Accueil | Nos membres | Nous joindre | English | |  

Julien Meloche

 

Étudiant 2è cycle

Département de géomatique appliquée, Université de Sherbrooke

Campus de Sherbrooke
2500, boul. de l'Université
Université de Sherbrooke
Sherbrooke
Québec, Canada
J1K 2R1

819.821.8000 poste 62506
Julien.Meloche@USherbrooke.ca

 

 


 
 
 

Projet de recherche

Cartographie de l’épaisseur de neige par aéronef sans pilote (ASP ou drone) et par simulation SNOWPACK dans l’Arctique canadien

Les premiers signes de variabilité et de changement climatique ont été observés dans l’Arctique au cours des trois dernières décennies suivant une variété de fortes rétroactions climatiques. Ainsi, des patrons d’anomalies négatives dans les bilans de masse et les couvertures spatiales de neige sont observées dont l’impact sur la surface (fonte, croûtes de glace, variation albédo) complique la modélisation et cause des biais non négligeables sur la construction de scénarios climatiques. Le couvert saisonnier de neige joue un rôle important dans le bilan d’énergie de surface via son fort albédo et sa faible conductivité thermique. La neige constitue aussi une variable hydrologique clé en tant que réservoir d’eau douce qui contrôle la production hydroélectrique et influence le régime de pergélisol. Cependant, de larges incertitudes existent sur les liens entre les propriétés nivales et les patrons de réchauffement actuellement observés. Ceci mène à des incertitudes dans les prédictions climatiques par les modèles et sont d’autant plus grandes dans les hautes latitudes où le réchauffement est plus accentué dû à un manque d’observations in-situ de neige et de variables météorologiques alimentant les modèles climatiques.
Une bonne caractérisation de l’épaisseur de neige en Arctique est par conséquent très importante en ce qui concerne les changements climatiques. Les approches par télédétection sont nombreuses, mais souffrent toutes d’une résolution spatiale grossière apportant son lot de variabilité et d’incertitude liés au problème d’échelle. Pour pallier à ces problèmes, de récentes études se sont penchées sur l’utilisation de modèles de neige alimentés par des données météorologiques. Cependant, de grandes imprécisions naissent des données de forçage imprécises à ces latitudes. Une amélioration du modèle SNOWPACK utilisé dans notre laboratoire est en développement et l’acquisition de l’épaisseur de neige par drone représente une avenue très intéressante pour valider et corriger les simulations avec une excellente couverture spatiale. L’utilisation de drone combiné avec une technique de photogrammétrie pour l’acquisition de données permettra de couvrir rapidement et à faible coût le bassin versant à l’étude, et ainsi permettre d’évaluer l’application de facteur de correction au modèle qui ensuite, peut être appliqué à plus grande échelle.
Mon projet débutera donc avec l’adaptation et conception d’un drone aux conditions extrêmes de l’Arctique. Mon deuxième objectif sera de cartographier l’épaisseur de la neige en produisant des Modèles Numérique de Surface (MNS) des sites d’études où le Groupe de Recherche Interdisciplinaire sur les Milieux Polaires (GRIMP) effectue des campagnes de terrain annuelles à Cambridge Bay au Nunavut. Mon troisième objectif sera finalement de comparer les mesures d’épaisseur de neige prises par le drone à ceux générées par le modèle SNOWPACK ainsi qu’aux mesures de terrain et évaluer la possibilité d’implanter un facteur de correction sur les simulations.
Le drone utilisé sera un drone à voilure fixe (style avion) conceptualisé et fabriqué par le département de génie mécanique de l’Université de Sherbrooke. Ma formation par rapport aux lois de vol d’un appareil sans pilote ainsi que le développement de mes habiletés de pilotage feront partie intégrante du projet. Les MNS seront construits par le logiciel OpenDroneMap qui est un logiciel open source. Le logiciel se base sur un nouveau principe de photogrammétrie appelé «Structure from motion». Des images 2D sont utilisées pour reconstruire un nuage de point 3D. Des cibles géo-référencées sont placées avant la prise des photos. Le manteau neigeux 3D peut être ensuite obtenu avec ArcGIS en utilisant deux MNS différent (hiver et été).

 
© 2018 Tous droits réservés | Adapté d'un design original de BinaryTheme.com