Détection de la fonte en Antarctique par fusion de données satellites actives et passives

[ENGLISH BELOW]

Contexte
Les calottes polaires sont les principaux contributeurs attendus à la hausse du niveau des mers au cours du 21e siècle, en partie du fait du réchauffement atmosphérique qui intensifie la fonte du manteau neigeux. Nous développons, au sein de l’équipe C2H de l’Institut des Géosciences de l’Environnement, des méthodes pour estimer cette fonte en utilisant les observations satellites micro-ondes passives. Les produits dérivés de nos algorithmes permettent de suivre l’évolution de la fonte dans un contexte de changement climatique, et de réaliser des études visant à mieux comprendre les processus physiques de fonte, regel et percolation de l’eau liquide dans le manteau neigeux qui impactent le bilan de masse des calottes. Leur principale limitation est aujourd’hui la faible résolution spatiale des données (20-40 km) qui ne permet pas d’étudier les processus à fine échelle. Nous cherchons ainsi à développer un nouveau produit de fonte en fusionnant les données micro-ondes actives et passives, permettant de combiner les avantages de chaque technique : haute résolution temporelle et sensibilité à la fonte importante pour les capteurs passifs (radiomètres), et haute résolution spatiale pour les capteurs actifs (radars à synthèse d’ouverture ou SAR).

Objectifs du stage
L’objectif principal de ce stage est d’étudier les caractéristiques de la fonte en bande L (1.4 GHz) en Antarctique en fonction de la résolution spatiale des données satellites. Pour cela, nous utiliserons des capteurs passifs (SMOS) et actifs (NISAR, éventuellement SAOCOM et Sentinel-1) que nous pourrons fusionner, par exemple en suivant une approche « apprentissage profond » (deep learning) avec l’algorithme développé par de Roda Husman et al. (2024). Le développement sera principalement appliqué sur des zones côtières de l’Antarctique où la résolution spatiale joue un rôle critique dans la détection de la fonte.

Déroulement du stage
La.le stagiaire sera chargé.e de :
1. Cartographier le signal de fonte dans les données SAR en utilisant une simple méthode de seuillage issue de l’état de l’art, étudier les variations spatiales et temporelles de ce signal.
2. Implémenter la fusion des données actives et passives, en commençant par la méthode de Roda Husman et al. (2024)
3. Évaluer la qualité des cartes de fonte obtenues de la fusion.
4. Étudier l’impact de la résolution spatiale sur la détection du signal de fonte en dégradant progressivement la résolution spatiale des cartes de fonte jusqu’à la résolution nominale du produit SMOS (Zeiger et al., 2024)

Profil recherché
• Expérience en géosciences et télédétection/traitement de données spatiales,
• Programmation python de bon niveau,
• Motivation pour la recherche académique et le travail en équipe
• Des connaissances en fusion de données ou deep learning sont un plus

Encadrement : Pierre Zeiger, Ghislain Picard
Contact : pierre.zeiger univ-grenoble-alpes.fr

Références
de Roda Husman, S., Lhermitte, S., Bolibar, J., Izeboud, M., Hu, Z., Shukla, S., ... & Wouters, B. (2024). A high-resolution record of surface melt on Antarctic ice shelves using multi-source remote sensing data and deep learning. Remote Sensing of Environment, 301, 113950.
Zeiger, P., Picard, G., Richaume, P., Mialon, A., & Rodriguez-Fernandez, N. (2024). Resolution enhancement of SMOS brightness temperatures : Application to melt detection on the Antarctic and Greenland ice sheets. Remote Sensing of Environment, 315, 114469.

[ENGLISH]

Context
Ice sheets are expected to be the main contributors to sea-level rise during the 21st century, with atmospheric warming intensifying snowmelt. The Institut des Géosciences de l’Environnement is developing methods to estimate surface melting using passive microwave satellite observations. The products derived from our algorithms enable the monitoring of melt evolution with climate change and support a better understanding of snowpack physical processes including melt, refreezing, and liquid water percolation, which impact the ice sheets mass balance. Their main limitation is the low spatial resolution of passive microwave data (20–40 km), which prevents the study of fine-scale processes. We therefore seek to develop a new melt product by fusing active and passive microwave data, combining the advantages of both techniques : high temporal resolution and strong sensitivity to liquid water for passive sensors (radiometers), and high spatial resolution for active sensors (synthetic aperture radars, SAR).

Internship Objectives
The main objective of this internship is to investigate the patterns of L-band (1.4 GHz) melt over Antarctica depending on the spatial resolution of input data. To this end, we will use passive (SMOS) and active (NISAR, possibly SAOCOM and Sentinel-1) sensors. Data fusion will be implemented, using for instance a “deep learning” approach with the algorithm developed by de Roda Husman et al. (2024). The development will primarily focus on coastal areas of Antarctica, where spatial resolution plays a critical role in melt detection.

Internship Work Plan
The intern will work on the following topics :
1. Mapping the melt signal in SAR data using a simple thresholding method (state of the art), and studying the spatiotemporal variations of this signal.
2. Implementing the fusion of active and passive microwave data, starting with the method of de Roda Husman et al. (2024).
3. Assessing the quality of the melt maps obtained from data fusion.
4. Studying the impact of spatial resolution on melt detection. To this end, the spatial resolution of melt maps will be progressively coarsened to reach the nominal resolution of the SMOS product (Zeiger et al., 2024).

Expected skills
• Experience in geosciences and remote sensing/geospatial data processing
• Proficiency in Python
• Motivation for academic research and teamwork
• Knowledge of data fusion or deep learning is a plus

Supervision : Pierre Zeiger, Ghislain Picard
Contact : pierre.zeiger univ-grenoble-alpes.fr