L estimation des pluies par satellite et les produits dérivés pour le suivi de la campagne agropastorale en Afrique de l Ouest

Dimension: px

Commencer à balayer dès la page:

Download "L estimation des pluies par satellite et les produits dérivés pour le suivi de la campagne agropastorale en Afrique de l Ouest"

Louis Lessard
il y a 7 ans
Total affichages :

1 L estimation des pluies par satellite et les produits dérivés pour le suivi de la campagne agropastorale en Afrique de l Ouest Seydou B. TRAORE, agro météorologue, Centre Régional AGRHYMET Atelier de formation sur l utilisation des produits satellitaires pour les Date, place, applications event, Reference agrométéorologiques. of the document Ouaga du 05 au 09 mai 2014

2 Plan de la présentation Importance de l estimation des pluies par satellite Quelques méthodes utilisées en Afrique de l Ouest TAMSAT RFE / FEWSNET EPSAT-SG La validation des produits Autres produits dérivés

3 Importance de l estimation des pluies par satellite Nécessité de produire des informations dans les délais les plus brefs possibles Nombre insuffisants des stations pluviométriques Difficultés d obtenir les données de terrain dans un délai court Avantage de l imagerie satellitaire : régularité dans le temps, homogénéité dans la couverture spatiale

4 Capteurs et plateformes GOES-W (USA) 135 W FY-1D (CHINA) GOES-9 JAPAN (USA) 155 E MTSAT-1R (JAPAN) 140 E GOES-9 (USA) 155 E NOAA (USA) METEOR (RUSSIA) INSAT (INDIA) 93.5 E FY-2A (CHINA) 86.5 E METEOSAT-8 (EUMETSAT) 3.4 W METEOSAT-7 (EUMETSAT) 0 Longitude METEOSAT-6 (EUMETSAT) 10 E METEOSAT-5 (EUMETSAT) 63 E KALPANA-1 (INDIA) 74 E GOMS (RUSSIA) 76 E

5 Plusieurs méthodes utilisées dans le monde Method EPSAT-SG TAMSAT RFE-2.0 TRMM 3B42 GPCP-1dd PERSIANN CMORPH GSMAP TRMM 3B42-RT Input data Neural network :TIR (MSG), MW (2A25) + GPCP-1dd TIR (geos) + local rain gauges PMW + TIR (geos) + GTS data PMW + TIR + calibrated on the 3B43 product which uses the GTS data PMW + TIR + calibrated on the GPCP product which uses the GTS data Neural network : Meteosat and TMI inputs PMW + advection vectors TIR (geos) to interpolate between overpasses PMW + motion vectors IR (Met7) PMW + IR (probability matching) GPI-MSG TIR (MSG)

6 La méthode TAMSAT

7 La méthode TAMSAT TAMSAT = Tropical Applications of Meteorology using SATellite data Département de Météorologie, Université de Reading Angleterre David Grimes

8 La méthode TAMSAT Utilisation des signaux des canaux infrarouge thermique (TIR) du satellite METEOSAT Basé sur un seuil T t de température du sommet des nuages qui permet de distinguer les nuages potentiellement pluviogènes Calcule la durée de passage d un nuage à sommet froid Cold Cloud Duration (CCD) au dessus de chaque pixel

9 La méthode TAMSAT Août Estime la quantité de pluies par la relation pluie = a 0 + a 1 CCD a 0, a 1, T t sont calibré avec les données historiques observées Ces paramètres de calibration varient aussi bien dans le temps que dans l espace.

