, Liste des différents acronymes utilisés dans cette étude : ? AIRS : Atmospheric Infrared Sounder ? ACP : Analyse en Composantes Principales ? ADEOS : Advanced Earth Observing Satellite ? AER : Atmospheric and Environment Research ? AMSR-E : Advanced Microwave Sounding Radiometer-EOS ? AMSU-A/B : Advanced Microwave Sounding Unit A/B ? ARTS : Atmospheric Radiative Transfer Simulator ? ASCAT : Advanced SCATterometer ? ATMS : Advanced Technology Microwave Sounder ? AVHRR : Advanced Very High Resolution Radiometer ? BC : Bottleneck Chanels ? BON : Base OrthoNormée ? CMORPH : CPC MORPHING technique ? CPC : Climate Prediction Center ? CSR : Centre for Space Research ? CEFREM : Centre de Formation et de Recherche sur les Environnements Méditerranéens ? CEPMMT : Centre Européen pour les Prévisions Météorologiques à Moyen Terme ? CERES : Clouds and the Earth's Radiant Energy System ? CNES : Centre National d'Etudes Spatiales ? CMEMS : Copernicus Marine Environment Monitoring Service ? CORR : Correlation ? CRU : Climatic Research Unit ? CrIS : Cross-track Infrared Sounder ? DFS : Degree of Freedom of the Signal ? ECMWF : European Center for Medium-range Weather Forecast ? EOS : Earth Observation System ? ESA
, Global Energy and Water-Cycle Experiment ? GFZ : GeoForschungsZentrum (German Research Centre for Geoscience) ? GEO : GEOstationary (satellite) ? GOES : Geostationary Operational Environmental Satellites ? GPI : GOES Precipitation Index ? GMS : GEO Meteorological Satellite ? GIMMS : Global Inventory Modeling and Mapping Studies ? GLEAM : Global Land Evaporation Amsterdam Model ? GPCC : Global Precipitation Climatology Centre ? GPCP : Global Precipitation Climatology Project ? GRACE : Gravity Recovery and Climate Experiment ? GRDC : Global Runoff Data Centre ? GRGS : Groupe de Recherche de Géodésie Spatiale ? HIRS : High-resolution Infrared Radiation Sounder ? IMEDEA : Instut MEDiterranni d'Estudis Avançats
, on utilise l'acronyme anglais pour indice de surface foliaire ? MERIS : MEdium-spectral Resolution, Imaging Spectrometer ? MERRA : Modern-Era Retrospective Analysis for Research and Application system ? MHS, Microwave humidity sounder ? MOP : MicroOnde Passif ? MODIS : MODerate-resolution Imaging Spectroradiometer ? MOD16 : MODIS Global Evapotranspiration Project ? MRE : Minimization of Relative Error ? MSWP : Multi-Source Weighted-Ensemble Precipitation ? NASA : National Aeronautic and Space Administration ? NAPCA : Noise-Adjusted PCA ? NCEP : National Centers for Environmental Prediction ? NCAR : National Center for Atmospheric Research ? NDVI : Normalized Difference Vegetation Index ? NOAA : National Oceanic and Atmospheric Adminnistration ? NPP : National Polar-orbiting Partnership ? NTSG : Numerical Terradynamic Simulation Group product ? NSCAT : The NASA Scatterometer ? NWP : Numerical Weather Prediction center ? OAFlux : Objectively Analyzed air-sea Fluxes ? OMM : Organisation Météorologique Mondiale ? ONU : Organisation des Nations unies ? ORCHIDEE : Organising Carbon and Hydrology In Dynamic EcosystEms ? OSS : Optimal Spectral Sampling ? PDF : Probability Density Fonction, on utilise l'acronyme anglais pour la densité de probabilité ? PERSIANN : Precipitation Estimation from Remotely Sensed Information using Artificial Neural Network ? PR : Precipitation Radar ? PM
,
, Schéma de génération d'un produit satellite à partir de la mesure satellite. Modifié à partir de Sun, 2018.
, Le détail du volume de données climatiques avec, pour la partie observations satellites, le volume en fonction de la plateforme satellite sur 2006-2020 (document de la NOAA) (à droite), Tendance de la croissance mondiale du volume de données climatiques 2010-2030, 2011.
, Schéma illustrant l'assimilation d'observations satellites au sein d'un modèle
, Capacité d'échantillonnage vertical de l'atmosphère pour un sondeur traditionnel infrarouge à 19 canaux, le High-resolution Infrared Radiation Sounder (HIRS/4) (à droite) et pour le sondeur hyperspectral infrarouge IASI et ses 8461 canaux (à gauche)
, Sur le graphique, la variation du coefficient d'extinction atmosphérique est représentée en bleu. La transmission atmosphérique est en vert, et la fonction de poids résultante est représentée en rouge. Ces courbes sont données à titre d'exemple, elles ne représentent pas une longueur d'onde particulière (Paul, 2013)
, Schéma des différents rayonnements reçus par le satellite au sommet de l'atmosphère : l'émission de la surface, le rayonnement montant émis par l'atmosphère et le rayonnement descendant émis par l'atmosphère puis réfléchi par la surface (Paul, 2013)
, Représentation du spectre électromagnétique et correspondance entre les différentes unités. Les utilisations les plus communes des différentes gammes de longueur d'onde sont représentées. Les instruments IASI (Infrared Atmospheric Sounding Interferometer) et AMSU (Advanced Microwave Sounding Unit) sont également représentés, p.17, 2013.
, La transmitance relative de l'atmosphère pour un rayonnement à différentes longueurs d'onde. Les zones blanches désignent les fenêtres atmosphériques, dans lesquelles le rayonnement n'interagit pas beaucoup avec les molécules d'air et n'est donc pas absorbé, p.18
, À gauche, spectre d'émission atmosphérique dans l'infrarouge entre 650 et 800 cm ?1 . Ce spectre donne la température de brillance en fonction du nombre d'ondes (l'inverse de la longueur d'onde). A droite profil de la température atmosphérique avec les fonctions de poids de quatre canaux, p.20, 2003.
