Quick Upload

Loading...
Flash Player 9 (or above) is needed to view slideshows. We have detected that you do not have it on your computer.To install it, go here
Post to Twitter Post to Twitter
Share on Facebook Share on Facebook
Post to Blogger Post to Blogger
Myspace Hi5 Friendster Xanga LiveJournal Facebook Blogger Tagged Typepad Freewebs BlackPlanet gigya icons
« Prev Comments 0 - 0 of 0 Next »
    Add a comment If you have a SlideShare account, login to comment; otherwise comment as a guest.
    • Monsieur le prsidentMadame et Messieurs les membres du juryJe vais donc vous présenter mes travaux de thèse concernant…
    • Le GPS est utilisé pour un grand nombre d’applications en géodésie. Parmi ces applications on peut citerLes rseaux permanentsL’utilisation pour des campagnes de mesures, comme pour le nivellement à l’IGN. Des applications géophysiques utilisent également ce mode de positionnement.Ces applications montrent cependant que la précision sur la détermination de la verticale est limitée à 5 -15 mm pour des sessions de 24h et jusqu’à 30 mm pour des sessions plus courtes.Parmi les sources d’erreur affectant la restitution précise de la composante verticale, on peut citer deux sources d’erreur notablesLe TML’effet de la troposphèreMon objectif est ici de proposer une méthode permettant une amélioration de la précision de l’estimation de la hauteur, avec un niveau millimétrique sur des sessions de 3 à 24 h.
    • Le trajet multiple est dû à la réflexion des signaux GPS par l’environnement de la station. Cet effet peut induire des écarts de près de 10 mm sur la détermination de la hauteur.Diffrentes mthodes permettent une minimisation, voire une correction de cet effet. Citons par exemple :l’optimisation des conditions d’observationUne correction peut être effectuée a postériori lors d’un pré-traitement, avec le calcul des résidus de phase moyen sur la période d’observation.
    • L’autre source d’erreur notable concerne donc la propagation du signal GPS dans la troposphère qui va retardé et modifié la trajectoire du signal. Cet effet est appelé retard troposphérique et est usuellement séparé en une composante hydrostatique, liée à l’atmosphère en équilibre, et une composante humide, liée à la vapeur d’eau atmosphérique.
    • Une modlisation de la troposphre est alors ncessaire lors du traitement pour corrig cet effet. On dcompose alors le retard troposphrique en deux parties znithales (hydro et humide), des fonctions de projection permettant la dpendance en lvation, des gradients horizontaux la dpendance en azimut.À titre d’illustration, voilà l’évolution des 2 composantes du retard troposphérique sur un mois en région parisienne à partir d’une simulation météorologique.On observe queLa composante hydrostatique est plus importante, mais de faible variabilité. En particulier, elle peut être précisément déterminée à partir d’une mesure de pression sol (représenté ici, les 2 courbes étant confondues)La composante humide et plus faible, mais de variabilité plus importante (même échelle en haut et en bas). Sa détermination à partir d’une mesure issue d’un capteur sol est très peu précise, cf. tracé en pointillé. Son estimation lors du traitement GPS est donc nécessaire.
    • L’impact de la troposphère sur la hauteur peut être illustrée par cette équationUn résidu sur la mesure de phase se répercute directement sur l’estimation de l’horloge du récepteur, du retard et de la hauteur ; la dépendance à l’élévation indroduit une corrélation importante lors de leur estimation.Une modélisation précise est donc nécessaire, à la fois pour la correction du retard hydrostatique a priori et pour l’estimation du retard humide lors du traitement.Pour cela, les modèles les plus récents essayent au mieux de restituer l’effet de la troposphère :En particulier, j’ai mis en évidence d’une amélioration de la formule de Saastamoinen pour la correction du retard hydrostatique au zénith a priori, améliorant la précision de l’ancienne formulationDifférentes fonctions de projection ont été proposées ces dernières années, elle repose soit sur des modèles paramétriques obtenus à partir de mesure météorologiques, soit sur des profils issues d’analyses météorologiques grande échelle.
    • Cependant, malgré ces améliorations dans la modélisation, l’effet des hétérogénéités atmosphériques (vapeur d’eau) ne peut être correctement modélisé. En particulier, leur impact sur la détermination de la hauteur peut être significatif (5-20 mm, [Bock et al.,2001]).Une mesure externe de la distribution en WV doit permettre de mieux prendre en compte ces hétérogénéités, et d’ainsi améliorer la détermination de la hauteur.Deux approches d’une telle mesure peuvent être envisagées.Mesure du retard humide en direction d’un satellite, pour une correction directe de l’effet de la vapeur d’eau sur la propagation du signal émis. Cette méthode présente l’inconvénient de fournir une mesure dans une seule direction alors qu’un maximum d’observations GPS est nécessaire pour une précision optimale.Une autre approche serait donc d’effectuer uniquement des observations au zénith, pour une meilleur description des couches situées au dessus de la station GPS. À partir de cette mesure, le calcul de la dépendance en élévation du retard humide plus précise est alors envisageable.Pour tout cela je me suis donc intéresser à la correction de l’effet de la troposphère humide sur le positionnement par GPS par profileur : le lidar Raman
    • Pourquoi un lidar Raman ?En fait, mes travaux s’appuient sur les résultats présentés dans la thèse de Jérôme TarniewiczAu cours de ces travaux, l’avantages de l’utilisation de la technique lidar pour cette application par rapport à d’autres techniques a été souligné (WVR par exemple)Le développement d’un système lidar a alors été réalisé en collaboration ave le SA du CNRSCe système a été impliqué dans deux campagnes, les résultats obtenus étant dans l’ensemble encourageants.Enfin, à partir de simulation numérique, l’apport de la mesure lidar a été souligné, permettant de dégager certaines conditions quand à la mesure de retard humide pour un positionnement précis, une mesure du retard humide par lidar, non biaisée avec une incertitude de 2 mm doit permettre une précision submillimétrique sur l’estimation de la hauteur
    • Notre objectif est donc de corriger des observations GPS à partir de mesures sol, pour la partir hydrostatique, et de mesure lidar, pour la partie humide, dans l’optique d’obtenir une précision de l’ordre de 1 m sur la hauteur.
