Développement et validation d’un modèle global de houle basé sur les observations de Radar à Ouverture Synthétique en mode vague - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2012

Development and validation of a global observation-based swell model using wave mode operating Synthetic Aperture Radar

Développement et validation d’un modèle global de houle basé sur les observations de Radar à Ouverture Synthétique en mode vague

Résumé

The capability to observe ocean swell using spaceborne Synthetic Aperture Radar (SAR) has been demonstrated starting with ERS-1 mission in 1992. This dissertation shows how ocean swell properties can be used to combine swell observations of heterogeneous quality and acquired at various times and locations for the observation and forecast of ocean swell fieldsusing ASAR instrument on-board ENVISAT. The first section is a review of how ocean swell spectra can be derived from the SAR complex images of the ocean surface using a quasi-linear transformation. Then, significant swell heights, peak periods and peak directions from in situ measurements are used to assess the accuracy of the SAR observed swell spectra. Using linear propagation in deep ocean, a new swell field reconstruction methodologyis developed in order to gather SAR swell observations related to the same swell field. Propagated from their generation region, these observations render the spatio-temporal properties of the emanating ocean swell fields. Afterwards, a methodology is developed for the exclusion of outliers taking advantage of the swell field consistency. Also, using the irregularly sampled SAR observations, quality controlled estimations of swell field integral parameters are produced on a regular space-time grid. Validation against in situ measurements reveals the dramatic impact of the density of propagated observations on the integral parameters estimated accuracy. Specifically, this parameter is shown to be very dependent on the satellite orbit. Finally, comparisons with the numerical wave model WAVEWATCH-III prove it could potentially benefit from the SAR swell field estimates for assimilation purposes.
L’imagerie satellite radar propose un point de vue intéressant pour l’étude et la compréhension des océans. Là où l’altimétrie, reconnue et utilisée mondialement, a su s’imposer comme une source de données majeure, les observations de houle issues du SAR (de l’anglais « Synthetic Aperture Radar ») restent encore largement sous exploitées. L’objet de cette thèse est de promouvoir l’utilisation de ces données en proposant un modèle pour l’analyse et la prévision de la houle à l’échelle du globe qui soit indépendant des modèles numériques classiques comme Wavewatch-III. Ce travail s’inscrit dans une logique de pérennisation de la mesure de houle depuis l’espace avec le lancement dans les trois années à venir des trois missions satellites Sentinel-1 A et B et CFOSAT. Un des principaux résultats de ce travail est la capacité de la méthode développée à fournir une information plus précise que celle des modèles existants. Cette méthode permet également une meilleure caractérisation des mesures utilisées en entrée et des pistes d’amélioration de ces dernières sont dégagées pour les futures activités de calibration/validation. Ces travaux ouvrent également des perspectives sur les possibilités d’assimilation des sorties de ce nouveau modèle dans les modèles numériques classiques.
Fichier principal
Vignette du fichier
These-2012-EDSM-Oceanographie_physique-HUSSON_Romain.pdf (16.17 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Loading...

Dates et versions

tel-00863728 , version 1 (19-09-2013)

Identifiants

  • HAL Id : tel-00863728 , version 1

Citer

Romain Husson. Développement et validation d’un modèle global de houle basé sur les observations de Radar à Ouverture Synthétique en mode vague. Sciences de la Terre. Université de Bretagne occidentale - Brest, 2012. Français. ⟨NNT : 2012BRES0050⟩. ⟨tel-00863728⟩
368 Consultations
515 Téléchargements

Partager

Gmail Facebook X LinkedIn More