, Comparaison des fonctions de poids liées aux canaux du sondeur microonde AMSU (à droite) et à ceux du sondeur hyperspectral infrarouge IASI (à gauche)
, Exemple de représentation graphique d'un nuage de points de dimension 2. Elle peut être décrite par l'abscisse et l'ordonnée d'origine ou bien les nouveaux axes verts. Finalement, la projection sur l'unique axe PCA-1 st Dimension semble suffisante pour rendre compte de la variabilité du nuage
, De gauche à droite, les observations bruitées?, les BCs? ? y s , et le spectre reconstruit?. Les matrices P et Q sont les deux régressions linéaires entre ces trois vecteurs, Représentation schématique des BCs stricts (a) et projetés (b)
, Exemple de corrélation entre les BC-projetés (version linéaire) sur l'axe des y et les canaux de température de Brillance (TB) (axe des x) pour un instrument hyperspectral (251 canaux) micro-onde, p.37
, Corrélation croisée entre le profil de température et celui de l'humidité le long de l'atmosphère. Les axes vertical et horizontal représentent la pression atmosphérique des niveaux verticaux (hPa), p.39
, II.11 Jacobiens en Température (gauche) et humidité (droite) pour les 251 canaux choisis dans les bandes d'absorption à 60, vol.118, p.41
, avec un nombre croissant de composantes (pour la PCA et NAPCA) ou de BCs stricts ou projetés (linéaires ou non). (A) représente l'erreur de dé-bruitage moyen sur tout le spectre d'observation, et (B) représente l'erreur de dé-bruitage maximal atteint sur les plus subtiles canaux. Le bruit instrumental moyen comprenant l'erreur du modèle direct est représenté par sa déviation standard à des fins de comparaison (en noir)
, Les différentes méthodes de compression sont présentées, de haut en bas : PCA, NAPCA, BC-stricts, BC-Projetés/Lin et BC-Projetés/non-Lin pour un nombre différent de composantes ou BCs. Le bruit instrumental avec l'erreur du modèle est représenté en noir à des fin de comparaison, II.13 Erreur de dé-bruitage (y ??), pour les six bandes spectrales (à gauche), et autour de la bande 60 G H z (au milieu)
, Erreur de dé-bruitage pour un instrument micro-onde STD(y ??) où y = Q · P ·?, est une régression linéaire, ou bien? = NN 2 (NN 1 (?)), une régression utilisant un réseau de neurones
, 17 Taux d'amélioration (en %) de l'erreur de restitution par rapport à l'a priori pour la température (en haut) et l'humidité (en bas) lors de l'utilisation de 20 canaux sélectionnés dans le micro-onde, 16 Pour les PCs/BCs/canaux obtenus : Jacobien en temperature T (K/K) (les deux colonnes de gauche) et Jacobien en humidité q (K/Kg/Kg) (les deux colonnes de droite). De haut en bas : NAPCA, BC-Projeté/Lin, MRE et ER. Pour MRE et ER, les Jacobiens T sont affichés pour la sélection pure-T ou T + q, et les Jacobiens q sont affichés pour la configuration pur-q ou T + q, p.49
, ) de l'erreur de restitution par rapport à l'a priori pour température (en haut) et l'humidité (en bas) lors de l'utilisation de 20 (à gauche) ou 100 (à droite) PCs/BCs/canaux, pour les méthodes
, Spectre en température de brillance de IASI simulé (en haut) avec le bruit instrumental correspondant (en bas)
, Distribution spatiale des situations dans la base de données TIGR, la couleur du pixel représente la température de surface (T s ) en, p.53
, Jacobiens des canaux de l'instrument IASI en température (T ), humidité (q), et ozone (O 3 ), donnés pour une situation particulière dans TIGR
, En utilisant 100 BC, avec un nombre croissant de canaux voisins pour les approches BC-Localisé/linéaire et BC-Localisé/non-linéaire, comparées à l'erreur de projection des BC-projetés standards
, 56 II.24 Erreur de débruitage (y ??) pour un nombre croissant de PCs ou BCs. Le bruit instrumental moyen est représenté par une ligne noire en pointillés
, STD) de l'erreur de restitution NN de la température (à gauche) et de l'humidité (à droite), pour le NAPCA, le ER, la sélection Collard (2007) et BC-projeté/lin/contraints, avec 30 (lignes pointillées) et 270 composants/canaux (lignes continues), p.61
, 27 Corrélation entre les 50 premières composantes NAPCA issues du spectre d'IASI et les profils T (en haut), q (au milieu) et O 3 (en bas), p.63
, Ordinogramme de la restitution des précipitations de produits satellites multi-sources, 2018.
, On peut remarquer la très grande disparité de ces estimations, issues d'algorithmes différents, même à l'échelle du mois. Cela fera l'objet d'étude et de commentaires au Chapitre IV
, évaporation pour le mois de janvier 2004 des produits OAFlux (à gauche) et SEAFlux (à droite). Á la différence des produits satellites de précipitation, les produits d'évaporation, incorporent des sortie de ré-analyse et une paramétrisation qui permet une certaine cohérence entres les deux estimations
, Outre ce constat pour cette zone désertique, on observe de forte différences entre le produit GLEAM et MOD16 au dessus des reliefs Alpins. La paramétrisation des différents produits au dessus des régions complexes (désert ou montagne) est problématiques ce qui met en évidence les limites de l'estimation satellite de l'evapotranspiration
, Schéma explicatif de la mesure des variations de masse d'eau sur terre depuis les deux instruments GRACE (Japan Agency for Marine-Science and Technology, JAMSTEC ; Nagoya University), p.82
, Alors que trois produits sont très semblables, le quatrième, GRGS, diffère dans sa structure spatiale
, On observe pour ce mois particulier, une estimation très bruitée
, Débit d'eau annuel entrant dans la Méditerranée entre 1980 et 2009 pour les deux produits CEFREM-V2 et ORCHIDEE (droite), Visualisation des côtes dans les produits CEFREM-V2 et ORCHIDEE au niveau de l'Italie (gauche)
, 10 Écoulement net à Gibraltar (en mm.moi s ?1 ) avant (bleu) et après (rouge) l'ajustement de biais, 2017.
, On remarque la répartition hétérogène des jauges de précipitation. L'ensemble des données in situ pour la région nord-africaine est relativement éparse ce qui limite la résolution du produits EOBS pour cette région. En outre aucun estimation n'est obtenue pour la mer Méditerranée, vol.87, 2008.
, sites/), III.12 Distribution spatiale des sites présents dans la base de données FLUX-NET. Les différentes zones de Köppen sont précisées sur la carte
, FE) en pourcentage par assimilation de différents types d'observations satellites dans ERA-I à deux dates, 2013.
, 14 Estimation de la divergence d'humidité atmosphérique verticalement intégrée pour le mois de janvier 2004 dans le produit de ré-analyse ERA-I, vol.90
, 15 Estimation des changements de masse d'eau atmosphérique entre décembre 2003 et janvier 2004 dans le produit de ré-analyse ERA-I. Contrairement au produit satellite bruité (voir Figure III.8), l'utilisation d'un modèle permet ici d'obtenir une estimation plus continue spatialement, p.90
, La mer méditerranée et sa région (www.earth.google.fr), p.93
, Ressources en eau naturelles renouvelables et ressources exploitables, par habitant, dans les pays méditerranéens (pour l'année, 2000.
, Organisation des différents groupes de travail (WG pour Working Group) autour du projet HyMeX
, Les sous-bassins ont été définis à l'aide d'un modèle hydrologique, IV.4 Sous-bassins de l'aire de drainage méditerranéenne considérés dans cette étude, 2011.
, Climatologie saisonnière des composantes du cycle de l'eau (en lignes) sur les différents sous-bassins (en colonnes) dans la région méditerranéenne, à partir des observations satelliteset de la ré-analyse, p.103
, De gauche à droite, pour : Janvier, avril, juillet et octobre. La dernière colonne représente la moyenne annuelle, p.110
, De haut en bas, les moyennes mensuelles pour : le ruissellement, les variations du contenu en eau sur terre et sur mer, les variations de la vapeur d'eau atmosphérique et la divergence de l'humidité estimés via SW. De gauche à droite, pour : Janvier, avril, juillet et octobre. La dernière colonne représente la moyenne annuelle
, et sa climatologie saisonnière en mm, Écoulement net à Gibraltar après l'ajustement de biais, 2004.
, L'aire totale de la Méditerranée avec la mer Noire est de 3.5 10 6 km 2, p.115
, Etapes de la spatialisation de la contrainte hydrologique depuis SW jusqu'à INT pour la précipitation (à gauche) et l'évapotranspiration (à droite), pour juillet 2008. Les unités sont en mm.moi s ?1, p.146
, Les estimations concernent la période 2004-2009 sur les 6 sous-bassins continentaux, la partie océanique et le bassin méditerranéen total (en colonne) issus des différentes méthodologies présentées dans l, Comparaison des estimations des composantes du cycle de l'eau et de la densité de probabilité des résidus du bilan hydrique
, Validation du contenu en eau sur mer des produits SW, INT et CAL par rapport à l'altimétrie moins le contenu thermique
, Les points sous la ligne 1:1 (verts) indiquent une amélioration et les points audessus de la ligne (rouges) indiquent une dégradation. La figure encapsulée montre la distribution des différences avec les estimations Fluxnet. Droite : Emplacement des stations FLUXnet utilisées pour la validation : les points verts indiquent une amélioration pour INT et CAL par rapport à SW, les points magenta indiquent une amélioration uniquement pour CAL, et les points bleus uniquement pour INT. Les points rouges sont ceux où aucune amélioration n'est observée, V.11 Gauche : Diagramme de dispersion de la RMSD entre la station FLUXnet et les produits SW, INT et CAL, pour les précipitations, p.154
, Même Figure que V.11 pour l'évapotranspiration, p.155
, Flux annuels moyens (km 3 .an ?1 ) du cycle de l'eau en Méditerranée et incertitudes associées dans SW (petite police) et INT (grande police) au cours de la période, 2004.
