Etude théorique de radars géologiques - Epublications - Université ...
Etude théorique de radars géologiques - Epublications - Université ...
Etude théorique de radars géologiques - Epublications - Université ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
46<br />
2.4.b Détermination <strong>de</strong> la statistique<br />
PARTIE I : SURFACES RUGUEUSES ET MILIEUX HETEROGENES<br />
Que la surface rugueuse soit générée par une métho<strong>de</strong> stochastique ou un algorithme itératif,<br />
sa statistique (c'estàdire la valeur moyenne et l'écart type) ne correspond pas toujours à celle<br />
attendue. Par exemple, pour la métho<strong>de</strong> "DiamondSquare", les formules donnant hrms en fonction<br />
<strong>de</strong>s paramètres <strong>de</strong> l'algorithme donnent en réalité l'ordre <strong>de</strong> gran<strong>de</strong>ur mais nullement la valeur<br />
exacte <strong>de</strong> hrms pour une réalisation particulière. Le même type <strong>de</strong> problème se pose avec la<br />
génération <strong>de</strong>s volumes. Or, notre outil <strong>de</strong> modélisation doit permettre une maîtrise totale <strong>de</strong> la<br />
statistique <strong>de</strong>s surfaces et <strong>de</strong>s volumes générés d'où la nécessité d'effectuer quelques petits<br />
réajustements. En particulier, il faut :<br />
● recalculer la valeur moyenne par :<br />
M modifié r =M r 〈 M 〉 souhaité −〈 M r 〉 (23)<br />
● recalculer la valeur moyenne quadratique. Dans le cas où la moyenne est nulle on a :<br />
M modifié r = M rms souhaitée<br />
⋅M r (24)<br />
M rms<br />
Avec M la matrice définissant la structure, c'estàdire l'ensemble <strong>de</strong>s hauteurs si il s'agit<br />
d'une surface ou l'ensemble <strong>de</strong>s pondérations si il s'agit d'un volume.<br />
2.5 Confrontation et intérêt par rapport à <strong>de</strong>s données <strong>de</strong> terrain<br />
De nombreux articles comparent les surfaces fabriquées numériquement avec <strong>de</strong>s mesures<br />
sur le terrain [19][20][21]. Ces étu<strong>de</strong>s doivent mener à une meilleure <strong>de</strong>scription <strong>de</strong>s surfaces<br />
réelles. En effet, la caractérisation <strong>de</strong>s surfaces rugueuses avec un minimum <strong>de</strong> paramètres doit<br />
rendre possible leur insertion dans les simulations sans à avoir recours à <strong>de</strong> gran<strong>de</strong>s bases <strong>de</strong><br />
données. Ces modélisations réalistes permettent d'une part <strong>de</strong> tester les algorithmes qui calculent la<br />
rétrodiffusion et d'autre part d'évaluer les performances <strong>de</strong>s métho<strong>de</strong>s d'inversion <strong>de</strong> données radar.<br />
Par exemple, la reconnaissance par radar SAR dépend <strong>de</strong> la qualité d'interprétation du signal<br />
rétrodiffusé. Ainsi, pour augmenter les chances d'une bonne interprétation, il faut avoir recours à<br />
<strong>de</strong>s données obtenues par simulations rigoureuses afin <strong>de</strong> s'affranchir du bruit intrinsèque <strong>de</strong><br />
mesure. Mais les données produites par la modélisation ne sont utiles que si la <strong>de</strong>scription <strong>de</strong> la<br />
surface correspond à la réalité.<br />
Les différentes étu<strong>de</strong>s s'accor<strong>de</strong>nt pour écarter dans la plupart <strong>de</strong>s cas les surfaces avec une<br />
fonction d'autocorrélation gaussienne. En général, les surfaces réelles présentent un caractère multiéchelle<br />
et leurs fonctions d'autocorrélation ont une dérivée non nulle à l'origine. Les surfaces réelles<br />
se décrivent donc plus volontiers avec une fonction d'autocorrélation exponentielle, <strong>de</strong> Karmann,<br />
ou un modèle fractal. On peut distinguer plusieurs cas <strong>de</strong> figure :