La radio-occultation (RO) est une technique de télédétection largement utilisée pour la prévision météorologique et l’étude du climat. Sur Terre, elle repose sur un lien de télécommunication entre un satellite de navigation (GNSS) et un satellite en orbite terrestre basse (LEO). Lors de sa propagation à travers l’atmosphère vers le satellite LEO, le signal GNSS voit son amplitude et sa phase modifiées par les conditions atmosphériques. L’analyse du signal reçu permet alors de retrouver des propriétés atmosphériques telles que la température, la pression ou l’humidité au moyen d’un processus d’inversion, par opposition au problème direct, qui consiste à modéliser la propagation du signal entre les satellites GNSS et LEO.
Les méthodes d’inversion actuelles fournissent des restitutions atmosphériques fiables pour un large éventail de conditions. Toutefois, elles reposent sur des hypothèses simplificatrices, notamment la symétrie sphérique de l’atmosphère. En présence de forts gradients atmosphériques horizontaux ou verticaux, ces hypothèses ne sont plus valables, ce qui entraîne des biais dans les profils produits et une dégradation de leur précision. Par conséquent, l’utilisation de la RO reste limitée dans des environnements atmosphériques extrêmes tels que les panaches de feux de forêt, les rivières atmosphériques ou les typhons. Cette thèse vise ainsi à développer des méthodes d’inversion robustes capables de restituer avec précision les propriétés atmosphériques dans de telles conditions.
Pour atteindre cet objectif, les problèmes direct et inverse sont étudiés conjointement. Tout d’abord, un propagateur dit « full-wave » est développé afin de modéliser la propagation du signal entre les satellites GNSS et LEO. Cette propagation est classiquement décomposée en trois étapes : une propagation dans le vide entre le satellite GNSS et l’entrée de l’atmosphère, une propagation dans l’atmosphère, puis une propagation dans le vide entre la sortie de l’atmosphère et le satellite LEO. Dans cette thèse, les deux dernières étapes sont considérablement accélérées, sans perte de précision.
Pour la propagation atmosphérique, le modèle direct proposé repose sur la méthode classique Split-Step Fourier (SSF). Plutôt que de considérer un large domaine de calcul rectangulaire, l’approche SSF est combinée à une transformation de coordonnées permettant de réduire le domaine de propagation à une fenêtre de calcul non rectangulaire plus compacte, réduisant significativement les temps de calculs. La propagation dans le vide vers le satellite LEO, qui nécessite l’évaluation d’une intégrale de diffraction fortement oscillante, est accélérée en exploitant la parcimonie de la décomposition en ondelettes de l’intégrande. Le modèle direct est ensuite étendu au cas tridimensionnel, afin de prendre en compte des géométries plus complexes de satellites et permet l’utilisation de champs atmosphériques issus de simulations LES (Large Eddy Simulation) pour une modélisation plus réaliste de l’atmosphère.
À partir de ce modèle direct efficace, une méthode d’inversion robuste est ensuite développée. Dans cette thèse, le problème inverse est formulé comme la minimisation d’une fonction mesurant la différence entre un signal observé et un signal simulé au niveau du satellite LEO. Cette approche se distingue des méthodes d’inversion classiques, qui reposent sur des hypothèses fortes, notamment la symétrie azimutale de l’atmosphère, afin d’obtenir une solution analytique du problème inverse. Le cadre d’inversion proposé est en particulier évalué pour la restitution de panaches paramétriques de feux de forêt, fournissant une première estimation du potentiel de la RO pour l’étude des événements atmosphériques extrêmes.
|
Radio Occultation (RO) is a remote sensing technique widely used for weather forecasting and climate monitoring. On Earth, it relies on a telecommunication link between a Global Navigation Satellite System (GNSS) satellite and a Low Earth Orbit (LEO) satellite. As the GNSS signal propagates through the atmosphere toward the LEO satellite, its amplitude and phase are modified by atmospheric conditions. By analyzing the received signal, it is possible to retrieve atmospheric properties such as temperature, pressure, and humidity through an inversion process, as opposed to the forward problem, which models the direct propagation of the signal between the GNSS and LEO satellites.
Current inversion methods provide reliable atmospheric retrievals under a wide range of conditions. However, they generally rely on simplifying assumptions, notably the spherical symmetry of the atmosphere. In the presence of strong horizontal or vertical atmospheric gradients, these assumptions no longer hold, leading to biased retrievals and reduced accuracy. As a result, RO remains difficult to apply in extreme atmospheric environments such as wildfire plumes, atmospheric rivers, or typhoons. This thesis aims to develop robust inversion methods capable of accurately retrieving atmospheric properties under such challenging conditions.
To achieve this objective, both the forward and inverse problems are investigated. First, a fast full-wave propagator is developed to model signal propagation between the GNSS and LEO satellites. This propagation is conventionally divided into three stages: propagation in vacuum from the GNSS satellite to the atmospheric entry point, propagation through the atmosphere, and propagation in vacuum from the atmospheric exit point to the LEO satellite. In this work, the latter two stages are significantly improved.
For atmospheric propagation, the proposed forward model is based on the classical Split-Step Fourier (SSF) method. Instead of considering propagation over a large rectangular computational domain, the SSF scheme is combined with a coordinate transformation that reduces the domain to a smaller non-rectangular computation window, thereby improving computational efficiency. The subsequent vacuum propagation toward the LEO satellite, which requires the evaluation of a highly oscillatory diffraction integral, is accelerated by exploiting the sparsity of the wavelet decomposition of the integrand. The forward model is further extended to three dimensions, allowing realistic satellite geometries to be taken into account and enabling the use of atmospheric fields generated by Large Eddy Simulation (LES) models.
Building on this fast forward model, a robust inversion framework is then developed. In this thesis, the inversion problem is formulated as the minimization of a mismatch function between observed and simulated signals at the LEO satellite. This contrasts with conventional inversion approaches, which depend on strong assumptions, particularly atmospheric azimuthal symmetry, to derive analytical solutions to the inverse problem. The proposed inversion framework is specifically evaluated for the retrieval of parametric wildfire plumes, providing an initial assessment of the potential of RO for studying extreme atmospheric events. |