Prédiction de la turbulence atmosphérique pour l'optimisation des liens optiques en télémétrie par laser et en télécommunications en espace libre

Atmospheric turbulence prediction for optical link optimization in laser telemetry and free space telecommunications

• Auteur / Autrice : Alohotsy Rafalimanana
• Direction : Aziz Ziad, Eric Aristidi
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la planète et de l'univers
• Date : Soutenance le 12/05/2022
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : École doctorale Sciences fondamentales et appliquées (Nice ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire Joseph-Louis Lagrange (Nice, Alpes-Maritimes ; 2012-....)
• Jury : Président / Présidente : Andreas Glindemann
• Jury : Examinateurs / Examinatrices : Aziz Ziad, Eric Aristidi, Andreas Glindemann, Andrès Guesalaga, Bouchra Benammar, Miska Le Louarn, Jean-Marc Conan
• Jury : Rapporteur / Rapporteuse : Andreas Glindemann, Andrès Guesalaga

Mots clés

Mots clés contrôlés

Temps (météorologie) -- Prévision numérique

Télécommunications optiques

Turbulence atmosphérique

Mots clés libres

Turbulence atmosphérique

Turbulence optique

Télécommunications optique en espace libre

Gestion optimisée d'observation

Prévision numérique du temps

Apprentissage de site

Atmospheric turbulence

Optical turbulence

Free Space Optical Communications

Flexible scheduling

Numerical weather prediction

Site learning

Résumé

La prédiction des conditions atmosphériques et de turbulence présente un grand intérêt pour la communauté astronomique et les télécommunications optique en espace libre. La connaissance a priori des conditions atmosphériques plusieurs heures avant les observations permet d'optimiser la programmation des observations astronomiques appelée ''flexible scheduling''. Dans le domaine des télécommunications optiques en espace libre, elle peut aider à identifier la station optique au sol la moins impactée par la turbulence et à identifier à quelle période, la qualité optique de l'atmosphère est favorable à la transmission/réception. Dans cette thèse, une approche numérique basée sur le modèle Weather and Research Forecasting (WRF) couplé à différents modèles de turbulence optique a été utilisée. Des travaux d'optimisation de la prédiction par une méthode de ''site learning'', ont été réalisés, en considérant l'importance de l'utilisation des mesures locales pour améliorer le modèle de turbulence et mieux prendre en compte les spécificités locales d'un site donné. Cette méthode a été testée sur le site de l'Observatoire de Calern, France. Les résultats ont montré que le ''site learning'' apporte une amélioration de la prédiction. Des études de sensibilité aux différentes options du modèle ont été développées pour définir une méthodologie standard pour obtenir une configuration optimale de WRF. Cette technique a été appliquée au site de l'Observatoire de Cerro Pachón, au Chili. Toujours dans cette quête de prise en compte des spécificités d'un site, on s'est doté d'une nouvelle expérience consistant en un drone instrumenté pour améliorer la prédiction dans la couche limite planétaire. Les résultats d'une campagne de mesure réalisée sur le site de l'Observatoire de Calern sont présentés.

Accurate prediction of atmospheric and turbulence conditions are of interest for astronomical community and free space optical communications. The a priori knowledge of atmospheric conditions several hours before the observations allows to optimize the programmation of astronomical observations called ''flexible scheduling''. In the field of free space optical telecommunications, it can help to identify the optical ground station least impacted by turbulence and to identify when the optical quality of the atmosphere is favorable for transmission/reception. In this thesis, a numerical approach based on the Weather and Research Forecasting (WRF) model coupled with different optical turbulence models has been used. Optimization of the prediction by a ''site learning'' method has been performed, considering the importance of using local measurements to improve the turbulence model and better take into account the local specificities of a given site. This method has been tested at the Calern Observatory site, France. The results showed that the ''site learning'' brings an improvement of the prediction. Sensitivity studies to different model options were developed to define a standard methodology to obtain an optimal WRF configuration. This technique has been applied to the Cerro Pachón Observatory site, in Chile. Still in this quest to take into account the specificities of a site, we have developed a new experiment consisting of an instrumented drone to improve the prediction in the planetary boundary layer. Results of a measurement campaign carried out at the Calern Observatory are presented.