Comparaisons pluriannuelles de produits satellitaires de pluies au sahel

Les émissions de particules minérales sont essentiellement tributaires de deux facteurs : la force du vent et l’état de la surface. En zone aride, ce dernier peut être considéré comme stable au cours du temps, au moins sur une période de quelques dizaines voire quelques centaines d’années. En revanche, en zone semi-aride se développe un couvert végétal saisonnier qui modifie l’état de la surface. L’apparition de ce couvert végétal est permise par des précipitations saisonnières. Pour le représenter, nous avons opté pour des outils de modélisation. Le principal facteur limitant le développement de la strate végétale sahélienne étant les précipitations, nous avons cherché à sélectionner le ou les jeux de données les plus fiables de cette grandeur.

Les précipitations sahéliennes présentent un très fort gradient latitudinal, de l’ordre de 1 mm par km (Lebel et al., 2003). De plus, elles se concentrent au cours de la saison des pluies, la mousson, qui s’étend des mois de mai à octobre environ (e.g. Lebel et Ali, 2009). Elles sont essentiellement le résultat de l’activité convective qui se développe à cette saison lorsque le flux chaud et humide de mousson pénètre sur le continent. Il importe donc de travailler à une échelle suffisamment fine si l’on veut restituer le mieux possible cette forte variabilité spatiale des champs de précipitations.

Cas des pluies faibles (w<1mm/j) 

Alors que l’intercomparaison a été très largement basée sur des grandeurs cumulées sur la saison des pluies (cumul de précipitations, fréquence semestrielle), une analyse plus poussée des résultats nous amène à nous interroger sur le cas des précipitations les plus faibles. En effet, on note que pour les trois produits satellitaires, les champs de précipitations sont très étendus vers le nord de la zone, c’est-à-dire en direction des zones arides, notamment de 18°N à 20°N et de 15°W à 10°E. Ces produits y indiquent des précipitations annuelles assez similaires, de l’ordre de 100 à 300 mm. Notons que, contrairement au sud de notre zone d’étude où le produit CMORPH indique des valeurs très supérieures aux estimations de TRMM3B42 et de RFE2.0, ce n’est pas le cas à l’extrême nord de cette zone .

Les données krigées ne recouvrent pas cette bande latitudinale, puisqu’elles ne sont disponibles que pour la zone 10°N à 17.5°N. Elles ne peuvent donc cette fois servir de référence pour qualifier les estimations satellitaires dans cette zone précise. Toutefois, au vu des cumuls et des fréquences d’occurrence, on constate que ces valeurs sont liées à l’occurrence de faibles pluies (typiquement inférieures à 1 mm par jour). Il pourrait s’agir là d’un biais imputable aux estimations satellitaires. En effet, les algorithmes de calcul de ces produits, comme notamment celui de CMORPH, utilise des techniques de lissage d’images pouvant conduire sur les « bords » à des valeurs très faibles qui ne correspondent pas directement à des précipitations réelles.

Afin de nous en assurer, ou tout au moins d’estimer l’importance de la contribution de ces très faibles pluies, nous avons étudié la proportion que représentaient les pluviosités journalières strictement comprises entre 0 et 1 mm. Sur toute notre zone d’étude (en considérant uniquement la partie continentale), et pour les années 2004 à 2007, ces pluies très faibles représentent environ 8% de l’occurrence des pluies journalières pour le produit CMORPH, 2% pour TRMM et 4% pour RFE. Pour l’année 2004 (figure 2-26), on distingue des comportements nettement distincts entre les produits, et notamment CMORPH.

En effet, ce produit présente non seulement le plus grand nombre de jours de pluies très faibles sur l’essentiel de la zone d’étude, mais en plus ces valeurs sont fortement hétérogènes. Les maximums, qui peuvent dépasser 100 jours dans l’année, sont atteints sur toute la côte Atlantique, dans la région du delta intérieur du Niger (16°N, 5°W) et au pourtour du lac Tchad (13°N, 15°E). Pour le produit RFE, en revanche, ces pluies très faibles sont réparties de façon égale sur l’ensemble de la région sahélienne, avec toutefois un léger gradient sud-ouest/nord-est. Enfin, pour le produit TRMM, les nombres de jours de pluie inférieure à 1 mm sont plus faibles que pour le produit RFE sur une grande partie de la zone, mais atteignent des valeurs fortes (de 80 à 100 jours par an) très localement. L’ensemble de ces observations est également vérifié pour les années 2005 à 2007.