    • Aprs cette introduction1 – Je vais m’intéresser à l’instrument qui va nous fournir cette mesure de vapeur d’eau, le lidar Raman2 – À partir de la mesure de profil d’humidité issu du lidar je vais m’intéresser à l’évaluation des mesures de retards humides au zénith à partir d’observations réalisées dans le cadre de la campagne VAPIC3 – Je chercherai alors à les mesures lidar pour une première évaluation de la correction des signaux GPS à partir de ces mesures lidar au zénith4 – Dans une dernière partie, je regarderai quelles améliorations à notre correction sont encore possibles, avec la prise en compte de mesure lidar effectuées en direction des satellites GPS
    • Dans cette partie je vais donc m’intéresser à la mesure précise de profil d’humidité par lidar Raman, pour une restitution précise de retard humide.
    • On émet une impulsion lumineuse à 355 nm dans la direction d’observation. Les molécules rencontrées peuvent alors diffuser cette onde avec un changement de sa longueur d’onde, ce changement étant caractéristique de la molécule rencotrée. Dans notre cas, on mesure les signaux rétrodiffusés par les molécules de vapeur d’eau et d’azote.Le signal rétrodiffusé est ainsi récolté par le télescope, puis transmis par l’intermédiaire d’une fibre optique au boîtier de détection.
    • Le signal rétrodiffusé est alors transmis au boîtier de détection qui va séparer les contributions azote et vapeur d’eau. Les signaux sont alors transformés en impulsion électrique par les PMs puis numériser par un rack acquisition.
    • La puissance mesur par les molcules qui nous intressent est donc donn par cette quation. Cette puissance dpend en particulier de la densit de la molcule diffusante.Le signal effectivement mesuré par le système de détection va bien sûr dépendre de la puissance reçue, via l’efficacité du système de détection / numérisation du signal, mais aussi du fond de ciel émis naturellement à la longueur d’onde d’intérêt.Pratiquement, le signal rtrodiffus tant faible, on compte le nombre de photons rtrodiffus : le signal ainsi mesur suit alors une statistique poissonienne caractrise par une amlioration de la qualit lorsque le signal augmente.
    • Le signal précédent, mesuré sur les canaux azote et vapeur d’eau permet de calculer de rm de WV dans l’air. L’avantage du rapport est qu’il permet d’éliminer un grand nombre de terme intervenant dans l’équation du signal Raman, c’est donc la raison pour laquelle on s’intéresse au signal azote, cette molécule présentant également l’avantage d’avoir un rapport de mélange constant dans l’atmosphère.Les termes de cette quation sont dtermines de diffrentes manires.Mesure :[1] : Signaux Raman rétrodiffusés moyennés dans l’espace et dans le temps[2] : Fond de ciel moyen sur 5 minModles empiriques[3] : Coefficients de rtrodiffusion Raman donn dans la littrature 10 %[4] : Transmission atmosphrique partir de modles standards, avec une prcision entre 1 et 3%Exprimentale[5] : Rapport de l’efficacité du système de détection que l’on déterminera lors de l’étalonnage de la mesure lidar
    • Revenons maintenant aux méthodes que j’ai développée pour la mesure d’un rapport de mélange précis.Comme je l’ai dit précédemment, la sommation spatiotemporelle des signaux va permettre une amélioration du rapport signa-à-bruit.J’ai utilisé au cours de ces travaux différentes évolution de cette intégration, avec des intégration spatiale et temporelle constante ou dépendant de l’altitude des couches sondées. En particulier, les deux dernières méthodes permettent d’améliorer le rapport signa-à-bruit dans les couches les plus hautes où le signal rétrodiffusé est plus faible.Ces différentes méthodes d’intégrations sont appliquées ici sur des signaux lidar. On observe une amélioration significative du rapport signa-à-bruit avec la dernière méthode. Ce résultat se retrouve sur les profils de rapport de mélange ici comparés à un RS (magenta).
    • Une fois les signaux intégrés, l’étude statistique des signaux Raman m’a permis de mettre en évidence la présence d’un systématisme affectant la restitution du rapport de mélange.Ce systmatisme est lie la variabilit poissonienne du signal azote dans les couches leves.Cette variabilit induit une surestimation du rapport de mlange (2 - 5 %) et du retard humide (0,2 - 1.0 mm).J’ai donc proposé un nouvel estimateur, que j’ai validé sur des simulations.Ici, sur un cas simulé, on observe l’impact du nouvel estimateur, qui corrige bien le biais observé sur RM (ici, biais entre 2 et 3%). L’impact sur le retard humide est de l’ordre de 0,2-0,3 mm
    • Une autre étape importante pour la restitution d’un produit précis, consiste à déterminer la constante d’étalonnage su système, représenté ici en rouge dans l’équation RM.Cette constante dpend principalement des transmissions des composants optique du botier de dtection et des photomultiplicateurs.
    • Deux stratégies peuvent être envisagées pour l’étalonnage.L’étalonnage indépendant repose sur la détermination en laboratoire des caractéristiques de la détection. Cette méthode nécessite cependant une connaissance précise du rapport des sections efficaces Raman. L’incertitude associée est donc assez importante.L’étalonnage peut être effectué à partir d’une mesure externe de vapeur d’eau colocalisée présente également l’avantage de réduire l’incertitude sur les sections efficaces Raman. L’incertitude de cette méthode varie de 2 à 6%.Cette dernière semble donc fournir des résultats plus concluants et est plus accessible. Elle est utilisée pour l’étalonnage opérationnelle de notre mesure.J’ai appliqué cette méthode à l’étalonnage de notre système en utilisant des retards humides calculés sur la portée du lidar à l’aide d’un RS. L’incertitude qui en découle est de l’ordre de 3-4 %.
    • Les diffrentes tapes prsentes prc nous permettent donc la restitution de profils de rm, dont voil qqs illustrations pour des mesures au znith et en obliqueLa comparaison à profil issu d’un radiosondage présente une bonne cohérence entre les deux techniques jusqu’à une portée de l’ordre de 7 km pour les 2 cas considérés.Evolution de la mesure de profil au cours d’une sessions d’observation fournit un très bon aperçu de l’évolution de l’humidité au cours des sessions d’observation
    • Bien sr, malgr ces bons rsultats, il faut citer qqs limites la mesure de rapport de mlange par lidar RamanD’abord les mesures de jour sont difficile, le signal Raman étant rapidement noyé dans le fond de ciel, ce que l’on observe ici à partir de 3:00, réduisant la portée de la mesureDes conditions de ciel clair sont nécessaire, un couvert nuageux comme observé sur cette seconde figure, la mesure lidar ne permettant pas d’effectuer des mesures au delà des nuages.