, De haut en bas : précipitations, évapo(transpi)ration, ruissellement et divergence de l'humidité. Les lignes zéro sont tracées pour faciliter la lecture. Les tendances des précipitations et d'évapo(transpi)ration de l'ERA-I sont également représentées à des fins de comparaison, Tendance linéaire mensuelle des composantes du flux du cycle de l'eau estimée via CAL, p.161
, Tendance annuelle des précipitations dans CAL sur la période 1980-2012. La tendance avec une signifiance statistique de p=0,1 (basée sur le test de Mann-Kendall) est indiquée par des points noirs, p.162
, Tendance annuelle de l'évaporation (à droite) et de l'évapotranspiration (à gauche) dans CAL sur la période 1980-2012. La tendance avec une signifiance statistique de p=0,1 (basée sur le test de Mann-Kendall) est indiquée par des points noirs
, Comme la signification de la tendance varie selon la valeur moyenne (positive ou négative) de la divergence, cette dernière est représentée à gauche. La tendance avec une signification statistique de p=0,1 (basée sur le test de Mann-Kendall) est indiquée par des points noirs, Tendance annuelle de la divergence de l'humidité dans CAL sur la période 1980-2012 à droite
, Estimation de biais des produits satellites décrivant les différentes composantes du cycle de l'eau. La moyenne du produits INT est pris comme référence pour chacune des variables
, Même que Figure que V.18 mais pour les erreurs aléatoires (incertitudes) des produits satellites
, Cartographie des tensions et conflits liées aux pénurie d'eau (ONU), p.172
, Ordinogramme de la méthode CCM et CCI d'après Munier et Aires (2017)
, Chaque bassin est représenté par son numéro sur la carte. Les lignes rouges représentent les limites entre les classes numérotées en rouge. (b) Carte de l'indice pixelaire (CIC), Graphique de NDVI (multiplié par 100) avec les précipitations nettes (P-E) pour les bassins considérés dans cette étude, vol.2
, Illustration du calcul des classes avec la méthode k-means à partir des trois variables choisies : Température Temp
, 6 classes définies dans le CIC en utilisant l'humidité du sol, la température et P-E pour janvier (gauche) et juillet (droite), p.184
, RMS de résidus du bilan hydrique de surface (gauche) et du bilan hydrique atmosphérique (droite) pour les différentes méthodes développées dans ce travail de recherche
, RMS des résidus du bilan hydrique de surface (gauche) et atmosphérique (droite) en utilisant la méthodologie CIC avec un nombre croissant de classes (3 tirages pour montrer la variabilité de la calibration en fonction du nombre de classes définies)
, Liste des tableaux I.1 Quelques exemples de satellites/instruments utilisés pour l'étude du cycle de l'eau
, Fourier Transforms Sounder, Caractéristiques instrumentales des sondeurs hyperspectraux infrarouge AIRS
, La quatrième ligne indique la résolution spatiale au nadir pour les canaux de la raie d'absorption de l'O 2 à 57 G H z (T) et de H 2 O à, Caractéristiques instrumentales des sondeurs micro-ondes
,
, Notations pour la réduction de dimension des données hyperspectrales
, Description des six bandes d'absorption associées aux 251 canaux simulés. Pour chaque bande, la résolution spectrale est indiquée avec le nombre de canaux et le bruit instrumental choisi
, Résumé des variables géophysiques relatives à la mesure de l'IASI, p.51
, Statistiques de restitution(s) de la température T et l'humidité q, pour les ER, BCs-constraints, NAPCA et COL (Collard, 2007), lorsqu'on utilise 270 composants/canaux. La moyenne, l'écart-type et l'erreur quadratique moyenne, p.62
, Comparaison des propriétés des techniques de compression, BC et de sélection de canaux
, Leur période de couverture temporelle commune, sur laquelle le bilan du cycle de l'eau est estimé, 2004.
, ) et atmosphérique (partie inférieure) sur les sous-bassins méditerranéens en utilisant la climatologie saisonnière de six produits de précipitations et la climatologie de référence pour les autres composantes du cycle de l'eau. Voir le texte pour la notion de climatologie de référence. Les résidus ont été calculés à l'échelle mensuelle
, IV.2 Statistiques sur les résidus mensuels des bilans hydriques continentaux, océaniques et atmosphériques, calculées sur les sous-bassins méditerranéens pour la période, 2004.
, WC en anglais) et leurs différences. Dans la troisième colonne, les caractères en gras indiquent les nouvelles caractéristiques de la méthodologie présentée dans ce travail de thèse, Toutes les notations sont résumées dans la Table V
, Notations utilisées dans la section
, Incertitudes pour les composantes continentales du cycle de l'eau, en termes d'écart-type d'erreur mensuelle et de pourcentage d'incertitude totale sur le résidu du bilan hydrique. Les pondérations associées à une variable (calculées comme le rapport entre la variabilité de la variable particulière et celle du résidu du bilan hydrique ?
, Le pourcentage d'amélioration du RMS des résidus, par rapport à la solution SW, des méthodes d'intégration est également indiqué. À des fins de comparaison, les résultats obtenus avec ERA-I sont également représentés, RMS des résidus du bilan hydrique mensuel(en mm) sur les sous-bassins en utilisant la solution OS, SW et SW+PF, pour la période, 2004.
, Earth Observation" (satellite d'observation de la Terre), * ne tient pas compte de la période de GRACE. La dernière colonne montre la capacité de la méthodologie à fermer le bilan hydrique. Le terme "--" signifie une très mauvaise fermeture, Principales caractéristiques des cinq méthodes développées dans cette thèse : EO signifie
, Le pourcentage d'amélioration du RMS des résidus de la solution SW aux méthodes contraintes est également indiqué. À des fins de comparaison, les résultats obtenus à l'aide de l'ensemble de données ERA-I sont également représentés, RMS des résidus du bilan hydrique (en mm.moi s ?1 ) calculés sur le sousbassin en utilisant les solution, 2004.
, ensemble de données EOBS, en termes de corrélation, de RMSD (en mm.moi s ?1 ) et de pourcentage d'amélioration de la RMSD par rapport à la solution SW. Ces scores sont calculés sur chaque sous bassin continental et la région entière couverte par le produit EOBS (dernière colonne), Comparaison des solutions de précipitation SW
, Comparaison des flux moyens annuels et de leur variabilité associée (en mm.an ?1 ) pour la mer Méditerranée (sans la mer Noire) dans la littérature. La variabilité des produits est ici l'écart-type des valeurs annuelles, sauf pour l'incertitude associée à la moyenne des modèles climatiques régionaux qui est l'écart entre les modèles. La période d'analyse des différentes études est rappelée
, The Version-2 Global Precipitation Climatology Project (GPCP) Monthly Precipitation Analysis (1979Present), J. Hydrometeorol, vol.4, issue.6, p.117, 2003.
,
, Combining Datasets of Satellite-Retrieved Products. Part I : Methodology et Water Budget Closure, J. Hydrometeorol, vol.15, issue.4, p.144
, Synergetic multi-wavelength remote sensing versus a posteriori combination of retrieved products : Application for the retrieval of atmospheric profiles using Me-tOp measurements, J. Geophys. Res, p.117, 2012.
, Measure et exploitation of multisensor et multiwavelength synergy for remote sensing : 2. Application to the retrieval of atmospheric temperature et water vapor from MetOp, J. Geophys. Res. Atmos, vol.116, issue.D2, 2011.
