basées sur des relations avec le coefficient de rétrodiffusion radar. La compréhension des variations annuelles et inter-annuelles du coefficient de rétrodiffusion est nécessaire pour améliorer la précision de l'estimation de l'élévation de la surface donc du bilan de volume de la calotte. Cette thèse a pour objectif d'étudier le coefficient de rétrodiffusion mesuré par les altimètres sur l'ensemble du continent, sujet qui jusqu'à aujourd'hui a reçu peu d'attention. Les altimètres radars embarqués à bord d'ENVISAT (bandes S et Ku) et de SARAL/AltiKa (bande Ka) ont des sensibilités différentes aux propriétés de la neige. Nous nous sommes intéressés aux caractéristiques annuelles et inter-annuelles des coefficients de rétrodiffusion dans ces trois bandes. Une étude de sensibilité a été réalisée avec un modèle électromagnétique afin de déterminer les propriétés du manteau neigeux qui dominent le signal saisonnier. On montre que le signal saisonnier est sensible à la densité et la rugosité de surface dans la bande S, à la température de la neige dans la bande Ka et à l'une ou à l'autre de ces variables selon la région dans la bande Ku. Les caractéristiques saisonnières du coefficient de rétrodiffusion sont ensuite comparées à celles des températures de brillance acquises par les radiomètres à bord de SARAL et de SSM/I. Les résultats indiquent une influence significative de la rugosité de surface sur les températures de brillance de la bande Ka, influence souvent considérée négligeable dans la modélisation de la température de brillance. Cette étude apporte une meilleure connaissance de la dynamique saisonnière des propriétés de proche surface de la calotte Antarctique. Elle fournit de nouveaux indices pour développer dans le futur des algorithmes robustes de correction de l'erreur de pénétration. Elle met également en lumière l'importance des missions altimétriques multi-fréquences et les possibilités qu'offrent le signal de la bande S pour l'étude des variabilités saisonnières de la rugosité de surface. En définitive, la rugosité de surface est un paramètre important à prendre en compte pour obtenir de meilleures estimations et modélisations des coefficients de rétrodiffusion et des températures de brillance. / In the context of global climate changes, the Antarctic ice sheet contribution to sea-level rise is one of the main uncertainty sources. The extent and extreme meteorological conditions of this continent render remote sensing a useful tool for long term monitoring. Altimetry and radiometry observations in the microwave range reveal variations of the volume of the ice sheet and surface properties of the snowpack. Radar altimeters, provide repeated observations of the surface topography elevation, which allow the quantification of volume variations of the ice sheet. However, the penetration of radar waves in dry and cold snowpack adversely affects the estimated surface elevation. Approaches to minimize the penetration error are all based on a relationship with the backscattering coefficient. Understanding the annual and interannual variations of the backscattering coefficient is thus a key issue in order to improve the estimation accuracy of the surface elevation and to refine the ice-sheet volume trend. This thesis aims at studying the backscattering coefficients acquired by radar altimeters, which until now have received little attention. Radar altimeters on board ENVISAT (S and Ku bands) and SARAL/AltiKa (Ka band) have different sensitivities to the snowpack properties. The annual and interannual variations of the backscattering coefficient at the three bands is investigated. Sensitivity tests are carried out with an electromagnetic model to determine the prevailing snowpack properties that drive the signal. The seasonal signal is sensitive to surface density and roughness at S band, to snow temperature at Ka band and to either snow surface density and roughness or temperature depending on the location on the continent at Ku band. The seasonal signal of the backscattering coefficient is then compared with that of the brightness temperature measured by radiometers on SARAL and SSM/I. The results show a significant influence of surface roughness on brightness temperatures at Ka band, which has often been neglected in brightness temperature modeling studies. This thesis provides a better understanding of the seasonal dynamics of the near surface properties of the Antarctic ice sheet. It also provides new clues to build a more robust corrections of the penetration errors in the future. It highlights the importance of multi-frequency altimetry missions and the potential of the S band to study the seasonal variability in surface roughness. In summary, surface roughness is an important property which should be taken into account for a better modeling of backscattering coefficient and brightness temperature.