    • En ccl, les résultats obtenus m’ont permis de valider la mesure de profils d’humidité par lidar Raman. Le bilan des erreurs nous permet d’évaluer la précision de notre mesure à 3-4 %, soit de l’ordre de 3-4 mm sur le retard humide.
    • Je viens de dtailler la mesure de profils de rapport de mlange par lidar Raman. Je vais maintenant me focaliser sur la restitution de mesure de retards humides lors de la campagne VAPIC partir de ces profils.
    • On s’intéresse donc aux observations réalisées lors de la campagne VAPIC, qui est une campagne météorologique dont l’objectif était l’intercomparaison de mesures de vapeur d’eau.Le lidar IGN-SA a donc t dploy lors de cette camapgne.
    • De quelles donnes dispose-t-on lors de cette campagneNotre lidar tait donc impliqu lors de cette campagne. partir des profils de rapport de mlange complts par un RS colocalis au del de la porte (7 km) et des profils de P, T issus de ce mme RS, on calcule un retard humide lidarRS permettent bien sûr à partir de profils d’humidité, P et T un calcul ponctuel de retard humideÀ partir de la solution troposphérique issue d’un traitement GPS standard réalisé en positionnement ponctuel précis sous Gipsy-Oasis II et en utilisant une mesure colocalisée de Pressions sol, on calcule le retard humide estimé par cet instrumentEnfin, 3 radiomètres sont également déployés. La mesure de la température de brillance à deux fréquence permet via un processus d’inversion la mesure d’un contenu intégré en vapeur d’eau. Couplé à une mesure de température sol, ce contenu intégré permet également la restitution d’un retard humide
    • Sur les 5 sessions d’observation lidar, on observe dans l’ensemble une bonne cohérence de la mesure lidar avec les autres techniques., en particulier avec RS et GPSLes écarts sont plus importants avec les radiomètres, laissant suspecter un problème d’étalonnage lors de l’inversion de la mesure de température de brillance.
    • Voilà un aperçu des différentes mesures de retard humide pour la session du 19 mai. On observe dans l’ensemble une bonne cohérence entre les différentes techniques.L’évolution du retard humide mise en parallèle permet de noter l’importance des variations au sein de la couche limite sur la mesure de retard humide, avec ici par exemple une diminution du retard limite liée à un assèchement de la couche limite atmosphérique.
    • Sur cette même session d’observation, on sépare les composantes haute-fréquence et basse-fréquence des mesures lidar, radiomètre et GPS.Dans l’ensemble, variations BF cohérentes avec lidar, en particulier WVR, bien que biaiséOn observe de fortes similarités sur variations HF lidar – WVR, très peu avec GPSDans l’ensemble (sur les 5 jours), c’est ce que l’on constate, avec une corrélation importante des variations basse-fréquence entre lidar et radiomètre et lidar et GPS. Les variations haute-fréquence du lidar et des radiomètres sont aussi bien corrélées, contrairement à celle du GPS. Le GPS ne parvient pas à prendre en compte ces variations rapides qui peuvent pourtant avoir un impact lors du traitement.
    • En cclLes observations ralises durant VAPIC valide la mesure lidar et souligne sa capacit restituer des variations haute-frquence du retard humide.Ces variations ne sont pas prises en compte par le GPS. Il peut donc être intéressant de prendre en compte ces variations à l’aide de mesures lidar lors du traitement GPS.
    • Je viens de vous montrer quele lidar fournit une mesure prcise de distribution WVLe GPS présente des écarts avec le lidar, en particulier ne permet pas une prise en compte variations rapides de l’humidité, observéeé par le lidarMon idée est donc maintenant d’’exploiter cette mesure pour une amélioration de détermination de la hauteur
    • Pour cela, on doit examiner quelles amliorations on peut apporter au traitement GPS.Ce que j’ai d’abord constaté, c’est que les séries des résidus du traitement GPS standard présentaient des systématismes. Les résidus moyens sont ici représentés en fonction de l’élévation et montre qu’effectivement des tendances se répètent d’un jour à l’autre et sont propre à chaque station.Ce systématisme est lié à l’environnement physique de la station : le trajet multipleSecond aspect concerne une meilleure correction de l’effet de la troposphèreHydrostatique : dans la littérature, on trouve qu’une mauvaise correction du retard hydrostatique a priori peut induire une erreur sur la hauteur. De plus, l’utilisation d’une fonction de projection basée de type VMF permettait une bien meilleure correction de cet effet.Humide : L’utilisation des mesure lidar, sensibles aux variations rapides d’humidité peut constituer un apport lors du traitement.
    • Pour évaluer ces améliorations, on s’intéresse aux sations SIRT et XP51 situées à proximité du lidar.4 Traitements vont tre raliss.
    • Le premier traitement est le traitement standard utilisé jusqu’à présent en PPP, reposant sur l’utilisation du modèle paramétrique GPT pour la correction de l’apriori et de la NMF pour la dépendance en élévation.Dans un second traitement, je réalise une correction plus précise de l’effet hydrostatique à l’aide d’une mesure de pression sol et de la VMFh. La NMFw est utilisée lors de l’estimation du retard humide.Pour un troisième traitement, je réalise toujours une correction précise de l’effet hydrostatique. L’effet du trajet multiple est corrigée en utilisant la méthode proposée par Shoji, qui consiste à corriger les observations à l’aide d’une carte de résidus moyens, établies ici sur une période de 10 jours pour un traitement classique (les 10 jours permettant de réduire l’effet atmosphérique dans les résidus). La NMFw est utilisée lors de l’estimation du retard humide.Enfin, un quatrième traitement repose sur l’utilisation de mesure lidar au zénith, couplée à un radiosondage. À l’aide d’un algorithme de ray-tracing proposé par Rocken et que j’ai adaptée à nos mesures, je calcule un retard humide pour différentes élévations. Ce retard est alors utilisé pour une correction a priori des observations. J’effectue également une correction précise de l’effet hydrostatique et on utilise les cartes de résidus moyens pour réduite le trajet multiple.
