apport de la télédétection pour estimer les flux et ... · climats semi-arides:...

Apport de la télédétection pour estimerles flux et propriétés hydriques des surfaces

Frédéric JACOB (frederic.jacob@supagro.inra.fr) UMR LISAH, Montpellier SupAgro

IRD - Département Environnement et Ressources

Avec les contributions deLaurent Prévot (LISAH)Jérôme Demarty (HSM)Albert Olioso (EMMAH)

Gilles Boulet et Benoît Coudert (CESBIO)Catherine Ottlé (LSCE)

Stage « Éléments de télédétection depuis l'espace »Rennes, 22 - 26 novembre 2010

� Motivations� Processus considérés et variables ciblées� Estimation directe de l’évapotranspiration � Estimation indirecte de l’évapotranspiration � Contraintes spatiotemporelles� Compléments

Motivations

Évapotranspiration et état hydrique des surfaces pour

� Conditions aux limites en hydrologie:– Humidité de surface

qui influence la répartitionruissellement / infiltration

– Humidité de la zone racinaire qui influence leséchanges surface – souterrain

Processuspendant et entre les pluies(storms et inter-storms)

Bilan hydrologique annuel sur le bassin versant de Roujan (Hérault)

PluieRuissell.Surface

Ecoulement de base

Total écoulement

Variations Stock

Evapo-transpiration

P S B R=S+B DS E=P-R-DS

1992-93 713 37 172 208 -10 514

1993-94 836 85 223 309 -25 552

1994-95 691 77 159 236 4 451

1995-96 1369 212 390 602 64 703

moyenne 902 102 236 339 8 555% de P 100% 11% 26% 38% 1% 62%

Année hydrologique (01/09 à 31/08)

Climats semi-arides: évapotranspiration ≈ 2/3 des pluies

Motivations

� Conditions aux limites pour la couche limite atmosphérique :– Échanges d’humidité et de chaleur (dynamique des écoulements)– Dissémination abiotique (pesticides) et biotique (pollens, insectes)

Time evolution of temperature and velocity of a convective PBL(Sullivan, Patton and Moeng, NASA Land Surface Hydrology Program)

Motivations

� Fonctionnement végétation– Flux de C02 (lien entre transpiration et photosynthèse)– Cycle cultural et rendements (efficience d’utilisation de l’eau)

Motivations

� Conditions microclimatiques – conditions de croissance, phénologie– stress thermiques et maladies

Motivations

e.g. microclimat• lumineux,• thermique, • hydrique,• gazeux (C02)

� Changements climatiques

– rôle des agro écosystèmes pour source – puit CO2– autres GES émis par les agro écosystèmes

– effets sur la production agricole(précipitation, demande évaporative)

INFLUENCE

RETROACTION

Motivations

� Motivations� Processus considérés et variables ciblées

– Bilans énergétique et hydrique, fonctionnement végétation– Variables accessibles par télédétection

� Estimation directe de l’évapotranspiration � Estimation indirecte de l’évapotranspiration � Contraintes spatiotemporelles� Compléments

10G: flux de chaleur dans le solG: flux de chaleur dans le sol

Processus considérés : bilan d’énergie

Rn : bilanRn : bilan

radiatifradiatif

(mono ou

bi-source)

LE: flux LE: flux chaleur chaleur latentelatente

H: flux H: flux chaleur chaleur sensiblesensible TranspirationTranspiration

++ÉÉvaporationvaporation

Processus considérés : bilan hydrique

ÉÉvaporationvaporation TranspirationTranspirationSurface (transferts 1D):+ précipitations+ remontées capillaires de

la zone racinaire– flux gravitaires vers

zone racinaire– évaporation

Zone racinaire (transferts 1D):+ flux gravitaires depuis la surface+ remontées capillaires du réservoir– flux gravitaires vers le réservoir– remontées capillaires vers la

surface– transpiration

Réservoir(saturé ou non)

Processus considérés : bilan hydrique

ÉÉvaporationvaporation TranspirationTranspiration

Réservoir(saturé ou non)

Richards Richards –– 1D1D((ééquation continuitquation continuitéé))

ExtractionExtractionpar lespar lesracines racines

ConductivitConductivitééhydrauliquehydraulique

Gradient de Gradient de hauteur de hauteur de chargecharge

Processus considérés : fonctionnement végétation

Absorption du rayonnement Absorption du rayonnement photosynthphotosynthéétiquement actiftiquement actif

TranspirationTranspiration

Captation du carbone Captation du carbone atmosphatmosphéériquerique

Production matiProduction matièère (sucres)re (sucres)

Allocation (organes)Allocation (organes)

CroissanceCroissance

Processus considérés : fonctionnement végétation

),(*)(*)(*)(),( jcAllocationjLUEjfAPARjPARjcM =

•• M:M: matimatièère produitere produite•• c:c: compartimentcompartiment•• j:j: jourjour•• PAR:PAR: Photosynthetically Photosynthetically

Active Radiation (flux)Active Radiation (flux)•• fAPAR:fAPAR: fraction of fraction of

Absorbed Photosynthetically Absorbed Photosynthetically Active RadiationActive Radiation

•• LUE:LUE: Light Use Efficiency Light Use Efficiency (stress dependent)(stress dependent)

Processus considérés : évapotranspiration

Précision recherchée pour évapotranspiration

� Précision pour valeurs instantanées– 50 W/m2

� Précision pour valeurs journalières– 0.8 mm/jour

� Valeurs régulièrement atteintes en situations favorables

Processus considérés : évapotranspiration

� Motivations� Processus considérés et variables ciblées

– Bilans énergétique et hydrique, fonctionnement végétation– Variables accessibles par télédétection

