Utilisation des futures observations spatiales

9.2.1 Futures observations des traceurs

Nous avons vu dans ce travail la difficulté d’obtenir des observations images traceurs de

bonne qualité. La réduction de l’impact de la couverture nuageuse est un enjeu réel. Deux

solutions s’offrent à nous : mesurer le traceur dans une gamme de longueurs d’onde où

l’atmosphère est transparente (voir chapitre 2) ou mesurer l’image traceur avec une bonne

répététivité (plusieurs fois par jour) afin d’obtenir le plus de mesures possibles et de

récu-pérer des données lorsque la couverture nuageuse est absente. Un deuxième enjeu est de

détecter des traceurs qui soient le plus passifs possibles afin d’obtenir des images constituées

de filaments générés par la dynamique seule.

Observation d’autres traceurs passifs

On a mentionné au chapitre 6 un traceur particulièrement passif : les glaces flottantes

(communication personnelle de Jean Tournadre). Toutefois, ce traceur est peu

fréquem-ment observable car beaucoup d’éléfréquem-ments climatiques doivent être réunis. La formation

Figure 9.1 – Glaces flottantes observées depuis le capteur MODIS sur la côte

est du Groenland pendant le 17 octobre 2012. Image provenant du site internet

d’images similaires à la figure 9.1 nécessite une fine couche de glace sur l’océan, un vent

nul en surface et enfin pas de nuage pour pouvoir observer les glaces flottantes de l’espace

dans le domaine des longueurs d’onde du visible. Ce traceur est alors difficilement utilisable

pour améliorer l’estimation de la circulation océanique de façon systématique. Récemment,

on s’est aperçu que la mesure de l’éclat du soleil (sun glint sur la figure 2.3) fournit aussi

des images de la structure dynamique. La mission GLISTERO a pour projet de fournir

ces observations à haute résolution (communication personnelle de Bertrand Chapron). A

partir d’une image de température de brillance initiale (provenant par exemple du capteur

MODIS), un lissage est réalisé puis retranché pour restituer le contraste à haute

résolu-tion. Ces contrastes, avec une résolution de 300m, signent les variations locales de rugosité,

qui est fonction des variations de courant, vitesse et direction du vent. Kudryavtsev et al.

(2012) a montré que les variations de rugosité aident à identifier les effets de convergence

et de divergence de la circulation proche de la surface. Les images de contraste révèlent

des structures dynamiques intéressantes (voir figure 9.2). On peut alors exploiter les

infor-mations dynamiques contenues dans ces images. La couverture nuageuse reste cependant

un problème majeur pour ce type d’observation.

Figure 9.2 – Image de la rugosité capturée par le capteur MERIS au Nord des îles

Canaries, le 3 mars 2012.

Le problème de la couverture nuageuse

Deux solutions sont actuellement envisagées pour résoudre le problème de la couverture

nuageuse qui masque les données.

Tout d’abord, on peut observer une région à très haute fréquence.Actuellement, la mission

GOCI permet d’observer une fois par heure la couleur de l’océan autour de la péninsule

coréenne. Le projet de la mission OCAPI (Ocean Color Advanced Permanent Imager) a

alors pour objectif d’observer la couleur de l’océan en Atlantique Nord ou aux alentours de

l’Afrique du Sud, avec une très bonne répétitivité (une observation par demi-heure) et une

haute résolution. La solution envisagée est alors de placer un capteur du domaine du visible

et proche infra-rouge sur une orbite géostationnaire. Il est nécessaire de sélectionner la zone

d’observation du satellite (se référer au chapitre 2). Les capteurs ne pourront pas observer

à travers les nuages. On utilise la haute fréquence de la mesure pour capturer des images

au moment où la couverture nuageuse est la plus faible possible. On aurait alors à notre

disposition un grand panel d’images à haute résolution de la couleur de l’eau sur la zone

observée. Un des objectifs de cette mission est d’utiliser les nombreuses observations de la

couleur de l’eau pour améliorer notre compréhension du couplage physique-biogéochimique

à la surface océanique. On peut par la suite extraire les informations contenues dans les

images observées afin d’améliorer l’estimation de la dynamique. Un gros avantage est alors

le nombre important d’observations de la même zone, ce qui permet d’investiguer le

com-portement de l’inversion des images de chlorophylle grâce à des situations dynamiques et

biogéochimiques variées.

