Un radar laser embarqué peut observer la répartition verticale des caractéristiques des nuages et des aérosols, ce qui en fait un moyen unique d’étudier et de surveiller les nuages et les aérosols. Le radar laser polarimétrique pour nuages et aérosols en orthogonale (CALIOP) est en service depuis de nombreuses années sur orbite, fournissant une grande quantité de données d'observation de la répartition des nuages et des aérosols. La détection de la position spatiale des couches nuageuses et aérosols dans les données radar est une condition préalable à l'inversion précise et à l'extraction des informations des couches. L’algorithme officiel de CALIOP utilise des valeurs seuils empiriques pour détecter les couches, ce qui conduit à de nombreux cas de non-détection des couches. Les méthodes actuelles, telles que l'algorithme simple multi-échelle unidimensionnel (1D-SMA), qui utilisent des tests de vérification pour déterminer si un signal donné correspond à la distribution atmosphérique de fond supposée, évitent de configurer des seuils empiriques traditionnels, améliorant ainsi la précision de la détection. Cependant, ces méthodes ne tiennent pas compte de la continuité spatiale du signal des couches dans une scène verticale bidimensionnelle et continuent de provoquer des cas de non-détection. Ainsi, les auteurs proposent un nouvel algorithme basé sur la distribution de probabilité de Bernoulli multi-échelle bidimensionnelle (2D-SMA), qui remplace le tableau de seuils empiriques par un modèle statistique de probabilité, et combine les fenêtres de détection des couches pour plusieurs profils, permettant ainsi d’utiliser la corrélation spatiale des signaux de profils adjacents. Le nouvel algorithme détecte une surface totale des couches avec une résolution horizontale (5-80 km) de 50,45% plus élevée que l’algorithme officiel CALIOP, et de 32,45% plus élevée que la méthode unidimensionnelle 1D-SMA. Le nouvel algorithme ne nécessite que de 5 à 20 km de résolution horizontale pour détecter une quantité de couches similaire à la résolution totale de l’algorithme officiel. Enfin, les auteurs vérifient la fiabilité du nouvel algorithme en évaluant le rapport de rétrodiffusion des nuages de glace.

remote sensing;spaceborne LiDAR;CALIOP;cloud and aerosol;layer detection;Multiscale