Emulation statistique de champs de vent à haute résolution - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2014

Statistical emulation of high resolution SAR wind fields

Emulation statistique de champs de vent à haute résolution

Résumé

This PhD thesis addresses the reconstruction of high resolution sea surface wind fields. The availability of such high resolution fields is critical for numerous issues, e.g. coastal management, offshore structures, oil spill disaster tracking, etc. Satellites, especially from Synthetic Aperture Radar (SAR) systems, can monitor the ocean surface at a spatial resolution of a few meters. SAR wind fields are operationally produced with spatial resolutions of less than 1 km. However, satellite SAR systems involve highly irregular sampling of the ocean surface and, for a given region, SAR wind fields may be delivered with a low temporal resolution, typically every 7-to-10 days for temperate zones. By contrast, numerical model predictions, such as European Center for Medium-range Weather Forecast (ECMWF) wind fields, are typically delivered with a high temporal resolution (e.g. every 6 h), but with a low spatial resolution (~50 km * 50 km). The question of the combination of numerical model predictions and SAR wind fields naturally arises to deliver high resolution wind fields at sea surface anywhere and anytime. Here, we state this issue as the statistical learning of transfer functions between low resolution model predictions and the associated high resolution SAR fields. We investigate the extent to which such regression functions can be determined from a set of co-located low resolution and high resolution fields. Both global, local and non-local information schemes as well as linear and non-linear regression methods are considered. As a case-study, we carry out numerical experiments for a coastal area off Norway, which involves complex low resolution to high resolution situations. We show that machine learning models based on non-linear Support Vector Regression (SVR) method, combined either with local or non-local information, perform better than more classical models, e.g. those based on analog method or Multiple Linear Regression (MLR). The SVR based models produce high resolution variability very close to the reference local variability observed by SAR, especially in coastal area. Furthermore, the reconstructed wind fields preserve the statistical distribution properties of SAR wind fields.
Dans cette thèse, on s'intéresse à l'émulation de champs de vent de la surface de la mer à haute résolution. La disponibilité de ces champs à haute résolution est critique dans de nombreuses situations, par exemple la gestion du littoral, les structures offshore, le suivi de nappes de pétrole, etc. Les satellites, en particulier les systèmes à SAR (Synthetic Aperture Radar) peuvent observer la surface de mer à une résolution spatiale de quelques mètres. Les champs de vent SAR produits de manière opérationnelle atteignent une résolution spatiale de moins de 1 km. Cependant, les échantillonnages de la surface de l'océan par SAR sont irréguliers en temps en en espace pour une zone donnée. En revanche, les modèles numériques comme ECMWF (European Center for Medium-range Weather Forecast) peuvent fournir des champs de vent toutes les 6 heures, mais avec une résolution spatiale très basse (~50 km * 50 km). Nous combinons les données ECMWF et SAR pour produire des champs de vent à haute résolution spatio-temporelle. Pour cela, l'émulation à haute résolution est formulée comme l'apprentissage statistique d'une fonction de transfert entre la basse résolution et la haute résolution. La fonction de transfert est calibrée par des couples de données historiques co-localisées à basse et à haute résolution. On utilise alors des informations locales, non-locales ou globales associées à des méthodes de régression linéaire ou non-linéaire. L'approche est validée sur une zone côtière de Norvège, caractérisée par la complexité de sa topographie. Nous montrons que les modèles non-linéaires SVR (machine à Vecteurs de Support pour la Régression), utilisant les informations locales ou non-locales, donnent de meilleurs résultats par rapport aux modèles basés sur des méthodes plus classiques, comme analogues ou MLR (Régression Linéaire Multiple). Les champs émulés par la méthode SVR sont très proches des observations SAR. Les biais pourtant importants en zones côtières sont bien corrigés. En outre, les champs émulés préservent les propriétés statistiques des champs de vent SAR.
Fichier principal
Vignette du fichier
2014telb0319_He Guelton Liyun.pdf (26.63 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-01217514 , version 1 (19-10-2015)

Identifiants

  • HAL Id : tel-01217514 , version 1

Citer

Liyun Guelton. Emulation statistique de champs de vent à haute résolution. Traitement du signal et de l'image [eess.SP]. Télécom Bretagne; Université de Bretagne Occidentale, 2014. Français. ⟨NNT : ⟩. ⟨tel-01217514⟩
177 Consultations
83 Téléchargements

Partager

Gmail Facebook X LinkedIn More