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.
| Identifer | oai:union.ndltd.org:usherbrooke.ca/oai:savoirs.usherbrooke.ca:11143/70 |
| Date | January 2014 |
| Creators | Roy, Alexandre |
| Contributors | Royer, Alain |
| Publisher | Université de Sherbrooke |
| Source Sets | Université de Sherbrooke |
| Language | French |
| Detected Language | French |
| Type | Thèse |
| Rights | © Alexandre Roy |
Page generated in 0.0016 seconds