On peut aussi envisager d’utiliser d’autres longueurs d’onde pour lesquelles l’atmosphère

est transparente pour détecter les traceurs. Pour observer la SST, le domaine du micro-onde

peut être utilisé. Actuellement, il existe des instruments mesurant la SST dans le domaine

du micro-onde mais seulement à moyenne résolution (entre 25 et 50 km). Les mesures sont

très sensibles à la vitesse du vent à la surface de l’océan. La mission MOST (Microwave

Ocean Surface Temperature) a alors pour objectif de mesurer la SST à haute résolution

dans le domaine du micro-onde afin de disposer de mesures, quelle que soit la couverture

nuageuse. L’objectif est d’obtenir une résolution spatiale de 10 km avec une précision de la

mesure de l’ordre de 0.3 K. Plusieurs techniques sont à l’étude pour effectuer cette mesure,

la plus probable étant l’utilisation d’un radar à ouverture réelle à basse fréquence (de l’ordre

de 6 GHz). Les mesures effectuées lors de la mission MOST permettraient aussi d’estimer

la SSS (Reul et al., 2009). Les images traceurs observées par cette mission apporteront des

informations dynamiques intéressantes car on bénéficiera d’observations à haute résolution

de la SST malgré la présence de nuages.

La SSS est un autre traceur observé dans un domaine de longueurs d’onde où l’atmosphère

est transparente. Aujourd’hui, la mission SMOS (Font et al., 2013) permet de mesurer la

SSS dans le domaine du micro-onde mais à basse résolution seulement (les produits sont

des moyennes sur 10 à 30 jours avec une résolution de 200 km x 200 km).

L’utilisation des températures de brillance ou des données brutes peut permettre d’accéder

à une meilleure résolution des mesures des contrastes, cependant les images risquent d’être

très bruitées. L’utilisation des produits bruts requiert des traitements complexes pour

éliminer les incertitudes de mesure. L’inversion de la température de brillance nécessite

donc la mise en place de nouveaux algorithmes de traitement de l’image.

9.2.2 Futures observations de la dynamique

Une mission majeure pour l’étude de la dynamique à sous-mésoéchelle est le futur projet

de la mission SWOT (voir chapitre 2). Elle a pour but de mesurer des images de la SSH

à haute résolution par interférométrie radar. Dans le cadre de cette mission, plusieurs

applications de la méthode d’inversion sont envisageables.

Dans un premier temps, les traceurs peuvent être utilisés pour calibrer les observations

SWOT. On compare le FSLE calculé grâce à l’observation SWOT avec l’observation à

haute résolution des traceurs afin de vérifier leur similarité et au besoin de corriger des

éventuels incertitudes de mesure.

Dans un deuxième temps, lorsque la mission sera opérationnelle, le satellite SWOT fournira

des observations de la SSH sur quasiment tout le globe au moins deux fois par période de

22 jours, comme cela est montré dans le rapport Fu et al.(2012). L’inversion des traceurs

permettra alors de pallier le manque de résolution temporelle du satellite. Lorsque l’on

ne dispose pas d’une observation SWOT, l’utilisation conjointe des données altimétriques

et des observations traceurs pourra fournir une bonne estimation de la dynamique à fine

échelle. La technique d’inversion d’images peut aussi présenter un intérêt pour assimiler les

observations SWOT. En effet, cette mission fournira des images de SSH à haute résolution.

Assimiler la structure SSH en plus de la donnée propre permet d’ajouter de l’information

sur la structure de la dynamique et de traiter les cas de la dynamique non-linéaire et de

répartition des données non-gaussienne.

De plus, l’utilisation de structures plutôt que la donnée per-se permet aussi d’assimiler

facilement les observations SWOT avec un modèle de résolution différente. En effet, la

résolution de SWOT sera de l’ordre du kilomètre. Toutefois, les modèles n’auront peut être

pas atteint cette résolution. Cette méthode présente alors l’avantage de pouvoir comparer

aisément des données à des résolutions différentes. Il se situe ainsi dans le cadre des

pro-jets d’assimilation multi-échelles développés par l’équipe MEOM (Cosme et al., 2012). Le

concept d’assimilation d’images investigué au cours de cette thèse est d’un grand intérêt

pour l’exploitation des données SWOT.

Dans le document Couplage des observations spatiales dynamiques et biologiques pour la restitution des circulations océaniques : une approche conjointe par assimilation de données altimétriques et de traceurs (Page 192-195)