Estimation des pluies au Sahel Évaluation des réseaux de mesure au sol et des produits satellitaux A. ALI*, A. AMANI, T. LEBEL, S. IBRAHIMA * Post-doctorant AGRHYMET

La connaissance quantitative de la pluie est une donnée essentielle dans la surveillance environnementale Gestion des ressources en eau Suivi des campagnes agricoles Surveillance des criquets pèlerins - maintien des œuf - développement des larves - prolifération des adultes

Les seules valeurs directes de la pluie sont les mesures ponctuelles obtenues à partir des pluviomètres ou pluviographes. La connaissance de la valeur spatialisée de la pluie, exige de lestimer.

Plusieurs programmes inter-nationaux et régionaux estiment la pluie En utilisant des données issues des satellites et/ou fournies par les réseaux de mesure au sol (généralement le SMT) Par exemple échelle mondiale: GPCP, CMAP Échelle régionale : AGRHYMET Note: Estimation de pluie par satellite initialement par pallier au manque de mesures au sol: zone Océan et désertique

Questions Quelle est la qualité de ces produits?Quelle est la qualité de ces produits? Quel est le meilleur dentre eux?Quel est le meilleur dentre eux?

Il faut une valeur de référence dont on connaît la qualité

Référence Bonne méthodologie de spatialisationBonne méthodologie de spatialisation Lerreur associée à la valeur de référence quantifiée et zone de confiance identifiéeLerreur associée à la valeur de référence quantifiée et zone de confiance identifiée

Zone où les réseaux pluviométriques des pays membres du CILSS permet dobtenir une estimation de la pluie avec une erreur 10% Évaluation de la référence

Résultat de lévaluation des réseaux pluviométriques des pays du CILSS Erreur 10% Erreur 10% Écart entre réseau existant et réseau optimal au seuil 10% d erreur mois 2.5°x2.5°

Évaluation des produits pluviométriques internationaux sur la zone de confiance

Produits pluviométriques à la résolution 2.5°x 2.5°, échelle du mois GPI (Satellite) GPCP (Satellite+Gauges) CMAP (Satellite+Gauges) GPCC (Gauges) Produits internationaux Référence: CILSS spatialisé à 2.5°x2.5°

Exemple de résultats de lévaluation

Résultat 1: Comparaison des distributions des produits et celle de la référence CILSS GPI seul produit nincluant pas de données sol Sans incorporer données réseau sol, satellite très mauvais

Résultat 2, exemple numérique: Écart moyen entre Produits et référence (RMSE) CMAP meilleur produit international (plus petit RMSE) GPI (plus grand RMSE)

Comparaison des produits Internationaux aux produits régionaux: CRA sat, CRA suivi spatialisé, SYNOP Spatialisé

Meilleur produit international et produits régionaux: échelle du mois à 2.5°x 2.5° CMAP (Satellite+Gauges) Meilleur produit international Référence: CILSS spatialisé à 2.5°x2.5 ° Produit Satellite CRA CRA sat (Satellite+Gauges) Produits régionaux Produit spatialisation CRA Suivi (Gauges) SYNOP (Gauges)

Résultat: comparaison des RMSE Produits régionaux (réseaux opérationnels) meilleurs que les produits internationaux Satellite Agrhymet Meilleur produit international Réseaux opérationnels

Conclusion

Conclusion/1 Estimation de pluie par satellite sans inclure des données du réseau au sol apparaît très mauvais Estimation de pluie par satellite sans inclure des données du réseau au sol apparaît très mauvais Réseau pluviométrique total des pays CILSS garantit une zone où lerreur destimation de la pluie est < 10% à la résolution 2.5°x2.5 et à léchelle mensuelle. Réseau pluviométrique total des pays CILSS garantit une zone où lerreur destimation de la pluie est < 10% à la résolution 2.5°x2.5 et à léchelle mensuelle. Produits régionaux [spatialisation de réseaux opérationnels (Suivi et Synop) et satellite à Agrhymet], meilleurs que les produits internationaux => prépondérance du réseau sol dans lestimation des pluies Produits régionaux [spatialisation de réseaux opérationnels (Suivi et Synop) et satellite à Agrhymet], meilleurs que les produits internationaux => prépondérance du réseau sol dans lestimation des pluies Les produits satellitaux sous-estiment la fréquence des pluies faibles, surestiment celle des valeurs médianes (implication dans la surveillance des criquets) Les produits satellitaux sous-estiment la fréquence des pluies faibles, surestiment celle des valeurs médianes (implication dans la surveillance des criquets)

Conclusion/2 Transposition des résultats de la zone de confiance vers les zones où il n y a pas de pluviomètres (désert pour surveillance des criquets)? Transposition des résultats de la zone de confiance vers les zones où il n y a pas de pluviomètres (désert pour surveillance des criquets)? Nécessité donc déquiper les zones désertiques dun minimum de réseau de sol et de compléter par la mesure satellite Nécessité donc déquiper les zones désertiques dun minimum de réseau de sol et de compléter par la mesure satellite

Travaux en cours et futur Algorithme de combinaison optimale des données du réseau pluviométrique et des indices satellitaux: exploiter conjointement la qualité de spatialisation et linformation spatialisée apportée par le satellite en complément.Algorithme de combinaison optimale des données du réseau pluviométrique et des indices satellitaux: exploiter conjointement la qualité de spatialisation et linformation spatialisée apportée par le satellite en complément. Faible performance des produits internationaux par rapport au réseau synop de AGRHYMET => une action en cours pour évaluer les données pluviométriques du SMT en coursFaible performance des produits internationaux par rapport au réseau synop de AGRHYMET => une action en cours pour évaluer les données pluviométriques du SMT en cours

Je vous remercie de votre attention

Produit CMAP CILSS réseau total

Réseaux de référence CILSS Données utilisées CILSS: 650 stations stations

2 réseaux moins denses: CRA et SYN CRA suivi : 280 (décadaire) CILSS: 650 stations stations SYNOP : 80 (journalier)

Évaluation en zone désertique Produit nincluant pas de données sol Référence CILSS

Choix de la méthode destimation de lerreur Erreur observée(mm)Erreur théorique (mm) RK donne une estimation théorique de lerreur très proche de lobservationRK donne une estimation théorique de lerreur très proche de lobservation Méthodes de krigeage

Faibles résolutions Écart entre réseau existant et réseau optimal au seuil 10% d erreur Décade 0.5°x0.5°