    • J’ai donc effectué ces traitements pour un angle de coupure de 7°On remarque que le traitement V est accompagné d’une augmentation du résidu quadratique moyen du traitement. Ceci peut être expliqué par une incompatibilité des fonctions de projection utilisées qui pourrait générer des résidus.L’amélioration du résidu moyen est significative pour le traitement M en raison de la correction par la carte de résidus moyens.Par contre, le RQM est dégradé pour le traitement L en raison a priori de l’introduction d’une incertitude supplémentaire.Les répétabilités sur la hauteur confirme tout d’abord l’apport de la correction à l’aide d’une mesure de pression sol. L’amélioration est encore plus significative pour le traitement M, avec en particulier une valeur de 3,1 mm obtenue pour la station XP51. Par contre, les résultats obtenus à l’aide d’une correction lidar sont peu concluants.Ces résultats peu concluants concernant l’utilisation de la mesure lidar ont plusieurs origines.D’abord, on peut supposer qu’une signature de vapeur d’eau est toujours présente dans le résidu moyen, en particulier pour les basses élévations, on effectue alors une surcorrection des observations.On peut galement souponner une mauvais talonnage de la mesureSoulignons enfin que la correction est réalisée ici à partir d’un profil au zénith, ce qui peut être peu représentatif de l’effet de la vapeur d’eau sur l’ensemble des observations GPS
    • Les traitements sont ensuite raliss pour diffrents angles de coupures, uniquement pour la station XP51.Les évolutions du RQM, qui diminue avec l’angle de coupure, souligne les mêmes aspects que ceux observés à 7°. Concernant la hauteur moyenne, on constate pour des angles de coupure plus élevés, un meilleur comportement du traitement lidar avec une solution très stable. Cependant, on observe quand même une légère augmentation de la hauteur moyenne lidar avec l’angle de coupure qui peut être lié à un mauvais étalonnage de la mesure.Les traitements avec estimation de retard humide au zénith fournisse une hauteur moyenne qui diverge en raisons du manque de contrainte sur l’estimation de ces deux paramètres corrélés pour angle de coupures élevés. Ces rsultats se retrouvent sur la rptabilit calcule sur les 4 sessions avec une divergence importante pour les traitements avec estimation du retard troposphrique humide, alors que la rptabilit obtenue pour le traitement lidar est plus stable, autour de 5 mm.
    • Les rsultats que je viens de vous montrer concernant la correction sont peu satisfaisants aux basses lvations et peuvent tre lis un mauvais talonnage de la mesure lidarIci, mon objectif est donc de résoudre à la fois le problème de l’étalonnage du lidar et de l’estimation de la composante verticale par GPS.Pour cela, on effectue une correction du trajet multiple et de l’effet hydrostatique de manière comme précédemment et on va utiliser une mesure lidar non étalonnée pour la correction du retard humide.La détermination directe de la constante lidar est impossible sans modification du logiciel. J’ai donc pour cela proposée une alternative basée sur une méthode de minimisation pour son estimationJe vais donc corriger les observations GPS pour différentes valeur possibles de la constante d’étalonnage, et je vais effectuer le traitement de ces donnée pour rechercher la constante qui permet une minimisation du résidu quadratique moyen.La courbe théorique représente ce que l’on cherche à obtenir avec une minimisation du RQM pour une valeur correspondant à la constante lidar.
    • J’ai réalisé ces traitements, et je représente ici pour différents angles de coupure l’évolution du RQM en fonction de la constante testée. On observe bien une évolution du RQM proche de celle attendue, obtenue précédemment de manière classique à l’aide d’un radiosondage.On remarque cependant que pour des angles de coupure plus élevés, la valeur optimale s’éloigne de la constante obtenue classiquement.
    • Maintenant, je m’intéresse spécifiquement aux paramètres estimés lors des traitements minimisant les RQMs.L’évolution de la constante moyenne estimée et de son écart-type montre bien que l’estimation est correcte pour des angles de coupures bas. Par contre, lorsque l’angle de coupure augmente, l’estimation est dégradée.Les rptabilits qui se dduisent de ces traitements sont cohrentes avec ces constats.Pour des angles de coupures faibles, on observe de trs bons rsultats, avec en particulier 1,4 mm 7Pour des angles de coupures plus élevés, la répétabilité est dégradée. Ceci s’explique par la corrélation importante entre la constante lidar et la hauteur pour une estimation moins bien contrainte, de la même manière que ce que l’on observait précédemment entre le retard troposphérique estimée et la hauteur lors d’un traitement GPS classique. On observe donc une moins bonne estimation de la constante et de la hauteur.
    • En cclJ’ai ici testée la correction des observations GPS à l’aide de cartes de résidus moyens. L’amélioration sur la détermination de la hauteur est significative, de l’ordre de 25%.La correction de la troposphère humide par une mesure lidar fournit une meilleure stabilité de la hauteur vis à vis de l’angle de coupure.L’amélioration peut être significative pour un angle de coupure bas lorsque la constante lidar est estimée au cours du traitement.Bien sûr, il reste quelques limites et à ces résultats, les observations ici considérées étant réalisée dans des conditions favorables, sur 4 sessions de 6h. Soulignons également que j’ai utilisé uniquement des mesures lidar au zénith pour la correction. Il peut être intéressant d’évaluer l’apport de mesure lidar oblique pour une meilleure correction.
    • Je m’intéresse donc ici à la restitution par lidar et par GPS de retard troposphérique humide en direction des satellites
    • Jusqu’à présent, j’ai donc réalisé une correction à partir d’une mesure lidar au zénith en supposant une atmosphère à symétrie sphérique.Cependant, ces visées au zénith ne permettent pas de caractériser distribution 4D de la vapeur d’eau de VE qui affecte la propagation des signaux GPS.Ici, je vais donc exploiter les observations lidar réalisées en suivi de satellite durant VAPIC, pour dégager l’apport que ce type de visées peut constituer.
    • Je m’intéresse donc aux mesures lidar réalisée en direction de satellites durant VAPIC.
    • Je vais comparer ces mesures lidar à celles réalisées par Rescom, fonctionnant en mode suivi de satellites et aux solutions obliques issues du traitement M que j’ai déjà utilisé précédemment.Les résidus de ce traitement ne contenant plus l’impact du trajet multiple, on peut supposer qu’ils contiennent une signature de la vapeur d’eau.Je vais alors reconstituer ainsi deux types de retards obliques GPSDes retards dtermins partir de la solution troposphrique du traitementDes retards dtermins partir de la solution troposphrique du traitement mais en tenant galement compte des rsidus de phase, mthode souvent emplye en tomographie
