Développement d'une sonde à réflectance diffuse pour la mesure in-situ des propriétés optiques inhérentes de la glace de mer

Développement d’une sonde à réflectance diffuse pour
la mesure in-situ des propriétés optiques inhérentes de
 la glace de mer

 Mémoire

 Christophe Perron

 Maîtrise en biophotonique - avec mémoire
 Maître ès sciences (M. Sc.)

 Québec, Canada

 © Christophe Perron, 2021

Développement d’une sonde à réflectance diffuse pour
la mesure in-situ des propriétés optiques inhérentes de
 la glace de mer

 Mémoire

 Christophe Perron

 Sous la direction de :

 Marcel Babin, directeur de recherche
 Pierre Marquet, codirecteur de recherche

Résumé
Une caractérisation spatiale et temporelle détaillée des propriétés optiques inhérentes (IOPs) de la glace de
mer est nécessaire pour mieux prévoir les bilans énergétiques et massiques, ainsi que la production primaire
sous la glace. Nous présentons ici le développement d'une sonde optique active permettant de mesurer in-situ
les IOPs d'un petit volume de glace de manière non destructive en moins d’une minute. La sonde utilise la
méthode de la réflectance diffuse résolue spatialement, typiquement utilisée pour mesurer les IOPs de tissus
humains. Conceptuellement, l'instrument émet de la lumière dans la glace par l’entremise d’une fibre optique.
La lumière rétrodiffusée est mesurée à plusieurs distances de la source à l'interface en utilisant d'autres fibres.
La courbe de réflectance mesurée est comparée à une table simulée par Monte-Carlo afin d’inverser le
coefficient d'absorption, le coefficient de diffusion réduit et , appellée paramètre de similarité de la fonction de
phase, pour un volume restreint. Des simulations Monte-Carlo ont montré que la profondeur visitée à l'intérieur
du milieu se situe entre 40±2 mm et 270±20 mm selon la distance latérale entre la source et le détecteur et les
propriétés de diffusion. À ce stade, l'erreur sur l’estimation du coefficient de diffusion réduit varie entre 1% à
35% sur les trois ordres de grandeur pertinents à la glace de mer. Nous avons testé la sonde sur de la glace de
mer intérieure arctique de première année à deux sites d'étude au début du printemps 2019. Les sites se
trouvent sur la rive de Qikiqtarjuaq sur l'île de Baffin. Les profils verticaux du coefficient de diffusion réduit ont
été mesurés à chaque 10 cm d’un trou foré au travers de la glace. Nous avons obtenu des valeurs allant jusqu'à
7.1 m-1 pour la couche supérieure de la glace intérieure à 0.15 m-1 pour la couche inférieure. Ces valeurs se
situent dans la même plage que les mesures publiées par d’autres auteurs, et obtenues avec différentes
méthodes.

 ii

Abstract
Detailed characterization of the spatially and temporally varying inherent optical properties (IOPs) of sea ice is
necessary to better predict energy and mass balances, as well as under-ice primary production. Here we present
the development of an active optical probe to measure in-situ IOPs of a small volume of ice, non-destructively
and within a minute. The probe is based on the spatially resolved diffuse reflectance method used to measure
IOPs of human tissues. Conceptually, the instrument emits light into the ice through an optical fibre.
Backscattered light is measured at multiple distances away from the source at the medium interface using other
fibres. The reflectance curve is compared to a Monte Carlo-simulated lookup table to invert the absorption
coefficient, the reduced scattering coefficient and , called the phase function similarity parameter, of a
restrained volume. Monte Carlo simulations showed that the visited depth is between 40±2 mm and 270±20
mm depending on the source-detector distance and on the ice scattering properties. At this stage, the absolute
validation error in estimates of the reduced scattering coefficient ranges from less than 1 % to 35 % over the 3
orders of magnitude relevant to sea ice. We tested the probe on first-year Arctic interior sea ice at two study
sites on the shore of Qikiqtarjuaq on Baffin Island in early spring 2019. Vertical profiles of the reduced scattering
coefficient were measured every 10 cm sideward from the edge of an auger hole drilled through the ice. We
obtained values of up to 7.1 m-1 for the uppermost layer of interior ice and down to 0.15 m-1 for the bottommost
layer. These values are in the range of previously published values, obtained using other methods.

