Cette thèse traite de la variabilité temporelle intrinsèque de l'éclairement solaire reçu au sol. Les échelles caractéristiques de variabilité sont mises en évidence par l'analyse de longues séries temporelles de moyennes journalières de l'éclairement, pour différents endroits du monde, issues de mesures pyranométriques au sol, d'estimations satellitaires ou de réanalyses météorologiques .Compte-tenu de la nature non linéaire et non stationnaire des données, la transformée adaptative de Hilbert-Huang est utilisée comme outil d'analyse pour tenir compte de la diversité de ces échelles temporelles. On montre ainsi la nature variable des échelles caractéristiques et de leur intensité, ainsi que leur dépendance vis-à-vis du climat.L'application d'une technique adaptative de ré-échantillonnage fractionnaire montre la juxtaposition d'une composante déterministe et d'une stochastique. Pour tous les jeux de données, le cycle annuel déterministe représente la plus grande partie de la variabilité. Toutes les séries temporelle contiennent une composante de variabilité stochastique à haute fréquence, qui est modulée en amplitude par le cycle annuel.L'approche permet également d'évaluer, échelle par échelle, les performances des estimations satellitaires ou issues de ré-analyses par comparaison avec des mesures pyranométriques au sol. Une étude de cas confirme que les estimations satellitaires surpassent les ré-analyses à toutes les échelles temporelles. / The center of focus for this PhD thesis is the intrinsic temporal variability of the surface solar irradiance (SSI). The characteristic time-scales of variability are revealed by analysing long-term time-series of daily means of SSI, such as ground measurements, satellite estimates, or radiation products from global atmospheric re-analyses, for different geographical locations around the world.To account for the wide range of the time-scales of variability, and given the non-linear and non-stationary nature of the data, the adaptive, data-driven Hilbert-Huang Transform is employed as an analysis tool. The time-varying nature of the characteristic time-scales of variability, along with variations in intensity, are thus revealed.An adaptive fractional re-sampling technique is used to discriminate between the deterministic and the stochastic variability constituents. For all datasets, the deterministic yearly cycle is found to account for the largest part of variability. Furthermore, all time-series are found to contain a high-frequency stochastic variability component, that exhibit cross-scale amplitude modulation by the yearly cycle.A refinement to existing methods for assessing the fitness for use of surrogate SSI products in lieu of ground measurements is also proposed. A case study confirms that satellite estimates outperform re-analyses across all time-scales.
| Identifer | oai:union.ndltd.org:theses.fr/2017PSLEM084 |
| Date | 12 July 2017 |
| Creators | Bengulescu, Marc |
| Contributors | Paris Sciences et Lettres, Wald, Lucien, Blanc, Philippe |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0021 seconds