, Dimension reduction of satellite observations forremote sensing, Part I : A comparison ofcompression, channel selection, et bottleneck channel approaches. qjrms, vol.11, p.41, 2015.
, Remote sensing from the infrared atmospheric sounding interferometer instrument 2. Simultaneous retrieval of temperature, water vapor, et ozone atmospheric profiles, J. Geophys. Res. Atmos, vol.107, issue.D22, p.51, 2002.
, Crop evapotranspiration -Guideline for computing crop water requierements, FAO Irrig. Drain. Pap, vol.78, p.140, 1998.
, A principal component noise filter for high spectral resolution infrared measurements, J. Geophys. Res, vol.109, pp.23102-23124, 2004.
, The Relationship between Large-Scale Convective Rainfall and Cold Cloud over the Western Hemisphere during 1982-84, Mon. Weather Rev, vol.115, issue.1, p.73, 1987.
, PERSIANN-CDR : Daily Precipitation Climate Data Record from Multisatellite Observations for Hydrological and Climate Studies, Bull. Am. Meteorol. Soc, vol.96, issue.1, p.72, 2015.
, Potential for the use of reconstructed IASI radiances in the detection of atmospheric trace gases, Atmos. Meas. Tech, vol.3, issue.4, pp.991-1003, 2010.
, A Cross-calibrated, Multiplatform Ocean Surface Wind Velocity Product for Meteorological and Oceanographic Applications, Bull. Am. Meteorol. Soc, vol.92, issue.2, pp.157-174, 2011.
, GOES Multispectral Rainfall Algorithm (GMSRA), p.71, 2001.
, Ocean Monitoring and Forecasting in the European MyOcean GMES Marine Initiative, vol.84, 2012.
, MSWEP : 3-hourly 0.25deg ; global gridded precipitation by merging gauge, satellite, and reanalysis data, Hydrol. Earth Syst. Sci, vol.21, issue.1, pp.589-615, 2017.
, , p.97, 2014.
, GRACE 327-742 (CSR-GR-12) GRAVITY RECOVERY AND CLIMATE EXPE-RIMENT UTCSR Level-2 Processing Standards Document, vol.69, p.81, 2012.
, 10-day time series of the geoid from GRACE and LAGEOS data Evaluation of solutions Processing standards Mean field and 10-day solutions Noise estimation over global oceans, vol.69, p.81, 2005.
, A neural-network technique for the retrieval of atmospheric temperature and moisture profiles from high spectral resolution sounding data, IEEE Trans. Geosci. Remote Sens, vol.43, issue.11, pp.2535-2546, 2005.
, Assimilation de données pour l ' initialisation et l ' estimation de paramètres d ' un modèle d ' évolution de calotte polaire, vol.120, p.194, 2014.
, Evaluation of Global Precipitation in Reanalyses, J. Appl. Meteorol. Climatol, vol.47, issue.9, pp.2279-2299, 2008.
, An Assessment of Atmospheric Water Budget Components over Tropical Oceans, J. cli, vol.27, p.160, 2013.
, Uncertainties in sea surface turbulent flux algorithms and data sets, J. Geophys. Res, vol.107, issue.C10, 2002.
, Radiative transfer calculations for a passive microwave satellite sensor : Comparing a fast model and a line-by-line model, J Geophys Res-Atmos, p.111, 2006.
, ARTS, the atmospheric radiative transfer simulator, J. Quant. Spectrosc. Radiat. Transf, vol.91, issue.1, pp.65-93, 2005.
, Performance budgets of IASI options, p.51, 1995.
, AIRS : Improving Weather Forecasting and Providing New Data on Greenhouse Gases, Bull. Am. Meteorol. Soc, vol.87, issue.7, pp.911-926, 2006.
, The Improved Initialization Inversion Method : A High Resolution Physical Method for Temperature Retrievals from Satellites of the TIROS-N Series, J. Clim. Appl. Meteorol, vol.24, issue.2, pp.128-143, 1985.
, A Neural Network Approach for a Fast and Accurate Computation of a Longwave Radiative Budget, J. Appl. Meteorol, vol.37, issue.11, pp.1385-1397, 1998.
, Estimates of Surface Humidity and Latent Heat Fluxes over Oceans from SSM/I Data, Mon. Weather Rev, vol.123, issue.8, pp.2405-2425, 1995.
, The Effect of Diurnal Sea Surface Temperature Warming on Climatological AirSea Fluxes, J. Clim, vol.26, issue.8, pp.2546-2556, 2013.
, Measurements of total and tropospheric ozone from IASI : comparison with correlative satellite, ground-based and ozonesonde observations, Atmos Chem, p.51, 2009.
URL : https://hal.archives-ouvertes.fr/hal-00414722
, The importance of sounding instruments, vol.65, 2010.
, Selection of IASI channels for use in numerical weather prediction, Q. J. R. Meteorol. Soc, vol.133, issue.629, 1977.
, Sounding interferometer radiances at ECMWF. qjrms, vol.135, pp.1044-1058, 2009.
, Towards IASI-New Generation (IASI-NG) : impact of improved spectral resolution and radiometric noise on the retrieval of thermodynamic, chemistry and climate variables, Atmos. Meas. Tech, vol.7, issue.12, p.18, 2014.
URL : https://hal.archives-ouvertes.fr/hal-00921248
, Chemistry of Mediterranean waters, p.99, 1985.
, SEAFLUX. Bull. Am. Meteorol. Soc, vol.85, issue.3, p.74, 2004.
, GFZ GRACE Level-2 Processing Standards Document for Level-2 Product Release 0005, vol.69, p.81, 2013.
, The ERA-Interim reanalysis : configuration and performance of the data assimilation system, Q. J. R. Meteorol. Soc, vol.137, issue.656, p.90, 2011.