 iii

Table des matières
Résumé .................................................................................................................................................................ii
Abstract ................................................................................................................................................................ iii
Table des matières ...............................................................................................................................................iv
Liste des figures .................................................................................................................................................. vii
Liste des tableaux ................................................................................................................................................ x
Liste des abréviations ...........................................................................................................................................xi
Liste des sigles .................................................................................................................................................... xii
Remerciements .................................................................................................................................................. xiv
Avant-propos .......................................................................................................................................................xv
Introduction ........................................................................................................................................................... 1
 Mise en contexte .............................................................................................................................................. 1
 Nécessité de la mesure des propriétés optiques inhérentes ........................................................................... 3
Chapitre 1 État de l’art .......................................................................................................................................... 6
 Propriétés optiques inhérentes ........................................................................................................................ 6
 Méthodes de mesure existantes ...................................................................................................................... 7
 1.1 Mesures en laboratoire .............................................................................................................................. 8
 1.1.1 Observation de la structure au microscope ........................................................................................ 8
 1.1.2 Mesures optiques actives ................................................................................................................. 10
 1.2 Mesures in-situ ......................................................................................................................................... 13
 1.2.1 Mesures passives ............................................................................................................................. 13
 1.2.1 Mesures actives ................................................................................................................................ 14
Chapitre 2 Simulations Monte-Carlo préliminaires ............................................................................................. 16
 2.1 Validation du logiciel SimulO ................................................................................................................... 16
 2.1.1 Méthode ............................................................................................................................................ 16
 2.1.2 Résultats ........................................................................................................................................... 17
 2.2 Optimisation de la détection..................................................................................................................... 19
 2.2.1 Méthode ............................................................................................................................................ 19
 2.2.2 Résultats ........................................................................................................................................... 20
 2.3 Analyse de l’erreur ................................................................................................................................... 21
 2.3.1 Méthode ............................................................................................................................................ 22
 2.3.2 Résultats ........................................................................................................................................... 22
Chapitre 3 Développement de l’appareil de mesure .......................................................................................... 24

 iv

3.1 Chronologie des montages expérimentaux ............................................................................................. 24
 3.2 Analyse du rapport signal-sur-bruit .......................................................................................................... 26
 3.2.1 Analyse du rapport signal-sur-bruit avec la version 1 du montage .................................................. 26
 3.2.2 Analyse du rapport signal-sur-bruit avec la version 4 du montage .................................................. 28
 3.3 Validation directe avec un milieu de référence ........................................................................................ 29
 3.3.1 Validation avec une solution de MaaloxMD ........................................................................................ 30
 3.3.2 Validation avec un fantôme optique BiomimicMD .............................................................................. 31
 3.3.3 Validation avec une solution de microbilles ...................................................................................... 31
 3.4 Justification des composantes intégrées ................................................................................................. 33
Chapitre 4 Development of a spatially resolved diffuse reflectance probe for in-situ measurement of sea ice
inherent optical properties .................................................................................................................................. 35
 Résumé .......................................................................................................................................................... 35
 Abstract .......................................................................................................................................................... 35
 4.1 Introduction .............................................................................................................................................. 36
 4.1.1 Previous works on sea ice IOPs ....................................................................................................... 37
 4.2 Background .............................................................................................................................................. 39
 4.2.1 Inherent optical properties ................................................................................................................ 39
 4.2.2 Linking spatially resolved diffuse reflectance to Inherent Optical Properties ................................... 40
 4.3 Methods ................................................................................................................................................... 42
 4.3.1 Experimental setup ........................................................................................................................... 43
 4.3.2 Field manipulations ........................................................................................................................... 45
 4.3.3 Monte Carlo simulations and building the lookup table .................................................................... 46
 4.3.4 Inversion algorithm ........................................................................................................................... 47
 4.3.5 Estimation of the visited volume ....................................................................................................... 48
 4.3.6 Calibration and validation using polystyrene microspheres in water ................................................ 49
 4.4 Results ..................................................................................................................................................... 50
 4.4.1 Pre-field results ................................................................................................................................. 50
 4.4.2 Field results ...................................................................................................................................... 52
 4.5 Discussion ................................................................................................................................................ 54
 4.5.1 Error analysis .................................................................................................................................... 54
 4.5.2 Comparison to previous measurement methods .............................................................................. 56
 4.5.3 Comparison to ice core images ........................................................................................................ 57
 4.5.4 Comparison to structural-optical model ............................................................................................ 59
 4.5.5 Upcoming Improvements .................................................................................................................. 59

 v

4.6 Conclusion ............................................................................................................................................... 60
 4.7 Team list .................................................................................................................................................. 61
 4.8 Author contribution ................................................................................................................................... 61
 4.9 Competing interests ................................................................................................................................. 61
 4.10 Disclaimer .............................................................................................................................................. 61
 4.11 Acknowledgements ................................................................................................................................ 61
Conclusion .......................................................................................................................................................... 63
Bibliographie ....................................................................................................................................................... 65

