Le manteau neigeux en montagne est une ressource importante pour les écosystèmes et les activités humaines comme l'approvisionnement en eau des populations, la production hydroélectrique et l’économie touristique. Il représente aussi un risque dans les zones exposées aux avalanches. L'étude et le suivi du manteau neigeux en montagne s'appuie souvent sur des réseaux de mesure, des observations par télédétection et de la modélisations. Les récentes avancées en photogrammétrie satellite offrent de nouvelles perspectives pour compléter les réseaux de mesures qui sont souvent insuffisant vis-à-vis de la forte variabilité spatiale du manteau neigeux. Les travaux de cette thèse contribuent à améliorer la cartographie de la hauteur de neige en montagne, variable clé pour la ressource en eau et le risque avalanche notamment. Une méthode de cartographie de la hauteur de neige à partir d'images stéréographiques Pléiades est présentée et appliquée sur plusieurs site. La comparaison avec une carte de référence par lidar aéroporté fournit une estimation de l'erreur des produits de photogrammétrie satellite. A l'échelle d'un pixel de 3 m, l'erreur standard est de 0,70 m. L'erreur décroît à $sim$0,3 m lorsque les mesures sont moyennées sur des surfaces supérieures à 10$^{3}$ m$^{2}$. La décroissance de l'erreur avec la taille de la surface moyennée est partiellement bien décrites par les modèles d'erreurs standard à cause d'artefacts propres aux images stéréographiques satellites. Avec cette précision, les cartes de hauteur de neige par photogrammétrie satellite permettent d'observer les processus modelant le manteau neigeux en montagne (transport par le vent, avalanche), de mesurer le volume de neige sur une zone de 100 km$^{2}$ et de décrire la variabilité spatiale du manteau. L'assimilation d'une série de cartes dans le modèle de manteau neigeux SAFRAN-Crocus de Météo-France spatialisé sur une grille de points espacés de 250 m fournit des résultats prometteurs. Un filtre particulaire est utilisé pour assimilés une carte de hauteur de neige par hiver pendant cinq hivers. L'assimilation corrige des biais dans les précipitations initialement sous-estimée à haute altitude et introduit une variabilité spatiale autrement absente des forçages et des processus modélisés. Cette combinaison innovante de produits de télédétection satellite et de modèle complexe spatialisé offre de nouvelles perspectives pour l'estimation de la ressource en eau en montagne. |
Mountain snowpack is a major resource for ecosystems and human activities such as water supply for human consumption, hydropower industry and tourism sector. It is as well a source of damage in avalanche risky areas prone to avalanches. The monitoring and study of mountain snowpack usually rely on measurement network, remote sensing and modeling. Recent improvement in satellite photogrammetry provides alternative to measure the high spatial variability of the snowpack, which cannot be sampled by automatic network. The results presented here contributes to improve the mapping of snow depth in mountains with satellite photogrammetry, a key variable for hydrology and risk assessment. Snow depth maps from stereographic images of the satellite Pléiades are calculated on several sites. The comparison with a reference snow depth map measured with airborne lidar provides a robust estimation the satellite products error. At the 3 m pixel scale, the standard error is about 0,70 m. The error decreases to à,3 m when the snow depth are average over areas greater than 10$^{3}$ m$^{2}$. The decrease of the error of the averaging area is partially well described by standard error model due to artefacts specific to satellite images. With this precision, the snow depth map allows to observe the process modelling mountain snowpack (wind transport, avalanche), to measure the snow volume over a 100 km$^{2}$ area and to describe the spatial variability of the snowpack. The assimilation of satellite snow depth maps in the snowpack model SAFRAN-Crocus from Météo-France gives promising results. A particle filter is used on a regular grid with 250 m spacing over over five winters with one assimilation date per winter near peak accumulation. The assimilation corrects for precipitation underestimation in the meteorological forcings and introduce spatial variability otherwise lacking in the forcings and the models processes. This innovative use of satellite products and complex spatialised modeling could help address the challenge of measuring water resource in the world mountains. |