10 La méthode TAMSAT Décade 2 Août 2009

11 La méthode TAMSAT Nouvelle calibration dans le cadre du projet MARSOP3 11/06/ Ancienne calibration Nouvelle calibration

12 La méthode RFE2 / FEWSNET

13 La méthode RFE2 / FEWSNET Développé par la NOAA CPC et disponible sur le site de FEWSNET Données d entrée 1. Signaux Infrarouge thermique du satellite MSG, 2. Données mesurées au sol obtenues via SMT 3. Estimations à l aide des satellites microondes SSM/I & AMSU-B,

14 La méthode RFE2 / FEWSNET Utilisation des images MSG pour le calcul des CCD à 0.1 de résolution (environ 10 km) Utilisation des CCD obtenus pour calculer l indice GIP (GOES Precipitation Index) T 235 3mm GPI # T hr hrs Le GPI tend à surestimer la distribution spatiale et sous-estimer les précipitations de nature convective

15 La méthode RFE2 / FEWSNET Interpolation spatiale des données SMT

16 La méthode RFE2 / FEWSNET Contrôle de qualité : Chaque pixel doit avoir plus de 4 valeurs semi-horaires pour être pris en compte Au moins 70% de l ensemble des pixels doivent être pris en compte Au moins 200 stations disponibles par jour via SMT Élimination des stations dans les cas suivants: > 200 mm > 1 mm and fc275 = 0 in all surrounding pixels < 0.1 mm and all satellite estimates > 2 mm > 50 mm and all satellites < 20 mm < 5 mm, all satellites > 20 mm, and if sat-gts > 20 > 20 mm and all satellites < 1 mm

17 La méthode RFE2 / FEWSNET Les données SSM/I : Special Sensor Microwave/Imager Instrument à microondes passives monté à bord du Satellite militaire américain DMSP 2 passages journaliers de 2 instruments soit une fréquence d obtention des données toutes les 6 heures

18 La méthode RFE2 / FEWSNET Les données AMSU-B : Advanced Microwave Sounding Unit Instrument à 15-cannaux microondes installé à bord des satellites NOAA à orbites polaires 4 passages journaliers comme SSM/I, Tend à surestimer la plupart des precipitations, mais très bon pour les systèmes convectifs

19 La méthode RFE2 / FEWSNET

20 La méthode RFE2 / FEWSNET 2 ème décade Nov 2009

21 La méthode EPSAT-SG

22 La méthode EPSAT-SG Estimation des Précipitations par SATellite Seconde Génération Utilise la procédure des réseaux neuronaux Combine les données provenant de plusieurs satellites les données multi spectrales : TIR et Microondes les données mesurées au sol Pluies estimées = Probabilité de pluie X Intensité potentielle de pluie

23 La méthode EPSAT-SG MSG Canaux Seviri (concomitants avec TRMM) TRMM Precipitation Radar 2A25 data Réseaux de Neurones Probabilité de pluies 0 ou 1 Probabilité de pluie : P r (a,t) (a = 3 km résolution du pixel, t = 15 min)

24 Probabilité de pluie P r (a,t) La méthode EPSAT-SG Intensité de pluie de référence GPCP-1dd : I gpcp Intensité potentielle de pluie : I P (a,j) a = 3 km, j = 1 jour

25 La méthode EPSAT-SG Probabilité de pluie P r (a,t) Intensité potentielle de pluie : I P (a,j) Images de pluies estimées R e (a,t) = P r (a,t) x I p (a,j) Résolutions finales : spatiale 3 km, temporelle 15 mn

La méthode EPSAT-SG Adaptation de la méthode au niveau d AGRHYMET Les données décadaires du réseau AGRHYMET sont krigées en utilisant des variogrammes climatologiques Si l erreur de krigeage est

26 La méthode EPSAT-SG Adaptation de la méthode au niveau d AGRHYMET Les données décadaires du réseau AGRHYMET sont krigées en utilisant des variogrammes climatologiques Si l erreur de krigeage est inférieure à 0.7, alors on prend les valeurs krigées Si l erreur de krigeage est comprise entre 0.7 et 1, on combine les données GPCP et les valeurs krigées Si l erreur de krigeage est supérieure à 1, alors seules les données GPCP sont considérées

27 La méthode EPSAT-SG Le système au niveau du Centre AGRHYMET Antenne MSG PUMAPC1: Reception OS: Windows PUMAPC2: Traitement OS: Windows PUMAPC3: Animation et TAMSAT OS: Windows SATNAP calculs méthode EPSAT-SG; OS: Linux