 vi

Liste des figures
Figure 1: (a) Comparaison des frontières du couvert de glace estivale arctique en 2016 (en blanc) avec la
moyenne des 30 dernières années (ligne jaune). Crédit photo: NASA. (b) Comparaison de l’âge de la glace de
mer arctique entre 1984 et 2018 Crédit photo: NOAA climate.gov et données: Mark Tschudi............................ 2
Figure 2: Schéma conceptuel des différentes méthodes utilisées pour estimer les IOPs de la glace de mer. La
méthode développée dans le cadre de ce projet est représentée par une boite verte. ....................................... 8
Figure 3: Coupes fines de glace de mer naturelle observée au microscope. On voit sur les agrandissements
(1) des canaux de saumure, (2) des canaux de saumure drainés, (3) des bulles d’air passives, et (4) des
bulles d’air actives. Les sels précipités ne peuvent être résolus. Crédit photo : Bonnie Light. ............................ 8
Figure 4 : Montage expérimental utilisé pour mesurer L à différents angles solides autour d’un échantillon de
glace de mer naturelle illuminé. Les mesures ont été comparées avec des simulations Monte-Carlo pour
retrouver le b’. Crédit photo : Bonnie Light. ....................................................................................................... 11
Figure 5 : Enceinte permettant de reproduire les conditions de croissance de la glace de mer en laboratoire.
Crédit photo: Amelia A. Marks, Maxim L. Lamare et Martin D. King. ................................................................. 12
Figure 6: Montage expérimental utilisé pour mesurer pθ pour un échantillon de glace de mer artificiel. Crédit
photo: Thomas C. Grenfell et David Hedrick. ..................................................................................................... 13
Figure 7: Mesures de α , de T et K utilisées pour estimer les IOPs de la banquise passivement. Crédit photo :
Jens Ehn............................................................................................................................................................. 13
Figure 8: Processus itératif qui a permis de corriger les IOPs de la glace de mer à partir de mesures optiques
passives in-situ. .................................................................................................................................................. 14
Figure 9: Mesures actives effectuées in-situ. (a) Mesure de la fonction d’étalement de faisceaux dans la glace
et (b) mesure résolue spatialement de E rétrodiffusé à la surface et transmis sous la banquise par une source
lumineuse. .......................................................................................................................................................... 15
Figure 10: Environnement 3D utilisé pour la simulation Monte-Carlo de la propagation de la lumière dans une
plaque semi-infinie horizontalement tel que décrit par Chandrasekhar et Sobouti (Fuller & Hyett, 1968). Le
rapport r/h de la plaque est de 250, la source est collimatée et uniforme et l’indice de réfraction est le même
partout dans l’environnement (n=1). τ=1 et il n’y a aucune absorption. ............................................................. 17
Figure 11: Ld et Luselon ϕ simulée par Monte-Carlo 3D pour une plaque semi-infinie horizontalement. Les
valeurs ont été validées par comparaison avec la solution analytique telle que résolue par Chandraskhar et
Sobouti (Fuller & Hyett, 1968). Les 2 capteurs dans la simulation étaient carrés (20 x20 m). Les paramètres de
la plaque étaient h=1, r=250, b=1, a=0 (τ=1) et n=1....................................................................................... 18
Figure 12: (a) Évolution de σT selon Nsource simulation Monte-Carlo pour une plaque semi-infinie
horizontalement. (b) Histogramme de la valeur de T simulée 100 fois en envoyant 105 photons par simulation.
Le capteur dans la simulation était carré (50 x 50 m). Les paramètres de la plaque semi-infinie utilisés étaient
h=1 m, r=250 m, b=1 m-1, a=0 m-1 et n=1. Le paramètre d’anisotropie g=0. .................................................... 19
Figure 13 : (a) Environnement numérique Monte-Carlo non optimisé permettant de simuler Rsim(ρ)avec la
géométrie de notre sonde. (b) Environnement numérique Monte-Carlo optimisé. Les fibres optiques
réceptrices ont été remplacées par un détecteur carré permettant la détection sur une plus grande surface. . 20
Figure 14 : Rsim pour des propriétés optiques propres à de la glace de mer diffusante. On compare les
réflectances Rsim obtenues pour une détection avec des fibres optiques et avec un détecteur carré. ........... 21
Figure 15: (a) Réflectance diffuse simulée par Monte-Carlo Rsim selon le b′ et ρ.10 simulations de106
photons sont portées en graphique pour illustrer la variance. (b) σ(Rsim)/Rsim selon ρ et b′. ................... 22