, Variational algorithms for analysis and assimilation of meteorological observations : theoretical aspects, Tellus A, vol.38, issue.2, pp.97-110, 1986.
, , vol.8, 2013.
, Impact of Satellite Data. Tech. Memoradum ECMWF, vol.89, p.193, 2013.
, ARTS, the atmospheric radiative transfer simulator, Version 2, J. Quant. Spectrosc. Radiat. Transf, vol.112, issue.10, pp.1551-1558, 2011.
, Sequential data assimilation with a nonlinear quasi-geostrophic model using Monte Carlo methods to forecast error statistics, p.128, 1994.
, Bulk Parameterization of AirSea Fluxes : Updates and Verification for the COARE Algorithm, J. Clim, vol.16, issue.4, pp.571-591, 2003.
, FLUXNET Research Network Site Characteristics, Investigators, and Bibliography, vol.69, p.87, 2016.
URL : https://hal.archives-ouvertes.fr/hal-02790717
, Mass variation in the Mediterranean Sea from GRACE and its validation by altimetry, steric and hydrologic fields, Geophys. Res. Lett, vol.33, issue.19, pp.1-5, 2006.
, EN4 : Quality controlled ocean temperature and salinity profiles and monthly objective analyses with uncertainty estimates, J. Geophys. Res. Ocean, vol.118, issue.12, pp.6704-6716, 2013.
, Inter-Comparison of High-Resolution Satellite Precipitation Products over Central Asia, Remote Sens, vol.7, issue.12, pp.7181-7211, 2015.
, Design and validation of MEDRYS, a Mediterranean Sea reanalysis over the period 19922013, Ocean Sci, vol.12, issue.2, pp.577-599, 2016.
URL : https://hal.archives-ouvertes.fr/hal-01318051
, Suomi NPP CrIS measurements, sensor data record algorithm, calibration and validation activities, and record data quality, J. Geophys. Res. Atmos, vol.118748, issue.12, pp.734-746, 2013.
, A European daily high-resolution gridded data set of surface temperature and precipitation for 19502006, J. Geophys. Res, vol.87, p.193, 2008.
, The HIRHAM4 regional atmospheric climate model, 1996.
, Hyperspectral Earth Observation from IASI : Five Years of Accomplishments, vol.8, p.18, 2012.
, Basin-scale water-balance estimates of terrestrial water storage variations from ECMWF operational forecast analysis, Geophys. Res. Lett, vol.33, issue.21, 2006.
, Flow-dependent, geographically varying background error covariance for 1D-var applications in MTG-IRS L2 processing, 2012.
, Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks, J. Appl. Meteorol, vol.36, issue.9, 1997.
, Global Precipitation at One-Degree Daily Resolution from Multisatellite Observations, J. Hydrometeorol, vol.2, issue.1, pp.36-50, 2001.
, The TRMM Multisatellite Precipitation Analysis (TMPA) : Quasi-Global, Multiyear, Combined-Sensor Precipitation Estimates at Fine Scales, J. Hydrometeorol, vol.8, issue.1, p.73, 2007.
, Unified Notation for Data Assimilation : Operational, Sequential and Variational (gtSpecial IssueltData Assimilation in Meteology and Oceanography : Theory and Practice), J. Meteorol. Soc. Japan. Ser, vol.II, issue.1B, pp.181-189, 1997.
, Historical Ocean Subsurface Temperature Analysis with Error Estimates, Mon. Weather Rev, vol.131, issue.1, pp.51-73, 2003.
, On the interpretation of the steric and mass components of sea level variability : The case of the Mediterranean basin, J. Geophys. Res. Ocean, vol.118, pp.953-963, 2006.
, Reconstruction of transports through the Strait of Gibraltar from limited observations, Clim. Dyn, vol.69, p.160, 2016.
, The Mediterranean Sea heat and mass budgets : Estimates, uncertainties and perspectives, Prog. Oceanogr, vol.156, p.193, 2017.
, CMORPH : A Method that Produces Global Precipitation Estimates from Passive Microwave and Infrared Data at High Spatial and Temporal Resolution, vol.69, p.74, 2004.
, The NCEP/NCAR 40-Year Reanalysis Project, Bull. Am. Meteorol. Soc, vol.77, issue.3, pp.437-471, 1996.
, The NCEP/NCAR 40-Year Reanalysis Project, Bull. Am. Meteorol. Soc, vol.77, issue.3, pp.437-471, 1996.
,
, Das geographische System der Klimate. Handb. der Klimatologie, vol.147, p.182
, The Evolution of the Goddard Profiling Algorithm (GPROF) for Rainfall Estimation from Passive Microwave Sensors, J. Appl. Meteorol, vol.40, issue.11, 2001.
, The evolution of the goddard profiling algorithm to a fully parametric scheme, J. Atmos. Ocean. Technol, vol.32, issue.12, pp.2265-2280, 2015.
, An observationally generated a priori database for microwave rainfall retrievals, J. Atmos. Ocean. Technol, vol.28, issue.2, pp.113-130, 2011.
, Caractères hydrologiques et circulation des eaux en Méditerranée. Mediterr. Sea A Nat. Sediment. Lab, issue.157, pp.25-36, 1972.
, The Observed State of the Energy Budget in the Early Twenty-First Century, vol.28, p.133, 2015.
, Detection and measurement of snowfall from space, Remote Sens, vol.3, issue.1, pp.145-166, 2011.
, Atmospheric GCM response to an idealized anomaly of the Mediterranean sea surface temperature, Clim. Dyn, vol.27, issue.5, pp.543-552, 2006.
, A simple hydrologically based model of land surface water and energy fluxes for general circulation models, J. Geophys. Res, vol.99, issue.D7, p.129, 1994.
, Mediterranean climate variability, vol.97, p.112, 2006.
, Satellite sounding channel optimization in the microwave spectrum, IEEE Trans. Geosci. Remote Sens, vol.41, issue.4, pp.761-781, 2003.
