Inversion et assimilation de données de télédétection

L’assimilation des observations météorologiques combine les observations avec un modèle numérique décrivant l’évolution de l’écoulement. Deux classes d’algorithmes, extensions heuristiques de principes linéaires et gaussiens à des situations faiblement non-linéaires et non-gaussiennes, sont utilisées dans la pratique météorologique : le filtre de Kalman d’ensemble et l’assimilation variationnelle. Les filtres particulaires, plus généraux dans leur principe, font l’objet de recherches actives.

Le suivi des flux et des réservoirs au centre des grands cycles continentaux est indispensable pour une bonne connaissance des ressources en eau, de la production agricole ainsi que pour la prévision du temps et du climat. L’utilisation d’observations pour « corriger » la trajectoire des modèles, incertains par nature, est indispensable. L’objectif de ce chapitre est de dresser un panorama des applications de l’assimilation de données spatiales au suivi des surfaces continentales.

Le comportement des feux de forêt à grande échelle est largement modélisé comme un problème de propagation du front de feu, où la principale grandeur physique d'intérêt est la vitesse de propagation du front de feu. Cette dernière est partiellement connue lors d'un incendie en raison des incertitudes des paramètres de combustible et des interactions feu/atmosphère induisant des erreurs de position du front de feu dans les prédictions du modèle. Ce chapitre présente un aperçu des approches d'assimilation de données infrarouges thermiques proposées dans la littérature et les perspectives pour la prévision et/ou la réanalyse du comportement des feux de forêt.

Avec les progrès récents de l'imagerie SAR et le nombre croissant de réseaux GNSS continus sur les volcans, ainsi que les avancés en modélisation des processus volcaniques, il est maintenant possible de suivre et prédire l'évolution des surpressions dans des chambres magmatiques avec l'assimilation de données. Ce chapitre présente la toute première application de l'assimilation séquentielle de données, notamment du filtre de Kalman d'ensemble en volcanologie.

De combien et à quelle vitesse les calottes polaires peuvent contribuer au changement de niveau des mers ? » sont les principales problèmes auxquels tendent actuellement de répondre les modèles de calotte polaire. Avec la multiplication des observations par satellite, l’assimilation de données connaît un fort développement en glaciologie afin de mieux comprendre des processus qui, du fait des conditions, sont difficilement observables directement.

Ce chapitre présente l’inversion probabiliste qui vise à estimer la distribution a posteriori et donc les incertitudes des paramètres du modèle à inférer. Après une introduction du formalise bayésien, des paramétrisations usuelles et parcimonieuses sont proposées avant de décrire des algorithmes de type Markov Chain Monte Carlo classiques puis plus élaborés. Des exemples sont proposés afin d’illustrer ces différentes méthodes.

Modéliser un milieu et ses réponses à un signal radar permet, de manière concomitante, d’inverser et de mieux comprendre la phénoménologie à l'origine du contenu des images. Ce chapitre propose une aide méthodologique pour choisir un modèle de végétation destiné à l'inversion d’images radar, en nous appuyant sur un historique des modèles existants et les différentes méthodes d'inversion de la biomasse végétale.

Grâce au développement de nouveaux capteurs, la télédétection optique est devenue une alternative permettant d’observer la zone côtière à large échelle. Parmi les techniques développées pour déterminer ses propriétés bio-géophysiques figure le modèle de transfert radiatif (MTR). Ce chapitre livre des clés pour répondre à certaines questions relatives aux méthodes utilisées pour son inversion ainsi que des exemples d’applications côtières.

Sur un problème d'analyse de rayonnement gamma à partir d'observations depuis des télescopes à imagerie Cherenkov, ce chapitre présente un modèle de réseau de neurones profond multitâche. Celui-ci permet la reconstruction des paramètres des rayonnements observés. Nous démontrons l’intérêt de l'approche multitâche. Nous montrons également que cette architecture obtient de meilleures performances qu’une méthode d’analyse standard largement utilisée pour cette problématique.