Si l’on examine la répartition de l’occurrence de ces précipitations dans l’année, on note que la proportion de la zone concernée par ces très faibles pluies journalières augmente sensiblement lors de la saison des pluies pour les produits CMORPH et RFE (en 2004), et également légèrement pour le produit TRMM . Cependant, elles sont aussi significativement présentes lors de la saison sèche, ce qui est plus surprenant. Ces observations sont vérifiées également pour les années 2005 à 2007.

Ces très faibles pluies sont intégrées à une pluviosité plus forte dans toute la partie sud de la zone sahélienne . Mais au nord la pluviosité étant très faible, elles y constituent un apport important en eau d’après les produits satellitaires utilisés ici.

Afin de déterminer si ces valeurs étaient dues, au moins en partie, à des pluies réelles, nous avons comparé ces ordres de grandeur à ceux obtenus d’après les mesures de stations synoptiques. A de telles latitudes, celles-ci sont peu nombreuses et surtout leurs mesures sont souvent trop sporadiques pour être exploitables. Cependant, les relevés des stations de Tombouctou au Mali (16.72°N, 3°W) et Atar en Mauritanie (20.31°N, 13.3°W) indiquent, pour la période de 2004 à 2007, 150 mm/an et 21 jours de pluie annuels en moyenne (92% des jours renseignés) pour la première, et 58.5 mm/an pour 5.5 jours de pluie annuels en moyenne (50% des jours renseignés) pour la seconde.

Autrement dit, ces valeurs sont sensiblement inférieures à celles obtenues par les produits satellitaires sélectionnés ici. Par exemple, le nombre de jours pluvieux pour la saison des pluies dans la région de Tombouctou est de l’ordre de 50 pour les produits CMORPH et RFE (figure 2-12), et le nombre de jours de pluie très faible y est maximal pour le produit CMORPH. Notons ici que Tombouctou se trouve dans la région du delta intérieur du Niger, et la forte humidité atmosphérique peut y provoquer des « erreurs » de détection de présence de pluie.

Même s’il est difficile de conclure en raison du petit nombre de mesures de stations pluviométriques disponibles, nos analyses suggèrent que, dans le cas du produit CMORPH, une part importante des pluies inférieures à 1 mm/jour est due à des biais de l’algorithme d’estimation ou à des erreurs de détection des précipitations. Une telle hypothèse est plus difficile à formuler dans le cas des produits RFE2.0 et TRMM3B42. Néanmoins, les nombreux jours de très faibles pluies d’après le produit TRMM3B42 ayant lieu dans des régions très localisées et de forte humidité atmosphérique (côte Atlantique, lac Tchad, delta intérieur du Niger), il est probable qu’il s’agisse là encore d’un biais imputable à la méthode de détection de précipitations ou à l’algorithme de calcul.

Bilan de l’intercomparaison 

Pour résumer, l’intercomparaison des produits satellites retenus (CMORPH, RFE2.0 et TRMM3B42) a été basée sur trois critères de comparaison, définis pour leur pertinence en termes de modélisation de la végétation : la structure du champ de précipitations, sa fréquence journalière, et les quantités de précipitation. Afin d’estimer leur cohérence, les produits satellitaires ont été comparés deux à deux avant d’être comparés également à des champs krigés fournis par AGHRYMET et basés sur des observations directes. Ces comparaisons ont été menées sur la période des saisons des pluies (mai à octobre inclus) 2004 à 2007, à des échelles temporelles de 1 à 10 jours et spatiales de 0.25° à 0.5°, en fonction des résolutions d’origine des différents produits.