, Fast and Accurate Radiative Transfer in the Microwave With Optimum Spectral Sampling, IEEE Trans. Geosci. Remote Sens, vol.47, issue.7, pp.1909-1917, 2009.
, Bulk Parameterization of Air-Sea Exchanges of Heat and Water Vapor Including the Molecular Constraints at the Interface, J. Atmos. Sci, vol.36, issue.9, p.77, 1979.
, Trends in flash flood events versus convective precipitation in the Mediterranean region : The case of Catalonia, J. Hydrol, vol.541, pp.24-37, 2016.
, GRACE Hydrological estimates for small basins : Evaluating processing approaches on the High Plains Aquifer, Water Resour. Res, vol.46, p.104, 2010.
URL : https://hal.archives-ouvertes.fr/hal-00708053
, River discharges of water and nutrients to the Mediterranean and Black Sea : Major drivers for ecosystem changes during past and future decades ? Prog, Oceanogr, vol.80, issue.3-4, p.102, 2009.
, Pan-Arctic linkages between snow accumulation and growing-season air temperature, soil moisture and vegetation, Biogeosciences, vol.10, pp.7575-7597, 2013.
, On the relationships between circulation types and changes in rainfall variability in Greece, Int. J. Climatol, vol.24, issue.13, pp.1695-1712, 2004.
, Information content on temperature and water vapour from an hyper-spectral microwave sensor, Q. J. Roy. Meteor. Soc, pp.1-33, 2014.
, Programme des Nations Unies pour l'environnement plan d'action pour la Méditerranée : situation et perspectives MAP, vol.94, p.193, 2004.
, Recent changes in the mediterranean water cycle : A pathway toward longterm regional hydroclimatic change ?, J. Clim, vol.23, issue.6, p.162, 2010.
, The Hydrological Cycle in the Mediterranean Region and Implications for the Water Budget of the Mediterranean Sea, J. Clim, vol.15, issue.13, p.167, 2002.
, Mediterranean water cycle changes : transition to drier 21st century conditions in observations and CMIP3 simulations, Environ. Res. Lett, vol.3, issue.4, 2008.
, GLEAM v3 : satellite-based land evaporation and root-zone soil moisture, Geosci. Model Dev. Discuss, vol.69, p.111, 2016.
, A principal component based version of the RTTOV fast radiative transfer model, Q. J. R. Meteorol. Soc, vol.136, issue.652, pp.1823-1835, 2010.
, The Mediterranean hydrological cycle observing system, 2001.
, Intercomparison of General Purpose Clear Sky Atmospheric Radiative Transfer Models for the Millimeter/Submillimeter Spectral Range, Radio Sci, vol.40, issue.1, 2005.
, Magnitude and variability of land evaporation and its components at the global scale, Hydrol. Earth Syst. Sci, vol.15, pp.967-981, 2011.
, OSS Radiative Transfer Method Performance in Real Time Atmosphere Characterization from Satellite Sounding and Imaging Data, IEEE, vol.3, 2008.
, Infrared Radiance Modeling by Optimal Spectral Sampling, p.52, 2010.
, Improvements to a MODIS global terrestrial evapotranspiration algorithm. Remote Sens, Environ, vol.115, issue.8, p.80, 2011.
, New diagnostic estimates of variations in terrestrial water storage based on ERA-Interim data, Hydrol. Process, vol.25, issue.7, p.99, 2011.
, A new global method of satellite dataset merging and quality characterization constrained by the terrestrial water cycle budget. Remote Sens. Environ., in revisio, vol.9, p.196, 2017.
, Combining data sets of satellite-retrieved products for basin-scale water balance study : 2. Evaluation on the Mississippi Basin and closure correction model, J. Geophys. Res, vol.119, issue.21, p.181, 2014.
, Climate Data Challenges in the 21st Century. Science (80-. ), vol.331, p.189, 2011.
URL : https://hal.archives-ouvertes.fr/hal-01134122
, Multisource estimation of long-term terrestrial water budget for major global river basins, J. Clim, vol.25, issue.9, p.135, 2012.
, Data Assimilation for Estimating the Terrestrial Water Budget Using a Constrained Ensemble Kalman Filter, J. Hydrometeorol, vol.7, issue.3, p.167, 2006.
, Synergie infrarouge et micro-onde pour la restitution atmosphérique, vol.11, p.189, 2013.
, Using Shannon's entropy to sample heterogene and high-dimentional atmospheric datasets, Q. J. R. Meteorol. Soc, vol.38, 2014.
, Bottleneck Channels algorithm for satellite data dimension reduction : A case study for IASI, Remote Sens, vol.11, p.50, 2018.
URL : https://hal.archives-ouvertes.fr/hal-02376956
, Analyzing the Mediterranean water cycle via satellite data integration, Pure Appl. Geophys, vol.93, p.144, 2018.
URL : https://hal.archives-ouvertes.fr/hal-02318209
, Integrating multiple satellite observations into a coherent dataset to monitor the full water cycle -Application to the Mediterranean region, vol.98, p.119, 2018.
URL : https://hal.archives-ouvertes.fr/hal-02377009
, Dimension reduction of satellite observations for remote sensing, Part II : A comparison of compression, channel selection, and bottleneck channel approaches. qjrms, vol.34, p.38, 2015.
, Long term precipitation trends and variability within the Mediterranean region, Nat. Hazards Earth Syst. Sci, vol.11, issue.12, pp.3235-3250, 2011.
, Le sondage satellitaire et son évolution, Nat. Hazards Earth Syst. Sci.La Météorologie, vol.19, p.190, 2003.
, The estimation of annual run-off from meteorological data in a tropical climate, J. Hydrol, vol.2, issue.2, pp.116-123, 1964.
, Climate and Climate Change over North America as Simulated by the Canadian RCM, J. Clim, vol.19, issue.13, pp.3112-3132, 2006.
, A proposal for a general interface between land surface schemes and general circulation models, Glob. Planet. Change, vol.19, p.85, 1998.
