MONTANDON
"Un modèle neuronal pour la simulation opérationnelle des radiances
observées par l'interférometre à haute résolution spectrale IASI",
devant le jury composé de
Mme. Katia Laval, présidente
Mme. Cathy Clerbaux, rapporteur
Mme. Noëlle Scott, directrice
M. Patrick Chazette, rapporteur
M. Vincent Casse, Examinateur
M. Herve Le Treut, examinateur
La préparation à l'exploitation des mesures à haute résolution spectrale
de IASI (Interféromètre Atmosphérique pour le Sondage Infrarouge), qui volera en
2005 sur le satellite polaire METOP, nécessite le développement de modèles de
transfert radiatif précis et très rapides en vue d'applications de météorologie
opérationnelle, de climatologie et de chimie de l'atmosphère.
Nous présentons une première version de modèle direct neuronal des
températures de brillance IASI (8461 canaux entre 3.62 et 15.5 µm). Le modèle
est constitué de réseaux de neurones de type Perceptron Multi-Couches. Un moyen
efficace de réduire les difficultés liées à la modélisation neuronale de données
de grande dimension est l'Analyse en Composantes Principales des spectres. Elle
permet d'élaborer un estimateur de complexité satisfaisante, en parallèle avec
la méthode "early stopping". De plus, ce pré-traitement décorrèle les
composantes de la variabilité du signal. Tout cela permet la convergence de la
fonction de coût vers un bon minimum en un nombre moindre d'itérations.
Les performances du modèle sont très encourageantes pour la voie
neuronale: un spectre IASI complet est calculé en 0.06 seconde (3.4 s pour un
modèle paramétrique de référence). Des résultats d'une bonne précision (erreurs
inférieures à 1 K) sont obtenus en fin d'éducation et sur des bases de
validation indépendantes, dans les bandes d'absorption de CO2, N2O, CH4 et CO,
et dans les fenêtres atmosphériques. Ils restent satisfaisants pour la bande de
l'ozone à 9.6 µm.
Les véritables limitations du modèle sont situées dans la bande
d'absorption de la vapeur d'eau, à 6.3 µm. La nécessité de l'homogénéité des
bases utilisées pour le paramétrage (apprentissage et test), ainsi que d'un plus
grand nombre d'éléments dans la base d'apprentissage, est soulignée.
Etant donné le caractère partiel du modèle et les ameliorations
possibles, il appartient encore au contexte de l'étude de faisabilité, et son
évolution vers une version plus opérationnelle est en cours.
