De plus en plus de données satellitales ou aéroportées acquises au dessus de la surface de la mer sont disponibles notamment dans la gamme micro-ondes. Pour interpréter correctement ces données, il est nécessaire de disposer d'une part d'un modèle de diffusion qui soit capable de prendre en compte l'aspect multi-échelles de la surface de mer et d'autre part une bonne représentation spectrale de la surface de mer. Ces dernières années, plusieurs modèles de diffusion électromagnétiques unifiés (capables de prendre en compte la diffusion électromagnétique pour les petites et grandes vagues) ont été développés sous statistiques gaussiennes de la surface de mer. Cependant, ces modèles sont insuffisants pour interpréter les observations lorsque différents jeux de données (multi-bande et multi-incidence) sont confrontés. Le plus de cette thèse est de progresser dans une modélisation cohérente de ces données radar.La première étape est d'incorporer les aspects non-gaussiens de la surface de mer, connus pour influer significativement sur la section efficace de rétrodiffusion (SER). Cela est réalisé dans le cadre du modèle électromagnétique "Weighted Curvature Approximation » (WCA) en introduisant le kurtosis des pentes et en se limitant à la SER omnidirectionnelle et à la polarisation verticale.Ces corrections permettent une meilleure modélisation de la section efficace radar mais ne sont pas suffisantes pour obtenir un accord avec les données dans toutes les configurations (bande, incidence, vent). Cela suggère une amélioration nécessaire du spectre des vagues courtes, qui fait l'objet de la deuxième partie de ces travaux de recherche.Un nouveau spectre omnidirectionnel est calculé afin d'obtenir une meilleure modélisation de la SER omnidirectionnelle en polarisation verticale tout en respectant des contraintes a priori sur les pentes mesurées par des techniques optiques. Ce spectre s'avère assez semblable au spectre unifié d'Elfouhaily, avec quelques différences notables cependant dans la gamme des échelles décimétriques. / More and more micro-wave data are available from spatial and airborne measurements over sea surface. An accurate backscattering model which is capable of taking the multi-scale aspect of the sea surface into account, is required to model correctly the data as well as a precise sea spectrum. Several unified backscattering models have been developed in recent years under Gaussian statistics. However, these models are not able to give a correct modelization of the backscattered signal when different data sets are studied together. One of the objectives of this study is to improve the modelization of the backscattered signal to get better agreement with the data.The first step of this study is to include non Gaussian statistics into backscattering model as it is well known they have a significant impact on the normalized radar cross section (NRCS). Then, a non Gaussian version of the Weighted Curvature Approximation was developed taking the kurtosis of slopes into account. This work was based only upon vertical polarization.It is then shown that the corrections allow a better agreement with the data but they are not sufficient to get a good estimation of the NRCS for all incidences and electromagnetic frequencies. This induces the hypothesis of a modification of the short wave sea spectrum.Then, a new parametrisation of the omnidirectional sea spectrum is suggested to get a better agreement with the multiband data sets and is based on the spectrum developed by Elfouhaily et al. The new omnidirectional short wave sea spectrum is quite alike the Elfouhaily’s spectrum with some noticeable differences for the decimetric scales.
| Identifer | oai:union.ndltd.org:theses.fr/2012TOUL0009 |
| Date | 18 September 2012 |
| Creators | Bringer, Alexandra |
| Contributors | Toulon, Guérin, Charles-Antoine, Chapron, Bertrand |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0108 seconds