, On the Assessment of Surface Heat Flux and Evaporation Using Large-Scale Parameters, Mon. Weather Rev, vol.100, issue.2, pp.81-92, 1972.
, Channel selection methods for Infrared Atmospheric Sounding Interferometer radiances, Q. J. R. Meteorol. Soc, vol.128, pp.1011-1027, 2002.
URL : https://hal.archives-ouvertes.fr/hal-00180780
, Daily High-Resolution-Blended Analyses for Sea Surface Temperature, J. Clim, vol.20, issue.22, pp.5473-5496, 2007.
, Predicting near-surface atmospheric variables from Special Sensor Microwave/Imager using neural networks with a first-guess approach, J. Geophys. Res, vol.115, issue.D19, 2010.
, The Observed State of the Water Cycle in the Early 21st Century, J. Clim, vol.106, p.167, 2015.
, Information content and optimisation of high spectral resolution measurements, Proc. SPIE, vol.33, p.58, 1996.
, Inverse Methods for Atmospheric Sounding -Theory and Practice, Inverse Methods Atmos. Sound. -Theory Pract. Ser. Ser. Atmos. Ocean. Planet. Phys, vol.27, issue.2, p.194, 2000.
, Reconciling the global terrestrial water budget using satellite remote sensing, Remote Sens. Environ, vol.115, issue.8, p.137, 2011.
, Evaluation of Mediterranean Sea water and heat budgets simulated by an ensemble of high resolution regional climate models, Clim. Dyn, vol.37, issue.9, p.167, 2011.
, An Intercomparison and Validation of High-Resolution Satellite Precipitation Estimates with 3-Hourly Gauge Data, J. Hydrometeorol, vol.10, issue.1, pp.149-166, 2009.
, A Fundamental Study of the Numerical Prediction based on Study of the Numerical Prediction the Variational Principle, vol.130, 1955.
, Antarctic ozone hole as observed by IASI/MetOp for 2008-2010, 2012.
URL : https://hal.archives-ouvertes.fr/hal-00611697
, ESA DUE GlobVapour Consortium 2013. ESA DUE GlobVapour water vapor products : Validation, vol.1531, p.83
, Diagnostic computation of moisture budgets in the ERA-interim reanalysis with reference to analysis of CMIP-archived atmospheric model data, J. Clim, vol.26, issue.20, p.136, 2013.
, Water balance dynamics in the Nile Basin, Hydrol. Process, vol.23, issue.26, p.98, 2009.
, Landatmosphere coupling and climate change in Europe, Nature, vol.443, issue.7108, pp.205-209, 2006.
, Closing the terrestrial water budget from satellite remote sensing, Geophys. Res. Lett, vol.36, issue.7, p.133, 2009.
, On the Tropical Rainfall Measuring Mission (TRMM), Meteorol. Atmos. Phys, vol.60, issue.1-3, pp.19-36, 1996.
, Estimation of the Atlantic inflow through the Strait of Gibraltar from climatological and in situ data, J. Geophys. Res, vol.115, issue.C10, 2010.
, Intercomparison of wind and wave data from the ECMWF Reanalysis Interim and the NCEP Climate Forecast System Reanalysis, Ocean Model, vol.75, p.160, 2014.
, River discharge into the Mediterranean sea : Climatology and aspects of the observed variability, J. Clim, vol.17, issue.24, p.99, 2004.
, Comparisons of Surface Meteorology and Turbulent Heat Fluxes over the Atlantic : NWP Model Analyses versus Moored Buoy Observations*, J. Clim, vol.16, issue.4, p.74, 2003.
, A Review of Global Precipitation Data Sets : Data Sources, Estimation, and Intercomparisons, Rev. Geophys, vol.56, issue.1, p.192, 2018.
, Regional Energy and Water Cycles : Transports from Ocean to Land, J. Clim, vol.26, p.117, 2013.
, Atmospheric Moisture Transports from Ocean to Land and Global Energy Flows in Reanalyses, J. Clim, vol.24, p.106, 2011.
, Estimates of the Global Water Budget and Its Annual Cycle Using Observational and Model Data, J. Hydrometeorol, vol.8, p.106, 2007.
, An extended AVHRR 8-kni NDVI dataset compatible with MODIS and SPOT vegetation NDVI data, Int. J. Remote Sens, vol.26, issue.20, pp.4485-98, 2005.
, The NRL-Blend High Resolution Precipitation Product and its Application to Land Surface Hydrology, In Satell. Rainfall Appl. Surf. Hydrol, vol.72, pp.85-104, 2010.
, The ERA-40 re-analysis, Q. J. R. Meteorol. Soc, vol.131, issue.612, pp.2961-3012, 2005.
, Improving the selection of IASI channels for use in numerical weather prediction, Q. J. R. Meteorol. Soc, vol.140, issue.684, p.31, 2014.
, Contribution du sondeur IASI à l'estimation des paramètres des surface continentales pour la Prévision Numerique du Temps, p.11, 2013.
, GRACE Gravity Recovery and Climate Experiment JPL Level-2 Processing Standards Document For Level-2 Product Release 05, vol.1, p.81, 2014.
, Automated upscaling of river networks for macroscale hydrological modeling, Water Resour. Res, vol.47, issue.3, p.193, 2011.
, Improving Land Data Assimilation Performance with a Water Budget Constraint, J. Hydrometeorol, vol.12, issue.5, p.139, 2011.
, A continuous satellite-derived global record of land surface evapotranspiration from 1983 to, Water Resour. Res, vol.46, issue.9, p.80, 2006.
, A Climate Data Record (CDR) for the global terrestrial water budget, Hydrol. Earth Syst. Sci. Discuss, vol.133, p.137, 1984.
, On Creating Global Gridded Terrestrial Water Budget Estimates from Satellite Remote Sensing, Surv. Geophys, vol.37, issue.2, 2016.