Données globales (satellitaires, ré-analyses, interpolations de données au sol)

Le développement de nombreux produits satellitaires et la mise à disposition des sorties de modèles globaux (e.g. GLDAS, Global Land Data Assimilation System) permettent l’estimation de nombreuses variables hydrométéorologiques à l’échelle mondiale (e.g. précipitation, évapotranspiration, humidité du sol, ODS) (Chen et Wang, 2018). Ces nouveaux produits présentent actuellement des résolutions temporelles et spatiales permettant leur utilisation dans l’analyse du fonctionnement hydrologique de bassins méso-échelles, des bilans annuels jusqu’aux crues.

3.1.1 Estimation des précipitations

Concernant les données de précipitations globales, on distingue les méthodes d’interpolation de données issues de stations au sol (estimation de grilles de précipitations par interpolation), les données de ré-analyse (sorties de modèle), et les données issues d’information satellitaire utilisant les ondes passives : micro-ondes (MW) ou infrarouges (IR). De nombreux produits globaux de précipitations intègrent plusieurs de ces méthodes permettant de pallier partiellement les limites de chacune d’entre elles. Le Tableau 2.1 présente les caractéristiques (méthodes, résolution et couverture spatio-temporelle) d’une liste non-exhaustive de produits globaux satellitaires présentée par (Sun et al., 2018)

Des études de performances comparatives des principaux produits satellitaires (TMPA, CMORPH et PERSIANN) par rapport aux données aux sols ont abouti à des résultats divers. Le produit TMPA apparait être plus performant en Inde (Prakash et al., 2014), en Bolivie (Satgé et al., 2016), en Guyane (Ringard et al., 2015) et au Chili (Zambrano-Bigiarini et al., 2017) alors que le produit CMORPH aboutit aux meilleurs estimations pour une étude au Pakistan (Hussain et al., 2018), en Chine (Sun et al., 2018; Zeng et al., 2018), et en Indonésie (Rahmawati et Lubczynski, 2018).

Maggioni et al. (2016) et Sun et al. (2018) ont effectué une revue des résultats d’études utilisant les principaux produits pour différentes régions du monde, ils concluent que les caractéristiques topographiques et climatiques jouent un rôle majeur dans la performance des produits satellitaires de précipitations. Les régions à forts reliefs présentent généralement des faibles performances de détections des précipitations. Des faibles probabilités de détection ont également été mises en évidence pour les régions semi-arides alors que les saisons hivernales habituellement associées à des faibles évènements de pluies présentent généralement des biais importants.

Concernant l’Afrique, l’intérêt des produits satellitaires pour l’estimation des précipitations est indéniable pour ce continent ne présentant que 744 stations actives alors que l’organisation mondial de la météorologie (OMM) estime qu’au moins 3000 stations sont nécessaires (et idéalement 10 000) pour une compréhension spatiale satisfaisante du climat. Les produits globaux offrent donc l’opportunité de compléter ces mesures aux sols. Quelques études ont évalué les performances des produits satellitaires à des échelles reteintes (pays ou bassins versants) comme sur le bassin de la Volta (Thiemig et al., 2012), au Bénin (Gosset et al., 2013) ou au Niger (Ramarohetra et al., 2013). Pour ces différentes études, des biais importants avec les données au sol ont été mis en évidence, avec des impacts importants sur les sorties de modèles de culture ou modèles hydrologiques.

Concernant l’utilisation de ces produits globaux à fines échelles spatiales et temporelles, les produits caractérisés par des pas de temps horaires ou infra-horaires sont beaucoup plus restreints. Dans notre étude nous choisissons d’exploiter le plus récent produit disponible, le produit GPM-IMERG, proposé par la NASA et la JAXA. Le produit GPM-IMERG est caractérisé par une résolution spatiale de 0.1° x 0.1° et une résolution temporelle de 30 minutes. Beck et al. (2019) a évalué la performance des estimations de 26 produits satellitaires de précipitations sur le territoire américain. Le produit GPM-IMERG arrive en deuxième position au niveau des performances générales, derrière le produit satellitaire MSWEP intégrant un produit de ré-analyse.

Tableau 2.1. Liste non-exhaustive des caractéristiques des produits satellitaires de précipitations (tiré de Sun et

3.1.2 Autres variables d’intérêt pour l’hydrologie

Les produits globaux permettent de caractériser de nombreuses autres variables climatiques ou caractéristiques physiques de bassins versants utiles à la compréhension de leur fonctionnement hydrologique. Dans cette étude, nous exploiterons des données pour la quantification de l’évapotranspiration potentielle (PET) et réelle (AET), des informations pour l’estimation d’indice de végétation (NDVI), des données d’humidité des sols et des données d’ODS. Le Tableau 2.2 résume les produits globaux utilisés dans la suite de ces travaux ainsi que leurs caractéristiques spatiales et temporelles.

Evapotranspiration

Concernant l’évapotranspiration, de nombreux produit permettent une estimation de l’Evapotranspiration potentielle PET à des résolutions spatiales fines (Allies, 2018). Le produit GLEAM (Martens et al., 2017) propose une estimation journalière de PET et de AET à l’échelle mondiale, et une résolution spatiale de 0.25° x 0.25°. Ce produit est reconnu comme ayant des performances satisfaisantes en Afrique de l’Ouest (Trambauer et al., 2014). La variable PET issue du modèle global GLDAS (Rodell et al., 2004) sera également analysée et comparée au produit GLEAM.

Occupations des sols

L’agence spatiale européenne (ESA) propose également de nombreux produits dérivés de l’observation satellitaire pour l’estimation des variables climatiques et des caractéristiques physiques des bassins versants. Concernant l’évaluation des ODS, on peut citer le produit ESA-CCI-LC for Africa proposant une estimation de la répartition des ODS à une résolution spatiale de 30 m x 30 m à l’échelle de l’Afrique, réalisée à partir d’image Sentinel-2A couvrant l’année 2016. L’ESA propose également un produit permettant d’estimer les changements de classes d’ODS sur la période 1992 - 2015 (ESA-CCI). Celle-ci est présentée sous forme de carte mondiale annuelle de l’ODS à résolution spatiale 300m x 300m et construite à partir de traitement d’images Landast.

Conditions d’humidité des sols

L’ESA propose également une estimation journalière de l’humidité de surface des sols (ESA-CCI-SM) à une résolution spatiale de 0.25° x 0.25°. On analysera également le produit GLDAS-SM permettant une estimation mensuelle de l’humidité de surface à partir des variables de sortie du modèle GLDAS.

Indice de végétation

L’ESA propose également d’autres variables comme l’estimation de l’indice de végétation NDVI à une résolution temporelle de 7 jours et spatiale de 1km² x 1km².

Estimation des niveaux d’eau

A partir d’avril 2021, la mission SWOT issue d’une collaboration entre la NASA et le CNES permettra notamment de mesurer les variations des niveaux de grands fleuves grâce à une résolution spatiale fine. Cette nouvelle mission pourrait contribuer de façon significative à améliorer la gestion des ressources en eau pour les grands bassins versants.

Le Tableau 2.2 présente les données globales utilisées dans ce travail de thèse.

Tableau 2.2. Données globales utilisées dans ces travaux

Acronyme Variable ^Couverture temporelle Résolution temporelle Couverture spatiale Résolution spatiale ^Reference

GPM-IMERG Précipitation 2015-present 30 minutes 60N-60S 0.1° x 0.1° Huffman et al. (2015) GLEAM v3.2a PET, AET 1980-2017 Journalière Global 0.25° x 0.25° ^{Martens et al. (2017) ;} Miralles et al. (2011) GLDAS Noah ^{Humidité du}

sol, PET ^{1950 - 2010 Mensuelle Global 0.25° x 0.25° Rodell et al. (2004)} ESA CCI SM

v04.4

Humidité du

sol ^{1978 - 2018 Journalière Globale 0.25°x 0.25°}

http://www.esa-soilmoisture-cci.org

ESA-NDVI NDVI LS 1999-2012 7 jours Globale 1 km x 1 km ^{http://maps.elie.ucl.ac.be/CCI/} viewer/index.php ESA-CCI LC

for Africa ^{Land cover 2016 Une année Afrique 30 m x 30 m}

http://2016africalandcover20 m.esrin.esa.int/ ESA-CCI Land cover 1992-2015 Une année Globale 300 m x 300 m ^{http://maps.elie.ucl.ac.be/CCI/}

viewer/index.php OpenStreetMap Land cover 2016 - ^Zone

urbaine ^{Shapefiles Haklay et Weber (2008)}