    • Je représent ici ces différentes quantités, ramenées au zénith pour s’affranchir de leur dépendance en élévationBien sûr, il reste du bruit dans résidus liés à d’autres sources erreur : horloge, orbitesOn remarque cependant sur certaines squences que les rsidus de phase apportent une information cohrente avec les variations observes du retard humide lidar. Ici pour le 9 juin, mais aussi ici pour le 15 juin.Ces résidu semblent bien présenter bien une signature vapeur d’eau résiduelle, que l’on pourrait corriger en prenant en compte ces visées obliques.
    • Pour cette prise en compte, la stratégie d’observations de ces hétérogénéités doit être établie, plusieurs pistes étant envisageables.Vises dans des directions privilgiesCône d’observationSuivi de satellitesCependant il reste dfinir une mthode permettant une correction simultane de plusieurs observations GPSCeci peut se faire avec une interpolation / extrapolation des mesures dans les directions de tous les satellites GPS, mais qui prsenterait les mmes limitations que pour une correction au znith.Une autre alternative consisterait à réaliser une association lidar – modèle météorologique méso-échelle pour permettre la restitution d’un champ 4D local, décrivant précisément la distribution en vapeur d’eau le long de la trajectoire de tous les signaux GPS.
    • Concernant le traitement GPS et la modélisation des sources d’erreur dégradant la détermination précise de la composante verticale, j’ai examiné l’impact de la troposphère sur la solution GPS, à la fois à partir de simulations, mais aussi d’observations réelles réalisées lors de VAPIC.J’ai proposé une amélioration de la formule de Saastamoinen pour le calcul du retard hydrostatique.Enfin, j’ai mis en évidence l’importance du trajet multiple. Une méthode de correction proposée dans la littérature m’a permis d’améliorer significativement le traitement standard.
    • Concernant la restitution précise de mesures de vapeur d’eau par lidar Raman, mes contributions ont d’abord consister à la minimisation des différentes sources d’erreur pouvant affecter la mesure de vapeur d’eau par lidar.La comparaison des observations lidar à d’autres instruments m’a permis de valider ces mesures, à la fois en terme de rapport de mélange et de retard humide. J’ai également montré que le lidar nous permettait une restituion fidèle des évolutions rapides de la vapeur d’eau.
    • Concernant enfin l’utilisation couplée des techniques lidar et GPSJ’ai proposé une toute nouvelle méthode de correction des observations GPS à partir de mesures lidar au zénith, fournissant une meilleure stabilité de la solution avec l’angle de coupure.J’ai validé l’étalonnage de la mesure lidar lors du traitement, avec une estimation conjointe de la hauteur, permettant une amélioration significative de la détermination de la hauteur pour des angles de coupure bas. Cette méthode s’applique cependant difficilement pour des angles de coupure plus élevés.Enfin, j’ai mis en évidence la présence d’une signature vapeur d’eau dans les résidus de phase du traitement GPS. L’observation de ces hétérogénéités par des mesures lidar obliques devrait permettre de réduire les erreurs engendrées.
    • Ce qu’il reste à faire.Dans un premier temps, je pense que la correction lidar au zénith devrait être approfondie avec une évaluation sur des sessions plus courtes. L’exploitation d’autres campagnes devrait permettre de valider la méthode que j’ai mise en place. Enfin, l’intégration de cette correction et en particulier du processus d’étalonnage dans le traitement GPS serait un plus.Au niveau instrumental, nous travaillons actuellement sur un systme priscopique permettant de faciliter les vises obliques.Une méthode d’utilisation de ces visées obliques doit être dégagées. J’envisage une nouvelle campagne de mesure à Toulouse en 2009 pour l’application des méthodes qui seront mises en évidences. Au cours de cette campagne, j’envisage d’ailleurs à l’application de cette méthode de correction à une autre technique de géodésie spatiale, DORIS.Puis en fonction de ces résultats, pourquoi pas penser à une industrialisation de ce type de système pour une utilisation opérationnelle….
    • Obj initial : obtenir hauteur sur session plus courte (3 h, cf. rsultats obtenus sur simulations, Tarn2005) : valuation de la mthode de correction sur sessions/2.Divergence des solutions avec estimation, stabilité solution lidar. Légers écarts cependant avec solution à 6 h. Résultats bien meilleurs avec correction lidar que si la composante humide est estimée, REP de l’ordre de 5 mm jusqu’à 25°Rptabilit du mme ordre que sur 6 h avec correction lidar. M : rptabilit dgrade / 6 h.
    • Variabilité temporelle en IWV allant de 8 à 40 kg/m2 (retard humide de 50 à 250 mm) pour les cas extrêmes. Cette variabilité est liée à une succession de situations météorologiques caractérisées par des advections d’humidité importantes depuis l’océan Atlantique soit depuis le nord en situation anticyclonique (23 mai – anticyclone sur l’angleterre), soit depuis le sud à l’avant de front venant de l’Atlantique (29 mai – dépression à l’W de l’irlande).Lidar : en gros :Mesures Z sur 5 sessions, atm stable et sche (~ 10 cm au plus sur sessions lidar)Mesures S sur 5 sessions, atm plus variable et plus humide (~15 cm, pic 20 cm sur sessions lidar)
    • Trajet multiple causé par réflexion sur surface à proximité de l’antenneModélisation d’Elosegui permet de simulé cet impact en fonction de la hauteur de l’antenne au dessus d’une surface réfléchissante :Impact sur la mesure GPSImpact sur la hauteur estim pour diffrents angles de coupures
    • Campagnes : participation: préparation, mise en œuvre des instruments ; exploitation des données
    • Le principe de la mesure par lidar Raman repose sur l’émission d’une onde lumineuse dans l’atmosphère. Cette onde va rencontrer une molécule. La diffusion Rman correspond alors à une diffusion de l’onde incident accompagnée d’un échange d’énergie entre onde et molécule, et donc en changement dans la longueur d’onde.Ce qui va nous intéresser au plus haut point, c’est que ce décalage est caractéristique de molécule éclairée. La mesure du signal ainsi rétrodiffusé va nous permettre de dégager des informations quant à la molécule rencontrée.Dans notre cas, on va donc émettre une impulsion lumineuse à une longueur d’onde donnée et mesurée les signaux rétrodiffusés par les molécules de vapeur d’eau mais aussi d’azote, je reviendrai par la suite sur l’intérêt de la mesure du signal azote.… Concrètement, voilà le système qui va nous permettre de mesurer ça …
    • angelamaiers
      kapil favorited this 1 month ago