L'évolution des calottes polaires est régie à la fois par une dynamique d'écoulement complexe et par des mécanismes tel le glissement à la base, la température de la glace ou le bilan de masse en surface. De plus, de nombreuses boucles de rétroactions sont constatées entre les différents phénomènes impliquées. Tout ceci rend la modélisation de cette évolution complexe. Malgré tout, un certain nombre de modèles ont été développés dans cette optique. Ceux-ci font tous intervenir des paramètres influents qui dans certains cas sont peu ou pas connus. Ils nécessitent donc d'être correctement spécifiés. L'assimilation de données peut permettre une meilleure estimation de ces paramètres grâce à l'utilisation d'observations qui sont peu nombreuses en glaciologie. Dans cette thèse, nous nous intéressons à la mise en place de systèmes d'assimilation performants pour deux problèmes inverses concernant l'évolution des calottes polaires. Pour mieux nous concentrer sur ce point, nous avons travaillé avec un modèle d'évolution de calotte simplifié (appelé Winnie) qui, cependant, représente bien la plupart des processus complexes de la dynamique de la glace, et permet de travailler à différentes échelles de temps. Dans un premier temps, nous mettons en place une approche 4D-Var pour la reconstruction de l'évolution d'un paramètre climatique influant sur l'évolution d'une calotte sur une échelle de temps typique de 20 000 ans. Elle nécessite notamment l'écriture du code adjoint du modèle. Dans un second temps, nous nous intéressons au problème du spin-up. Ce problème de calibration du modèle pour des simulations à échelle de temps courtes (pas plus de 100 ans) consiste plus particulièrement en la reconstruction conjointe de l'état initial, de la topographie du socle rocheux et des paramètres de glissement basal. Nous développons ici une approche filtre de Kalman d'ensemble pour résoudre ce problème. / Ice sheet evolution is both driven by a complex flow dynamics and by physical mechanisms such as basal sliding, ice temperature or surface mass balance. In addition to those, many feedback loops are observed between the different implicated phenomena. That explains how complex is to model this evolution. However several models have been developed in that purpose. These models depend on influential parameters, which often are unfortunately poorly known. So they need to be correctly specified. Data assimilation can give a better estimation of these parameters thanks to observations which are quite rare in glaciology. In this thesis, we work on the setup of efficient data assimilation systems for two inverses problems involving ice sheet evolution. We work with a simplified ice sheet evolution model called Winnie in order to focus on the setup. Nevertheless Winnie takes into account the major complex processes of ice dynamics and can be used for studies with different time scales. The first part of the thesis focuses on developing a 4D-Var approach in order to retrieve the evolution of a climatic parameter for a typical time scale of 20 000 years. This approach require the implementation the adjoint code of the evolution model. In a second part, we focus on the spin-up problem. This calibration problem for short term (maximum 100 years) simulations involve retrieving jointly the initial state, the bedrock topography and basal sliding parameters. In order to solve this problem we develop an Ensemble Kalman Filter approach.

Because the earth's cryosphere influences global weather patterns and climate, the scientific community has had great interest in monitoring this important region. Microwave remote sensing has proven to be a useful tool in estimating sea and glacial ice surface characteristics with both scatterometers and radiometers exhibiting high sensitivity to important ice properties. This dissertation presents an array of studies focused on extracting key surface features from multisensor microwave data sets. First, several enhanced resolution image reconstruction issues are addressed. Among these are the optimization of the scatterometer image reconstruction (SIR) algorithm for NASA scatterometer (NSCAT) data, an analysis of Ku-band azimuthal modulation in Antarctica, and inter-sensor European Remote Sensing Satellite (ERS) calibration. Next, various methods for the removal of atmospheric distortions in image reconstruction of passive radiometer observations are considered. An automated algorithm is proposed which determines the spatial extent of sea ice in the Arctic and Antarctic regions from NSCAT data. A multisensor iterative sea ice statistical classification method which adapts to the temporally varying signatures of ice types is developed. The sea ice extent and classification algorithms are adopted for current SeaWinds scatterometer data sets. Finally, the automated inversion of large-scale forward electromagnetic scattering of models is considered and used to study the temporal evolution of the scattering properties of polar sea ice.