 vii

Figure 16: Schéma des premiers montages expérimentaux. (a) Version 1 où les fibres optiques ont été
connectorisées à des embouts SMA. (b) Version 2 où les fibres optiques ont été clivées permettant de
mesurer à de plus petites ρ. (c) Version 3 où de multiples fibres réceptrices clivées ont été incorporées dans
une tête circulaire imprimée en 3D. La tête permettait d’obtenir des mesures à z dans la glace de mer au
travers d’un trou. (d) Version 4 où la source a été remplacée par une diode laser qui transmet jusqu’à 20 fois
plus de puissance. L’ajout d’un coupleur optique et d’un multiplexeur ont permis d’automatiser le processus de
mesure................................................................................................................................................................ 26
Figure 17: (a) Site de mesure où ont été effectués les essais avec la version 1 du montage dans la baie de
Baffin. (b) Prototype version 1 qui est utilisé pour quantifier le RSB au site en question. ................................. 27
Figure 18 : RSB évalué selon ρ avec la version 1 du montage expérimental sous une tente. Les mesures ont
été prises à un stade avancé de la période de fonte dans la baie de Baffin pour la glace diffusante de surface
et la glace intérieure. .......................................................................................................................................... 28
Figure 19: RSB évalué selon ρ et selon z à l’intérieur de la glace z lors d’essais sur la banquise arctique au
début de la période de fonte avec la version 4 du montage expérimental. La mesure a été prise sous une
tente, sous une bâche et à ciel ouvert. Elle a été prise à un site non couvert de neige et un site couvert de
neige. .................................................................................................................................................................. 29
Figure 20: Comparaison directe entre Rmesρ et Rsimρ. Le milieu de référence était le Maalox MD. La mesure
a été effectuée avec les versions 1 et 2 du montage. ........................................................................................ 30
Figure 21: Comparaison directe entre Rmesρ et Rsimρ. Le milieu de référence était un fantôme optique
solide BiomimicMD. La mesure a été effectuée avec les versions 1 et 2 du montage. ....................................... 31
Figure 22: Comparaison directe entre mesurée Rmesρ et Rsimρ. Le milieu de référence était une solution
de microbilles de 1.92050.0005 microns de diamètre en polystyrène dans l’eau distillée. La mesure a été
effectuée à 2 reprises avec la version 3 du montage. ........................................................................................ 32
Figure 23: Locations of the snow-covered and bare ice sampling sites visited on May 8th and 9th 2019 near
Qikiqtarjuaq on the shore of the Baffin Bay in Nunavut, Canada. The sampling locations are represented by
white stars. ......................................................................................................................................................... 43
Figure 24: Experimental setup schematic. ......................................................................................................... 44
Figure 25: (a)Probe head interior. Source and detecting fibres were held in place with heat shrink tubes and
glue. (b) Probe head inserted in a two-inch auger hole drilled in sea ice. (c) Probe operated on sea ice close to
Qikiqtarjuaq Island on the coast of Baffin Bay.................................................................................................... 45
Figure 26: Schematic of the numerical environment used to simulate Rsim(ρi, a, b′, γ) with the Monte Carlo
method................................................................................................................................................................ 46
Figure 27: Illustration of the inversion algorithm used to retrieve inherent optical properties of sea ice. ........... 48
Figure 28: Visited depth z95 vs ρ vs b′ evaluated with the Monte Carlo method. The depth where
Rsim() reached 95% of its maximum value determined the visited depth z95. The visited depth was
evaluated for our probe geometry and for a medium where a=0.1m-1 and g=0.94. ........................................... 50
Figure 29: Validation of inherent optical properties measurements using reference mediums. The reference
media were five solutions of polystyrene microspheres in water. Microspheres concentrations were chosen so
that theoretical a and b′ ranges covered sea ice typical values. Detecting fibres 1 and 7 were taken out for
optimised results. ............................................................................................................................................... 51
Figure 30: Profiles of (a) T, (b) S and (c) Vb measured on ice cores nearby optical measurement holes........ 52
Figure 31: b′ vs z measured actively in-situ inside first-year Arctic interior sea ice. Measurements were taken
(a) at a snow-covered site and (b) at a bare ice site. ......................................................................................... 53

 viii

Figure 32: Comparison of the vertically resolved b’ we measured in-situ at both sampling sites to vertically
averaged b’ published over the past for polar interior sea ice using various methods. For both sampling sites,
the measurements are separated in three depth zones. The zones are separated at z where we observed
significant changes in scattering properties. ...................................................................................................... 57
Figure 33: b’ measurements together with ice core pictures for the three zones we identified at the snow-
covered site compared to the b’ measurements and pictures of drained ice and interior ice published by Light
et al. (2008). ....................................................................................................................................................... 58

 ix

Liste des tableaux
Table 1: Summary of ’ and estimation for the different ice and snow zones we identified at both sampling
sites. The estimation of was based on the validation with microspheres solutions. ....................................... 55

 x

Liste des abréviations
• aire (cm2)
• coefficient d’absorption (m-1)
• coefficient de diffusion (m-1)
• ’ coefficient de diffusion réduit (m-1)
• facteur d’étalonnage (sans unité)
• éclairement (W•cm-2)
• erreur de validation (%)
• 1 cosinus moyen de la fonction de phase (sans unité)
• 2 cosinus carré moyen de la fonction de phase (sans unité)
• ℎ hauteur (cm)
• intensité rayonnante (W• sr-1)
• coefficient d’atténuation diffuse (m-1)
• luminance (W•cm-2•sr-1)
• nombre de photons (sans unité)
• ouverture numérique (sans unité)
• densité équivalente des inclusions (mm-3)
• indice de réfraction (sans unité)
• fonction de phase (sans unité)
• efficacité de diffusion (sans unité)
• rayon (m)
• rayon équivalent des inclusions (μm)
• réflectance diffuse mesurée (sans unité)
• réflectance diffuse simulée par Monte-Carlo (sans unité)
• rapport signal-sur-bruit (sans unité)
• salinité volumique (‰)
• T transmittance (sans unité)
• T température (ºC)
• V fraction volumique (sans unité)
• profondeur (cm)
• albédo (sans unité)
• paramètre de similarité de la fonction de phase (sans unité)
• ratio de division du coupleur optique (sans unité)
• angle azimutal (º)
• longueur d’onde [nm]
• distance latérale source-détecteur (mm)
• écart-type normalisé (%)
• épaisseur optique (sans unité)
• Φ flux rayonnant (W)
• angle d’élévation (º)

 xi

Liste des sigles
• AOP propriété optique apparente
• IOP propriété optique inhérente
• MC Monte-Carlo
• PLDH pleine largeur à demi-hauteur
• DEL diode électroluminescente

 xii

À mes parents, Marc et Violaine.

