Sources de données sur les concentrations de glace

De multiples données sur les concentrations de glace (Sea Ice Concentration, SIC) sont générées à partir d’observations in-situ et grâce à l’application d’algorithmes sur des données de télédétection, tant dans le domaine visible, les micro-ondes passives ou le radar. Considérant l’objectif de modélisation et les besoins de continuité et d’uniformité de la couverture des données, seules les méthodes découlant de l’utilisation d’imagerie micro- ondes passives (MOP) seront présentées dans cette section.

45

micro-ondes passives tirent avantage de deux propriétés physiques qui permettent d’avoir un excellent pouvoir de discrimination eau/glace: Le fort contraste diélectrique (c.à.d. la différence entre la capacité de conduire le courant électrique de deux matériaux) entre l’eau et la glace et la dépolarisation (c.-à-d. le changement de polarité de l’onde suite au contact avec un milieu) marquée du signal de l’eau par rapport à celui de la glace (Eppler et al., 1992).

Un grand nombre d’algorithmes ont été développés dans les dernières décennies et sont utilisés de manière opérationnelle pour diverses applications. Citons les algorithmes NORSEX (Svendsen et al., 1983), NASA Team (Cavalieri et al., 1984), NASA Team 2 (Markus

et al., 2000a), ARTIST-ASI (Kaleschke et al., 2001), Bootstrap (Comiso, 1995) et Bristol

(Smith, 1996). Ces algorithmes font appel à des méthodes différentes et à des données de résolution différentes, tels que présentés au tableau 2.

Tableau 2: Synthèse des principaux algorithmes d’estimation de la SIC à partir des données micro- ondes passives, inspiré de Ivanova et al. (2014)

Nom Fréquences et polarisations

(GHz)

Résolution spatiale

(km) Données auxiliaires Méthode

NORSEX 19V, 37V 25 TASCLIM Modèle de transfert _{radiatif simplifié}

NASA Team 19V, 19H, 37V 25 Aucun Utilisation de ratio de polarisation et de

gradient spectraux

NASA Team 2 19V, 19H, 37V _{85V, 85H} 12,5 ATMMOD Utilisation de ratio de _polarisation

ARTIST-ASI 85V, 85H 12,5 Aucun Résolution d’un modèle de transfert radiatif prenant en compte la SIC Bootstrap 19V, 37V, 37H 25 Aucun Analyse de regroupement dans un nuage de point de valeurs d’émissivité

Bristol 19V, 37V, 37H 25 TASCLIM

Analyse de regroupement dans un nuage de point de

valeurs d’émissivité TASCLIM=Température de l’air à la surface (Climatologie), ATMMOD=Atmosphère modélisée

46

4.2.2.1 Données de SIC sélectionnées : OSI-409

Les données de concentration de glace de mer (SIC) sélectionnées pour être utilisées dans le modèle d’analyse fréquentielle proviennent du jeu de données OSI-409 –

Reprocessed Global Sea Ice Concentration (Eastwood et al., 2015, Tonboe et al., 2016).

Cette source de données s’est avéré la plus appropriée pour notre approche car elle permet de reconstituer des séries temporelles de plus de 30 ans, normalisées, traitées grâce à un algorithme unique et fournies dans un seul jeu de données (figure 17).

Figure 17: Données de SIC d’OSI-409 pour la semaine 24 (début juin) en 1983

47

de concentration, mixant les capacités des algorithmes Bristol (Smith, 1996) et Bootstrap (Comiso, 1995).

L’approche Bootstrap est basée sur le principe que dans un nuage de point 2D avec Tb37V et Tb19V, il est possible de discriminer les pixels de glace qui se trouveront sur un agrégat (en anglais : cluster) linéaire tandis que les pixels d’eau se retrouveront agglomérés autour d’un seul point, dû à leur ressemblance.

L’approche Bristol est conceptuellement similaire au Bootstrap mais l’analyse est réalisée dans un plan 3D avec Tb19V, Tb37V et Tb37H. Dans ce référentiel, les pixels de glace tendent à se trouver sur un plan tandis qu’encore une fois les pixels d’eau sont agglomérés en un point. L’algorithme Bootstrap présente des performances supérieures lorsque l’on est en présence de faibles concentrations de glace (Ivanova et al., 2015a). À l’opposé, l’algorithme Bristol performe mieux en situation de concentrations de glace élevées (Ivanova et al., 2015a). C’est donc en considérant les forces et faiblesses des algorithmes Bootstrap et Bristol que Eastwood et al. (2015) ont développé un algorithme hybride.

Le produit OSI-409 présente une résolution spatiale de 12,5 km et une résolution temporelle journalière. Les données sont disponibles entre 1978 et 2015 et fournies en format NetCDF (i.e. Format de fichier numérique multidimensionnel, en anglais : Network Common

Data Form). Pour chaque pixel, une mesure d’incertitude est fournie, basée sur l’équation 37 :

𝜎_𝑇𝑂𝑇2 = 𝜎_{𝐴𝐿𝐺𝑂}2 + 𝜎_{𝑇𝐴𝐶𝐻𝐸}2 ₍₃₇₎

Où l’erreur totale 𝜎_𝑇𝑂𝑇2 _{est expliquée par la somme de l’erreur algorithmique 𝜎} 𝐴𝐿𝐺𝑂2 ,

explicable par les variations d’émissivité des surfaces d’eau et de glace, et par l’erreur de tache (en anglais: smearing). L’erreur de tache provient de la désagrégation spatiale (en anglais: downscaling) explicable par le fait que les concentrations sont représentées sur une grille de plus fine résolution (12,5 km) que la donnée source du capteur (quelques dizaines de kilomètres). L’erreur totale 𝜎_𝑇𝑂𝑇2 _{pour les pixels du HBS présentent des valeurs allant de}

2,9 % à 12,9 % d’écart-type, les valeurs d’écart-type étant plus élevée pendant l’été que pendant l’hiver (Ivanova et al., 2015b). Des données de prédiction numérique du temps (en anglais : Numerical Weather Prediction ou NWP) sont utilisées pour réduire le bruit algorithmique en corrigeant les températures de brillances (TB) pour les effets de la vapeur

d’eau atmosphérique, de la température à la surface et de la rugosité de surface causée par les vents (Tonboe et al., 2016, Wentz, 1983). Une description détaillée des méthodes pour le

48

calcul des incertitudes du produit OSI-409 est disponible dans le guide utilisateur des données (Eastwood et al., 2015).

Le domaine a été découpé sur le HBS en faisant appel aux données vectorielles de Natural EarthTM _{(NaturalEarth, 2014) dont la résolution spatiale est estimée à 500 m (Wessel}

et al., 1996), bien supérieure à celle des données de concentration.

De ce découpage, résulte la grille de simulation, qui est constitué d’un total de 20 738 pixels (figure 18). C’est sur chacune des mailles du domaine que sont effectuées des analyses fréquentielles locales, desquelles résultent les distributions paramétrées à la base de l’outil IcePAC.

49