� Estimation directe de l’évapotranspiration � Estimation indirecte de l’évapotranspiration � Contraintes spatiotemporelles� Compléments

Variables accessibles par télédétection

Domaine solaire [0.3Domaine solaire [0.3--3] 3] µµmm

•• AlbAlbéédodo•• Fraction de couverture vFraction de couverture vééggéétaletale•• Indice foliaireIndice foliaire•• Inclinaison des feuillesInclinaison des feuilles•• Contenu en chlorophylle de la vContenu en chlorophylle de la vééggéétationtation•• Contenu en eau de la vContenu en eau de la vééggéétationtation

Bilan Bilan éénergie et nergie et fonctionnement vfonctionnement vééggéétationtation

DomainesDomaines infrarouge moyen [3infrarouge moyen [3--5] 5] µµmminfrarouge thermique [8infrarouge thermique [8--14] 14] µµmm

•• TempTempéérature de surfacerature de surface Bilan Bilan éénergie et hydrique nergie et hydrique ((éévapotranspiration)vapotranspiration)

Domaine microonde [3Domaine microonde [3--5] 5] µµmm

•• HumiditHumiditéé solsol•• Contenu en eau de la vContenu en eau de la vééggéétation tation

Bilan Bilan éénergie et hydrique nergie et hydrique ((éévaporation)vaporation)

� Les changements d’état de l’eau consomment / libèrent une grande quantité d’énergie :– chaleur latente de vaporisation L = 2460 J g-1

– capacité calorifique Cp = 4.19 J g-1 °C-1

� Il faut 6 fois plus d’énergie pour évaporer 1 g d’eau que pour le chauffer de 0°C à 100°C (sans évaporation)

� chaleur latente de fusion (glace → eau) : 335 J g-1

La tempLa tempéérature de surface ?rature de surface ?

Surface sèche :

H ≈ Rn ⇒ Ts-Ta �LE ≈ 0

Surface irriguée :

LE ≈ RnH (et G) ≈ 0 ⇒ Ts-Ta ≈ 0

La tempLa tempéérature de surface ?rature de surface ?

Land surface temperature (LST) and daily evapotranspiration (ET)Land surface temperature (LST) and daily evapotranspiration (ET) retrieved retrieved from Airborne Hyperspectral Scanner (AHS) data over the Barrax afrom Airborne Hyperspectral Scanner (AHS) data over the Barrax agricultural gricultural area during the SEN2FLEXarea during the SEN2FLEX--2005 campaign (Sobrino et al., 2008).2005 campaign (Sobrino et al., 2008).

Landsat Landsat (op(opéérationnel)rationnel)ASTER ASTER (exp(expéérimental)rimental)

MODISMODISAATSRAATSR

NadirNadirviewview

Across Across tracktrackviewview

Along Along tracktrackviewview

AATSRAATSR

TELEDETECTION TELEDETECTION AEROPORTEEAEROPORTEE

La tempLa tempéérature de surface :rature de surface :un composite qui run composite qui réésultesultedes des éémissions / rmissions / rééflexion desflexion des

-- feuillesfeuilles-- branchesbranches-- solsol-- ombragesombrages-- ensoleillementsensoleillements

( ) ( )( ) ascRatm

TradLTbLsurf Planck

,1 εε

TempTempéératureraturemesurmesurééee

TempTempéératureraturerecherchrecherchééee

� Motivations� Processus considérés et variables ciblées� Estimation directe de l’évapotranspiration

– Bilan d’énergie mono source– Température aérodynamique et paramètre kB-1

– Bilan d’énergie bi-source– Modèles multi-locaux– Modèles spatialisés

� Estimation indirecte de l’évapotranspiration � Contraintes spatiotemporelles� Compléments

Processus considérés : principe du bilan d’énergie

� loi de conservation :

∑∑ −=∆ se FFSt

� s’applique à toutes les échelles d’espace (feuille, parcelle, BV, région) et à toutes les échelles de temps

� « flux » = densités de flux [ W/m², kg/(m².s), …]

Bilan d’énergie mono source

Rayonnement solaire incident Rg

(Direct + Diffus par atmosphère)

Rayonnement solaire

réfléchi a.Rg

• Hémisphère supérieur

• Toutes longueurs d’onde sur

[0.3 - 3] µm

Énergie absorbée: (1-a).Rg

Rayonnement solaire

Rayonnement atmosphérique Rayonnement atmosphérique

incident Ra sur [3-100] µm

Rayonnement atmosphérique

réfléchi ρ.Ra = (1-ε).Ra

(Ra = ρ.Ra + ζ.Ra = ρ.Ra + ε.Ra)

Énergie absorbée: (1 - ρ).Ra = ε.Ra

Rayonnement solaire

• Toutes longueurs d’onde

sur [3 - 100] µm

Rayonnement terrestre

émis sur [3-100] µm

Énergie émise: - ε.σ.T4

4TM σε=

Rayonnement solaire

• Toutes longueurs d’onde

sur [3 - 100] µm

Émissionterrestre

Énergie émise: - ε. σ.T4

Énergie absorbée: ε.Ra

Énergie absorbée: (1-a).Rg

)()1( 4TRaRgaRn σε −+−=

Bilan radiatifBilan radiatif

Rayonnement solaire

radiatifradiatif

Émissionterrestre

Flux de conduction Gproportionnelau gradient de température

∂∂−= λ

λ : conductivité thermiquedu milieu (Wm-1K-1)

radiatifradiatif

G: flux de chaleur dans le solG: flux de chaleur dans le sol

� Méthodes de détermination de G et des propriétés thermiques lourdes et assez imprécises

� Expression pour une couche de surface ∆z :

∆−= λ

: conductivité thermiqueéquivalente de la couche ∆z

Ts : température de surfaceTo : température à la base de la

couche ∆z

H: flux H: flux chaleur chaleur sensiblesensible

radiatifradiatif

Bilan d’énergie mono et bi-sourceBilan d’énergie mono source

Couche limite de surface

� zone d’écoulement directement en équilibre avec la surface et

dans laquelle les flux sont conservatifs (hauteur = quelques mètres

à quelques dizaines de mètres)

Bilan d’énergie mono et bi-source

� Écoulement laminaire : les filets d’air ne s’interpénètrent pas → échanges réduits (≈ conduction)

� Écoulement turbulent : toute une gamme de tourbillons dans le fluide → échanges amplifiés

� nombre de Reynolds : Re = v L / ν = inertie / viscosité– Re > 2500 → écoulement turbulent

Régimes de convection : laminaire / turbulent

� Convection forcée : moteur de la convection externe (soufflerie, vent, …)

� Convection libre : mouvement uniquement dû à un gradient thermique

� Convection mixte : mélange des deux

� Convection libre, laminaire : rare (fumée de cigarette)� Convection libre, turbulente : fumée de cigarette à distance, cumulus� Convection forcée, laminaire : feuilles de végétal� Convection forcée, turbulente : temps couvert et venteux� Convection mixte, turbulente : cas général

� par analogie avec les transferts diffusifs (conduction de la

chaleur, diffusion moléculaire), on considère que les flux Fc sont proportionnels au gradient de la variable scalaire cconsidérée (température, concentration)

– le coefficient de proportionnalité Kc est appelé diffusivitéturbulente

CKF CC ∂

∂−=

� l’intégration entre deux niveaux z1 < z2 conduit àl’expression du flux :

−∝

– le terme ra12 est appelé résistance aérodynamique, il dépend des vitesses U1 et U2, des caractéristiques de la surface et de la stabilité atmosphérique.

radiatifradiatif

� par intégration entre deux niveaux, le flux de chaleur sensible s’écrit :

−= ρ

ρ est la masse volumique et cp est la chaleur massique de l’air

� si le niveau z1 est à la surface, l’expression du flux de chaleur sensible devient :

−= ρ

Ta est la température de l’air au niveau de référenceTs est la température de la surface

radiatifradiatif

Expression similaire à celledu flux de chaleur sensible :

es et ea : pressions de vapeur de surface et au niveau de référence zaρ : masse volumique, cp : chaleur massique de l’airγ : constante psychrométrique

−=γ

Pression de vapeuren surface ?

Canopée = feuille unique : cavité stomatique unique où l’airest saturé en vapeur d’eau à la température de surface Ts

ea : pression partielle de vapeurd’eau au niveau de référence

esat(Ts) : pression de vapeur saturanteà la température de la surface

rc : résistance stomatique

assatp

eTecLE

+−= )(

LEHGRn −−−=0

radiatifradiatif

� Hypothèses :

� couvert végétal uniforme et suffisamment étendu : transferts selon la direction verticale (échanges latéraux négligés)

� couvert végétal assimilé à une surface mince : stockage d’énergie négligeable (faux pour les forêts)

� processus chimiques (photosynthèse) négligeables en termes énergétiques

LEHGRn −−−=0

assatp

asp rr

ToTsTsRaRga

+−+−+

∆−=−+− )(

)()1( 4

ρλσε

Rn = G + H + LE

température de surface Ts intervient dans tous les termes

→ variable d’équilibre du bilan d’énergie

( ) ( )

−−

−==−MO

uzzuzu Profil de vent

pseudo-logarithmique

d : hauteur de déplacement= shift des profils à cause

du couvert végétal

Température aérodynamique et paramètre kB-1

u : vitesse du vent au niveau de référenced: hauteur de déplacement ≈ 0.7 h (h: hauteur du couvert végétal)z0m : longueur de rugosité mécanique ≈ 0.13 hu*: vitesse de friction (contrainte de cisaillement)LMO : longueur de Monin-Obhukov, nombre adimensionnel qui

caractérise la stabilité thermiquek : constante de Von Karman = 0.4ψm: fonctions permettant de tenir compte de l’effet de la stabilité

( ) ( )

−−

−==−MO

uzzuzu

( ) ( )( )

−−

−=−−=

−−

−=−−=

−=−=

zzuzuρτ

zzuzukρuτ

uρuτ

−−

−=MO

Flux de quantité de mouvement et résistance aérodynamique associée

Résistance

Gradient

−−

dzlogr

u : vitesse du vent au niveau de référenced: hauteur de déplacement ≈ 0.7 h (h: hauteur du couvert végétal)z0m : longueur de rugosité mécanique ≈ 0.13 hz0h : longueur de rugosité thermique, avec mécanique z0h / z0 ≈ 0.1u*: vitesse de friction (contrainte de cisaillement)LMO : longueur de Monin-Obhukov, nombre adimensionnel qui

caractérise la stabilité thermiquek : constante de Von Karman = 0.4ψh, ψm: fonctions permettant de tenir compte de l’effet de la stabilité

CKF CC ∂

∂−=

Intégration

TTcρH

Température de surface: température aérodynamique

Rugosité thermique Rugosité mécanique

Température aérodynamique et rugosité thermique : Grandeurs aux significations physiques équivoques

−−

dzlogr

−−

−=MO

Rugosité mécanique zom : hauteur pour laquelle la vitesse du vent est nulle dans l’hypothèse où son profil est logarithmique jusqu’à la surface

Rugosité thermique zoh : hauteur à laquelle la température de l’air est égale à la température de surface, nommée température aérodynamique

Température aérodynamique : grandeur effective qui symbolise les sources de chaleur que constituent le sol et la végétation

résistance aux transfertsde quantité de mouvement

résistance auxtransferts de chaleur > (Thom, 1972 ;

Garatt, 1978)

zom > zoh

om*MOh

dzlogr

−−

zkB log1

excess resistance

TTcρH

−−

−−=

Températureaérodynamique(souffleries &inversion H,modélisation)

Injectiontempérature

Facteur decorrection

[ ]1521 −∈−kB

Influences - structure du couvert- vent- position solaire- état hydrique

Températureradiométrique [ ]4021 −∈−kB

Influences additionnelles - angle de visée- intervalle spectrale- résolution spatiale

( )TaTradUfkB −=− ,1 Kustas et al. (1989)

Chehbouni et al. (2000)

aaerop

−−

−−=

Coefficient empirique

SVAT modelled

inverted fromobservations

Température aérodynamique et rugosité thermique: Grandeurs aux significations physiques équivoques

Modélisation bi-source (sol et végétation)

TTcρH

−−

dzlogr

Bilan d’énergie bi-source

Tveg qsat(Tveg)

Bilan d’énergie bi-source

Température aérodynamique non équivoque

asolaveg

−+−

−= ρ

Modèles multi locaux

ON A PIXEL BASIS

� Rn et G par télédétection : OK par rapport aux mesures terrain� Rn = f ( solar et atmosphere irradiance, albedo, surface temperature )

� G = φ . Rn avec φ = f (albedo, surface temperature )

� Modèle mono source de Kustas et al. (année 1990)� évapotranspiration résultante du bilan d’énergie: LE = Rn – G - H

� Validation OK à l’échelle locale, précision de l’ordre de 50 W/m2

� spatialisation difficile (température de l’air et vitesse du vent ?)

� Modèle bi-source de Kustas et Norman (1995-2000)� Température composite � température sol et végétation

� Validation OK à l’échelle régionale, précision de 50 W/m2

� Problèmes de paramétrages sur les résistances (fonctions complexes avec profils de vent et de LAI dans le couvert végétal)

∆+∆=

γα nVGV RfLE

ASpS rr

+−= ρ

Z=zref

VVV LERnH −=

raHSSS HGRnLE −−= 0

No aero resistance

Découplage Ts et Tv

ξθθ1

minmax

max )(1)(

−−−=

NDVINDVI

NDVINVVIf

( )[ ] 41

44 1)( SVrad TfTfT θθθ −+=

θβ−=

∆+∆=

γα nVGV RfLE

Z=zref

VVV LERnH −= 1

( )[ ] 41

VVV LERnH −=

TempTempéératureraturemesurmesurééee

ASpS rr

+−= ρ

raHSSS HGRnLE −−= 0

( )[ ] 41

∆+∆=

γα nVGV RfLE

Z=zref

Condensation LEs < 0Correction LEs avec Bowen (H/LE) = 10

On reprend le système d’équations des flux

Condensation LEv < 0Correction avec LEv = 0 et LEs = 0

On reprend le système d’équations des flux

Prise en compte stress

Exemple validationTSEB SurMOONSOON’90et SGP’97 (petitesrégions agricoles)

Timmermans et al., 2007Timmermans et al., 2007

RMSE = 35W/m2

RMSE =30W/m2

RMSE =60W/m2

RMSE =40W/m2

Exemple validation TSEB sur SMACEX’02(petite région agricole)

75Calculs sur un pixel en fonction des autres pixels

Modèles spatialisés

� Rn et G par télédétection : OK par rapport aux mesures terrain� Rn = f ( solar et atmosphere irradiance, albedo, surface

temperature )� G = φ . Rn avec φ = f (albedo, surface temperature )

� Modèle mono source exclusivement� Pas de discrimination sol et végétation

� évapotranspiration résultante du bilan d’énergie� LE = Rn – G - H

LE = Rn – G - H

VariablesVariablesatmosphatmosphéériquesriqueshomoghomogéénnééisisééss

Ts,min

Exemple validation SEBAL sur RESEDA(zone agricole 25 km2)

Ta: résultats similaires sur Sud-Ouest (RMSE = 1K)

RMSE = 1m/s

RMSE = 1K

Modèles spatialisés Exemple validation SEBAL sur RESEDA(zone agricole 25 km2)

RMSE = 20W/m2RMSE =40W/m2

RMSE =70W/m2

RMSE =50W/m2

S-SEBI (Roerink et al., 2000)

Albedo

SurfaceTemperature

Requirements: capturing the relevant variability in water status

)( GRnLE −Λ=

−−=ΛT

S-SEBI (Roerink et al., 2000)

Albedo

Surface temperature

Contextual estimation

+=ΛFraction

Evaporative

Requirements: relevance of vertex characterization

TA-TBTA-TCWDI =

( ) ETMWDI1ET −=

Theoretical estimation(energy balance inversion)

WDI (Moran et al., 1994) ETM

ET1WDI −=

Requirements: relevance of vertex characterization

TA-TBTA-TCWDI =

( ) ETMWDI1ET −=

Theoretical estimation(energy balance inversion)

WDI (Moran et al., 1994)

RMSE = 0.8 mm/d

RMSE = 1.1 mm/d

HYDRUS-1D based validation (7 sites)

S-SEBI

WDIOverall literature

performances ≈≈≈≈ [0.8-1.2] mm/d

Exemple validation SSEBI et WDI sur La Peyne (bassin versant ressource 100 km2)

)G(RnLEΛ

ii −=

S-SEBI

Irregularly stonycalcosols and luvisols on plio-Villafranchian

alluvium

Fluvisols

Calcosols on wurm terraces and

Miocene sediments

Very Stony luvisolsOn Wurm terraces

Calcaric cambisolson colluvium of

Miocene sediments (with watertable)

Discrimination of coarse soil classes

evaporative fraction

Soil units 1 : 25000

Albedo

WDIS-SEBI

Surface temperature

Capturing the relevantvariability in water status

Sensitivity studies on underlyingassumptions and key points

Relevance of vertexcharacterization

Contextual approaches: impact of the study area

Reference area

Variation 10%Variation 40%

Extended area Restricted area (vine)

S-SEBI

Wind speed in aerodynamic resistances: 1 m.s-1 variation � up to 40% on ∆(WDI)

Variability of the WDI inputs:• bibliographic information (Giordani et al. 1996, Sene et al. 1994,

Jacob et al. 2002, Thome et al. 1998)• measured information

• sensitivity < 5% : Patm, max. canopy resistance• sensitivity є [5-10]% : Ta, Ts, G0, SAVI, zom/zoh, zom, veg. height,

humidity, min canopy resistance, net radiation• sensitivity > 10 % : wind speed

∆(WDI) =WDIref - WDIsim

� Motivations� Processus considérés et variables ciblées� Estimation directe de l’évapotranspiration � Estimation indirecte de l’évapotranspiration

– Bilan hydrique et fonctionnement végétation– Principe de l’assimilation– Calibration multi-critère et multi-objectif– Contrôle par filtre de Kalman

� Contraintes spatiotemporelles� Compléments

Bilan hydrique et fonctionnement végétation

Vegetation parameters

including LAI and veg. heightSoil

description

Hourly meteodata

Water balance Energy balance

Water transf.

Turbulent transf.

Radiative transf.

Evapotranspiration

Surface temp.

Energy fluxes

Stomatal conductance

Vegetation parameters

including LAI and veg. heightSoil

description

Hourly meteodata

Water balance Energy balance

Water transf.

Turbulent transf.

Radiative transf.

Evapotranspiration

Surface temp.

Energy fluxes

ISBAAgs

Stomatal conductance

Photosynthesis

Biomass

Bilan hydrique et fonctionnement végétation

Radiometric data (simulated)

RT models

Principe de l’assimilationRadiometric data(measurements)

adjustement canopy and soilvariables

Canopy stateproductionSVA fluxes

Environ. budgetSVAT model

Canopy &soilforcing

Canopy func-tioning model

LAI, Cabwater content

heightstructure

soil moisturetemperature

Principe de l’assimilation

t0 t1 t2 t3 time

t0 t1 t2 t3

1. Méthodes séquentielles Prédiction - correction

� Filtre Kalman

2. Méthodes variationnellesContrôle optimal

� calibration multi-critère multi-objectif

� méthode de l’adjoint

Mise à jour des variables d’état

Estimation paramètres et initialisation

Calibration multi-critère et multi-objectif

� Le problème d’assimilation de données est transformé en un problème d’optimisation.

� La recherche du minimum de la fonction coût

J = |simulations - observations|² + erreur modèle + info a priori

est effectuée avec des méthodes standard (gradient conjugué, Quasi-Newton)

� Cette méthode requiert le calcul du gradient de J (condition d’optimalité):

∇J = 0 � J est un optimum

� approximation analytique (simulations stochastiques)� méthode du modèle adjoint

Apport de la tApport de la t ééllééddéétection multitection multi --capteurs dans la modcapteurs dans la mod éélisation TSVAlisation TSVA

Modèles de Transfert Radiatif

LELERRnn

Modèle TSVA

Variables atmosphériques

Conditions initiales

Quelle méthode pour exploiter l'information satellitale ?

Propriétés du Sol / Végétation

Télédétection

multi-capteurs

ProblProbl éématiquematique

Signaux

radiométriques

Flux NRJ/EauTempératures

Humidités

ComparaisonCaractérisation de la surface

(Méthode d'assimilation)

Quelle mQuelle m ééthode pour exploiter l'information thode pour exploiter l'information satellitalesatellitale ??

Paramètres Variables d'intérêt

MODELE

Y1(t,θθθθ)Y2(t ,θθθθ)...Yj(t ,θθθθ)

θθθθ1

θθθθ2

…θθθθk

Observations satellitales

O1(t)O2(t)…Oj(t)

ComparaisonX =

MMééthode thode d'assimilation ?d'assimilation ?

Nombre important de paramètres et de variables d'in itialisation

MODELE

θθθθ1

θθθθ2

…θθθθk

O1(t)O2(t)…Oj(t)

ComparaisonX =

Nombreux processus non linéaires et couplés

MODELE

θθθθ1

θθθθ2

…θθθθk

O1(t)O2(t)…Oj(t)

ComparaisonX =

Nombreux processus non linéaires et couplés

Comparaison simultanée de plusieurs variables

MODELE

θθθθ1

θθθθ2

…θθθθk

O1(t)O2(t)…Oj(t)

ComparaisonX =

Méthodes stochastiques et multiobjectifs

MCIP (Demarty et al., WWR, 2003)

MODCOM-UA (Yapo et al., WWR, 1998)

MODELE

θθθθ1

θθθθ2

…θθθθk

O1(t)O2(t)…Oj(t)

ComparaisonX =

MMééthode d'assimilation MCIPthode d'assimilation MCIP

θθθθ1,min θθθθ1,max

- Tirage aléatoire des k paramètres du modèle

Espace des paramEspace des paramèètrestres

θθθθ2,min θθθθ2,max

θθθθk,min θθθθk,max

Tirage de N jeux de paramètres Xi= {θ1i, θ2

i,.., θki } ; i =1,…,N

��

Modèle

- Génération d'un ensemble de N simulationsCaractère stochastique

Espace des paramEspace des paramèètrestres

θ1,min θ1,max

θ2,min θ2,max

θk,min θk,max

Génération de N simulations

��

Modèle Observations

••••

••••••••

••••

•••• ••••

••••

••••••••

••••

••••••••

••••

•••• ••••

••••

••••••••

••••

•••• ••••

••••

•••••••• ••••

••••••••

••••

••••••••

••••

- Génération d'un ensemble de simulations

- Évaluation des performances (Fonctions objectifs)

Espace des paramEspace des paramèètrestres Espace des critEspace des critèèresres(exemple simple pour 2 RMSE)

θ1,min θ1,max

θ2,min θ2,max

θk,min θk,max

��

••••••••

••••

••••••••

••••

•••• ••••

••••

••••••••

••••

••••••••

••••

•••• ••••

••••

••••••••••••

••••

•••• ••••

••••

•••••••• ••••

••••••••

••••

SeuilSeuil 11

Modèle

-Technique de sélection des "meilleures" simulations

� Seuillage + Rangement de Pareto

Caractère multiobjectif

��

Espace des paramEspace des paramèètrestres Espace des critEspace des critèèresres(cas simple pour 2 RMSE)

θ1,min θ1,max

θ2,min θ2,max

θk,min θk,max

••••••••

SeuilSeuil 22

Observations

••••

••••••••

••••

•••• ••••

••••

••••••••

••••

••••••••

••••

••••••••

••••

••••••••

••••

••••••••

•••••••• ••••

••••••••

••••

••••••••••••

••••

- Technique de sélection des "meilleures" simulations

- Réduction des intervalles d'incertitude des paramètres

��

θ1,min θ1,max

θ2,min θ2,max

θk,min θk,max

Modèle

Processus ItProcessus It éératifratif

Observations

••••

•••• ••••

••••••••

•••• •••• ••••

••••

••••••••••••

••••••••

••••

•••••••••••••••• ••••••••

••••

••••••••••••

••••••••

••••

•••• ••••••••

••••

••••••••

••••••••••••

••••

•••••••• ••••••••

••••••••••••••••••••••••

••••

••••••••

••••

••••••••

- Technique de sélection des "meilleures" simulations

- Réduction des intervalles d'incertitude des paramètres

��

θ1,minθ1,max

θ2,min θ2,max

θk,minθk,max

Modèle

Processus ItProcessus It éératifratif

∆∆∆∆∆∆∆∆RMSE2RMSE2

∆∆∆∆∆∆∆∆RMSE1RMSE1Observations

DDééveloppement des outils de modveloppement des outils de mod éélisationlisation

Couplage ISBA-Ags avec MTR

ISBA Ags

θθθθs

(µondes passives)

TauTau--omomééga ga

22MM --SSAAII LL

(Visible-IR)ττττv, ααααv, …

TempTempéératures ratures de brillancede brillance

BeerBeer--LambertLambert

(IR Thermique)

RRééff lelectctanancceses

TempTempéératures ratures de brillancede brillance

Application de MCIP : ISBAApplication de MCIP : ISBA --AgsAgs

RMSE Tb IRT (K) RMSE Tb IRT (K)

Processus itProcessus it éératif ratif

9 it9 it éérations de 5000 simulations (1rations de 5000 simulations (1 semainesemaine ))

RMSE H (W.m-2)

RMSE² H (W.m-2)

RMSE Tb IRT ≈≈≈≈ 1.5 K

RMSE Tb µ ≈≈≈≈ 6.6 K

RMSE H ≈≈≈≈ 45 W.m-²

RMSE LE ≈≈≈≈ 55 W.m-²

Application de MCIP : ISBAApplication de MCIP : ISBA --AgsAgs

Évapora

tion (m

Dynamique de la vDynamique de la v ééggéétationtation

Jour julien Jour julien

Impacts des assimilations IRT et µondes dans le

modèle ISBA-Ags

Observations in situ

Ensemble des simulations finales

HumiditHumidit éé de la zone racinairede la zone racinaire

ÉÉvaporation journalivaporation journali èèrere

Jour julien

Application de MCIP : ISBAApplication de MCIP : ISBA --AgsAgsCas IRT Cas IRT + µondes Cas µondes

Dynamique de la vDynamique de la v ééggéétationtation

HumiditHumidit éé de la zone racinairede la zone racinaire

RMSE Tb IRT ≈ 1.5 K

RMSE Tb µ ≈ 6.6 K

RMSE Tb IRT ≈ 1.4 K RMSE Tb IRT ≈ 2.9 K

RMSE Tb µ ≈ 5.6 K

Contrôle par filtre de Kalman

Extended KalmanFilter (EKF)

observation

ébauche

analyse

Variable d’état

sequence

innovation

Ensemble Kalman Filter (EnKF)

Principle :

Generation of an ensemble of model trajectories to estimate the error covariance matrices at the

time of the update

Ensemble Kalman Filter

simulated state-observations

cross-covariance matrix

simulated observation variance-covariance matrix

measured observation variance-covariance matrix

� Modèle FAO-56 simple

ET0 Kc Ks AET =

RAW-TAW

Dr-TAW Ks =

TAW = réserve utile zone racinaireRAW = eau extractible par planteRAW = p . TAW (p d’après FAO)Dr = assèchement zone racinaire

Dr par bilan hydrique:Dr(i) = Dr(i-1) – I(i) – P(i) +AET(i)

� Modèle FAO-56 simple

AET observée par TLD avecmodèle mono source (type Kustas)

MISE à JOUR

ET0 Kc Ks AET =

RAW-TAW

Dr-TAW Ks =

Processus considérés et variables ciblées

Landsat Landsat (op(opéérationnel)rationnel)ASTER ASTER (exp(expéérimental)rimental)

MODISMODISAATSRAATSR

NadirNadirviewview

Across Across tracktrackviewview

Along Along tracktrackviewview

AATSRAATSR

Contraintes spatiotemporelles

EspaceEspace

heureheure

jourjour

semainesemaine

moismois

1 m1 m 100 m100 m 1 km1 km 10 km10 km

QuickbirdQuickbird

10 m10 m

IKONOSIKONOS

AATSRAATSR

MODISMODIS

AVHRRAVHRR

VGTVGT

GOESGOES

MSGMSG

PolDERPolDER

ParasolParasol

MERISMERIS

MISRMISR

ASTERASTER

LandSATLandSAT

SPECTRASPECTRAVENUSVENUS

RocSatRocSat

SPOTSPOT

HHÉÉTTÉÉROGROGÉÉNNÉÉITITÉÉ

SUIVI TEMPORELSUIVI TEMPOREL

SMOSSMOS

– Notions sur les échanges radiatifs– Télédétection infrarouge thermique et température de surface

reflectance : Er / Eitransmittance : Et / Ei grandeurs spectralesabsorptance : Ea / Ei

énergie réfléchie (albédo) : Er = a.Eiénergie transmise : Et = 0 (surface opaque)énergie absorbée : Ea = Ei – Er = (1-a).Ei

surface « mince »

Ei = Er + Ea + Et (W/m²)

Notions sur les échanges radiatifs

� tout corps émet un rayonnement lié à sa température

� corps noir = émetteur parfait (transforme l’énergie thermique en énergie radiative avec un maximum d’efficacité)

T : température du corps noir (K) λ : longueur d’onde (m) h : constante de Planck = 6.63.10-34 J.s k : constante de Boltzmann = 1.38.10-23 J/K

� luminance spectrale du corps noir via la loi de Planck :

)1)/(exp(/2 52 −= − TkhchcL λλλ

4TM σε= (W/m²)

� énergie émise par un corps réel : notion d’émissivité ε

� l’émissivité ε est comprise entre 0 et 1 (corps noir)

σ : constante de Stephan-Boltzmann = 5.6687.10-8 Wm-2K-4

T : température du corps noir (K)

4TM σ=

� énergie émise par un corps noir (exitance totale obtenue par intégration spectrale et directionnelle de ) :

(W/m²)

λλε L

� corps noir à l’équilibre thermique avec son environnement

Easurface « mince »

Ei = Er + Ea (opacité)

1 = ρ + a = 0 + ε

� corps gris à l’équilibre thermique avec son environnement Ei

Easurface « mince »

Ei = Er + Ea (opacité)

1 = ρ + a

1 = ρ + ε

Ee = Ea

� longueur d’onde du maximum d’émission : loi de Wien

λ : longueur d’onde (m)T : température du corps noir

Tm /10.879.2 3−=λ

� 99% de l’émission du corps noir entre 0.5 λm et 8 λm

� le soleil peut être assimilé à un corps noir à 6000 K� maximum d’émission = 0.55 µm� 99% de l’énergie émise entre 0.28 et 4.4 µm

forte influence de l’atmosphère

� Les surfaces terrestres émettent un rayonnement d’origine thermique selon la température de leur surface Ts et selon leur émissivité ε

� pour une surface à 288 K (15 °C), le maximum d’émission(loi de Wien) est à 10 µm

� 99% de l’énergie est émise entre 0.5 µm et 80 µm

4TM σε= (W/m²)

solaire = courtes longueurs d’ondes

thermique = grandes longueurs d’ondes

� les molécules et aérosols contenus dans l’atmosphère émettent du rayonnement selon la loi de Planck : c’est le « rayonnement atmosphérique », noté Ra

� ordre de grandeur : 300 à 400 W/m²

� varie selon la composition de l’atmosphère et selon sa température

– Processus impliqués et température de brillance– Grandeurs composites: température radiométrique et émissivité– Températures radiométriques sol et végétation

Télédétection IRT et température de surface

Entre 8 et 14 µm

(entre 3 et 5 µm)

144Atmospheric transmissivity for a midlatitude summer atmosphere wAtmospheric transmissivity for a midlatitude summer atmosphere with a totalith a totalatmospheric water vapor content of 2 g/cmatmospheric water vapor content of 2 g/cm22

Absorption par 03

Absorption par H20

Émission par 03

Émission par H20

Spectral variation of the atmospheric Spectral variation of the atmospheric downwellingdownwelling emittanceemittance for the 6 for the 6 atmospheric models belonging to the MODTRAN database and used toatmospheric models belonging to the MODTRAN database and used to generate generate the simulated database: midlatitude (the simulated database: midlatitude (midlamidla) and ) and subarticsubartic ((subarsubar) / winter (win) ) / winter (win) and summer (sum), tropical and US standard (and summer (sum), tropical and US standard (usstandausstanda) atmosphere. ) atmosphere.

Mean Mean emissivityemissivity spectrum for 108 natural samples including rocks, soils, spectrum for 108 natural samples including rocks, soils, vegetation, water and ice. Maximum, minimum, mean plus standard vegetation, water and ice. Maximum, minimum, mean plus standard deviation and deviation and mean minus standard deviation are also plotted.mean minus standard deviation are also plotted.

Température de brillance

)1)/(exp(/2 52 −= − TkhchcL λλλ

Température équivalente àcelle d’un corps noir émettant la même énergie radiative

ascLatmTbTaLsurfLmes ,)( +=

Corrections atmosphériquespar:1. simulation du transfert

radiatif atmosphérique,2. sondage atmosphérique

(e.g. rapport de radiance proche infrarouge pour contenu en vapeur d’eau)

Sondage simultané

Atmospheric TIR radiative regime for an off nadir propagation. TAtmospheric TIR radiative regime for an off nadir propagation. The key processes to be he key processes to be considered for atmospheric corrections are emission and absorpticonsidered for atmospheric corrections are emission and absorption by atmospheric on by atmospheric constituents. Within a horizontally homogeneous atmosphere, the constituents. Within a horizontally homogeneous atmosphere, the radiative regime depends radiative regime depends on the vertical fields of temperature and density for emitters aon the vertical fields of temperature and density for emitters and absorbers. Regardless of nd absorbers. Regardless of considered layer (considered layer (zizi or or zkzk), radiative regime is driven by atmospheric absorption (1), ), radiative regime is driven by atmospheric absorption (1), atmospheric emission (2), and surface emission through atmospheratmospheric emission (2), and surface emission through atmosphere transmission (3).e transmission (3).

Simulation du transfert radiatif atmosphérique:

Connaissance des profils verticaux (pression, température humidité)

Profilsatmosphériquesmesurés ou simulés

Température radiométrique et émissivité

( ) ascRatm

TradLTbLsurf Planck

Pour une mesure sur un intervalle spectral

N intervalles:-> N équations-> N+1 inconnues que sont

N émissivités1 température

TempTempéératureraturede brillancede brillance

TempTempéératureratureradiomradioméétriquetrique

( ) ( ) ( )( ) ( ) ( )

( ) ( ) ( )( ) ( ) ( ) ascRatmjTradLjTbLsurf

ascRatmiTradLiTbLsurf

ascRatmjTradLjTbLsurf

ascRatmiTradLiTbLsurf

tPlanckt

εεεε

−+=−+=

4 équations4 inconnues que sont

2 émissivités2 températures

Satellites géostationnaires à deux bandes spectrales

Temps t1

Temps t2

Émissivités εi et εj ne varient pasentre t1 et t2

ascRatmTradLTbLsurf Planck ,)1()()( ε−+= 1 équation1 inconnue qu’est

1 température

Observations domaine solaire

F(NDVI)

En général, exploitation information- sur le domaine solaire- sur le domaine thermique -> dimension spectrale

-> dimension directionnelle-> dimension temporelle

Méthodes éprouvées et robustes

Comparaison

ASTER/TES et MODIS / TISIE

Températures radiométriques sol et végétation

Simulating measured brightness temperature over a maize canopy iSimulating measured brightness temperature over a maize canopy in row n row structure, with a resulting angular dynamic about 8 K. Black stastructure, with a resulting angular dynamic about 8 K. Black star indicates the r indicates the solar direction. The brightness temperature maximum value is locsolar direction. The brightness temperature maximum value is located in the ated in the solar direction. However, this hot spot effect is not systematicsolar direction. However, this hot spot effect is not systematicalal

Dynamique angulaire

ξθθ1

minmax

max )(1)(

−−−=

NDVINDVI

NDVINVVIf

( )[ ] 41

θβ−=

2 directions de visée � 2 équations et 2 inconnues (Ts et Tv)

Performance intercomparison for different parameterizations. MeaPerformance intercomparison for different parameterizations. Mean errors on soil (left) n errors on soil (left) and vegetation (right) temperature retrievals as functions of LAand vegetation (right) temperature retrievals as functions of LAI, with standard deviations I, with standard deviations (bars). (bars). ““Mod 1Mod 1”” is a probabilistic simulation model. is a probabilistic simulation model. ““SAIL IRTSAIL IRT”” is the TIR version of the is the TIR version of the SAIL model. SAIL model. ““Mod 2Mod 2””, , ““Mod 3Mod 3”” and and ““Mod 4Mod 4”” are simplified parameterization.are simplified parameterization.

Inversion températuressol et végétation

apport de la télédétection pour estimer les flux et ... · climats semi-arides:...

Documents

plantes médicinales °arides°

les climats dans_le_monde[1]

géo 7: reliefs et climats du monde

mesure et Évapotranspiration potentielle de l

parcours arides du maroc : restauration par mise en repos

atmosphère, hydrosphère, climats

séquence reliefs et climats cycle iii

vivre sous différents climats trois grands types de climats

valorisation des bioressources des régions arides et semi

les écosytèmes des zones arides et semi-arides

journal algérien des régions arides (jara)

trois climats (kleinjans) for 2 guitars

climats et paysages

terres arides convention terres arides affecte...

terres arides convention terres arides affecte … · 2018....

cartographie des zones arides : géomorphologie, pédologie

magazine 'climats' n°64

programme climats on the roc 2013

climats 59 - cdc.retraites.fr

les climats en france