    Soutenance de Thèse

    from pbosser, 1 month ago Add as contact

    133 views | 0 comments | 1 favorites | 0 embeds (Stats)

    Desc: Thursday 3 July 2008

    Embed customize close
     

    Categories

    Education

    Tags

    More Info

    This slideshow is Public

    Views: 133 Comments: 0 Favorites: 1 Downloads: 0

    View Details: 133 on Slideshare 0 from embeds
    Flagged as inappropriate Flag as inappropriate

    Flag as inappropriate

    Select your reason for flagging this slideshow as inappropriate.

    If needed, use the feedback form to let us know more details.

    Slideshow Transcript

    1. Slide 1: Thèse de doctorat de l’Université Pierre et Marie Curie Spécialité Méthodes Physiques en Télédétection Ecole doctorale des Sciences de l’Environnement d’Ile-de-France Développement et validation d'une méthode de calcul GPS intégrant des mesures de profils de vapeur d'eau en visée multi- angulaire pour l'altimétrie de haute précision. par Pierre Bosser Jeudi 3 juillet 2008 – Saint-Mandé
    2. Slide 2: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Utilisations du GPS en mode géodésique  Réseaux permanents pour l’estimation de:  Coordonnées précises (système de référence, navigation) : 5 – 15 mm sur h (24h)  Produit troposphérique (météorologie)  Campagnes de mesure  À l’IGN, utilisation pour le maintien et la densification du réseau NGF : 10 – 30 mm (3 à 6 h)  Applications géophysiques (sismo-tectonique, maréegraphie) : 5 à 15 mm sur h (24h)  L’estimation de la hauteur reste limitée : deux sources d’erreur dominantes :  Trajet multiple : Réflexion du signal GPS par l’environnement physique de l’antenne GPS  Retard troposphérique : Ralentissement et courbure de la propagation du signal GPS lors de la traversée de la troposphère  Objectif : atteindre le millimètre sur h pour des sessions de 3 à 24 h 2/50
    3. Slide 3: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Impact du trajet multiple  L’impact sur la hauteur peut atteindre 10 mm [Elosegui et al., 1995]  Minimisation / correction : (1) Optimisation des conditions d’observation (antenne de type chokering, choix du placement de l’antenne). [Elosegui et al., 1995] (2) Correction a posteriori par cumul des résidus de phase sur la période d’observation. [Shoji et al., 2004] 3/50
    4. Slide 4: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Impact de la troposphère sur la propagation du signal  Courbure et retard de la propagation du signal lors de la traversée de la troposphère  Retard troposphérique, divisé en deux composantes : L  L h  L w Retard Retard hydrostatique humide 4/50
    5. Slide 5: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Modélisation de la troposphère en GPS  Lors du traitement GPS, on décompose le retard : L  t , ε , α   L z  t   mf h  ε   L z  t   mf w  ε    ( t , α , ε ) h w ZHD SIRTA – printemps 2004 Composante hydrostatique (ZHD)  De l’ordre de 2,3 m,  De faible variabilité  Estimée à partir d’une mesure de pression sol (~ 1 mm) [Saastamoinen, 1972] ZWD Composante humide (ZWD)  De 0,05 à 0,5 m  Variable  Plus complexe à modéliser : Estimation nécessaire 5/50
    6. Slide 6: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Impact de la troposphère sur l’estimation de la hauteur  Impact illustré par l’équation : 1  ( )  C   Lz  sin   h sin   Répercussion directe lors de l’estimation sur  L’horloge du récepteur  Le retard troposphérique  La hauteur Ces deux derniers paramètres sont fortement corrélées en raison de la dépendance à l’élévation  Une modélisation précise est donc nécessaire  Pour la correction du retard hydrostatique a priori  Pour l’estimation du retard humide  les modèles les plus récents essayent au mieux de restituer l’effet de la troposphère :  Retard hydrostatique au zénith à partir d’une mesure de pression sol à 0,1-0,2 mm [Bosser et al., 2007a]  Fonctions de projection NMF [Niell, 1996] , GMF [Boehm et al., 2006a], VMF [Boehm et al., 2006b] 6/50
    7. Slide 7: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Une meilleure prise en compte de la troposphère humide ?  L’effet des hétérogénéités atmosphériques (vapeur d’eau) ne peut être correctement modélisé. Leur impact sur la détermination de la hauteur peut être significatif (5-20 mm, [Bock et al.,2001]).  Une mesure externe de la distribution en vapeur d’eau est à envisager pour une estimation précise de la position verticale Seconde Approche : Première Approche : Mesure au zénith Mesure en direction du satellite  Description des couches  Description des hétérogénéités humides composant atmosphériques situées sur la l’atmosphère trajectoire du signal GPS  Meilleure modélisation de  Correction direct sur l’observation la dépendance en GPS élévation possible  Correction de l’effet de la troposphère humide sur le positionnement par GPS par profileur : le lidar Raman 7/50
    8. Slide 8: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Pourquoi un lidar Raman ?  Travaux de thèse de Jérôme Tarniewicz (1999 – 2005) « Etude d'une méthode de sondage de la vapeur d'eau dans la troposphère appliquée à la correction de mesures GPS pour l'altimétrie de haute précision. »  Avantages de l’utilisation de la technique lidar pour cette application [Bock et al., 2001]  Développement d’un lidar Raman en collaboration avec SA  LOEMI / IGN : instrumentation, aspect géodésique  SA / CNRS : lidar, étude de la basse troposphère [Tarniewicz et al., 2002]  Premières mesures lidar (ESCOMPTE-2001, AIRS-2002) [Bock et al., 2004] [Bock et al., 2003 ; 2004]  Apport de la technique lidar Raman mis en évidence à partir de simulations, en particulier pour des sessions courtes (3 h) [Tarniewicz, 2005]  Une mesure du retard humide par lidar, non biaisée avec une incertitude de 2 mm permet une précision submillimétrique sur l’estimation de la hauteur 8/50
    9. Slide 9: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Objectif « Correction du retard troposphérique sur les observations GPS » Mesure Sol Signal Raman Observations GPS Retard hydrostatique Retard humide  Incertitude 0,1 - 0,2 mm  Non biaisé  Incertitude ~ 2 mm Traitement GPS  Hauteur à 1 mm 9/50
    10. Slide 10: Plan Introduction I Mesure de profils de vapeur d’eau par lidar Raman II Mesure de retards troposphériques humides au zénith lors de la campagne VAPIC III Correction des observations GPS à l’aide de mesures lidar Raman au zénith IV Apport potentiel des visées obliques Conclusion et perspectives 10/50