xiii

Remerciements
Nous tenons à remercier Philippe Massicotte qui a aidé à construire la table de comparaison et à exécuter les
simulations sur les supercalculateurs de Calcul Canada. Louis-Philippe Guinard qui a permis de rendre le
prototype plus robuste et facile à utiliser en préparation pour les prochains essais dans le cadre de la mission
MOSAIC. Guislain Bécu et Jose Luis Lagunas qui ont aidé à imprimer les têtes de sonde et qui ont fourni une
assistance technique tout au long du processus de développement. Marie-Hélène Forget pour son précieux
soutien logistique lors du déploiement sur le terrain dans l'Arctique et tout au long du processus. Philippe
DeTilleux pour avoir aidé à la validation des résultats et aidé au développement de l'expérience des
microsphères. Jean-Marie Trudeau et Éric Barucha de la plateforme Sentinelle Nord pour les conseils et le prêt
d'instruments. Flavienne Bruyant pour son aide logistique lors des tests en laboratoire. Paul DeKoninck et Mario
Méthot pour leur soutien dans le cadre du programme de biophotonique. Edouard Leymarie pour avoir prêté le
logiciel SimulO et une aide précieuse dans la compréhension du projet. Daniel Côté pour ses conseils et sa
dévotion à la pédagogie. Simon Lambert-Girard et Christian Katlein qui ont agi comme mentors tout au long du
projet. Votre patience et vos conseils ont été indispensables. Félix Levesque-Desrosiers, Yasmine Alikacem et
Raphaël Larouche pour toutes les discussions enrichissantes.

Nous remercions le programme Sentinelle Nord financé par le Fonds d'excellence en recherche Apogée
Canada, le projet SMAART financé par le Programme de formation orientée vers la nouveauté, la collaboration
et l'expérience en recherche du Conseil de recherches en sciences naturelles et en génie du Canada, et la
Chaire d’Excellence en Recherche du Canada sur la Télédétection de la nouvelle frontière arctique.

 xiv

Avant-propos
Ce mémoire contient un article intitulé >. L’article n’a pas encore été soumis pour
publication. Je suis premier auteur de cet article. Ma contribution a été de développer la table de comparaison
simulée, développer l’algorithme d’inversion et de concevoir, construire et valider en laboratoire et sur le terrain
les différentes versions de l’appareil de mesure. J’ai écrit la première version du manuscrit. L’article sera soumis
avec la contribution de Simon L-Girard1, Christian Katlein1,2, Edouard Leymarie3, Pierre Marquet4,5 et Marcel
Babin1.

1
 Unité mixte internationale Takuvik , Université Laval (Canada)-CNRS (France), Québec, G1V 0A6,
Canada
2
 Institut Alfred Wegener pour la recherche polaire et marine, Bremerhaven, 27570, Allemagne
3
 Laboratoire d’Océanographie de Villefranche-sur-Mer, Villefranche-sur-Mer, 06230, France
4
 CERVO, Université Laval, Québec, G1J 2G3, Canada
5
 Centre d’optique, photonique et laser, Université Laval, Québec, G1V 0A6, Canada

 xv

Introduction
Mise en contexte
Le couvert de glace de mer en Arctique s’étend en moyenne sur 15.6 millions de kilomètres carrés en hiver et
6.5 millions de kilomètres carrés en été, ce qui représente entre 4% et 2% de la superficie totale des océans
(NSIDC, 2019). Il constitue une barrière physique entre l’atmosphère et l’océan. Cette barrière limite les
échanges de chaleur, d’humidité, de quantité de mouvement, de gaz et, dans le cas qui nous intéresse, de
lumière entre ces deux milieux. En effet, le couvert de glace réfléchit 80% de la lumière du soleil qui arrive à sa
surface. Par comparaison, l’océan libre de glace absorbe 90% de la lumière du soleil qui arrive à sa surface
(NSIDC, 2019). La présence du couvert affecte ainsi la météo locale, le climat et les grands courants océaniques
(Shokr & Sinha, 2015). Le couvert de glace est aussi l’habitat d’une riche communauté biologique qui va des
micro-organismes, responsables de la photosynthèse, jusqu’aux grands mammifères comme les ours polaires
et les morses. Cette communauté dépend de la banquise pour s’abriter, se nourrir et se reproduire (Shokr &
Sinha, 2015)

Dans le contexte d’augmentation anthropique des émissions de gaz à effet de serre, la nature du couvert de
glace est appelée à changer. D’abord, l’étendue de glace de mer en Arctique est à la baisse Figure 1 a). Pendant
le mois de septembre, période durant laquelle l’étendue de glace atteint un minimum saisonnier, on note une
décroissance de 13.3% par décennie relativement à la moyenne de 1981-2010. En mars, lorsque l’étendue est
maximale, on note une décroissance de 2.7% par décennie par rapport à la même période de référence (NSIDC,
2019). Il est difficile d’estimer précisément le moment où l’Arctique deviendra libre de glace pendant la période
estivale. Par contre, la majorité des modèles prédisent que cela devrait survenir avant la fin du siècle actuel
(Notz, 2015).

