⚡ electrical engineering

Analysis of tropospheric noise at small spatial scales based on GNSS ZTD and Numerical Weather Prediction models

Cette étude quantifie le bruit troposphérique à petite échelle dans les observations InSAR en comparant les données ZTD de GNSS et de prévision numérique du temps (PNT), révélant que les erreurs résiduelles dépendent principalement de la latitude et de l'altitude plutôt que de la résolution du modèle PNT, et proposant un modèle fonctionnel pour incorporer ces incertitudes de sous-maille dans les estimations d'erreur InSAR.

Auteurs originaux : Adeyinka Olaseinde, Jeremy Maurer

Publié 2026-07-06

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Adeyinka Olaseinde, Jeremy Maurer

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La vue d'ensemble : Mesurer le « souffle » de la Terre

Imaginez que vous essayiez de prendre une photo ultra-précise du sol pour voir s'il est en mouvement (comme un volcan qui gonfle ou une mine qui s'affaisse). Les scientifiques utilisent une technique appelée InSAR, qui consiste à prendre une photo satellite de la surface de la Terre et à la comparer à une photo prise quelques mois plus tard. Ils peuvent détecter des mouvements aussi petits que quelques millimètres.

Cependant, il y a un problème : l'air entre le satellite et le sol n'est pas vide. Il est rempli de la troposphère (la couche la plus basse de notre atmosphère). Cette couche agit comme une fenêtre embrumée. Lorsque les signaux radar traversent ce « brouillard » (plus précisément la vapeur d'eau), cela ralentit le signal, donnant l'impression que le sol a bougé alors qu'en réalité, non. C'est ce qu'on appelle le bruit troposphérique.

La solution actuelle : La carte de la « prévision météo »

Pour corriger cela, les scientifiques utilisent des modèles de prévision numérique du temps (NWP). Considérez ces modèles comme de gigantesques cartes météorologiques numériques qui prédisnt la température, la pression et l'humidité partout sur Terre. Ils tentent de calculer à quel point le « brouillard » a ralenti le signal afin de soustraire cette erreur de leurs photos.

La grande hypothèse :
La plupart des scientifiques ont supposé que si l'on regarde une zone très petite (comme un quartier), le « broufog » est sensiblement le même partout. Ils se sont dit : « Si je corrige la météo en utilisant une grande carte, les petites erreurs restantes dans un petit quartier seront si minimes qu'on pourra les ignorer. »

Ce que cette étude a fait : Le « test des jumeaux »

Les auteurs de cet article voulaient tester cette hypothèse. Ils se sont demandé : « La météo est-elle vraiment la même dans un petit quartier, ou reste-t-il encore du "bruit" après l'utilisation des modèles météo ? »

Pour le découvrir, ils ont mis en place une expérience ingénieuse :

Les Jumeaux : Ils ont trouvé des groupes de stations GPS (qui mesurent l'atmosphère de manière très précise) qui étaient très proches les uns des autres — certains à seulement quelques kilomètres de distance.
La Comparaison : Ils ont comparé l'atmosphère « réelle » mesurée par ces stations GPS à l'atmosphère « prédite » par deux modèles météorologiques différents :
- ERA5 : Un modèle mondial avec une taille de « grille » d'environ 31 km (comme regarder une carte composée de grands carrés massifs).
- HRRR : Un modèle régional avec une taille de « grille » de 3 km (comme regarder une carte avec des carrés beaucoup plus petits et fins).

Si l'hypothèse était vraie, les stations GPS situées dans le même petit quartier devraient toutes être d'accord entre elles, et les modèles météo devraient correspondre parfaitement à ces stations.

Les résultats surprenants

Les résultats ont été un véritable choc pour la communauté scientifique :

1. Le « brouillard » est toujours là, même dans les petits quartiers.
Même si les stations GPS étaient proches les unes des autres, elles ne concordaient pas parfaitement. Il restait encore un « bruit » (variabilité) significatif après l'utilisation des modèles météorologiques. C'est comme regarder un groupe de jumeaux dans une même pièce ; on s'attendrait à ce qu'ils soient habillés de façon identique, mais ils portaient en réalité des vêtements légèrement différents. Le « brouillard » dans l'air changeait en fait sur de très courtes distances.

2. Les cartes plus grandes ne sont pas toujours meilleures.
Les chercheurs pensaient que le modèle HRRR (celui avec les petits carrés de 3 km) ferait un bien meilleur travail que le modèle ERA5 (celui avec les carrés de 31 km).