    11. Slide 11: II. Mesure de profils de vapeur d’eau par lidar Raman Signal Raman Profil de rapport de mélange  Profil non biaisé  Incertitude minimale Retard humide  Non biaisé  Incertitude ~ 2 mm → Principe de la mesure, description du système → Développement de méthodes de traitement du signal pour une restitution précise de la mesure d’humidité 11/50
    12. Slide 12: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Aspect instrumental du lidar IGN-SA : l’émission / réception Configuration Configuration Visées Zénith Visées Obliques (2001-2004) Laser Nd:Yag [AIRS-2002] E Fréquence 10-20 Hz [VAPIC-2004] Energie / impulsion 30 mJ @ 355 nm Diamètre télescope 30 cm Monture orientable Az/el Focale 72 cm R Ouverture 0.3 mrad Résolution 7.5 m  20 s 12/50
    13. Slide 13: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Aspect instrumental du lidar IGN-SA : la détection Boitier de détection [COPS-2007] Visualisation des profils instantanés Rack licel [2007] R/M N2 H2O (Acquisition) λ [nm] 355 387 408 Δλ [nm] 0.40 0.40 0.40 Alimentation des T [%] 33 62 60 photomultiplicateurs PC (Acquisition) 13/50
    14. Slide 14: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Equation du signal lidar Raman  Puissance reçue par le télescope, rétrodiffusée par une molécule X pour une émission à λ0 d  X  0 ,   A PrX ( s )  P00  n X  z   Tatm  0, s, 0   Tatm  s,0,  X    2  O( z )  s d s  Signal Raman mesuré sur le canal X pour une émission à λ0 S  X ( s )  C X  PrX ( s )  B X r  Signaux Raman faibles : On travaille en comptage de photons  Signaux caractérisés par une statistique poissonienne : La précision du signal augmente avec le nombre de photons comptés : intégration spatiotemporelle pour des rapports signal-à-bruit optimaux 14/50
    15. Slide 15: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Mesure du rapport de mélange par lidar Raman  Calcul du rapport de mélange de vapeur d’eau à partir des signaux Raman N2 et H2O dσ λ N ( λ 0 , π ) 2 M H 2O S H 2O ( z )  B H 2O d Tatm (0, z,  N 2 ) C N 2 r ( z )  rN 2 M N2 S N2 ( z )  B N2 dσ λ H O ( λ 0 , π ) Tatm (0, z, H 2O ) C H 2 O 2 d [1] [2] [3] [4] [5]  Détermination … ● Mesure : [1] : Signaux Raman rétrodiffusés moyennés dans l’espace et dans le temps [2] : Fond de ciel moyen sur 5 min ● Modèles empiriques [3] : Coefficients de rétrodiffusion Raman [Penney et Lapp, 1976] 10 % [4] : Transmission atmosphérique : MODTRAN 4 [Berk et al.,1999] + USSA1976 1-3 % ● Expérimentale [5] : Efficacité du système de détection : étalonnage de la mesure lidar 15/50
    16. Slide 16: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Estimation précise du rapport de mélange [1] Signal Raman Profil de rapport de mélange  Sommation spatiotemporelle pour l’optimisation du RSB  Profil non biaisé  Incertitude minimale Intégrations spatiale et temporelle constantes (5 min  30 m) Intégrations spatiale progressive et temporelle constante (5 min  15-500 m) Intégrations spatiale et temporelle progressives (5-30 min  15-500 m) RSB N2  Amélioration des RS rapports signal-à-bruit  Impact sur l’estimation du rapport de mélange RSB H2O 16/50
    17. Slide 17: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Estimation précise du rapport de mélange [2] Signal Raman Profil de rapport de mélange  Estimation d’un rapport de mélange non biaisé  Profil non biaisé  Incertitude minimale  Origine : Variabilité poissonienne du signal azote dans les couches élevées  Impact : Surestimation du rapport de mélange (2 - 5 %) et du retard humide (0,2 - 1.0 mm)  Validation d’un nouvel estimateur sur des simulations de mesures lidar [Bosser et al., 2007b] (a) Ecarts sur le profil de rapport de mélange (lidar - référence) (b) Ecarts sur le retard humide en fonction de la couche (lidar - référence) 104 profils simulés (a) (b) Ancien estimateur Nouvel estimateur 17/50
    18. Slide 18: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Etalonnage de la mesure lidar Raman [1] dσ λ N ( λ 0 , π ) 2 M H 2O S H 2O ( z )  B H 2O d T atm ( 0 , z , λ , λ N 2 ) C N 2  Etalonnage de la mesure : r ( z )  r N 2 M N2 S N2 ( z )  BN2 dσ λ H O ( λ 0 , π ) T atm ( 0 , z , λ , λ H 2 O ) C H 2 O 2 d Détermination du rapport des efficacités des canaux N2 et H2O du système de détection  Dépendance de cette constante :  Transmissions des composants optiques du boîtier de détection selon la longueur d’onde :  Fibre optique, filtres passe-haut  Lame de séparation  Filtres interférentiels  Rendement et alimentation des PMs Signal Raman Profil de rapport de mélange  Profil non biaisé  Incertitude minimale 18/50
    19. Slide 19: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Etalonnage de la mesure lidar Raman [2]  Stratégies d’étalonnage :  Etalonnage indépendant [Sherlock et al., 1999] :  Détermination en laboratoire des caractéristiques des composants optiques  Nécessite une bonne connaissance des sections de diffusion Raman  Incertitude 10-12%  Etalonnage à l’aide d’une technique externe :  Utilisation d’une technique colocalisée fournissant une mesure d’humidité : RS, GPS, MWR, etc. [Whiteman et al., 1992 ; Turner et al., 2002 ; Revercomb et al., 2003, Whiteman, et al., 2006]  Permet de réduire incertitude sur les sections efficaces Raman (erreur prise en compte dans la constante estimée)  Incertitude 2-6%  Application : Etalonnage / RS ● Retard humide : variabilité de la constante estimée entre 3 et 4 % ● Variabilité liée Signal Raman ● À la mesure lidar (incertitude, effets thermiques) Profil de rapport de mélange ● Au radiosondage utilisé (incertitude, dérive spatiale)  Profil non biaisé  Incertitude minimale 19/50
    20. Slide 20: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Restitution de profils de rapport de mélange Radiosondage Visées Visées Lidar zénithales obliques Sol 20/50
    21. Slide 21: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Limites de la mesure lidar COPS – 25/07/2007 Mesures de jour difficile (faible intensité du signal rétrodiffusé) COPS – 20/07/2007 Condition de ciel clair nécessaire pour une portée maximale 21/50
    22. Slide 22: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Conclusion sur la mesure de rapport de mélange par lidar Raman  Validation de la mesure de vapeur d’eau par lidar Raman Bilan des sources d’incertitude sur le rapport de mélange restitué : Transmission atmosphérique 1-3 % Dépend des conditions d’observation Etalonnage de la mesure 3-4 % Bruit de mesure 1-2 % Dépend des couches sondées (5-30 min – 15-500 m)  Précision atteinte avec ces méthodes de traitement du signal et d’étalonnage classique  3 – 4%  3 – 4 mm pour un retard humide de 100 mm 22/50
