Note ABES Analyse de sensibilité et estimation de l'humidité du sol à partir de données radar On sensitivity analysis and estimation of soil moisture from radar responses Humidité du sol AIEM Diffusion bistatique Analyse de sensibilité ALOS-2 Données radar Micro-ondes Soil moisture AIEM Bistatic scattering Sensitivity analysis ALOS-2 Radar data Microwave 621.38 Humidité du sol Télédétection Théorie de la sensibilité (mathématiques) Radar bistatique Micro-ondes Imagerie satellitaire L’étude de la diffusion des ondes électromagnétiques par une surface rugueuse aléatoire est de première importance dans de nombreuses disciplines et conduit à diverses applications notamment pour le traitement des surfaces par télédétection. En connaissant les modes de rétrodiffusion, on peut détecter la présence de la rugosité aléatoire indésirable de la surface de réflection telle que le réflecteur d'antenne et par conséquent trouver un moyen de corriger ou compenser les erreurs de phase. Cette thèse porte sur l’obtention de l'humidité du sol de surface à partir de mesures radar. La description de la surface rugueuse de façon aléatoire est présentée, suivie par les interactions d'ondes électromagnétiques avec les média. En particulier, un modèle d'équation intégrale avancé (AIEM) est introduit. La validité du modèle AIEM, qui est adopté comme modèle de travail, se fait par une large comparaison avec des simulations numériques et des données expérimentales. On analyse également les caractéristiques des configurations radar bistatique et on étudie la sensibilité de la diffusion bistatique à l'humidité du sol et à la rugosité de surface et, dans le même temps, le cadre de la détermination de l'humidité du sol à partir de mesures radar utilisant un réseau de neurones à base de filtres de Kalman récurrents est présenté. La formation du réseau et l'inversion des données sont décrits. Electromagnetic waves scattering from a randomly rough surface is of palpable importance in many fields of disciplines and bears itself in various applications spanned from surface treatment to remote sensing of terrain and sea. By knowing the backscattering patterns, one may detect the presence of the undesired random roughness of the reflection surface such as antenna reflector and accordingly devise a means to correct or compensate the phase errors. Therefore, it has been both theoretically and practically necessary to study the electromagnetic wave scattering from the random surfaces. This dissertation focuses on the retrieval of surface soil moisture from radar measurements. The description of the randomly rough surface is presented, followed by the electromagnetic wave interactions with the media. In particular, an advanced integral equation model (AIEM) is introduced. The validity of the AIEM model, which is adopted as a working model, is made by extensive comparison with numerical simulations and experimental data. Also analyzes the characteristics of the bistatic radar configurations and dissects the sensitivity of bistatic scattering to soil moisture and surface roughness of soil surfaces. Meanwhile presents a framework of soil moisture retrieval from radar measurements using a recurrent Kalman filter-based neural network. The network training and data inversion are described in detail. Electronic Thesis or Dissertation Text en PDF 9143888 Université de Strasbourg Strasbourg 2017-12-31 https://theses.hal.science/tel-01547494 application/pdf 8996955 https://publication-theses.unistra.fr/public/theses_doctorat/2016/LIU_Yuan_2016_ED269.pdf http://www.theses.fr/2016STRAD032/abes https://theses.hal.science/tel-01547494 https://theses.hal.science/tel-01547494 https://theses.hal.science/tel-01547494 https://theses.hal.science/tel-01547494 Liu Yuan 1988-06-02 CN 202458598 21116736 https://theses.fr/2016STRAD032 2016STRAD032 https://doi.org/10.70675/bb129201zf875z4a37z8cc4z0ede429ac1b7 2016-09-23 Télédétection et imagerie physique Strasbourg 131056549 Doctorat Docteur es non oui Li Zhao-Liang MADS_DIRECTEUR_DE_THESE_1 116002239 Nerry Françoise MADS_PRESIDENT_DU_JURY 034052887 Chen Kun-Shan MADS_MEMBRE_DU_JURY_1 202458997 Sobrino José A. MADS_RAPPORTEUR_1 132840073 Yan Guanjian MADS_RAPPORTEUR_2 202458911 École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....) MADS_ECOLE_DOCTORALE_1 MA 156504863 Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....) MADS_PARTENAIRE_DE_RECHERCHE_1 UMR7357 176969721 260728 ddc:620 Li Zhao-Liang Nerry Françoise Chen Kun-Shan Sobrino José A. Yan Guanjian École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg) Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg) PDF 9143888