Abstract
Satellite radar altimetry appears to be a highly promising method that could be used to complement in situ limnimetric station surveys in remote river basins. However, a major drawback of satellite altimetry is its poor temporal resolution. The sampling period ranges from 10 to 35 days, depending on the satellite. This paper proposes a methodology for obtaining time series with a one-day sampling period. The method is based on a linear model exploiting data at a limited number of in situ limnimetric stations. Three parameter estimation methods are proposed: the least square (LS) and weighted least square (WLS) methods, and an optimization method based on a multi-objective criterion (OPT). The model and parameter estimation methods are evaluated by means of simulated altimetric time series whose characteristics are as realistic as possible. The absolute precision of the interpolation and its sensitivity to model structures, missing values and random noise are investigated. The RMS of the interpolation residuals ranges from 0.6 to 40.9 cm. Results show that taking into account more than one in situ reference station significantly decreases the RMS errors. Taking into account time shifts between stations improves the results too, reducing the RMS error by 16.4 cm (32.7%) in one case. In the ideal case, i.e. with no missing values and random noise, the OPT technique provides slightly better absolute results than the LS method, and significantly better results than the WLS approach. The OPT method is the least sensitive to missing values and random noise, two artefacts that systematically affect radar altimetric data.
Résumé
L'altimétrie satellitaire radar semble être une solution particulièrement prometteuse afin de compléter les relevés limnimétriques in situ des bassins fluviaux difficiles d'accès. Cependant, un des inconvénients majeurs de l'altimétrie satellitaire est sa faible résolution temporelle, la période d'échantillonnage allant de 10 à 35 jours en fonction des satellites. Ainsi, cet article propose une méthodologie permettant d'interpoler les données d'altimétrie satellitaire et obtenir des séries temporelles au pas de temps journalier. La méthode se fonde sur un modèle linéaire exploitant les données d'un petit nombre de stations limnimétriques in situ. Trois méthodes d'estimation des paramètres du modèle sont proposées: les moindres carrés, les moindres carrés pondérés et une méthode d'optimisation multicritère. Le modèle et les méthodes d'estimation des paramètres sont évalués grâce à des séries temporelles altimétriques simulées dont les caractéristiques sont aussi réalistes que possible. La précision absolue de l'interpolation et sa sensibilité à la structure du modèle, aux données manquantes et à un bruit aléatoire sont étudiées. Les valeurs RMS des résidus d'interpolation s'échelonnent entre 0.6 et 40.9 cm. Les résultats montrent que la prise en compte de plus d'une station in situ de référence diminue les erreurs RMS de manière significative. La prise en compte de décalages temporels entre les stations améliore les résultats également, en réduisant, dans un cas, l'erreur RMS de 16.4 cm (32.7%). Dans le cas idéal, i.e. sans valeur manquante ni bruit aléatoire simulés, la méthode d'optimisation multicritère fournit des résultats sensiblement meilleurs que les moindres carrés et significativement meilleurs que les moindres carrés pondérés. Cette méthode s'avère être la moins sensible aux valeurs manquantes et au bruit aléatoire, deux artéfacts qui affectent systématiquement les données d'altimétrie radar.