Estimation Des Précipitations Par Fusion De Données De Télédétection

Résumé: Dans cette thèse nous présentons deux méthodes d’estimation des présentations par réseaux de neurones dans le nord de l'Algérie. La première technique est basée sur l'utilisation conjointe de données issues de deux satellites; l'un est géostationnaire (Météosat Seconde Génération : MSG) et l'autre à basse altitude (Tropical Rainfall Measuring Mission :TRMM). Nous avons utilisé deux bases de données différentes pour les deux étapes de la méthode; l'apprentissage et la validation. Les entrées du réseau de neurones sont à la fois quatre paramètres calculés à partir des canaux infrarouges de MSG et trois paramètres calculés à partir des données micro ondes de TMI (TRMM Microwave Imager ). les sorties du réseau de neurones utilisés sont les classes(pluie, non-pluie) du radar (PR : Précipitation Radar) embarqué sur le satellite TRMM. Les résultats ainsi obtenus sont comparés aux résultats de la méthode d’indice de diffusion (SI) qui exploite uniquement les données micro ondes. Les résultats montrent une bonne corrélation entre les estimations et les données mesurées. Cette première méthode a donnée de meilleurs résultats mais le problème de la résolution temporelle des données TRMM ne permet pas qu'une estimation instantanée des précipitation. Pour remédier à cette situation et afin de réaliser une estimation mensuelle des précipitations, nous avons mis au point une deuxième méthode, basé sur l'utilisation d'un autre réseau de neurones dont les entrées sont les paramètres issus des canaux infrarouge du satellite MSG et les sorties sont trois classes dérivées des données PR du TRMM à savoir : non- pluie, pluie modérée et pluie intense. Les résultats de cette deuxième technique sont comparés aux données au sol.

Publié dans la revue: