L'étude de la neige est un domaine important de la recherche en hydrologie et en météorologie. Il a été démontré que les propriétés physiques de la neige peuvent être récupérées en utilisant des capteurs à micro-ondes actifs. Cela nécessite une compréhension de l'interaction entre les ondes électromagnétiques (EM) et les milieux naturels. Dans ce but, le travail est divisé en deux étapes: étudier numériquement tous les modèles physiques de l'interaction onde-neige et développer un algorithme de diffusion inverse afin d’estimer la profondeur de la neige à partir de mesures de rétrodiffusion par un radar à des fréquences et angles d'incidence différents. L’objectif de la première partie consiste à effectuer les calculs de diffusion à l’aide d’un simulateur électromagnétique bien connu Ansoft High Frequency Structure Simulator (HFSS). Les simulations numériques prennent en considération: la permittivité effective de la neige, les phénomènes de diffusion surfacique dans des structures en couche des milieux homogènes (air-neige-sol) avec interfaces rugueuses ainsi que les phénomènes de diffusion volumique en traitant de la neige comme milieu dense. Par suite, le problème critique dans cette partie est de tester la validité des modèles théoriques à travers une configuration numérique adéquate.Dans la deuxième partie de ce travail, l'étude est étendue pour développer une méthode de récupération pour estimer l'épaisseur de la neige au-dessus du sol en utilisant la technique de mesures en rétrodiffusion en bande L et X (1,5 et 10 GHz) à des angles d'incidence différents. Le signal rétrodiffusé par la neige est influencé par: la diffusion surfacique, la diffusion volumique et les effets du bruit du système radar. Pour cela, le coefficient de rétrodiffusion du milieu est modélisé statistiquement en ajoutant un blanc bruit de fond gaussien (WGN) dans la simulation. Cet algorithme de diffusion inverse nécessite deux étapes de calcul. La première étape consiste à estimer la densité de la neige en utilisant le coefficient de rétrodiffusion co-polarisé en bande L à incidence normale. La deuxième étape consiste à estimer l'épaisseur de la neige à partir de coefficients de rétrodiffusion co-polarisés dans la bande X en utilisant deux différents angles d'incidence. Pour une variance de bruit de fond de 0,02, toutes les valeurs récupérées ont une erreur inférieure à 2% pour une gamme de profondeur de la neige de [50-300] cm. Cet algorithme a été vérifié par simulation à l'aide d’un logiciel de conception au niveau système, SystemVue. / Study of snow is an important domain of research in hydrology and meteorology. It has been demonstrated that snow physical properties can be retrieved using active microwave sensors. This requires an understanding of the interaction between electromagnetic (EM) waves with natural media. The objective of this work is two-fold: to study numerically all physical forward models concerning the EM wave interaction with snow and to develop an inverse scattering algorithm to estimate snow depth based on radar backscattering measurements at different frequencies and incidence angles. For the first part, the goal is to solve the scattering calculations by means of the well-known electromagnetic simulator Ansoft High Frequency Structure Simulator (HFSS). The numerical simulations include: the effective permittivity of snow, surface scattering phenomena in layered homogeneous media (air-snow-ground) with rough interfaces, and volume scattering phenomena when treating snow as a dense random media. So, the critical issue for the first part of this thesis is testing the validity of theoretical models through a careful numerical setup.For the second part, the study is extended to develop a retrieval method to estimate snow thickness over ground from backscattering observations at L- and X-band (1.5 and 10 GHz) using multiple incidence angles. The return signal from snow over ground is influenced by: surface scattering, volume scattering, and the noise effects of the radar system. So, the backscattering coefficient from the medium is modelled statistically by including a white Gaussian noise (WGN) into the simulation. This inversion algorithm involves two steps. The first is to estimate snow density using L-band co-polarized backscattering coefficient at normal incidence. The second is to estimate snow depth from X-band co-polarized backscattering coefficients using two different incidence angles. For a 0.02 noise variance, all retrieved values have an error less than 2% for a snow depth range of [50-300] cm. This algorithm was verified by simulating using Agilent’s SystemVue electronic system level design software.
| Identifer | oai:union.ndltd.org:theses.fr/2018GREAT055 |
| Date | 07 September 2018 |
| Creators | Mazeh, Fatme |
| Contributors | Grenoble Alpes, Université libanaise, Ndagijimana, Fabien, Jomaah, Jalal |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0013 seconds