Les trois produits satellitaires montrent globalement une bonne cohérence entre eux ainsi qu’avec les données krigées, et ce de l’échelle intrasaisonnière à l’échelle interannuelle. Les distributions spatiales des précipitations présentent un bon accord pour ces trois produits aussi bien lorsqu’ils sont comparés entre eux qu’avec les valeurs krigées. L’accord entre les produits satellitaires en termes de fréquence journalière des précipitations est particulièrement bon (de l’ordre de 80%). Le produit TRMM3B42 est celui pour lequel le nombre de jours de pluie est le plus faible et RFE2.0 celui pour lequel ce nombre est le plus élevé. Le produit CMORPH surestime nettement les quantités de précipitation, alors que TRMM3B42 et RFE2.0 sont, selon ce critère, en bon accord avec les champs de valeurs krigées. La contribution des pluies très faibles (<1 mm/jour) peut être importante, particulièrement au nord de la zone d’étude, où elles constituent le seul apport en eau. Ceci est notamment le cas pour le produit CMORPH, et se vérifie de façon plus localisée pour RFE2.0 et TRMM3B42. Ces différences de comportement des estimations de précipitations ont un impact sur la végétation simulée. Toutefois, à l’issu de ce travail d’intercomparaison, les trois produits de pluie sélectionnés présentent une assez bonne fiabilité (étant donné leur accord avec les données krigées et leur cohérence entre eux) et aucun ne se démarque suffisamment des autres pour être écarté ou pour être retenu comme étant « le plus pertinent ». Aussi, les trois produits seront conservés pour réaliser des simulations de végétation à l’échelle régionale et ainsi évaluer la sensibilité des simulations à l’utilisation de ces différents produits.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

1. INTRODUCTION
2. COMPARAISONS PLURIANNUELLES DE PRODUITS SATELLITAIRES DE PLUIES AU SAHEL
2.1. Introduction
2.2. Pluriannual comparisons of satellite based rainfall products over the Sahelian Belt for seasonal vegetation modelling
2.3. Conclusion
2.3.1 Cas des pluies faibles (w<1mm/j)
2.3.2. Bilan de l’intercomparaison
3. SIMULATIONS DYNAMIQUES DE LA VÉGÉTATION SAHÉLIENNE
3.1. Problématique
3.2. Mesures et indices de végétation
3.2.1. Cycle végétatif
3.2.2. Méthodes et indices existants
3.2.3. L’indice de végétation NDVI
3.2.4. L’indice de végétation LAI
3.3. Modèles de végétation
3.3.1. Modèles globaux (DVGM : Dynamic Global Vegetation Models)
3.3.2. Modèles propres aux zones semi-arides
3.4. Le modèle STEP
3.4.1. Module de croissance
3.4.2. Module de bilan d’eau
3.4.3. Fonctionnement du modèle
3.4.4. Assimilation de mesures satellitaires
3.4.5. Améliorations du modèle STEP initial
3.4.6. Conclusion
3.5. Adaptation du modèle STEP
3.5.1. Spatialisation et limitations inhérentes
3.5.2. Sélection des paramétrisations
3.5.3. Tests de sensibilité
3.5.4. Données météorologiques journalières
3.5.5. Données de texture du sol
3.5.6. Paramètres de calibration
3.6. Simulations régionales
3.6.1. Dynamique régionale
3.6.2. Valeurs maximales
3.7. Comparaisons aux observations satellitaires
3.7.1. Stratégie
3.7.2. Résultats pour l’année 2004
3.7.3. A l’échelle pluriannuelle : 2004-2007
3.8. Conclusion
4. SIMULATIONS DES EMISSIONS D’AEROSOLS EN REGION SAHELIENNE
4.1. Introduction
4.2. Principes physiques régissant les émissions d’aérosols minéraux
4.2.1. Vitesse de friction
4.2.2. Bilan des forces
4.2.3. Seuil d’érosion
4.2.4. Flux d’émissions
4.2.5. Modèles d’émission
4.3. Description du modèle DPM
4.3.1. Vitesse de friction
4.3.2. Vitesse de friction seuil
4.3.3. Paramétrisation des flux (horizontal et vertical)
4.3.4. Conclusion
4.4. Détermination des paramètres et variables d’entrée du modèle
4.4.1. Vitesse du vent
4.4.2. Propriétés statiques du sol
4.4.3. Rugosité dynamique de la surface
4.4.4. Humidité de la couche superficielle du sol
4.5. Résultats
4.5.1. Cas de l’année 2004
4.5.2. Résultats pluriannuels globaux
4.5.3. Impact de la végétation (échelle pluriannuelle)
4.5.4. Impacts combinés de la végétation et de l’humidité (échelle pluriannuelle)
4.6. Conclusion
5. CONCLUSION

Rapport PFE, mémoire et thèse PDFTélécharger le rapport complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.