Analyse par télédétection des épisodes de poussière locaux dans les environnements subarctiques et arctiques
Notice bibliographique
Résumé
La région arctique joue un rôle unique dans la régulation du climat terrestre en réfléchissant et en absorbant le rayonnement solaire incident sur sa surface, principalement composée de neige et de glace, d’eau libre et de toundra. La structure nuageuse, très variable dans le temps et dans l’espace, constitue un élément important de ce processus de réflexion et d’absorption. Ces mécanismes de forçage radiatif atmosphérique exercent un effet déterminant sur les schémas de température à l’échelle mondiale. La dynamique des nuages est intrinsèquement liée aux processus de nucléation de la glace, par lesquels des aérosols arctiques , d’origine locale ou lointaine, initient la formation de cristaux de glace. Les poussières de haute latitude (High Latitude Dust, HLD), émises par des sources locales situées dans les bassins versants des régions arctiques et subarctiques, constituent un aérosol Arctique important et, par conséquent, un agent majeur du forçage radiatif à l’échelle de l’Arctique. Ce projet de thèse de doctorat porte sur la caractérisation optique et microphysique des HLD à l’aide de techniques de télédétection (RS), à la fois au sol et par satellite. Il se divise en deux études distinctes mais étroitement liées. La première étude porte sur les mesures des panaches de poussière dans la région subarctique de Lhù'ààn Mân' (lac Kluane), au Yukon canadien , une source importante d’émissions de poussière proglaciale provenant des bassins versants. Les événements locaux de poussière ont été identifiés (classés) à l’aide d’un seuil appliqué au coefficient de corrélation entre les estimations de l’épaisseur optique des aérosols (AOD) en mode grossier (CM) dérivées du lidar au sol et les mesures des concentrations volumiques de particules CM en surface. Cette approche de classification a été étendue en analysant la corrélation entre les mesures passives au sol de l’AOD CM issues des instruments AERONET (AErosol RObotic NETwork) et les AOD CM dérivées du lidar ayant satisfait au test de classification de la poussière, afin d’identifier les événements de poussière pouvant être télédétectés à l’aide de mesures optiques passives . Nous avons également utilisé des estimations de l’indice de réfraction, dérivées d’échantillons de poussière prélevés sur place, pour étayer un argument que la persistance d’un biais positif du rapport lidar, étais attribuable à une sous-estimation de la taille des particules de poussière. La deuxième étude s’est concentrée sur la caractérisation optique et microphysique de la poussière de l’Arctique à l’échelle de l’archipel arctique canadien (CAA). Dans un premier temps, sept événements locaux de poussière survenus en juillet et en août 2007 à l’observatoire Eureka PEARL ont été identifiés et caractérisés à l’aide d’une combinaison d’AOD CM provenant d’un lidar au sol (AHSRL ) et d’AOD CM issues d’instruments AERONET situés près de la surface (0PAL) et à 615 m au-dessus de la surface (Ridge Lab) . Dans une seconde analyse portant sur des données plus récentes, nous avons mis en évidence des corrélations significatives entre les AOD CM d’AERONET et les mesures APS (Aerosol Particle Sizer) de la concentration volumique des particules CM, acquises à 0PAL le 21 août 2018. Les données locales de vitesse du vent, comparées aux moyennes climatologiques, provenant de la station météorologique d’Eureka située à proximité de 0PAL, ont corroboré la probabilité que 0PAL ait été soumis à un événement de poussière relativement intense. Les images multispectrales Sentinel-2 à haute résolution spatiale (10 m) acquises au-dessus de la région de PEARL, complétées par un champ vectoriel du vent synchrone issu de CARRA (C3S Arctic Regional Reanalysis), ont apporté des éléments supplémentaires en faveur de l’hypothèse de la survenue d’un événement de poussière significatif à 0PAL ce jour-là. Les résultats obtenus à Eureka PEARL ont permis et facilité l’identification d’événements de panaches de poussière au-dessus d’autres régions du CAA à l’aide d’un ensemble élargi de capteurs satellitaires. Nous avons ainsi réussi à identifier et à caractériser des événements locaux de poussière — notamment des motifs d’images d’AOD CM significatifs, cohérents avec l’apparition de panaches de poussière dans les images MODIS — sur des sites s’étendant de l’île Axel Heiberg, à l’ouest d’Eureka (sur l’île d’Ellesmere), jusqu’à l’île Prince of Wales, l’île Banks, l’île Ellef Ringnes et Strand Bay, sur la côte sud-ouest de l’île Axel Heiberg. Dans le cas de l’île Banks, nous avons exploité les caractéristiques de très haute résolution spatiale (10 m) des images Sentinel-2 afin de mieux comprendre la nature de panaches de poussière relativement diffus observés dans les images MODIS à une résolution de 250 m. Le capteur le plus performant pour l’extraction de caractéristiques clés des panaches de poussière s’est avéré être le MISR (Multi-angle Imaging SpectroRadiometer), embarqué à bord du satellite Terra. La nature stéréoscopique des images multi-vues du MISR a permis d’extraire la hauteur et la vitesse des panaches pour la plupart des événements de poussière observés dans le CAA ; un événement, visible dans les images MODIS, était toutefois masqué par des nuages dans la majorité des vues multi-angles du MISR. Dans le cas de Strand Bay, nous avons soutenu avoir identifié un exemple concret relativement rare d’un phénomène fréquemment évoqué, à savoir les effets de dépôt des panaches de poussière locaux. Ce résultat a démontré le rôle très important qu’un capteur tel que le MISR peut jouer dans l’établissement de la dynamique des panaches de poussière à l’échelle du CAA. La surveillance continue des propriétés optiques et microphysiques des aérosols de poussière à l’aide de ces outils de télédétection constitue un élément essentiel pour comprendre les impacts environnementaux et climatiques de la poussière locale et, notamment, son rôle dans l’accélération de la fonte des neiges, ainsi que son impact, en tant que particule nucléante importante, sur la formation des nuages arctiques. Les recherches futures devraient se concentrer sur l’évaluation des mécanismes de fonte des neiges liés au dépôt de poussière et sur la quantification de la nature précise des interactions entre la poussière et les nuages.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».