Vous êtes ici : UVSQ RechercheDoctoratSoutenances de thèse

«Application de méthodes neuronales pour l'amélioration d'un algorithme de restitution des précipitations par radiométrie micro−onde : préparation à la mission Megha−Tropiques» par Sahra Kacimi

Présentée par : Sahra Kacimi Laboratoire : LATMOS Discipline : Météorologie, Océanographie Physique et Physique de l'Environnement

Résumé :
Dans le contexte actuel de changement climatique, il est important de disposer de bons outils permettant d’estimer les précipitations à l’échelle du globe. La mission Megha-Tropiques dédiée à l’étude du cycle de l’eau et de l’énergie dans les Tropiques possède un radiomètre passif micro-ondes (MADRAS) qui collecte des informations sur l’eau atmosphérique sous toutes ses formes. Dans ce cadre, l’algorithme de restitution des précipitations instantanées appelé BRAIN, utilise une approche bayésienne pour estimer le taux précipitant à la surface grâce à sa base d’inversion. Cette étude s’intéresse à l’optimisation de BRAIN. Afin d’améliorer la qualité du produit restitué, cette étude se décompose en deux axes principaux. Tout d’abord, une nouvelle approche basée sur les réseaux de neurones a été mise en place afin d’améliorer le masque pluie non-pluie de l’algorithme qui est utilisé en amont de l’inversion. Deuxièmement, l’impact sur la restitution de la base de données et de certains paramètres d’inversion a été quantifié. Cette analyse a mené au développement d’une méthode de réduction de la base d’inversion permettant d’améliorer sa représentativité.

Abstract :
Within the framework of global warming, the estimation of rainfall is of great importance. The remote sensing of precipitation from space offers a unique way to analyse the earth atmosphere at a global scale. The Megha Tropiques mission which is dedicated to the study of water and energy cycle in the Tropics carries a passive microwave radiometer (MADRAS) that collects information on water vapor, liquid and frozen precipitations. The instantaneous rainfall retrieval algorithm for the Megha-Tropiques mission is called BRAIN. This algorithm uses a bayesian approach to retrieve the near-surface precipitation rate based upon its database. This study focus on the improvement of BRAIN and to get a more accurate rainfall restitution, two research axes were investigated. First a new approach based on neural networks was developed to improve the current rain/non rainy pixels screen that takes place before the retrieval itself. Second, the effect on retrieval of the database properties as well as other inversion parameters was evaluated. This analysis lead to the development of a database reduction method in order to improve its representativity.
Informations complémentaires
Ziad S.HADDAD, Directeur de Recherche, à la NASA - Laboratoire Jet Propulsion - Pasadena - Californie (Etats-Unis) - Rapporteur
Francisco J.TAPIADOR, Professeur des Universités, à l’Université de Castilla-La Mancha/Département des Sciences Environnementales - Tolède (Espagne) - Rapporteur
Yvon LEMAITRE, Directeur de Recherches, à l’Université de Versailles Saint-Quentin-en-Yvelines/Laboratoire Atmosphères, Milieux, Observations Spatiales (LATMOS)/Observatoire de Versailles Saint-Quentin-en-Yvelines (OVSQ) - Guyancourt - Directeur de thèse
Nicolas VILTARD, Chargé de Recherche, à l’Université de Versailles Saint-Quentin-en-Yvelines/Laboratoire Atmosphères, Milieux, Observations Spatiales (LATMOS)/Observatoire de Versailles Saint-Quentin-en-Yvelines (OVSQ) - Guyancourt - Co-Directeur de thèse
Bernard FONTAINE, Directeur de Recherche, au Centre de Recherches en Climatologie - Dijon - Examinateur
Sylvie THIRIA, Professeur des Universités, à l’Université Versailles Saint-Quentin-en-Yvelines/Laboratoire d’Océanographie et du Climat Expérimentation et Approches Numériques (LOCEAN) - Paris - Examinateur
Anne LIFERMANN, Chef de Projet, au CNES - Toulouse - Invité
Contact :
dredval service FED :