Le couvert de glace change également par son âge et son épaisseur. Plusieurs régions autrefois couvertes de
glace pluriannuelle sont aujourd’hui couvertes de glace saisonnière (dite de première année) (voir Figure 1 b).
Alors que la glace dite vieille (4 ans ou plus) composait 16% de la superficie totale du couvert en 1985, elle ne
représentait plus que 1.2% de celui-ci en mars 2015. Par ailleurs, la glace saisonnière qui composait environ
55% du couvert de glace dans les années 1980 comptait pour environ 78% de l’aire totale en mars 2015
(Tschudi, Fowler, & Maslanik, 2015). Cette glace saisonnière est plus mince et elle est couverte par davantage
de mares de fonte durant la période printanière. Cette glace est donc moins résiliente aux changements
climatiques dans l’atmosphère et dans l’océan.

 1

Figure 1: (a) Comparaison des frontières du couvert de glace estivale arctique en 2016 (en blanc) avec la moyenne des 30 dernières
années (ligne jaune). Crédit photo: NASA. (b) Comparaison de l’âge de la glace de mer arctique entre 1984 et 2018 Crédit photo:
NOAA climate.gov et données: Mark Tschudi.

Entre autres, la glace de première année partitionne différemment le rayonnement solaire incident dans le
spectre lumineux visible. La proportion du rayonnement qui est absorbé par la glace de mer de première année
est plus importante. Pareillement, la proportion du rayonnement qui est transmise au travers de la glace et des
mares d’eau de fonte printanière est plus importante. Cette énergie transmise supplémentaire contribue au
réchauffement de la colonne d’eau sous-jacente (Nicolaus, Petrich, Hudson, & Granskog, 2012; Perovich &
Polashenski, 2012). Par ce processus, le changement morphologique du couvert de glace entraîne lui-même
une accélération de la fonte (Holland, Bailey, Briegleb, Light, & Hunke, 2012). Une meilleure compréhension de
cette boucle de rétroaction positive liée à l’interaction entre la lumière du soleil et la glace de mer est nécessaire
pour obtenir de meilleures prédictions climatiques.

Cette métamorphose du couvert de glace accroit également le rayonnement disponible pour la photosynthèse
des algues sympagiques et le phytoplancton, respectivement dans et sous la glace. Par conséquent, elle
contribue à une augmentation de la production primaire (Arrigo et al., 2012; Arrigo, van Dijken, & Pabi, 2008;
Fernández-Méndez et al., 2015). Une plus fine résolution dans les budgets radiatifs au travers de la glace
contribuerait à une meilleure modélisation des communautés d’algues arctiques.

Il est important de suivre ces communautés d’algues arctiques à cause de leur impact sur le climat et sur
l’écosystème marin arctique. D’abord, les algues arctiques convertissent le dioxyde de carbone dissous dans
les océans en oxygène que l’on respire. Ensuite, lors de leur sédimentation, les algues entrainent le carbone
fixé vers les sédiments marins au fond des océans. Ce processus, appelé pompe biologique, absorbe une
proportion importante des excès de carbone provenant de l’atmosphère (NTNU, 2013). Finalement, elles sont
à la base de la chaine alimentaire dans l’océan. Conséquemment, la faune marine et les animaux terrestres qui
trouvent leur nourriture dans les océans dépendent de la production d’algues pour leur survie et leur prolifération

 2

(Kohlbach et al., 2016). C’est principalement pour ces raisons que le suivi des organismes photosynthétiques
sous et dans la banquise est primordial.

Nécessité de la mesure des propriétés optiques inhérentes
Comme expliqué ci-haut, à la fois les prédictions climatiques et les prédictions écosystémiques requièrent une
meilleure compréhension du transfert radiatif au travers de la banquise. Dans le passé, les propriétés optiques
inhérentes (IOPs) insérées dans les modèles de transfert radiatif ont été basées sur l’observation de propriétés
optiques apparentes (AOPs) telle la transmittance (T, sans unité) sous la banquise et l’albédo ( , sans unité) à
la surface de la banquise (Briegleb & Light, 2007; Holland et al., 2012). Ces mesures prises aux interfaces ne
permettent toutefois pas de résoudre la forte dépendance verticale des IOPs. Pour cette raison, plusieurs
auteurs ont combiné les AOPs mesurées aux interfaces à des estimations résolues verticalement des IOPs
basées sur les propriétés physiques (Grenfell,1983), sur le coefficient d’atténuation diffuse ( , sans unité)
mesuré au travers de la banquise (J. Ehn, Papakyriakou, & Barber, 2008; J. K. Ehn, Mundy, & Barber, 2008;
Light, Grenfell, & Perovich, 2008) ou à partir de mesures optiques faites sur des sections de carottes en
laboratoire (Katlein, Nicolaus, & Petrich, 2014; Light, Perovich, Webster, Polashenski, & Dadic, 2015). Ces
dernières méthodes étant destructives, elles induisent un biais qui est corrigé par comparaison aux AOPs
mesurées aux interfaces. Cette méthode couplée est toutefois sous-contrainte, signifiant qu’il y a plusieurs
façons de corriger le profil d’IOPs afin d’aboutir aux mêmes AOPs. Une paramétrisation basée sur les IOPs
mesurées in-situ activement pour un plus petit volume serait adéquatement contrainte. Cela aboutirait à des
prédictions lumineuses plus précises et certaines. Cette façon de faire serait aussi significativement plus rapide
et serait indépendante des conditions lumineuses.