Le résultat : Ils se sont trompés. Le modèle à haute résolution n'a pas amélioré de manière significative la précision à ces petites échelles.
L'analogie : Imaginez que vous essayiez de peindre un tableau détaillé d'une forêt. Vous pourriez penser qu'utiliser un pinceau fin (HRRR) sera meilleur qu'un marqueur épais (ERA5). Mais si les feuilles bougent et se déplacent constamment sous le vent (vapeur d'eau), même le pinceau le plus fin ne peut pas capturer parfaitement chaque mouvement. Le problème n'est pas la taille du pinceau ; c'est que les « feuilles » (vapeur d'eau) sont trop chaotiques pour être prédites parfaitement par le modèle.

3. L'emplacement importe plus que l'altitude.
L'étude a révélé que l'endroit où vous vous trouvez sur la carte compte plus que votre altitude.

Latitude : Le « bruit » était beaucoup plus élevé près de l'équateur et plus faible près des pôles. Cela est logique car l'air près de l'équateur est plus chaud et contient plus de vapeur d'eau, ce qui est chaotique et difficile à prédire. L'air près des pôles est plus sec et plus stable.
Élévation : Étonnamment, la façon dont la station se trouvait en hauteur (montagne vs vallée) ne présentait pas de schéma cohérent. Parfois, les lieux élevés avaient plus de bruit, parfois les lieux bas.

Ce qu'il faut retenir : Une nouvelle règle de base

Les auteurs ont conclu que nous ne pouvons pas simplement supposer que l'air est « calme » dans les petites zones. Même après avoir utilisé les meilleurs modèles météo, il reste encore un « point d'incertitude ».

Ils ont créé une formule mathématique simple (une recette) que les scientifiques peuvent utiliser. Si vous donnez à la formule votre emplacement (latitude) et votre altitude (élévation), elle vous donnera un nombre représentant la quantité de « bruit » à attendre.

Pourquoi cela compte :
Lorsque les scientifiques mesurent le mouvement du sol, ils doivent savoir à quel point ils peuvent faire confiance à leurs chiffres. Cette étude leur donne un moyen d'ajouter une « marge de sécurité » à leurs calculs. Au lieu de dire : « Nous sommes sûrs à 100 % que le sol a bougé de 5 mm », ils peuvent désormais dire : « Nous sommes sûrs qu'il a bougé de 5 mm, plus ou moins cette quantité spécifique de bruit météorologique selon l'endroit où nous nous trouvons. »

Résumé en une phrase

Cet article prouve que même avec nos meilleures cartes météo, l'air est encore trop « instable » et imprévisible sur de minuscules distances pour être ignoré, et que nous avons besoin d'une nouvelle façon de prendre en compte ce désordre résiduel lors de la mesure de la surface de la Terre.

Résumé technique : Analyse du bruit troposphérique aux petites échelles spatiales basée sur le ZTD GNSS et les modèles de prévision numérique du temps

Énoncé du problème
L'interférométrie par radar à synthèse d'ouverture (InSAR) est un outil principal pour surveiller les déplacements de la surface terrestre avec une précision millimétrique. Cependant, les délais troposphériques représentent une source d'erreur significative, atteignant souvent des magnitudes de 15 à 20 cm, ce qui peut excéder les signaux d'intérêt. Bien que les modèles de prévision numérique du temps (NWP) soient couramment utilisés pour corriger ces délais, la plupart des études supposent que la variabilité troposphérique est négligeable aux petites échelles spatiales (par exemple, au sein de la zone du « point de référence » d'une série temporelle InSAR). Il existe un manque de quantification systématique concernant l'ampleur du bruit troposphérique résiduel aux ces petites échelles de longueur après correction par NWP. De plus, il reste à déterminer si des modèles NWP à plus haute résolution améliorent la précision des corrections à ces échelles sous-grilles.

Méthodologie
L'étude quantifie les erreurs troposphériques à petite échelle en comparant le délai total au zénith (ZTD) dérivé des modèles NWP au ZTD dérivé par GNSS au niveau de grappes de stations étroitement espacées (séparation maximale $\lesssim$ 13 km, la plupart < 7 km). L'analyse se concentre sur l'écart-type spatial des résidus ( $\sigma_{sp}$ ) entre les stations au sein d'un groupe à un instant donné, plutôt que sur la seule variabilité temporelle en un point unique.

Deux modèles NWP représentant des résolutions spatiales extrêmes ont été évalués :

ERA5 : Un modèle de réanalyse global de l'ECMWF avec un espacement de grille d'environ 31 km.
HRRR : Un modèle de réanalyse régional de la NOAA avec un espacement de grille d'environ 3 km.

