Calibration du modèle de la rétrodiffusion radar IEM pour l'extraction des paramètres du sol en milieu agricole (rugosité et humidité)

anglais. The retrieval of surface parameters, using inversion techniques, requires the use of well calibrated models and unfortunately, none of the existing models provide consistently good agreement with the measured SAR data. In this study, we propose an empirical calibration of the Integral Equation Model (IEM) in order to better reproduce the backscattering coefficient measured from SAR (Synthetic Aperture Radar) images over bare soils in agricultural areas. As correlation length is not only the least accurate parameter but also the most difficult to measure, we propose its empirical estimation from experimental data sets of SAR images and soil parameters measurements. Based on a lot of data set, a relationship between optimal correlation length and rms surface height were found for each radar configuration in using three correlation functions (exponential, fractal and gaussienne). The new calibrated version of the IEM, corresponding to the original IEM with a coupling of the empirical function of correlation length, was then tested on another set of measured data in order to validate the calibration procedure. The results show a very good agreement between the backscattering measurements provided by spaceborne SAR systems and those given by the calibrated IEM. This adapted version of the IEM can be used in inversion techniques for retrieving rms height from radar observations.

français. L'estimation des paramètres de surface en utilisant des techniques d'inversion nécessite l'utilisation de modèles de rétrodiffusion bien calibrés. Aucun des modèles existants n'est capable de simuler correctement des données radar mesurées. Nous proposons dans cette étude un étalonnage empirique du modèle IEM (Integral Equation Model) dans le but de mieux reproduire le coefficient de rétrodiffusion mesuré à partir des images ROS (Radar à Ouverture Synthétique) sur des sols nus en milieu agricole. Étant donné que la longueur de corrélation est le paramètre le moins précis mais aussi le plus difficile à mesurer, nous proposons de l'estimer empiriquement à partir de bases de données expérimentales composées d'images ROS et de mesures terrain. Basées sur plusieurs bases de données, des relations entre la longueur de corrélation estimée empiriquement et la rugosité de surface ont été retrouvées pour chaque configuration radar en utilisant trois fonctions d'autocorrélation (exponentielle, fractale et gaussienne). La version étalonnée du modèle IEM, correspondant à la version originale du modèle IEM avec la fonction empirique de la longueur de corrélation, a par la suite été validée sur une autre base de données expérimentale indépendante. Les résultats montrent un bon accord entre le coefficient de rétrodiffusion fourni par les systèmes ROS et celui simulé par le modèle IEM calibré. Cette version adaptée du modèle IEM peut être utilisée dans des procédures d'inversion pour retrouver la rugosité de surface à partir des images radar.