Le rajeunissement du couvert de glace de mer arctique conduit à une plus grande variabilité spatiale de la
morphologie. Conséquemment, l’approximation d’un couvert de glace avec des propriétés optiques homogènes
couramment utilisé dans les modèles de transfert radiatif devient de moins en moins valide à mesure que la
proportion de glace pluriannuelle diminue et que la proportion de glace de première année augmente (Nicolaus
et al., 2012; Rösel & Kaleschke, 2012). La caractérisation des IOPs in-situ pour différentes périodes de l’année,
différents types de glace et différentes localisations géographiques est donc de plus en plus pertinente dans les
modèles de transfert radiatif.

Il a été démontré que les IOPs d’un échantillon de glace de mer en laboratoire pouvaient être prédites à partir
de la salinité volumique ( , ‰) et T. Cette prédiction nécessite aussi la connaissance des distributions de taille
et de forme des inclusions dans la glace (Light, Maykut, & Grenfell, 2004). Plus d’observations des IOPs in-situ
combinées aux observations structurelles en laboratoire et à un effort de modélisation accru pourraient

 3

permettre d’étendre cette approche. Cela pourrait ultimement permettre de prédire la partition du rayonnement
solaire au travers de la glace de mer en utilisant l’historique météorologique de la région d’intérêt.

L’état de l’art présenté au chapitre 1 revoit les méthodes utilisées dans le passé pour prédire les IOPs de la
glace de mer. À ce jour, aucune méthode ne permet d’obtenir les IOPs de la glace de mer in-situ, activement et
pour un volume contraint. Une mesure des IOPs de la glace de mer in-situ, active et pour un volume contraint
pourrait servir de variable initiale pour effectuer des calculs de transfert radiatif plus précis. Aussi, une méthode
de mesure plus facile d’utilisation pourrait mener à une meilleure accessibilité pour les scientifiques non initiés.
Une meilleure accessibilité pourrait conduire à des IOPs mieux répertoriées pour différentes régions, différents
types de glace et différentes périodes de l’année. Finalement, une mesure in-situ des IOPs pour un plus petit
volume pourrait permettre d’étendre le modèle structurel-optique.

L’objectif technique de ce projet est donc de développer une méthode permettant la mesure des variations
spatiales et temporelles des IOPs de la glace de mer in-situ. La mesure en question doit permettre d’obtenir les
IOPs d’un volume de glace visé et concis de l’ordre de quelques cm3 de façon non destructive. La mesure en
question doit également être résolue verticalement et active. Pour ce faire, un instrument de mesure basé sur
la technique de la réflectance diffuse résolue spatialement a été développé et testé. Notre instrument s’inspire
d’une technique permettant de diagnostiquer des tissus humains in vivo lors d’opérations chirurgicales.
Conceptuellement, de la lumière est guidée jusqu’à la glace à l’aide d’une fibre optique. La lumière rétrodiffusée
par la glace de mer est mesurée à différentes distances de la source et comparée à des simulations Monte-
Carlo (MC). Un algorithme d’inversion permet ainsi d’inférer le coefficient d’absorption ( , m-1) le coefficient de
diffusion réduit ( ′ m-1) et le paramètre de similarité de la fonction de phase ( , sans unité) d’un volume de
glace restreint.

Les simulations préliminaires qui ont mené à la conception de l’environnement numérique MC, utilisé pour
simuler la réflectance diffuse, sont présentées au chapitre 2. Les essais expérimentaux qui ont permis de
déterminer les composantes du prototype final de la sonde sont présentés au chapitre 3. Finalement, la
description du concept final de la sonde incluant le modèle de transfert radiatif, l’environnement de simulation,
l’algorithme d’inversion, l’estimation du volume visité et la validation du fonctionnement avec un milieu de
référence sont présentés dans le chapitre 4 sous forme d’article.

L’objectif scientifique de ce projet est de documenter les IOPs in-situ résolues verticalement pour de la glace de
mer arctique de première année. Les profils verticaux de ’ ont été obtenus sur la côte de la baie de Baffin à
Qikiktarjuaq au Nunavut, Canada. Les profils ont été obtenus pour deux types de glace, soit avec couvert de
neige et sans couvert de neige. La mesure de ’ a été comparée aux valeurs répertoriées dans la littérature.

 4

Elle a également été évaluée à l’aide de photographies de carottes de glace. Les profils verticaux de ’ et la
discussion qui s’ensuit sont aussi dans l’article du chapitre 4.