Les sources de données comprenaient :

ZTD GNSS : Provenant du Nevada Geodetic Laboratory (NGL) pour 11 sites mondiaux (incluant l'Australie, le Japon, l'Allemagne, l'Italie, le Chili, l'Alaska et la Californie) et des données de levés statiques collectées manuellement pour quatre stations à Rolla, Missouri.
Traitement : Le progiciel logiciel RAiDER a été utilisé pour télécharger les données NWP, les reformater en une grille régulière et effectuer une interpolation 3D aux emplacements des stations GNSS afin de calculer le ZTD.
Analyse statistique : L'étude a calculé l'écart-type spatial moyen des résidus ( $\sigma_{sp}$ ) pour chaque site et a ajusté un modèle fonctionnel reliant $\sigma_{sp}$ à la latitude et à l'élévation.

Résultats clés

Persistance du bruit à petite échelle : Une variabilité résiduelle significative persiste aux échelles spatiales $\le$ 13 km même après correction par NWP. L'écart-type spatial ( $\sigma_{sp}$ ) est de magnitude comparable aux écarts-types temporels globaux par station rapportés dans des études antérieures.
Dépendance à la latitude : Le bruit résiduel varie principalement avec la latitude. La variabilité est généralement plus élevée aux basses et moyennes latitudes (ex. Italie, Californie, Missouri) et plus faible aux hautes latitudes (ex. Alaska, Allemagne). Un modèle de forme gaussienne de la latitude capture efficacement cette tendance.
Dépendance à l'élévation : La dépendance à l'élévation est plus faible et moins cohérente. Bien que certaines tendances aient été observées, elles variaient selon les modèles et les jeux de données, suggérant que l'élévation n'est pas un contrôle dominant par rapport à la latitude.
Impact de la résolution du modèle : Contrairement à l'hypothèse selon laquelle une résolution plus élevée améliore l'adéquation à petite échelle, le modèle HRRR plus fin (~~3 km) n'a pas amélioré l'adéquation au ZTD GNSS par rapport au modèle ERA5 plus grossier (~~31 km).
- Biais : Les deux modèles présentaient des biais systématiques (ERA5 ~50,1 mm ; HRRR ~49,5 mm).
- Variabilité : Le HRRR présentait en fait une variabilité temporelle légèrement plus élevée ( $\sigma_t \approx 1,9$ cm) par rapport à l'ERA5 ( $\sigma_t \approx 1,4$ cm).
Nature des résidus : L'écart inter-stations observé (1–2 cm) dépasse significativement les incertitudes typiques du ZTD GNSS (2–4 mm), indiquant que les résidus représentent une réelle variabilité troposphérique à petite échelle (probablement pilotée par la vapeur d'eau) que les modèles NWP ne parviennent pas à résoudre, plutôt qu'une erreur de mesure GNSS.

Contributions clés

Quantification de l'erreur sous-grille : L'étude fournit la première quantification systématique du bruit troposphérique aux petites échelles spatiales ( $\le$ 13 km) après correction NWP, démontrant que ce bruit n'est pas négligeable.
Indépendance de la résolution : Elle remet en question l'hypothèse selon laquelle des modèles NWP à plus haute résolution produisent intrinsèquement de meilleures corrections à petite échelle, montrant que l'ERA5 et le HRRR performent de manière similaire concernant la variabilité spatiale résiduelle.
Modèle d'incertitude fonctionnel : Les auteurs proposent un modèle fonctionnel simple (Éq. 6) pour estimer l'incertitude à petite échelle ( $\hat{\sigma}_{sp}$ ) en fonction de la latitude ( $\phi$ ) et de l'élévation ( $z$ ) :
$\hat{\sigma}_{sp} \approx (az + b)e^{-\frac{\phi^2}{2c^2}}$
Ce modèle permet aux praticiens de pré-calculer une estimation de l'incertitude ponctuelle pour leur région d'étude.

Signification et affirmations
L'article affirme que la variabilité troposphérique à petite échelle identifiée est une caractéristique mondiale persistante qui subsiste même au sein de réseaux GNSS étroitement espacés et à la résolution de 3 km du HRRR. Les auteurs soutiennent que cette variabilité doit être prise en compte dans les budgets d'incertitude InSAR, particulièrement pour les applications tectoniques où les pixels sont agrégés ou lorsque des hypothèses de « sans bruit » sont faites pour les points de référence.

Le modèle fonctionnel proposé offre une base quantitative pour intégrer l'erreur troposphérique sous-grille dans les estimations d'incertitude InSAR. Les auteurs suggèrent que, puisque cette structure résiduelle n'est pas résolue par la physique ou la résolution actuelle des NWP, les améliorations futures pourraient nécessiter la combinaison des corrections NWP avec des méthodes complémentaires, telles que les approches d'apprentissage automatique, pour mieux résoudre la variabilité atmosphérique à fine échelle. L'étude conclut que, bien que les modèles NWP soient efficaces pour les corrections à grande échelle, un terme d'erreur « ponctuel » dérivé de la latitude et de l'élévation est nécessaire pour représenter fidèlement l'incertitude résiduelle à l'échelle du pixel.