STATISTIQUES OBTENUES A PARTIR DES DONNEES DE LIDAR SPATIAL

STATISTIQUES OBTENUES A PARTIR DES DONNEES DE LIDAR SPATIAL

Dans cette première partie de l’étude, nous allons nous focaliser sur la restitution des paramètres de structure des nuages et des aérosols. Un premier algorithme a été développé pour retrouver les fonctions de densité de probabilité des sommets des structures nuageuses et des aérosols. Afin de répondre au questionnement concernant la définition des structures, deux approches ont été utilisées, qui permettent de considérer l’atmosphère soit avec une vision unidimensionnelle caractéristique des mesures instantanées, soit en terme de structure, plus proche d’une vision bi-dimensionnelle classique en imagerie spatiale. Deux jeux de données lidar satellite sont accessibles afin de construire et tester les performances de notre algorithme : Ces missions, bien que limitées dans le temps (10 jours pour LITE, un peu plus d’un mois pour GLAS si on se limite au meilleur jeu de données), nous donnent la possibilité d’estimer la distribution spatiale des nuages et des aérosols sous la trace du satellite avec une haute résolution spatiale. Les données de LITE n’ont pas fait l’objet d’une analyse en terme de produit tels que  l’altitude du sommet des nuages, comme c’est le cas pour GLAS. Nous avons donc été conduits à développer un algorithme d’analyse spécifique pour restituer les paramètres recherchés.

Dans une première partie, les méthodes existantes sont présentées. Les étapes de notre méthodologie sont ensuite expliquées. Les points critiques de l’algorithme font l’objet de plusieurs études de cas, à partir de l’utilisation des données GLAS. L’algorithme est dans un deuxième temps adapté au jeux de données LITE. Les résultats obtenus grâce à notre algorithme sur ces deux jeux de données sont ensuite présentés et comparés entre eux. Le comportement similaire des deux algorithmes étant prouvé, les climatologies nuageuses obtenues grâce aux données actives seront à terme comparées aux climatologies passives de ISCCP prises sous la trace de LITE (voir chapitre 3). Les différences sont alors discutées en terme de biais et d’erreur. On rappelle ici que, bien que la technologie lidar soit apparue très tôt dans le début des années 60 (plus exactement en 1962, voir l’historique sur la naissance du lidar contenue dans la partie introductive), le développement d’algorithmes permettant l’automatisation des tâches quant au traitement des données lidar n’est arrivé que bien plus tard, à la moitié des années 1980, lorsque les performances des outils informatiques le permirent (voir chapitre introductif sur l’historique des lidar, Section 1.3). Il existe principalement deux approches basiques afin d’extraire les nuages des données lidar : la méthode par calcul de la dérivée [Pal et al., 1992], et la méthode de seuillage, telle que décrite par [Winker et Vaughan, 1994], [Clothiaux et al.,1998] et [Chazette et al, 2001].  Alors que la méthode de dérivation peut être employée avec des données lidar brutes non calibrées, et cela quelle que soit la longueur d’onde, elle ne peut souvent être utilisée que pour des systèmes lidar pointé vers le ciel. Par contre, la méthode de seuillage peut être utilisée avec les mêmes résultats aussi bien dans le cas des systèmes lidar tourné vers le ciel ou vers le sol.

Un algorithme de seuillage des données LITE a été développé dans le cadre de la préparation de la mission LITE, afin d’extraire le produit sommet/base de nuages, et fournir le produit aérosols. Cette méthode, appelée LITE Cloud Finding Algorithm (CFA) bien que très aboutie dans son principe n’as pas été appliquée aux données LITE. Elle a cependant servi de base de réflexion à la mise en place d’une méthode en vue du traitement des données lidar de CALIPSO (voir l’ATBD de CALIPSO, [Vaughan, 1999]). L’instrument CALS (The Cloud and Aerosol Lidar system), volant sur l’avion de haute altitude ER-2 de la NASA, a été employé dans de multiples campagnes de mesures autour du monde. Un algorithme d’extraction a été développé afin d’extraire de ces données, la hauteur des structures nuageuses, l’épaisseur et l’émittance des nuages optiquement faible (cirrus) [Spinhirne and Hart, 1990], et de la hauteur de la couche limite atmosphérique [Palm and Spinhirne, 1987, 1998]. L’expérience qui a été retirée du traitement de ces données a permis l’élaboration d’un algorithme d’extraction des données de la mission lidar GLAS/ICESat (voir l’ATBD de GLAS, [Palm, 2001]).