Estimation des pluies au Sahel Évaluation des réseaux de mesure au sol et des produits satellitaux

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

2. 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

3. 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 l’estimer.

4. 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, CMAPÉchelle régionale: AGRHYMET Note: Estimation de pluie par satellite initialement par pallier au manque de mesures au sol: zone Océan et désertique

5. Questions • Quelle est la qualité de ces produits? • Quel est le meilleur d’entre eux?

6. Il faut une valeur de référence dont on connaît la qualité

7. Référence • Bonne méthodologie de spatialisation • L’erreur associée à la valeur de référence quantifiée et zone de confiance identifiée

8. Évaluation de la référence Zone où les réseaux pluviométriques des pays membres du CILSS permet d’obtenir une estimation de la pluie avec une erreur  10%

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

10. Évaluation des produits pluviométriques internationaux sur la zone de confiance

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

12. Exemple de résultats de l’évaluation

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

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

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

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

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

18. Conclusion

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

20. 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)? • Nécessité donc d’équiper les zones désertiques d’un minimum de réseau de sol et de compléter par la mesure satellite

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

22. Je vous remercie de votre attention

24. Produit CMAP CILSS réseau total

25. Réseaux de référence CILSS CILSS: 650 stations Données utilisées 1990-2000

26. 2 réseaux moins denses: CRA et SYN CILSS: 650 stations CRA suivi : 280 (décadaire) SYNOP : 80 (journalier)

27. Évaluation en zone désertique Référence CILSS Produit n’incluant pas de données sol

28. Erreur observée(mm) Erreur théorique (mm) Choix de la méthode d’estimation de l’erreur Méthodes de krigeage • RK donne une estimation théorique de l’erreur très proche de l’observation

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