Loading...
Please wait, while we are loading the content...
Similar Documents
Vers une surveillance en temps réel des régions magnétosphériques à partir des radars cohérents HF SuperDARN
| Content Provider | Semantic Scholar |
|---|---|
| Author | Lointier, G. |
| Copyright Year | 2008 |
| Abstract | L'un des enjeux dans la comprehension des relations Soleil-Terre est l'etude de la dynamique des regions internes de la magnetosphere. Dans ce contexte, l'objectif de mon travail a ete de poser les bases d'un modele operationnel de detection et de suivi des regions frontieres de la magnetosphere a partir du reseau de radars SuperDARN, qui sonde l'ionosphere a haute latitude. L'elaboration d'un tel modele requiert une reduction de donnees. Pour cela, une methode de decomposition en valeurs singulieres (SVD) a ete appliquee sur la mesure brute (une fonction d'autocorrelation) afin de definir trois nouveaux parametres statistiques. L'interpretation de ces trois nouveaux parametres montre que cette approche, bien qu'empirique, offre une description bien plus complete des echos radar que les modeles physiques habituellement utilises. L'utilisation de ces parametres avec une methode de decision Bayesienne permet d'ameliorer la detection de la frontiere des lignes de champ geomagnetiques ouvertes/fermees. L'introduction d'un formalisme Bayesien comporte plusieurs avantages : il permet de valider le resultat en estimant une erreur sur la localisation, et de plus, il facilite l'introduction de nouvelles connaissances provenant de differents instruments. Ceci est loin d'etre negligeable pour completer les observations des radars SuperDARN. Par ailleurs, les proprietes de ce nouveau modele ont permis l'elaboration d'un nouvel algorithme de pretraitement et d'analyse des mesures brutes. |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | https://tel.archives-ouvertes.fr/tel-00294447/document |
| Alternate Webpage(s) | https://core.ac.uk/download/pdf/52758457.pdf |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |