Observations of soil surface temperatures over the whole Arctic permafrost area using remote sensing
Notice bibliographique
Résumé
Le pergélisol, défini comme un sol gelé pendant plus de deux années successives, est un élément clé de l'environnement nordique. La couche active du pergélisol est sujette au dégel saisonnier et est très impactée par le réchauffement de l'Arctique en lien avec le changement climatique. Modifiant hydrologiquement et biogéochimiquement le milieu, le dégel du pergélisol a des conséquences tant environnementales qu'économiques. Il apparaît donc essentiel de développer des méthodes de suivi de l'état de surface du pergélisol (humidité du sol - Soil Moisture en anglais - (SM) et température du sol (Tsol)) sur la vaste étendue des régions arctiques. La télédétection satellite rend aujourd'hui possible des observations spatiales et temporelles régulières de ces régions. La mission satellitaire Soil Moisture and Ocean Salinity (SMOS) mesurent les émissions micro-ondes en bande L, liées aux propriétés physiques du sol, et permet de suivre le SM dans de nombreuses zones éco-climatiques. Pourtant, le manque de connaissance des facteurs affectant le signal (tels que la végétation de type toundra ou le manteau neigeux) limite ces mesures pour les environnements arctiques. Cette thèse a pour but de développer de nouvelles méthodes de suivi de l'humidité et la température du sol en milieu nordique à partir des Température de Brillance (TB) SMOS. Dans le premier article, les produits satellite SM existants sont évalués par rapport à des mesures in situ. Cette évaluation souligne les défis et les facteurs des régions arctiques rendant difficiles l'inversion des SM. Nous avons adapté le processus d'inversion des TB SMOS afin d'améliorer la qualité du produit SM pour de tels environnements climatiques. Nous proposons une optimisation conjointe du paramètre de surface du sol (H r = 0) et de l'albédo de simple diffusion de la végétation (ω = 0.08), ainsi que l'utilisation de deux modèles de constantes diélectriques du sol. Le signal des nombreuses étendues d'eau présentes en Arctique est pris en compte dans notre processus d'inversion. Notre modèle, ainsi adapté à l'environnement de toundra arctique, améliore l'accord entre les SM issues de SMOS et les SM in situ, mais reste fortement impacté par les étendues d'eau. Dans le second article, les Tsol sont pour la première fois inversées en hiver sous le manteau neigeux dans les milieux nordiques. L'étude propose une meilleure prise en compte de la couche de neige, quasi-transparente en bande L, et de l'interface sol/neige. Un premier modèle fait fit de la présence d'étendues d'eau et un second modèle inclut une méthode de correction pour prendre en compte l'émission des étendues d'eau gelées. Les Tsol inversées sont comparées à des Tsol in situ entre 2012 et 2020 sur 21 sites au Nord de l'Alaska. Pour des sites avec peu d'étendues d'eau, le biais est quasi nul (-0,2°C). Pour les sites avec une fraction d'eau supérieure à 20 %, le second modèle permet de réduire le biais, mais la correction fixe au cours de la saison ne permet d'augmenter la corrélation. Enfin, l'algorithme développé dans le second article a été appliqué à l'ensemble de l'arctique circumpolaire afin d'évaluer les variations spatio-temporelles des Tsol depuis 2012. Des tendances pour les Tsol et les température de l'air (Tair) sont présentées et les résultats mettent en avant les disparités géographiques du réchauffement de la couche active du pergélisol. L'impact du type de végétation sur le manteau neigeux et ses conséquences sur la Tsol sont observées sur deux sites de l'Est de l'Eurasie. Nous montrons qu'en zone de toundra arbustive, la Tsol est supérieure à celle observée en zone de toundra herbacée. Les méthodes et résultats de cette thèse dévoilent de nouvelles possibilités pour le suivi de l'état du pergélisol arctique. La télédétection micro-ondes passives en bande L apparaît comme un outil pertinent pour l'étude de l'Arctique, région des plus vulnérables, face aux changements climatiques.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 source (Gemma direct ou Codex distillé), 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 ».