Le suivi de l’évolution du manteau neigeux est directement lié à des enjeux socio-économiques majeurs en zone de montagne. Parmi ces enjeux figure la prévision du risque d’avalanche qui s’appuie principalement sur des observations et sur la connaissance de l’état du manteau neigeux et de son évolution dans le temps. Dans cette thèse, co-financée par le CNES et par Météo- France, nous avons évalué l’apport d’observations de télédétection spatiale active micro-ondes issues du radar à synthèse d’ouverture (SAR) de Sentinel-1, pour suivre l’évolution de certaines propriétés du manteau neigeux. Dans un premier temps, nous avons évalué la chaîne de modélisation SAFRAN-ISBA/Crocus-MEMLS par rapport aux données Sentinel-1 pré-traitées sur 3 saisons hivernales de 2014 à 2017, sur une zone de 2310 km2 à 20 m de résolution dans les Alpes du Nord françaises. Nous avons montré que les données SAR étaient pertinentes pour suivre l’évolution du manteau neigeux et, avons démontré la capacité de la chaîne de modélisation à reproduire les variations du signal observé dans le temps malgré de forts biais négatifs en cas de neige humide. Nous nous sommes intéressés à la valeur ajoutée des observations SAR de Sentinel-1 pour cartographier la neige humide, c’est-à-dire, la neige avec un taux élevé d’eau liquide. Des comparaisons ont été effectuées entre les produits neige humide obtenus par Sentinel-1 et les produits neige de Sentinel-2 distribués par Theia. Cette étude a été menée sur la saison hivernale 2017-2018, qui a connu un enneigement exceptionnel. Ces travaux ouvrent la voie à l’assimilation de données de télédétection SAR dans le modèle de neige Crocus ainsi qu’à une plus grande exploitation de ces données dans le cadre du suivi de l’enneigement pour de multiples applications. / Monitoring snowpack properties in moutainous areas is directly related to major socio-economic issues. Among these issues, avalanche prediction works through a range of tools based on meteorological and snow observations and modeling. In this thesis, co-funded by the CNES and Météo-France, we evaluated the contribution of Sentinel-1 synthetic aperture radar (SAR) remote sensing observations to study the snowpack properties and the quality of the simulations for assimilation in a snowpack model. As a first step, we evaluated the SAFRAN-ISBA/Crocus- MEMLS modeling chain against pre-processed Sentinel-1 data for 3 winter seasons from 2014 to 2017 over an area of 2310 km2 in the Northern French Alps. We have shown that SAR data are relevant for monitoring snowpack evolution and demonstrated the ability of the modeling chain to reproduce observed signal variations despite strong negative bias in wet snow conditions. We focused on wet snow products derived from Sentinel-1 SAR observations in synergy with snow absence/presence products derived from visible Sentinel-2 observations. This study was conducted on the winter season 2017-2018, which was remarkable for its snow and avalanche conditions. Such combined products make it possible to follow the spatio-temporal variability of mountain wet snow and dry snow at high elevation. This work opens the way for the assimilation of SAR remote sensing data into the Crocus snowpack model as well as greater exploitation of this data in the context of avalanche snow monitoring and prediction for a variety of purposes.
Identifer | oai:union.ndltd.org:theses.fr/2019INPT0025 |
Date | 15 March 2019 |
Creators | Veyssière, Gaëlle |
Contributors | Toulouse, INPT, Karbou, Fatima, Morin, Samuel |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0022 seconds