 5

Chapitre 1 État de l’art
Propriétés optiques inhérentes
Les propriétés optiques inhérentes (IOPs) sont des propriétés conservatrices; contrairement aux propriétés
optiques apparentes (AOPs), elles sont définies uniquement par le milieu traversé. Une formulation des IOPs
communément utilisées en optique de la glace de mer est présentée ici. Le coefficient d’absorption ( , m-1)
quantifie la probabilité qu’un photon soit annihilé et transformé en énergie interne en traversant un milieu:

 = ⁄ , (1)
 →0 

Où I (W•sr-1) est l’intensité rayonnante incidente et I (W•sr-1) est l’intensité rayonnante absorbée en traversant
une distance infinitésimale → 0. Le coefficient de diffusion ( , m-1) décrit la probabilité qu’un photon soit
dévié en traversant un milieu :

 = ⁄ , (2)
 →0 

Où I (W•sr-1) est l’intensité rayonnante diffusée. La fonction de phase ( ( ) , sans unité) décrit la distribution
angulaire relative des photons redirigés à la suite d’un évènement de diffusion. Le cosinus moyen ou premier
moment des polynômes de Legendre ( ou 1 , sans unité) est couramment utilisé pour décrire la ( ):

 = 2 ∫ =0 ( ) , (3)

Où ∈ [−1, 1 ]. (°) est l’angle azimutal entre le photon incident et le photon redirigé. Si tous les photons
sont entièrement dirigés vers l’avant ou vers l’arrière, cela résulte en un de 1 ou -1 respectivement. Si tous
les photons sont redirigés uniformement dans toutes les directions, est 0. est équivalent au paramètre libre
de la fonction de phase Henyey-Greenstein ( ( ), sans unité) couramment utilisé en optique des milieux
diffus:

 1 1− 2
 ( ) = 4 · 3⁄ . (4)
 (1+ 2 −2 ) 2

Le cosinus carré moyen ou 2e moment des polynômes de Legendre ( 2 , sans unité) est défini par:

 1
 2 = 2 ∫ =0 ( ) 2 (3 2 − 1) . (5)

L’ajout de 2 pour décrire p(θ) permet de mieux prendre en compte la rétrodiffusion à des près de 180. La
diffusion Rayleigh est un exemple de diffusion uniquement décrite par le cosinus carré moyen 2 .

 6

Tel que le stipule le principe de similarité, un milieu où et sont faibles peut donner les mêmes AOPs qu’un
milieu où et sont élevés. En pratique, il n’est alors pas possible de séparer les contributions de et . On
se rabat alors sur le coefficient de diffusion réduit ( ′ , m-1):

 ′ = · (1 − ). (6)

Pareillement, on ne peut distinguer les contributions de et 2 . On se rabat alors sur le paramètre de similarité
de la fonction de phase ( , sans unité) (Bevilacqua & Depeursinge, 1999; Wyman, Patterson, & Wilson, 1989) :
:

 1− 
 = 1− 2 , (7)
 1

Où ∈ [0, ∞ ]. En pratique, le choix de ( ) employée limite l’étendue des valeurs de possibles.
Physiquement parlant, indique l’importance relative des événements de diffusion à élevé dans la fonction
de phase. Plus est faible, plus la proportion des photons redirigés vers l’arrière est importante pour un
ensemble de valeurs de déterminé.

Méthodes de mesure existantes
Plusieurs approches ont été utilisées pour estimer les propriétés optiques inhérentes (IOPs) de la glace de mer
dans le passé (Figure 2). Premièrement, certaines estimations ont été réalisées dans un laboratoire froid sur
des carottes de glace extraites de la banquise ou sur de la glace de mer fabriquée en laboratoire. Ces mesures
ont été accomplies en se basant sur des observations structurelles au microscope ou sur des mesures optiques
avec une source artificielle (actives). Deuxièmement, certaines estimations ont été accomplies in-situ. Ces
estimations ont été basées sur l’observation passive des propriétés optiques apparentes (AOPs) ou sur des
mesures optiques actives effectuées sur, dans ou sous la banquise. À notre connaissance, aucune mesure in-
situ et active n’a permis à ce jour de sonder un volume suffisamment petit pour obtenir une résolution verticale
des IOPs.

 7

observation

 en laboratoire in situ

 structurelle optique active optique passive optique active

 grand volume petit volume

Figure 2: Schéma conceptuel des différentes méthodes utilisées pour estimer les IOPs de la glace de mer. La méthode développée
dans le cadre de ce projet est représentée par une boite verte.

1.1 Mesures en laboratoire
1.1.1 Observation de la structure au microscope
La première approche pour estimer les IOPs a été basée sur des observations structurelles faites au microscope
en laboratoire (Figure 3). Cette méthode est présentée la première parce qu’elle permet de conceptualiser les
fondements du transfert radiatif dans la glace de mer.

Figure 3: Coupes fines de glace de mer naturelle observée au microscope. On voit sur les agrandissements (1) des canaux de
saumure, (2) des canaux de saumure drainés, (3) des bulles d’air passives, et (4) des bulles d’air actives. Les sels précipités ne
peuvent être résolus. Crédit photo : Bonnie Light.

Les propriétés d’absorption et de diffusion de la glace de mer sont liées à la matrice de glace elle-même et aux
inclusions comprises dans la matrice de glace. Les inclusions sont :

 8