Estimation of bathymetry using earth observation for marine renewable energies
Notice bibliographique
Résumé
La bathymétrie est un paramètre clé pour le développement des énergies marines renouvelables. L’acquisition actuelle de ces données est faite par des sondeurs acoustiques embarqués sur navires. Les images satellites des Radar à Synthèse d'ouverture (RSO) peuvent être utilisées pour obtenir des cartes bathymétriques dont la résolution est adaptée aux besoins des acteurs des EMR. L’objectif de la thèse est l’évaluation du potentiel des nouveaux satellites embarquant des imageurs radar pour l’estimation de la bathymétrie. La répétition de la mesure de la mission Sentinel-1 permet d’obtenir des images RSO d’une même zone tous les 6 jours. Cette capacité à imager des conditions de mer très différentes permet d'augmenter la probabilité d'obtenir des conditions favorables à l’estimation de la bathymétrie par des méthodes exploitant l'interaction de la houle avec la bathymétrie. L’approche proposée dans cette thèse est basée sur l’utilisation de la propagation de la houle dans le but d’estimer la profondeur. Dans un premier temps l’utilisation d'un modèle de propagation d'onde à résolution de phase (modèle Boussinesq Ocean & Surf Zone) a permis d'établir, de tester et de mettre au point une méthode d’estimation de la bathymétrie sur plusieurs surfaces libres. Dans des conditions favorables, les images RSO de l’océan peuvent être considérées comme une représentation linéaire de l’état de mer. Dans un second temps, nous avons adapté et appliqué la méthode établie sur le modèle aux images SAR. Des approches simples de fusion de données sont appliquées pour tirer parti de la répétitivité de la mission Sentinel-1. Les résultats obtenus sont en mesure de satisfaire les besoins des acteurs des EMR. Les perspectives de ce travail sont présentées.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».