28 La méthode EPSAT-SG

29 Validation des estimations de pluies

30 Validation des estimations de pluies pluviomètres + problème crutial en Afrique à cause de faible densité du réseau d observations pour une bonne validation, la démarche suivante est préconisée: Utilser les méthodes géostatistiques pour convertir les données ponctuelles à l échelle du pixel Specifier un nombre minimum de pluviomètres par grille 11/06/

31 Validation des estimations de pluies 2004 BIAS RMSD WRMSD NRMSD R 2 SKILL EPSAT-SG ,6 1,4 0,73 0,7 TAMSAT ,8 1,6 0,68 0,6 RFE ,8 1,7 0,59 0,6 GPCP-1dd ,1 2,0 0,57 0,4 3B ,2 2,1 0,56 0,4 PERSIANN ,3 4,7 0,46-2,7 CMORPH ,2 3,8 0,58-1,1 GSM AP_MWR ,2 3,7 0,31-0,9 3B42-RT ,4 3,4 0,50-0,6 GPI-MSG ,2 2,5 0,61 0,1 11/06/

32 Utilisation des estimations de pluies

33 Suivi des zones favorables à la reproduction du Criquet pélerin Extension des activités du Centre AGRHYMET à tous les pays de la CEDEAO

34 Le MPE (Multi-sensor Precipitation Estimate) 06 Août Août 2012

35 Produits dérivés Dates d installation de la saison pluvieuse

36 Produits dérivés État de satisfaction hydrique des cultures

37 Produits dérivés Prévision des rendements

38 Durée potentielle de la saison Produits dérivés

39 Produits dérivés Biomasse herbacée

40 Accès aux données Via Internet EPSAT-SG / AGRHYMET: ftp:// /rain/ User : cna Password : cna04 FEWSNET: TAMSAT: Via EUMETCast sur les stations AMESD dans les pays

41 Perspectives Passage au pas de temps journalier Blending des estimations Satellite et des données terrain 41

42 Les indices de végétation

43 Le NDVI NDVI : Normalized Difference Vegetation Index un des indices les plus utilisés pour l étude de l évolution de la végétation. Cependant, est sensible aux propriétés optiques du sol et à la géométrie de l éclairement et de visée, notamment pour les couverts à faible densité. Sensible aussi aux effets atmosphériques, surestime le couvert végétal en début de saison et de le sousestimer en fin de saison. NDVI PIR PIR R R

44 Le NDVI

45 Le NDVI

46 Le NDVI

47 Le VCI VCI: Vegetation Condition Index VCI = (NDVI_x NDVImin_x) / (NDVImax_x NDVImin_x) * 100 Where NDVI_x is the NDVI value for the present decade x, while NDVImin_x and NDVImax_x are historical maximum and minimum NDVI values for the same decade.

48 L ICN ICN: Indice de Croissance Normalisé ICN = (NDVI_x NDVImin) / (NDVImax NDVImin) * 100 Where NDVI_x is the NDVI value for the present decade x, while NDVImin and NDVImax are historical absolute maximum and minimum NDVI values for the whole cropping period (May-October).

49 Le sndvi sndvi: Standardized NDVI sndvi= (NDVI_x NDVImoy_x) / Ecart-type_x Where NDVI_x is the NDVI value for the present decade X, while NDVImoy_x and Ecart-type_x are statistical NDVI values for the same decade X.

50 Indices dérivés du NDVI pour la localisation des zones affectées par la sécheresse ICN, VCI et sndvi ICN VCI sndvi Niger - Campagne Fin juillet

51 Les profils Yalgo Min Moy Max An Sampalga Min Moy Max An 2009

52 Merci

Documents pareils

Projet évaluation : précipitation et

Projet évaluation : précipitation et nuages du Global-Meso Groupe Global-Meso Meso: Stéphane Bélair,, Michel Roch,, Anne- Marie Leduc, Paul Vaillancourt Objectifs du projet d évaluation Développer des