    23. Slide 23: III. Mesures de retard humide au zénith lors de la campagne VAPIC Radiosondage Signal Raman Profil de rapport de mélange Retard humide → Calcul du retard humide lidar → Intercomparaison avec d’autres techniques pendant la campagne VAPIC Validation des mesures lidar Raman Limite du GPS pour la prise en compte de l’évolution de la troposphère humide 23/50
    24. Slide 24: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques La campagne VAPIC : Présentation  Campagne coordonnée par M. Haeffelin et O. Bock avec le soutien du PNTS  Objectif : Intercomparaison de techniques de mesure de vapeur d’eau  SIRTA (Campus X, Palaiseau) / 17 mai – 17 juin 2004  Organismes engagés :  IPSL (SA, LMD, CETP) + LOA  IGN (LAREG, LOEMI, SGN)  Météo-France (CDM78 et 91, CNRM, CDM75, DSO)  Université Technique de Munich et Université Libre de Berlin 24/50
    25. Slide 25: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Instruments exploités Radiosondage (SIRTA – CNRM) Observations GPS Radiomètres Profils Mesure Lidar (Drakkar, Rescom, P, T, q Hatpro) Profil de rapport Etalonnage NMF Traitement Température de de mélange GPT50 PPP Brillance 7° standard Complément r Psol Contenu intégré P, T en vapeur d’eau Tsol Retard humide Retard humide Retard humide Retard humide IGN-SA CNRM, CDM78, DSO INSU - IGN CETP, Univ. Munich 25/50
    26. Slide 26: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Mesure de retards humides au zénith par lidar Raman [1]  Mesures lidar :  5 sessions d’observations lidar au zénith (17, 18, 19, 24 et 25 mai)  Portée de 7 km  Résolution temporelle de 5 min  Dans l’ensemble, bonne cohérence avec les autres techniques impliquées  L’écart moyen quadratique est de l’ordre de 3 mm avec RS et GPS  Les écarts sont plus importants avec les radiomètres micro-onde Ecarts sur la mesure de retard humide au zénith Radiosondage Gipsy-Oasis II - XP51 Rescom Hatpro Drakkar 26/50
    27. Slide 27: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Mesure de retards humides par lidar Raman [2] Lidar Radiosondage Gipsy-Oasis II - XP51 Radiomètre Drakkar Session lidar du 19 mai 2004 Evolution du retard humide au zénith 27/50
    28. Slide 28: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Variations basse et haute fréquence du retard humide Basse fréquence Cas du 19 mai 2004 Lidar Gipsy-Oasis II - XP51 Radiomètre Drakkar Séparation des composante HF et BF du retard humide au zénith Résultats sur 5 jours ρ / lidar BF HF Haute fréquence WVR 0,9 – 1,0 0,6 – 0,9 GPS 0,8 0,1  Le GPS ne parvient pas à prendre en compte ces variations rapides qui peuvent pourtant avoir un impact lors du traitement 28/50
    29. Slide 29: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Conclusion sur la mesure de retards humides par lidar Raman  Cohérence des mesures lidar avec les autres techniques sur l’ensemble des sessions lidar au zénith  Ecarts avec RS et GPS : 1 mm ± 2-3 mm  Bonne restitution des variations à haute-fréquence : corrélation avec le radiomètre de 0,6 à 0,9  Les variations haute-fréquence ne sont pas restituées précisément par le traitement GPS  Prise en compte de ces variations à l’aide de la mesure lidar lors du traitement GPS 29/50
    30. Slide 30: IV. Correction des observations GPS à l’aide de mesures lidar Raman au zénith Mesure Sol Retard humide Observations (mesure validée) GPS Retard hydrostatique Traitement GPS  Hauteur à 1 mm → Utilisation d’une mesure lidar étalonnée pour la correction du retard humide → Estimation conjointe de la hauteur et de la constante lidar lors du traitement GPS 30/50
    31. Slide 31: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Quelle(s) amélioration(s) au traitement des signaux GPS ?  Résidus de phase du traitement GPS  Systématismes dans les séries de résidus de phase  Effet caractéristique du trajet multiple Résidus moyens en fonction de l’élévation  Meilleure correction de la troposphère possible  Troposphère hydrostatique  Mesures sol pour la correction apriori [Tregoning et Herring, 2007] :  Meilleure modélisation de la dépendance en élévation  Troposphère humide  Meilleure sensibilité de la mesure lidar Raman aux évolutions humides rapides 18-05 19-05 24-05 25-05 31/50
    32. Slide 32: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Données disponibles  2 Stations GPS du SIRTA (SIRT, XP51)  4 Sessions lidar au zénith (18, 19, 24, 25 mai) de 6 h d’observation chacune  4 Traitements sont réalisés 32/50
    33. Slide 33: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Description des traitements réalisés Radiosondage (SIRTA) Observations GPSObservations GPS Observations GPS Observations GPS Profil de rapport Etalonnage Psol de mélange – VMFh Traitement C VMFh PPP (10 jours) Traitement C PPP (10 jours) Complément Psol NMF NMFw – Traitement Traitement VMFh Ray-tracing GPT50 PPP de PPP Carte Psol NMFw L w Traitement PPP résidus moyens – Carte de al., 2004] [Shoji et résidus Traitement moyens RQM, hh PPP RQM, V C M RQM, h RQM, h L [Rocken et al., 2001] 33/50
    34. Slide 34: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Correction par une mesure lidar étalonnée : Traitement à 7° C RQM : V  Traitement C fournit RQM entre 5 et 7 mm M  Traitement V présente une augmentation du RQM L Fonctions de projection compatibles ?  Amélioration significative du RQM avec traitement M  L’introduction d’une correction avec incertitude implique augmentation du RQM (L) Répétabilité sur la hauteur :  Répétabilité de l’ordre de 6 mm pour le traitement C 3,1 mm  Amélioration avec V  Le traitement M fournit le résultat le plus concluant  La traitement L n’apporte pas d’amélioration significative  Cause de la dégradation des résultats pour le traitement lidar (L) ● Résidus vapeur d’eau dans les cartes de résidus moyens ● Effet d’un mauvais étalonnage ● Correction à partir d’un profil au zénith 34/50
    35. Slide 35: Mesure de profils Mesure de Correction des Apport des Introduction Conclusion de vapeur d’eau retards humides observations GPS visées obliques Correction par une mesure lidar étalonnée : Angle de coupure  Impact de l’angle de coupure du traitement (7 à 30°) pour la station XP51 C (modélisation « classique ») V (C + correction hydrostatique) M (V + correction trajet multiple) L (M + correction lidar)  Diminution du RQM avec l’angle de coupure  Divergence de la hauteur estimée lorsqu’un retard humide est estimé  Divergence de la répétabilité lorsqu’un retard humide est estimé 35/50
    36. Slide 36: