These de doctorat de l'Université Pierre et Marie Curie
These de doctorat de l'Université Pierre et Marie Curie
These de doctorat de l'Université Pierre et Marie Curie
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Thèse <strong>de</strong> <strong>doctorat</strong> <strong>de</strong> l’Université <strong>Pierre</strong> <strong>et</strong> <strong>Marie</strong> <strong>Curie</strong>SpécialitéFonctionnement Physique Chimique <strong>et</strong> Biologique <strong>de</strong> la Biosphère ContinentalePrésentée parStéphane SAUX PICARTPour obtenir le gra<strong>de</strong> <strong>de</strong>Docteur <strong>de</strong> l’Université <strong>Pierre</strong> <strong>et</strong> <strong>Marie</strong> Curi<strong>et</strong>el-00277226, version 1 - 5 May 2008Étu<strong>de</strong> couplée modélisation/télédétectionpour le suivi <strong>de</strong>s états <strong>et</strong> bilans hydriques<strong>de</strong> surface en zone sahélienneDirectrice <strong>de</strong> thèse : Catherine OttléCo-directeur <strong>de</strong> thèse : Alain PerrierMM. <strong>Pierre</strong> RIBSTEIN Prési<strong>de</strong>ntIsabelle BRAUD Rapporteur externeJean-Christophe CALVET Rapporteur externeAnne VERHOEF ExaminateurLaurent KERGOAT ExaminateurCatherine OTTLE Examinatrice <strong>et</strong> directrice <strong>de</strong> thèseAlain PERRIER Examinateur <strong>et</strong> co-directeur <strong>de</strong> thèseBernard CAPPELAERE InvitéMehrez ZRIBI Invité
tel-00277226, version 1 - 5 May 2008
Je m’accommo<strong>de</strong>rais fort mal d’un mon<strong>de</strong> sanslivres, mais la réalité n’est pas là, parce qu’ellen’y tient pas tout entière.tel-00277226, version 1 - 5 May 2008Marguerite Yourcenar, Mémoires d’Hadrien
tel-00277226, version 1 - 5 May 2008
RemerciementsJe voudrais en premier lieu remercier chaleureusement Alain Perrier qui m’a accepté dans sonDEA, m’a permis d’obtenir une bourse <strong>de</strong> thèse <strong>et</strong> a encadré mon travail <strong>de</strong> thèse dans son intégralitépar ses remarques éclairées.tel-00277226, version 1 - 5 May 2008Je remercie également chaleureusement Catherine Ottlé qui a encadré ma recherche pendant plus<strong>de</strong> 3 années. Sa disponibilité <strong>et</strong> la confiance qu’elle m’a accordée m’ont permis <strong>de</strong> terminer c<strong>et</strong>te thèsedans <strong>de</strong> bonnes conditions. Un grand merci à Mehrez Zribi aussi qui m’a épaulé <strong>et</strong> encadré en particuliersur le traitement d’images.Je remercie l’ensemble <strong>de</strong>s membres du jury. En particulier merci à Isabelle Braud <strong>et</strong> Jean-Christophe Calv<strong>et</strong> pour avoir accepté <strong>de</strong> lire avec attention mon manuscrit <strong>et</strong> pour avoir formulé <strong>de</strong>squestions <strong>et</strong> <strong>de</strong>s remarques pertinentes.Je tiens ensuite à remercier tous les membres du programme AMMA avec qui j’ai eu le plaisir<strong>de</strong> travailler, <strong>et</strong> en particulier Bernard Cappelaere <strong>et</strong> Nicolas Boulain pour leur précieuse <strong>et</strong> préciseconnaissance du terrain <strong>et</strong> les données qu’ils ont collectées. Je n’oublie pas, bien sûr, l’IRD <strong>de</strong> Niamey,<strong>et</strong> en particulier Luc Descroix, Jean-Louis Rajot <strong>et</strong> David Ramier pour leur accueil <strong>et</strong> les donnéesqu’ils ont collectées sur le terrain. J’adresse mes remerciements à Frédéric Bar<strong>et</strong> pour l’explication <strong>de</strong>sa métho<strong>de</strong> d’inversion du LAI <strong>et</strong> pour ses programmes.Merci aux équipes respectives <strong>de</strong>s différents centres <strong>de</strong> traitement <strong>et</strong> mise à disposition <strong>de</strong> données :POSTEL, AMMASAT data base, EUMETSAT Land SAF, EOS, Climserv.J’adresse mes remerciements à toutes les personnes qui <strong>de</strong> près ou <strong>de</strong> loin ont contribué au bondéroulement <strong>de</strong> c<strong>et</strong>te thèse, en particulier à tous les chercheurs <strong>de</strong> l’équipe IOTA du CETP : Monique,Danièle, Alain <strong>et</strong> Denis. Merci à Christine, pour son ai<strong>de</strong> en ce qui concerne le traitement <strong>de</strong> données.Merci également à Jean-Clau<strong>de</strong> Bergès <strong>et</strong> Franck Chopin pour leur soutien <strong>et</strong> leur connaissance <strong>de</strong>l’instrument SEVIRI/MSG. Un grand merci aux quelques informaticiens qui ont patiemment réponduà mes questions, souvent basiques, <strong>et</strong> avec qui j’ai partagé <strong>de</strong> nombreuses pauses café : Laurent,
iiNicolas <strong>et</strong> Bruno. Merci également à tous les membres du département MGC du CETP : Béatrice,Catherine, Agnès, Marilyne, Caroline <strong>et</strong> les autres.Trois personnes méritent <strong>de</strong>s remerciements particuliers : Apoint (Alexis M.), avec qui j’ai partagéle bureau dans une excellente ambiance... Bépoint (Benoit C.), avec qui j’ai également partagéun bureau dans la bonne humeur. Merci pour ta pédagodie <strong>et</strong> ta patience pour répondre à certaines <strong>de</strong>mes questions. Bertrand, arrivé au début <strong>de</strong> ma <strong>de</strong>uxième année, je te dois énormément comme je tel’ai déjà dit... <strong>et</strong> même plus que ça ! Pour rester pragmatique, merci pour ton ai<strong>de</strong> <strong>et</strong> tes connaissancesen modélisation <strong>de</strong> surface.tel-00277226, version 1 - 5 May 2008Je tiens à remercier tous les non-permanents <strong>et</strong> intermittents <strong>de</strong> la recherche que j’ai pu croiserdurant ces <strong>de</strong>rnières années au CETP : Joel M. (on discutera encore longtemps <strong>de</strong> nos lecturesrespectives), Julien D., Cyrille A., Aurélie B., Aurélie L. (maintenant je ne connais même plus tesinitiales...), Lucas B., Mickaël P., Abdu Aziz (le grand chercheur sénégalais), Ab<strong>de</strong>laziz K., HassanA., Thais P., Benjamin G., Sébastien G., Géraldine G., Alexandra T., ... Merci également à toutes lespersonnes suivantes, qui ne sont pas toutes du CETP mais qui ont contribué à rendre ces <strong>de</strong>rnièresannées agréables : JUM, Cyril G., Maurice Rousselot, Laurent P., Christophe C., Paul L., Fouad S.,...Je terminerai en disant simplement merci à ma famille <strong>et</strong> à Karen.
Table <strong>de</strong>s matièresRemerciementsiIntroduction 1tel-00277226, version 1 - 5 May 20081 Contexte <strong>de</strong> l’étu<strong>de</strong> 51.1 Le Sahel <strong>et</strong> l’Afrique <strong>de</strong> l’Ouest . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51.1.1 Quelques éléments sur le climat <strong>de</strong> l’Afrique <strong>de</strong> l’Ouest . . . . . . . . . . . 61.1.2 Les grands écosystèmes naturels d’Afrique <strong>de</strong> l’Ouest . . . . . . . . . . . . 81.2 Le programme AMMA (Analyse Multidisciplinaire <strong>de</strong> la Mousson Africaine) . . . . 81.2.1 Les objectifs du programme AMMA . . . . . . . . . . . . . . . . . . . . . . 91.2.2 Les outils <strong>et</strong> métho<strong>de</strong>s du programme AMMA . . . . . . . . . . . . . . . . 91.3 Site d’étu<strong>de</strong> privilégié : le super-site <strong>de</strong> Wankama . . . . . . . . . . . . . . . . . . . 101.3.1 Le climat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101.3.2 Géomorphologie <strong>et</strong> pédologie . . . . . . . . . . . . . . . . . . . . . . . . . 121.3.3 Quelques éléments du cycle <strong>de</strong> l’eau . . . . . . . . . . . . . . . . . . . . . . 131.3.4 La végétation <strong>et</strong> l’occupation <strong>de</strong>s sols . . . . . . . . . . . . . . . . . . . . . 141.3.5 L’homme <strong>et</strong> son milieu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141.3.6 Instrumentation du super site <strong>et</strong> mesures dans le cadre du programme AMMA 15I Le Modèle SEtHyS Savannah 172 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong> 212.1 Bilan d’énergie <strong>et</strong> d’eau à l’interface continentale . . . . . . . . . . . . . . . . . . . 212.1.1 Le bilan radiatif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232.1.2 Les échanges conductifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272.1.3 Les échanges convectifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302.2 Bilan hydrique <strong>et</strong> contenu en eau du sol . . . . . . . . . . . . . . . . . . . . . . . . 372.2.1 Quelques bases physiques . . . . . . . . . . . . . . . . . . . . . . . . . . . 372.2.2 La modélisation <strong>de</strong>s échanges d’eau dans le sol . . . . . . . . . . . . . . . . 39
ivTABLE DES MATIÈRES2.2.3 Bilan hydrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41tel-00277226, version 1 - 5 May 20083 Validation du modèle 453.1 Le forçage du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 453.1.1 Le forçage atmosphérique . . . . . . . . . . . . . . . . . . . . . . . . . . . 453.1.2 Description <strong>de</strong> la végétation . . . . . . . . . . . . . . . . . . . . . . . . . . 473.2 Mesure <strong>de</strong>s flux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 483.3 L’optimisation du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 493.3.1 La métho<strong>de</strong> d’étalonnage MCIP . . . . . . . . . . . . . . . . . . . . . . . . 503.3.2 Les paramètres étalonnés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 523.4 Comparaison <strong>de</strong>s termes du bilan d’énergie . . . . . . . . . . . . . . . . . . . . . . 583.4.1 Commentaires généraux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 593.4.2 Comparaison <strong>de</strong>s résultats à l’échelle journalière . . . . . . . . . . . . . . . 613.5 Le bilan hydrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 653.6 Conclusion/discussion sur la validation . . . . . . . . . . . . . . . . . . . . . . . . . 683.6.1 Discussion sur la métho<strong>de</strong> d’étalonnage . . . . . . . . . . . . . . . . . . . . 683.6.2 Discussion à propos <strong>de</strong> l’apport <strong>de</strong> l’introduction d’une secon<strong>de</strong> couche <strong>de</strong>végétation dans le modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . 693.6.3 Une validation ”partielle” . . . . . . . . . . . . . . . . . . . . . . . . . . . 70II Spatialisation du modèle 734 Apport <strong>de</strong> la télédétection spatiale 774.1 Les données disponibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 774.1.1 Les données SPOT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 774.1.2 Les données ASAR/ENVISAT . . . . . . . . . . . . . . . . . . . . . . . . . 794.1.3 Les données MODIS/TERRA <strong>et</strong> AQUA . . . . . . . . . . . . . . . . . . . . 804.1.4 Les données SEVIRI/MSG . . . . . . . . . . . . . . . . . . . . . . . . . . . 814.2 Carte d’occupation <strong>de</strong>s sols . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 824.2.1 Les métho<strong>de</strong>s <strong>de</strong> classification . . . . . . . . . . . . . . . . . . . . . . . . . 824.2.2 Les différentes classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 844.2.3 Validation <strong>de</strong> la classification proposée . . . . . . . . . . . . . . . . . . . . 864.3 L’humidité <strong>de</strong>s sols à partir <strong>de</strong> ASAR/ENVISAT . . . . . . . . . . . . . . . . . . . 884.3.1 Étu<strong>de</strong> théorique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 884.3.2 Application aux images . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 924.4 LAI : inversion à partir d’images SPOT . . . . . . . . . . . . . . . . . . . . . . . . 934.4.1 Description <strong>de</strong> l’algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . 944.4.2 Application . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
TABLE DES MATIÈRESv4.4.3 Comparaison aux produits LAI/MODIS AQUA <strong>et</strong> TERRA . . . . . . . . . . 984.5 La température <strong>de</strong> surface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1004.5.1 Les algorithmes <strong>de</strong> ”split-window” . . . . . . . . . . . . . . . . . . . . . . 1004.5.2 Comparaison MSG/MODIS . . . . . . . . . . . . . . . . . . . . . . . . . . 1014.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102tel-00277226, version 1 - 5 May 20085 Modélisation à l’échelle du super site AMMA/Niger 1035.1 Mise en place <strong>de</strong> la modélisation sur le super site . . . . . . . . . . . . . . . . . . . 1035.1.1 Une modélisation <strong>de</strong> type ”mosaïque” . . . . . . . . . . . . . . . . . . . . . 1035.1.2 Le choix <strong>de</strong>s paramètres . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1055.1.3 La <strong>de</strong>scription <strong>de</strong> la végétation . . . . . . . . . . . . . . . . . . . . . . . . . 1075.1.4 Le forçage atmosphérique <strong>et</strong> pluviométrique . . . . . . . . . . . . . . . . . 1085.2 Résultats . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1095.2.1 Le bilan énergétique <strong>et</strong> hydrique du super-site . . . . . . . . . . . . . . . . . 1095.2.2 Éléments <strong>de</strong> validation <strong>de</strong>s simulations . . . . . . . . . . . . . . . . . . . . 1105.2.3 Conclusions <strong>et</strong> perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . 1185.3 Étu<strong>de</strong>s <strong>de</strong> sensibilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1195.3.1 Sensibilité à la métho<strong>de</strong> d’interpolation <strong>de</strong>s pluies . . . . . . . . . . . . . . . 1195.3.2 Sensibilité à l’occupation <strong>de</strong>s sols . . . . . . . . . . . . . . . . . . . . . . . 1225.3.3 Conclusions <strong>et</strong> perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . 125Conclusion 127A Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelianlandscapes 133B Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelianregion 151
tel-00277226, version 1 - 5 May 2008
IntroductionLes enjeux <strong>de</strong> l’étu<strong>de</strong> <strong>de</strong>s changements climatiquestel-00277226, version 1 - 5 May 2008Prenant acte <strong>de</strong> la réalité du réchauffement climatique dans la décennie 90 <strong>et</strong> <strong>de</strong> la responsabilitéhumaine dans ces dérèglements, les dirigeants politiques ont initié une politique <strong>de</strong> lutte contre leréchauffement <strong>de</strong> la planète. Les gaz à eff<strong>et</strong> <strong>de</strong> serre sont responsables du réchauffement climatique carils piègent le rayonnement solaire <strong>et</strong> terrestre dans l’atmosphère. Le Protocole <strong>de</strong> Kyoto, qui est entréen vigueur en février 2005, est l’exemple le plus actuel d’une stratégie <strong>de</strong> réduction <strong>de</strong>s gaz à eff<strong>et</strong> <strong>de</strong>serre. C<strong>et</strong>te politique n’est toutefois pas sans diviser les pays industrialisés, peu enclins à rem<strong>et</strong>tre encause leur modèle <strong>de</strong> croissance, <strong>et</strong> les pays du Sud inqui<strong>et</strong>s pour leurs proj<strong>et</strong>s <strong>de</strong> développement. Dèsla fin <strong>de</strong>s années 1970, la réflexion sur les problèmes environnementaux n’était déjà plus cantonnéeaux seuls cercles écologistes. L’environnement était <strong>de</strong>venu un obj<strong>et</strong> <strong>de</strong> préoccupation <strong>de</strong>s États. Maisce n’est qu’en 1992, lors du somm<strong>et</strong> <strong>de</strong> la Terre à Rio, qu’ils ont finalement reconnu la nécessité d’agirdans le cadre d’un ”partenariat mondial”.Le Groupe intergouvernemental d’experts sur l’évolution du climat (GIEC) [IntergovernmentalPanel on Climate Change - IPCC] - Prix Nobel <strong>de</strong> la Paix 2007 - est un organisme chargé du suiviscientifique <strong>de</strong>s négociations internationales sur le changement climatique. Fondé en 1988 par l’OrganisationMétéorologique Mondiale <strong>et</strong> le Programme <strong>de</strong>s Nations Unies pour l’Environnement, il joueun rôle central dans les négociations. Sa mission est <strong>de</strong> rassembler <strong>de</strong>s données scientifiques, techniques<strong>et</strong> socio-économiques pertinentes afin d’envisager les risques <strong>de</strong>s changements climatiques liésaux activités humaines. Il doit également formuler <strong>et</strong> évaluer <strong>de</strong>s stratégies possibles <strong>de</strong> prévention <strong>et</strong>d’adaptation.Le <strong>de</strong>rnier rapport du GIEC paru en 2007 établit la responsabilité humaine dans le réchauffementclimatique <strong>et</strong> confirme le rôle <strong>de</strong>s émissions <strong>de</strong> gaz à eff<strong>et</strong> <strong>de</strong> serre <strong>et</strong> la gravité <strong>de</strong>s changementsen cours : augmentation moyenne <strong>de</strong> la température <strong>de</strong> 1.8 à 4°C, hausse du niveau <strong>de</strong>s océans <strong>de</strong>près <strong>de</strong> 60 cm d’ici la fin du siècle <strong>et</strong> généralisation <strong>de</strong>s vagues <strong>de</strong> chaleur <strong>et</strong> <strong>de</strong>s épiso<strong>de</strong>s <strong>de</strong> fortesprécipitations.Face à ces prévisions alarmistes, la communauté scientifique se mobilise autour <strong>de</strong>s thématiquesenvironnementales. Plusieurs proj<strong>et</strong>s <strong>et</strong> programmes internationaux se développent pour comprendreles causes <strong>et</strong> eff<strong>et</strong>s du changement climatique à différentes échelles. Cependant, si l’on veut bien
2 Introductionprédire le climat futur, il est important <strong>de</strong> bien comprendre <strong>et</strong> modéliser le climat présent <strong>et</strong> sa variabilité.Plusieurs programmes visant à mieux comprendre les processus <strong>de</strong> surface ont été mis en œuvre<strong>et</strong> en particulier : le proj<strong>et</strong> GSWP (Global Soil W<strong>et</strong>ness Project) ou la future mission spatiale SMOS(Soil Moisture and Ocean Salinity) visant à décrire <strong>et</strong> cartographier par la modélisation <strong>et</strong> l’observationspatiale l’état hydrique <strong>de</strong>s surfaces continentales à l’échelle du globe. Le programme AMMA(Analyse Multidisciplinaire <strong>de</strong> la Mousson Africaine) a, quant à lui, pour objectif <strong>de</strong> déterminer l’origine<strong>de</strong> la variabilité <strong>de</strong> la mousson ouest-africaine.Les conséquences <strong>de</strong>s changements climatiques au Saheltel-00277226, version 1 - 5 May 2008Le Sahel est une région particulièrement sensible aux changements climatiques. La FAO (Foodand Agriculture Organisation) estimait en 2000 que le secteur agricole faisait vivre 51% <strong>de</strong> la populationau Sahel. Or la production agricole est très dépendante dans ces régions <strong>de</strong> la fréquence <strong>et</strong> <strong>de</strong>l’importance <strong>de</strong>s pluies. Une faible variabilité dans le régime <strong>de</strong>s pluies peut avoir <strong>de</strong>s conséquencesdramatiques, comme le rappelle la famine qui a touché le Niger en 2005 suite à une ”mauvaise” saison<strong>de</strong>s pluies durant l’été 2004. L’Afrique <strong>de</strong> l’Ouest avait déjà connu <strong>de</strong> tels épiso<strong>de</strong>s <strong>de</strong> famineentre la fin <strong>de</strong>s années 1960 <strong>et</strong> le milieu <strong>de</strong>s années 1990 où l’on a enregistré les plus fort déficits pluviomètriquesjamais observés. La question <strong>de</strong> la qualité <strong>de</strong> la future saison <strong>de</strong>s pluies a par conséquenttoujours été au cœur <strong>de</strong>s préoccupations <strong>de</strong>s États d’Afrique <strong>de</strong> l’Ouest, <strong>de</strong>s cultivateurs, éleveurs <strong>et</strong>communautés rurales. Traditionnellement, <strong>de</strong>s prévisions qualitatives <strong>de</strong> la future saison <strong>de</strong>s pluiessont faites à partir d’indicateurs environnementaux tels que la température <strong>de</strong> l’air durant la saisonsèche, la production fruitière <strong>de</strong> certaines espèces d’arbres en début <strong>de</strong> saison <strong>de</strong>s pluies ou encore ladate <strong>de</strong> démarrage <strong>et</strong> la régularité <strong>de</strong>s première pluies (Roncoli <strong>et</strong> al., 2002). Cependant ces prévisionssont peu fiables. Pour les gestionnaires <strong>de</strong> ressources hydrauliques, les modélisateurs <strong>de</strong> productionsagricoles, les agences internationales d’ai<strong>de</strong> alimentaire ou les institutions publiques, <strong>de</strong>s prévisionsplus fiables perm<strong>et</strong>traient <strong>de</strong> diminuer les impacts d’événements extrêmes mais aussi <strong>de</strong> tirer avantage<strong>de</strong> conditions pluviomètriques favorables.Étudier <strong>et</strong> comprendre les mécanismes qui régissent la variabilité climatique dans le Sahel estdonc <strong>de</strong> première importance. Ainsi, <strong>de</strong> nombreuses étu<strong>de</strong>s se concentrent dans c<strong>et</strong>te région <strong>de</strong>puisquelques décennies : cela a débuté avec la campagne Hapex-Sahel dans les années 90 (Hydrologicand Atmospheric Pilot EXperiment in the Sahel, Goutorbe <strong>et</strong> al., 1997) dont l’objectif était <strong>de</strong> mieuxreprésenter les interactions entre surface continentale <strong>et</strong> atmosphère. Ce programme est maintenantsuivi par le programme AMMA.Les outils pour le suivi <strong>de</strong>s changements climatiques à gran<strong>de</strong> échelleDe plus en plus, l’accent est mis sur l’étu<strong>de</strong> <strong>de</strong>s interactions surface-atmosphère. Le Sahel a étéi<strong>de</strong>ntifié par Koster <strong>et</strong> al. (2004) comme étant une <strong>de</strong>s trois régions du globe où l’interaction entre
Introduction 3tel-00277226, version 1 - 5 May 2008humidité du sol <strong>et</strong> précipitations est la plus importante. De même, Seneviratne <strong>et</strong> al. (2006) ou encoreTaylor (2007a) ont montré le fort couplage surface-atmosphère à l’échelle régionale sur l’Europe <strong>et</strong>sur le Sahel respectivement.La surface joue donc un rôle considérable sur le climat, il est donc important <strong>de</strong> mieux comprendre<strong>et</strong> représenter les échanges d’énergie <strong>et</strong> d’eau entre la surface <strong>et</strong> l’atmosphère sur <strong>de</strong> larges échellesspatio-temporelles.La télédétection spatiale est un outil très puissant pour caractériser les états <strong>de</strong> surface. Actuellement<strong>de</strong>s métho<strong>de</strong>s existent pour estimer, à partir <strong>de</strong>s observations spatiales, certaines variables clef<strong>de</strong>s bilans énergétique <strong>et</strong> hydrique <strong>de</strong> la surface telles que la température <strong>de</strong> surface ou l’humidité dusol. La télédétection spatiale informe sur l’état <strong>de</strong> la surface à un instant donné, mais elle ne perm<strong>et</strong>pas <strong>de</strong> comprendre quels sont les processus qui ont abouti à c<strong>et</strong> état ni <strong>de</strong> prédire l’état futur, seule lamodélisation le perm<strong>et</strong>.La modélisation <strong>de</strong>s surfaces continentales a été introduite au sein <strong>de</strong>s modèles <strong>de</strong> circulationgénérale atmosphérique afin <strong>de</strong> fournir <strong>de</strong>s conditions aux limites réalistes en termes d’humidité du sol<strong>et</strong> <strong>de</strong> température <strong>de</strong> surface notamment. Ces modèles TSVA (Transfert Sol-Végétation-Atmosphère)prennent en compte les processus physiques liés au sol <strong>et</strong> à la végétation au travers <strong>de</strong> paramétrisationsplus ou moins sophistiquées. Une large diversité <strong>de</strong> modèles se décline du simple modèle ”buck<strong>et</strong>”(Manabe, 1969) au modèle intégrant la représentation d’un grand nombre <strong>de</strong> processus d’échange(Deardorff 1977,1978 ; Noilhan <strong>et</strong> Planton, 1989 ; Braud <strong>et</strong> al., 1995 ; Sellers <strong>et</strong> al., 1996 ; <strong>et</strong>c...).L’utilisation <strong>de</strong> l’information fournie par la télédétection présente alors une réelle perspectived’amélioration <strong>de</strong>s modèles. En eff<strong>et</strong> <strong>de</strong>s métho<strong>de</strong>s d’assimilation <strong>de</strong> données ont été développéesafin <strong>de</strong> contraindre les modèles par l’intermédiaire <strong>de</strong> certaines variables pouvant être estimées partélédétection. On peut également utiliser la télédétection pour vali<strong>de</strong>r les modèles sur <strong>de</strong> gran<strong>de</strong>séchelles spatio-temporelles.Objectifs <strong>et</strong> méthodologie <strong>de</strong> la thèseDans le contexte du programme AMMA, l’objectif <strong>de</strong> la thèse vise à mieux comprendre <strong>et</strong> modéliserles processus <strong>de</strong> surface en région semi-ari<strong>de</strong> sahélienne. Les principales caractéristiques <strong>de</strong> cesrégions sont : l’hétérogénéité <strong>de</strong> la végétation <strong>et</strong> du sol, <strong>et</strong> la distribution spatiale <strong>et</strong> temporelle <strong>de</strong>sprécipitations. Ainsi l’objectif particulier <strong>de</strong> c<strong>et</strong>te étu<strong>de</strong> est <strong>de</strong> comprendre comment ces hétérogénéitésinfluencent les bilans d’eau <strong>et</strong> d’énergie. Et quels sont les processus prédominants qu’il faut prendreen compte dans les schémas <strong>de</strong> surface pour améliorer leurs simulations en zone semi-ari<strong>de</strong> ?Pour c<strong>et</strong>te étu<strong>de</strong> nous avons choisi d’utiliser le schéma <strong>de</strong> surface SEtHyS (Suivi <strong>de</strong> l’État Hydrique<strong>de</strong>s Sols) développé <strong>de</strong>puis <strong>de</strong> nombreuses années (Bernard <strong>et</strong> al., 1986 ; Tacon<strong>et</strong> <strong>et</strong> al., 1986 ;BenMehrez <strong>et</strong> al., 1990 ; Ottlé <strong>et</strong> Vidal-Madjar, 1994 ; Cou<strong>de</strong>rt <strong>et</strong> al., 2006a,b) au Centre d’étu<strong>de</strong><strong>de</strong>s Environnements Terrestre <strong>et</strong> Planétaires (CETP). C’est un modèle <strong>de</strong> bilan d’énergie à l’interface
Chapitre 1Contexte <strong>de</strong> l’étu<strong>de</strong>tel-00277226, version 1 - 5 May 20081.1 Le Sahel <strong>et</strong> l’Afrique <strong>de</strong> l’OuestL’Afrique <strong>de</strong> l’Ouest est délimitée dans la suite par la fenêtre : -20°E à 30°E <strong>et</strong> -5°N à 30°N. LeSahel est une vaste région d’Afrique rassemblant les pays situés immédiatement au Sud du Sahara.Il s’étend <strong>de</strong> l’Atlantique (Sud Mauritanien <strong>et</strong> Sénégal) au Sud du Soudan. La saison <strong>de</strong>s pluies yest très courte. Le Sahel peut être défini d’un point <strong>de</strong> vue pluviométrique, comme étant la région <strong>de</strong>l’Afrique au nord <strong>de</strong> l’équateur où le cumul <strong>de</strong> pluie moyen annuel est compris entre 300 <strong>et</strong> 600 mm(Brun<strong>et</strong>-Mor<strong>et</strong> <strong>et</strong> al., 1986).FIG. 1.1 – Les différents domaines climatiques d’Afrique <strong>de</strong> l’Ouest
1.1 Le Sahel <strong>et</strong> l’Afrique <strong>de</strong> l’Ouest 7mattan, qui souffle du nord-est après avoir traversé le Sahara, <strong>et</strong> les vents issus <strong>de</strong>s alizés <strong>de</strong> sud-est,qui transportent <strong>de</strong> l’air très humi<strong>de</strong> <strong>et</strong> plus frais en provenance <strong>de</strong> l’Atlantique.Il existe un découplage entre la zone <strong>de</strong> pluies maximales <strong>et</strong> la position en surface <strong>de</strong> la ZCIT.Bien que l’oscillation interannuelle <strong>de</strong> la ZCIT conserve une position relativement stable, celle <strong>de</strong>sprécipitations connaît <strong>de</strong>s déplacements importants (Grist <strong>et</strong> Nicholson, 2001).tel-00277226, version 1 - 5 May 2008Les conditions <strong>de</strong> surface aussi bien océaniques que continentales sont également <strong>de</strong>s facteursimportants agissant sur la mousson africaine. Certaines étu<strong>de</strong>s (Lamb, 1978,1992 ; Janicot <strong>et</strong> al, 2001 ;Nicholson, 2001 ; Giannini <strong>et</strong> al., 2003) ont montré une forte sensibilité <strong>de</strong> la circulation <strong>de</strong> la moussonafricaine à la répartition spatiale (globale <strong>et</strong> régionale) <strong>de</strong>s anomalies <strong>de</strong> température <strong>de</strong> surface <strong>de</strong> lamer. Durant les décennies passées, <strong>de</strong>s étu<strong>de</strong>s, basées sur <strong>de</strong>s métho<strong>de</strong>s statistiques empiriques, ontété proposées pour prédire les précipitations sur le continent ouest africain à partir <strong>de</strong> la distribution<strong>de</strong> la température <strong>de</strong> surface <strong>de</strong> la mer (Folland <strong>et</strong> al., 1991 ; Landsea <strong>et</strong> al., 1993 ; Ward, 1998).Plus récemment, <strong>de</strong>s étu<strong>de</strong>s ten<strong>de</strong>nt à améliorer ces prédictions par la modélisation en utilisant <strong>de</strong>smodèles <strong>de</strong> circulation atmosphérique forcés par <strong>de</strong>s observations <strong>de</strong> températures <strong>de</strong> surface <strong>de</strong> lamer ou couplés à <strong>de</strong>s modèles <strong>de</strong> circulation océanique (Palmer <strong>et</strong> al., 2004). Les résultats obtenusrestent peu précis ce qui suggère que seule une partie <strong>de</strong> la variabilité <strong>de</strong>s précipitations sur l’Afrique<strong>de</strong> l’Ouest peut être expliquée par les anomalies <strong>de</strong> température <strong>de</strong> surface <strong>de</strong> la mer (Rowell, 1998).Ainsi <strong>de</strong>s étu<strong>de</strong>s se concentrent sur les autres eff<strong>et</strong>s potentiels pouvant améliorer la prédiction<strong>de</strong>s précipitations. Des étu<strong>de</strong>s montrent l’importance du rôle joué par la végétation sur la dynamique<strong>de</strong> la mousson africaine (Monteny <strong>et</strong> al., 1997 ; Clark <strong>et</strong> al., 2004 ; Taylor <strong>et</strong> al., 2005 ; Taylor <strong>et</strong> al.,2006). L’étu<strong>de</strong> <strong>de</strong> sensibilité <strong>de</strong> Charney <strong>et</strong> al. (1977) m<strong>et</strong> en avant l’influence <strong>de</strong> la végétation, autravers d’un changement d’albédo <strong>de</strong> surface, sur les précipitations. D’autres étu<strong>de</strong>s ont montré l’importance<strong>de</strong> l’humidité <strong>de</strong>s sols. Par exemple Philippon <strong>et</strong> Fontaine (2002) ont proposé un mécanisme<strong>de</strong> régulation <strong>de</strong> la mousson par l’humidité du sol, dans lequel les précipitations sur le Golfe <strong>de</strong> Guinéeentre septembre <strong>et</strong> novembre peuvent influencer les précipitations entre juill<strong>et</strong> <strong>et</strong> septembre <strong>de</strong> l’annéesuivante au Sahel. A une échelle plus locale, Taylor <strong>et</strong> al. (2007a,b) ont montré, par l’observationaéroportée <strong>et</strong> la télédétection spatiale, comment le flux d’évaporation induit par une pluie récente peutinfluencer la circulation atmosphérique à méso-échelle au Sahel.La mousson africaine est donc un phénomène complexe, résultat d’un système couplé océan-terreatmosphèreà toutes les échelles. Bien que la variabilité interannuelle <strong>et</strong> interdécennale soit relativementbien documentée (Nicholson, 1981 ; Lamb, 1983 ; Le Barbé <strong>et</strong> al., 2002), on n’est toujours pasen mesure <strong>de</strong> prédire la qualité <strong>de</strong> la mousson en terme <strong>de</strong> précipitation <strong>et</strong> ainsi d’estimer à l’avanceles conséquences au niveau du développement <strong>de</strong> la région sahélienne, notamment en ce qui concernela dégradation <strong>de</strong>s terres, la sécurité alimentaire <strong>et</strong> sanitaire ou encore la disponibilité <strong>de</strong> la ressourceen eau.
8 Contexte <strong>de</strong> l’étu<strong>de</strong>1.1.2 Les grands écosystèmes naturels d’Afrique <strong>de</strong> l’OuestIl existe en Afrique <strong>de</strong> l’Ouest une gran<strong>de</strong> diversité végétale, que l’on peut regrouper en <strong>de</strong>uxgrands groupes <strong>de</strong> formations végétales : les formations forestières <strong>et</strong> les formations herbeuses.On distingue parmi les formations forestières :1. la forêt <strong>de</strong>nse humi<strong>de</strong> sempervirente <strong>et</strong> semi-décidue. Elle est habituellement haute, pluri-strate,fermée <strong>et</strong> luxuriante. Actuellement, la forêt <strong>de</strong>nse ouest africaine ne recouvre qu’une faible superficie<strong>et</strong> ce sont majoritairement <strong>de</strong>s formations secondaires. La forêt <strong>de</strong>nse humi<strong>de</strong> sempervirentese trouve essentiellement sous <strong>de</strong>s climats équatoriaux, subéquatoriaux ou tropicaux àsaison sèche peu marquée (2 à 3 mois secs). Quant à la forêt semi-décidue, elle se localise sous<strong>de</strong>s climats à saison sèche plus marquée (4 mois).tel-00277226, version 1 - 5 May 20082. la forêt <strong>de</strong>nse sèche <strong>et</strong> la forêt claire. Elle se situe sous <strong>de</strong>s climats à saison sèche marquée(jusqu’à 6 mois).On distingue également plusieurs types <strong>de</strong> savanes qui se différencient par la <strong>de</strong>nsité <strong>et</strong> la hauteur<strong>de</strong> leur couvert ligneux (savane herbeuse, arbustive, arborée). On trouve la savane sous climat tropicalà saison sèche marquée (5 à 9 mois) avec <strong>de</strong>s précipitations qui varient <strong>de</strong> 500 à 800 mm, mais aussisous climat plus humi<strong>de</strong> (précipitation <strong>de</strong> 800 à 1500 mm <strong>et</strong> saison sèche <strong>de</strong> 5 à 7 mois) dans l’aire<strong>de</strong>s forêts claires. La savane est un écosystème complexe, une <strong>de</strong>scription plus détaillée sera donnéepar la suite.L’incursion du flux <strong>de</strong> mousson sur le continent du Sud vers le Nord, <strong>et</strong> la répartition <strong>de</strong>s précipitationsqui est associée, induit naturellement une répartition latitudinale <strong>de</strong> la végétation. Les forêts <strong>de</strong>nsessont étalées le long <strong>de</strong> la côte Sud du continent, puis progressivement vers le Nord la végétation<strong>de</strong>vient plus éparse, jusqu’à disparaître presque totalement dans la ban<strong>de</strong> désertique du Sahara.1.2 Le programme AMMA (Analyse Multidisciplinaire <strong>de</strong> la MoussonAfricaine)Entre les années 50 <strong>et</strong> 70, le régime pluviométrique du Sahel a connu une légère augmentationavant <strong>de</strong> se dégra<strong>de</strong>r (Le Barbé <strong>et</strong> al., 2002 ; Chase <strong>et</strong> al. 2003) conduisant parfois à <strong>de</strong> longuespério<strong>de</strong>s <strong>de</strong> sécheresse dans les années 70 <strong>et</strong> 80 aux conséquences dramatiques. Un premier programmeinternational, Hapex-Sahel (Goutorbe <strong>et</strong> al., 1997), est né <strong>de</strong> c<strong>et</strong>te constatation afin <strong>de</strong> mieuxcomprendre les processus responsables <strong>de</strong> c<strong>et</strong>te pério<strong>de</strong> <strong>de</strong> sécheresse. Ce programme s’est focalisésur une sous-zone <strong>de</strong> la ban<strong>de</strong> sahélienne au Niger afin <strong>de</strong> suivre <strong>et</strong> comprendre le fonctionnementclimatique <strong>de</strong> c<strong>et</strong>te région. C<strong>et</strong>te expérience s’est donc focalisée sur le <strong>de</strong>gré-carré <strong>de</strong> Niamey <strong>et</strong> acomporté une pério<strong>de</strong> <strong>de</strong> mesures intensives entre le 15 août <strong>et</strong> le 9 octobre 1992. L’accent a été missur l’étu<strong>de</strong> <strong>de</strong> l’influence <strong>de</strong>s processus <strong>de</strong> surface sur le régime <strong>de</strong>s pluies. Le programme AMMAfait suite à Hapex-Sahel.
1.2 Le programme AMMA (Analyse Multidisciplinaire <strong>de</strong> la Mousson Africaine) 91.2.1 Les objectifs du programme AMMAtel-00277226, version 1 - 5 May 2008Le proj<strong>et</strong> AMMA (Analyses Multidisciplinaires <strong>de</strong> la Mousson Africaine) est un proj<strong>et</strong> internationaldont l’objectif est d’améliorer notre connaissance <strong>et</strong> notre compréhension <strong>de</strong> la Mousson <strong>de</strong>l’Afrique <strong>de</strong> l’Ouest <strong>et</strong> <strong>de</strong> sa variabilité <strong>de</strong> l’échelle journalière à l’échelle interannuelle <strong>et</strong>, au-<strong>de</strong>là, auxéchelles décennales. Il a pour objectif central d’améliorer les prévisions en matière <strong>de</strong> pluviométrie, <strong>de</strong>cycle hydrologique <strong>et</strong> <strong>de</strong> transports <strong>de</strong> poussière. Ces éléments sont notamment indispensables pourai<strong>de</strong>r les populations africaines <strong>et</strong> tout particulièrement celles du Sahel à gérer les impacts associés àune forte variabilité climatique dans un contexte <strong>de</strong> pression démographique croissante : dégradation<strong>de</strong>s sols, baisse <strong>de</strong>s ren<strong>de</strong>ments agricoles, raréfaction <strong>de</strong>s ressources en eau, résurgence ou renforcement<strong>de</strong> certaines endémies <strong>et</strong> épidémies.Les domaines <strong>de</strong>s ressources en eau, <strong>de</strong> l’agronomie, <strong>de</strong> la santé publique <strong>et</strong> <strong>de</strong> la socio-économiesont ainsi au centre <strong>de</strong>s enjeux <strong>de</strong> ce programme qui mobilise climatologues, hydrologues, agronomes,biologistes, mé<strong>de</strong>cins mais aussi acteurs locaux. L’objectif principal vise à une meilleurereprésentation du cycle <strong>de</strong> l’eau <strong>de</strong> l’échelle locale à l’échelle régionale afin <strong>de</strong> proposer <strong>de</strong>s stratégiesd’aménagement d’infrastructures, <strong>de</strong> mesurer <strong>et</strong> <strong>de</strong> prévoir les impacts <strong>de</strong> la variabilité du climat surles échelles fines pour perm<strong>et</strong>tre une adaptation <strong>de</strong>s cultures <strong>et</strong> <strong>de</strong>s pratiques agricoles <strong>et</strong> <strong>de</strong> cerner lesfacteurs <strong>de</strong> développement du paludisme <strong>et</strong> <strong>de</strong>s épidémies <strong>de</strong> méningite.Par rapport à l’expérience Hapex-Sahel, le programme AMMA a une stratégie d’étu<strong>de</strong> plus intégrative<strong>de</strong>s différentes composantes climatiques <strong>de</strong> l’Afrique <strong>de</strong> l’ouest. Le programme AMMA étudie plusieurséchelles spatio-temporelles <strong>et</strong> les interactions entre échelles.1.2.2 Les outils <strong>et</strong> métho<strong>de</strong>s du programme AMMAPour abor<strong>de</strong>r les multiples échelles qui caractérisent la Mousson Ouest Africaine (MOA), le programmeAMMA s’articule autour <strong>de</strong> 4 échelles spatiales <strong>et</strong> temporelles en interaction :1. Échelle globale : c’est l’échelle à laquelle la mousson africaine occi<strong>de</strong>ntale interagit avec lereste du globe. Les procédés globaux mer-surface-température (comme El Nino) influent sur lavariabilité <strong>de</strong> la MOA, la variabilité saisonnière <strong>et</strong> décadaire est la principale échelle <strong>de</strong> temps.2. Échelle régionale : c’est l’échelle à laquelle les processus <strong>de</strong> la mousson <strong>et</strong> les interactions entreles échelles doivent être considérés <strong>et</strong> où les interactions entre l’atmosphère, le sol <strong>et</strong> l’océanAtlantique tropical (en particulier le Golfe <strong>de</strong> Guinée) ont lieu. Les échelles <strong>de</strong> temps les plusintéressantes sont le cycle <strong>de</strong> variabilité annuelle <strong>et</strong> <strong>de</strong> variabilité saisonnière à interannuelle.3. Méso-échelle : c’est l’échelle <strong>de</strong>s systèmes typiques <strong>de</strong> production <strong>de</strong> précipitations. C<strong>et</strong>teéchelle est essentielle pour comprendre les interactions d’échelles <strong>de</strong> la MOA (par exemplepar les interactions <strong>de</strong>s on<strong>de</strong>s d’est synoptiques avec le j<strong>et</strong> d’est africain) <strong>et</strong> le couplage entrehydrologie <strong>et</strong> atmosphère à l’échelle <strong>de</strong>s bassins versants.
10 Contexte <strong>de</strong> l’étu<strong>de</strong>4. Échelle locale ou échelle sub-meso : d’un point <strong>de</strong> vue atmosphérique, c’est l’échelle <strong>de</strong> lapluie convective, elle est centrale à l’hydrologie du Sahel <strong>et</strong> aux cours d’eau plus au Sud. C’estl’échelle centrale pour l’agriculture <strong>et</strong> les étu<strong>de</strong>s consacrées aux impacts sur les activités humainesen général.tel-00277226, version 1 - 5 May 2008Le programme AMMA m<strong>et</strong> l’accent sur une approche pluridisciplinaire <strong>et</strong> intégrée <strong>de</strong>s problèmes.Une stratégie d’observation est dédiée à documenter les processus clefs modulant la dynamique <strong>de</strong> lamousson africaine <strong>et</strong> une attention particulière est portée sur les rétroactions. Des actions <strong>de</strong> recherchespécifiques sont mises en place à travers une approche intégrée s’appuyant sur les analyses diagnostiques<strong>et</strong> la modélisation <strong>de</strong> ces interactions aux différentes échelles.La stratégie d’observation repose sur plusieurs échelles <strong>de</strong> temps <strong>et</strong> d’espace, allant <strong>de</strong> l’observationlocale (stations météorologiques, radio-sondages, mesures <strong>de</strong> biomasse, ...) à l’observationrégionale <strong>et</strong> globale (mesures aéroportées, observations spatiales, ...). Certains instruments ont vocationà rester en place, afin <strong>de</strong> perm<strong>et</strong>tre le suivi à long terme <strong>de</strong> certains phénomènes. D’autres mesuressont spécifiques aux différentes campagnes <strong>de</strong> mesures intensives.Temporellement, trois pério<strong>de</strong>s sont définies en fonction <strong>de</strong> la <strong>de</strong>nsité <strong>de</strong>s observations effectuées.L’ensemble <strong>de</strong> ces pério<strong>de</strong>s s’étend sur une durée totale <strong>de</strong> 10 ans (2001-2010). Ces pério<strong>de</strong>s sont :LOP (Long Observation Periods), EOP (Enhanced Observation Periods) <strong>et</strong> SOP (Specific ObservationPeriods). La LOP englobe toute la durée <strong>de</strong> l’expérience AMMA (2001-2010), <strong>et</strong> les quatre premièresannées ont permis <strong>de</strong> m<strong>et</strong>tre en place la stratégie d’observation ainsi que les protocoles <strong>de</strong>s mesures<strong>de</strong> terrain. Ensuite l’EOP a débuté en 2005 (2005-2007) dans laquelle les SOPs <strong>de</strong> 2006 sont incluses.La <strong>de</strong>rnière phase (2007-2010) sera consacrée à l’analyse <strong>de</strong>s résultats obtenus.Plusieurs fenêtres d’étu<strong>de</strong> ont été choisies. En particulier, trois sites d’étu<strong>de</strong> <strong>de</strong>s processus à fineéchelle ont été sélectionnés, il s’agit <strong>de</strong> la région <strong>de</strong> Niamey au Niger, du Gourma malien <strong>et</strong> <strong>de</strong> larégion <strong>de</strong> l’Ouémé au Bénin. L’instrumentation mise en place sur le site <strong>de</strong> Niamey fait l’obj<strong>et</strong> d’unparagraphe spécifique, cf 1.3.6.1.3 Site d’étu<strong>de</strong> privilégié : le super-site <strong>de</strong> WankamaLe site d’étu<strong>de</strong> est situé dans le Sud Ouest du Niger, proche du centre du <strong>de</strong>gré carré <strong>de</strong> Niamey(2-3°E, 13-14°N), il correspond au super site d’instrumentation du programme AMMA. Ce supersite est situé au coeur <strong>de</strong> la dépression piézométrique du Kori <strong>de</strong> Dantiandou (rivière fossile) à unesoixantaine <strong>de</strong> kilomètres à l’est <strong>de</strong> Niamey, il a une superficie <strong>de</strong> 1760 km 2 .1.3.1 Le climatLe climat est conditionné par le régime <strong>de</strong> mousson. Les pluies sont concentrées en une seulesaison entre mai-juin <strong>et</strong> septembre-octobre (voir figure 1.3). A Niamey, la moyenne annuelle <strong>de</strong>sprécipitations entre 1905 <strong>et</strong> 1989 est <strong>de</strong> 562 mm (Le Barbé and Lebel, 1997), elle présente une très
1.3 Site d’étu<strong>de</strong> privilégié : le super-site <strong>de</strong> Wankama 11tel-00277226, version 1 - 5 May 2008FIG. 1.2 – Carte du super site AMMA/Niger (source : AMMA-TT4 implementation plan)forte variabilité interannuelle <strong>et</strong> interdécennale : Lebel <strong>et</strong> al. (1997) ont montré que la moyenne <strong>de</strong>spluies cumulées annuelles est passée <strong>de</strong> 645 mm, pour la pério<strong>de</strong> 1940-1967, à 495 mm pour la pério<strong>de</strong>1968-1990.La plus gran<strong>de</strong> partie <strong>de</strong> la pluie annuelle est produite par seulement 10 à 15 événements d’unedurée <strong>de</strong> quelques heures. Typiquement l’intensité <strong>de</strong> la pluie varie au cours d’un événement, très fortependant la première <strong>de</strong>mi-heure, elle décroit jusqu’à la fin (Peugeot <strong>et</strong> al., 2003). De plus le caractèr<strong>et</strong>rès épars <strong>de</strong>s systèmes précipitants mis en évi<strong>de</strong>nce par Lebel <strong>et</strong> Le Barbé (1997) est responsable <strong>de</strong>forts gradients spatiaux. Par exemple en 1990 lors <strong>de</strong> l’expérience Hapex-Sahel, <strong>de</strong>s gradients pouvantatteindre 150 mm sur 6 km ont été enregistrés (Lebel <strong>et</strong> al. 1997).La température moyenne annuelle est <strong>de</strong> 29°C (voir figure 1.3), mais les moyennes mensuellessont peu contrastées (24°C en janvier <strong>et</strong> 34°C en avril). A partir <strong>de</strong> fin novembre débute une saisonfraîche <strong>et</strong> peu humi<strong>de</strong> durant laquelle la température peut <strong>de</strong>scendre au <strong>de</strong>ssous <strong>de</strong> 10 °C la nuit. Puis<strong>de</strong> mars à fin mai commence une saison très chau<strong>de</strong> <strong>et</strong> très sèche où l’on enregistre couramment <strong>de</strong>stempératures supérieures à 45 °C.
12 Contexte <strong>de</strong> l’étu<strong>de</strong>20040Pluie totale (mm)150100500janvierfévriermarsavrilmaijuinjuill<strong>et</strong>aoûtseptembreoctobrenovembredécembreFIG. 1.3 – Pluies <strong>et</strong> température moyennes enregistrées à Niamey entre 1905 <strong>et</strong> 1990 (Source :http ://www.worldclimate.com/)3020100Température moyenne (°C)tel-00277226, version 1 - 5 May 2008Les vents ont une direction dominante <strong>de</strong> secteur Ouest-Sud-Ouest <strong>et</strong> une vitesse moyenne annuellefaible (1.7 m.s −1 ). Seul le passage <strong>de</strong> lignes <strong>de</strong> grains génère <strong>de</strong>s rafales importantes pouvantatteindre 19.5 m.s −1 .1.3.2 Géomorphologie <strong>et</strong> pédologieLa zone d’étu<strong>de</strong> est située en bordure Ouest du vaste bassin <strong>de</strong>s Iullemme<strong>de</strong>n, dans le continentalterminal (dépôts sédimentaires d’âge tertiaire à anté-quaternaire : cf thèse <strong>de</strong> S. Massuel, 2005).Dans la partie Ouest du bassin <strong>de</strong>s Iullemme<strong>de</strong>n, le climat <strong>et</strong> les formations géologiques ontconduit à la formation <strong>de</strong> nombreux plateaux latéritiques entrecoupés <strong>de</strong> vallées fossiles sableusesau fond <strong>de</strong>squelles serpentent <strong>de</strong>s lits <strong>de</strong> rivières asséchées (koris). La monotonie du paysage est caractériséepar <strong>de</strong>s dénivelés très faibles entre les plateaux <strong>et</strong> les fonds <strong>de</strong> vallées, en général inférieursà 60 m, <strong>et</strong> <strong>de</strong>s pentes comprises entre 0.3 <strong>et</strong> 0.8%.Les plateaux sont formés <strong>de</strong> cuirasses ferrugineuses, parfois partiellement recouvertes d’un manteausableux. Des talus plus ou moins abrupts forment une zone <strong>de</strong> transition entre les versants sableux<strong>et</strong> les plateaux. Les hauts <strong>de</strong> versants (glacis) sont composés <strong>de</strong> sols ferrugineux peu lessivés essentiellementsableux, la cuirasse sous-jacente peut parfois affleurer. Enfin les fonds <strong>de</strong> vallées présentent<strong>de</strong>s sols plus riches en matière organique <strong>et</strong> à certains endroits plus riches en argile grâce au stockagerécurrent d’eau en surface.Dans les bas fonds, les sols essentiellement sableux ou argilo-limoneux, ont une forte tendanceà l’encroûtement. La formation d’une croûte superficielle limite l’infiltration favorisant ainsi l’apparition<strong>de</strong> mares plus ou moins temporaires. D’autre part, une gran<strong>de</strong> partie du ruissellement <strong>de</strong>splateaux canalisé par <strong>de</strong> nombreuses ravines sur les talus, est infiltrée dans <strong>de</strong>s zones d’épandage surles versants <strong>de</strong> plateaux.La nappe phréatique du Continental Terminal est située à une profon<strong>de</strong>ur <strong>de</strong> 10 à 40 m sous lesvallées sableuses. Elle affleure parfois, formant ainsi quelques mares permanentes autour <strong>de</strong>squelles
1.3 Site d’étu<strong>de</strong> privilégié : le super-site <strong>de</strong> Wankama 13tel-00277226, version 1 - 5 May 2008FIG. 1.4 – Toposéquence représentative du paysage du super-site (d’après Desconn<strong>et</strong>s <strong>et</strong> al., 1995)se développent les villages les plus importants <strong>de</strong> la zone (Banizoumbou <strong>et</strong> Wankama par exemple).1.3.3 Quelques éléments du cycle <strong>de</strong> l’eauLe fonctionnement hydrologique <strong>de</strong> c<strong>et</strong>te région est très particulier, plusieurs phénomènes entrenten considération tant du point <strong>de</strong> vue climatique que pédologique <strong>et</strong> géologique.L’intensité <strong>et</strong> la brièv<strong>et</strong>é <strong>de</strong>s pluies dans le Sahel conduisent à la formation très rapi<strong>de</strong> <strong>de</strong> ruissellementqui se concentre dans les bas fonds <strong>de</strong> vallée pour former <strong>de</strong>s mares. Un chapel<strong>et</strong> <strong>de</strong> mares estainsi formé dans l’ancien lit <strong>de</strong> la rivière obstrué par endroits par les apports éoliens <strong>et</strong> <strong>de</strong>s ruissellementssuccessifs (Massuel, 2005). Le ruissellement est suj<strong>et</strong> à <strong>de</strong>ux facteurs principaux antagonistes.D’une part, le ruissellement est sensible à la présence d’une croûte <strong>de</strong> battance à la surface, résultat<strong>de</strong> l’apport <strong>de</strong> particules fines en suspension dans l’eau qui vont se déposer <strong>et</strong> durcir. C<strong>et</strong>te croûteconstitue un environnement favorable au ruissellement lors <strong>de</strong> la pluie suivante. D’autre part, sur lesversants, il existe <strong>de</strong>s ensablements plus ou moins épais qui vont perm<strong>et</strong>tre à l’eau ruisselant <strong>de</strong>splateaux <strong>de</strong> s’infiltrer. Ces <strong>de</strong>ux facteurs jouent un rôle très localement.La plupart <strong>de</strong>s mares sont temporaires, seules certaines mares <strong>de</strong>s bas fonds sont permanentes.Une gran<strong>de</strong> partie <strong>de</strong> la recharge <strong>de</strong> l’aquifère sous-jacent se fait par l’intermédiaire <strong>de</strong>s mares (Desconn<strong>et</strong>s<strong>et</strong> al., 1997). Au cours d’un événement pluvieux, une infiltration massive vers la nappe a étémise en évi<strong>de</strong>nce <strong>et</strong> décrite à partir <strong>de</strong>s fluctuations saisonnières <strong>de</strong> la piézométrie mesurées près <strong>de</strong>smares (Leduc <strong>et</strong> al., 1997). Certaines mares, colmatées par un dépôt <strong>de</strong> particules fines (argiles), vontinfiltrer très lentement. D’autres mares non colmatées vont stocker l’eau pendant une durée allant <strong>de</strong>
14 Contexte <strong>de</strong> l’étu<strong>de</strong>quelques heures à quelques jours. A l’échelle d’un p<strong>et</strong>it bassin versant, seulement 8 à 12% <strong>de</strong>s pluiesannuelles sont transférées vers les mares par ruissellement <strong>de</strong> surface, le reste est évapotranspiré versl’atmosphère (Derive, 2003).1.3.4 La végétation <strong>et</strong> l’occupation <strong>de</strong>s solsOn distingue quatre grands types d’écosystèmes sur la zone étudiée : la brousse tigrée, la savane,la jachère <strong>et</strong> les cultures.tel-00277226, version 1 - 5 May 2008La brousse tigrée : C’est un écosystème très particulier que l’on r<strong>et</strong>rouve sur la majorité <strong>de</strong>s plateauxcuirassés présentant une légère pente. De faibles ban<strong>de</strong>s <strong>de</strong> végétation <strong>de</strong>nse collectent lesécoulements générés par une large ban<strong>de</strong> <strong>de</strong> sol nu en amont (Galle <strong>et</strong> al., 1999 ; Valentin <strong>et</strong> al.,1999). Ce système est typique <strong>de</strong>s sols peu perméables à très faible pente en milieu semi-ari<strong>de</strong>. Lavégétation se compose <strong>de</strong> ligneux hauts (1 à 2%), <strong>de</strong> ligneux bas tel que Guiera Senegalensis (30 à90%) <strong>et</strong> d’une strate d’herbacées.La savane : Les versants sableux sont colonisés par <strong>de</strong> la savane herbeuse ou arbustive naturellequi se caractérise par une très gran<strong>de</strong> hétérogénéité spatiale à p<strong>et</strong>ite échelle. Des zones <strong>de</strong> sol nu s’intercalentavec <strong>de</strong>s zones présentant une strate herbacée plus ou moins continue <strong>et</strong> une strate ligneusebasse discontinue.Jachère : Les friches <strong>et</strong> jachères se répartissent sur les versants sableux. Les plus <strong>de</strong>nses se trouventdans les talwegs, les plus éparses, sur les hauts versants. Approximativement les friches <strong>et</strong> jachèresse composent <strong>de</strong> 5 à 30% <strong>de</strong> ligneux bas (dominé par Guiera Senegalensis), 0 à 90% d’herbacéesannuelles <strong>et</strong> une part variable <strong>de</strong> sol nu. On distingue la jeune jachère (moins <strong>de</strong> 3 ans) qui présenteune couche arbustive très éparse, <strong>de</strong> la jachère vieille (plus <strong>de</strong> 3 ans) plus <strong>de</strong>nse <strong>et</strong> dont les ligneuxsont plus hauts.Les cultures : Elles sont omniprésentes dans les fonds <strong>de</strong> vallées <strong>et</strong> sur les bas <strong>de</strong> versants. Lesparcelles sont généralement <strong>de</strong> p<strong>et</strong>ite taille (100 à 200 m). Les <strong>de</strong>ux espèces les plus répandues sontle mil (Pennis<strong>et</strong>um glaucum) <strong>et</strong> le sorgho (Sorghum bicolor).1.3.5 L’homme <strong>et</strong> son milieuSelon le troisième Recensement Général <strong>de</strong> la Population <strong>et</strong> <strong>de</strong> l’Habitat (RGPH), la populationdu Niger est estimée en 2001 à plus <strong>de</strong> 10 millions d’habitants, <strong>et</strong> la croissance démographique à 3.1%par an. Elle est très inégalement répartie sur le territoire : très <strong>de</strong>nse au Sud-Ouest <strong>et</strong> au Sud. Elle estbeaucoup plus disséminée dans le reste du pays <strong>et</strong> est essentiellement rurale.
1.3 Site d’étu<strong>de</strong> privilégié : le super-site <strong>de</strong> Wankama 15tel-00277226, version 1 - 5 May 2008Sur la zone d’étu<strong>de</strong>, plusieurs villages sont recensés, les plus importants sont Banizoumbou, Wankama<strong>et</strong> Tondi Kiboro. La population y vit <strong>de</strong> l’agriculture <strong>et</strong> <strong>de</strong> l’élevage. Du fait <strong>de</strong> l’absenced’écoulements pérennes, la seule ressource en eau est constituée par la nappe phréatique.Le mo<strong>de</strong> <strong>de</strong> culture est traditionnel, manuel <strong>et</strong> sans fertilisants synthétiques. De plus la pauvr<strong>et</strong>é<strong>de</strong>s sols conduit à <strong>de</strong>s ren<strong>de</strong>ments faibles. La ressource énergétique domestique est exclusivement lebois dont l’approvisionnement vient <strong>de</strong> la savane arborée alentour. Tous ces facteurs obligent les populationslocales, en pleine croissance, à exploiter <strong>de</strong> vastes surfaces agricoles, <strong>et</strong> à détruire la savane (enparticulier les arbres) afin <strong>de</strong> survivre. La proportion <strong>de</strong>s terres cultivées sur un secteur représentatif<strong>de</strong> 25 km 2 autour <strong>de</strong> Banizoumbou a été évalué à près <strong>de</strong> 30% du total <strong>de</strong>s terres cultivables en 1950<strong>et</strong> 95% en 1992 (Loireau, 1992). De plus le mo<strong>de</strong> <strong>de</strong> fonctionnement a également subi <strong>de</strong> grandschangements, la proportion <strong>de</strong>s jachères a été divisée par <strong>de</strong>ux entre 1950 <strong>et</strong> 1992 <strong>de</strong> même que ladurée moyenne <strong>de</strong>s jachères qui est passée dans le même temps <strong>de</strong> 15-20 ans à 3-4 ans. L’étu<strong>de</strong> menéepar Massuel (2005) sur une zone <strong>de</strong> 4.5 km 2 fait état <strong>de</strong>s mêmes constations. Il s’en suit que les solss’appauvrissent conduisant à <strong>de</strong>s ren<strong>de</strong>ments encore plus faibles (Valentin <strong>et</strong> al., 1999).Au <strong>de</strong>là <strong>de</strong>s grands changements climatiques que connaît la région (sécheresse prolongée <strong>de</strong>sannées 80), résultats supposés <strong>de</strong> changements à l’échelle globale, la pression anthropique est elleaussi très importante sur le milieu naturel à l’échelle régionale : déforestation <strong>et</strong> mise en culture <strong>de</strong>terres pour subvenir aux besoins d’une population en pleine croissance.1.3.6 Instrumentation du super site <strong>et</strong> mesures dans le cadre du programme AMMALe Sud-Ouest du Niger est un environnement sahélien typique, il a déjà fait l’obj<strong>et</strong> d’un grandnombre d’étu<strong>de</strong>s agro-climatiques durant l’expérience Hapex-Sahel en 1991-1992 (Goutorbe <strong>et</strong> al.,1994).Le réseau <strong>de</strong> pluviomètres EPSAT installé pendant la campagne Hapex-Sahel pour effectuer unsuivi à long terme, a été complété par l’IRD (Institut <strong>de</strong> Recherche pour le Développement). A l’heureactuelle, une trentaine <strong>de</strong> pluviomètres répartis sur le super-site fonctionnent en continu. Ils fournissentun cumul pluviométrique toutes les cinq minutes. Ce réseau est maintenu par Luc Descroix <strong>de</strong>l’IRD <strong>de</strong> Niamey.Deux sites <strong>de</strong> mesures intensives ont été choisis <strong>et</strong> instrumentés dans le cadre du programmeAMMA, le premier se trouve dans un champ <strong>de</strong> mil, l’autre dans une jachère. L’instrumentation <strong>de</strong>ces <strong>de</strong>ux sites perm<strong>et</strong> <strong>de</strong> mesurer l’ensemble <strong>de</strong>s variables nécessaires au forçage <strong>et</strong> à la validation <strong>de</strong>smodèles SVAT, elle se compose <strong>de</strong> :1. Une station <strong>de</strong> mesure <strong>de</strong> flux qui comprend :– un anémomètre sonique (CSAT) tridimentionnel fixé à une hauteur <strong>de</strong> 5.1m (mil) <strong>et</strong> 4.95m(jachère)
16 Contexte <strong>de</strong> l’étu<strong>de</strong>– un analyseur <strong>de</strong> gaz CO2/H2O (Li-Cor 7500) fixé à une hauteur <strong>de</strong> 5.1m (mil) <strong>et</strong> 4.95m(jachère)– un pyranomètre (Kipp&Zonen) fixé à une hauteur <strong>de</strong> 2.5m (mil) <strong>et</strong> 3.4m (jachère)– une son<strong>de</strong> <strong>de</strong> température <strong>et</strong> d’humidité relative <strong>de</strong> l’air (HMP45C-003) placée dans un abrisans appel d’air (URS1) fixé à une hauteur <strong>de</strong> 2m– trois capteurs <strong>de</strong> flux thermiques dans le sol (Hukseflux) sont disposés autour <strong>de</strong> la tour <strong>et</strong>enfouis à une profon<strong>de</strong>ur <strong>de</strong> 5 à 10cm– un pluviomètre Rimcotel-00277226, version 1 - 5 May 20082. Une fosse humidimétrique équipée <strong>de</strong> :– six son<strong>de</strong>s réflectométriques <strong>de</strong> mesure <strong>de</strong> l’humidité volumique <strong>de</strong>s sols (CS 616-020) placéesà <strong>de</strong>s profon<strong>de</strong>urs <strong>de</strong> -10, -50, -100, -150, -200 <strong>et</strong> -250 cm– six thermistances (108-010) qui mesurent la température à <strong>de</strong>s profon<strong>de</strong>urs <strong>de</strong> -10, -50, -100,-150, -200 <strong>et</strong> -250 cmTous ces instruments sont reliés à une centrale d’acquisition <strong>de</strong> données Campbell Sci. (CR5000)qui est alimentée par <strong>de</strong>s panneaux solaires, une série <strong>de</strong> batteries <strong>et</strong> un régulateur. Des données ontété acquises avec un pas <strong>de</strong> temps régulier <strong>de</strong> 30 min (tout les 5 mm pour les données <strong>de</strong> pluie) à partirdu 15 juin 2005 (Ramier <strong>et</strong> al. 2007).Parallèlement, <strong>de</strong>s étu<strong>de</strong>s <strong>de</strong> suivi <strong>de</strong> la végétation ont été faites durant la saison <strong>de</strong>s pluies 2005<strong>et</strong> 2006 sur plusieurs sites spécifiques. Plus particulièrement, sur le bassin <strong>de</strong> Wankama, NicolasBoulain <strong>et</strong> Fré<strong>de</strong>ric Bar<strong>et</strong> (HydroSciences Montpellier) ont fait <strong>de</strong>s mesures en continu sur <strong>de</strong>s sitesreprésentatifs <strong>de</strong>s différents écosystèmes rencontrés dans la région. Ces mesures concernent la <strong>de</strong>nsité,la hauteur, la phénologie, le LAI (Leaf Area In<strong>de</strong>x), les paramètres photosynthétiques <strong>et</strong> la <strong>de</strong>nsitéracinaire sur un champ <strong>de</strong> mil <strong>et</strong> sur une jachère.Le super-site AMMA/Niger est fortement instrumenté <strong>et</strong> a déjà fait l’obj<strong>et</strong> <strong>de</strong> nombreuses étu<strong>de</strong>s.Par ailleurs sa situation géographique est favorable à l’acquisition d’images dans les longueurs d’on<strong>de</strong>visible <strong>et</strong> infrarouge puisque la nébulosité est faible. Ainsi c<strong>et</strong>te zone semi-ari<strong>de</strong> est un site expérimentalidéal pour mener <strong>de</strong>s étu<strong>de</strong>s <strong>de</strong> modélisation/télédétection.
tel-00277226, version 1 - 5 May 2008Première partieLe Modèle SEtHyS Savannah
tel-00277226, version 1 - 5 May 2008
Introductiontel-00277226, version 1 - 5 May 2008La modélisation <strong>de</strong>s échanges d’énergie à l’interface sol/végétation/atmosphère est un problèmecomplexe qui fait appel à plusieurs domaines <strong>de</strong> la physique : thermodynamique, mécanique <strong>de</strong>sflui<strong>de</strong>s ou encore électromagnétisme. La plupart <strong>de</strong>s phénomènes, dans les modèles TSVA (TransfertSol Végétation Atmosphère), sont représentés <strong>de</strong> manière simplifiée. En eff<strong>et</strong>, on fait en général appelà <strong>de</strong>s formalismes qui ne s’appliquent que dans <strong>de</strong>s cas bien déterminés.Les régions semi-ari<strong>de</strong>s, telles que le Sahel, sont <strong>de</strong>s régions difficiles à modéliser, elles nécessitentl’utilisation <strong>de</strong> paramétrisations adaptées. Plusieurs étu<strong>de</strong>s <strong>de</strong> modélisation <strong>et</strong> d’analyse <strong>de</strong> mesuresont été menées dans le cadre <strong>de</strong> l’expérience Hapex-Sahel sur l’estimation <strong>de</strong>s flux <strong>de</strong> surface <strong>et</strong>en particulier <strong>de</strong> l’évapotranspiration. Une synthèse sur l’estimation <strong>de</strong> l’évapotranspiration en zonesahélienne a été faite par Derive (2003). Elle m<strong>et</strong> en évi<strong>de</strong>nce les caractéristiques principales <strong>de</strong>la répartition <strong>de</strong>s pluies en ruissellement <strong>et</strong> évapotranspiration : à l’échelle annuelle, plus <strong>de</strong> 80%<strong>de</strong>s pluies sont évapotranspirés. L’évaporation du sol semble être le terme dominant du bilan d’eauimmédiatement après une pluie, puis la transpiration <strong>de</strong> la végétation prend le relais.Nous avons donc choisi <strong>de</strong> développer un modèle capable <strong>de</strong> simuler au mieux les termes du biland’énergie <strong>et</strong> du bilan hydrique <strong>et</strong> en particulier l’évapotranspiration - terme clef pour le forçage <strong>de</strong>smodèles <strong>de</strong> circulation atmosphérique - en région semi-ari<strong>de</strong>. Nous nous sommes pour cela basés surle modèle d’interface SEtHyS (Suivi <strong>de</strong>s États Hydriques <strong>de</strong>s Sols) développé <strong>de</strong>puis plusieurs annéesau CETP. Ce modèle est adapté aux couverts agricoles homogènes <strong>de</strong>s moyennes latitu<strong>de</strong>s, il est restésimple (peu coûteux en temps <strong>de</strong> calcul) afin <strong>de</strong> pouvoir être couplé avec <strong>de</strong>s données <strong>de</strong> télédétection<strong>et</strong> éventuellement perm<strong>et</strong>tre le développement <strong>de</strong> métho<strong>de</strong>s d’assimilation. Les principaux processusessentiels au suivi du bilan hydrique (transfert d’eau dans le sol <strong>et</strong> évapotranspiration) <strong>de</strong> la surface ysont représentés.Le modèle SEtHyS a fait l’obj<strong>et</strong> <strong>de</strong> nombreuses modifications afin <strong>de</strong> pouvoir simuler les paysagestrès hétérogènes du Sahel. En particulier, au niveau <strong>de</strong> l’eau dans le sol, plusieurs modificationss’imposaient. En eff<strong>et</strong>, les sols sahéliens sont en majorité composés <strong>de</strong> sables <strong>et</strong> les phénomènes d’infiltration/ruissellementsont très dépendants <strong>de</strong> l’intensité <strong>de</strong>s pluies.Le modèle SEtHyS (dans sa version originale) est un modèle qui perm<strong>et</strong> <strong>de</strong> simuler <strong>de</strong>s couvertshomogènes (une strate <strong>de</strong> végétation uniforme). Le sol y est représenté par une couche <strong>de</strong> 10 cmen surface incluse dans une profon<strong>de</strong>ur <strong>de</strong> sol totale. Le phénomène <strong>de</strong> drainage profond n’est pas
20simulé, <strong>et</strong> le ruissellement n’intervient que si la couche superficielle est totalement saturée d’eau.Ce modèle est couplé à un modèle <strong>de</strong> transfert radiatif, qui perm<strong>et</strong> <strong>de</strong> distribuer l’énergie (solaire <strong>et</strong>atmosphérique) inci<strong>de</strong>nte entre la végétation <strong>et</strong> le sol. Ce modèle <strong>de</strong> transfert radiatif prend en compteles interactions multiples entre le sol <strong>et</strong> la végétation.Nous nous attachons, dans c<strong>et</strong>te partie, à décrire le modèle SEtHyS dans sa nouvelle versionadaptée aux couverts <strong>de</strong> savanes <strong>et</strong> appelée par la suite SEtHyS Savannah. Nous présenterons endétail les modifications apportées au niveau <strong>de</strong> la représentation <strong>de</strong>s processus physiques <strong>et</strong> leur validationsur les différents termes <strong>de</strong>s bilans hydriques <strong>et</strong> énergétiques à l’échelle locale. L’impact <strong>de</strong>ces modifications apportées est mis en évi<strong>de</strong>nce <strong>et</strong> critiqué dans un <strong>de</strong>uxième temps.tel-00277226, version 1 - 5 May 2008
Chapitre 2Le modèle SEtHyS Savannah : Échangesd’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>tel-00277226, version 1 - 5 May 2008A la surface terrestre les échanges d’énergie <strong>et</strong> d’eau sont gouvernés en premier lieu par lerayonnement solaire inci<strong>de</strong>nt. La quantité d’énergie ou <strong>de</strong>nsité <strong>de</strong> flux disponible au somm<strong>et</strong> <strong>de</strong> l’atmosphèreest la constante solaire I 0 égale à 1370 W.m 2 . C<strong>et</strong>te énergie rapportée à une moyenne annuelleà toute la surface du globe correspond à environ 350 W.m 2 au somm<strong>et</strong> <strong>de</strong> l’atmosphère. C<strong>et</strong>te<strong>de</strong>nsité <strong>de</strong> flux inci<strong>de</strong>nt subit, dans l’atmosphère, les phénomènes d’absorption <strong>et</strong> <strong>de</strong> diffusion liés auxmolécules atmosphériques, <strong>et</strong> aux phénomènes <strong>de</strong> réflexion par les nuages. Le rayonnement solaireinci<strong>de</strong>nt est ainsi divisé en rayonnement solaire direct <strong>et</strong> en rayonnement solaire diffus (figure 2.1).Ces <strong>de</strong>ux termes constituent le forçage radiatif courtes longueurs d’on<strong>de</strong> (<strong>de</strong> 0.3 à 3 µm), il est égal à193.5 W.m 2 en moyenne annuelle intégrée spectralement à la surface. A ce terme <strong>de</strong> forçage radiatif,s’ajoute le rayonnement thermique gran<strong>de</strong>s longueurs d’on<strong>de</strong> (entre 3 <strong>et</strong> 100 µm) <strong>de</strong> l’atmosphère.La somme <strong>de</strong> ces <strong>de</strong>ux gran<strong>de</strong>urs est à l’origine <strong>de</strong>s échanges d’énergie <strong>et</strong> d’eau à l’interfacesol-végétation-atmosphère. La résultante du bilan radiatif <strong>de</strong> la surface est appelé rayonnement n<strong>et</strong> <strong>et</strong>représente la quantité d’énergie disponible pour l’ensemble <strong>de</strong> ces processus.Le modèle SEtHyS (Bernard <strong>et</strong> al., 1986 ; Tacon<strong>et</strong> <strong>et</strong> al., 1986 ; BenMehrez <strong>et</strong> al., 1990 ; Ottlé <strong>et</strong>Vidal-Madjar, 1994 ; Cou<strong>de</strong>rt <strong>et</strong> al., 2006) est un modèle TSVA. Il a été développé pour suivre le bilanhydrique <strong>de</strong>s couverts agricoles homogènes. Ce modèle a donc nécessité <strong>de</strong> nombreuses adaptationspour mieux représenter les phénomènes physiques associés aux zones semi-ari<strong>de</strong>s.Ce chapitre décrit les processus d’échanges d’énergie <strong>et</strong> d’eau à la surface en zone semi-ari<strong>de</strong>ainsi que les formalismes <strong>de</strong> modélisation choisis.2.1 Bilan d’énergie <strong>et</strong> d’eau à l’interface continentaleLe bilan d’énergie est décrit par le principe <strong>de</strong> conservation d’énergie dans les conditions d’équilibreà l’interface sol-végétation-atmosphère. Il s’écrit usuellement sous la forme :
22 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>tel-00277226, version 1 - 5 May 2008FIG. 2.1 – Schéma du bilan radiatif annuel global courtes longueurs d’on<strong>de</strong> (source : A. Perrier, cours”Cycle <strong>de</strong> l’eau dans la biosphère” du master ”Fonctionnement <strong>de</strong> la biosphère continentale”)R n = H + LE + G + (∆S + P ) (2.1)Le rayonnement n<strong>et</strong> R n est compté positivement lorsqu’il est dirigé vers la surface, les flux <strong>de</strong>chaleur sensible H <strong>et</strong> latente LE sont positifs vers l’atmosphère <strong>et</strong> le flux <strong>de</strong> chaleur dans le sol G estpositif vers le sol. Tout flux est compté positivement lorsqu’il entre dans le système <strong>et</strong> négativementlorsqu’il le quitte. Les termes entre parenthèses sont <strong>de</strong>s termes généralement négligés dans l’expressiondu bilan. Il est admis que le stockage <strong>de</strong> chaleur ∆S au sein du couvert est en moyenne p<strong>et</strong>it<strong>de</strong>vant les autres flux <strong>de</strong> chaleur car la capacité thermique du système couvert végétal-air dans le couvert,est négligeable par rapport à la conductivité thermique du sol. On fait, dans la suite, l’hypothèseque la végétation a une inertie thermique nulle (hypothèse valable en particulier pour les couverts peu<strong>de</strong>nses). P représente le flux associé à la photosynthèse. Ce flux ne dépasse généralement pas 2 à 3 %du rayonnement n<strong>et</strong> (Thom, 1975). Dans la suite, on considère que le bilan d’énergie s’écrit :R n = H + LE + G (2.2)La figure 2.2 illustre ce bilan d’énergie <strong>de</strong> manière simplifiée. H <strong>et</strong> LE sont en fait les contributions<strong>de</strong> la végétation <strong>et</strong> du sol. Rg <strong>et</strong> Ra sont respectivement le rayonnement solaire global <strong>et</strong> lerayonnement atmosphérique inci<strong>de</strong>nt.C<strong>et</strong>te section décrit les équations utilisées pour calculer les <strong>de</strong>nsités <strong>de</strong> flux radiatif, conductif <strong>et</strong>
2.1 Bilan d’énergie <strong>et</strong> d’eau à l’interface continentale 23RgRaHRnLEPStel-00277226, version 1 - 5 May 2008GFIG. 2.2 – Schéma du bilan d’énergie pour une surface agricoleconvectif.2.1.1 Le bilan radiatifLa résolution du bilan radiatif fournit le rayonnement n<strong>et</strong> disponible au niveau <strong>de</strong> l’élémentconsidéré. Le formalisme qui décrit le bilan radiatif se base sur les lois <strong>de</strong> l’électromagnétisme, <strong>et</strong>son expression dépend <strong>de</strong>s caractéristiques <strong>de</strong>s éléments considérés <strong>et</strong> <strong>de</strong> l’atmosphère.Le rayonnement électromagnétiqueLa loi <strong>de</strong> Planck établit, à partir <strong>de</strong>s lois <strong>de</strong> la mécanique quantique, l’intensité du rayonnementémis par un corps noir (corps absorbant tout le rayonnement inci<strong>de</strong>nt quelle que soit sa longueurd’on<strong>de</strong>) à une température <strong>et</strong> une longueur d’on<strong>de</strong> donnée. L’émittance spectrale (puissance rayonnéepar unité <strong>de</strong> surface du corps noir <strong>et</strong> par unité <strong>de</strong> longueur d’on<strong>de</strong>) est donnée en W.m −2 .m −1 par :E CN (λ, T ) =2πhc 2λ [ 5 exp ( ) ] (2.3)hckλT − 1où h est la constante <strong>de</strong> Planck (6,63.10 −34 J.s), c la célérité <strong>de</strong> la lumière (≈ 3.10 8 m.s −1 ), kla constante <strong>de</strong> Boltzmann (1,381.10 −23 J.K −1 ), T la température du corps noir (en K) à l’équilibr<strong>et</strong>hermodynamique <strong>et</strong> λ la longueur d’on<strong>de</strong> (en m) considérée.On déduit <strong>de</strong> l’équation 2.3 la loi <strong>de</strong> Stefan-Boltzmann qui donne l’émittance du corps noir
24 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>intégrée sur l’ensemble du spectre solaire :E CN (T ) =∫+∞0E CN (λ, T ) dλ = σT 4 (2.4)avec σ la constante <strong>de</strong> Stefan-Boltzmann (5,67.10 −8 W.m −2 .K −4 ).Les surfaces naturelles qui nous intéressent ne sont pas <strong>de</strong>s corps noirs bien que l’approximationsoit souvent faite. On définit alors l’efficacité à ém<strong>et</strong>tre un rayonnement électromagnétique par rapportau corps noir par l’émissivité spectrale ε sλ en considérant une surface lambertienne, c’est à dire quiém<strong>et</strong> dans toutes les directions <strong>de</strong> la même façon.E s (λ, T ) = ε sλ E CN (λ, T ) (2.5)tel-00277226, version 1 - 5 May 2008En faisant l’hypothèse que la surface se comporte comme un corps gris, c’est à dire que sonémissivité est proportionnelle à celle du corps noir quelle que soit la longueur d’on<strong>de</strong>, on peut calculerl’intégration spectrale <strong>de</strong> l’équation 2.5 :E s (T ) = ε s σT 4 (2.6)avec ε s l’émissivité <strong>de</strong> la surface.Trois phénomènes physiques interviennent pour décrire l’interaction on<strong>de</strong> matière : la réflexion,l’absorption <strong>et</strong> la transmission, auxquels sont associés respectivement les coefficients <strong>de</strong> réflectivité,d’absorptivité <strong>et</strong> <strong>de</strong> transmittivité dont la somme est égale à 1 selon le principe <strong>de</strong> conservation <strong>de</strong>l’énergie. Les valeurs <strong>de</strong> ces coefficients dépen<strong>de</strong>nt largement <strong>de</strong> la nature du corps <strong>et</strong> <strong>de</strong> la longueurd’on<strong>de</strong> considérée. A l’équilibre thermique, la loi <strong>de</strong> Kirchhoff considère que le coefficient d’absorptivitéest égal à l’émissivité.Pour les gran<strong>de</strong>s longueurs d’on<strong>de</strong>s (supérieures à 10 µm) l’émissivité <strong>de</strong>s surfaces naturelles estproche <strong>de</strong> 1, la réflectivité <strong>et</strong> la transmittivité étant pratiquement nulles (surface opaque). Lorsquel’on considère le domaine solaire, le coefficient <strong>de</strong> réflectivité perm<strong>et</strong>tant <strong>de</strong> calculer le rayonnementréfléchi par la surface à partir du rayonnement global Rg est appelé albédo (α s ) <strong>de</strong> la surface. Il estdéfini comme étant la fraction <strong>de</strong> rayonnement solaire inci<strong>de</strong>nt réfléchie par la surface continentale.L’albédo peut être directionnel s’il est calculé pour un angle solaire donné, on parle dans ce cas <strong>de</strong>”black-sky albedo”, ou hémisphérique s’il est intégré sur toutes les directions d’éclairement, on parledans ce cas <strong>de</strong> ”white-sky albedo”. L’albédo est une gran<strong>de</strong>ur intégrée sur l’ensemble du spectre solaire.Par abus <strong>de</strong> langage, on peut parler d’albédo spectral pour parler d’une réflectance intégrée surun intervalle <strong>de</strong> longueurs d’on<strong>de</strong>. L’albédo est une caractéristique intrinsèque <strong>de</strong> la surface. Dansle cas du sol nu, il est affecté par ses propriétés telles que l’humidité, la rugosité ou la couleur. Unsol naturel possè<strong>de</strong> un albédo compris entre 0.1 <strong>et</strong> 0.35. Les couverts végétaux ont généralement <strong>de</strong>salbédos autour <strong>de</strong> 0.2-0.3 variables en fonction <strong>de</strong> leur structure, <strong>de</strong>nsité <strong>et</strong> couleur (dépendantes du
2.1 Bilan d’énergie <strong>et</strong> d’eau à l’interface continentale 25sta<strong>de</strong> phénologique). Dans le cas d’un sol couvert plus ou moins partiellement par <strong>de</strong> la végétation,c<strong>et</strong>te gran<strong>de</strong>ur est estimée en modélisant les interactions entre rayonnement <strong>et</strong> matière ainsi que le <strong>de</strong>venir<strong>de</strong>s on<strong>de</strong>s à l’intérieur du couvert compte tenu <strong>de</strong>s propriétés électromagnétiques <strong>de</strong>s différentséléments. Le modèle <strong>de</strong> transfert radiatif perm<strong>et</strong>tant ce calcul <strong>et</strong> utilisé dans ce travail est présentéci-<strong>de</strong>ssous.Expression du bilan radiatif à l’interface Sol Végétation Atmosphèr<strong>et</strong>el-00277226, version 1 - 5 May 2008Le rayonnement n<strong>et</strong> à l’interface sol-végétation-atmosphère s’exprime en fonction <strong>de</strong>s composantesélectromagnétiques courtes <strong>et</strong> gran<strong>de</strong>s longueurs d’on<strong>de</strong> (respectivement domaine solaire <strong>et</strong>domaine thermique). C’est l’énergie disponible pour alimenter les flux conductifs <strong>et</strong> convectifs. L’expressiongénérale s’écrit :Rn = R CL↓ − R CL↑ + R GL↓ − R GL↑ (2.7)où les indices CL <strong>et</strong> GL réfèrent respectivement aux contributions courtes longueurs <strong>et</strong> gran<strong>de</strong>slongueurs d’on<strong>de</strong>, <strong>et</strong> les flèches ↓ <strong>et</strong> ↑ à la direction <strong>de</strong> propagation <strong>de</strong>scendante <strong>et</strong> montante.– R CL↓ est le rayonnement solaire inci<strong>de</strong>nt correspondant à Rg, rayonnement global.– R CL↑ est le rayonnement solaire réfléchi par la surface : R CL↑ = α s Rg où α s est l’albédo <strong>de</strong>la surface.– R GL↓ est le rayonnement atmosphérique <strong>de</strong>scendant. C’est la somme <strong>de</strong>s émissions <strong>de</strong>s différentescouches <strong>de</strong> l’atmosphère. On considère généralement que ce terme est l’émission d’une atmosphèreà la température équivalente T a <strong>et</strong> d’émissivité ε a en faisant l’hypothèse que lescouches les plus basses <strong>de</strong> l’atmosphère contribuent plus car elles sont plus chau<strong>de</strong>s. La températureT a est souvent approchée par la température <strong>de</strong> l’air au niveau <strong>de</strong> la surface <strong>et</strong> l’émissivité ε amodélisée en fonction <strong>de</strong> la nébulosité, <strong>de</strong> la température <strong>et</strong> <strong>de</strong> l’humidité du sol. Plusieursapproximations sont proposées dans la littérature, comme celle <strong>de</strong> Brunt(1932) exprimée uniquementen fonction <strong>de</strong> l’humidité <strong>de</strong> l’air (sous abri à 2m du sol) ou la formulation <strong>de</strong> Brutsaert(1975) pour laquelle l’incertitu<strong>de</strong> est inférieure à ±5% en condition <strong>de</strong> ciel clair (Kustas<strong>et</strong> al., 1989). Nous utiliserons c<strong>et</strong>te <strong>de</strong>rnière formulation lorsque les mesures <strong>de</strong> rayonnementatmosphérique ne sont pas disponibles. ε a peut aussi s’exprimer en fonction <strong>de</strong> la température(Swinbank, 1963) ou en fonction <strong>de</strong> la température <strong>et</strong> <strong>de</strong> la pression <strong>de</strong> vapeur <strong>de</strong> l’air au niveau<strong>de</strong> la surface (Idso, 1981). R GL↓ = ε a σT 4 a– R GL↑ est la somme <strong>de</strong> la réflexion du rayonnement atmosphérique <strong>et</strong> <strong>de</strong> l’émissivité propre <strong>de</strong>la surface. R GL↑ = (1 − ε s )ε a σT 4 a + ε s σT 4 s . La température <strong>de</strong> surface T s est calculée à partir<strong>de</strong>s températures <strong>de</strong>s éléments <strong>de</strong> la surface (hétérogène) <strong>et</strong> du modèle <strong>de</strong> transfert radiatif.L’expression du bilan d’énergie pour une surface peut être écrit <strong>de</strong> la manière suivante :Rn = (1 − α s )Rg + ε s (ε a σT 4 a − σT 4 s ) (2.8)
26 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>C<strong>et</strong>te équation est valable dans le cas d’un modèle monocouche, c’est à dire dans lequel lavégétation <strong>et</strong> le sol sous-jacent forment une seule <strong>et</strong> même entité. Le modèle SEtHyS Savannah estun modèle multicouches, nous allons maintenant décrire comment les échanges radiatifs sont pris encompte dans le cas d’un tel modèle.Le modèle <strong>de</strong> transfert radiatiftel-00277226, version 1 - 5 May 2008Dans le cas d’un modèle multicouches, la végétation est organisée en une ou plusieurs strates(souvent <strong>de</strong>ux). Le bilan radiatif peut alors être calculé en considérant la végétation comme un milieusemi-transparent <strong>et</strong> le sol comme un milieu opaque. Des interactions entre les différentes stratesinterviennent donc.La partition <strong>de</strong> l’énergie radiative est alors définie par le facteur d’écran σ proposé par Kanemasu(1977) <strong>et</strong> Deardorff (1978) défini pour les courtes <strong>et</strong> les gran<strong>de</strong>s longueurs d’on<strong>de</strong> :{σf = 1 − e (−0.825LAI) pour les gran<strong>de</strong>s longueurs d’on<strong>de</strong>(2.9)σ f = 1 − e (−0.5LAI) pour les courtes longueurs d’on<strong>de</strong>Ce facteur simule le fait que les milieux traversés (végétation) ne sont pas totalement opaques <strong>et</strong><strong>de</strong>nses. Le rayonnement inci<strong>de</strong>nt va rencontrer une certaine fraction <strong>de</strong> feuille, <strong>et</strong> seule une partie plusou moins importante <strong>de</strong> ce rayonnement va directement atteindre le sol sans être intercepté.Le calcul du bilan radiatif dépend également <strong>de</strong>s hypothèses <strong>et</strong> <strong>de</strong>s approximations faites sur lescaractéristiques <strong>de</strong>s surfaces. Dans le modèle SEtHyS Savannah, comme dans le modèle SEtHyS, lecalcul du bilan radiatif est basé sur le formalisme <strong>de</strong> Tacon<strong>et</strong> <strong>et</strong> al. (1986) où l’on tient compte <strong>de</strong>sréflexions multiples entre les différentes couches.L’équation 2.7 est ainsi appliquée à chaque couche du modèle. Il faut donc déterminer, pourchaque couche, l’expression <strong>de</strong>s flux entrant <strong>et</strong> sortant en courtes <strong>et</strong> gran<strong>de</strong>s longueurs d’on<strong>de</strong> connaissantleurs propriétés optiques <strong>et</strong> thermiques. La figure 2.3 montre le schéma <strong>de</strong>s bilans radiatifs.On résout les systèmes d’équations suivants pour déterminer tous les termes du bilan radiatif :En gran<strong>de</strong>s longueurs d’on<strong>de</strong> :⎧R GLg↓ = (1 − σ t )R GL↓ + ε t σ t σTt 4 + (1 − ε t )σ t R GLg↑⎪⎨ R GLg↑ = (1 − σ g )R GLs↑ + ε g σ g σTg 4 + (1 − ε g )σ g R GLg↓R GLs↓ = (1 − σ g )R GLg↓ + ε g σ g σTg 4 + (1 − ε g )σ g R GLs↑(2.10)R GLs↑ = ε s σTs 4 + (1 − ε s )R GLs↓⎪⎩R GL↑ = (1 − ε t )σ t R GL↓
2.1 Bilan d’énergie <strong>et</strong> d’eau à l’interface continentale 27tel-00277226, version 1 - 5 May 2008FIG. 2.3 – Schématisation du bilan radiatif courtes <strong>et</strong> gran<strong>de</strong>s longueurs d’on<strong>de</strong>En courtes longueurs d’on<strong>de</strong> :⎧R CLg↓ = (1 − σ t )R CL↓ + σ t α t R CLg↑⎪⎨ R CLg↑ = σ g α g R CLg↓ + α s (1 − σ g )R CLs↓R CLs↓ = (1 − σ g )R CLg↓ + α g σ g R CLs↑(2.11)R CLs↑ = α s R CLs↓⎪⎩R CL↑ = α t σ t R CL↓ + (1 − σ t )R CLg↑où σ est la constante <strong>de</strong> Stefan-Boltzmann, T t , T g <strong>et</strong> T s sont respectivement les températuresthermodynamiques <strong>de</strong>s arbres, <strong>de</strong> l’herbe <strong>et</strong> du sol.On est ainsi en mesure <strong>de</strong> calculer le rayonnement n<strong>et</strong> <strong>de</strong> chacune <strong>de</strong>s couches <strong>et</strong> <strong>de</strong> résoudreensuite les températures à partir <strong>de</strong>s équations couplées <strong>de</strong>s bilans hydrique <strong>et</strong> énergétique (voir paragraphe2.1.3).2.1.2 Les échanges conductifsLe mo<strong>de</strong> <strong>de</strong> propagation <strong>de</strong> l’énergie sous forme <strong>de</strong> chaleur par conduction correspond à la redistributionou au transfert d’énergie cinétique entre molécules (agitation moléculaire). L’intensité <strong>de</strong> laconduction thermique va être fonction <strong>de</strong> la <strong>de</strong>nsité du milieu, <strong>de</strong> la mobilité <strong>de</strong>s molécules <strong>et</strong> <strong>de</strong>s gradientsthermiques. Les échanges par conduction sont le principal mo<strong>de</strong> <strong>de</strong> transfert <strong>de</strong> chaleur dans lesol (milieu soli<strong>de</strong>) alors qu’ils sont souvent négligés dans les flui<strong>de</strong>s comme l’air <strong>de</strong>vant les échangesconvectifs. On ne considère que le flux vertical dans le sol, dont l’expression est donnée par la loi <strong>de</strong>
28 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>Fourier sous forme <strong>de</strong> relation flux gradient par :tel-00277226, version 1 - 5 May 2008G(z, t) = −λ s (z) ∂T sol(z, t)∂z(2.12)T sol (z, t) représente la température (en K) du sol à la profon<strong>de</strong>ur z (compté positivement vers lebas), λ s (z) est la conductivité thermique du sol (W.m −1 .K −1 ). Le terme G intervenant dans l’expressiongénérale du bilan d’énergie (équation 2.2) est obtenu pour z = 0.On fait l’hypothèse, communément admise, qui consiste à ne pas prendre en compte les transferts<strong>de</strong> chaleur par convection <strong>de</strong>s flui<strong>de</strong>s (air <strong>et</strong> eau) présents dans les interstices du sol. En toute rigueur,le flux <strong>de</strong> chaleur dans le sol total serait alors la somme <strong>de</strong>s flux <strong>de</strong> conduction <strong>et</strong> du flux <strong>de</strong> convectionthermiques.La modélisation <strong>de</strong>s échanges conductifs dans SEtHyS Savannah repose sur le formalisme <strong>de</strong>”force-restore” proposé par Bhumralkar (1975) <strong>et</strong> Blackadar (1976), <strong>et</strong> appliqué par Deardorff (1978)pour un modèle à <strong>de</strong>ux réservoirs dans le sol. On suppose une variation sinusoïdale <strong>de</strong> la températuredu sol <strong>et</strong> on résout explicitement l’équation <strong>de</strong> transfert <strong>de</strong> chaleur ci <strong>de</strong>ssous :ρ s c s (z) ∂T sol(z, t)∂t∂G(z, t)= −∂z(2.13)où ρ s c s (z) est la capacité calorifique du sol à la profon<strong>de</strong>ur z <strong>et</strong> T sol la température du sol. L’expressiond’évolution <strong>de</strong> la température <strong>de</strong> surface du sol peut alors s’écrire :∂T s∂t∂T 2∂t= 2π 1 2.G − ω(T s − T 2 ) (2.14)ρ 1 c 1 d 1G=(2.15)ρ 2 c 2 d 2où T s est la température superficielle du sol, ρ 1 c 1 <strong>et</strong> ρ 2 c 2 la capacité calorifique respectivement<strong>de</strong> la couche superficielle <strong>de</strong> sol <strong>et</strong> <strong>de</strong> la couche profon<strong>de</strong>, ω la pulsation diurne (ω = 2πτ , τ = 24h).T 2 est la température profon<strong>de</strong>. Ainsi la température T s est forcée par le flux G, <strong>et</strong> un terme <strong>de</strong> rappelentre la surface <strong>et</strong> la zone profon<strong>de</strong> qui est proportionnel au gradient T s − T 2 , avec :ρ 1 c 1 d 1 = r ′ (τλ s ρ 1 c 1 ) 1 2 + (1 − r ′ )(τλ 2 ρ 2 c 2 ) 1 2 (2.16)ρ 2 c 2 d 2 = ρ 2 c 2 (365ν 2 τ) 1 2 (2.17)où r ′ = 0.6+0.05 w 1w 2est un facteur <strong>de</strong> partition entre la couche superficielle (indice 1) <strong>et</strong> la coucheprofon<strong>de</strong> (indice 2). w 1 <strong>et</strong> w 2 sont respectivement les contenus en eau <strong>de</strong> la couche superficielle <strong>et</strong><strong>de</strong> la zone racinaire. Dans le cas <strong>de</strong> SEtHyS Savannah l’épaisseur <strong>de</strong> la couche superficielle est priseégale à 10 cm, <strong>et</strong> w 1 est en réalité l’humidité moyenne du sol sur c<strong>et</strong>te profon<strong>de</strong>ur. w 2 représentel’humidité moyenne sur l’ensemble du profil <strong>de</strong> sol. ν 2 = λ 2ρ 2 c 2est la diffusivité thermique du profil<strong>de</strong> sol. d 2 = (365ν 2 τ) 1 2 correspond à π 1 2 fois la profon<strong>de</strong>ur d’amortissement <strong>de</strong> l’on<strong>de</strong> thermique
2.1 Bilan d’énergie <strong>et</strong> d’eau à l’interface continentale 29annuelle dans le sol. En réalité, dans le formalisme <strong>de</strong> Deardorff, ce n’est pas T 2 qui est utilisé maisla température moyenne <strong>de</strong> la couche <strong>de</strong> sol d 2 . Assimiler T 2 à la température moyenne <strong>de</strong> la couche<strong>de</strong> sol d 2 , induit une certaine approximation pour c<strong>et</strong>te température <strong>et</strong> une incertitu<strong>de</strong> sur le terme”restore” <strong>de</strong> l’équation 2.14. La dynamique <strong>de</strong> T s (Eq. 2.14) dépend ainsi <strong>de</strong> la taille du puits ou <strong>de</strong> lasource <strong>de</strong> chaleur associée à la couche <strong>de</strong> sol d 2 . Dans les équations (2.14) <strong>et</strong> (2.15), les termes ρ i c i d isont multipliés par un paramètre correctif facttherm (voir chapitre 3) qui est étalonné <strong>et</strong> perm<strong>et</strong> ainsi<strong>de</strong> corriger une erreur éventuelle sur la capacité calorifique du sol.La capacité calorifique volumique du sol ρ i c i utilisée dans les équations précé<strong>de</strong>ntes peut êtredéfinie comme la somme <strong>de</strong>s capacités calorifiques volumiques (C) <strong>de</strong>s éléments constitutifs du solpar leur fraction volumique θ (<strong>de</strong> Vries, 1963) :tel-00277226, version 1 - 5 May 2008ρ i c i = C m θ m + C o θ o + C e θ e + C a θ a (2.18)avec m, o, e, a les indices se référant respectivement à la matière minérale, organique, à l’eau <strong>et</strong> àl’air. La contribution <strong>de</strong> l’air est généralement négligée. La paramétrisation <strong>de</strong> la capacité volumiquedu sol dans le modèle SEtHyS est définie selon l’expression ci-<strong>de</strong>ssous :ρ i c i = 2.10 6 (1 − por) + 4.18.10 6 w i (2.19)où le premier terme est la capacité calorifique volumique <strong>de</strong> la matrice du sol sec, 2.10 6 (J.K −1 .m −3 )est une valeur moyenne pour l’ensemble <strong>de</strong>s types <strong>de</strong> sols <strong>et</strong> por (la porosité) est prise égale à l’humiditévolumique à saturation (en m 3 .m −3 ). 4.18.10 6 (J.K −1 .m −3 ) est la capacité calorifique volumique<strong>de</strong> l’eau liqui<strong>de</strong> <strong>et</strong> w i l’humidité volumique <strong>de</strong> la couche <strong>de</strong> sol i considérée.La conductivité thermique apparente du sol λ i (W.m −1 .K −1 ) est approchée par différentes formulationscomme par exemple celle <strong>de</strong> Laurent (1989) nécessitant l’ajustement empirique <strong>de</strong> 5 paramètresou celle <strong>de</strong> Van <strong>de</strong> Griend <strong>et</strong> O’Neill (1986) utilisée dans SEtHyS qui a l’avantage <strong>de</strong> nedépendre que <strong>de</strong> la texture du sol <strong>et</strong> <strong>de</strong> son humidité :λ i (θ) = 1 ( ) 12ρ i c i 0.654 (Λ s + 2300θ − 1890)(2.20)où Λ s (J.m −2 .K −1 .s − 1 2 ) est un coefficient (tabulé par Van <strong>de</strong> Griend <strong>et</strong> O’Neill, 1986) dépendant<strong>de</strong> la texture du sol.
30 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>2.1.3 Les échanges convectifsGénéralités sur les flux convectifstel-00277226, version 1 - 5 May 2008A la différence <strong>de</strong>s processus d’échange décrits dans les paragraphes précé<strong>de</strong>nts, les échangesconvectifs caractérisent les transferts <strong>de</strong> chaleur <strong>et</strong> <strong>de</strong> masse par déplacement <strong>de</strong> matière. Plusieursformes sont alors possibles :– la convection libre qui résulte <strong>de</strong>s gradients <strong>de</strong> <strong>de</strong>nsité issus <strong>de</strong>s gradients <strong>de</strong> température dansl’air– la convection forcée qui est provoquée par la turbulence induite par le champ <strong>de</strong> vent.– la convection mixte qui se rencontre dans <strong>de</strong>s conditions <strong>de</strong> vent faible. Les mouvements <strong>de</strong>l’air sont alors produits par l’action combinée <strong>de</strong> la convection libre <strong>et</strong> <strong>de</strong> la convection forcée.Le phénomène <strong>de</strong> diffusion simple impliquant au même titre que les échanges convectifs un déplacement<strong>de</strong> matière <strong>et</strong> d’énergie exprimé par la loi <strong>de</strong> Fick du type diffusivité moléculaire × gradient, est souventnégligé face à la convection dans la <strong>de</strong>scription <strong>de</strong>s transferts entre la surface <strong>et</strong> l’atmosphère.De façon théorique, lorsque l’on considère la Couche Limite <strong>de</strong> Surface (CLS), quelques dizaines<strong>de</strong> mètres au <strong>de</strong>ssus <strong>de</strong> la surface, les flux turbulents verticaux sont supposés conservatifs. L’expression<strong>de</strong>s flux <strong>de</strong> quantité <strong>de</strong> mouvement, <strong>de</strong> chaleur sensible, <strong>de</strong> chaleur latente est reliée aux gradientsverticaux par les coefficients <strong>de</strong> diffusivité turbulente (K-theory) par analogie avec la diffusionmoléculaire. C’est le principe <strong>de</strong> ferm<strong>et</strong>ure au premier ordre du système d’équations <strong>de</strong> Reynolds(basé sur les équations <strong>de</strong> Navier-Stokes <strong>et</strong> le principe <strong>de</strong> conservation <strong>de</strong> la quantité <strong>de</strong> mouvement,<strong>de</strong> la masse, <strong>et</strong> <strong>de</strong> la chaleur) qui perm<strong>et</strong> d’écrire :– le flux <strong>de</strong> quantité <strong>de</strong> mouvement,τ = −ρ a K m (z) ∂u(z)∂z(2.21)– le flux <strong>de</strong> chaleur sensible,∂T (z)H = −ρ a c p K h (z)∂z(2.22)– le flux <strong>de</strong> chaleur latente,LE = −Lρ a K ν (z) ∂q(z)∂z= − ρ ac pγK ν(z) ∂e(z)∂z(2.23)où ρ a (kg.m −3 ) est la masse volumique <strong>de</strong> l’air, c p la chaleur massique isobare <strong>de</strong> l’air (J.kg −1 .K −1 ),L la chaleur latente <strong>de</strong> vaporisation <strong>de</strong> l’eau (J.kg −1 ), γ la constante psychrométrique (0.66hP a.K −1 ),u le module du vent (m.s −1 ), T la température <strong>de</strong> l’air (K), q l’humidité spécifique <strong>de</strong> l’air (kg.kg −1 ),
2.1 Bilan d’énergie <strong>et</strong> d’eau à l’interface continentale 31e la pression partielle <strong>de</strong> vapeur d’eau dans l’air (P a) au niveau z <strong>et</strong> K i les coefficients <strong>de</strong> diffusivitéturbulente.Seuls les flux H <strong>et</strong> LE interviennent explicitement dans le bilan d’énergie, le flux τ traduit ladissipation d’énergie cinétique selon la verticale qui, d’après la formulation <strong>de</strong> Prandtl (1925), donneun profil logarithmique <strong>de</strong> vitesse du vent <strong>et</strong> un profil linéaire <strong>de</strong> la diffusivité turbulente dans lesconditions <strong>de</strong> neutralité thermique (Thom, 1975) au <strong>de</strong>ssus <strong>de</strong> la surface.Le calcul <strong>de</strong>s flux H <strong>et</strong> LE peut être réalisé par intégration <strong>de</strong>s équations (2.22) <strong>et</strong> (2.23) entre<strong>de</strong>ux niveaux atmosphériques z 1 <strong>et</strong> z 2 après avoir formulé l’hypothèse que les diffusivités turbulentespour les flux <strong>de</strong> chaleur sensible <strong>et</strong> latente sont i<strong>de</strong>ntiques à celle <strong>de</strong> la quantité <strong>de</strong> mouvement (K m =K h = K ν ), c’est la théorie <strong>de</strong> similarité (Monin <strong>et</strong> Obukhov, 1954 ; Thom, 1975). On obtient dèslors :tel-00277226, version 1 - 5 May 2008∫ z2z 1H = −ρ a c p(T 2 − T 1 )LE = − ρ ac pγdzK m(z)(e 2 − e 1 )∫ z2z 1dzK m (z)(2.24)(2.25)L’expression <strong>de</strong>s flux, par analogie à la loi d’Ohm, est ainsi décrite par un gradient <strong>de</strong> températurepondéré par une résistance aérodynamique aux transferts turbulents <strong>de</strong> chaleur r a(z1 →z 2 ).r a(z1 →z 2 ) =∫ z2z 1dzK m (z)(2.26)Cependant à l’intérieur <strong>et</strong> près du couvert végétal les profils <strong>de</strong> vitesse <strong>de</strong> vent, <strong>de</strong> température <strong>et</strong><strong>de</strong> pression <strong>de</strong> vapeur d’eau s’écartent du profil logarithmique (voir 2.28) du fait <strong>de</strong> la structure <strong>de</strong>sorganes végétaux qui se comportent comme autant <strong>de</strong> freins aérodynamiques. Le problème est alorsdécomposé sous la forme suivante : la couche limite <strong>de</strong> surface est divisée en <strong>de</strong>ux sous-couches : lasous-couche inertielle ou dynamique (partie supérieure au <strong>de</strong>ssus du couvert) pour laquelle s’appliquela théorie <strong>de</strong> Prandtl dont la caractérisation par z 0 <strong>et</strong> d sera définie par les propriétés structuralesdu couvert (Monteith, 1973 ; Shaw <strong>et</strong> Pereira, 1982 ; Perrier 1982 ; Choudhury <strong>et</strong> Monteith, 1988) <strong>et</strong>la sous-couche rugueuse ou <strong>de</strong> transition (partie inférieure s’étendant jusqu’à l’intérieur du couvert)au sein <strong>de</strong> laquelle les relations précé<strong>de</strong>ntes ne s’appliquent plus (flux non conservatifs). Il est alorsnécessaire d’introduire <strong>de</strong>s paramétrisations <strong>de</strong>s flux à partir <strong>de</strong>s gradients (Choudhury <strong>et</strong> Monteith,1988).La difficulté dans la paramétrisation <strong>de</strong>s flux <strong>de</strong> chaleur au sein du couvert végétal rési<strong>de</strong> donc dansla définition du niveau atmosphérique inférieur (z 1 ) <strong>et</strong> <strong>de</strong>s gran<strong>de</strong>urs d’échanges turbulents associées(diffusivité, vitesse du vent).Le transfert <strong>de</strong> chaleur latente <strong>et</strong> <strong>de</strong> chaleur sensible pourraient suivre a priori le même formalismeen considérant que les échanges <strong>de</strong> chaleur <strong>et</strong> d’eau sont gérés uniquement pas les transferts turbulents(cf 2.21). Cependant, compte tenu que le flux <strong>de</strong> chaleur latente naît du gradient d’humidité <strong>de</strong> l’air
32 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>entre l’intérieur <strong>de</strong>s stomates <strong>et</strong> l’air au sein du couvert, pour ce qui concerne la végétation, <strong>et</strong> entrel’air contenu à la surface du sol <strong>et</strong> l’air au sein du couvert, il faut ajouter à la résistance aérodynamiqueune résistance liée à la surface <strong>de</strong> feuille ou <strong>de</strong> sol (cf 2.1.3).Paramétrisation <strong>de</strong>s flux convectifs dans le modèl<strong>et</strong>el-00277226, version 1 - 5 May 2008Les équations ci-<strong>de</strong>ssus sont valables dans le cas général. C<strong>et</strong>te section décrit comment on estpassé <strong>de</strong> ces équations théoriques à une application pratique dans le modèle. Dans les modèles multicouchesou multisources, chaque élément <strong>de</strong> la surface est considéré comme une strate se comportanten source.Le modèle SEtHyS est un modèle bicouche, dans lequel on considère un sol recouvert par unestrate <strong>de</strong> végétation. On résout alors <strong>de</strong>ux bilans d’énergie.Nous avons choisi d’ajouter une couche <strong>de</strong> végétation dans le modèle SEtHyS Savannah afin <strong>de</strong>mieux représenter les échanges d’énergie <strong>et</strong> d’eau entre l’atmosphère <strong>et</strong> la surface en zone semi-ari<strong>de</strong>.En eff<strong>et</strong> l’hétérogénéité <strong>de</strong> la couverture végétale fait qu’il semble difficile <strong>de</strong> bien modéliser les fluxconvectifs avec une approche bicouche. Ainsi un couvert à <strong>de</strong>ux couches peut être représenté, ensuivant l’analogie électrique, par le schéma résistif <strong>de</strong> la figure 2.4. On considère dans la suite queles <strong>de</strong>ux strates <strong>de</strong> végétation sont <strong>de</strong> l’herbe (indice g) surplombée par une strate d’arbres (indice t).Dans ce cas, l’expression <strong>de</strong>s flux s’écrit entre six nœuds : le sol, l’air au sein <strong>de</strong> chacune <strong>de</strong>s couches<strong>de</strong> végétation, les couches <strong>de</strong> végétation elles même, <strong>et</strong> le niveau <strong>de</strong> référence atmosphérique. Ceschéma reprend le formalisme <strong>de</strong> Shuttleworth <strong>et</strong> Wallace (1985) utilisé dans le modèle SEtHyS.Il est important <strong>de</strong> représenter correctement les différents coefficients d’échange entre les couches.Plusieurs paramétrisations basées sur un schéma résistif équivalent sont proposées dans la littérature,on distingue celles <strong>de</strong> Choudhury <strong>et</strong> Monteith (1988), Cowan (1968), Thom (1972), Shuttleworth <strong>et</strong>Gurney (1990), Lafleur <strong>et</strong> Rousse (1990) ou encore Sellers (1996). Une intercomparaison <strong>de</strong> ces paramétrisationsa été récemment proposée par Demarty <strong>et</strong> al. (2002) concluant à un bon accord généralentre ces paramétrisations quant au calcul <strong>de</strong> la résistance aérodynamique (<strong>et</strong> <strong>de</strong>s flux turbulents totaux)entre l’air au sein du couvert <strong>et</strong> le niveau <strong>de</strong> référence atmosphérique bien que la partition entrela végétation <strong>et</strong> le sol puisse être très différente. Cependant, <strong>de</strong>s différences <strong>de</strong> l’ordre <strong>de</strong> 2K sur latempérature aérodynamique ont été mises en évi<strong>de</strong>nce <strong>de</strong> nuit ainsi qu’une dispersion <strong>de</strong>s valeurs <strong>de</strong>température <strong>de</strong> sol en fonction du calcul <strong>de</strong> la résistance aérodynamique au niveau du sol pouvantatteindre 2.5K à midi.La paramétrisation <strong>de</strong> Shuttleworth <strong>et</strong> Wallace (1985) donnant <strong>de</strong> meilleurs résultats dans lesapplications antérieures du modèle SEtHyS (Demarty <strong>et</strong> al., 2002), nous l’avons conservée.Au <strong>de</strong>ssus <strong>de</strong> la végétation, le profil <strong>de</strong> vent est supposé logarithmique. Dans le cas <strong>de</strong>s couvertsvégétaux, le profil <strong>de</strong> vent est affecté par la présence <strong>de</strong>s feuilles <strong>et</strong> branches. Il faut faire un changement<strong>de</strong> repère selon la verticale par translation <strong>de</strong> la hauteur <strong>de</strong> déplacement d, en remplaçant z par
2.1 Bilan d’énergie <strong>et</strong> d’eau à l’interface continentale 33tel-00277226, version 1 - 5 May 2008FIG. 2.4 – Schéma résistif représentant les échanges <strong>de</strong> surfacez − d. d est <strong>de</strong> l’ordre <strong>de</strong> 60 à 70% <strong>de</strong> la hauteur du couvert <strong>et</strong> z 0 compris entre 5 <strong>et</strong> 10% <strong>de</strong> celle-ci.z 0 + d est donc la hauteur à laquelle s’annule le profil logarithmique <strong>de</strong> vitesse <strong>de</strong> vent au <strong>de</strong>ssusdu couvert. D’autre part Lafleur <strong>et</strong> Rousse (1990) ont apporté une modification au modèle <strong>de</strong> Shuttleworth<strong>et</strong> Wallace, elle consiste à décrire le profil exponentiel <strong>de</strong> la vitesse du vent <strong>et</strong> la diffusivitéturbulente au sein du couvert (indice ac), <strong>de</strong> hauteur h, avec un coefficient d’atténuation n dépendantdu LAI (”Leaf Area In<strong>de</strong>x”, défini comme la surface foliaire par unité <strong>de</strong> surface <strong>de</strong> sol exprimée enm 2 .m −2 ) :⎧⎪⎨⎪⎩n(LAI) = 2.6.LAI 0.36 pour 0.4 ≤ LAI ≤ 2.5n(LAI) = 1.87 si LAI < 0.4n(LAI) = 3.62 si LAI > 2.5(2.27)Les équations suivantes décrivent les profils <strong>de</strong> vent <strong>et</strong> <strong>de</strong> diffusivité au <strong>de</strong>ssus du couvert, dans lacouche d’arbre <strong>et</strong> dans la couche d’herbe.z r ≥ z ≥ z t :⎧ ( )⎨ u(z) = u∗k ln z−dtz 0t⎩ K(z) = ku ∗ (z − d t )(2.28)z t ≥ z ≥ z g :⎧⎨⎩[)]u(z) = u(z t ) exp −n(LAI t )(1 − z[z t)] (2.29)K(z) = K(z t ) exp −n(LAI t )(1 − z z t
34 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>z g ≥ z ≥ z 0s :⎧⎨⎩[u(z) = u(z g )K(z) = K(z t )( )]exp −n(LAI g ) 1 − z[z gexp −n(LAI g )(1 − zz g)] (2.30)où k = 0.4 est la constante <strong>de</strong> von Karman, u(z) est le module du vent à la hauteur z, z 0 est lahauteur (en m) <strong>de</strong> rugosité aérodynamique du sol pour la quantité <strong>de</strong> mouvement (hauteur à laquellele vent s’annule) <strong>et</strong> u ∗ la vitesse <strong>de</strong> frottement définie par τ = −ρu ∗2 . A la hauteur z = z r le vent estconnu <strong>et</strong> vaut u a .Sur la base <strong>de</strong> ces profils exponentiels <strong>et</strong> logarithmique à l’intérieur <strong>et</strong> au <strong>de</strong>ssus du couvert, lesrésistances aérodynamiques peuvent être calculées par intégration <strong>de</strong> l’inverse <strong>de</strong> la diffusivité entre<strong>de</strong>ux niveaux atmosphériques :entre z os <strong>et</strong> d g + z og :tel-00277226, version 1 - 5 May 2008r as ==×∫ z0g +d gentre d g + z og <strong>et</strong> d t + z ot :r ag ==+dzz 0sK(z)−z gK(z g )n(LAI g )[ ( (exp n(LAI g ) 1 − z )) ( (0g + d g− exp n(LAI g ) 1 − z ))]0sz g z g∫ z0t +d tz 0g +d gz g<strong>et</strong> entre d t + z ot <strong>et</strong> z r :dzK(z)K(z g )n(LAI g )−z t e n(LAIt)K(z t )n(LAI t )[ ( (exp n(LAI g ) 1 − z ))0g + d gz g[exp(−n(LAI t ) z gz t)− exp]− 1(−n(LAI t ) z )]0t + d tz t(2.31)(2.32)r aa ==∫ zr +d tz 0t +d tdzK(z)z tK(z t )n(LAI t )[ ( (exp n(LAI g ) 1 − z )) ]0t + d t− 1 + 1 ( )z t u ∗ k ln zr − d t(2.33)z t − d tL’expression <strong>de</strong> la résistance aérodynamique au <strong>de</strong>ssus du couvert (entre z t <strong>et</strong> z r ) est écrite pour<strong>de</strong>s conditions <strong>de</strong> neutralité thermique <strong>de</strong> la Couche Limite <strong>de</strong> Surface <strong>et</strong> pour la convection forcée.Des corrections <strong>de</strong>s profils <strong>de</strong> diffusivité, <strong>de</strong> vitesse <strong>de</strong> vent <strong>et</strong> <strong>de</strong> température sont utilisées pourles cas <strong>de</strong> stabilité (Webb, 1970 ; Brutsaert, 1982) <strong>et</strong> d’instabilité (Paulson, 1970) modifiant ainsi larésistance aérodynamique entre z 0t + d t <strong>et</strong> z r . Le caractère stable ou instable est défini par la valeur
2.1 Bilan d’énergie <strong>et</strong> d’eau à l’interface continentale 35<strong>et</strong> le signe <strong>de</strong> la longueur <strong>de</strong> Monin-Obukhov définie par l’équation 2.34 :L MO = − ρ ac p T a u ∗3kgH(2.34)où g est l’accélération <strong>de</strong> la pesanteur (m.s −2 ) <strong>et</strong> H le flux <strong>de</strong> chaleur sensible.Les flux <strong>de</strong> chaleur rencontrent également une résistance <strong>de</strong> couche limite foliaire, qui caractérisel’écoulement laminaire autour <strong>de</strong>s feuilles (cas <strong>de</strong> diffusion moléculaire). Son expression est donnée(par unité <strong>de</strong> surface foliaire) par Jones (1983) :tel-00277226, version 1 - 5 May 2008(r clt (z) = A ′ lftu(z)r clg (z) = A ′ (lfgu(z)) 12) 12(2.35)(2.36)où A ′ est une constante intrinsèque aux propriétés moléculaires <strong>de</strong> l’air (prise égale à 100 m −1 .s 1 2 ),l fg <strong>et</strong> l ft sont les dimensions <strong>de</strong> la feuille d’herbe <strong>et</strong> d’arbre dans la direction du vent (approchée dansla modélisation par la largeur <strong>de</strong> la feuille). r clg <strong>et</strong> r clt sont données par unité <strong>de</strong> surface foliaire, ilest donc nécessaire <strong>de</strong> les calculer pour l’ensemble du couvert en les intégrant comme une multitu<strong>de</strong><strong>de</strong> résistances en parallèle sur la totalité <strong>de</strong> l’indice <strong>de</strong> surface foliaire (LAI). En supposant unerépartition uniforme du LAI sur la hauteur du couvert végétal <strong>et</strong> en se basant sur l’expression duprofil <strong>de</strong> vent au sein du couvert (équations 2.29 <strong>et</strong> 2.30), on obtient :r ft =r fg =A ′ n(LAI t )2LAI t (1 − exp( −n(LAIt)2))A ′ n(LAI g )2LAI g (1 − exp( −n(LAI g)2))(lft)u(z t )(lfgu(z g ))(2.37)(2.38)Les flux <strong>de</strong> chaleur latente sont affectés par <strong>de</strong>ux autres résistances : la résistance du couvert auniveau <strong>de</strong> la feuille <strong>et</strong> la résistance <strong>de</strong> sol au niveau <strong>de</strong> la surface du sol.La résistance du couvert intègre la résistance stomatique à la transpiration <strong>et</strong> la résistance àl’évaporation <strong>de</strong> l’eau libre sur les feuilles.– la résistance stomatique perm<strong>et</strong> <strong>de</strong> donner un rôle direct à la végétation. La conductance stomatiqueest sensible à un grand nombre <strong>de</strong> conditions environnementales comme la lumière,l’humidité <strong>de</strong> l’air ou encore la concentration en dioxy<strong>de</strong> <strong>de</strong> carbone. La plupart <strong>de</strong>s modèles
36 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>stomatiques ont été élaborés sur <strong>de</strong>s analyses empiriques. Le modèle stomatique utilisé dans lemodèle SEtHyS (<strong>et</strong> dans le modèle SEtHyS Savannah) est basé sur le modèle <strong>de</strong> Ball (1988) :tel-00277226, version 1 - 5 May 2008g s = m A nc sh s p + b (2.39)où A n est le taux d’assimilation n<strong>et</strong>te calculé par le modèle <strong>de</strong> Farquhar <strong>et</strong> al. (1980), c s <strong>et</strong>h s sont respectivement la pression partielle <strong>de</strong> dioxy<strong>de</strong> <strong>de</strong> carbone <strong>et</strong> l’humidité relative à lasurface <strong>de</strong> la feuille, p est la pression atmosphérique, <strong>et</strong> m <strong>et</strong> b sont <strong>de</strong>s facteurs empiriques quidépen<strong>de</strong>nt du type <strong>de</strong> végétation (C 3 ou C 4 ), du LAI <strong>et</strong> <strong>de</strong> l’humidité <strong>de</strong> la zone racinaire. L<strong>et</strong>aux d’assimilation est déterminé par la moyenne <strong>de</strong> trois facteurs : la limitation par l’enzymephotosynthétique (Rubisco), un facteur limitant lié à la lumière, <strong>et</strong> la capacité <strong>de</strong> la feuille àutiliser ou exporter les produits <strong>de</strong> la photosynthèse (Collatz <strong>et</strong> al., 1991).Le modèle reprend la formulation du modèle SiB (Sellers <strong>et</strong> al., 1992, 1996) où l’expression <strong>de</strong>Ball (1988), donnée pour une feuille, est intégrée à l’échelle du couvert. La résistance stomatiqu<strong>et</strong>otale pour l’ensemble <strong>de</strong> la couche <strong>de</strong> végétation considérée r sto est ainsi calculée.– la résistance à l’évaporation <strong>de</strong> l’eau libre est définie en fonction <strong>de</strong> la proportion d’eau libresur les feuilles selon Monteith <strong>et</strong> Szeicz (1962). La résistance stomatique est en réalité prise encompte dans le calcul du flux <strong>de</strong> chaleur latente par le facteur R ′ , qui vient ajouter une résistancesupplémentaire au flux <strong>de</strong> chaleur latente. Le coefficient R ′ prend en compte le fait que seule lafraction <strong>de</strong> la feuille non couverte par <strong>de</strong> l’eau (rosée ou pluie) peut respirer. Deardorff (1978)propose l’expression suivante :R ′ =( ) [<strong>de</strong>w2/3 ( ) ]<strong>de</strong>w2/31+ 1 −d max d max (β + C f r sto )(2.40)<strong>et</strong> R ′ = 1 en cas <strong>de</strong> con<strong>de</strong>nsation (2.41)où <strong>de</strong>w (d max ) représente la fraction (maximale) d’eau libre sur les feuilles, C f est la conductanceaérodynamique <strong>de</strong> la feuille <strong>et</strong> β vaut 1 en cas d’évaporation <strong>et</strong> 0 en cas <strong>de</strong> con<strong>de</strong>nsationsur la feuille.La résistance <strong>de</strong> sol limite l’évaporation du sol avec la diminution <strong>de</strong> la disponibilité en eau (écartà la saturation). C<strong>et</strong>te résistance dépend du type <strong>de</strong> sol <strong>et</strong> <strong>de</strong> l’épaisseur <strong>de</strong> la couche <strong>de</strong> mulch. Ce quenous appelons mulch est une couche qui se forme en surface du sol <strong>et</strong> qui est totalement sèche, c’està dire à l’humidité résiduelle (w resid ). L’évolution du mulch est décrite dans le paragraphe 2.2.3. Larésistance <strong>de</strong> sol est directement proportionnelle à l’épaisseur du mulch (Perrier, 1975) :r mulch = τ D vz mulch (2.42)
2.2 Bilan hydrique <strong>et</strong> contenu en eau du sol 37où z mulch représente l’épaisseur du mulch, D v est la diffusivité <strong>de</strong> la vapeur d’eau dans le sol,<strong>et</strong> τ est la tortuosité du sol (qui représente le rapport entre une épaisseur <strong>de</strong> sol <strong>et</strong> la longueur duchemin effectivement parcouru par une particule <strong>de</strong> vapeur d’eau pour traverser c<strong>et</strong>te épaisseur). Ces<strong>de</strong>ux <strong>de</strong>rniers paramètres sont à ajuster en fonction <strong>de</strong> la texture du sol. Une formulation voisine <strong>de</strong>celle utilisée ici pour la résistance <strong>de</strong> mulch a été testée par Choudhury <strong>et</strong> Monteith (1988). La seuledifférence avec la formulation <strong>de</strong> Perrier (1975) est l’intervention <strong>de</strong> la porosité au dénominateur quifait redondance avec la tortuosité.Résolution <strong>de</strong>s températures dans le couverttel-00277226, version 1 - 5 May 2008Déterminer les températures thermodynamiques <strong>de</strong>s éléments constituant la surface (couvert+solnu), revient à résoudre un bilan d’énergie pour chaque couche. Pour le sol nu, le bilan d’énergie estdécrit par les équations 2.14 <strong>et</strong> 2.15. Pour les <strong>de</strong>ux couches <strong>de</strong> végétation, en négligeant la capacitécalorifique du couvert, le bilan d’énergie est donné par :Rn − H − LE = 0 (2.43)On résout le système <strong>de</strong> quatre équations ainsi formé par une linéarisation au premier ordre entrel’instant t <strong>et</strong> l’instant t 0 qui correspond au pas <strong>de</strong> temps précé<strong>de</strong>nt.2.2 Bilan hydrique <strong>et</strong> contenu en eau du sol2.2.1 Quelques bases physiquesC<strong>et</strong>te section a pour but <strong>de</strong> fournir les bases physiques nécessaires à la compréhension <strong>de</strong> lamodélisation <strong>de</strong>s transferts d’eau dans le sol. Nous nous placerons toujours dans le cas unidimensionneloù le sol est représenté par sa profon<strong>de</strong>ur <strong>et</strong> ses propriétés texturales. Le sol est un matériau poreuxformé par l’agrégation <strong>de</strong> particules minérales <strong>de</strong> toutes tailles <strong>et</strong> <strong>de</strong> matières organiques. La taille <strong>et</strong>la distribution <strong>de</strong>s pores entre les particules <strong>de</strong> sol varient en fonction <strong>de</strong> sa texture (argile, sable, ...)<strong>et</strong> <strong>de</strong> son <strong>de</strong>gré <strong>de</strong> compaction. La porosité d’un sol est la fraction du volume <strong>de</strong> sol occupé par lespores.L’eau contenue dans les pores est exprimée par le contenu en eau volumique, w (m 3 m − 3) du sol.La porosité est souvent exprimée par le contenu en eau volumique à saturation (w sat ), c’est à dire laquantité maximale d’eau que peut contenir un sol.L’eau dans le sol est soumise à plusieurs forces qui vont contrôler ses mouvements. Les tensionssuperficielles (ou forces capillaires) font que l’eau est attirée par les particules soli<strong>de</strong>s. L’eau est attiréeen profon<strong>de</strong>ur par la gravité (percolation ou drainage), elle peut être transportée vers la surface par lephénomène <strong>de</strong> diffusion ou remontée capillaire. L’eau est également extraite du sol via l’absorptionpar les systèmes racinaires <strong>de</strong>s plantes <strong>et</strong> donc la transpiration <strong>de</strong>s plantes. Le point <strong>de</strong> flétrissement
38 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>permanent, w wilt , représente le taux d’humidité sous lequel la végétation ne peut plus extraire d’eaudu sol du fait <strong>de</strong>s forces capillaires liant l’eau aux particules <strong>de</strong> sol. La capacité au champ, w cc , définiela quantité maximale d’eau en équilibre gravitationnel.tel-00277226, version 1 - 5 May 2008Tous ces phénomènes physiques <strong>de</strong> transport <strong>de</strong> l’eau dans le sol sont contrôlés par la conductivitéhydraulique, K (m.s − 1) <strong>et</strong> le gradient hydraulique. Ce gradient est proportionnel à la somme dupotentiel hydrique (ou <strong>de</strong> pression), ψ exprimé en mètres, <strong>et</strong> du potentiel gravitationnel, égal à laprofon<strong>de</strong>ur où l’eau se trouve. Le flux d’eau dans le sol peut alors être défini grâce à la loi <strong>de</strong> Darcyétablie expérimentalement en 1856 :q(z) = K(w) ∂ ∂z [ψ(w) + z] = K(w) ( ∂ψ(w)∂z)+ 1(2.44)L’évolution dans le temps <strong>de</strong> l’eau contenue dans une couche <strong>de</strong> sol à l’humidité w est fonction<strong>de</strong>s variations verticales du flux <strong>de</strong> Darcy. C’est l’équation <strong>de</strong> Richards qui décrit à la fois la diffusion<strong>et</strong> l’écoulement gravitationnel <strong>de</strong> l’eau contenue dans le sol :∂w∂t = −∂q(z) = − ∂ [ ( )] ∂ψK(w)∂z ∂z ∂z + 1(2.45)Le paramètre dominant <strong>de</strong> ces équations est sans aucun doute la conductivité hydraulique puisqu’ellerégit l’intensité du flux dans le sol. C<strong>et</strong>te quantité dépend d’une part <strong>de</strong>s propriétés du flui<strong>de</strong>(<strong>de</strong>nsité <strong>et</strong> viscosité), <strong>et</strong> d’autre part <strong>de</strong>s propriétés globales du milieu poreux étudié.En définissant la capacité capillaire (m −1 ) par :<strong>et</strong> la diffusivité hydrique (m 2 .s −1 ) comme :C(w) = ∂w∂ψ(2.46)D(w) = K(w)C(w)(2.47)suite :l’équation <strong>de</strong> Darcy <strong>de</strong>vient :[q l (z) = − D(w) ∂w ]∂z + K(w)(2.48)ce qui perm<strong>et</strong> d’exprimer l’équation <strong>de</strong> Richards sous une autre forme qui sera utilisée par la∂w∂t = ∂ (D(w) ∂w )∂z ∂z + K(w)(2.49)La représentation numérique <strong>de</strong> l’équation <strong>de</strong> Richards repose donc sur le formalisme utilisé pourcalculer la diffusivité du sol. Le choix <strong>de</strong> c<strong>et</strong>te représentation dans le modèle SEtHyS est présenté
2.2 Bilan hydrique <strong>et</strong> contenu en eau du sol 39dans la partie suivante.2.2.2 La modélisation <strong>de</strong>s échanges d’eau dans le solComme la plupart <strong>de</strong>s modèles <strong>de</strong> surface, les transferts verticaux <strong>de</strong> l’eau dans le sol sont baséssur les lois <strong>de</strong> Darcy <strong>et</strong> <strong>de</strong> Richards. Dans le modèle SEtHyS Savannah, la représentation du solest volontairement simple afin <strong>de</strong> limiter le nombre <strong>de</strong> paramètres. De plus, seuls les mouvementsverticaux sont considérés.Courbe <strong>de</strong> rétention <strong>et</strong> conductivité hydrauliqu<strong>et</strong>el-00277226, version 1 - 5 May 2008Les transferts d’eau dans le sol nécessitent la définition <strong>de</strong> <strong>de</strong>ux fonctions : la courbe <strong>de</strong> rétentionqui relie le potentiel hydrique au contenu en eau <strong>et</strong> la relation reliant la conductivité hydraulique aucontenu en eau.Dans le modèle SEtHyS, le formalisme <strong>de</strong> Van Genuchten (1980) est utilisé pour le calcul <strong>de</strong> ladiffusivité hydrique mais il nécessite l’ajustement <strong>de</strong> paramètres d’échelle <strong>et</strong> <strong>de</strong> forme par <strong>de</strong>s mesuresexpérimentales. Pour le modèle SEtHyS Savannah, nous avons opté pour le formalisme <strong>de</strong> Brooks <strong>et</strong>Corey (1966) qui perm<strong>et</strong> l’implémentation du modèle <strong>de</strong> Green <strong>et</strong> Ampt pour le calcul <strong>de</strong>s termesd’infiltration <strong>et</strong> <strong>de</strong> ruissellement. Les paramètres <strong>de</strong>s équations <strong>de</strong> ferm<strong>et</strong>ures sont donnés par la table<strong>de</strong> pédotransfert <strong>de</strong> Clapp <strong>et</strong> Hornberger (1978).Pour une couche i, ces expressions s’écrivent :⎧⎪⎨⎪⎩ψ(w i ) = ψ sat(wiw sat) −bk(w i ) = k sat(wiw sat) 2b+3 (2.50)où b représente la pente <strong>de</strong> la courbe <strong>de</strong> rétention d’eau <strong>et</strong> w i le contenu en eau <strong>de</strong> la couche <strong>de</strong>sol i. k sat (m.s −1 ), ψ sat (m) <strong>et</strong> w sat (m 3 .m −3 ) sont respectivement la conductivité hydraulique, lepotentiel hydrique <strong>et</strong> le contenu en eau volumique à saturation. Tous ces paramètres sont liés à latexture du sol <strong>et</strong> fournis par les tables <strong>de</strong> pédotransfert.Les termes <strong>de</strong> diffusion <strong>et</strong> drainageLa diffusion <strong>et</strong> le drainage sont les <strong>de</strong>ux processus majeurs <strong>de</strong>s mouvements verticaux d’eau dansle sol. La diffusion <strong>de</strong> l’eau dépend du gradient <strong>de</strong> potentiel hydrique entre les <strong>de</strong>ux couches <strong>de</strong> solreprésentées dans le modèle. Son signe varie donc en fonction du gradient d’humidité entre ces <strong>de</strong>uxcouches, puisque le potentiel hydrique est directement lié à l’humidité volumique (cf équation 2.50).Les équations 2.46 <strong>et</strong> 2.47 perm<strong>et</strong>tent d’écrire la diffusivité sous la forme :D(w) = k(w) ∂ψ(w)∂w(2.51)
40 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>Ce coefficient <strong>de</strong> diffusion peut être déterminé à partir <strong>de</strong>s équations <strong>de</strong> ferm<strong>et</strong>ure choisies 2.50,ce qui donne :D(w) = −bψ satk satw sat( ww sat) b+2(2.52)D est exprimé en mm 2 .s −1 . En pratique on considère, pour le calcul du coefficient <strong>de</strong> diffusion,l’humidité moyenne à l’interface entre <strong>de</strong>ux couches <strong>de</strong> sol.Le drainage correspond à l’écoulement gravitationnel <strong>de</strong> l’eau dans le sol. On le considère directementproportionnel à la conductivité hydraulique. Comme la diffusivité, il s’exprime à l’interfaceentre <strong>de</strong>ux couches <strong>de</strong> sol mais c<strong>et</strong>te fois en considérant l’humidité volumique <strong>de</strong> la couche supérieure.D r (w) = k sat( w − wresidw sat − w resid) 2b+3(2.53)primée en mm.s −1 . En général on la calcule pour une épaisseur <strong>de</strong> sol variant <strong>de</strong> 1 à 10cm. L’infiltratel-00277226,version 1 - 5 May 2008Le drainage est donc toujours dirigé vers le bas, <strong>et</strong> est d’autant plus important que l’humidité dusol est proche <strong>de</strong> la saturation.Le ruissellement <strong>de</strong> surfaceLe ruissellement <strong>de</strong> surface est un phénomène important à prendre en compte dans le bilan hydriqued’un sol, en particulier en zone sahélienne où l’on observe <strong>de</strong>s pluies brèves mais intenses. Leruissellement <strong>de</strong> Horton, c’est à dire par dépassement <strong>de</strong> la capacité d’infiltration d’un sol, joue doncun rôle prépondérant en cas <strong>de</strong> fortes intensités <strong>de</strong> pluies. A l’inverse le ruissellement <strong>de</strong> Dunne, c’està dire par débor<strong>de</strong>ment du réservoir n’existe pratiquement pas en zone sahélienne, il n’est pas sensibleà l’intensité <strong>de</strong>s pluies.Une modélisation du ruissellement hortonien a donc été ajouté au modèle SEtHyS, en plus <strong>de</strong> lamodélisation du ruissellement par débor<strong>de</strong>ment du réservoir qui existait déjà (ruissellent <strong>de</strong> Dunne).Plusieurs modèles décrivent d’une manière simplifiée le mouvement <strong>de</strong> l’eau dans le sol, en particulierau niveau du front d’humidification <strong>et</strong> en fonction <strong>de</strong> certains paramètres physiques. Le modèle<strong>de</strong> Green <strong>et</strong> Ampt (1911) repose sur <strong>de</strong>s hypothèses simplificatrices qui impliquent une schématisationdu processus d’infiltration. Une <strong>de</strong>s hypothèses du modèle <strong>de</strong> Green <strong>et</strong> Ampt est que la teneur en eau<strong>de</strong> la zone <strong>de</strong> transmission est considérée uniforme (voir figure 2.5). L’infiltration résulte alors du produit<strong>de</strong> la variation <strong>de</strong> teneur en eau <strong>et</strong> <strong>de</strong> la profon<strong>de</strong>ur du front d’humidification. Ce modèle s’avèresatisfaisant dans le cas <strong>de</strong> son application à un sol dont la texture est grossière ce qui est le cas pourles sols sahéliens dans lesquels la proportion <strong>de</strong> sable est importante.L’infiltrabilité I(w) représente la quantité maximale d’eau qu’un sol peut absorber, elle est ex-
2.2 Bilan hydrique <strong>et</strong> contenu en eau du sol 41FIG. 2.5 – Schéma du front d’infiltration dans l’hypothèse <strong>de</strong> Green <strong>et</strong> Ampttel-00277226, version 1 - 5 May 2008bilité est le flux d’eau dans le sol à saturation, q(z)| sat , qui s’exprime par :I(w) = k(w)| sat[ ∂ψ(w)∂z]∣ + 1sat(2.54)k(w)| sat étant la conductivité hydraulique à saturation k sat . Grâce aux équations <strong>de</strong> ferm<strong>et</strong>ure2.50 on est en mesure <strong>de</strong> calculer le terme suivant :∂ψ(w)∂z ∣ = ∂ψ(w)∂wsat∂w ∣sat∂z ∣ (2.55)sat<strong>et</strong> ainsi d’obtenir, par intégration (Decharme <strong>et</strong> Douville, 2006), l’expression <strong>de</strong> l’infiltrabilité :I(w) = k sat[bψsat∆z( ) ]w− 1 + 1w sat(2.56)où ∆z représente la profon<strong>de</strong>ur que l’on choisit <strong>de</strong> prendre en compte pour calculer l’infiltrabilité,<strong>et</strong> w l’humidité moyenne <strong>de</strong> la couche d’épaisseur ∆z.Ainsi on voit que le modèle perm<strong>et</strong> à l’eau <strong>de</strong> s’infiltrer dans le sol d’autant plus que celui ci estsec (car ψ sat est négatif).2.2.3 Bilan hydriqueLa <strong>de</strong>scription du bilan d’eau dans le modèle SEtHyS Savannah a été totalement revue. En eff<strong>et</strong>,l’ajout d’une couche <strong>de</strong> sol, la modélisation d’une couche <strong>de</strong> mulch <strong>et</strong> la prise en compte du ruissellementhortonien (cf 2.2.2) a nécessité la révision <strong>de</strong>s équations <strong>de</strong> bilan d’eau. Toutes ces modificationsont été faites dans le but <strong>de</strong> mieux représenter le fonctionnement <strong>de</strong>s écosystèmes sahéliens.
42 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>tel-00277226, version 1 - 5 May 2008FIG. 2.6 – Schéma du front d’infiltration dans l’hypothèse <strong>de</strong> Green <strong>et</strong> AmptLe mulch <strong>de</strong> surfaceLes sols sahéliens sont composés en gran<strong>de</strong> majorité <strong>de</strong> sable, <strong>et</strong> sont suj<strong>et</strong>s à une <strong>de</strong>ssiccationtrès rapi<strong>de</strong> sous l’eff<strong>et</strong> d’une <strong>de</strong>man<strong>de</strong> climatique importante (température élevée <strong>et</strong> humidité <strong>de</strong> l’airfaible). Une étu<strong>de</strong> menée en In<strong>de</strong> par Jalota (1993) montre l’importance <strong>de</strong> la prise en compte d’unmulch sec <strong>de</strong> surface. Braud <strong>et</strong> al. (1997) ont testé l’impact d’une croûte <strong>de</strong> surface (2cm) sur lesprocessus <strong>de</strong> ruissellement/infiltration <strong>et</strong> ont montré que le ruissellement est très sensible au choix <strong>de</strong>la paramétrisation <strong>de</strong> c<strong>et</strong>te croûte. Dans notre étu<strong>de</strong>, le mulch agit sur l’évaporation, le ruissellementest déterminé par une conductivité hydraulique <strong>de</strong> surface qui perm<strong>et</strong> <strong>de</strong> prendre en compte <strong>de</strong> manièresimplifiée la différence <strong>de</strong> structure du sol entre la surface <strong>et</strong> le sol sous-jacent.Le sol dans le modèle est divisé en <strong>de</strong>ux couches : la zone racinaire <strong>de</strong>s arbres <strong>et</strong> la zone racinaire<strong>de</strong> l’herbe (dans laquelle les racines <strong>de</strong>s arbres puisent également). Le mulch ne se développe que dansla couche superficielle <strong>de</strong> sol. La croissance du mulch est dirigée par les pertes d’eau par évaporation(Figure 2.6). Lorsqu’une pluie survient, le mulch est humidifié à l’humidité volumique correspondantà la capacité au champ, <strong>et</strong> une certaine épaisseur <strong>de</strong> mulch peut être ”emprisonnée” entre <strong>de</strong>ux coucheshumi<strong>de</strong>s <strong>et</strong> dans ce cas un <strong>de</strong>uxième mulch peut se développer en surface. Il est important <strong>de</strong> r<strong>et</strong>enirqu’aucun échange d’eau liqui<strong>de</strong> ne se fait entre un mulch <strong>et</strong> une couche humi<strong>de</strong>, seuls <strong>de</strong>s échanges<strong>de</strong> vapeur d’eau sont possibles au travers d’une couche <strong>de</strong> mulch en contact avec l’atmosphère. On
2.2 Bilan hydrique <strong>et</strong> contenu en eau du sol 43décrit ainsi l’évolution <strong>de</strong> l’épaisseur d’un mulch en contact avec l’atmosphère par l’expression :∂z mulch∂t=E s−P rw − w resid w cc − w(2.57)où w est l’humidité volumique du sol dans lequel évolue le mulch, E s est l’évaporation du sol (enmm.s −1 ) <strong>et</strong> P r est la quantité <strong>de</strong> pluie qui s’infiltre (en mm.s −1 ).Deux couches <strong>de</strong> mulch séparées par une couche humi<strong>de</strong> peuvent coexister. Si une pluie survientsur le <strong>de</strong>uxième mulch, on fusionne alors les <strong>de</strong>ux couches superficielles (mulch + couche humi<strong>de</strong>).Nous avons choisi <strong>de</strong> limiter le nombre <strong>de</strong> couches <strong>de</strong> mulch car, en pratique, les pluies étantconcentrées durant quelques mois, le <strong>de</strong>uxième mulch ne se développe jamais au <strong>de</strong>là <strong>de</strong> quelquescentimètres.tel-00277226, version 1 - 5 May 2008Le bilan d’eau dans le modèleDeux couches sont représentées dans le sol mais en réalité, la couche racinaire <strong>de</strong> surface peutêtre divisée en plusieurs mulchs <strong>et</strong> plusieurs couches humi<strong>de</strong>s (jusqu’à <strong>de</strong>ux). On doit donc décrirel’évolution <strong>de</strong> l’humidité <strong>de</strong> chacune <strong>de</strong>s couches.∂w 1∂t∂w 2∂t∂w t∂t= 1 [−R g→1 E g − R t→1 E t ]z 1= 1 [−R g→2 E g − R t→2 E t − 2D(w ]2−t)(w 2 − w t ) − C(w 2 )z 2 z 2 + z rt= 1 [−R t→t E t + 2D(w ]2−t)(w 2 − w t ) + C(w 2 ) − C(w t )z rt z 2 + z rt(2.58)où D(w 2−t ) est le coefficient <strong>de</strong> diffusivité entre les <strong>de</strong>ux couches qui ont pour humidité w2 <strong>et</strong>w t . Ce coefficient est calculé à l’interface entre ces <strong>de</strong>ux couches, on prend donc l’humidité moyenneentre les <strong>de</strong>ux couches w 2−t . Les coefficients R perm<strong>et</strong>tent <strong>de</strong> répartir la transpiration <strong>de</strong> la végétation(transpiration <strong>de</strong> l’herbe E g <strong>et</strong> transpiration <strong>de</strong>s arbres E t ) entre les différentes couches <strong>de</strong> sol. Leprélèvement d’eau dans le sol par les racines est géré <strong>de</strong> manière simple dans le modèle. En eff<strong>et</strong>, lesracines prélèvent <strong>de</strong> l’eau dans chacune <strong>de</strong>s couches <strong>de</strong> sol, proportionnellement à leur contenu eneau, cependant on considère que les racines <strong>de</strong> l’herbe sont réparties dans la première couche <strong>de</strong> solz rg <strong>et</strong> que les racines <strong>de</strong>s arbres sont présentes sur tout le profil <strong>de</strong> sol z rg + z rt . Ainsi les coefficientsR sont :w 1 z 1w 1 z 1R g→1 =R t→1 =w 1 z 1 + w 2 z 2 w 1 z 1 + w 2 z 2 + w t z rtw 2 z 2w 2 z 2R g→2 =R t→2 =(2.59)w 1 z 1 + w 2 z 2 w 1 z 1 + w 2 z 2 + w t z rtw t z rtR t→t =w 1 z 1 + w 2 z 2 + w t z rt
44 Le modèle SEtHyS Savannah : Échanges d’énergie <strong>et</strong> d’eau en zone semi-ari<strong>de</strong>où z rt est l’épaisseur <strong>de</strong> la couche <strong>de</strong> sol atteinte uniquement par les racines <strong>de</strong>s arbres (coucheprofon<strong>de</strong>).Ce chapitre s’est attaché à présenter brièvement l’ensemble <strong>de</strong>s processus <strong>de</strong> surface <strong>et</strong> leurreprésentation physique dans le modèle SEtHyS Savannah. Il sera souvent fait référence à ce chapitrepour les analyses <strong>et</strong> discussions dans la suite du manuscrit.tel-00277226, version 1 - 5 May 2008
Chapitre 3Validation du modèl<strong>et</strong>el-00277226, version 1 - 5 May 2008Ce chapitre a pour but <strong>de</strong> présenter dans un premier temps le contexte d’application <strong>et</strong> <strong>de</strong> validationdu modèle SEtHyS Savannah. La campagne <strong>de</strong> mesures du programme AMMA a fourni un jeu <strong>de</strong>données très intéressant pour vali<strong>de</strong>r le modèle tel qu’il a été présenté dans le chapitre 2 sur <strong>de</strong>ux sites :une parcelle <strong>de</strong> mil <strong>et</strong> une parcelle <strong>de</strong> jachère. Dans un <strong>de</strong>uxième temps, la validation proprement ditesera exposée <strong>et</strong> discutée par rapport aux résultats du modèle SEtHyS avant modification. L’ancienneversion du modèle constitue notre référence pour évaluer l’impact <strong>de</strong>s modifications apportées aumodèle.Ces développements sont aussi soumis à publication pour la revue Agricultural and Forest M<strong>et</strong>eorology,joint en annexe A (Saux Picart <strong>et</strong> al., 2007).3.1 Le forçage du modèle3.1.1 Le forçage atmosphériqueComme vu au paragraphe 1.3.6 <strong>de</strong>ux sites ont été instrumentés pour acquérir en continu (au pas <strong>de</strong>temps <strong>de</strong> la <strong>de</strong>mi-heure) l’ensemble <strong>de</strong>s données météorologiques nécessaires au forçage du modèle :température <strong>de</strong> l’air (T a ), humidité spécifique <strong>de</strong> l’air (q a ), vitesse <strong>et</strong> direction du vent (u a ), rayonnementatmosphérique inci<strong>de</strong>nt (R a ) <strong>et</strong> rayonnement solaire inci<strong>de</strong>nt (R g ).Un pluviomètre a été installé entre les <strong>de</strong>ux sites qui sont éloignés <strong>de</strong> quelques centaines <strong>de</strong> mètres.Ce pluviomètre acquiert <strong>de</strong>s cumuls <strong>de</strong> pluies toute les 5 minutes ce qui perm<strong>et</strong> une bonne <strong>de</strong>scription<strong>de</strong> la répartition temporelle <strong>de</strong>s pluies au cours <strong>de</strong> l’événement pluvieux. L’intensité <strong>de</strong> la pluiecontrôle en partie les phénomènes d’infiltration <strong>et</strong> <strong>de</strong> ruissellement. Il est donc important <strong>de</strong> gar<strong>de</strong>r unmaximum <strong>de</strong> définition dans le forçage pluviométrique pour simuler correctement l’infiltration <strong>et</strong> leruissellement.La figure 3.1 représente les hyétogrammes <strong>de</strong> <strong>de</strong>ux événements pluvieux enregistrés par le pluviomètre<strong>de</strong> Wankama durant la saison <strong>de</strong>s pluies 2005. L’intensité <strong>de</strong> la pluie a été reportée au pas
46 Validation du modèleFIG. 3.1 – Hyétogrammes <strong>de</strong> <strong>de</strong>ux événements pluvieux caractéristiques à 5 minutes (trait plein) <strong>et</strong>30 minutes (trait discontinu) <strong>de</strong> résolutiontel-00277226, version 1 - 5 May 2008<strong>de</strong> temps d’acquisition (5 minutes, en trait plein) <strong>et</strong> en moyennes semi-horaires (en trait discontinu).On remarque que les pics d’intensité sont très atténués par la moyenne à 30 minutes, on peut observerun facteur supérieur à 2 en début d’événement donc pour les plus fortes intensités. Lors d’unévénement pluvieux, c’est précisément durant les premières minutes <strong>de</strong> pluie que le ruissellement <strong>de</strong>Horton (type <strong>de</strong> ruissellement dominant en région sahélienne) est produit. Le ruissellement <strong>de</strong> Hortonintervient lorsque l’intensité <strong>de</strong> la pluie est supérieure à la vitesse d’infiltration <strong>de</strong> l’eau à la surfacedu sol. A l’inverse le ruissellement <strong>de</strong> Dunne se produit lorsque le sol est saturé d’eau <strong>et</strong> ne peut plusinfiltrer. Ce type <strong>de</strong> ruissellement n’est pas sensible à l’intensité <strong>de</strong> la pluie <strong>et</strong> intervient plutôt en find’événement.Le formalisme utilisé dans le modèle pour simuler les phénomènes d’infiltration <strong>et</strong> <strong>de</strong> ruissellementa déjà été décrit au paragraphe 2.2.2, le taux d’infiltration (ou infiltrabilité) calculé est directementproportionnel à la conductivité hydraulique à saturation (k sat ), <strong>et</strong> dépend <strong>de</strong> l’état hydrique <strong>de</strong>s10 premiers centimètres <strong>de</strong> sol. Sur la figure 3.1 on a également reporté (trait pointillé horizontal)à titre indicatif l’infiltrabilité d’un sol sableux relativement sec caractérisé par : w = 0.15m 3 .m 3 ,k sat = 3.6 · 10 −6 m.s −1 , ψ sat = −0.16m, b = 4.34 <strong>et</strong> w sat = 0.27m 3 .m 3 . On observe alors quedans ces conditions, le ruissellement produit peut être nul (ou très faible) si on considère l’intensité<strong>de</strong>s pluies à 30min, alors que si l’on considère l’intensité <strong>de</strong>s pluies à 5min, le ruissellement produitpeut être très important.C<strong>et</strong> exemple illustre l’importance <strong>de</strong> prendre en compte les pluies à un pas <strong>de</strong> temps fin dans lesmodèles pour simuler correctement la quantité d’eau qui va s’infiltrer dans le sol <strong>et</strong> donc l’ensemble<strong>de</strong>s variables du bilan hydrique.Nous avons donc choisi un pas <strong>de</strong> temps pour le modèle égal au pas <strong>de</strong> temps <strong>de</strong> l’acquisition <strong>de</strong>sdonnées <strong>de</strong> pluie, c’est à dire 5 minutes. Le forçage atmosphérique (T a , q a , u a , r a <strong>et</strong> r s ) acquis au pas<strong>de</strong> temps <strong>de</strong> 30 minutes a été interpolé linéairement à 5 minutes.
3.1 Le forçage du modèle 473.1.2 Description <strong>de</strong> la végétationComme mentionné précé<strong>de</strong>mment, <strong>de</strong>s mesures <strong>de</strong> LAI, hauteur, fraction <strong>et</strong> hauteur <strong>de</strong> la végétationont été effectuées sur <strong>de</strong>s parcelles <strong>de</strong> mil <strong>et</strong> <strong>de</strong> jachère aux alentours <strong>de</strong>s stations <strong>de</strong> mesures <strong>de</strong>s flux.La méthodologie mise en œuvre par N. Boulain pour faire le suivi du LAI, est celle du proj<strong>et</strong> VA-LERI (Validation of Land European Remote sensing Instruments, http ://www.avignon.inra.fr/valeri/).Le protocole consiste pour chaque parcelle <strong>de</strong> végétation, à faire une série <strong>de</strong> photographies hémisphériquessur 13 points sur une sous-parcelle <strong>de</strong> 20 m <strong>de</strong> coté. Les photos sont ensuite numérisées <strong>et</strong> traitées parle logiciel Can eye développé par l’équipe <strong>de</strong> F. Bar<strong>et</strong> <strong>de</strong> l’UMR CSE <strong>de</strong> l’INRA (Institut National <strong>de</strong>Recherche Agronomique) d’Avignon.tel-00277226, version 1 - 5 May 2008Sur les parcelles <strong>de</strong> mil, seul le LAI <strong>de</strong>s plants <strong>de</strong> mil a été comptabilisé, c’est à dire que lamesure ne prend pas en compte une éventuelle végétation sous-jacente (herbe) qui se développe naturellementsi le champ n’est pas sarclé régulièrement. La végétation présente sur les champs <strong>de</strong> jachèreest constituée d’une strate herbeuse, dont la hauteur peut atteindre 40 cm en pério<strong>de</strong> <strong>de</strong> pleine croissance,parsemée <strong>de</strong> plants <strong>de</strong> Guiera. Les mesures <strong>de</strong> LAI n’ont été faites que pour l’herbe qui peutreprésenter jusqu’à 80% du LAI total sur une parcelle <strong>de</strong> jachère (communication personnelle N.Boulain).La <strong>de</strong>scription <strong>de</strong> la végétation est un élément clef dans le forçage du modèle. Les mesures étantincomplètes <strong>et</strong> les premières simulations effectuées en utilisant uniquement les mesures pour forcerle modèle ne donnant pas <strong>de</strong>s résultats satisfaisants notamment en terme d’évapotranspiration, nousavons choisi <strong>de</strong> compléter les mesures à la lumière <strong>de</strong>s informations récoltées sur place. Pour laparcelle <strong>de</strong> mil, nous avons ajouté un cycle <strong>de</strong> végétation correspondant à l’herbe (non sarclée) qui sedéveloppe sous le couvert <strong>de</strong> mil, <strong>et</strong> dont la phénologie est très liée aux pluies : début <strong>de</strong> croissance<strong>de</strong> l’herbe 5 jours après la première pluie <strong>et</strong> disparition environ 10 jours après la <strong>de</strong>rnière pluie <strong>de</strong> lasaison. Nous avons considéré un LAI maximum d’environ 0.2, <strong>et</strong> une hauteur maximale <strong>de</strong> 0.3m.En ce qui concerne le site <strong>de</strong> jachère, nous avons également ajouté une couche <strong>de</strong> végétationcorrespondant aux plants <strong>de</strong> Guiera. Le LAI maximum pour c<strong>et</strong>te couche est <strong>de</strong> 0.2 <strong>et</strong> la hauteur estconstante (1.90m). Le cycle phénologique <strong>de</strong> la guiera est plus étalé car les racines sont plus profon<strong>de</strong>s<strong>et</strong> peuvent donc puiser <strong>de</strong> l’eau plusieurs semaines après la <strong>de</strong>rnière pluie.Les cycles <strong>de</strong> LAI <strong>et</strong> hauteur pour les <strong>de</strong>ux sites ont été reportés sur la figure 3.2. Les croixreprésentent la moyenne <strong>de</strong>s mesures (quand elles ont été faites) sur les parcelles <strong>de</strong> mil d’une part <strong>et</strong>sur les parcelles <strong>de</strong> jachère d’autre part. Les cycles ont été interpolés par une fonction spline <strong>et</strong> unefonction <strong>de</strong> lissage en moyenne glissante (IDL reference gui<strong>de</strong>).Nous considérons dans la suite que le mil possè<strong>de</strong> un fonctionnement en C4, que la Guiera a unfonctionnement en C3 <strong>et</strong> que l’herbe sous-jacente a un fonctionnement en C4 (Hanan <strong>et</strong> Prince, 1997).
48 Validation du modèleMilJachèr<strong>et</strong>el-00277226, version 1 - 5 May 2008FIG. 3.2 – Cycles <strong>de</strong> LAI <strong>et</strong> hauteur <strong>de</strong> végétation utilisées pour le site <strong>de</strong> mil <strong>et</strong> <strong>de</strong> jachère3.2 Mesure <strong>de</strong>s fluxChaque terme du bilan d’énergie a été mesuré par les instruments décrits au paragraphe 1.3.6.L’erreur sur la ferm<strong>et</strong>ure du bilan (comparaison <strong>de</strong>s rayonnements n<strong>et</strong>s mesurés <strong>et</strong> calculés à partir <strong>de</strong>la somme <strong>de</strong>s flux turbulents <strong>et</strong> <strong>de</strong> conduction dans le sol) est en moyenne <strong>de</strong> 20% avec <strong>de</strong>s maximasupérieurs à 50%. C<strong>et</strong>te erreur est due d’une part aux imprécisions liées à la mesure (car on ne mesureque les composantes verticales <strong>de</strong>s flux), mais également à l’hétérogénéité <strong>de</strong> la surface. En eff<strong>et</strong> lamesure <strong>de</strong>s flux turbulents, même si elle est faite en un point précis, est très affectée par l’ensemble<strong>de</strong>s éléments constitutifs du paysage dans les quelques dizaines <strong>de</strong> mètres autour <strong>de</strong> l’emplacement<strong>de</strong> la station. Par ailleurs, la mesure du flux <strong>de</strong> chaleur dans le sol (effectuée à 5cm) n’est pas ramenéeà la surface <strong>et</strong> induit ainsi une erreur sur la ferm<strong>et</strong>ure du bilan. Nous reviendrons sur ce problème plusen détail par la suite. Sur la parcelle <strong>de</strong> jachère, la surface est particulièrement hétérogène, <strong>et</strong> l’erreur<strong>de</strong> ferm<strong>et</strong>ure du bilan d’énergie peut atteindre 100%.Il est donc important <strong>de</strong> corriger les flux mesurés avant <strong>de</strong> les utiliser pour la validation. Ainsi, lesdonnées ont été éliminées quand l’erreur dépasse 30% du bilan <strong>et</strong> ont été corrigées dans les autres cas.Pour cela, on choisit <strong>de</strong> répartir la différence obtenue sur la ferm<strong>et</strong>ure du bilan sur les <strong>de</strong>ux termes<strong>de</strong> flux turbulents. C<strong>et</strong>te métho<strong>de</strong> <strong>de</strong> répartition est couramment utilisée <strong>et</strong> est effectuée à l’ai<strong>de</strong> d’un
3.3 L’optimisation du modèle 49coefficient k journalier :H c = kH o (3.1)LE c = kLE o (3.2)où H o , LE o sont les flux observés <strong>et</strong>, H c , LE c sont les flux corrigés. k est le facteur correctif calculéà partir <strong>de</strong>s moyennes journalières <strong>de</strong>s flux observés :k =〈 〉 Rn − GLE o + H oPour les <strong>de</strong>ux stations, environ 20% <strong>de</strong>s données ont été éliminées car un écart trop grand <strong>de</strong>ferm<strong>et</strong>ure du bilan était observé. Finalement, environ 20% <strong>de</strong>s données brutes ont été corrigées par lamétho<strong>de</strong> décrite ci-<strong>de</strong>ssus.(3.3)tel-00277226, version 1 - 5 May 20083.3 L’optimisation du modèleL’efficacité <strong>de</strong>s modèles TSVA pour simuler les variables du bilan d’énergie <strong>et</strong> <strong>de</strong> masse à la surfacedépend <strong>de</strong> la connaissance liée à la représentation du sol, <strong>de</strong> la végétation mais aussi <strong>de</strong>s incertitu<strong>de</strong>ssur les conditions <strong>de</strong> forçage météorologique <strong>et</strong> radiatif ainsi que <strong>de</strong> la complexité du modèle.Comme nous l’avons illustré dans le chapitre 2, les différents phénomènes physiques pris en comptesont en nombre limité, <strong>et</strong> leur représentation est basée sur <strong>de</strong>s paramétrisations. Ces paramétrisationssont en fait <strong>de</strong>s simplifications <strong>de</strong>s processus physiques à l’échelle microscopique, mises en place àl’ai<strong>de</strong> d’étu<strong>de</strong>s statistiques <strong>et</strong> d’hypothèses <strong>de</strong> changement d’échelle (un bon exemple est l’intégration<strong>de</strong> la résistance <strong>de</strong> couche limite foliaire à l’échelle du couvert). Les modèles TSVA font donc intervenirun grand nombre <strong>de</strong> paramètres dont la valeur n’est pas toujours facile à fixer <strong>et</strong> dépend du cadred’application du modèle. Idéalement, dans un contexte d’application bien précis, la valeur <strong>de</strong> certainsparamètres peut être déduite <strong>de</strong> mesures ou d’ajustement sur <strong>de</strong>s mesures. Cependant il y a souventun manque d’information pour établir la plupart <strong>de</strong>s paramètres d’un modèle TSVA. C’est pour c<strong>et</strong>teraison que <strong>de</strong>s métho<strong>de</strong>s d’optimisation <strong>de</strong>s paramètres ont été développées afin d’ajuster la valeur<strong>de</strong>s paramètres sur la base <strong>de</strong> différents critères. Une optimisation passe toujours par la recherched’un minimum d’une fonction <strong>de</strong> coût. Les métho<strong>de</strong>s d’optimisation <strong>de</strong> paramètres sont nombreuses,Sorooshian <strong>et</strong> Gupta (1995) distinguent les métho<strong>de</strong>s locales <strong>et</strong> les métho<strong>de</strong>s globales. Les premièressont basées sur le choix d’une direction <strong>et</strong> d’un pas dans l’espace <strong>de</strong>s paramètres afin <strong>de</strong> déterminer leminimum d’une fonction à partir d’un point déterminé a priori. La métho<strong>de</strong> dite du Simplex (Nel<strong>de</strong>r<strong>et</strong> Mead, 1965) est une <strong>de</strong>s métho<strong>de</strong>s locales les plus utilisées. Les métho<strong>de</strong>s globales sont basées surla recherche du minimum à partir <strong>de</strong> l’exploration <strong>de</strong> l’ensemble <strong>de</strong> l’espace <strong>de</strong>s paramètres. Ellespeuvent être déterministes, stochastiques ou combinées déterministes-stochastiques.
50 Validation du modèle3.3.1 La métho<strong>de</strong> d’étalonnage MCIP– un critère <strong>de</strong> séparation entre les simulations ”acceptables” <strong>et</strong> les simulations ”non acceptel-00277226,version 1 - 5 May 2008La métho<strong>de</strong> que nous avons choisie pour m<strong>et</strong>tre en œuvre l’analyse <strong>de</strong> sensibilité <strong>et</strong> l’étalonnage<strong>de</strong>s paramètres est celle développée par Demarty <strong>et</strong> al. (2002,2004,2005) adaptée <strong>et</strong> utilisée par Cou<strong>de</strong>rt<strong>et</strong> al. (2003) pour étalonner les paramètres du modèle SEtHyS. La métho<strong>de</strong> MCIP (MultiobjectiveCalibration Iterative Procedure, Demarty <strong>et</strong> al., 2005) est basée sur le principe <strong>de</strong> l’algorithmeMOGSA (Multi Objective Generalized Sensitivity Analysis, Bastidas <strong>et</strong> al., 1999) qui perm<strong>et</strong> <strong>de</strong>prendre en compte une fonction <strong>de</strong> coût déterminée sur plusieurs variables <strong>de</strong> sortie simultanémentpour mener l’analyse <strong>de</strong> sensibilité <strong>de</strong> l’ensemble <strong>de</strong>s paramètres.La métho<strong>de</strong> consiste à réaliser un grand nombre <strong>de</strong> simulations avec <strong>de</strong>s combinaisons aléatoires<strong>de</strong>s valeurs possibles <strong>de</strong>s paramètres. A chaque paramètre on associe une gamme <strong>de</strong> variation plausible.L’ensemble <strong>de</strong> ces intervalles <strong>de</strong> départs, ou gammes initiales, définit un hyper espace <strong>de</strong>s paramètresqui est balayé afin <strong>de</strong> construire l’espace <strong>de</strong>s solutions. Pour chaque point <strong>de</strong> c<strong>et</strong> hyperespace <strong>de</strong>s paramètres (combinaison <strong>de</strong> paramètres), une simulation est effectuée, elle constitue unpoint <strong>de</strong> l’espace solution. Une approche stochastique simple est utilisée pour échantillonner l’espace<strong>de</strong>s paramètres avec une loi <strong>de</strong> probabilité uniforme (Monte-Carlo).On associe à chaque simulation un ”score” calculé à partir <strong>de</strong> l’écart entre la simulation <strong>et</strong> uneréférence (observations dans notre étu<strong>de</strong>). Il est alors possible <strong>de</strong> trier les simulations en <strong>de</strong>ux sousensembles: les simulations acceptables <strong>et</strong> les simulations non acceptables, <strong>et</strong> ainsi d’i<strong>de</strong>ntifier lesparamètres qui contrôlent la séparation entre les <strong>de</strong>ux sous-ensembles.La mise en œuvre <strong>de</strong> c<strong>et</strong>te procédure est décomposée en un certain nombre d’étapes :– définition <strong>de</strong> l’espace initial <strong>de</strong>s paramètres, consistant à attribuer une gamme <strong>de</strong> valeurs possiblespour chaque paramètre– échantillonnage <strong>de</strong> l’espace <strong>de</strong>s paramètres, pour lequel nous choisissons un tirage aléatoire(Monte Carlo) suivant une loi uniforme– choix <strong>de</strong> la fonction ”score” ou fonction <strong>de</strong> coût. Nous utilisons l’écart quadratique moyenentre les variables simulées <strong>et</strong> observées (RMSE, Root Mean Square Error) :⎛( N ∑XjRMSE(X j ) =⎜ ˆXi − ˜X) 2⎞i⎟√ ⎝⎠ (3.4)i=1où ˆX i <strong>et</strong> ˜Xi sont respectivement la simulation <strong>et</strong> l’observation <strong>de</strong> la variable X j au temps i <strong>et</strong>N X , le nombre <strong>de</strong> pas <strong>de</strong> temps considérés pour la variable X j . La fonction score est en fait leN Xjvecteur <strong>de</strong>s RMSE(X j ) pour l’ensemble <strong>de</strong>s variables X j prises en compte
3.3 L’optimisation du modèle 51a) b)tel-00277226, version 1 - 5 May 2008FIG. 3.3 – Fonctions <strong>de</strong> répartition cumulée dans le cas d’un paramètre sensible (cas a) <strong>et</strong> d’un paramètrenon sensible (cas b) en rouge pour l’ensemble <strong>de</strong>s simulations ”acceptables” <strong>et</strong> en noir pour l’ensemble <strong>de</strong>ssimulations ”non acceptables”.tables”. La métho<strong>de</strong> <strong>de</strong> classification <strong>de</strong>s simulations utilisée repose sur le rangement <strong>de</strong> Par<strong>et</strong>o.Les simulations sont classées par ensembles d’équivalence (rangs <strong>de</strong> Par<strong>et</strong>o). Un nombre minimum<strong>de</strong> simulations acceptables (fixé a priori) définit un rang seuil perm<strong>et</strong>tant alors <strong>de</strong> classerles simulations au sein <strong>de</strong>s <strong>de</strong>ux sous-ensembles. Bastidas <strong>et</strong> al. (1999) ou Demarty <strong>et</strong> al. (2002,2004), par exemple, ont illustré graphiquement le rangement <strong>de</strong> Par<strong>et</strong>o dans leurs publications.– le calcul <strong>de</strong> la sensibilité <strong>de</strong>s paramètres est défini à partir <strong>de</strong>s fonctions <strong>de</strong> répartition cumulées<strong>de</strong>s valeurs <strong>de</strong>s paramètres a posteriori sur chaque sous-ensemble (Figure 3.3). Si l’écartentre ces <strong>de</strong>ux distributions est significatif, le paramètre auquel elles sont associées peut êtreconsidéré comme influent (sensible) pour les simulations (cas a) <strong>de</strong> la figure 3.3). Au contraire,un paramètre peu influent sera caractérisé par <strong>de</strong>s distributions similaires (cas b) <strong>de</strong> la figure3.3).La distance <strong>de</strong> Kolmogorov-Smirnorff a été choisie pour mesurer la distance maximale entreles <strong>de</strong>ux fonctions <strong>de</strong> répartition :D maxαi = sup αi |F (α i |B) − F (α i | ¯B)| (3.5)avecD maxαila distance maximale entre les <strong>de</strong>ux fonctions <strong>de</strong> distribution cumulées ; α i un paramètredonné ; F (α i |B) la fonction <strong>de</strong> distribution cumulée sur l’ensemble <strong>de</strong>s valeurs acceptablesdu paramètre <strong>et</strong> F (α i | ¯B) la fonction <strong>de</strong> distribution cumulée sur l’ensemble <strong>de</strong>s valeursnon acceptables du paramètre.Le test <strong>de</strong> Kolmogorov-Smirnorff appliqué sur c<strong>et</strong>te distance perm<strong>et</strong> <strong>de</strong> définir un niveau <strong>de</strong>
52 Validation du modèlesignificativité compris entre 0 <strong>et</strong> 1 par[ ( √NeP αi = Q KS D maxαi + 0.12 + √ 0.11 )]Ne(3.6)avecN e =n (α i |B).n (αi | ¯B)n (αi |B) + n (αi | ¯B)(3.7)Les nombres effectifs (n (αi |B) <strong>et</strong> n (αi | ¯B) ) sont les nombres <strong>de</strong> simulations <strong>de</strong> chaque sousensemble,<strong>et</strong>3.3.2 Les paramètres étalonnésDisposant <strong>de</strong> séries <strong>de</strong> données <strong>de</strong> forçage <strong>et</strong> d’observation pour les années 2005 (à partir du17 juin) <strong>et</strong> 2006, nous avons pu utiliser la première année <strong>de</strong> données pour étalonner les paramètres<strong>et</strong> la secon<strong>de</strong> année pour la validation du modèle. Nous avons choisi une pério<strong>de</strong> d’étalonnage assezétendue pour couvrir <strong>de</strong>s conditions humi<strong>de</strong>s <strong>et</strong> sèches. En région sahélienne, la végétation disparaîtpratiquement en saison sèche, <strong>et</strong> le sol <strong>de</strong>vient l’unique surface d’échange <strong>de</strong> chaleur sentel-00277226,version 1 - 5 May 2008∞∑Q KS (λ) = 2 (−1) j−1 exp(−2j 2 λ 2 ) (3.8)j=1P αi définit donc la sensibilité du paramètre α i . Bastidas <strong>et</strong> al. (1999) choisissent trois niveaux<strong>de</strong> sensibilité : P αi inférieure à 0.01, comprise entre 0.01 <strong>et</strong> 0.05 <strong>et</strong> supérieure à 0.05 selonlesquels le paramètre α i est respectivement fortement, moyennement, ou faiblement sensible.Nous choisirons un seuil intermédiaire unique <strong>de</strong> 0.03 en <strong>de</strong>ssous duquel le paramètre sera jugésensible.Demarty <strong>et</strong> al. (2005) ont proposé d’utiliser la comparaison <strong>de</strong>s fonctions <strong>de</strong> distribution cumuléepour réduire l’espace <strong>de</strong>s paramètres sensibles vers la partie restreinte correspondant aux meilleures simulations.C’est l’itération qui perm<strong>et</strong> <strong>de</strong> converger vers un ensemble <strong>de</strong> combinaisons <strong>de</strong> paramètresoffrant tous les mêmes performances vis à vis <strong>de</strong>s critères choisis. Le barycentre <strong>de</strong> c<strong>et</strong> espace fournitune combinaison <strong>de</strong> paramètres que l’on convient d’appeler combinaison d’étalonnage.L’étalonnage <strong>de</strong>s paramètres a été effectué, dans notre cas d’étu<strong>de</strong>, en essayant d’optimiser la simulation<strong>de</strong> cinq variables pour lesquelles nous avons <strong>de</strong>s observations : les flux turbulents <strong>de</strong> chaleurlatente (LE) <strong>et</strong> sensible (H), le flux <strong>de</strong> chaleur dans le sol (G), le rayonnement n<strong>et</strong> (Rn) <strong>et</strong> l’albedo.L’idéal aurait été d’optimiser également le contenu en eau du sol, en particulier pour étalonnerau mieux les paramètres liés au ruissellement <strong>et</strong> drainage. Mais nous ne disposions pas <strong>de</strong> mesuresd’humidité du sol au moment <strong>de</strong> l’étu<strong>de</strong>.
3.3 L’optimisation du modèle 5331.7745Gammes <strong>de</strong> variation95.0398tau1.2479b3.694310 1 2 3 430 1 2 3 4es0.990.96760.950.950 1 2 3 4facttherm21.60331.3910 1 2 3 4tel-00277226, version 1 - 5 May 2008ksat5e−052.3992e−055.9458e−06albsect215e−070 1 2 3 40.40.399980.373660.250 1 2 3 4310307.167303.0993000 1 2 3 4ksat15e−054.9868e−05albhumwg15.285e−065e−070 1 2 3 40.240.239990.222330.120 1 2 3 40.150.0983120.0552090.0050 1 2 3 40.150.150.149970.14999wg20.099511wt0.100040.0050 1 2 3 4iteration0.10 1 2 3 4iterationFIG. 3.4 – Convergence <strong>de</strong>s paramètres sur le site <strong>de</strong> mil
54 Validation du modèle31.2659Gammes <strong>de</strong> variation98.538tau1.2044b8.279310 1 2 3 4 5 6 730 1 2 3 4 5 6 7es0.990.990.98840.950 1 2 3 4 5 6 7facttherm21.22171.16210 1 2 3 4 5 6 7tel-00277226, version 1 - 5 May 2008ksat5e−051.9835e−065.0063e−07albsect215e−070 1 2 3 4 5 6 70.40.340030.318960.250 1 2 3 4 5 6 7310304.27302.0393000 1 2 3 4 5 6 7ksat15e−053.6442e−062.7515e−06albhumwg15e−070 1 2 3 4 5 6 70.240.226470.218150.120 1 2 3 4 5 6 70.150.028890.0123610.0050 1 2 3 4 5 6 70.150.150.0235290.14998wg20.021725wt0.141670.0050 1 2 3 4 5 6 7iteration0.10 1 2 3 4 5 6 7iterationFIG. 3.5 – Convergence <strong>de</strong>s paramètres sur le site <strong>de</strong> jachère
3.3 L’optimisation du modèle 55sible. D’autre part, les pluies étant occasionnelles <strong>et</strong> variables en saison <strong>de</strong>s pluies, il est important <strong>de</strong>prendre une pério<strong>de</strong> d’étalonnage suffisamment gran<strong>de</strong> pour prendre en compte un nombre conséquentd’événements. En eff<strong>et</strong> il serait incohérent d’étalonner les paramètres sur un ou <strong>de</strong>ux événements quine seraient pas représentatifs <strong>de</strong> la variabilité inter événementielle.Dans un premier temps plusieurs tests d’étalonnage ont été menés afin <strong>de</strong> déterminer quels sontles paramètres sensibles <strong>de</strong> chaque modèle (SEtHyS <strong>et</strong> SEtHyS Savannah) compte tenu <strong>de</strong> la zoned’étu<strong>de</strong>. C<strong>et</strong>te première étu<strong>de</strong> a montré que les paramètres liés à la végétation ne sont pas sensibles(pour les <strong>de</strong>ux modèles). Ceci s’explique par les très faibles valeurs <strong>de</strong> LAI utilisées. Les paramètresétalonnés sont ceux liés aux propriétés optiques <strong>et</strong> hydriques du sol <strong>et</strong> les conditions initiales <strong>de</strong>température <strong>et</strong> humidité <strong>de</strong>s différentes couches <strong>de</strong> sol (leur liste est donnée dans le tableau 3.1).Les figures 3.4 <strong>et</strong> 3.5 montrent la convergence <strong>de</strong>s paramètres que l’on a choisi d’étalonner sur lestel-00277226, version 1 - 5 May 2008sites <strong>de</strong> mil <strong>et</strong> <strong>de</strong> jachère, au fur <strong>et</strong> à mesure <strong>de</strong>s itérations, pour le modèle SEtHyS Savannah.On remarque que les paramètres ne convergent pas vers les mêmes gammes finales pour les <strong>de</strong>uxsites. Cela signifie que les propriétés <strong>de</strong>s sols ne sont pas les mêmes sur les <strong>de</strong>ux sites. En particulier,on remarque un fort écart sur le paramètre b, qui représente la pente <strong>de</strong> la courbe <strong>de</strong> rétention. Ceparamètre est particulier en ce sens qu’il contrôle les phénomènes <strong>de</strong> diffusion/drainage d’eau dansle sol, mais également le potentiel matriciel, <strong>et</strong> donc la transpiration <strong>de</strong> la végétation via la résistancestomatique.On peut également remarquer que les conditions initiales <strong>et</strong> notamment l’humidité <strong>de</strong>s différentescouches <strong>de</strong> sol ont <strong>de</strong>s valeurs différentes pour les <strong>de</strong>ux sites. Cependant, étant donné que les profon<strong>de</strong>urstotales <strong>de</strong> sol ne sont pas les mêmes (1.6 m pour le mil <strong>et</strong> 1.4 m pour la jachère), l’humiditémoyenne du sol est très proche : 0.11m 3 .m −3 pour le mil <strong>et</strong> 0.105m 3 .m −3 pour la jachère. Doncl’humidité moyenne du profil total <strong>de</strong> sol est cohérente entre les <strong>de</strong>ux sites.La combinaison <strong>de</strong> paramètres finalement choisis pour le modèle est le barycentre <strong>de</strong> l’espace finalatteint par la procédure d’étalonnage. Le tableau 3.1 récapitule l’ensemble <strong>de</strong>s paramètres du modèleSEtHyS Savannah <strong>et</strong> leur valeur (en gras) ainsi que la gamme initiale choisie pour les paramètresétalonnés.TAB. 3.1 – Paramètres du modèle SEtHyS SavannahParamètre Unité Description Mil JachèrePropriétés optiqueses - émissivité [0.95,0.99] 0.96eg - du sol 0.99, 0.99 0.99, 0.99Suite page suivante
56 Validation du modèl<strong>et</strong>el-00277226, version 1 - 5 May 2008<strong>et</strong> - <strong>et</strong> <strong>de</strong> la végétation 0.99, 0.99 0.99, 0.99w inf m3 · m −3 humidité du sol pour calcul <strong>de</strong> 0.0066 0.0066w sup m3 · m −3 l’albedo 0.2 0.2albsec - albedo sec <strong>et</strong> humi<strong>de</strong> [0.25,0.4] 0.38 [0.25,0.4] 0.33albhum - du sol nu [0.12,0.24] 0.23 [0.12,0.24] 0.22albg - albedo 0.32 0.32albt - <strong>de</strong> la végétation 0.32 0.32Caractéristiques <strong>de</strong> la végétationl gfgm largeur 0.01 0.01l gftm <strong>de</strong>s feuilles 0.01 0.01V max0g - capacité photosynthétique 30 30V max0t - <strong>de</strong>s feuilles (Rubisco) 100 60k wstr-paramètre empirique pour le calculdu stress hydrique0.02 0.02w sat m3 · m −3 humidité volumique à saturation 0.27 0.27humidité volumique à la capacitéau champw cc m3 · m −3 0.2 0.2w resid m3 · m −3 humidité volumique résiduelle 0.0066 0.0066conductivité hydraulique à saturation<strong>de</strong> surface (10cm)ksat 10 −6 m · s −1 [0.5,50] 9.1 [0.5,50] 0.8coefficient correctif pour le calculfacttherm J ·m−3·K−1<strong>de</strong> la capacité calorifique du [1,2] 1.5 [1,2] 1.2solτ - tortuosité du sol [1,3] 1.5 [1,3] 1.2D v 10 −5 m 2·s diffusivité <strong>de</strong> la vapeur d’eau−1dans le sol7.5 7.5ψ sat mpotentiel hydrique du sol à saturation-0.16 -0.16b - pente <strong>de</strong> la courbe <strong>de</strong> rétention [3,9] 4.2 [3,9] 8.4zrg m épaisseurs <strong>de</strong>s 0.6 0.4zrt m couches <strong>de</strong> sol 1 1Conditions initialesSuite page suivante
3.3 L’optimisation du modèle 57w g10 m3 · m −3 initialisation[0.005,0.15] [0.005,0.15]0.080.02w g20 m3 · m −3 <strong>de</strong>s humidités volumiques[0.005,0.15] [0.005,0.15]0.130.02wt0 m 3 · m −3 <strong>de</strong>s couches <strong>de</strong> sol [0.01,0.15] 0.13 [0.01,0.15] 0.14z mulch10 m 0 0z mulch20 m initialisation <strong>de</strong>s 0.18 0.11z 10 m épaisseurs <strong>de</strong> mulch 0.05 0.05z 20 m 0.37 0.24t 20 Kinitialisation <strong>de</strong> la températureprofon<strong>de</strong>305 303tel-00277226, version 1 - 5 May 2008Les figures 3.6 <strong>et</strong> 3.7 montrent la convergence du RMSE entre simulations <strong>et</strong> observations <strong>de</strong>s variablesutilisées comme critère <strong>de</strong> classement <strong>de</strong>s simulations dans le processus itératif d’étalonnage.Les gammes <strong>de</strong> RMSE sur les variables ten<strong>de</strong>nt logiquement vers le bas <strong>de</strong> la gamme initiale quireprésente le minimum <strong>et</strong> le maximum <strong>de</strong>s RMSE obtenus entre simulations <strong>et</strong> observations en utilisantles combinaisons aléatoires <strong>de</strong> paramètres tirés dans les gammes initiales choisies (tableau 3.1).69.8447.935741.2916RMSE(Gs)41.44461 457.095RMSE(aRg)62.126149.376838.6223RMSE(LE)36.96781 437.2211RMSE(Rn)110.736662.625647.7677RMSE(H)43.90351 433.479428.546815.357818.396513.26681 416.30321 4FIG. 3.6 – Convergence <strong>de</strong>s paramètres sur le site <strong>de</strong> milLa convergence <strong>de</strong>s critères est plus rapi<strong>de</strong> pour le site <strong>de</strong> mil que pour le site <strong>de</strong> jachère. Eneff<strong>et</strong> le critère d’arrêt est atteint à la quatrième itération dans un cas <strong>et</strong> à la septième dans l’autre cas.Les gammes <strong>de</strong> RMSE atteintes sont également différentes, elles sont globalement plus faibles pourl’ensemble <strong>de</strong>s variables dans le cas du mil. C<strong>et</strong>te différence est commentée dans le paragraphe 3.4.1.
58 Validation du modèle39.1758RMSE(Gs)69.9046RMSE(LE)119.0116RMSE(H)34.987345.899773.671434.607544.837469.219134.01311 743.47691 764.58551 746.6008RMSE(aRg)44.7458RMSE(Rn)22.332926.943115.838323.556513.80491 720.48461 7tel-00277226, version 1 - 5 May 2008FIG. 3.7 – Convergence <strong>de</strong>s paramètres sur le site <strong>de</strong> jachèreLes paramètres du modèle SEtHyS ont également été étalonnés dans les mêmes conditions. C’està dire que seules les conditions initiales <strong>et</strong> les paramètres liés au sol ont été étalonnés. Le modèleSEtHyS ne prend en compte qu’une seule couche <strong>de</strong> végétation, nous avons utilisé le LAI total,somme <strong>de</strong>s LAI <strong>de</strong>s <strong>de</strong>ux strates du modèle SEtHyS Savannah.Ainsi le processus d’étalonnage décrit dans ce paragraphe fournit un jeu <strong>de</strong> paramètres qui perm<strong>et</strong>d’obtenir une <strong>de</strong>s ”meilleures simulations” possible. Cependant il faut rappeler ici que le critère pourévaluer les ”meilleures simulations” est un critère global pour l’ensemble <strong>de</strong>s critères utilisés (H, LE,G, Rn <strong>et</strong> aRg). Nous reviendrons sur c<strong>et</strong> élément par la suite pour expliquer certaines différencesobservées entre les simulations <strong>de</strong>s <strong>de</strong>ux modèles.3.4 Comparaison <strong>de</strong>s termes du bilan d’énergieLe modèle d’origine SEtHyS nous fournit une référence par rapport à laquelle nous pouvonsévaluer les différentes améliorations apportées notamment au niveau <strong>de</strong> la représentation du mulch<strong>de</strong> surface <strong>et</strong> <strong>de</strong> l’ajout d’une secon<strong>de</strong> couche. Des simulations ont donc été faites sur l’ensemble <strong>de</strong>s<strong>de</strong>ux années (2005 <strong>et</strong> 2006) <strong>et</strong> ont été confrontées aux observations.C<strong>et</strong>te section présente les résultats <strong>de</strong> ces comparaisons obtenues à l’échelle <strong>de</strong> l’année <strong>de</strong> validation(2006) dans un premier temps. Sont ensuite présentées <strong>de</strong>s comparaisons sur <strong>de</strong> courtes sériestemporelles afin d’évaluer la réaction <strong>de</strong>s modèles à <strong>de</strong>s conditions brutalement changeantes (orageconvectif, par exemple, qui va induire une chute brutale <strong>de</strong> rayonnement n<strong>et</strong> <strong>et</strong> une augmentation <strong>de</strong>
3.4 Comparaison <strong>de</strong>s termes du bilan d’énergie 59l’humidité atmosphérique).3.4.1 Commentaires générauxSEtHyS Savannah vs observationstel-00277226, version 1 - 5 May 2008La pério<strong>de</strong> <strong>de</strong> validation s’étend du jour 366 au jour 730 (en jours julien calculés à partir du 1 erjanvier 2005), elle comprend donc une saison sèche <strong>et</strong> un cycle compl<strong>et</strong> <strong>de</strong> végétation qui s’étendapproximativement du jour 560 au jour 700.La figure 3.8 montre, pour les <strong>de</strong>ux sites, les diagrammes <strong>de</strong> corrélation entre les simulationsdu modèle SEtHyS Savannah <strong>et</strong> les observations pour les différents termes du bilan d’énergie. Lesgammes d’erreur sont en accord avec les précé<strong>de</strong>ntes étu<strong>de</strong>s menées en région semi-ari<strong>de</strong> <strong>et</strong> notammentdans le cadre d’Hapex Sahel par Braud <strong>et</strong> al. (1997) qui obtient <strong>de</strong>s RMSE compris entre 29.3<strong>et</strong> 39.3 W.m −2 pour les flux sur un site <strong>de</strong> jachère.Si l’on compare les résultats entre les <strong>de</strong>ux sites, on remarque que globalement les flux sont mieuxsimulés sur le site <strong>de</strong> mil que sur le site <strong>de</strong> jachère. Un écart sur le RMSE <strong>de</strong> plus <strong>de</strong> 40 W/m 2 peutêtre observé sur le flux <strong>de</strong> chaleur sensible. Le fait que les résultats en terme <strong>de</strong> corrélation (R 2 ) <strong>et</strong> <strong>de</strong>RMSE soient meilleurs sur le site <strong>de</strong> mil s’explique par la plus gran<strong>de</strong> homogénéité <strong>de</strong> la surface àl’échelle <strong>de</strong> la parcelle. En eff<strong>et</strong> la végétation bien qu’éparse est répartie <strong>de</strong> manière assez continue surune parcelle cultivée. A l’inverse une parcelle en jachère n’a pas une couverture arbustive continue<strong>et</strong> les flux à l’endroit <strong>de</strong> la station <strong>de</strong> mesure ne sont pas forcement représentatifs <strong>de</strong> la végétationmoyenne sur la parcelle. Ainsi, c<strong>et</strong>te dispersion <strong>de</strong> la végétation sur la jachère induit une difficultésupplémentaire aussi bien pour les mesures que pour la simulation <strong>de</strong>s flux. Ceci a déjà été mis enévi<strong>de</strong>nce par Lloyd <strong>et</strong> al. (1997), qui souligne les difficultés rencontrées tant dans la mesure que dansla simulation <strong>de</strong>s flux sur une parcelle hétérogène <strong>de</strong> jachère.Cependant on peut remarquer que la simulation du flux <strong>de</strong> chaleur dans le sol affiche un résultatmeilleur sur la parcelle <strong>de</strong> jachère. Le graphe <strong>de</strong> la figure 3.8 relatif au flux <strong>de</strong> chaleur dans le solest caractéristique d’un déphasage entre mesures <strong>et</strong> simulations, en particulier pour le site <strong>de</strong> mil. Elles’explique par le fait que les mesures sont effectuées à 5cm <strong>de</strong> profon<strong>de</strong>ur alors que le modèle simule leflux à la surface du sol. Plusieurs métho<strong>de</strong>s simples existent pour ramener les observations à la surface,néanmoins elles nécessitent <strong>de</strong> calculer la capacité calorifique du sol, ce qui n’est possible qu’enconnaissant précisément l’humidité du sol. Les mesures d’humidité n’ont pas été étalonnées, commedéjà mentionné, <strong>et</strong> <strong>de</strong> plus ont été effectuées à une profon<strong>de</strong>ur <strong>de</strong> 10 cm. La capacité calorifique du soldépend également <strong>de</strong> la nature du sol. Ainsi, il est donc probable que les résultats <strong>de</strong> la comparaison<strong>de</strong>s mesures <strong>et</strong> simulations du flux <strong>de</strong> chaleur dans le sol soient fortement modifiés si l’on considéraitles mesures rapportées à la surface. En eff<strong>et</strong>, rapporter les flux à la surface engendrera un décalagedu maximum <strong>et</strong> une augmentation <strong>de</strong> l’amplitu<strong>de</strong>. Ceci pourra être confirmé dés que les mesuresd’humidité seront exploitables.
60 Validation du modèleMilJachèr<strong>et</strong>el-00277226, version 1 - 5 May 2008FIG. 3.8 – Comparaison <strong>de</strong>s flux simulés <strong>et</strong> <strong>de</strong>s flux observés durant la pério<strong>de</strong> <strong>de</strong> validation [370-730]
3.4 Comparaison <strong>de</strong>s termes du bilan d’énergie 61SEtHyS Savannah vs SEtHySLe tableau 3.2 présente les résultats <strong>de</strong>s <strong>de</strong>ux modèles comparés aux observations pour la pério<strong>de</strong>d’étalonnage <strong>et</strong> la pério<strong>de</strong> <strong>de</strong> validation. Tous les flux sont mieux simulés par la nouvelle version dumodèle excepté le rayonnement n<strong>et</strong>. On remarque en eff<strong>et</strong> une amélioration en terme <strong>de</strong> RMSE quiatteint au moins 20% pour les flux turbulents <strong>et</strong> le flux <strong>de</strong> chaleur dans le sol. Cependant, on observeune dégradation relativement importante du rayonnement n<strong>et</strong>, en particulier sur le site <strong>de</strong> jachère.TAB. 3.2 – Comparaison <strong>de</strong>s résultats <strong>de</strong> SEtHyS Savannah aux observations pour la parcelle <strong>de</strong> milen haut <strong>et</strong> <strong>de</strong> jachère en bastel-00277226, version 1 - 5 May 2008Pério<strong>de</strong> d’étalonnage [168-365] Pério<strong>de</strong> <strong>de</strong> validation [366-730]SEtHyS SEtHyS Sav SEtHyS SEtHyS SavRMSE R 2 RMSE R 2 RMSE R 2 RMSE R 2LE 46.0 0.79 36.3 0.88 44.3 0.81 31.6 0.91H 78.8 0.88 48.6 0.90 50.2 0.90 36.0 0.93G 59.9 0.77 45.1 0.75 59.9 0.82 46.5 0.78Rn 18.0 0.99 20.6 0.99 14.0 0.99 24.8 0.99SEtHyS SEtHyS Sav SEtHyS SEtHyS SavRMSE R 2 RMSE R 2 RMSE R 2 RMSE R 2LE 51.3 0.82 45.4 0.87 65.7 0.80 53.9 0.88H 87.3 0.82 71.2 0.89 87.7 0.75 78.9 0.84G 45.0 0.75 34.4 0.83 49.1 0.80 35.3 0.83Rn 19.9 0.99 25.0 0.99 17.5 0.99 36.8 0.99L’hétérogénéité plus importante <strong>de</strong> la surface sur le site <strong>de</strong> jachère, peut ici être invoquée pourexpliquer c<strong>et</strong>te dégradation dans les simulations du rayonnement n<strong>et</strong>. D’autre part, il faut rappeler lecaractère multicritère <strong>de</strong> l’étalonnage : il perm<strong>et</strong> en eff<strong>et</strong> d’obtenir une <strong>de</strong>s ”meilleures simulations”par rapport à l’ensemble <strong>de</strong>s critères choisis, il semble donc que dans le cas <strong>de</strong> la jachère l’étalonnage<strong>de</strong>s paramètres favorise une dégradation du rayonnement n<strong>et</strong> compensée par une forte amélioration<strong>de</strong>s autres flux. Ceci est également vrai sur la parcelle <strong>de</strong> mil mais dans une moindre mesure.On observe donc ici l’eff<strong>et</strong> combiné <strong>de</strong>s changements apportés au modèle SEtHyS Savannah <strong>et</strong><strong>de</strong>s étalonnages qui diffèrent entre les <strong>de</strong>ux modèles. Cependant l’amélioration globale <strong>de</strong>s résultats<strong>de</strong> la nouvelle version du modèle est manifeste car l’amélioration <strong>de</strong>s flux turbulents <strong>et</strong> du flux <strong>de</strong>chaleur dans le sol est largement supérieure à la dégradation du rayonnement n<strong>et</strong>.3.4.2 Comparaison <strong>de</strong>s résultats à l’échelle journalièreLes résultats à l’échelle <strong>de</strong> l’année perm<strong>et</strong>tent d’avoir une vision globale <strong>de</strong>s améliorations apportéesau modèle. Néanmoins, il est important d’analyser le comportement <strong>de</strong>s simulations à l’échellejournalière afin <strong>de</strong> comprendre l’impact <strong>de</strong>s modifications du modèle sur les simulations <strong>et</strong> proposer,
62 Validation du modèleéventuellement, <strong>de</strong> nouvelles améliorations.tel-00277226, version 1 - 5 May 2008Des extractions <strong>de</strong>s termes du bilan d’énergie sur quelques jours où les différences nous ont paruesles plus significatives, sont présentées sur les figures 3.9 <strong>et</strong> 3.10. Malheureusement peu d’événementspluvieux ont été enregistrés dans leur totalité en particulier en ce qui concerne les flux <strong>de</strong> chaleurlatente <strong>et</strong> sensible. La première figure concerne le site <strong>de</strong> mil, les simulations <strong>de</strong>s <strong>de</strong>ux modèles ontété tracées en trait plein <strong>et</strong> en trait discontinu, ainsi que les observations. Deux pério<strong>de</strong>s <strong>de</strong> quelquesjours ont été sélectionnées.Jour 607, un faible événement pluvieux (≃ 2mm) est intervenu un peu avant 12h, on peut remarquersur la figure 3.9 la différence <strong>de</strong> réaction <strong>de</strong>s <strong>de</strong>ux modèles en particulier en ce qui concerne leflux <strong>de</strong> chaleur latente. En eff<strong>et</strong>, le modèle SEtHyS ne semble pas sensible à un événement si faible.A l’inverse, le modèle SEtHyS Savannah répond immédiatement <strong>et</strong> en accord avec les observations.Jour 608, un événement pluvieux (>10 mm) intervient vers 2h du matin. Les <strong>de</strong>ux modèlesrépon<strong>de</strong>nt immédiatement, <strong>et</strong> on peut observer un pic d’évapotranspiration qui reste cependant faiblecomparé aux observations. Ce pic correspond à l’évapotranspiration lorsque la surface du sol est saturée(c’est à dire durant la pluie), l’eau du sol s’infiltre ensuite (réessuyage) <strong>et</strong> la <strong>de</strong>man<strong>de</strong> climatiqueétant faible la nuit (pas <strong>de</strong> rayonnement solaire courtes longueurs d’on<strong>de</strong>), l’évapotranspiration r<strong>et</strong>rouveun niveau faible jusqu’au lever du soleil. Les jours suivants, les <strong>de</strong>ux modèles ne se comportentpas <strong>de</strong> la même façon. En eff<strong>et</strong> durant le jour 608, l’évapotranspiration est très surestimée par lemodèle SEtHyS <strong>et</strong> l’on peut observer une décroissance exponentielle jusqu’au jour 613. Durant lapério<strong>de</strong> [611-613] le modèle SEtHyS surestime l’évapotranspiration <strong>de</strong> jour, mais la sous-estime lanuit. Ce phénomène est particulièrement visible sur le site <strong>de</strong> jachère (Figure 3.10) sur la pério<strong>de</strong>[612-616].Le flux <strong>de</strong> chaleur sensible est mieux simulé par le nouveau modèle, bien que le comportementgénéral soit similaire, c’est à dire que les modèles surestiment les observations le jour <strong>et</strong> les sousestimentla nuit. De même le flux <strong>de</strong> chaleur dans le sol est mieux simulé par SEtHyS Savannah,mais les observations n’ayant pas été rapportées à la surface du sol, il convient d’être pru<strong>de</strong>nt sur lacomparaison <strong>de</strong>s modèles par rapport aux observations. Néanmoins, les <strong>de</strong>ux modèles présentent <strong>de</strong>sdifférences significatives que l’on attribue au calcul <strong>de</strong> la capacité calorifique. En eff<strong>et</strong>, la représentationdu mulch implique une répartition <strong>de</strong> l’eau très différente dans la couche racinaire. Ainsi l’humidité<strong>de</strong> la couche superficielle (10 cm), qui est prise en compte dans le calcul <strong>de</strong> la capacité calorifiquepeut être très différente entre les <strong>de</strong>ux modèles, <strong>et</strong> engendrer ainsi <strong>de</strong> forts écarts dans le calcul du flux<strong>de</strong> chaleur dans le sol.Le rayonnement n<strong>et</strong> est quand à lui, moins bien simulé par la nouvelle version du modèle enparticulier sur le site <strong>de</strong> jachère comme nous l’avons déjà mentionné. On remarque qu’il est en généralsous-estimé, ce qui signifie que moins d’énergie est disponible pour la surface. On peut alors expliquerle fait que, en particulier le jour, le flux <strong>de</strong> chaleur sensible <strong>et</strong> le flux <strong>de</strong> chaleur dans le sol sont plusfaibles avec le modèle SEtHyS Savannah qu’avec le modèle SEtHyS.
3.4 Comparaison <strong>de</strong>s termes du bilan d’énergie 63tel-00277226, version 1 - 5 May 2008FIG. 3.9 – Comparaison <strong>de</strong>s flux simulés (par les <strong>de</strong>ux modèles) <strong>et</strong> <strong>de</strong>s flux observés durant la pério<strong>de</strong>[300-307] <strong>et</strong> la pério<strong>de</strong> [607-613] pour le site <strong>de</strong> mil. Trait discontinu : modèle SEtHyS ; trait plein :modèle SEtHyS Savannah ; points gris : observations
64 Validation du modèl<strong>et</strong>el-00277226, version 1 - 5 May 2008FIG. 3.10 – Comparaison <strong>de</strong>s flux simulés (par les <strong>de</strong>ux modèles) <strong>et</strong> <strong>de</strong>s flux observés durant lapério<strong>de</strong> [612-616] <strong>et</strong> la pério<strong>de</strong> [640-647] pour le site <strong>de</strong> jachère. Trait discontinu : modèle SEtHyS ;trait plein : modèle SEtHyS Savannah ; points gris : observations
3.5 Le bilan hydrique 65tel-00277226, version 1 - 5 May 2008En région sahélienne, l’évapotranspiration est très dépendante du contenu en eau <strong>de</strong> la surface dusol <strong>et</strong> <strong>de</strong>s conditions atmosphériques. Les formalismes utilisés dans les modèles TSVA pour le bilanhydrique du sol <strong>et</strong> la résistance <strong>de</strong> sol sont donc particulièrement importants. Le modèle SEtHySconsidère une couche <strong>de</strong> 10 cm inclue dans une épaisseur <strong>de</strong> sol correspondant à la zone racinaire, ilutilise le formalisme ”force-restore” <strong>de</strong> Deardorff (1978). L’évaporation du sol est conditionnée parl’évaporation potentielle <strong>et</strong> par une conductance qui dépend <strong>de</strong> l’humidité <strong>de</strong> la couche <strong>de</strong> surface.Le formalisme utilisé pour c<strong>et</strong>te conductance <strong>de</strong> surface vient <strong>de</strong> Soarès <strong>et</strong> al. (1988), il est basésur le concept d’évaporation limitée par la diffusivité hydrique du sol <strong>et</strong> s’exprime par une fonctionexponentielle (W<strong>et</strong>zel <strong>et</strong> Chang, 1988). Ce formalisme ne semble pas adapté aux régions semi-ari<strong>de</strong>s :d’une part parce que la couche <strong>de</strong> surface (10 cm) n’est pas sensible aux faibles pluies, donc sur un solpratiquement sec en surface, une p<strong>et</strong>ite pluie va engendrer une très faible variation du contenu en eau<strong>de</strong>s 10 premiers centimètres. D’autre part, comme nous l’avons déjà fait remarquer, c<strong>et</strong>te limitationexponentielle ne perm<strong>et</strong> pas <strong>de</strong> reproduire correctement le cycle diurne <strong>de</strong> l’évaporation du sol (sousestimationle jour <strong>et</strong> surestimation la nuit).La représentation du mulch (voir paragraphe 2.2.3) que nous proposons perm<strong>et</strong> d’améliorer lasimulation du flux <strong>de</strong> chaleur latente. La résistance <strong>de</strong> sol est directement proportionnelle à l’épaisseurdu mulch <strong>de</strong> surface. Ainsi durant <strong>et</strong> juste après une pluie, la résistance <strong>de</strong> mulch est très p<strong>et</strong>ite voirenulle, <strong>et</strong> ce quelle que soit l’intensité <strong>et</strong> l’importance <strong>de</strong> la pluie. Il est intéressant <strong>de</strong> noter que larésistance <strong>de</strong> mulch n’est pas contrôlée uniquement par l’humidité <strong>de</strong> surface du sol, mais égalementpar l’historique pluviométrique. En eff<strong>et</strong>, si un laps <strong>de</strong> temps important s’écoule après une pluie, lemulch atteint une profon<strong>de</strong>ur importante, limitant ainsi l’évaporation <strong>de</strong> manière significative. Unefaible pluie a alors pour eff<strong>et</strong> d’alimenter une évaporation rapi<strong>de</strong> mais brève (jusqu’à ce que la couchehumi<strong>de</strong> induite par c<strong>et</strong>te pluie disparaisse). Dans le modèle SEtHyS, à l’inverse l’évaporation du solest plus étalée dans le temps avec une intensité moindre. Au regard <strong>de</strong>s observations, il semble que lenouveau modèle soit beaucoup plus performant dans la simulation <strong>de</strong> l’évaporation du sol.3.5 Le bilan hydriqueBien que nous ne disposions pas, au moment <strong>de</strong> l’étu<strong>de</strong>, <strong>de</strong> mesures d’humidité du sol étalonnées,nous avons comparé les bilans hydriques <strong>de</strong>s <strong>de</strong>ux versions du modèle.La figure 3.11 représente les courbes cumulées d’évaporation du sol <strong>et</strong> <strong>de</strong> transpiration <strong>de</strong> lavégétation pour les années 2005 <strong>et</strong> 2006. L’évaporation du sol est plus importante avec le modèleSEtHyS Savannah, <strong>et</strong> en particulier en fin <strong>de</strong> saison, où les <strong>de</strong>ux courbes se séparent. Dans le modèleSEtHyS, le formalisme <strong>de</strong> Soarès <strong>et</strong> al. (1988) empêche toute évaporation du sol si l’humidité <strong>de</strong>la couche <strong>de</strong> surface atteint l’humidité résiduelle. C’est ce qui se passe après la saison <strong>de</strong>s pluies,l’évaporation du sol <strong>de</strong>vient nulle pour le modèle SEtHyS alors que dans le cas du modèle SEtHySSavannah, le mulch limite mais ne bloque pas l’évaporation du sol tant qu’il reste <strong>de</strong> l’eau
66 Validation du modèleMilJachèreFIG. 3.11 – Courbes cumulées <strong>de</strong>s termes du bilan d’eau. Trait noir gras : pluies ; traits discontinusfins : modèle SEtHyS ; traits pleins fins : modèle SEtHyS Savannahtel-00277226, version 1 - 5 May 2008dans la couche racinaire supérieure.D’autre part on remarque une n<strong>et</strong>te différence <strong>de</strong> comportement <strong>de</strong> la transpiration <strong>de</strong> la végétationentre les <strong>de</strong>ux sites. En eff<strong>et</strong> le cumul <strong>de</strong> transpiration pour le modèle SEtHyS est inférieur à celui dumodèle SEtHyS Savannah dans le cas <strong>de</strong> la parcelle <strong>de</strong> mil, mais l’inverse peut être observé dans le cas<strong>de</strong> la parcelle <strong>de</strong> jachère. Ce phénomène peut être expliqué par le fait que le modèle SEtHyS ne pren<strong>de</strong>n compte qu’une seule couche <strong>de</strong> végétation. Dans la nouvelle version du modèle, nous pouvonsdéfinir une résistance stomatique pour chaque couche <strong>de</strong> végétation à travers la paramétrisation <strong>de</strong>Sellers <strong>et</strong> al. (1996a,b) qui perm<strong>et</strong> entre autres <strong>de</strong> tenir compte du type <strong>de</strong> plante C3 ou C4. On estdonc en mesure <strong>de</strong> représenter un couvert composé <strong>de</strong> <strong>de</strong>ux végétations ayant <strong>de</strong>s fonctionnementsphotosynthétiques <strong>et</strong> respiratoires très différents. L’ancienne version du modèle fonctionne avec uneseule couche décrite par le LAI total, le type associé à ce LAI total est le mil dans le cas <strong>de</strong> la parcelle<strong>de</strong> mil, <strong>et</strong> l’herbe dans le cas <strong>de</strong> la parcelle <strong>de</strong> jachère. Rappelons que dans le cas du mil nous avonsajouté artificiellement une couche d’herbe <strong>et</strong> dans le cas <strong>de</strong> la jachère nous avons ajouté une couche<strong>de</strong> plants <strong>de</strong> guiera qui n’ont pas été comptabilisés dans les mesures <strong>de</strong> LAI.Pour le site <strong>de</strong> jachère, on remarque également que la transpiration dans le modèle SEtHyS Savannahest pratiquement nulle avant le jour 300. La raison est que le paramètre b (pente <strong>de</strong> la courbe <strong>de</strong>rétention) a été étalonné <strong>de</strong> manière très différente sur les <strong>de</strong>ux sites d’étu<strong>de</strong> : il vaut 4.2 <strong>et</strong> 8.4 pourle site <strong>de</strong> mil <strong>et</strong> <strong>de</strong> jachère respectivement. Ainsi le potentiel hydrique est très différent d’un site àl’autre : à humidité égale, le potentiel hydrique est plus grand en valeur absolue pour le site <strong>de</strong> jachère.La résistance stomatique atteint donc plus rapi<strong>de</strong>ment <strong>de</strong>s valeurs élevées sur ce site, bloquant ainsi latranspiration plus tôt dans l’année.On a représenté sur la figure 3.12 la transpiration <strong>de</strong> la végétation extraite sur quelques joursen fin <strong>de</strong> saison <strong>de</strong>s pluies ainsi que les conductances stomatiques correspondantes. On remarqueque la somme <strong>de</strong>s transpirations <strong>de</strong>s <strong>de</strong>ux couches <strong>de</strong> végétation sur le site <strong>de</strong> mil dans le modèle
3.5 Le bilan hydrique 67MilJachèr<strong>et</strong>el-00277226, version 1 - 5 May 2008FIG. 3.12 – Transpiration <strong>et</strong> conductance stomatique <strong>de</strong> la végétation extraite sur quelques jours enfin <strong>de</strong> saison <strong>de</strong>s pluies 2005SEtHyS Savannah est supérieure à la transpiration <strong>de</strong> la végétation dans le modèle SEtHyS. Sur lesite <strong>de</strong> jachère, on observe que la végétation transpire plus dans le modèle SEtHyS que dans le modèleSEtHyS Savannah. La transpiration <strong>de</strong> la végétation est directement liée à la conductance stomatiquequi dépend entre autres du potentiel hydrique du sol (lui même contraint par le paramètre b).L’impact <strong>de</strong> la paramétrisation du bilan hydrique est donc importante pour la simulation ducontenu en eau du sol. La figure 3.13 représente l’humidité volumique relative <strong>de</strong> la (dans le casdu modèle SEtHyS) ou <strong>de</strong>s (dans le cas du modèle SEtHyS Savannah) zones racinaires. De très fortesdifférences entre les simulations <strong>de</strong>s <strong>de</strong>ux modèles sont observées, en particulier sur le site <strong>de</strong> mil.Dans le modèle SEtHyS, l’évaporation du sol est bloquée si la couche superficielle <strong>de</strong> 10cm est àl’humidité résiduelle. Ainsi, après le jour 320, <strong>et</strong> jusqu’à la pluie suivante (jour 520 environ) l’humiditédu sol est constante puisqu’il n’y a pas <strong>de</strong> transpiration (LAI=0) <strong>et</strong> pas <strong>de</strong> drainage profond. Dans lemodèle SEtHyS Savannah, l’humidité continue <strong>de</strong> décroître car le mulch autorise l’évaporation, <strong>et</strong> ledrainage profond est simulé.Cependant la comparaison <strong>de</strong> l’humidité du sol simulée par les <strong>de</strong>ux modèles n’est pas aisée carles profon<strong>de</strong>urs totales du sol sont différentes : pour le mil 0.62 m <strong>et</strong> 1.60 m <strong>et</strong> pour la jachère 1.0 m
68 Validation du modèleMilJachèreFIG. 3.13 – Humidité volumique relative <strong>de</strong>s différentes couches <strong>de</strong> soltel-00277226, version 1 - 5 May 2008<strong>et</strong> 1.4 m pour SEtHyS <strong>et</strong> SEtHyS Savannah respectivement.Sur le site <strong>de</strong> jachère, on peut remarquer que l’eau ne parvient pas, dans la nouvelle version dumodèle, à infiltrer la couche <strong>de</strong> sol profon<strong>de</strong> durant la saison <strong>de</strong>s pluies 2005. Cependant durant lasecon<strong>de</strong> saison <strong>de</strong>s pluies, qui est plus intense (+143 mm par rapport à 2005) mais plus courte, l’eaurecharge la couche profon<strong>de</strong>. Sur le site <strong>de</strong> mil, l’eau arrive en profon<strong>de</strong>ur durant les <strong>de</strong>ux années, leLAI étant plus faible, on a moins <strong>de</strong> prélèvements racinaires que sur le site <strong>de</strong> jachère. Le sol restedonc plus humi<strong>de</strong> en particulier en surface ce qui rend le développement du mulch moins rapi<strong>de</strong>, <strong>et</strong>favorise ainsi l’infiltration <strong>de</strong> l’eau plus en profon<strong>de</strong>ur.3.6 Conclusion/discussion sur la validationLes modifications apportées au modèle SEtHyS ont engendré un certain nombre <strong>de</strong> points positifsdans la simulation du bilan d’énergie. Les flux turbulents, <strong>et</strong> en particulier le flux <strong>de</strong> chaleur latente,ont été n<strong>et</strong>tement améliorés. Le flux <strong>de</strong> chaleur dans le sol a lui aussi bénéficié <strong>de</strong>s modificationsdu modèle. A l’inverse le rayonnement n<strong>et</strong> a été légèrement dégradé. Ces résultats méritent d’êtrediscutés dans leur globalité, c’est l’obj<strong>et</strong> <strong>de</strong> c<strong>et</strong>te section.3.6.1 Discussion sur la métho<strong>de</strong> d’étalonnageUne métho<strong>de</strong> d’étalonnage, quelle qu’elle soit, nécessite <strong>de</strong> faire un certain nombre <strong>de</strong> choix quiont <strong>de</strong>s conséquences non négligeables sur le résultat. On doit en eff<strong>et</strong> définir un critère d’évaluation<strong>de</strong>s simulations, choisir les variables sur lesquels établir ces critères ou encore définir une pério<strong>de</strong>d’étalonnage. Pour beaucoup <strong>de</strong> ces choix nous avons fait confiance à la métho<strong>de</strong>, néanmoins <strong>de</strong>nombreux tests ont été effectués en particulier pour définir les paramètres sensibles ou la pério<strong>de</strong>d’étalonnage.
3.6 Conclusion/discussion sur la validation 69Il s’est avéré que seuls les paramètres liés au sol étaient sensibles <strong>et</strong> nécessitaient un étalonnage.Les tests sur le choix <strong>de</strong> la pério<strong>de</strong> d’étalonnage ont montré qu’il était important <strong>de</strong> considérer unesaison <strong>de</strong>s pluies <strong>et</strong> une saison sèche afin d’avoir une représentativité suffisante <strong>de</strong> l’ensemble <strong>de</strong>sconditions <strong>de</strong> surface possible. D’autre part, pour les variables d’étalonnage, nous avons considéré lesflux turbulents, le flux <strong>de</strong> chaleur dans le sol, le rayonnement n<strong>et</strong> <strong>et</strong> l’albédo. Or nous avons vu que leflux <strong>de</strong> chaleur dans le sol n’a pas pu être ramené à la surface. Il est a prévoir qu’une telle correctionaura un impact important sur l’étalonnage.tel-00277226, version 1 - 5 May 2008Nous avons vu, avec les paramètres ainsi étalonnés, que le rayonnement n<strong>et</strong> est moins bien simulépar la nouvelle version du modèle, mais que les autres flux sont mieux simulés. Il y a là un phénomène<strong>de</strong> compensation dû à l’étalonnage. En eff<strong>et</strong> il est probable que la procédure d’étalonnage donneplus <strong>de</strong> poids, compte tenu <strong>de</strong>s paramètres que nous avons choisi d’étalonner, aux flux turbulents <strong>et</strong>au flux <strong>de</strong> chaleur dans le sol. La métho<strong>de</strong> d’étalonnage fourni un jeu <strong>de</strong> paramètres qui conduit àune <strong>de</strong>s meilleures simulations. Ce critère <strong>de</strong> ”meilleure simulation” est calculé globalement pourl’ensemble <strong>de</strong>s variables ayant servi à l’étalonnage. Ainsi la simulation r<strong>et</strong>enue finalement conduit àune dégradation du rayonnement n<strong>et</strong>, compensé par une forte amélioration <strong>de</strong> la simulation <strong>de</strong>s fluxturbulent <strong>et</strong> du flux <strong>de</strong> chaleur dans le sol.Par ailleurs, les mesures d’humidité du sol n’étant pas disponibles pour l’instant elles n’ont paspu être utilisées pour l’étalonnage ni pour corriger le flux <strong>de</strong> chaleur dans le sol. Il est probable quel’étalonnage aurait été différent si elles avaient été prises en compte.3.6.2 Discussion à propos <strong>de</strong> l’apport <strong>de</strong> l’introduction d’une secon<strong>de</strong> couche <strong>de</strong> végétationdans le modèleDes simulations ont été faites avec le modèle SEtHyS Savannah en ne considérant qu’une seulecouche <strong>de</strong> végétation dont le LAI est pris égal au LAI total, c’est à dire que l’on utilise le mêmeLAI que dans le modèle SEtHyS.TAB. 3.3 – RMSE (W.m 2 ) pour le site <strong>de</strong> mil avec le modèle SEtHyS <strong>et</strong> le modèle SEtHyS Savannahen mo<strong>de</strong> 1 ou 2 couches <strong>de</strong> végétationSEtHyS SEtHyS Sav SEtHyS Sav(2couches) (1 couche)LE 44.3 31.6 32.6H 50.2 36.0 39.8G 59.9 46.5 43.5Rn 14.0 24.8 26.1
70 Validation du modèleTAB. 3.4 – RMSE (W.m 2 ) pour le site <strong>de</strong> jachère avec le modèle SEtHyS <strong>et</strong> le modèle SEtHySSavannah en mo<strong>de</strong> 1 ou 2 couches <strong>de</strong> végétationSEtHyS SEtHyS Sav SEtHyS Sav(2couches) (1 couche)LE 65.5 53.9 55.5H 87.7 78.9 78.1G 49.1 35.3 44.3Rn 17.5 36.8 19.4tel-00277226, version 1 - 5 May 2008Les tableaux 3.3 <strong>et</strong> 3.4 montrent les résultats, pour la pério<strong>de</strong> <strong>de</strong> validation [370-730], <strong>de</strong>s comparaisonsentre observations <strong>et</strong> simulations effectuées sur les sites <strong>de</strong> mil <strong>et</strong> <strong>de</strong> jachère respectivementen utilisant le modèle SEtHyS Savannah en mo<strong>de</strong> ”une couche” <strong>et</strong> ”<strong>de</strong>ux couches” <strong>de</strong> végétation.Pour la simulation <strong>de</strong>s flux turbulents, le fait d’ajouter une couche <strong>de</strong> végétation n’a pas d’impactsur les résultats <strong>de</strong> la comparaison avec les mesures. A l’inverse, pour le flux <strong>de</strong> chaleur dans lesol <strong>et</strong> le rayonnement n<strong>et</strong>, on observe d’importantes différences sur le site <strong>de</strong> jachère. L’erreur surle rayonnement n<strong>et</strong> dans le modèle à <strong>de</strong>ux couches <strong>de</strong> végétation est plus importante <strong>de</strong> presque 15W.m 2 par rapport au modèle en mo<strong>de</strong> ”1 couche”. Par contre on observe l’eff<strong>et</strong> inverse sur le flux <strong>de</strong>chaleur dans le sol.En conclusion, si l’on compare les simulations du modèle SEtHyS avec celle du modèle SEtHySSavannah en mo<strong>de</strong> ”1 couche”, on observe une réelle amélioration dans la simulation <strong>de</strong>s fluxturbulents. Ceci vient <strong>de</strong> l’introduction <strong>de</strong> la représentation du mulch <strong>de</strong> surface. Par contre le fait <strong>de</strong>faire tourner le modèle en mo<strong>de</strong> ”2 couches” n’engendre pas d’amélioration dans la simulation <strong>de</strong>stermes du bilan d’énergie par rapport aux sorties du modèle en mo<strong>de</strong> ”1 couche”.Cependant, il faut noter, que l’intérêt <strong>de</strong> l’ajout d’une couche <strong>de</strong> végétation est <strong>de</strong> pouvoir prendreen compte <strong>de</strong>ux végétations dont les comportements photosynthétiques peuvent être très différents.Il faudra donc confronter les simulations <strong>de</strong> flux <strong>de</strong> CO 2 aux observations dès qu’elles seront disponiblesafin d’évaluer si il y a un intérêt réel à simuler un couvert mixte.3.6.3 Une validation ”partielle”Les mesures <strong>de</strong> LAI utilisées ne prennent pas en compte l’ensemble du couvert végétal, nousavons donc ajouté un cycle <strong>de</strong> végétation pour pallier à ce manque. C<strong>et</strong> ajout a été fait en accord avecla littérature. Cependant la variabilité (spatio-temporelle) interannuelle <strong>de</strong>s pluies ne nous autorise pasà avoir une confiance absolue par rapport à la représentation <strong>de</strong> la végétation. En eff<strong>et</strong>, même si nousavons adapté le début <strong>et</strong> la fin <strong>de</strong> la végétation que nous avons ajouté (en plus <strong>de</strong>s mesures in situ), ilest à craindre que l’amplitu<strong>de</strong> du développement <strong>de</strong> la végétation ne soit pas la même d’une année àl’autre.
3.6 Conclusion/discussion sur la validation 71Le LAI est une variable <strong>de</strong> forçage très importante en zone sahélienne même si les valeurs sontfaibles à l’échelle d’une parcelle.tel-00277226, version 1 - 5 May 2008En conclusion, plusieurs points ne nous perm<strong>et</strong>tent pas d’affirmer que la validation du modèle esttotale. En eff<strong>et</strong>, nous avons vu que <strong>de</strong>s incertitu<strong>de</strong>s sur les observations, sur le forçage (en particulier<strong>de</strong> la végétation) <strong>et</strong> sur la métho<strong>de</strong> d’étalonnage ont rendu difficile l’interprétation <strong>de</strong>s résultats.L’étalonnage du modèle n’a pas été une priorité dans ce travail <strong>et</strong> nous avons choisi <strong>de</strong> faire confianceà une métho<strong>de</strong> qui a déjà donné <strong>de</strong>s résultats satisfaisants dans d’autres contextes d’applications.L’étalonnage du modèle est donc à affiner dès que les mesures d’humidité du sol seront disponibles(<strong>et</strong> après correction du flux <strong>de</strong> chaleur dans le sol). Une étu<strong>de</strong> plus précise du choix <strong>de</strong>s variablespour l’étalonnage doit également être menée pour éventuellement attribuer plus <strong>de</strong> poids aux termesradiatifs.Quoi qu’il en soit, le modèle SEtHyS Savannah a montré <strong>de</strong>s résultats encourageants pour la simulation<strong>de</strong> l’évapotranspiration en particulier. La représentation du mulch <strong>de</strong> surface semble être unélément important à prendre en compte en région sahélienne. En eff<strong>et</strong> l’évaporation est liée à l’historique<strong>de</strong>s pluies. La résistance <strong>de</strong> sol telle que nous l’avons paramétrée (directement proportionnelleà l’épaisseur du mulch) perm<strong>et</strong> <strong>de</strong> prendre en compte indirectement le temps qui s’est écoulé <strong>de</strong>puisla <strong>de</strong>rnière pluie.
tel-00277226, version 1 - 5 May 2008
tel-00277226, version 1 - 5 May 2008Deuxième partieSpatialisation du modèle
tel-00277226, version 1 - 5 May 2008
Stratégie d’utilisation <strong>de</strong>s donnéestel-00277226, version 1 - 5 May 2008Un <strong>de</strong>uxième objectif du travail est <strong>de</strong> mener un étu<strong>de</strong> régionale afin <strong>de</strong> mieux estimer les flux<strong>de</strong> surface <strong>et</strong> comprendre leurs variabilités spatio-temporelles en relation avec les états <strong>de</strong> surface.Les flux <strong>de</strong> surface, <strong>et</strong> en particulier le flux d’évapotranspiration, sont <strong>de</strong>s données d’entrée importantesdans les modèles <strong>de</strong> circulation atmosphérique car ils constituent les conditions aux limites àl’interface entre la surface continentale ou océanique <strong>et</strong> l’atmosphère.Un travail <strong>de</strong> spatialisation a donc été effectué à l’échelle du super-site AMMA/Niger (1760 km 2 )à l’échelle annuelle. Compte tenu <strong>de</strong> l’hétérogénéité <strong>de</strong> la surface <strong>et</strong> <strong>de</strong> la forte variabilité climatique(<strong>de</strong>s pluies en particulier) déjà évoquées, le choix s’est porté sur une approche agrégative <strong>de</strong> lamodélisation. Ce travail nécessite <strong>de</strong>s données à haute résolution pour forcer le modèle puis le vali<strong>de</strong>r.La télédétection spatiale fournie <strong>de</strong>puis plusieurs décennies <strong>de</strong>s informations essentielles pour lesuivi <strong>de</strong>s états <strong>de</strong> surface. La gran<strong>de</strong> variété <strong>de</strong> capteurs, opérant dans <strong>de</strong>s domaines fréquentiels variésallant du domaine solaire aux micro-on<strong>de</strong>s, perm<strong>et</strong> le suivi <strong>de</strong> nombreux paramètres géophysiques(température <strong>de</strong> surface, humidité du sol, caractéristique <strong>de</strong> la végétation, <strong>et</strong>c...). De plus, les résolutionsspatiales <strong>et</strong> temporelles <strong>de</strong> plus en plus fines perm<strong>et</strong>tent leur suivi dans le temps <strong>et</strong> dans l’espace <strong>de</strong>plus en plus précis.Ainsi, c’est un outil très adapté au cas <strong>de</strong> l’étu<strong>de</strong>. En eff<strong>et</strong>, pour étendre le domaine <strong>de</strong> validité dumodèle spatialement, la télédétection fournit plusieurs données nécessaires. Elle fournit également unmoyen <strong>de</strong> validation à plus gran<strong>de</strong> échelle.Ainsi nous avons utilisé <strong>de</strong>s données dans le domaine visible (SPOT/HRV) pour forcer le modèle,mais également <strong>de</strong>s données dans les domaines infrarouge <strong>et</strong> micro-on<strong>de</strong> pour tenter <strong>de</strong> vali<strong>de</strong>r <strong>de</strong>uxvariables <strong>de</strong> sortie du modèle que sont la température <strong>de</strong> surface <strong>et</strong> l’humidité <strong>de</strong> surface.Le chapitre 4 décrit les différentes métho<strong>de</strong>s utilisées pour inverser les mesures <strong>de</strong>s capteurs enparamètres géophysiques utiles pour la mise en place <strong>de</strong> la modélisation <strong>et</strong> sa validation. Le chapitre5 présente la mise en place <strong>de</strong> la modélisation, les résultats obtenus, <strong>de</strong>s éléments <strong>de</strong> validation <strong>et</strong> <strong>de</strong>stests <strong>de</strong> sensibilité.C<strong>et</strong>te partie constitue la véritable originalité <strong>de</strong> ce travail thèse en ce sens qu’il propose une approcheà une échelle peu étudiée par l’utilisation <strong>de</strong> plusieurs types <strong>de</strong> données <strong>de</strong> télédétection.
tel-00277226, version 1 - 5 May 2008FIG. 3.14 – Diagramme représentant schématiquement la stratégie d’utilisation <strong>de</strong>s données <strong>de</strong>télédétection pour forcer <strong>et</strong> vali<strong>de</strong>r le modèle
Chapitre 4Apport <strong>de</strong> la télédétection spatial<strong>et</strong>el-00277226, version 1 - 5 May 2008Une simulation à l’échelle régionale nécessite d’avoir une <strong>de</strong>scription fine <strong>de</strong>s états <strong>de</strong> surface :dans un premier temps pour forcer le modèle, dans un <strong>de</strong>uxième temps pour vali<strong>de</strong>r ses sorties. L’occupationdu sol est donc d’importance majeure car elle perm<strong>et</strong> <strong>de</strong> définir <strong>de</strong>s mo<strong>de</strong>s <strong>de</strong> fonctionnementdu modèle via le choix <strong>de</strong>s paramètres. La première étape a donc été <strong>de</strong> définir une carte d’occupationdu sol grâce aux données du capteur SPOT/HRV.La végétation doit également être décrite <strong>de</strong> manière précise car elle constitue une variable <strong>de</strong>forçage. Nous verrons, dans ce chapitre, comment le LAI, paramètre clef <strong>de</strong> la <strong>de</strong>scription <strong>de</strong> lavégétation, a pu être inversé à partir <strong>de</strong>s données SPOT/HRV.Enfin, pour vali<strong>de</strong>r le modèle, nous avons utilisé les données <strong>de</strong> température <strong>de</strong> surface estiméesà partir <strong>de</strong>s données du capteur SEVIRI/MSG (dont l’avantage est d’avoir une résolution temporelleélevée) <strong>et</strong> à partir du capteur MODIS. Nous avons également développé une métho<strong>de</strong> d’inversion <strong>de</strong>l’humidité <strong>de</strong> surface à partir <strong>de</strong>s données du capteur radar actif ASAR/ENVISAT afin <strong>de</strong> vali<strong>de</strong>r une<strong>de</strong>s variables du bilan hydrique du modèle. C<strong>et</strong>te métho<strong>de</strong> est décrite ici.Ainsi pour c<strong>et</strong>te étu<strong>de</strong>, une base <strong>de</strong> données a été constituée à partir <strong>de</strong> la base <strong>de</strong> données AMMA-SAT (http ://ammasat.ipsl.polytechnique.fr/). C<strong>et</strong>te base <strong>de</strong> données est présentée dans le paragraphe4.1, elle regroupe <strong>de</strong>s données <strong>de</strong>s capteurs SPOT/HRV <strong>et</strong> ASAR/ENVISAT ainsi que <strong>de</strong>s produitsdérivés <strong>de</strong>s capteurs SEVIRI/MSG <strong>et</strong> MODIS.4.1 Les données disponibles4.1.1 Les données SPOTLes données SPOT ont été utilisées d’une part pour créer une carte d’occupation <strong>de</strong>s sols (cf 4.2),qui sert <strong>de</strong> base à la modélisation <strong>et</strong> d’autre part pour estimer le LAI, variable <strong>de</strong> forçage du modèle.On bénéficie en 2005 d’une série d’images SPOT 4 exceptionnelle sur la région étudiée : septimages, pratiquement sans nuages, ont été acquises entre le 6 juin <strong>et</strong> le 25 octobre. C<strong>et</strong>te série perm<strong>et</strong>
78 Apport <strong>de</strong> la télédétection spatial<strong>et</strong>el-00277226, version 1 - 5 May 2008un suivi temporel <strong>de</strong>s états <strong>de</strong> surface.Le tableau suivant liste l’ensemble <strong>de</strong>s données SPOT disponible en 2005 <strong>et</strong> 2006 sur le super-siteAMMA <strong>de</strong> Niamey.Les instruments HRV1 <strong>et</strong> HRV2 du satellite SPOT 4 sont <strong>de</strong>s radiomètres. Ils enregistrent, dansle domaine solaire, l’ensemble du rayonnement réfléchi <strong>et</strong> diffusé par le système Terre-atmosphèredans quatre longueurs d’on<strong>de</strong> du spectre visible <strong>et</strong> infrarouge. À chaque pixel est associée une valeurnumérique <strong>de</strong> 0 à 255 (codage sur 8 bits) correspondant à une quantité d’énergie intégré par le capteurpour une ban<strong>de</strong> spectrale donnée. Pour caractériser la surface <strong>de</strong> la Terre, il est indispensable d’endériver une gran<strong>de</strong>ur physique indépendante à la fois du capteur <strong>et</strong> <strong>de</strong> l’éclairement solaire reçu lors<strong>de</strong> l’acquisition. La procédure compte quatre étapes, dont les trois premières ont été effectuées par lecentre <strong>de</strong> service POSTEL (http ://postel.mediasfrance.org/).1. L’étalonnage : Une fois étalonnée, la gran<strong>de</strong>ur physique obtenue est la réflectance au somm<strong>et</strong><strong>de</strong> l’atmosphère : fraction du rayonnement solaire inci<strong>de</strong>nt réfléchie par la surface visée.En pratique, c<strong>et</strong> étalonnage consiste à transformer le CN en luminance L en fonction <strong>de</strong>s caractéristiquesphysiques du capteur. Ensuite, le passage <strong>de</strong> la luminance à la réflectance se faiten tenant compte <strong>de</strong> l’éclairement solaire équivalent <strong>et</strong> <strong>de</strong> l’angle zénithal solaire. On obtientalors <strong>de</strong>s réflectances au somm<strong>et</strong> <strong>de</strong> l’atmosphère (R T OA ).2. Les corrections atmosphériques : Suite à la première étape, la réflectance obtenue est convertieen réflectance <strong>de</strong> la surface grâce à l’algorithme SMAC (Simplified M<strong>et</strong>hod for AtmosphericCorrection ; Rahman <strong>et</strong> Dedieu, 1994). Dans le spectre visible, le rayonnement solaire réfléchipar la surface est principalement absorbé durant son traj<strong>et</strong> jusqu’au satellite par l’ozone <strong>et</strong> lavapeur d’eau. De plus, celui-ci est aussi diffusé par les gaz (ozone) <strong>et</strong> les aérosols. C<strong>et</strong>te étapeperm<strong>et</strong> d’obtenir la réflectance au somm<strong>et</strong> <strong>de</strong> la canopée, ou réflectance <strong>de</strong> surface (R T OC )qui est indépendante <strong>de</strong>s conditions atmosphériques. La correction <strong>de</strong>s eff<strong>et</strong>s atmosphériquesnécessite donc <strong>de</strong> connaître la teneur en vapeur d’eau <strong>et</strong> la concentration <strong>de</strong>s gaz <strong>et</strong> aérosolsau moment <strong>de</strong> l’acquisition. Ces informations sont fournies par le site <strong>de</strong> mesures AERONET(http ://aeron<strong>et</strong>.gsfc.nasa.gov/) installé à Banizoumbou, les mesures du capteur OMI (OzoneMonitoring Instrument), <strong>et</strong> la station synoptique <strong>de</strong> Niamey disponibles dans la base <strong>de</strong> donnéesAMMA.3. Orthorectification : l’objectif <strong>de</strong> c<strong>et</strong>te étape est <strong>de</strong> rendre toutes les images acquises superposablesavec la meilleure précision possible. La procédure nécessite un modèle numérique <strong>de</strong> terrain,d’une image <strong>de</strong> référence <strong>et</strong> <strong>de</strong> points d’amer (GPS) dont les coordonnées géographiquesont été mesurées sur le terrain.4. Masque <strong>de</strong>s nuages : Les nuages sont éliminés par une procédure basée sur la détection conjointe<strong>de</strong>s nuages <strong>et</strong> <strong>de</strong>s ombres associées (Le Hégarat-Mascle <strong>et</strong> André, 2007).La <strong>de</strong>rnière étape a été effectuée au CETP par C. André. Les données SPOT ainsi traitées surla saison <strong>de</strong>s pluies 2005 sont listées dans le tableau 4.1. On a reporté ici que les données jugées
4.1 Les données disponibles 79TAB. 4.1 – Données SPOT disponible en 2005Date d’acquisition Satellite/Capteur6 juin SPOT4/HRV113 juill<strong>et</strong> SPOT4/HRV13 août SPOT4/HRV212 septembre SPOT4/HRV228 septembre SPOT4/HRV114 octobre SPOT4/HRV125 octobre SPOT4/HRV1utilisables, c’est à dire dont la couverture nuageuse est faible.tel-00277226, version 1 - 5 May 20084.1.2 Les données ASAR/ENVISATASAR (Advanced Synth<strong>et</strong>ic Aperture Radar) est un radar à synthèse d’ouverture en ban<strong>de</strong> C (5.3GHz) capable d’opérer dans une large variété <strong>de</strong> mo<strong>de</strong>s. C’est un capteur actif embarqué à bord dusatellite ENVISAT (ENVironment SATellite).L’instrument ASAR est doté d’une antenne qui ém<strong>et</strong> une on<strong>de</strong> électromagnétique vers la surface.Une on<strong>de</strong> électromagnétique est composée d’un champ magnétique <strong>et</strong> d’un champ électrique perpendiculaires.Les équations <strong>de</strong> Maxwell décrivent le déplacement d’une on<strong>de</strong> électromagnétique dansun milieu dont les caractéristiques (constante diélectrique, perméabilité <strong>et</strong> conductivité) sont connues(Elachi, 1987). C<strong>et</strong>te on<strong>de</strong> est caractérisée par sa fréquence <strong>et</strong> son état <strong>de</strong> polarisation. La polarisationcorrespond à la direction du champ électrique. Dans le cas <strong>de</strong> l’on<strong>de</strong> émise par l’antenne <strong>de</strong>ASAR, l’on<strong>de</strong> est en polarisation rectiligne ce qui signifie que le champ électrique évolue dans unplan. On distingue en particulier la polarisation horizontale <strong>et</strong> la polarisation verticale. La combinaisonémission/reception <strong>de</strong> ces états <strong>de</strong> polarisation perm<strong>et</strong> d’obtenir jusqu’à quatre signaux, <strong>de</strong>ux enco-polarisation (HH <strong>et</strong> VV), <strong>et</strong> <strong>de</strong>ux en polarisation croisée (VH <strong>et</strong> HV). Par convention la premièrel<strong>et</strong>tre désigne la polarisation d’émission <strong>et</strong> la <strong>de</strong>uxième l<strong>et</strong>tre désigne la polarisation <strong>de</strong> réception.L’on<strong>de</strong> émise par l’antenne est transmise à travers l’atmosphère <strong>et</strong> interagit avec la surface (diffusion).Une partie du signal émis est alors renvoyée dans la direction <strong>de</strong> l’antenne. En télédétectionradar, la mesure la plus couramment utilisée porte sur le coefficient <strong>de</strong> rétro-diffusion, proportionnelau rapport entre la puissance reçue <strong>et</strong> la puissance émise au niveau <strong>de</strong> l’antenne. D’autres paramètressont également mesurés comme le gain <strong>de</strong> l’antenne ou les pertes par propagation. L’équation radarperm<strong>et</strong> d’établir l’expression du coefficient <strong>de</strong> rétro-diffusion σ 0 en fonction <strong>de</strong> ces gran<strong>de</strong>urs (Ulaby<strong>et</strong> al., 1986) :σ 0 = (4π)3 r 4 0λ 2 0L e L r 〈P r 〉 1(4.1)G e G r P e S effoù r 0 est la distance cible-antenne, λ 0 la longueur d’on<strong>de</strong>, G e , G r les gains <strong>de</strong> l’antenne à
80 Apport <strong>de</strong> la télédétection spatialeTAB. 4.2 – Données ASAR disponible en 2005Date d’acquisition Angle d’inci<strong>de</strong>nce Orbite5 juill<strong>et</strong> IS1 Ascendante7 juill<strong>et</strong> IS2 Descendante21 juill<strong>et</strong> IS1 Ascendante26 juill<strong>et</strong> IS1 Descendante9 août IS2 Ascendante11 août IS2 Descendante30 août IS1 Descendante15 septembre IS2 Descendant<strong>et</strong>el-00277226, version 1 - 5 May 2008l’émission <strong>et</strong> à la réception, L e , L r les facteurs <strong>de</strong> perte d’émission <strong>et</strong> <strong>de</strong> réception, P e , P r les puissancesémise <strong>et</strong> reçue (la puissance reçue étant moyennée sur toutes les contributions <strong>de</strong> la zoneéclairée) <strong>et</strong> S eff est la surface effective vue par le radar.Les mécanismes <strong>de</strong> diffusion sont gouvernés à la fois par les propriétés <strong>de</strong> l’on<strong>de</strong> radar (fréquencepolarisation <strong>et</strong> inci<strong>de</strong>nce) <strong>et</strong> par les propriétés géométriques <strong>et</strong> diélectrique <strong>de</strong> la surface visée. Ainsitous les facteurs influençant ces propriétés ont un impact sur le signal rétro-diffusé. L’angle d’inci<strong>de</strong>ncea donc une importance majeure car il modifie la géométrie apparente <strong>de</strong>s obj<strong>et</strong>s visés. De mêmela rugosité du sol, si elle est importante, favorise la diffusion du signal. Enfin l’humidité du sol <strong>et</strong> <strong>de</strong>la végétation modifient la permittivité diélectrique. Plus le sol <strong>et</strong> la végétation sont humi<strong>de</strong>s, plus leurpermittivité est élevée <strong>et</strong> donc plus le signal rétro-diffusé vers le capteur est important.Le capteur ASAR est capable <strong>de</strong> balayer une large gamme d’angles d’inci<strong>de</strong>nces (<strong>de</strong> 16 à 45°),<strong>et</strong> possè<strong>de</strong> plusieurs mo<strong>de</strong>s <strong>de</strong> fonctionnement (Desnos <strong>et</strong> al., 1999). Nous n’utiliserons, dans c<strong>et</strong>teétu<strong>de</strong>, que les données acquises en mo<strong>de</strong> image à haute résolution (12.5x12.5 m) aux faibles anglesd’inci<strong>de</strong>nces en polarisation HH <strong>et</strong> V V qui sont les plus sensibles à l’humidité du sol. Le tableau 4.2liste les données utilisées en 2005.4.1.3 Les données MODIS/TERRA <strong>et</strong> AQUAL’”Earth Observing System (EOS) data gateway” distribue <strong>de</strong> nombreux produits dérivés <strong>de</strong>smesures du capteur MODIS (Mo<strong>de</strong>rate Resolution Imaging Spectroradiom<strong>et</strong>er) installé à bord <strong>de</strong>ssatellites Aqua <strong>et</strong> Terra. Ce paragraphe décrit succinctement les caractéristiques du capteur <strong>et</strong> <strong>de</strong>ssatellites, ainsi que <strong>de</strong>s produits utilisés.Les satellites Aqua <strong>et</strong> Terra ont <strong>de</strong>s orbites héliosynchrones, c’est à dire qu’ils passent au <strong>de</strong>ssusd’un point toujours à la même heure locale. Le satellite Terra a une orbite programmée <strong>de</strong> telle manièrequ’il passe au <strong>de</strong>ssus <strong>de</strong> l’équateur dans la direction Nord-Sud le matin (10h) <strong>et</strong> dans la direction Sud-Nord le soir (22h), alors que le satellite Aqua passe au <strong>de</strong>ssus <strong>de</strong> l’équateur dans la direction Sud-Nord
4.1 Les données disponibles 81TAB. 4.3 – Données MODIS utilisée en 2005Produits Date Résolution spatiale/temporelleMOD11A1.004 <strong>et</strong> MYD11A1.004 1/3/2005 - 31/12/2006 1km / 4 images par jourMOD15A2.004 <strong>et</strong> MYD15A2.004 1/3/2005 - 31/12/2006 1km / 1 image tous les 8 joursMCD43A3.005 1/3/2005 - 31/12/2006 500m / 1 image tous les 15 jourstel-00277226, version 1 - 5 May 2008l’après midi (13h) <strong>et</strong> dans la direction Nord-Sud la nuit (1h).MODIS est un radiomètre, il enregistre, le rayonnement émis <strong>et</strong> réfléchi par la Terre dans différenteslongueurs d’on<strong>de</strong>. L’instrument MODIS acquiert <strong>de</strong>s données dans 36 ban<strong>de</strong>s spectrales <strong>de</strong> 0.4µm(viol<strong>et</strong>) à 14.4µm (infrarouge), à une résolution allant <strong>de</strong> 250m à 1km. Le champ <strong>de</strong> vue est <strong>de</strong> ±55°,ce qui correspond à une trace au sol <strong>de</strong> 2330km. La surface <strong>de</strong> la Terre est entièrement couverte tousles 2 jours.Trois produits en particulier ont été utilisés dans ce travail : la température <strong>de</strong> surface (LST ), leLAI <strong>et</strong> l’albedo intégré spectralement sur les courtes longueurs d’on<strong>de</strong>. Ces produits sont disponiblessur intern<strong>et</strong> : http ://edcimswww.cr.usgs.gov/pub/imswelcome/.– LST MOD11A1.004 <strong>et</strong> MYD11A1.004 : <strong>de</strong>ux images le matin (vers 10h UTC <strong>et</strong> vers 1h UTC,respectivement pour MODIS/Aqua <strong>et</strong> MODIS/Terra) <strong>et</strong> <strong>de</strong>ux images l’après midi (vers 22hUTC <strong>et</strong> vers 13h UTC, respectivement pour MODIS/Aqua <strong>et</strong> MODIS/Terra) chaque jour.– LAI MOD15A2.004 <strong>et</strong> MYD15A2.004 : une image tous les huit jours.– Albedo MCD43A3.005 : une image tous les 15 jours à la résolution <strong>de</strong> 500m.L’EOS délivre pour les <strong>de</strong>ux premiers produits <strong>de</strong>s ”tuiles” <strong>de</strong> 10°x10° proj<strong>et</strong>ées sur une grillesinusoïdale à 1km <strong>de</strong> résolution au format HDF-EOS. Ces produits sont livrés avec les indices <strong>de</strong>qualité associés. Seules les données présentant le meilleur indice <strong>de</strong> qualité ont été sélectionnées (pas<strong>de</strong> nuage, pas <strong>de</strong> problème <strong>de</strong> correction atmosphérique ni <strong>de</strong> problème d’acquisition).4.1.4 Les données SEVIRI/MSGLe satellite Météosat Secon<strong>de</strong> Génération est un satellite géostationnaire avec à son bord le capteurSEVIRI (Spinning Enhanced Visible and Infra Red Imager) <strong>de</strong>stiné à <strong>de</strong>s applications opérationnellesmétéorologiques (détection <strong>de</strong>s nuages, estimation <strong>de</strong> la pluie, ...). SEVIRI transm<strong>et</strong> une scène enregistréedans 12 canaux du visible, <strong>de</strong> l’infrarouge moyen <strong>et</strong> <strong>de</strong> l’infrarouge thermique toutes les 15minutes, avec une résolution spatiale <strong>de</strong> 3km au nadir. Dans l’infrarouge thermique, le radiomètre enregistre,dans l’infrarouge thermique, une énergie correspondant au rayonnement émis par la Terre <strong>et</strong>par l’atmosphère. Un étalonnage perm<strong>et</strong> <strong>de</strong> convertir la quantité enregistrée (compte numérique) en luminancereliée directement à la température <strong>de</strong> brillance. La température <strong>de</strong> brillance (ou températureradiométrique) d’une surface correspond à la température d’un corps noir délivrant la même luminanceque la surface étudiée.
82 Apport <strong>de</strong> la télédétection spatial<strong>et</strong>el-00277226, version 1 - 5 May 2008La forte résolution temporelle <strong>de</strong> ce capteur (15 minutes) perm<strong>et</strong> le suivi précis <strong>de</strong> certains phénomènes,en particulier la température <strong>de</strong> surface peut être estimée à partir <strong>de</strong>s données acquises dans <strong>de</strong>ux canaux<strong>de</strong> l’infrarouge thermique (10.8 <strong>et</strong> 12 µm). En eff<strong>et</strong> la température <strong>de</strong> surface est une variable <strong>de</strong>sortie du modèle SEtHyS Savannah. Le capteur SEVIRI/MSG nous offre donc une possibilité <strong>de</strong> vali<strong>de</strong>rle modèle à une échelle spatiale étendue <strong>et</strong> avec une résolution temporelle voisine <strong>de</strong> la résolutiondu modèle (5 minutes).Les produits utilisés sont les températures <strong>de</strong> surface fournies par le Land SAF (Satellite ApplicationFacility on Land Surface Analysis http ://landsaf.m<strong>et</strong>eo.pt/). La métho<strong>de</strong> <strong>de</strong> calcul <strong>de</strong> latempérature <strong>de</strong> surface est, comme pour le capteur MODIS, basée sur un algorithme <strong>de</strong> Split-Window(cf 4.5.1). Ces produits sont délivrés sur une grille régulière <strong>de</strong> 0.05°x0.05° tous les quarts-d’heures.Ces données ont été ré-échantillonnées sur une grille <strong>de</strong> 3x3km pour les besoins <strong>de</strong> la comparaisonavec les sorties du modèle (1x1 km).Ces données sont disponibles à partir du 13 juill<strong>et</strong> 2005.4.2 Carte d’occupation <strong>de</strong>s solsNous avons choisi une modélisation <strong>de</strong> type agrégative, c’est à dire une <strong>de</strong>scription sous-maille<strong>de</strong> la végétation <strong>et</strong> une intégration <strong>de</strong>s flux sur l’ensemble <strong>de</strong> la maille (cf introduction <strong>de</strong> la partie2), il est donc important d’avoir une information haute résolution sur chaque maille afin <strong>de</strong> définirdifférents mo<strong>de</strong>s <strong>de</strong> fonctionnement du modèle. Une classification <strong>de</strong> l’occupation <strong>de</strong>s sols est doncutile dans ce contexte là, mais également pour la métho<strong>de</strong> d’inversion <strong>de</strong> l’humidité <strong>de</strong>s sols à partir<strong>de</strong>s données ASAR/ENVISAT (cf paragraphe 4.3).4.2.1 Les métho<strong>de</strong>s <strong>de</strong> classificationLes métho<strong>de</strong>s <strong>de</strong> classification sont multiples, elles font appel à une connaissance a priori plus oumoins détaillée <strong>de</strong> la surface. Certaines métho<strong>de</strong>s sont basées sur <strong>de</strong>s combinaisons <strong>de</strong> réflectancesdans plusieurs ban<strong>de</strong>s spectrales, d’autres métho<strong>de</strong>s s’appuient sur <strong>de</strong>s modèles statistiques.Compte tenu <strong>de</strong> l’hétérogénéité <strong>de</strong> la surface, <strong>et</strong> après analyse <strong>de</strong> plusieurs métho<strong>de</strong>s, nous avonschoisi la méthodologie ci-<strong>de</strong>ssous décrite pour l’i<strong>de</strong>ntification <strong>de</strong> l’occupation <strong>de</strong>s sols. Nous avonsdans un premier temps différencié les plateaux du reste <strong>de</strong> l’image. Comme nous l’exposons ci-aprèsl’occupation <strong>de</strong>s sols sur les plateaux est caractérisée par <strong>de</strong> forts contrastes en terme <strong>de</strong> <strong>de</strong>nsité <strong>de</strong>végétation ce qui perm<strong>et</strong> l’utilisation d’une métho<strong>de</strong> simple <strong>de</strong> classification. A l’inverse, les valléessont occupées par une végétation moins contrastée, la différenciation <strong>de</strong>s classes a donc nécessité lamise au point d’une métho<strong>de</strong> plus sophistiquée.Dans notre cas, quatre étapes ont été nécessaires pour cartographier l’occupation <strong>de</strong>s sols surl’ensemble du domaine :1. Détection <strong>de</strong>s plateaux
4.2 Carte d’occupation <strong>de</strong>s sols 832. Classification <strong>de</strong> l’occupation <strong>de</strong>s sols sur les plateaux3. Détection <strong>de</strong>s mares4. Classification <strong>de</strong> l’occupation <strong>de</strong>s sols <strong>de</strong>s valléesCes métho<strong>de</strong>s sont présentées ici. Elles sont toutes non supervisées car nous n’avons pas <strong>de</strong>connaissance a priori suffisante (c’est à dire <strong>de</strong> relevés <strong>de</strong> terrain sur l’ensemble du site).La détection <strong>de</strong>s plateauxLa topographie du site étudié est très homogène : <strong>de</strong> larges vallées ayant une pente très faibleparsemées <strong>de</strong> plateaux dont la hauteur moyenne au <strong>de</strong>ssus <strong>de</strong>s fonds <strong>de</strong> vallées est <strong>de</strong> 50m. Grâce à unmodèle numérique <strong>de</strong> terrain il est donc facile <strong>de</strong> produire une carte <strong>de</strong>s plateaux par simple seuillage<strong>de</strong> l’altitu<strong>de</strong>.tel-00277226, version 1 - 5 May 2008La classification <strong>de</strong>s plateauxLes plateaux sont occupés par <strong>de</strong> la brousse tigrée. C’est un écosystème au fonctionnement complexe,mais à l’architecture simple <strong>et</strong> contrastée (Valentin <strong>et</strong> d’Herbès, 1999). La végétation est organiséeen ban<strong>de</strong>s <strong>de</strong> <strong>de</strong>nsité différente, on distingue en alternance <strong>de</strong>s ban<strong>de</strong>s <strong>de</strong> sol nu, <strong>de</strong>s ban<strong>de</strong>s <strong>de</strong>végétation herbeuse <strong>et</strong> <strong>de</strong>s ban<strong>de</strong>s <strong>de</strong> végétation plus <strong>de</strong>nse où se mélangent herbes <strong>et</strong> p<strong>et</strong>its arbres.La différence <strong>de</strong> <strong>de</strong>nsité <strong>de</strong> végétation sur ces trois types d’occupation <strong>de</strong>s sols peut être caractériséepar le NDV I (Normalized Difference Veg<strong>et</strong>ation In<strong>de</strong>x : Rousse <strong>et</strong> al., 1973), dont l’expression estla suivante :NDV I = R P IR − R rougeR P IR + R rouge(4.2)où R P IR <strong>et</strong> R rouge sont les réflectances dans le proche infrarouge <strong>et</strong> dans le rouge.Les ban<strong>de</strong>s <strong>de</strong> végétation sont facilement discernables par un seuillage sur c<strong>et</strong> indice. On i<strong>de</strong>ntifieainsi trois classes sur les plateaux : une classe <strong>de</strong> sol nu, une classe <strong>de</strong> végétation <strong>de</strong>nse <strong>et</strong> une classe<strong>de</strong> végétation claire.La détection <strong>de</strong>s maresLa détection <strong>de</strong>s mares à partir d’images provenant <strong>de</strong> SPOT 4 <strong>et</strong> 5 est facilitée par la présence<strong>de</strong> la ban<strong>de</strong> dans le moyen infrarouge. C<strong>et</strong>te ban<strong>de</strong> est en eff<strong>et</strong> très sensible au contenu en eau <strong>de</strong> lasurface. La métho<strong>de</strong> proposée par Gond <strong>et</strong> al. (2000) est une métho<strong>de</strong> largement utilisée. Celle-ci sebase sur l’utilisation du NDW I (Normalized Difference Water In<strong>de</strong>x). C<strong>et</strong> indice est construit <strong>de</strong> lamanière suivante :NDW I = R P IR − R MIRR P IR + R MIR(4.3)où R P IR <strong>et</strong> R MIR sont les réflectances dans le proche infrarouge <strong>et</strong> dans le moyen infrarouge.
84 Apport <strong>de</strong> la télédétection spatialeLe NDW I étant sensible à l’eau libre <strong>et</strong> à l’eau contenue dans le couvert végétal, l’algorithme<strong>de</strong> détection <strong>de</strong>s mares fonctionne par simple seuillage sur l’indice formé par NDW I − NDV I.Parallèlement, un second seuillage est effectué sur la ban<strong>de</strong> du proche infrarouge. Seules les zonessatisfaisants les <strong>de</strong>ux critères seront r<strong>et</strong>enues comme mares. La procédure suit les recommandations<strong>de</strong> Gond <strong>et</strong> al. (2000).La classification <strong>de</strong>s mares est faite pour une unique image en fin <strong>de</strong> saison <strong>de</strong>s pluies, supposantque la superficie <strong>de</strong>s mares est maximale à c<strong>et</strong>te date. Ainsi on obtient une carte du nombre <strong>de</strong> maresmaximal. Ces zones seront traitées <strong>de</strong> façon spécifique dans le modèle.Le traitement <strong>de</strong>s versants <strong>et</strong> <strong>de</strong>s fonds <strong>de</strong> vallé<strong>et</strong>el-00277226, version 1 - 5 May 2008Les vallées <strong>de</strong> la région sont caractérisées par une très gran<strong>de</strong> hétérogénéité du paysage. Lescultures <strong>et</strong> jachères sont organisées en p<strong>et</strong>ites entités sans réelle organisation. Une métho<strong>de</strong> <strong>de</strong> classificationstatistique plus adaptée a été développée au CETP par C. André.De manière générale, une métho<strong>de</strong> statistique <strong>de</strong> classification sous entend trois étapes. Il fauttout d’abord définir un modèle formalisant - sous certaines hypothèses - les liens entre observations(pixels <strong>de</strong> l’image) <strong>et</strong> classes. Une fois le modèle défini, il faut ensuite déterminer un estimateur qui,en fonction <strong>de</strong>s observations, perm<strong>et</strong> <strong>de</strong> fixer les paramètres statistiques du modèle. Enfin, il resteencore à spécifier un algorithme perm<strong>et</strong>tant d’évaluer la classification la plus probable.Le modèle statistique est un modèle <strong>de</strong> type Markovien, <strong>et</strong> la classification à proprement diteest faite par une métho<strong>de</strong> <strong>de</strong> recuit simulé. Le modèle sépare ainsi 12 classes. La métho<strong>de</strong> nécessiteensuite une interprétation manuelle afin <strong>de</strong> regrouper les classes. C<strong>et</strong>te interprétation est basée sur <strong>de</strong>srelevés effectués sur le terrain. Plusieurs campagnes ont été réalisées afin d’i<strong>de</strong>ntifier, sur le terrain,l’occupation <strong>de</strong> certaines parcelles (mil, jachère, ...). Les douze classes sont ensuite regroupées en 4classes. L’intérêt <strong>de</strong> différencier un grand nombre <strong>de</strong> classes au départ est qu’il est possible d’obtenirin fine une classification plus fine, en revanche cela complique l’interprétation. En eff<strong>et</strong> l’hétérogénéité<strong>de</strong> la végétation <strong>et</strong> du sol rend parfois difficile l’attribution d’une classe à un pixel, en particulier encas <strong>de</strong> faible couverture végétale. Par exemple on distingue mal un pixel <strong>de</strong> culture où les plants<strong>de</strong> mil sont très espacés, d’un pixel <strong>de</strong> jeune jachère. Les photographies acquises par le drone Pixy(IRD) autour <strong>de</strong> Wankama, ont permis d’affiner le regroupement <strong>de</strong>s classes, <strong>et</strong> les mesures <strong>de</strong> terraineffectuées dans la même région perm<strong>et</strong>tent <strong>de</strong> vali<strong>de</strong>r notre classification.4.2.2 Les différentes classesLes trois métho<strong>de</strong>s présentés ci <strong>de</strong>ssus fournissent une classification à 8 classes :– Plateaux : sol nu– Plateaux : végétation claire (ban<strong>de</strong> herbeuse <strong>de</strong> la brousse tigrée)– Plateaux : végétation <strong>de</strong>nse (ban<strong>de</strong> arborée <strong>de</strong> la brousse tigrée)– Vallée : Pente dégradée/Sol quasi nu
4.2 Carte d’occupation <strong>de</strong>s sols 85tel-00277226, version 1 - 5 May 2008FIG. 4.1 – Classification <strong>de</strong> l’occupation du sol– Vallée : Culture– Vallée : Jeune jachère– Vallée : Jachère ancienne– MaresLa figure 4.2 illustre les différentes classes <strong>de</strong> végétation. On notera en particulier le caractèreépars <strong>de</strong>s cultures <strong>et</strong> <strong>de</strong> la jachère. La classification est présentée sur la figure 4.1, on remarque aunord du super-site une forte couverture <strong>de</strong> jachère ancienne qui est beaucoup plus rare dans le reste <strong>de</strong>la zone où les cultures sont plus répandues.Sur l’ensemble du super-site, les plateaux occupent un peu plus <strong>de</strong> 25% <strong>de</strong> la surface. La répartition<strong>de</strong> la surface entre les différentes classes est : 17.61% <strong>de</strong> sol nu sur plateaux, 4.46 <strong>et</strong> 2.98% <strong>de</strong>végétation claire <strong>et</strong> <strong>de</strong>nse sur les plateaux, 10.03% <strong>de</strong> sol nu <strong>et</strong> dégradé dans les vallées, 16.29 <strong>et</strong>22.58% <strong>de</strong> jachère récente <strong>et</strong> ancienne, 22.92% <strong>de</strong> cultures <strong>et</strong> 0.12% d’eau libre. La figure 4.3 montrel’évolution du NDVI moyen pour chaque classe d’occupation du sol. On remarque <strong>de</strong>s comportementstrès différents pour chacune <strong>de</strong>s classes. Néanmoins, pour les classes <strong>de</strong> sol nu (sur plateau <strong>et</strong> dansles vallées) on observe <strong>de</strong>s valeurs <strong>de</strong> NDV I relativement importantes <strong>et</strong> peu différentes <strong>de</strong>s valeursobtenues sur les classes <strong>de</strong> cultures <strong>et</strong> jeunes jachères. C<strong>et</strong>te constatation illustre la difficulté pourséparer ces écosystèmes en termes <strong>de</strong> <strong>de</strong>nsité <strong>de</strong> couverture végétale.
86 Apport <strong>de</strong> la télédétection spatialeVieille jachèreJeune jachèr<strong>et</strong>el-00277226, version 1 - 5 May 2008Brousse tigrée faciès amontBrousse tigrée faciès avalCulture <strong>de</strong> milFIG. 4.2 – Illustrations <strong>de</strong>s différentes classes <strong>de</strong> végétation (date : 27/10/2005)4.2.3 Validation <strong>de</strong> la classification proposéeLa classification proposée a pu être validée sur un p<strong>et</strong>it site (Bassin versant <strong>de</strong> Wankama) pourlequel <strong>de</strong>s relevés systématiques ont été effectués par N. Boulain. On a comparé pour chaque pixella classe <strong>et</strong> l’occupation du sol relevée. Le tableau 4.4 montre la concordance <strong>de</strong>s classes. Verticalementon a représenté les classes d’occupation relevées sur le terrain, <strong>et</strong> horizontalement le classed’occupation <strong>de</strong> la classification proposée.
4.2 Carte d’occupation <strong>de</strong>s sols 87tel-00277226, version 1 - 5 May 2008FIG. 4.3 – Évolution temporelle <strong>de</strong> l’indice <strong>de</strong> végétation NDVI moyen pour chaque classe d’occupationdu sol en 2005FIG. 4.4 – Table <strong>de</strong> concordance <strong>de</strong> l’occupation du sol donnée par la classification SPOT <strong>et</strong> les relevés<strong>de</strong> terrain <strong>de</strong> N. BoulainClassif SPOT Sol nu ou Culture Jeune Vieille❤❤❤❤❤❤❤❤❤❤❤❤❤❤❤ Relevé terrain❤ dégradé veg claire jachère jachèreTotalSol nu 44 35 2 - 81Végétation dégradée 60 125 7 - 192Mil 6 106 15 15 142Champ abandonné 5 57 10 4 76Jeune jachère 6 62 12 16 96Vieille jachère 2 24 9 28 63Total 123 409 55 63 650On observe une bonne concordance entre les <strong>de</strong>ux classifications, même si certains pixels ontune classe qu’ils ne représentent pas en réalité. En eff<strong>et</strong>, certains types d’occupation <strong>de</strong>s sols ont <strong>de</strong>ssignatures spectrales très voisines, il est donc par exemple difficile <strong>de</strong> séparer certaines cultures d’uncouvert <strong>de</strong> végétation clairsemée. Un autre facteur peut expliquer les différences entre la classification<strong>et</strong> le relevé <strong>de</strong> terrain : compte tenu <strong>de</strong> l’hétérogénéité du paysage à fine échelle, les pixels SPOT sontmixtes. Il en découle que la réflectance associée à chaque pixel est une somme <strong>de</strong> contributions <strong>de</strong>réflectances <strong>de</strong> toutes les entités formant ce pixel.On atteint ici les limites <strong>de</strong>s métho<strong>de</strong>s <strong>de</strong> classification non supervisées, pour lesquelles il fautfaire un compromis entre la complexité liée au nombre <strong>de</strong> classes <strong>et</strong> la précision souhaitée.
88 Apport <strong>de</strong> la télédétection spatiale4.3 L’humidité <strong>de</strong>s sols à partir <strong>de</strong> ASAR/ENVISATLa présente section s’attache à décrire la métho<strong>de</strong> développée sous la direction <strong>de</strong> M. Zribi pourestimer à partir du signal radar, l’humidité <strong>de</strong> la surface. C<strong>et</strong>te métho<strong>de</strong> a fait l’obj<strong>et</strong> d’une publicationdans International Journal of Remote Sensing en 2007, jointe en annexe B.4.3.1 Étu<strong>de</strong> théoriqueThéoriquement le signal radar est sensible à l’humidité <strong>de</strong> la couche <strong>de</strong> sol correspondant à laprofon<strong>de</strong>ur <strong>de</strong> pénétration <strong>de</strong> l’on<strong>de</strong> radar. C<strong>et</strong>te profon<strong>de</strong>ur est <strong>de</strong> l’ordre <strong>de</strong> gran<strong>de</strong>ur <strong>de</strong> la longueurd’on<strong>de</strong> (ici 5.6 cm) mais varie avec le contenu en eau (Ulaby <strong>et</strong> al., 1986).tel-00277226, version 1 - 5 May 2008Une étu<strong>de</strong> théorique a, dans un premier temps, été menée, elle repose sur la simplification dumodèle <strong>de</strong> coefficient <strong>de</strong> rétro-diffusion proposé par Ulaby <strong>et</strong> al. (1986). Le signal reçu par l’antenneradar pour chaque pixel résulte <strong>de</strong> la somme <strong>de</strong>s contributions du sol nu <strong>et</strong> <strong>de</strong> la végétation. Le signalmesuré peut alors être écrit comme suit :σtotal 0 (θ) = Cσ0 couvert + (1 − C)σsol 0 (4.4)où C est la fraction <strong>de</strong> sol couverte par la végétation <strong>et</strong> σcouvert 0 est le coefficient <strong>de</strong> rétro-diffusionradar donné par la somme incohérente <strong>de</strong> la contribution <strong>de</strong> la végétation σveg 0 <strong>et</strong> du sol couvert par lavégétation σsol 0 <strong>et</strong> peut être exprimé par :σcouvert(θ) 0 = σveg 0 + σsol−veg 0 + γ2 (θ)σsol 0 (4.5)où γ 2 (θ) = exp[−2τ/ cos(θ)] est la transmittivité <strong>de</strong> la canopée montante <strong>et</strong> <strong>de</strong>scendante, τ estl’épaisseur optique, <strong>et</strong> σsol−veg 0 représente la contribution due à la diffusion multiple entre le sol <strong>et</strong> lavégétation. Dans notre étu<strong>de</strong>, on néglige ce <strong>de</strong>rnier terme, ce qui conduit à :σ 0 couvert(θ) = σ 0 veg + γ 2 (θ)σ 0 sol (4.6)A partir du modèle semi-empirique <strong>de</strong> Ulaby <strong>et</strong> al. (1986) on a :σ 0 veg(θ) = 0.75w cos(θ) [ 1 − γ 2 (θ) ] (4.7)où w est la réflectivité <strong>de</strong> la végétation à la longueur d’on<strong>de</strong> du radar.Pour étudier l’eff<strong>et</strong> <strong>de</strong>s paramètres <strong>de</strong> surface sur le signal radar, nous avons simulé le coefficient<strong>de</strong> rétro-diffusion à l’ai<strong>de</strong> du modèle décrit ci-<strong>de</strong>ssus pour la végétation <strong>et</strong> le modèle IEM (IntegralEquation Mo<strong>de</strong>l, Fung <strong>et</strong> al. 1992, Wu <strong>et</strong> al. 2001) pour le sol nu.La figure 4.5 présente le signal radar simulé total σtotal 0 <strong>et</strong> le signal radar simulé pour le sol nu
4.3 L’humidité <strong>de</strong>s sols à partir <strong>de</strong> ASAR/ENVISAT 89tel-00277226, version 1 - 5 May 2008FIG. 4.5 – Simulation du coefficient <strong>de</strong> rétro-diffusion sur une surface couverte <strong>de</strong> végétationσ 0 solen considérant trois valeurs d’humidité du sol : 5%, 10% <strong>et</strong> 15%. On remarque que le signal radartotal est pratiquement égal au signal du sol nu pour les faibles angles d’inci<strong>de</strong>nce. Ces simulationsillustrent la dominance du signal rétrodiffusé par le sol nu par rapport au signal dû à la végétation quireste négligeable aux faibles angles d’inci<strong>de</strong>nce. C<strong>et</strong>te constatation a déjà été faite par Magagi andKerr (1997) <strong>et</strong> Zine <strong>et</strong> al. (2005) lors d’étu<strong>de</strong>s relatives à la même région d’étu<strong>de</strong>. Ainsi, l’analyse <strong>de</strong>l’humidité du sol est plus intéressante pour les faibles angles d’inci<strong>de</strong>nce, avec une contribution faible<strong>de</strong> la végétation <strong>et</strong> un eff<strong>et</strong> prépondérant du sol.Le site étudié est caractérisé généralement par <strong>de</strong>s surfaces très lisses. On peut considérer en
90 Apport <strong>de</strong> la télédétection spatialepremière approximation, pour <strong>de</strong>s surfaces lisses à faibles inci<strong>de</strong>nces, que le signal du sol nu peut êtredivisé en un terme dû à la rugosité f(R) <strong>et</strong> un terme dû à l’humidité du sol g(M v ) (Fung 1994, Ulaby<strong>et</strong> al. 1986). Sur une échelle logarithmique on a alors :σ dBsol (θ) = 10 log (f(R)) + 10 log (g(M v)) (4.8)Comme l’ont montré différentes étu<strong>de</strong>s (Ulaby <strong>et</strong> al., 1986 ; Cognard <strong>et</strong> al., 1995 ; Quesney <strong>et</strong> al.,2000 ; Le Hégarat-Mascle <strong>et</strong> al., 2002 ; Zribi <strong>et</strong> al. 2005), la relation précé<strong>de</strong>nte peut être simplifiéepar :σ dBsol (θ) = αM v + β (4.9)tel-00277226, version 1 - 5 May 2008où β est une fonction <strong>de</strong> la rugosité, M v est l’humidité volumique du sol <strong>et</strong> α est la pente entrel’humidité du sol <strong>et</strong> le signal radar qui est une fonction <strong>de</strong> la texture du sol <strong>et</strong> <strong>de</strong> la couverture végétale.Les surfaces <strong>de</strong> sol sont relativement lisses (en particulier sur les zones non cultivées), <strong>et</strong> onsuppose qu’il y a peu <strong>de</strong> changement <strong>de</strong> l’aspect du sol au cours <strong>de</strong> l’année. L’humidité du sol estalors le principal facteur qui a une influence significative sur le signal radar. Le signal obtenu sur uneimage <strong>de</strong> référence en saison sèche (l’humidité du sol étant proche <strong>de</strong> 0) est r<strong>et</strong>ranché sur les imagessuivantes afin d’éliminer l’eff<strong>et</strong> <strong>de</strong> la rugosité. Ainsi on écrit :si l’on considère M v0 ≈ 0σ dBsol − σdB sol/sec = α(M v − M v0 ) ≈ αM v (4.10)C<strong>et</strong>te métho<strong>de</strong> perm<strong>et</strong> <strong>de</strong> réduire une part importante <strong>de</strong> l’eff<strong>et</strong> <strong>de</strong> la rugosité. Cependant en cas <strong>de</strong>faibles variations <strong>de</strong> l’humidité, la différence est faible <strong>et</strong> l’eff<strong>et</strong> <strong>de</strong> la rugosité n’est plus négligeable,il faut donc ajouter un coefficient c qui dépend <strong>de</strong> la rugosité :σ dBsol − σdB sol/sec ≈ αM v + c (4.11)La méthodologie décrite précé<strong>de</strong>mment suppose que l’on a seulement <strong>de</strong>ux types d’occupation<strong>de</strong> la surface. En réalité, les mares <strong>et</strong> le relief contribuent eux aussi au signal mesuré par le radar, <strong>et</strong>l’expression du signal radar doit être :σ 0 total (θ) = C 1σ 0 couvert + C 2 σ 0 sol + C 3σ 0 mare + (1 − C 1 − C 2 − C 3 )σ 0 relief (4.12)Pour gar<strong>de</strong>r une approche simple, nous avons éliminé les zones <strong>de</strong> mares, les zones où le relief estimportant <strong>et</strong> les zones où la végétation est <strong>de</strong>nse en se basant sur les données SPOT/HRV <strong>et</strong> un modèlenumérique <strong>de</strong> terrain. Ainsi nous construisons un masque où la méthodologie n’est pas appliquée. Cemasque est développé comme suit :
4.3 L’humidité <strong>de</strong>s sols à partir <strong>de</strong> ASAR/ENVISAT 911. Localisation <strong>de</strong>s zones <strong>de</strong> faible végétation : basée sur l’utilisation <strong>de</strong> l’indice <strong>de</strong> végétationNDVI (équation 4.2) appliqué à une image SPOT en milieu <strong>de</strong> saison <strong>de</strong>s pluies (12/09/2005).On élimine toutes les zones où c<strong>et</strong> indice dépasse 0.25. Il s’agit en eff<strong>et</strong> d’estimer l’humiditéque sur les zones à faible <strong>de</strong>nsité <strong>de</strong> végétation durant toute la saison <strong>de</strong>s pluies.2. Localisation <strong>de</strong>s mares : métho<strong>de</strong> déjà présentée au paragraphe 4.2.13. Localisation <strong>de</strong>s fortes pentes : le modèle numérique <strong>de</strong> terrain est fournit par la mission SRTM(Shuttle Radar Topography Mission, http ://srtm.usgs.gov/) avec une résolution <strong>de</strong> 100m. Nousl’avons sur-échantillonné à la résolution <strong>de</strong>s images ASAR. Puis les pentes supérieures à 3%ont été éliminées (ce qui correspond à 13% <strong>de</strong> la surface <strong>de</strong> la zone d’étu<strong>de</strong>).tel-00277226, version 1 - 5 May 2008Les pixels non masqués (par les différents masques présentés ci-<strong>de</strong>ssus) sont donc candidats àl’estimation <strong>de</strong> l’humidité. Pour s’affranchir <strong>de</strong>s problèmes liés à la mesure (bruit <strong>de</strong> speckle), <strong>de</strong>smoyennes sur <strong>de</strong>s fenêtres <strong>de</strong> 8x8 pixels (100x100m) ont été calculées. Ainsi on élimine tous lespixels isolés qui ne peuvent pas être représentatifs <strong>de</strong> l’humidité du sol. Sur la zone d’étu<strong>de</strong>, 55.3%<strong>de</strong>s pixels ont été masqués par l’ensemble <strong>de</strong>s conditions décrites ci-<strong>de</strong>ssus.Afin d’avoir un plus grand nombre <strong>de</strong> dates <strong>de</strong> mesure ASAR, on a cherché à utiliser les donnéesacquises aux angles d’inci<strong>de</strong>nces 18.27° (IS1) <strong>et</strong> 22.45° (IS2), considérées encore comme <strong>de</strong>s faiblesinci<strong>de</strong>nces. La mesure ASAR est sensible à l’angle d’inci<strong>de</strong>nce, on est donc amené à la normaliserpar rapport à l’angle d’inci<strong>de</strong>nce central ce qui a été fait sur la base d’une simple relation empiriquelinéaire. Cependant pour pouvoir utiliser le même modèle pour les données IS1 <strong>et</strong> IS2, une correctiondoit être apportée pour ajuster les données IS2 à un angle d’inci<strong>de</strong>nce équivalent aux données IS1.Nous avons donc appliqué un biais pour corriger les données IS2. En faisant l’hypothèse que ce biaisne dépend que <strong>de</strong> la rugosité du sol (hypothèse vérifiée dans le cadre <strong>de</strong> plusieurs travaux antérieursCognard <strong>et</strong> al., 1995 ; Quesney <strong>et</strong> al., 2000 ; Le Hégarat-Mascle <strong>et</strong> al., 2002 ; Zribi <strong>et</strong> al. 2002), <strong>et</strong>supposant qu’il n’y a pas <strong>de</strong> variation <strong>de</strong> rugosité durant l’année, nous avons établi une constante <strong>de</strong>correction à partir <strong>de</strong> <strong>de</strong>ux images (IS1 <strong>et</strong> IS2) en saison sèche : ∆σ = 2.2 dB en polarisation HH <strong>et</strong>∆σ = 1.9 dB en polarisation VV.L’humidité a ensuite été estimée sur <strong>de</strong>s cellules <strong>de</strong> 100x100 pixels où au moins 20% <strong>de</strong> la surfacen’est pas masquée. Ce choix est fait afin <strong>de</strong> lisser les différentes hétérogénéités locales en termes <strong>de</strong>végétation, texture <strong>et</strong> rugosité. La figure 4.6 montre la relation entre le signal radar ainsi calculé en polarisationsHH <strong>et</strong> VV <strong>et</strong> l’humidité mesurée simultanément sur le terrain par la métho<strong>de</strong> gravimétriqueà une profon<strong>de</strong>ur <strong>de</strong> 5cm. On voit que pour les <strong>de</strong>ux polarisations, le coefficient <strong>de</strong> rétro-diffusion estn<strong>et</strong>tement corrélé à l’humidité du sol, avec un coefficient <strong>de</strong> corrélation <strong>de</strong> 0.7 environ. On remarqueégalement une très bonne cohérence entre les données acquises avec un faible angle d’inci<strong>de</strong>nce (IS1)<strong>et</strong> les données acquises avec un angle d’inci<strong>de</strong>nce plus élevé (IS2). C<strong>et</strong>te constatation confirme larobustesse <strong>de</strong> la correction d’angle <strong>de</strong> visée, ce qui perm<strong>et</strong> <strong>de</strong> doubler le nombre <strong>de</strong> dates <strong>de</strong> suivi <strong>de</strong>l’humidité du sol.Les relations, entre coefficient <strong>de</strong> rétro-diffusion <strong>et</strong> humidité du sol ainsi établies peuvent donc
92 Apport <strong>de</strong> la télédétection spatial<strong>et</strong>el-00277226, version 1 - 5 May 2008FIG. 4.6 – Relation entre le signal radar <strong>et</strong> les mesures d’humidité au sol sur les sites test en polarisationHH (en haut) <strong>et</strong> VV (en bas)être appliquées aux données IS1 <strong>et</strong> IS2 dans les <strong>de</strong>ux polarisations HH <strong>et</strong> VV. La validation <strong>de</strong> lamétho<strong>de</strong> est présentée sur la figure 4.7. On obtient une erreur faible <strong>de</strong> 2.2% pour l’ensemble <strong>de</strong>smesures. C<strong>et</strong>te validation a été effectuée sur un ensemble <strong>de</strong> mesures, sur <strong>de</strong>s zones tests différentes<strong>de</strong> celles utilisées pour établir la relation entre mesure radar <strong>et</strong> humidité.4.3.2 Application aux imagesLe métho<strong>de</strong> a été ensuite appliquée sur les images entières en prenant la moyenne <strong>de</strong>s estimationspour les <strong>de</strong>ux polarisations. Quatre cartes sont présentées sur la figure 4.8. Sur la carte du 6 juin,l’ensemble <strong>de</strong> la région est caractérisée par une très faible humidité. Il n’y a en eff<strong>et</strong> pas eu <strong>de</strong> pluiedurant les 24h précédant l’acquisition <strong>de</strong> l’image. Sur la carte du 14 septembre, on remarque une zone,au nord, où l’humidité est plus faible que sur le reste <strong>de</strong> la région. Les <strong>de</strong>ux autres dates montrent uneforte hétérogénéité <strong>de</strong> l’humidité <strong>de</strong> surface en accord avec les observations <strong>de</strong> pluie. Le 30 août, unepluie moyenne <strong>de</strong> 0.5mm est enregistrée dans le nord <strong>de</strong> la région alors que dans le sud, aucune pluien’a été enregistrée durant les 24h qui ont précédé l’acquisition.
4.4 LAI : inversion à partir d’images SPOT 93tel-00277226, version 1 - 5 May 2008FIG. 4.7 – Comparaison <strong>de</strong>s humidités mesurées <strong>et</strong> estimées pour les pixels qui n’ont pas été utiliséssur la figure 4.6C<strong>et</strong>te forte hétérogénéité s’accor<strong>de</strong> avec le caractère très localisé <strong>de</strong>s événements pluvieux convectifsau Sahel.Les cartes ainsi établies perm<strong>et</strong>tent <strong>de</strong> suivre l’humidité <strong>de</strong> surface avec une résolution temporellerelativement gran<strong>de</strong> (près <strong>de</strong> 10 images acquises sur le super-site durant la saison <strong>de</strong>s pluies) <strong>et</strong> unebonne résolution spatiale (1x1 km). Ces humidités, dérivées <strong>de</strong>s images ASAR/ENVISAT, sont par lasuite comparées aux sorties du modèle SEtHyS Savannah.4.4 LAI : inversion à partir d’images SPOTLa série d’images SPOT disponible sur le super site du Niger est très intéressante en terme <strong>de</strong>suivi <strong>de</strong>s états <strong>de</strong> surface. Elle va nous perm<strong>et</strong>tre d’estimer le cycle saisonnier du LAI.Les métho<strong>de</strong>s pour estimer le LAI à partir <strong>de</strong> mesures <strong>de</strong> télédétection dans le domaine visible <strong>et</strong>proche infrarouge sont nombreuses. Certaines sont basées sur le calcul d’indices <strong>de</strong> végétation (IV ),tels que le NDV I, une relation empirique est ensuite établie entre l’indice choisi <strong>et</strong> le LAI à l’ai<strong>de</strong> <strong>de</strong>mesures expérimentales. Chen <strong>et</strong> al. (2002) ont estimé ainsi le LAI à partir <strong>de</strong>s réflectances mesuréespar les capteurs AVHRR <strong>et</strong> VEGETATION, ils ont en particulier montré que la relation IV = f(LAI)dépend du type <strong>de</strong> végétation. Ainsi l’application d’une telle métho<strong>de</strong> à l’échelle régionale nécessited’établir plusieurs relations entre IV <strong>et</strong> LAI. Certains auteurs ont proposé <strong>de</strong> remplacer les mesuresexpérimentales par <strong>de</strong>s données synthétiques issues d’un modèle <strong>de</strong> transfert radiatif afin <strong>de</strong> calibrerla relation IV = f(LAI). En particulier la métho<strong>de</strong> <strong>de</strong> Knyazikhin <strong>et</strong> al. (1998a,b) est utilisée pourla production <strong>de</strong>s produits LAI MODIS, ou encore la métho<strong>de</strong> proposée par Bar<strong>et</strong> <strong>et</strong> al. (2007) pour
94 Apport <strong>de</strong> la télédétection spatial<strong>et</strong>el-00277226, version 1 - 5 May 2008FIG. 4.8 – Cartes <strong>de</strong>s estimations <strong>de</strong> l’humidité sur le Kori <strong>de</strong> Dantiandou : (a) 6 juill<strong>et</strong> ; (b) 14septembre ; (c) 11 août ; (d) 30 août 2005inverser le LAI à partir <strong>de</strong>s mesures du capteur VEGETATION. C’est c<strong>et</strong>te <strong>de</strong>rnière métho<strong>de</strong> quenous avons choisi d’adapter <strong>et</strong> d’appliquer à notre cas d’étu<strong>de</strong>. C<strong>et</strong>te métho<strong>de</strong> a déjà été validée enenvironnement semi-ari<strong>de</strong> <strong>et</strong> donne <strong>de</strong>s résultats satisfaisants (Weiss <strong>et</strong> al., 2007).Le paragraphe suivant est consacré à la présentation <strong>de</strong> la métho<strong>de</strong> d’inversion du LAI, à partir<strong>de</strong>s réflectances SPOT, développée par Bar<strong>et</strong> <strong>et</strong> al. (2007). La métho<strong>de</strong> a été appliquée au cas <strong>de</strong>l’étu<strong>de</strong> en collaboration avec F. Bar<strong>et</strong>. Elle a permis d’obtenir une cartographie <strong>de</strong>s LAI à 20m <strong>de</strong>résolution pour l’ensemble <strong>de</strong>s sept images SPOT acquises durant la saison <strong>de</strong>s pluies 2005. Plusieurstests sur les paramètres d’entrée ont été nécessaires pour obtenir <strong>de</strong>s cartes <strong>de</strong> LAI satisfaisantes.Les données SPOT utilisées sont les réflectances au somm<strong>et</strong> <strong>de</strong> la canopée (R T OC ) dans les quatreban<strong>de</strong>s spectrales <strong>de</strong>s instruments HRV1 <strong>et</strong> HRV2 <strong>de</strong>s satellites SPOT 4 <strong>et</strong> 5.4.4.1 Description <strong>de</strong> l’algorithmeLes pré-traitements décrits dans le paragraphe 4.1.1 perm<strong>et</strong>tent d’obtenir <strong>de</strong>s réflectances au somm<strong>et</strong><strong>de</strong> la canopée avec un bon indice <strong>de</strong> qualité (cf rapport <strong>de</strong> traitement medias). Elles sont utilisées
4.4 LAI : inversion à partir d’images SPOT 95comme entrée <strong>de</strong> l’algorithme d’inversion <strong>de</strong>s LAI.L’algorithme est construit autour <strong>de</strong> l’inversion d’un modèle <strong>de</strong> transfert radiatif par une approchebasée sur <strong>de</strong>s réseaux <strong>de</strong> neurones.Première étape : l’étalonnage <strong>de</strong> l’algorithm<strong>et</strong>el-00277226, version 1 - 5 May 2008L’étalonnage <strong>de</strong> l’algorithme consiste à générer une base d’apprentissage à partir <strong>de</strong> laquelle l’architecture<strong>et</strong> les coefficients synaptiques du réseau <strong>de</strong> neurones sont construits. La base d’apprentissageest un ensemble <strong>de</strong> simulation d’un modèle <strong>de</strong> transfert radiatif se basant sur une connaissancea priori du terrain. C<strong>et</strong>te base est générée grâce au modèle <strong>de</strong> transfert radiatif SAIL (Verhoef, 1984,1985) incluant la correction <strong>de</strong> l’eff<strong>et</strong> <strong>de</strong> ”hot-spot” <strong>de</strong> Kuusk (1991) pour tenir compte <strong>de</strong>s eff<strong>et</strong>s <strong>de</strong>variations angulaires du LAI effectif du couvert. Le modèle simule la réflectance au somm<strong>et</strong> <strong>de</strong> lacanopée dans les quatre ban<strong>de</strong>s spectrales <strong>de</strong>s instruments HRV1 <strong>et</strong> HRV2, en supposant :– une structure a priori <strong>de</strong> la végétation caractérisée par le LAI, l’angle <strong>de</strong>s feuilles (qui suit uneloi <strong>de</strong> distribution ellipsoïdale) <strong>et</strong> un paramètre <strong>de</strong> ”hot-spot”.– la canopée comme un milieu turbi<strong>de</strong> dans lequel les feuilles sont aléatoirement réparties.– que chaque pixel est constitué d’une fraction fCover <strong>de</strong> végétation <strong>et</strong> d’une fraction (1 −fCover) <strong>de</strong> sol nu.– les propriétés optiques <strong>de</strong>s feuilles sont simulées grâce au modèle PROSPECT (Jacquemoudand Bar<strong>et</strong>, 1990) sur la base <strong>de</strong>s coefficients d’absorption <strong>de</strong> Fourty <strong>et</strong> Bar<strong>et</strong> (1997).– <strong>de</strong>s spectres <strong>de</strong> sol nu extraits, dans les quatre ban<strong>de</strong>s spectrales <strong>de</strong>s instruments HRV1 <strong>et</strong>HRV2, sur 6 pixels clairement i<strong>de</strong>ntifiés dans la classe <strong>de</strong> sol nu <strong>et</strong> ayant <strong>de</strong>s propriétés optiquescaractéristiques <strong>de</strong> l’ensemble <strong>de</strong>s sols <strong>de</strong> la zone d’étu<strong>de</strong>. Pour générer la base d’apprentissage,on utilise également la distribution du coefficient <strong>de</strong> brillance (coefficient qui perm<strong>et</strong> <strong>de</strong> minimiserl’écart entre la réflectance, dans les quatre longueurs d’on<strong>de</strong>, <strong>de</strong> chaque pixel par rapportà la réflectance d’un pixel <strong>de</strong> sol nu <strong>de</strong> référence) sur l’image SPOT utilisée.Les différents paramètres utilisés sont reportés dans le tableau 4.4. On y a également reportéles lois <strong>de</strong> variations <strong>de</strong> ces paramètres ainsi que le poids relatif accordé à chacun d’eux, ce poidsdétermine l’importance du paramètre dans le plan d’expérience. Un poids important implique qu’ilfaudra échantillonner le paramètre avec un pas très fin.Pour chaque combinaison <strong>de</strong> paramètres, la réflectance au somm<strong>et</strong> <strong>de</strong> la canopée est calculée pourles quatre ban<strong>de</strong>s spectrales <strong>de</strong>s instruments HRV1 <strong>et</strong> HRV2, <strong>et</strong> intégrée grâce à la sensibilité spectrale<strong>de</strong> ces instruments. Au total, avec les paramètres spécifiés, 13122 simulations sont effectuées. Ainsila base d’apprentissage est constituée d’un ensemble <strong>de</strong> simulations <strong>et</strong> paramètres d’entrée (LAI enparticulier) correspondants.
96 Apport <strong>de</strong> la télédétection spatialeTAB. 4.4 – Paramètres utilisés a priori pour la constitution <strong>de</strong> la base d’apprentissage.Variable Min Max Moyenne Ecart-type PoidsLAI 0.0 4.0 1.0 2.0 6Propriétés <strong>de</strong> la ALA ( ◦ ) 30 80 60 20 3canopée hot 0.001 1.0 0.1 0.3 1fCover 0.0 1.0 0.5 0.3 1N 1.0 2.5 1.5 1.0 3Propriétés Cab (µg.m −2 ) 30 70 40 30 3<strong>de</strong>s Cdm (g.m −2 ) 0.002 0.02 0.0075 0.0075 3feuilles Cwrel 0.65 0.85 0.75 0.05 3Cbp 0 1.5 0.5 0.2 3Propriétés du sol Bs 0.37 1.88 0.99 0.19 3tel-00277226, version 1 - 5 May 2008FIG. 4.9 – Validation théorique <strong>de</strong> la performance du réseau <strong>de</strong> neurones (image SPOT du 03/08/2005)Deuxième étape : la construction du réseau <strong>de</strong> neuronesGrâce à la base d’apprentissage un réseau <strong>de</strong> neurones est entraîné. La base d’apprentissage estdivisée en trois ensembles. La première moitié sert à entraîner le réseau <strong>de</strong> neurones, un quart sert àcontrôler l’hyper-spécialisation durant la phase d’entraînement, <strong>et</strong> le <strong>de</strong>rnier quart est utilisé pour unevalidation théorique.En entrée du réseau on trouve : la réflectance au somm<strong>et</strong> <strong>de</strong> la canopée dans les quatre ban<strong>de</strong>sspectrales <strong>et</strong> la valeur <strong>de</strong> l’angle solaire zénithal. Les sorties sont les variables biophysiques :LAI,fAP AR <strong>et</strong> fCover. Les entrées <strong>et</strong> les sorties sont dans un premier temps normalisées par : X norm =2(X − X min )/(X max − X min ) − 1 avec X min <strong>et</strong> X max respectivement minimum <strong>et</strong> maximum <strong>de</strong>svaleurs observées dans la base <strong>de</strong> données pour la variable X.La validation théorique consiste à comparer les LAI inversés à partir <strong>de</strong>s réflectances simulées parle modèle <strong>de</strong> transfert radiatif, aux LAI ayant servis pour créer ces réflectances. La figure 4.9 montrele résultat <strong>de</strong> c<strong>et</strong>te comparaison. On observe un bon accord entre le LAI ”vrai” (valeurs d’entrée du
4.4 LAI : inversion à partir d’images SPOT 97Comparaison LAI MilComparaison LAI Jachère0,300,90,250,200,750,6MesuresEstimationsLAI0,15LAI0,450,100,05MesuresEstimations0,30,150,0008/05/2005 17/06/2005 27/07/2005 05/09/2005 15/10/2005 24/11/2005008/05/2005 17/06/2005 27/07/2005 05/09/2005 15/10/2005 24/11/2005FIG. 4.10 – Comparaison <strong>de</strong>s LAI mesurés <strong>et</strong> estimés sur <strong>de</strong>ux sitesmodèle <strong>de</strong> transfert radiatif) <strong>et</strong> le LAI estimé (sortie du réseau <strong>de</strong> neurones) avec un RMSE inférieurà 0.1.tel-00277226, version 1 - 5 May 20084.4.2 ApplicationUn réseau a été construit pour chaque image SPOT à inverser. Ceci pour s’affranchir <strong>de</strong>s problèmeséventuels <strong>de</strong> correction radiométrique. Les réseaux ainsi construits <strong>et</strong> ”validés” ont été appliqués auxsept images SPOT disponibles en 2005 ne présentant pas une couverture nuageuse trop importante.Validation locale <strong>de</strong>s estimationsLes LAI estimés ont, dans un premier temps, été comparés aux mesures in-situ effectuées par N.Boulain durant la saison <strong>de</strong> croissance <strong>de</strong> végétation 2005 sur quelques sites <strong>de</strong> jachère <strong>et</strong> <strong>de</strong> mil. Lesrésultats ont été reportés sur la figure 4.10, <strong>et</strong> montrent la moyenne <strong>de</strong>s mesures <strong>et</strong> <strong>de</strong>s estimationspour l’ensemble <strong>de</strong>s sites <strong>de</strong> mil d’une part <strong>et</strong> <strong>de</strong> jachère d’autre part.Pour le mil, les estimations sont en très bon accord avec les observations in-situ. Les valeurs sonttrès faibles, mais en accord avec les résultats d’autres campagnes <strong>de</strong> mesures (Hapex-Sahel en particulier).Pour la jachère, les estimations semblent plus faibles que les mesures, mais il faut souligner l’absenced’estimation autour du 15 août, date qui correspond à peu près au maximum <strong>de</strong> développement<strong>de</strong> la végétation, <strong>et</strong> l’absence <strong>de</strong> mesures le 12 septembre. De plus, étant donnée, l’hétérogénéité <strong>de</strong>la surface, sur un pixel <strong>de</strong> 20x20m il est probable qu’une proportion faible <strong>de</strong> sol nu soit la cause <strong>de</strong>c<strong>et</strong>te sous-estimation.LAI par classe d’occupation du solPour chaque image SPOT le LAI a été moyenné par classe d’occupation du sol (classificationprésentée au paragraphe 4.2). Les résultats sont reportés en fonction du temps sur la figure 4.11, lesbarres d’erreur représentent l’écart type <strong>de</strong> la distribution au sein <strong>de</strong> chaque classe.Chaque classe d’occupation du sol a un comportement moyen bien i<strong>de</strong>ntifié. Pour la classe <strong>de</strong> sol
98 Apport <strong>de</strong> la télédétection spatial<strong>et</strong>el-00277226, version 1 - 5 May 2008FIG. 4.11 – LAI moyen par classe d’occupation du sol sur l’ensemble du super-sitenu, le LAI moyen estimé n’est pas nul <strong>et</strong> a une valeur <strong>de</strong> l’ordre <strong>de</strong> 0.1 en moyenne sur la saison<strong>de</strong>s pluies 2005. En ce qui concerne la modélisation, on considérera que le LAI pour les <strong>de</strong>ux classes<strong>de</strong> sol nu est nul. On distingue une légère différence entre les classes <strong>de</strong> jachère jeune <strong>et</strong> ancienne.Pour ce qui concerne les cultures, il est intéressant <strong>de</strong> constater que le cycle moyen <strong>de</strong> LAI n’a pasexactement la même forme que celui <strong>de</strong>s autres classes. On remarque une décroissance moins brutaleen fin <strong>de</strong> saison. Les classes <strong>de</strong> végétation <strong>de</strong>nse <strong>et</strong> claire sur les plateaux sont bien différenciées parleur cycle <strong>de</strong> LAI.Cependant les valeurs <strong>de</strong> LAI par classe <strong>de</strong> végétation sont très dispersées ce qui reflète l’hétérogénéitéqui peut exister à l’intérieur d’une même classe. Par exemple le LAI du mil peut varier en fonction <strong>de</strong>l’apport ou non d’amen<strong>de</strong>ment. D’autre part les barres d’erreur sont plus importantes sur les classes<strong>de</strong> jachère <strong>et</strong> végétation <strong>de</strong>nse <strong>de</strong>s plateaux, ce qui reflète une plus gran<strong>de</strong> hétérogénéité.4.4.3 Comparaison aux produits LAI/MODIS AQUA <strong>et</strong> TERRALes produits LAI estimés à partir <strong>de</strong>s données <strong>de</strong>s capteurs MODIS ont été utilisés afin <strong>de</strong> vali<strong>de</strong>rles estimations par réseau <strong>de</strong> neurones à l’échelle du site étudié. Ces données sont à une résolutionspatiale <strong>de</strong> 1x1 km <strong>et</strong> temporelle <strong>de</strong> 8 jours.Nous avons effectué <strong>de</strong>s comparaisons entre les produits LAI <strong>de</strong> MODIS <strong>et</strong> nos estimations sur
4.4 LAI : inversion à partir d’images SPOT 99FIG. 4.12 – Comparaison <strong>de</strong>s LAI estimé à partir <strong>de</strong>s images SPOT <strong>et</strong> <strong>de</strong>s LAI MODIS pour l’ensemble<strong>de</strong>s sept images SPOT disponibles sur la saison 2005.tel-00277226, version 1 - 5 May 2008l’ensemble du super-site. Le protocole choisi est le même que celui <strong>de</strong> Weiss <strong>et</strong> al. (2007), le LAIest moyenné sur <strong>de</strong>s mailles <strong>de</strong> 3x3km. La figure 4.12 montre le diagramme <strong>de</strong> corrélation entre LAIestimé (en abscisse) <strong>et</strong> LAI MODIS (en ordonnée).La première remarque est que les estimations semblent sous-estimer les valeurs MODIS. En eff<strong>et</strong>on calcule un biais <strong>de</strong> -0.27. D’autre part l’erreur quadratique moyenne est <strong>de</strong> 0.3 ce qui traduit uneassez forte dispersion, mais la corrélation est relativement forte, égale à 0.6. Il faut noter que cesrésultats sont en accord avec la validation <strong>de</strong> l’algorithme <strong>de</strong> réseau <strong>de</strong> neurones effectuée par Weiss<strong>et</strong> al. (2007). Dans c<strong>et</strong>te étu<strong>de</strong> <strong>de</strong>s estimations du LAI ont été faites à partir <strong>de</strong>s données du capteurSPOT/VEGETATION. La comparaison entre différentes données a été effectuée, entre autres, sur leGourma, région où les écosystèmes rencontrés sont proches <strong>de</strong> ceux <strong>de</strong> notre zone d’étu<strong>de</strong>. Ellesm<strong>et</strong>tent en évi<strong>de</strong>nce une sous-estimation par rapport à MODIS en particulier en saison sèche, doncpour les faibles valeurs <strong>de</strong> LAI.Le nuage <strong>de</strong> points <strong>de</strong> la figure 4.12 est divisé en <strong>de</strong>ux. La partie gauche, représente les LAI<strong>de</strong> l’image SPOT du 6 juin 2005. C’est la date pour laquelle les LAI sont les plus faibles. C<strong>et</strong>teconstatation rejoint les conclusions <strong>de</strong> Weiss <strong>et</strong> al. (2007), qui ten<strong>de</strong>nt à incriminer l’algorithme utilisépour la construction <strong>de</strong>s images composites <strong>de</strong> MODIS, <strong>et</strong> en particulier les défauts <strong>de</strong> détection <strong>de</strong>snuages.L’intérêt <strong>de</strong>s estimations <strong>de</strong> LAI à partir <strong>de</strong>s données SPOT rési<strong>de</strong> dans la forte résolution spatialeperm<strong>et</strong>tant une <strong>de</strong>scription spatiale fine <strong>de</strong> la végétation. L’utilisation <strong>de</strong> ces estimations est détailléedans le chapitre 5.
100 Apport <strong>de</strong> la télédétection spatiale4.5 La température <strong>de</strong> surfaceLa température <strong>de</strong> surface est une variable clef du bilan d’énergie directement liée aux rayonnementsolaire <strong>et</strong> atmosphérique inci<strong>de</strong>nt qui contrôle les échanges <strong>de</strong> chaleur <strong>et</strong> d’eau à l’interfacesurface-atmosphère. La température <strong>de</strong> surface est déterminée par le rayonnement n<strong>et</strong> <strong>et</strong> l’eau disponiblepour l’évapotranspiration, ainsi une validation <strong>de</strong> la température <strong>de</strong> surface perm<strong>et</strong> <strong>de</strong> vali<strong>de</strong>rindirectement l’ensemble du bilan d’eau dans les cas où c’est l’eau qui limite l’évapotranspiration.4.5.1 Les algorithmes <strong>de</strong> ”split-window”tel-00277226, version 1 - 5 May 2008La luminance mesurée par le capteur correspond à la somme <strong>de</strong> trois contributions :– le rayonnement propre <strong>de</strong> l’atmosphère– le rayonnement émis par la surface <strong>de</strong> la Terre transmis par l’atmosphère– le rayonnement atmosphérique réfléchi par la surface <strong>et</strong> r<strong>et</strong>ransmis vers l’espace par l’atmosphèreLa loi <strong>de</strong> Planck perm<strong>et</strong> <strong>de</strong> calculer, à partir <strong>de</strong> la luminance mesurée, une température que l’on appell<strong>et</strong>empérature <strong>de</strong> brillance, ou température radiométrique <strong>de</strong> la surface. La température <strong>de</strong> brillanceest différente <strong>de</strong> la température réelle <strong>de</strong> la surface, en raison <strong>de</strong>s eff<strong>et</strong>s atmosphériques. Elle est engénéral plus faible en particulier à cause <strong>de</strong> l’absorption atmosphérique liée à ses constituants (vapeurd’eau, CO 2 , CH 4 , ...). Si l’on se place dans les régions spectrales les plus transparentes <strong>de</strong> l’infraroug<strong>et</strong>hermique (entre 10 <strong>et</strong> 12 µm), l’absorbant majoritaire est la vapeur d’eau <strong>et</strong> l’eff<strong>et</strong> <strong>de</strong>s autresgaz <strong>et</strong> <strong>de</strong>s aérosols est négligeable.Les algorithmes <strong>de</strong> ”split-window”, par la combinaison <strong>de</strong>s températures <strong>de</strong> brillance mesuréesdans <strong>de</strong>ux canaux proches, perm<strong>et</strong> d’estimer l’absorption différentielle <strong>de</strong> l’atmosphère. Ils sont baséssur le fait que la transmittance atmosphérique est différente dans les <strong>de</strong>ux canaux.La formule utilisée par le Land SAF a été proposée par Wan and Dozier (1996), pour dériver latempérature <strong>de</strong> surface à partir <strong>de</strong>s données AVHRR <strong>et</strong> MODIS. Elle a été adaptée au capteur SEVIRIpar Ma<strong>de</strong>ira (2002). Dans le cas SEVIRI/MSG, la température <strong>de</strong> surface est estimée par une fonctionlinéaire <strong>de</strong>s températures <strong>de</strong> brillance au somm<strong>et</strong> <strong>de</strong> l’atmosphère (en ciel clair) TbT OA10.8 <strong>et</strong> 12.0 µm :dans les canauxLST = (A 1 + A 21 − ɛɛT OA∆ɛ b10.8+ A 3 )T + T b12.0T OAɛ2 2+ (B 1 + B 21 − ɛɛT OA∆ɛ b10.8+ B 3 )T − T b12.0T OA+ Cɛ2 2(4.13)où les coefficients <strong>de</strong> régression dépen<strong>de</strong>nt explicitement <strong>de</strong> l’émissivité moyenne <strong>de</strong> la surfacedans les <strong>de</strong>ux canaux utilisés (ɛ) <strong>et</strong> <strong>de</strong> la différence d’émissivité (∆ = ɛ 10.8 − ɛ 12.0 ). Les paramètresA 1 , A 2 , A 3 , B 1 , B 2 , B 3 <strong>et</strong> C sont estimés empiriquement à partir <strong>de</strong> la température <strong>de</strong> l’air à 2m, <strong>de</strong>la colonne <strong>de</strong> vapeur d’eau <strong>et</strong> <strong>de</strong> l’angle <strong>de</strong> visée du satellite.Pour le capteur MODIS, l’algorithme <strong>de</strong> Wan <strong>et</strong> Dozier (1996) est utilisé, il est similaire à celuiutilisé par le Land SAF pour les données <strong>de</strong> SEVIRI mais les coefficients ont été ajustés aux ban<strong>de</strong>s
4.5 La température <strong>de</strong> surface 101FIG. 4.13 – Comparaison <strong>de</strong>s LST MODIS <strong>et</strong> MSG en 2005 sur le super-sit<strong>et</strong>el-00277226, version 1 - 5 May 2008spectrales (car les propriétés d’absorption varient spectralement. Il s’applique aux canaux 31 <strong>et</strong> 32 i.e.11 <strong>et</strong> 12 µm.4.5.2 Comparaison MSG/MODISUne comparaison entre les produits <strong>de</strong> température <strong>de</strong> surface MODIS <strong>et</strong> SEVIRI a été faite surle super-site. La température <strong>de</strong> surface MODIS (1x1 km) a été agrégée à l’échelle <strong>de</strong>s données MSGré-échantillonnées à 3x3 km. Ne disposant pas <strong>de</strong> l’émissivité intégrée dans l’infrarouge thermique,on calcule en première approximation une moyenne <strong>de</strong>s températures <strong>de</strong> surface MODIS. C<strong>et</strong>te comparaisonest présentée sur les données 2005.La figure 4.13 montre le diagramme <strong>de</strong> corrélation entre la température <strong>de</strong> surface MSG (en abscisse)<strong>et</strong> la température <strong>de</strong> surface MODIS (en ordonnée). On remarque une bonne corrélation entreles <strong>de</strong>ux températures, plus forte la nuit (0.81) que le jour (0.58), cependant un biais important estobservé <strong>de</strong> nuit comme <strong>de</strong> jour (jusqu’à 3K) <strong>et</strong> la dispersion est également importante. Le tableau 4.5regroupe les informations statistiques concernant la figure 4.13.TAB. 4.5 – Statistiques obtenues pour les distributions <strong>de</strong> température <strong>de</strong> surface <strong>de</strong> la figure 4.13NuitJourCoeff. <strong>de</strong> corrélation (R 2 ) 0.81 0.57Biais (K) 2.72 3.92RMSE (K) 3.61 5.55Des résultats similaires ont été observés par Ma<strong>de</strong>ira <strong>et</strong> al. (2005) sur l’Espagne. Plusieurs facteurspeuvent expliquer les différences entre les températures <strong>de</strong> surface MSG <strong>et</strong> MODIS. Ma<strong>de</strong>ira <strong>et</strong> al(2005) m<strong>et</strong> en cause les différences entre cartes d’émissivité utilisées par les <strong>de</strong>ux algorithmes pourexpliquer le biais <strong>et</strong> un mauvais masquage <strong>de</strong>s nuages <strong>et</strong> zones d’ombre ainsi que <strong>de</strong>s différences
102 Apport <strong>de</strong> la télédétection spatialed’angles <strong>de</strong> visée (compris entre 0 <strong>et</strong> 65° dans le cas <strong>de</strong> MODIS <strong>et</strong> fixe dans le cas <strong>de</strong> MSG ∼ 15°pour la zone d’étu<strong>de</strong>) pour justifier la dispersion importante observée. Il faut ajouter à cela le contenuen vapeur d’eau <strong>de</strong> l’atmosphère. En eff<strong>et</strong> c<strong>et</strong>te variable est souvent supposée constante sur une scèneà cause du manque d’information spatial, <strong>et</strong> une légère modification peut engendrer une erreur <strong>de</strong> plus<strong>de</strong> 1K sur la température calculée.4.6 Conclusiontel-00277226, version 1 - 5 May 2008Ce chapitre a eu pour obj<strong>et</strong> <strong>de</strong> présenter les différentes données qui seront utilisées par la suite pourcontraindre ou vali<strong>de</strong>r le modèle SEtHyS Savannah. Des métho<strong>de</strong>s spécifiques ont été développées<strong>et</strong>/ou utilisées afin d’estimer certaines variables telles que l’occupation du sol, le LAI ou encorel’humidité <strong>de</strong> surface.Une carte d’occupation du sol a été calculée par la combinaison <strong>de</strong> plusieurs métho<strong>de</strong>s (seuil sur<strong>de</strong>s indices, métho<strong>de</strong> <strong>de</strong> classification statistique). C<strong>et</strong>te carte d’occupation a été validée à l’ai<strong>de</strong> <strong>de</strong>relevés <strong>de</strong> terrain sur une p<strong>et</strong>ite partie du super-site.Une méthodologie particulière a été développée afin d’estimer l’humidité <strong>de</strong> surface (∼5 cm) àpartir <strong>de</strong>s images ASAR/ENVISAT acquise en ban<strong>de</strong> C. La métho<strong>de</strong> consiste à établir une relationlinéaire entre le coefficient <strong>de</strong> rétro-diffusion <strong>et</strong> l’humidité du sol sous certaines conditions : faible<strong>de</strong>nsité <strong>de</strong> végétation, faible angle <strong>de</strong> visée <strong>et</strong> peu <strong>de</strong> relief. Les résultats obtenus sont encourageants,ils ont été validés à l’ai<strong>de</strong> <strong>de</strong> mesures in-situ.La métho<strong>de</strong> d’inversion du LAI, développée par Bar<strong>et</strong> <strong>et</strong> al. (2007), a été adaptée au donnéesSPOT <strong>et</strong> aux zones semi-ari<strong>de</strong>s. Les estimations ont ensuite été comparées aux produits LAI MO-DIS fournit par l’EOS (MOD15A2.004 <strong>et</strong> MYD15A2.004). On a pu m<strong>et</strong>tre en évi<strong>de</strong>nce un bon accord,cependant les LAI semblent sous-estimés au vu <strong>de</strong>s mesures terrains. Ce défaut s’explique parla non concordance entre dates d’acquisition <strong>de</strong>s images SPOT <strong>et</strong> mesures, mais aussi par la fortehétérogénéité intra-pixel <strong>de</strong> la couverture végétale.Enfin <strong>de</strong>ux produits <strong>de</strong> température <strong>de</strong> surface ont été inter-comparés : les produits MSG délivréspar le Land SAF <strong>et</strong> les produits MODIS MOD11A1.004 <strong>et</strong> MYD11A1.004. L’intercomparaison <strong>de</strong> ces<strong>de</strong>ux produits a montré un biais important, les températures MODIS sous-estimant les températuresMSG. Ce biais déjà observé par différents auteurs (Ma<strong>de</strong>ira <strong>et</strong> al., 2005) semble lié aux différencesentre les cartes d’émissivité utilisées dans les <strong>de</strong>ux algorithmes <strong>de</strong> ”Split-Window”.L’ensemble <strong>de</strong> ces données nous ont permis <strong>de</strong> m<strong>et</strong>tre en place une modélisation spatialisée àl’échelle du super-site AMMA/Niger <strong>et</strong> d’en proposer une validation partielle. C’est l’obj<strong>et</strong> <strong>de</strong> chapitresuivant.
Chapitre 5Modélisation à l’échelle du super siteAMMA/Nigertel-00277226, version 1 - 5 May 2008Les différents paramètres <strong>de</strong> surface estimés par les métho<strong>de</strong>s décrites dans le chapitre précé<strong>de</strong>ntnous ont permis <strong>de</strong> m<strong>et</strong>tre en place la spatialisation du modèle SEtHyS Savannah. Nous avons donccombiné observations spatiales <strong>et</strong> locales afin d’établir un forçage <strong>de</strong>s variables <strong>de</strong> surface pour lamodélisation <strong>de</strong>s bilans énergétique <strong>et</strong> hydrique sur le super-site.Ce chapitre s’attache à décrire d’une part la méthodologie mise en place pour constituer le forçagedu modèle ainsi que les paramètres utilisés. Toutes les simulations présentées dans ce chapitre ontété faites sur la pério<strong>de</strong> du 15 juin 2005 (date <strong>de</strong> début d’acquisition <strong>de</strong>s données nécessaires auforçage) au 31 mars 2006. Un premier résultat est commenté dans le paragraphe 5.2. Enfin, nousprésentons <strong>de</strong>ux étu<strong>de</strong>s <strong>de</strong> sensibilité : sensibilité à la métho<strong>de</strong> d’interpolation <strong>de</strong>s pluies <strong>et</strong> sensibilitéà l’occupation du sol. Ces résultats sont présentés dans le paragraphe 5.3.5.1 Mise en place <strong>de</strong> la modélisation sur le super siteDisposant <strong>de</strong> données haute résolution, notamment pour le forçage <strong>de</strong> la végétation <strong>et</strong> pour l’occupation<strong>de</strong>s sols (dérivés <strong>de</strong>s images SPOT à 20m), nous avons pu m<strong>et</strong>tre en place une modélisationqui utilise au maximum les données disponibles. Nous avons donc choisi une modélisation <strong>de</strong> typeagrégative communément appelée ”mosaïque”. Ce paragraphe s’attache à décrire c<strong>et</strong>te métho<strong>de</strong> <strong>et</strong> leschoix que nous avons fait en ce qui concerne les paramètres <strong>et</strong> le forçage.5.1.1 Une modélisation <strong>de</strong> type ”mosaïque”Une simulation à 20m <strong>de</strong> résolution (résolution du capteur SPOT/HRV) aurait été beaucoup tropcoûteuse en temps <strong>de</strong> calcul, il a donc été envisagé une autre solution qui perm<strong>et</strong>te d’exploiter lesinformations fournies par les données haute résolution tout en limitant le temps <strong>de</strong> calcul.
104 Modélisation à l’échelle du super site AMMA/Nigertel-00277226, version 1 - 5 May 2008Nous avons opté pour une modélisation <strong>de</strong> type ”mosaïque” dans laquelle on considère que chaquemaille du modèle est subdivisée en ”sous-mailles” qui sont en fait les classes d’occupation du soldéfinies précé<strong>de</strong>mment (8 classes, voir paragraphe 4.2). Ainsi pour chaque maille, on effectue unesimulation par classe. La taille <strong>de</strong>s mailles a été fixée à 1km 2 qui est la résolution <strong>de</strong>s produits MODIS.Ainsi la fenêtre (rectangulaire) encadrant le super site est divisée en 57×42 = 2394 mailles. Chacuneest potentiellement constituée <strong>de</strong> 8 classes d’occupation du sol. En réalité le super-site a une superficie<strong>de</strong> 1760 km 2 , ce qui correspond à 1760 mailles <strong>de</strong> simulation, d’autre part les mailles ne sont pastoutes constituées <strong>de</strong> 8 classes.Les avantages d’une modélisation mosaïque sont multiples : d’une part, elle perm<strong>et</strong>, tout enconservant un nombre réduit <strong>de</strong> mailles, <strong>de</strong> définir <strong>de</strong>s paramètres communs à l’ensemble <strong>de</strong>s classesd’occupation <strong>de</strong>s sols, mais aussi <strong>de</strong>s paramètres propres à chaque classe. Ceci offre une gran<strong>de</strong> souplessequant au choix <strong>de</strong>s paramètres. D’autre part, elle perm<strong>et</strong> d’effectuer une modélisation fine touten limitant le temps <strong>de</strong> calcul.Les variables <strong>de</strong> sortie du modèle sont agrégées à l’échelle <strong>de</strong> la maille. On fait éventuellement uneagrégation à l’échelle <strong>de</strong> la résolution <strong>de</strong>s données télédétectées avec lesquelles on souhaite confronterces sorties.Agrégation <strong>de</strong>s variables <strong>de</strong> sortie du modèleAgrégation <strong>de</strong>s flux :L’agrégation <strong>de</strong>s flux est très simple, au sein d’une maille, on pondère les sorties pour chaqueentité par la fraction <strong>de</strong> surface occupée par l’entité considérée. On exprime alors le flux total <strong>de</strong> lamaille m comme suit :F m =8∑i=1F mi α m i (5.1)où αim sont respectivement la fraction occupée par la classe i au sein <strong>de</strong> la maille m <strong>et</strong> Fim le fluxsimulé pour l’entité correspondante. i variant <strong>de</strong> 1 à 8 puisque dans notre cas d’étu<strong>de</strong> on peut avoirjusqu’à huit classes différentes par maille.Les humidités du sol sont agrégées <strong>de</strong> la même manière.Agrégation <strong>de</strong>s températures <strong>de</strong> surface :Le modèle <strong>de</strong> transfert radiatif couplé au modèle SEtHyS Savannah perm<strong>et</strong> <strong>de</strong> simuler pourchaque entité la température radiative Trad,i m <strong>et</strong> l’émissivité totale <strong>de</strong> la surface εm i dans une directiondonnée (température radiative <strong>et</strong> émissivité directionnelle) ou <strong>de</strong> manière intégrée sur la <strong>de</strong>mi-sphère(température radiative <strong>et</strong> émissivité hémisphérique). On ne considère dans l’étu<strong>de</strong> que les variableshémisphériques puisque les données <strong>de</strong> température <strong>de</strong> surface MSG produites par le Land-SAF <strong>et</strong>MODIS produites par l’EOS sont <strong>de</strong>s températures intégrées dans toutes les directions <strong>de</strong> l’espace.
5.1 Mise en place <strong>de</strong> la modélisation sur le super site 105Par abus <strong>de</strong> langage nous appellerons, dans la suite, luminance le flux radiatif émis par unité <strong>de</strong>surface vers l’atmosphère en considérant qu’il est isotrope sur tout l’hémisphère supérieur. Pour uneentité (classe au sein d’une maille), si l’on fait l’hypothèse du corps gris <strong>et</strong> en intégrant spectralementsur toutes les longueurs d’on<strong>de</strong>, nous noterons :L m i= σT m4Bi= ε m i σT m4rad,i pour l’entité i <strong>et</strong> la maille m (5.2)c<strong>et</strong>te expression peut également être écrite pour une maille (<strong>et</strong> non plus pour une entité). On peutalors exprimer la luminance totale <strong>de</strong> la maille grâce à l’émissivité moyenne <strong>et</strong> la température radiative<strong>de</strong> la maille. En suivant l’approche radiométrique (Becker <strong>et</strong> Li, 1995), la luminance simulée agrégéepour la maille m peut alors s’écrire :tel-00277226, version 1 - 5 May 2008L m =8∑αi m L m i (5.3)i=1En utilisant les expressions 5.2 <strong>et</strong> 5.3 on est en mesure <strong>de</strong> déduire la température radiative hémisphérique<strong>de</strong> la surface pour une maille m :T m rad = 4 √ ∑i αm i εm i T m4rad,iε m (5.4)où l’émissivité moyenne pour la maille m (ε m ) est calculée <strong>de</strong> la même manière que la luminance,par composition <strong>de</strong>s émissivités <strong>de</strong> chaque entité :ε m =8∑αi m ε m i (5.5)i=1L’émissivité ε m i a une dynamique temporelle puisqu’elle résulte <strong>de</strong> l’émissivité du sol <strong>et</strong> <strong>de</strong>l’émissivité <strong>de</strong>s feuilles (quand il y a <strong>de</strong> la végétation) <strong>et</strong> donc <strong>de</strong> l’indice foliaire.Ainsi on agrège les luminances <strong>de</strong> chaque entité pour déduire la luminance totale <strong>de</strong> la maille <strong>et</strong>enfin estimer la température radiative hémisphérique <strong>de</strong> la surface d’une maille.Les produits du capteur SEVIRI/MSG sont délivrés à la résolution <strong>de</strong> 0.05 × 0.05 <strong>et</strong> ont été reéchantillonnésà 3 × 3 km. On effectue donc une secon<strong>de</strong> agrégation <strong>de</strong>s luminances, pour comparerles sorties du modèle au produit <strong>de</strong> température <strong>de</strong> surface SEVIRI/MSG, en suivant le même procédé.5.1.2 Le choix <strong>de</strong>s paramètresLe choix <strong>de</strong> la modélisation en ”mosaïque” perm<strong>et</strong> <strong>de</strong> fixer un certain nombre <strong>de</strong> paramètrescommuns à l’ensemble <strong>de</strong>s classes d’occupation <strong>de</strong>s sols <strong>et</strong> <strong>de</strong>s paramètres propres à chaque classe.Les paramètres communs à l’ensemble <strong>de</strong>s entités sont nombreux, seuls trois paramètres ont <strong>de</strong>svaleurs différentes pour chaque classe d’occupation <strong>de</strong>s sols. Ces trois paramètres sont l’albédo du sol
106 Modélisation à l’échelle du super site AMMA/Nigertel-00277226, version 1 - 5 May 2008sec, l’albédo du sol humi<strong>de</strong> <strong>et</strong> la conductivité hydraulique à saturation <strong>de</strong> la surface.Les <strong>de</strong>ux premiers paramètres ont pu être évalués grâce aux produits MODIS MCD43A3. Ilsfournissent entre autre l’albédo intégré dans les longueurs d’on<strong>de</strong>s visibles à 500 m <strong>de</strong> résolution.L’analyse d’une image en saison sèche <strong>et</strong> d’une image en saison <strong>de</strong>s pluies a fourni, après extraction<strong>de</strong> pixels essentiellement composés <strong>de</strong> sols nus (plateaux d’une part <strong>et</strong> sols sableux <strong>de</strong>s fonds <strong>de</strong>vallée d’autre part) <strong>de</strong>s valeurs d’albédo concordantes avec les travaux <strong>de</strong> Allen <strong>et</strong> al. (1993) <strong>et</strong> Lewis<strong>et</strong> al. (1999). Les plateaux sont composés <strong>de</strong> sols foncés dont l’albédo sec sera un peu plus faibleque celui <strong>de</strong>s sols sableux <strong>de</strong> fond <strong>de</strong> vallée très réfléchissants. Par extrapolation, nous avons attribuéà l’ensemble <strong>de</strong>s plateaux d’une part <strong>et</strong> à l’ensemble <strong>de</strong>s vallées d’autre part les mêmes bornes <strong>de</strong>variation d’albédo sec <strong>et</strong> humi<strong>de</strong>.La conductivité hydraulique à saturation est un paramètre très important car nous avons vu qu’ilcontrôle la répartition <strong>de</strong>s pluies entre infiltration <strong>et</strong> ruissellement. La valeur <strong>de</strong> ce paramètre a étéproposée par Massuel (2005) s’inspirant <strong>de</strong>s données <strong>de</strong> Peugeot <strong>et</strong> al. (2003).5.1Les valeurs pour les paramètres variant avec l’occupation <strong>de</strong>s sols sont données dans le tableauTAB. 5.1 – Valeurs <strong>de</strong>s paramètres variables pour chaque classeSol nuplateauVég.<strong>de</strong>nseplateauVég.claireplateauPentedégradéeCultureJeunejachèreViellejachèrealbsec 0.31 0.31 0.31 0.34 0.34 0.34 0.34albhum 0.27 0.27 0.27 0.23 0.23 0.23 0.23k sat,s (10 −6 m.s −1 ) 3.89 3.89 3.89 1.1 3.6 5.56 5.56Les paramètres liés au type <strong>de</strong> végétation sont également différents. Le calcul <strong>de</strong> la résistancestomatique se fait <strong>de</strong> la même manière que dans le modèle SiB2 <strong>et</strong> nécessite <strong>de</strong> fixer un certain nombre<strong>de</strong> paramètres. Les valeurs <strong>de</strong> ces paramètres, liés aux propriétés physiologiques <strong>de</strong> la végétation, sontdonnées par Sellers <strong>et</strong> al. (1996a,b).Les paramètres communs à toutes les classes sont listés dans le tableau 5.2. Les paramètres liésà l’écoulement <strong>de</strong> l’eau dans le sol ont été choisis d’après Clapp <strong>et</strong> Hornberger (1978) en estimantque les sols sur l’ensemble du super-site sont constitués à 90% <strong>de</strong> sable <strong>et</strong> 10% d’argile (car peud’information existe concernant la texture <strong>de</strong>s sols). Il est certain que c’est une hypothèse forte carcomme le suggère les résultats <strong>de</strong> l’étalonnage du modèle sur les <strong>de</strong>ux sites (voir paragraphe 3.3), ilexiste une très forte hétérogénéité <strong>de</strong> la texture du sol même à <strong>de</strong>s échelles fines (les stations étantdistantes <strong>de</strong> quelques centaines <strong>de</strong> mètres seulement).Le traitement <strong>de</strong>s surfaces recouvertes <strong>de</strong> mares est particulier. Nous n’avons pas développé <strong>de</strong>
5.1 Mise en place <strong>de</strong> la modélisation sur le super site 107TAB. 5.2 – Valeurs <strong>de</strong>s paramètres communs à l’ensemble <strong>de</strong>s classestel-00277226, version 1 - 5 May 2008Paramètre Unité Description Valeures, eg, <strong>et</strong> - émissivité du sol <strong>et</strong> <strong>de</strong> la végétation0.96, 0.99,0.99w inf , w sup m 3 · m −3 humidité du sol pour calcul <strong>de</strong> l’albedo 0.0066, 0.2albg, albt - albedo <strong>de</strong> la végétation basse <strong>et</strong> haute 0.2, 0.25l gfg , l gft m largeur <strong>de</strong>s feuilles 0.08, 0.08k wstr -paramètre empirique pour le calcul dustress hydrique0.033w sat m 3 · m −3 humidité volumique à saturation 0.27w cc m 3 · m −3 humidité volumique à la capacité auchamp0.2w resid m 3 · m −3 humidité volumique résiduelle 0.0066ksat 10 −6 m · s −1 conductivité hydraulique à saturation(>10cm)8.35facttherm J ·m −3·K−1 coefficient correctif pour le calcul <strong>de</strong> lacapacité calorifique du sol1.5τ - tortuosité du sol 1.5D v 10 −5 m 2·s−1 diffusivité <strong>de</strong> la vapeur d’eau dans lesol7.5ψ sat m potentiel hydrique du sol à saturation -0.16b - pente <strong>de</strong> la courbe <strong>de</strong> rétention 4.34zrg, zrt m épaisseurs <strong>de</strong>s couches <strong>de</strong> sol 0.6, 1w g10 , w g20 , wt0 m 3 · m −3 initialisation <strong>de</strong>s humidités volumiques 0.0066, 0.1,<strong>de</strong>s couches <strong>de</strong> sol0.1z mulch10 , z mulch20 , z 10 , z 20 m initialisation <strong>de</strong>s épaisseurs <strong>de</strong> mulch 0, 0.4, 0, 0.2t 20Kinitialisation <strong>de</strong> la température profon<strong>de</strong>306modélisation spécifique pour les mares qui ne représentent qu’une faible proportion <strong>de</strong> la surface dusuper-site. Nous avons simplement considéré un sol nu en permanence saturé d’eau <strong>et</strong> dont l’émissivitéest égale à 1. L’évaporation est égale à l’évaporation potentielle <strong>et</strong> le ruissellement y est nul.5.1.3 La <strong>de</strong>scription <strong>de</strong> la végétationLes LAI inversés (cf paragraphe 4.4) ont été utilisés.Disposant du LAI total pour chaque pixel <strong>et</strong> pour chaque date, le LAI total <strong>de</strong> chaque entité ausein d’une maille a été calculé par une simple moyenne. Ainsi on dispose du LAI total <strong>de</strong> chaqueentité qu’il nous faut répartir entre les <strong>de</strong>ux strates <strong>de</strong> végétation qui composent les classes <strong>de</strong> jachère,<strong>et</strong> végétation <strong>de</strong>nse <strong>de</strong> plateau. Pour ces <strong>de</strong>ux classes, on considère que le végétation est composée
108 Modélisation à l’échelle du super site AMMA/Nigerd’une strate arbustive <strong>et</strong> d’une strate herbeuse. On fait alors l’hypothèse, déjà utilisée au chapitre 3pour le site <strong>de</strong> jachère, que la strate herbeuse représente 80% du LAI total <strong>et</strong> que la strate arbustiveen représente 20% en suivant les recommandations <strong>de</strong> N. Boulain.Pour les classes <strong>de</strong> sol nu sur plateau <strong>et</strong> pentes dégradées, le LAI est forcé à 0 bien que lesestimations affichent <strong>de</strong>s valeurs moyennes <strong>de</strong> 0.1.Les hauteurs <strong>de</strong> végétation ont été calées sur les mesures locales déjà utilisées pour la validation dumodèle à l’échelle locale (cf chapitre 3). Les cultures ont une hauteur maximale <strong>de</strong> 1.80m, la couchearbustive <strong>de</strong>s parcelles jachère a une hauteur constante : 1.50m pour la jeune jachère <strong>et</strong> 1.90m pourla vieille jachère, la couche herbeuse sous-jacente a une hauteur maximale <strong>de</strong> 0.40m. Enfin pour laclasse <strong>de</strong> végétation <strong>de</strong>nse sur plateaux la hauteur <strong>de</strong> la strate arbustive est prise égale à 1.90m.tel-00277226, version 1 - 5 May 2008Les valeurs ainsi choisies pour le LAI <strong>et</strong> la hauteur <strong>de</strong> la végétation <strong>de</strong> chaque entité ont étéinterpolées linéairement entre les dates <strong>de</strong>s mesures ou les dates <strong>de</strong>s estimations.5.1.4 Le forçage atmosphérique <strong>et</strong> pluviométriqueLes seules mesures disponibles concernant les variables <strong>de</strong> forçage atmosphérique proviennent<strong>de</strong>s <strong>de</strong>ux stations <strong>de</strong> mesure <strong>de</strong> flux installées sur les sites précé<strong>de</strong>mment étudiés. Nous avons jugépréférable d’utiliser ces mesures plutôt que les réanalyses du centre européen ECMWF (EuropeanCentre for Medium-Range Weather Forecasts) qui sont disponibles à la résolution <strong>de</strong> 2.5 ◦ × 2.5 ◦ <strong>et</strong>au pas <strong>de</strong> temps tri horaire. Ces données présentent en eff<strong>et</strong> <strong>de</strong> gran<strong>de</strong>s incertitu<strong>de</strong>s, en particuliersur le rayonnement inci<strong>de</strong>nt <strong>et</strong> les pluies. A l’échelle du super-site, les variables atmosphériques ontdonc été considérées homogènes. Nous avons choisi d’utiliser les données <strong>de</strong> la station <strong>de</strong> mil car lesdonnées manquantes sont moins importantes que sur le site <strong>de</strong> jachère.Le réseau <strong>de</strong> pluviographes installé dans le <strong>de</strong>gré carré <strong>de</strong> Niamey dans le cadre <strong>de</strong> l’expérienceEPSAT-NIGER (Lebel <strong>et</strong> al., 1992) fournit <strong>de</strong>s données <strong>de</strong> pluie nécessaires pour forcer le modèle.Depuis sa mise en place en 1990, le réseau a changé <strong>de</strong> configuration <strong>et</strong> a bénéficié <strong>de</strong> l’ajout <strong>de</strong>certaines stations dans le cadre <strong>de</strong> la campagne <strong>de</strong> mesures AMMA. En 2005, 44 pluviographes ontfonctionné durant la saison <strong>de</strong>s pluies. La <strong>de</strong>nsité <strong>de</strong>s pluviographes est plus importante sur le supersite,près <strong>de</strong> 20 stations sont installées dans le périmètre d’étu<strong>de</strong>.Une question importante est : comment obtenir une donnée <strong>de</strong> pluies par maille ? Comme nous leverrons par la suite, plusieurs tests relatifs à la métho<strong>de</strong> d’interpolation <strong>de</strong>s pluies ont été effectués.Dans un premier temps nous avons choisi la métho<strong>de</strong> <strong>de</strong>s polygones <strong>de</strong> Thiessen ou métho<strong>de</strong> du plusproche voisin. La pluie mesurée en un site d’observation est homogène sur le polygone délimité parles médiatrices <strong>de</strong>s droites reliant le site <strong>de</strong> mesures à l’ensemble <strong>de</strong>s autres sites les plus proches.La carte <strong>de</strong> la figure 5.1 montre la position <strong>de</strong>s pluviographes situés dans le périmètre du supersite.
5.2 Résultats 109tel-00277226, version 1 - 5 May 2008FIG. 5.1 – Carte <strong>de</strong>s pluviographes situés sur le super-site ayant acquis <strong>de</strong>s données en 2005Une simulation a pu être lancée grâce au forçage ainsi établi. Le pas <strong>de</strong> temps choisi est commedans le cas <strong>de</strong> la validation, <strong>de</strong> 5 minutes, ce qui correspond au pas d’acquisition <strong>de</strong>s données pluviomètriques.5.2 RésultatsC<strong>et</strong>te section présentent les résultats <strong>de</strong> la simulation décrite précé<strong>de</strong>mment. Dans un premiertemps nous commentons les différents termes du bilan hydrique. Ensuite, quelques éléments <strong>de</strong> validation,basés sur la comparaison <strong>de</strong>s sorties du modèle avec différents produits <strong>de</strong> télédétection, sontprésentés.5.2.1 Le bilan énergétique <strong>et</strong> hydrique du super-siteLes résultats sont présentés en moyenne mensuelle. Au mois <strong>de</strong> juin seuls les 15 <strong>de</strong>rniers jourssont considérés puisque la simulation débute le 16 juin. La figure 5.2 montre l’évolution, durant 5 moisà partir du début <strong>de</strong> la saison <strong>de</strong>s pluies, du flux d’évapotranspiration, <strong>de</strong>s pluies <strong>et</strong> du ruissellement.Sur les cartes représentant les pluies (colonne <strong>de</strong> gauche) on peut voir les polygones <strong>de</strong> Thiessenqui définissent l’aire d’influence <strong>de</strong> chaque pluviographe. On remarque une forte hétérogénéité <strong>de</strong>la pluies. Par exemple, si l’on regar<strong>de</strong> la carte <strong>de</strong>s précipitations du mois d’août, on peut voir qu’unpluviographe situé dans le sud-est du domaine affiche une pluie moyenne <strong>de</strong> l’ordre <strong>de</strong> 2 mm/jouralors que les pluviographes voisins affichent une pluie moyenne <strong>de</strong> l’ordre <strong>de</strong> 4 à 5 mm/jour. Bien que
110 Modélisation à l’échelle du super site AMMA/Nigertel-00277226, version 1 - 5 May 2008<strong>de</strong>s étu<strong>de</strong>s telle que celle menée par Lebel <strong>et</strong> Le Barbé (1997) ont mis en évi<strong>de</strong>nce l’hétérogénéité <strong>de</strong>la répartition spatiale <strong>de</strong>s pluies, <strong>de</strong> telles disparités ne peuvent être attribuées qu’à un problème <strong>de</strong>mesure : événement pluvieux non enregistré dû à un défaut <strong>de</strong> fonctionnement du pluviographe.Les estimations <strong>de</strong> l’évapotranspiration <strong>et</strong> du ruissellement sont conformes à ce que l’on pouvaitattendre : faible ruissellement <strong>et</strong> forte évapotranspiration dans les vallées où le sol est sableux <strong>et</strong> lavégétation est bien développée, <strong>et</strong> fort ruissellement corrélé à une faible évapotranspiration sur lesplateaux <strong>et</strong> sols dégradés.La figure 5.3 représente le bilan global sur le super-site en moyenne journalière par mois, <strong>et</strong> l<strong>et</strong>ableau 5.3 les cumuls annuels moyens.Le cycle saisonnier <strong>de</strong>s variables du bilan hydrique est bien défini, le ruissellement est concentrédurant les mois <strong>de</strong> juill<strong>et</strong>, août <strong>et</strong> septembre. De même l’évapotranspiration atteint un maximum enjuill<strong>et</strong>/août <strong>et</strong> décroît rapi<strong>de</strong>ment jusqu’au mois <strong>de</strong> novembre. Le sol se charge d’eau durant les mois<strong>de</strong> juill<strong>et</strong>/août puis il s’assèche progressivement jusqu’en mars (diminution <strong>de</strong>s pluies <strong>et</strong> maintient <strong>de</strong>l’évapotranspiration).TAB. 5.3 – Cumul annuel <strong>de</strong>s termes du bilan hydrique moyen sur le super-siteCumul [mm]% pluiesPluie 388 100Évapotranspiration 342 88Ruissellement + drainage 59 15Variation du stock d’eau dans le sol -13 -3Le cumul <strong>de</strong> ruissellement est important, il représente 15% du total <strong>de</strong>s pluies. C<strong>et</strong>te valeur estforte en comparaison <strong>de</strong>s résultats <strong>de</strong> l’étu<strong>de</strong> menée par Peugeot <strong>et</strong> al. (2003) qui estime que 8%<strong>de</strong> la pluie sont transférés vers les mares par ruissellement <strong>de</strong> surface à l’échelle du bassin versant<strong>de</strong> Wankama (3x1 km approximativement). Cependant le ruissellement évalué par le modèle SEtHySSavannah est un ruissellement potentiel puisqu’on ne gère pas la réinfiltration dans les maillesvoisines. Ce qui explique la différence puisque dans le cas <strong>de</strong> l’étu<strong>de</strong> <strong>de</strong> Peugeot <strong>et</strong> al. (2003) leruissellement calculé est un ruissellement effectif.Nous avons présenté un premier résultat du modèle à l’échelle du super-site en terme <strong>de</strong> bilanhydrique. Certaines variables <strong>de</strong> sortie ont fait l’obj<strong>et</strong> d’une tentative <strong>de</strong> validation grâce aux produitsissus <strong>de</strong> la télédétection.5.2.2 Éléments <strong>de</strong> validation <strong>de</strong>s simulationsIl est important <strong>de</strong> pouvoir vali<strong>de</strong>r les sorties du modèle. A l’échelle régionale une validation directe<strong>de</strong>s flux simulés est quasi-impossible à cause du manque <strong>de</strong> données spatialisées disponibles
5.2 Résultats 111Pluies Ruissellement EvapotranspirationOctobr<strong>et</strong>el-00277226, version 1 - 5 May 2008SeptembreAoûtJuill<strong>et</strong>JuinFIG. 5.2 – Bilan hydrique du super-site en moyenne journalière [mm/jour]
112 Modélisation à l’échelle du super site AMMA/Nigertel-00277226, version 1 - 5 May 2008FIG. 5.3 – Termes du bilan hydrique en [mm/jour] sur le super-site(stations <strong>de</strong> mesure <strong>de</strong> flux ponctuelle). Néanmoins on peut évaluer les simulations <strong>de</strong> flux en comparantcertaines variables directement liées au calcul <strong>de</strong>s flux, à <strong>de</strong>s observations spatiales.Ce paragraphe a pour obj<strong>et</strong> <strong>de</strong> présenter les tentatives faites pour comparer <strong>de</strong>ux variables simuléesà <strong>de</strong>s estimations issues <strong>de</strong> la télédétection. En particulier, la température <strong>de</strong> surface <strong>et</strong> l’humidité <strong>de</strong>surface estimées par le modèle sont confrontées respectivement à la température <strong>de</strong> surface issue <strong>de</strong>scapteurs SEVIRI/MSG <strong>et</strong> MODIS, <strong>et</strong> à l’humidité <strong>de</strong> surface estimée par le capteur ASAR/ENVISAT.La température <strong>de</strong> surfaceComme nous l’avons déjà expliqué dans le paragraphe 4.5.1, les températures <strong>de</strong> surface (LST)sont estimées grâce à <strong>de</strong>s algorithmes <strong>de</strong> split-window à partir <strong>de</strong>s températures <strong>de</strong> brillance au somm<strong>et</strong><strong>de</strong> l’atmosphère dans <strong>de</strong>ux canaux <strong>de</strong> l’infrarouge thermique (10.8 <strong>et</strong> 12 µm pour les donnéesSEVIRI/MSG <strong>et</strong> 11 <strong>et</strong> 12 µm pour les données MODIS). Le capteur SEVIRI/MSG délivre une imag<strong>et</strong>outes les 15 minutes ce qui perm<strong>et</strong> <strong>de</strong> restituer les cycles diurnes <strong>de</strong> température <strong>de</strong> surface. On nedispose pour le capteur MODIS que <strong>de</strong> <strong>de</strong>ux images le matin <strong>et</strong> <strong>de</strong>ux images le soir ce qui limite lacomparaison avec les simulations.L’indice <strong>de</strong> qualité fournit avec les <strong>de</strong>ux produits utilisés ici, a permis <strong>de</strong> sélectionner les pixelsnon-nuageux. Néanmoins en ce qui concerne les données MSG, les pixels non-nuageux ne sont pastous marqués. Nous avons donc effectué un premier filtrage temporel <strong>de</strong>s données. La figure 5.4montre une extraction <strong>de</strong>s cycles <strong>de</strong> température sur le pixel du super-site correspondant à la positiondu site <strong>de</strong> mil précé<strong>de</strong>mment étudié.
5.2 Résultats 1137-13 septembre 16-22 novembreFIG. 5.4 – Filtrage du cycle <strong>de</strong> température <strong>de</strong> surface sur un pixel extrait durant <strong>de</strong>ux courtes sériestemporelles (saison <strong>de</strong>s pluies à gauche <strong>et</strong> saison sèche à droite)tel-00277226, version 1 - 5 May 2008L’extraction durant la saison <strong>de</strong>s pluies montre un profil <strong>de</strong> température très bruité. Les faiblesvaleurs, que l’on observe ponctuellement, sont dues à la présence <strong>de</strong> voiles nuageux. En eff<strong>et</strong> leurtempérature étant plus faible que la température <strong>de</strong> la surface, la température d’un pixel partiellementcouvert <strong>de</strong> nuages sera donc inférieure à la température réelle <strong>de</strong> la surface. Nous avons doncdéveloppé une métho<strong>de</strong> simple pour éliminer les problèmes liés à la présence <strong>de</strong> nuages :– lissage <strong>de</strong> la série temporelle par une moyenne glissante sur 10 pas <strong>de</strong> temps (2h30) ⇒ LST liss– élimination <strong>de</strong>s valeurs ”trop faibles” <strong>de</strong> la série originale par un seuil sur la série LST liss : onélimine les valeurs inférieures à LST liss − 2K = LST elim– lissage <strong>et</strong> interpolation <strong>de</strong> la série (LST − LST elim ) par une moyenne glissante sur 5 pas <strong>de</strong>temps (1h15)Le seuil <strong>et</strong> les pério<strong>de</strong>s <strong>de</strong> lissage ont été ajustés empiriquement après plusieurs tests.On remarque sur la figure 5.4 que c<strong>et</strong>te métho<strong>de</strong> a l’avantage <strong>de</strong> conserver les valeurs maximales<strong>de</strong> température en milieu <strong>de</strong> journée <strong>et</strong> ainsi <strong>de</strong> reconstituer un cycle correspondant à la températureréelle <strong>de</strong> la surface. Les simulations ont également été reportées sur c<strong>et</strong>te figure. Les résultats sonten bon accord avec les observations, en particulier durant la saison sèche. On observe pour certainsjours <strong>de</strong>s écarts importants. Par exemple, pour les jours 251 <strong>et</strong> 252 on remarque que la températuresimulée est inférieure à l’observation. Ceci vient du forçage radiatif utilisé dans le modèle. Le rayonnementinci<strong>de</strong>nt utilisé a été mesuré sur un site ponctuel <strong>et</strong> ne semble pas représentatif à l’échelle dupixel MSG. Ainsi, un système nuageux localisé est probablement à l’origine <strong>de</strong> l’enregistrement d’unfaible rayonnement solaire inci<strong>de</strong>nt <strong>et</strong> donc d’une température <strong>de</strong> surface modélisée qui sous-estimela mesure <strong>de</strong> MSG.La figure 5.5 représente les cartes <strong>de</strong> corrélations, d’erreurs (RMSE) <strong>et</strong> <strong>de</strong> biais (LST sim −LST obs ) mensuels entre les cycles simulés <strong>de</strong> température <strong>de</strong> surface <strong>et</strong> les cycles observés par MSG.
114 Modélisation à l’échelle du super site AMMA/Nigertel-00277226, version 1 - 5 May 2008On remarque tout d’abord une corrélation forte (0.7 à 0.85) <strong>et</strong> un biais faible (-1.5 à 2K). L’erreurmoyenne quadratique est cependant assez forte (3 à 5K).On observe également une amélioration <strong>de</strong>s trois critères choisis au cours du temps <strong>et</strong> en particulierau mois d’octobre. On l’attribue à une plus grand fiabilité <strong>de</strong>s observations. En eff<strong>et</strong>, commenous l’avons déjà mentionné, la température <strong>de</strong> surface MSG est fortement sensible à la présence <strong>de</strong>nuages. En saison <strong>de</strong>s pluies, les nuages sont très fréquents <strong>et</strong> les cycles diurnes fortement perturbés.En revanche à partir d’octobre, les phénomènes nuageux <strong>de</strong>viennent rares ce qui induit une meilleurequalité <strong>de</strong> la mesure du capteur SEVIRI mais également <strong>de</strong> la mesure <strong>de</strong> rayonnement solaire inci<strong>de</strong>ntqui <strong>de</strong>vient représentatif à une échelle plus gran<strong>de</strong>.Par ailleurs, si l’on regar<strong>de</strong> plus en détail les cartes <strong>de</strong> la figure 5.5 en comparaison avec l’occupationdu sol, on constate que les plus forts biais <strong>et</strong> RMSE sont observés sur les mailles où les plateauxdominent. On a toujours un biais positif sur ces pixels ce qui signifie que le modèle surestime lestempératures. Ce phénomène peut être attribué au forçage atmosphérique homogène utilisé, en particulierpour la température <strong>de</strong> l’air <strong>et</strong> l’intensité du vent. En eff<strong>et</strong> les mesures <strong>de</strong> température <strong>et</strong> <strong>de</strong> ventproviennent <strong>de</strong> la station <strong>de</strong> mesures installée sur la parcelle <strong>de</strong> jachère à Wankama, or l’altitu<strong>de</strong> joueun rôle non négligeable sur ces <strong>de</strong>ux variables. Le vent est en général plus fort au somm<strong>et</strong> <strong>de</strong>s plateaux<strong>et</strong> la température <strong>de</strong> l’air plus faible. Ces <strong>de</strong>ux eff<strong>et</strong>s favorisent la dissipation d’énergie par le flux <strong>de</strong>chaleur latente <strong>et</strong> sensible, <strong>et</strong> conduisent ainsi à <strong>de</strong>s températures <strong>de</strong> surface simulées plus faibles.On voit donc ici une autre limite <strong>de</strong> la modélisation due à l’utilisation d’un forçage météorologiquelocalisé <strong>et</strong> unique. On ne peut exclure également un eff<strong>et</strong> <strong>de</strong> la paramétrisation <strong>de</strong> l’albédo du sol(propriétés optiques homogènes sur les plateaux d’une part <strong>et</strong> dans les vallées d’autre part).La figure 5.6 représente la comparaison <strong>de</strong>s températures <strong>de</strong> surface estimées <strong>et</strong> observées par lesinstruments SEVIRI/MSG (en haut) <strong>et</strong> MODIS (en bas) sur la pério<strong>de</strong> [juill<strong>et</strong>-décembre]. Nous avonsséparé ici les données acquises <strong>de</strong> jour (entre le lever <strong>et</strong> le coucher du soleil) <strong>et</strong> les données acquisesla nuit.On remarque un bon accord entre les données MSG <strong>et</strong> les simulations, le coefficient <strong>de</strong> corrélationest <strong>de</strong> 0.84 le jour <strong>et</strong> 0.93 la nuit, le biais est pratiquement nul (< 0.6K). Cependant on remarqueune légère tendance du modèle à surestimer les fortes températures <strong>et</strong> à sous-estimer les faiblestempératures.La comparaison avec les données MODIS est n<strong>et</strong>tement moins bonne, un très fort biais est observé(4.6K du jour <strong>et</strong> 2K <strong>de</strong> nuit) <strong>et</strong> le modèle semble surestimer les fortes températures en particulier <strong>de</strong>jour. De plus la dispersion du nuage <strong>de</strong> points est plus importante (RMSE plus grand) que dans le cas<strong>de</strong> la comparaison avec les données MSG. La comparaison entre les températures MSG <strong>et</strong> MODIS(cf 4.5.2) a déjà montré <strong>de</strong> fortes disparités attribuées (selon Ma<strong>de</strong>ira <strong>et</strong> al., 2005) à <strong>de</strong>s différencesd’émissivité <strong>et</strong>/ou à un mauvais traitement <strong>de</strong>s nuages <strong>et</strong> <strong>de</strong>s zones d’ombre. Ne disposant que <strong>de</strong> 4mesures MODIS par jour au maximum, nous ne pouvons filtrer <strong>et</strong> lisser les données comme nousl’avons fait pour les observations MSG. Il est donc probable que les différences observées soient liées
5.2 Résultats 115Coeff. <strong>de</strong> corrélation (R 2 ) Biais [K] RMSE [K]Décembr<strong>et</strong>el-00277226, version 1 - 5 May 2008NovembreOctobreSeptembreAoûtFIG. 5.5 – Cartes <strong>de</strong> corrélations, biais <strong>et</strong> RMSE <strong>de</strong> la comparaison entre les températures <strong>de</strong> surfacesimulées <strong>et</strong> estimées grâce aux données MSG
116 Modélisation à l’échelle du super site AMMA/Nigertel-00277226, version 1 - 5 May 2008FIG. 5.6 – Comparaison <strong>de</strong>s températures <strong>de</strong> surface MSG/simulations en haut <strong>et</strong> MODIS/simulationsen bas sur la pério<strong>de</strong> [août-décembre]aux nuages résiduels (non détectés sur les données MODIS).La comparaison <strong>de</strong>s températures <strong>de</strong> surface simulées par le modèle SEtHyS Savannah avec lestempératures observées par satellite fournit un premier élément <strong>de</strong> validation. Si l’on fait abstractiondu biais important observé entre les données MSG <strong>et</strong> MODIS, les résultats <strong>de</strong>s comparaisons obtenussont assez similaires. Les corrélations <strong>et</strong> biais meilleurs par rapport aux données MSG peuvent êtreen partie attribués à un phénomène <strong>de</strong> ”lissage” dû à la taille <strong>de</strong>s pixels (3km pour MSG <strong>et</strong> 1kmpour MODIS). Également, avec les données MSG on a une diminution <strong>de</strong>s problèmes liés à unemauvaise colocalisation. Ceci contribue à une plus faible dispersion du nuage <strong>de</strong> points dans le cas <strong>de</strong>la comparaison avec les données MSG.D’autre part beaucoup <strong>de</strong> paramètres sont directement ou indirectement liés à l’estimation <strong>de</strong> latempérature <strong>de</strong> surface, <strong>et</strong> il est certainement possible d’obtenir un ensemble <strong>de</strong> paramètres conduisantà une meilleure estimation <strong>de</strong> la température <strong>de</strong> surface.
5.2 Résultats 117Simulation : 5 premiers cm <strong>de</strong> solSimulation : 10 premiers cm <strong>de</strong> soltel-00277226, version 1 - 5 May 2008FIG. 5.7 – Comparaison <strong>de</strong>s humidités <strong>de</strong> sol simulées à <strong>de</strong>ux profon<strong>de</strong>urs (5cm à gauche <strong>et</strong> 10cm àdroite) aux humidités <strong>de</strong> surface estimées à partir <strong>de</strong>s données ASARL’humidité <strong>de</strong> surfaceDes comparaisons ont été effectuées entre l’humidité <strong>de</strong> surface simulée par le modèle <strong>et</strong> l’humiditéestimée à partir <strong>de</strong>s données du capteur ASAR/ENVISAT. On a représenté sur la figure 5.7 enordonnée l’humidité ASAR <strong>et</strong> en abscisse l’humidité simulée dans les 5 premiers centimètres (graphe<strong>de</strong> gauche) <strong>et</strong> dans les 10 premiers centimètres (graphe <strong>de</strong> droite). Chaque couleur représente la dateà laquelle a été acquise l’image ASAR.Les humidités ASAR ont été agrégées à 1km <strong>de</strong> résolution. Les mailles du modèle où l’humiditéASAR a été estimée sur moins d’un tiers <strong>de</strong> la surface ont été éliminées <strong>de</strong> la comparaison pour avoirune certaine représentativité <strong>de</strong> l’humidité à l’échelle <strong>de</strong> la maille. D’autre part, le signal radar étantsensible à la rugosité, nous avons éliminé les mailles où les plateaux représentent plus <strong>de</strong> 20% <strong>de</strong> lasurface afin <strong>de</strong> ne pas prendre en compte les éventuels pixels qui n’auraient pas été supprimés dans laprocédure d’estimation <strong>de</strong> l’humidité ASAR. Enfin, nous n’avons gardé que les mailles où le sol nureprésente plus <strong>de</strong> 40% <strong>de</strong> la surface car l’estimation ASAR est <strong>de</strong> meilleure qualité sur les zones noncouvertes par <strong>de</strong> la végétation.Les résultats montrent une forte dispersion. Il faut tout d’abord noter que les estimations ASARont une précision <strong>de</strong> l’ordre <strong>de</strong> 2 à 3%. En eff<strong>et</strong> le signal mesuré par le radar est très sensible à lavégétation <strong>et</strong> en particulier lorsque le sol est sec. L’impact <strong>de</strong> la présence d’une végétation éparse estnon négligeable. Les sols secs peuvent donc apparaître plus humi<strong>de</strong>s qu’ils ne le sont en réalité. Surles sol humi<strong>de</strong>s, le signal radar étant fort, l’impact d’une végétation résiduelle a moins d’importance.
118 Modélisation à l’échelle du super site AMMA/Nigertel-00277226, version 1 - 5 May 2008La variabilité spatiale <strong>de</strong> l’humidité simulée par le modèle est faible, on peut le voir sur différentesdates ”humi<strong>de</strong>” ou ”sèche”. Elle est probablement sous-estimée à cause du manque <strong>de</strong> variabilité <strong>de</strong>sprécipitations mais également à cause du forçage météorologique homogène sur tout le super-site.En eff<strong>et</strong>, on a vu que la pluie enregistrée sur un pluviographe est attribuée à une aire d’influencecorrespondant aux polygones <strong>de</strong> Thiessen. Ainsi, comme le montre la figure 5.2 du paragraphe 5.2.1,on distingue <strong>de</strong>s ”patch” à l’intérieur <strong>de</strong>squels, toutes les mailles reçoivent la même quantité <strong>de</strong> pluie.Ceci est un choix <strong>de</strong> modélisation qui n’est bien sûr pas réaliste.Par contre, on observe une très forte hétérogénéité sur toutes les images radar. Ceci ne peut pastoujours être lié à une forte hétérogénéité <strong>de</strong>s pluies (<strong>et</strong> donc <strong>de</strong> l’humidité <strong>de</strong> surface). Le signal radarn’est donc clairement pas corrigé totalement <strong>de</strong>s eff<strong>et</strong>s <strong>de</strong> la végétation.D’autre part, certains événements pluvieux n’ont pas été enregistrés. Ce problème explique les casoù l’estimation ASAR surestime l’humidité simulée par le modèle.Enfin, la représentation du mulch <strong>de</strong> surface induit par son formalisme une certaine incertitu<strong>de</strong> surl’humidité <strong>de</strong> surface simulée. Rappelons que le mulch est une couche <strong>de</strong> sol totalement sèche qui seforme en surface. C<strong>et</strong>te couche n’échange pas d’eau avec les couches <strong>de</strong> sol au <strong>de</strong>ssus <strong>et</strong> en <strong>de</strong>ssous pardrainage ou diffusion <strong>de</strong> l’eau liqui<strong>de</strong>. Ainsi immédiatement après une pluie, l’humidité <strong>de</strong> la couche<strong>de</strong> sol située au <strong>de</strong>ssus d’un mulch est supposée égale à l’humidité à la capacité au champ (0.2%).Inversement si aucun événement pluvieux n’intervient pendant plusieurs jours, l’humidité moyenne<strong>de</strong> surface simulée dans les 5 premiers centimètres est très faible compte tenu <strong>de</strong> l’épaisseur du mulch.Si l’on considère l’humidité <strong>de</strong>s 10 premiers centimètres, elle est plus importante car on prend alorsen compte la couche humi<strong>de</strong> au <strong>de</strong>ssous du mulch. Ce phénomène explique pourquoi on observe surle graphe <strong>de</strong> droite (figure 5.7) un nuage <strong>de</strong> points décalé vers les fortes valeurs d’humidité simulée.L’historique <strong>de</strong>s pluies va donc jouer un rôle important sur les résultats <strong>de</strong> c<strong>et</strong>te comparaison.Sur un mulch développé, une faible pluie aura peu d’influence sur l’humidité simulée (surtout à 10cm), en revanche si elle intervient juste avant l’acquisition <strong>de</strong> l’image ASAR, elle aura une influenceimportante sur l’humidité estimée. Inversement une forte pluie intervenant longtemps avant l’acquisition<strong>de</strong> l’image aura peu d’influence sur le signal radar, mais dans le modèle le sol sera humidifié enprofon<strong>de</strong>ur <strong>et</strong> donc engendrera une humidité plus importante <strong>de</strong>s 5 ou 10 premiers centimètres.5.2.3 Conclusions <strong>et</strong> perspectivesLes données <strong>de</strong> télédétection ont ainsi permis <strong>de</strong> m<strong>et</strong>tre en place une modélisation à l’échellerégionale avec une résolution importante (20m pour la carte d’occupation <strong>de</strong>s sols <strong>et</strong> les cartes <strong>de</strong>LAI). Le choix s’est porté sur une modélisation <strong>de</strong> type mosaïque car c<strong>et</strong>te métho<strong>de</strong> perm<strong>et</strong> <strong>de</strong> gar<strong>de</strong>rle bénéfice <strong>de</strong>s données haute résolution tout en limitant le temps <strong>de</strong> calcul.Les paramètres ont été fixés en accord avec la littérature, seuls trois paramètres sont dépendants<strong>de</strong> la classe <strong>de</strong> végétation. Les variables <strong>de</strong> forçage atmosphérique (rayonnement solaire inci<strong>de</strong>nt,rayonnement atmosphérique, vent <strong>et</strong> humidité <strong>de</strong> l’atmosphère) ont été considérées homogènes sur
5.3 Étu<strong>de</strong>s <strong>de</strong> sensibilité 119l’ensemble <strong>de</strong> la zone d’intérêt. Néanmoins, nous disposons d’un ensemble <strong>de</strong> relevés pluviomètriques(près <strong>de</strong> 20 pluviographes dans le périmètre du super-site) ce qui nous donne une relative précisionquant au forçage <strong>de</strong>s pluies. La <strong>de</strong>scription <strong>de</strong>s pluies est particulièrement importante dans les modèles<strong>de</strong> surface en zone semi-ari<strong>de</strong>. En eff<strong>et</strong> compte tenu <strong>de</strong> l’hétérogénéité <strong>de</strong> la distribution spatiale <strong>de</strong>spluies à fine échelle (quelques dizaines <strong>de</strong> kilomètres) il ne serait pas raisonnable <strong>de</strong> considérer unepluie homogène. Nous avons opté dans un premier temps pour une métho<strong>de</strong> simple d’interpolation<strong>de</strong>s pluies : la métho<strong>de</strong> <strong>de</strong>s polygones <strong>de</strong> Thiessen. L’avantage <strong>de</strong> c<strong>et</strong>te métho<strong>de</strong> est <strong>de</strong> conserverl’intensité <strong>de</strong>s pluies mesurées ce qui présente un réel intérêt pour l’estimation du ruissellement. Parcontre elle provoque <strong>de</strong>s discontinuités spatiales fortes ce qui induit certaines difficultés pour simulerle bilan hydrique.tel-00277226, version 1 - 5 May 2008Les données <strong>de</strong> télédétection ont également permis d’évaluer partiellement la qualité <strong>de</strong> la simulation.L’humidité <strong>de</strong> surface d’une part a pu être comparée avec l’estimation faite à partir <strong>de</strong>sdonnées du capteur ASAR/ ENVISAT (voir 4.3). Les résultats <strong>de</strong> c<strong>et</strong>te comparaison sont mitigés. Plusieurscauses, liées au fonctionnement du modèle <strong>et</strong> à la qualité <strong>de</strong>s estimations, sont responsables <strong>de</strong>la faible corrélation observée. Comme nous l’avons montré au paragraphe 5.2.2, l’interprétation <strong>de</strong>srésultats est rendue difficile par le fait que différents facteurs ont <strong>de</strong>s eff<strong>et</strong>s antagonistes.D’autre part la température <strong>de</strong> surface simulée a été comparée aux produits MSG <strong>et</strong> MODIS. Lesrésultats sont satisfaisants <strong>et</strong> encourageants, en particulier en ce qui concerne les données MSG. Uneperspective intéressante serait d’étalonner les paramètres du modèle en se basant sur le température<strong>de</strong> surface MSG qui perm<strong>et</strong> un suivi diurne. Cou<strong>de</strong>rt <strong>et</strong> al. (2006b,c) ont établi une métho<strong>de</strong> perm<strong>et</strong>tantd’étalonner les paramètres du modèle SEtHyS à l’ai<strong>de</strong> <strong>de</strong>s caractéristiques du cycle diurne<strong>de</strong>s températures <strong>de</strong> brillance observées par MSG (pentes, amplitu<strong>de</strong>s, maximum). C<strong>et</strong>te métho<strong>de</strong> aété développé grâce à la base <strong>de</strong> données Alpilles-ReSeDA. Elle a ensuite montré <strong>de</strong>s résultats encourageantsdans le cadre du programme CITRAM (Conseil à l’Irriguant par télédétection Radar <strong>et</strong>Modélisation) où elle a été spatialisée (Cou<strong>de</strong>rt <strong>et</strong> al., 2007).5.3 Étu<strong>de</strong>s <strong>de</strong> sensibilitéDeux étu<strong>de</strong>s <strong>de</strong> sensibilité ont été menées. Tout d’abord une étu<strong>de</strong> <strong>de</strong> l’impact <strong>de</strong> l’interpolation<strong>de</strong>s données <strong>de</strong> pluies ponctuelles sur le bilan hydrique, puis une étu<strong>de</strong> <strong>de</strong> l’impact du changementd’occupation du sol.5.3.1 Sensibilité à la métho<strong>de</strong> d’interpolation <strong>de</strong>s pluiesLa pluviométrie est sans doute le facteur principal qui contrôle le bilan hydrique en zone semiari<strong>de</strong>.Les conditions <strong>de</strong> surface <strong>et</strong> le rayonnement solaire important vont perm<strong>et</strong>tre à l’eau <strong>de</strong> s’évaporerrapi<strong>de</strong>ment. La recharge <strong>de</strong>s stocks d’eau du sol va donc dépendre en premier lieu <strong>de</strong> l’intensité <strong>et</strong> du
120 Modélisation à l’échelle du super site AMMA/Nigercumul <strong>de</strong>s pluies. Les données <strong>de</strong> pluies dont nous disposons sont ponctuelles, réparties sur la zoned’étu<strong>de</strong>. La question que l’on s’est posée est : le modèle est-il sensible ou non à la métho<strong>de</strong> d’interpolationutilisée ?tel-00277226, version 1 - 5 May 2008Pour y répondre nous avons effectué trois simulations pour lesquelles nous avons changé leforçage <strong>de</strong>s pluies dans le modèle.– Expérience 1 : Pluie homogèneChaque maille reçoit la même quantité d’eau. Une station au milieu <strong>de</strong> la zone d’étu<strong>de</strong> fournitle forçage.– Expérience 2 : Métho<strong>de</strong> du plus proche voisin ou métho<strong>de</strong> ThiessenChaque maille du modèle reçoit la pluie enregistrée par le pluviographe le plus proche. C’est lamétho<strong>de</strong> utilisée dans la simulation présentée au paragraphe 5.2– Expérience 3 : Interpolation <strong>de</strong>s pluies par une métho<strong>de</strong> barycentriqueChaque maille du modèle reçoit une pluie égale à la moyenne <strong>de</strong>s pluies <strong>de</strong>s trois plus prochespluviographes pondérée par l’inverse <strong>de</strong> la distance <strong>de</strong> la maille considérée au pluviographes.A tout instant on écrit :ˆP (m 0 ) =∑i∈V (s 0 )1/ |s i − m 0 |∑i∈V (s 0 ) 1/ |s i − m 0 |(5.6)où ˆP (m 0 ) est la pluie estimée à l’endroit <strong>de</strong> la maille m 0 , V (s 0 ) est l’ensemble <strong>de</strong>s troispluviographes les plus proches <strong>de</strong> la maille m 0 <strong>et</strong> |s i − m 0 | est la distance entre la maillem 0 <strong>et</strong> le pluviographe s i .Les résultats en termes <strong>de</strong> bilan d’eau sont représentés sur la figure 5.8. Bien que le cumul <strong>de</strong>pluie moyen sur la zone soit proche dans les trois expériences, le bilan hydrique <strong>de</strong> l’expérience 1 esttrès dépendant du choix du pluviographe. Dans le cas présenté ici, pratiquement aucune pluie n’estenregistrée durant le mois <strong>de</strong> juin <strong>et</strong> la quasi totalité <strong>de</strong>s pluies est tombée en juill<strong>et</strong>, août <strong>et</strong> septembre.Le ruissellement est concentré au mois <strong>de</strong> juill<strong>et</strong> <strong>et</strong> la recharge du stock d’eau dans le sol se fait aucours du mois <strong>de</strong> juill<strong>et</strong>.En ce qui concerne l’expérience 2 <strong>et</strong> 3, on remarque que le modèle simule moins <strong>de</strong> ruissellement<strong>et</strong> plus d’évapotranspiration lorsque les pluies sont interpolées (Expérience 3). C<strong>et</strong>te constatation étaitattendue puisque le fait d’interpoler les pluies engendre un certain lissage <strong>de</strong> l’intensité. En eff<strong>et</strong>, dansl’expérience 3, la pluie résultante sur une maille est la moyenne <strong>de</strong>s enregistrements <strong>de</strong>s trois pluviographesvoisins. Cependant si les trois pluviographes n’enregistrent pas simultanément <strong>de</strong>s pluies alorsl’intensité est beaucoup plus faible que l’intensité maximale enregistrée par les trois pluviomètres.Le tableau 5.4 donne les cumuls annuels <strong>de</strong>s termes du bilan hydrique pour chacune <strong>de</strong>s expériences.On remarque que l’expérience 2 affiche près <strong>de</strong> 5% <strong>de</strong> plus <strong>de</strong> ruissellement que l’expérience 3. Ceruissellement perdu est transformé en évapotranspiration car la variation <strong>de</strong> stock d’eau dans le sol est
5.3 Étu<strong>de</strong>s <strong>de</strong> sensibilité 121Expérience 1 Expérience 2Expérience 3tel-00277226, version 1 - 5 May 2008FIG. 5.8 – Bilan hydrique <strong>de</strong>s expériences 1, 2 <strong>et</strong> 3TAB. 5.4 – Cumul annuel <strong>de</strong>s termes du bilan hydrique moyen sur le super-site pour les troisexpériencesExpérience 1 Expérience 2 Expérience 3Cumul [mm] % pluies Cumul [mm] % pluies Cumul [mm] % pluiesPluie 385 100 388 100 385 100Évapotranspiration 362 94 342 88 362 94Ruissellement +drainage48 12 59 15 38 10Variation dustock d’eau -26 -6 -13 -3 -15 -4dans le solsensiblement la même.Il est difficile <strong>de</strong> savoir si l’une ou l’autre <strong>de</strong>s expériences est meilleure. Néanmoins nous avons
122 Modélisation à l’échelle du super site AMMA/Nigercomparer les humidités <strong>de</strong> surface à 5 <strong>et</strong> 10 centimètres par rapport aux estimations ASAR commenous l’avons déjà fait pour l’expérience 2 au paragraphe 5.2.2.Les résultats sont donnés dans le tableau 5.5 pour les expériences 2 <strong>et</strong> 3. On remarque quel’expérience 3 affiche <strong>de</strong>s résultats légèrement meilleurs en terme <strong>de</strong> corrélation. Les précipitationsétant plus lissées, la dynamique spatiale <strong>de</strong> l’humidité simulée par le modèle est donc plus importante.TAB. 5.5 – Comparaison <strong>de</strong> l’humidité simulée <strong>et</strong> <strong>de</strong> l’humidité estimée par ASAR pour lesexpériences 2 <strong>et</strong> 3tel-00277226, version 1 - 5 May 2008CoefficientcorrélationRMSE(m 3 /m 3 )<strong>de</strong>Expérience 2 Expérience 3W (5cm) W (10cm) W (5cm) W (10cm)0.59 0.52 0.62 0.550.034 0.052 0.035 0.059En conclusion, le modèle affiche une gran<strong>de</strong> sensibilité au choix <strong>de</strong> la métho<strong>de</strong> utilisée pourspatialiser les mesures ponctuelles <strong>de</strong> pluie. Les résultats montrent d’importantes différences dansla simulation du ruissellement <strong>et</strong> <strong>de</strong> l’évapotranspiration. C<strong>et</strong>te étu<strong>de</strong> doit nous inciter à porter uneattention particulière à la spatialisation <strong>de</strong>s pluies. Beaucoup d’autres métho<strong>de</strong>s sont envisageables.On peut citer par exemple la métho<strong>de</strong> d’interpolation par voisinage naturel due à Sibson (1981) ou<strong>de</strong>s métho<strong>de</strong>s plus complexes telle que l’interpolation à l’ai<strong>de</strong> <strong>de</strong> splines ou le krigeage (Matheron,1962, 1963a,b) basé sur une analyse variographique pour estimer la structure <strong>de</strong> dépendance spatiale<strong>de</strong> la pluie. C<strong>et</strong>te <strong>de</strong>rnière métho<strong>de</strong> donne <strong>de</strong>s résultats fiables (Baillargeons, 2005) mais sa mise enœuvre nécessite l’intervention humaine pour analyser chaque événement pluvieux séparément. Destravaux utilisant <strong>de</strong>s métho<strong>de</strong>s similaires ont été effectués par Guillot <strong>et</strong> al. (1999a,b) ou Onibon(2001) grâce à <strong>de</strong>s données acquises dans la même région. Cependant ces étu<strong>de</strong>s ont été faites àl’échelle <strong>de</strong> l’événement pluvieux <strong>et</strong> ne fournissent pas <strong>de</strong>s champs <strong>de</strong> pluies toutes les 5 minutes.Une approche basée sur <strong>de</strong>s hy<strong>et</strong>ogrammes types a été proposée pour la désagrégation temporelle <strong>de</strong>la pluie par Balme <strong>et</strong> al. (2006) <strong>et</strong> utilisée pour analyser la sensibilité <strong>de</strong> la réponse hydrologique à laprécision spatio-temporelle du champs pluviométrique (Vischel <strong>et</strong> Lebel, 2007). C<strong>et</strong>te métho<strong>de</strong> donne<strong>de</strong> meilleurs résultats mais <strong>de</strong>man<strong>de</strong> un travail certain pour sa mise en œuvre.5.3.2 Sensibilité à l’occupation <strong>de</strong>s solsLa tendance démographique actuelle, accroissement <strong>de</strong> la population, au Niger est conjointe àun développement <strong>de</strong>s cultures <strong>et</strong> un déboisement <strong>de</strong>s zones <strong>de</strong> plateaux <strong>et</strong> <strong>de</strong> vieille jachère. Lesobservations <strong>de</strong> terrain <strong>de</strong>s <strong>de</strong>rnières décennies font en eff<strong>et</strong> état d’une diminution du nombre d’arbres<strong>et</strong> d’arbustes <strong>de</strong> gran<strong>de</strong> taille. Parallèlement on constate une diminution <strong>de</strong> la durée <strong>de</strong> mise en jachère
5.3 Étu<strong>de</strong>s <strong>de</strong> sensibilité 123<strong>de</strong>s terres agricoles.Nous avons voulu savoir si notre modèle est sensible à un changement <strong>de</strong> l’occupation <strong>de</strong>s sols.Pour cela nous avons artificiellement modifié les classes <strong>de</strong> végétation en conservant le forçage atmosphériquedéfini dans l’expérience 2. Deux expériences ont été menées :L’expérience 4C<strong>et</strong>te expérience correspond à un scénario passé d’occupation <strong>de</strong>s sols. Nous nous sommes baséssur les changements décrits par Leblanc <strong>et</strong> al. (2007) ou Massuel (2005) : entre 1950 <strong>et</strong> 2007 onobserve une diminution <strong>de</strong> 40% <strong>de</strong> la végétation arborée sur les plateaux <strong>et</strong> 40% <strong>de</strong> la végétation<strong>de</strong>nse <strong>de</strong>s vallées. Ainsi nous avons effectué les changements <strong>de</strong> classes suivant :- Végétation <strong>de</strong>nse sur plateau ⇒ +40% pris sur le sol nu <strong>de</strong>s plateaux- Vieille jachère ⇒ +40% pris sur les cultures <strong>et</strong> sur la jeune jachèr<strong>et</strong>el-00277226, version 1 - 5 May 2008L’expérience 5L’expérience 5 correspond à un scénario futur d’occupation <strong>de</strong>s sols. On extrapole l’évolutionobservée <strong>de</strong>puis 1950, <strong>et</strong> on effectue les changements <strong>de</strong> classe suivant :- Végétation <strong>de</strong>nse sur plateau ⇒ Végétation claire sur plateau- Vieille jachère ⇒ Jeune jachère- Jeune jachère ⇒ CulturePour ces <strong>de</strong>ux expériences, le LAI est celui <strong>de</strong> 2005 estimé à partir <strong>de</strong>s images SPOT, <strong>et</strong> lesparamètres sont ceux décrit au paragraphe 5.1.2. Dans l’expérience 5 les <strong>de</strong>ux premières permutationsont un impact non négligeable sur la représentation <strong>de</strong> la végétation, car les cycles moyens <strong>de</strong> LAIsont n<strong>et</strong>tement différents entre les <strong>de</strong>ux types <strong>de</strong> végétation sur les plateaux d’une part <strong>et</strong> entre la vieille<strong>et</strong> la jeune jachère d’autre part. Le changement <strong>de</strong> la classe jeune jachère en culture est significatif enterme <strong>de</strong> conductivité hydraulique à saturation (jeune jachère : k sat = 5.56 · 10 −6 m.s −1 ; culture :k sat = 3.6 · 10 −6 m.s −1 ). Le forçage atmosphérique est le même que pour l’expérience 2.Les résultats en terme <strong>de</strong> bilan hydrique annuel sont présentés dans le tableau 5.6. On remarqueune légère augmentation du ruissellement en même temps qu’une diminution <strong>de</strong> l’évapotranspiration.Ainsi, la tendance à la déforestation observée <strong>de</strong>puis les années 1950 induirait un plus fort ruissellement.Néanmoins l’impact du changement d’occupation du sol sur le bilan hydrique est assez faible.Comme nous l’avons montré dans notre étu<strong>de</strong> locale (cf chapitre 3), la contribution du sol en terme<strong>de</strong> flux <strong>de</strong> chaleur latente total prédomine sur la contribution <strong>de</strong> la végétation à cause <strong>de</strong>s faiblesvaleurs LAI observées. Les propriétés du sol étant invariantes dans les expériences menées, il estcohérent d’observer peu <strong>de</strong> changements dans le bilan hydrique. Ces variations sont donc probablementsous-estimées. Une expérience plus réaliste consisterait à définir <strong>de</strong> nouveaux paramètres <strong>de</strong> sol,
124 Modélisation à l’échelle du super site AMMA/Nigeren particulier il faudrait diminuer la conductivité hydraulique à saturation afin <strong>de</strong> tenir compte <strong>de</strong> ladégradation <strong>de</strong>s sols par érosion <strong>et</strong> la formation <strong>de</strong> croûte <strong>de</strong> battance (dépôt <strong>de</strong> particules fines ensuspension dans l’eau).TAB. 5.6 – Cumul annuel <strong>de</strong>s termes du bilan hydrique moyen sur le super-site pour les troisexpériencestel-00277226, version 1 - 5 May 2008Expérience 4 Expérience 2 Expérience 5Cumul [mm] % pluies Cumul [mm] % pluies Cumul [mm] % pluiesPluie 388 100 388 100 388 100Évapotranspiration 345.5 89 342 88 335 86Ruissellement +drainage57.5 14.5 59 15 64 16.5Variation dustock d’eau -14 -3.5 -13 -3 -11 -2.5dans le solLes cartes <strong>de</strong>s figures 5.9 <strong>et</strong> 5.10 viennent compléter ces résultats, on y a représenté les différences(en moyenne journalière) entre expérience 2 <strong>et</strong> expérience 5 <strong>de</strong>s flux d’évapotranspiration, ruissellement,flux <strong>de</strong> chaleur sensible <strong>et</strong> rayonnement n<strong>et</strong>. Deux zones sont particulièrement intéressantes carassez homogènes en terme <strong>de</strong> classe d’occupation du sol. Au nord <strong>de</strong> la zone d’étu<strong>de</strong>, on observe unfort déficit d’évapotranspiration corrélé avec une augmentation du ruissellement <strong>et</strong> du flux <strong>de</strong> chaleursensible <strong>et</strong> une diminution du rayonnement n<strong>et</strong>. C<strong>et</strong>te zone est occupée en majorité par <strong>de</strong> la vieillejachère qui dans l’expérience 5 est remplacée par <strong>de</strong> la jeune jachère dont le LAI est moindre. Lesol est donc plus humi<strong>de</strong> (car la transpiration est plus faible) ce qui conduit à une augmentation duruissellement.Dans le Sud Ouest du super-site, la jeune jachère domine, elle est remplacée dans l’expérience5 par <strong>de</strong> la culture. La conductivité hydraulique à saturation est légèrement plus importante ce quiconduit à un ruissellement plus fort <strong>et</strong> donc à un sol plus sec. En conséquence l’évapotranspiration estplus faible <strong>et</strong> le flux <strong>de</strong> chaleur sensible est plus fort. Le rayonnement n<strong>et</strong> est peu changé car la <strong>de</strong>nsité<strong>de</strong> végétation est sensiblement la même.C<strong>et</strong>te étu<strong>de</strong> montre que malgré une paramétrisation très simple (peu <strong>de</strong> paramètres variablesd’une classe à l’autre), le modèle est sensible à un changement <strong>de</strong>s états <strong>de</strong> surface. La tendanceactuelle au déboisement <strong>et</strong> à l’extension <strong>de</strong>s parcelles cultivées conduit à une augmentation du ruissellement.C’est un résultat auquel on pouvait s’attendre, néanmoins il est encourageant vis à vis dudéveloppement du modèle.
5.3 Étu<strong>de</strong>s <strong>de</strong> sensibilité 125Évapotranspiration (exp5-exp2)Ruissellement (exp5-exp2)FIG. 5.9 – Différence d’évapotranspiration <strong>et</strong> ruissellement entre les expériences 2 <strong>et</strong> 5 (exp5-exp2)en mmtel-00277226, version 1 - 5 May 2008Flux <strong>de</strong> chaleur sensible (exp5-exp2)Rayonnement n<strong>et</strong> (exp5-exp2)FIG. 5.10 – Différence <strong>de</strong> flux <strong>de</strong> chaleur sensible <strong>et</strong> rayonnement n<strong>et</strong> entre les expériences 2 <strong>et</strong> 5(exp5-exp2) en W/m 25.3.3 Conclusions <strong>et</strong> perspectivesLe modèle SEtHyS Savannah a pu être spatialisé <strong>et</strong> validé à l’échelle régionale avec l’ai<strong>de</strong> conjointe<strong>de</strong> données <strong>de</strong> télédétection (SEVIRI/MSG, SPOT/HRV <strong>et</strong> ASAR/ENVISAT) <strong>et</strong> <strong>de</strong> données in situ(réseau <strong>de</strong> pluviographes).On s’attend à ce que les choix faits pour fixer les paramètres, établir les cycles <strong>de</strong> LAI <strong>et</strong> interpolerles données <strong>de</strong> pluies aient un impact non négligeable sur la simulation <strong>de</strong>s bilans énergétiques <strong>et</strong>hydriques. Dans c<strong>et</strong>te optique <strong>de</strong>ux tests <strong>de</strong> sensibilités très simples ont été menés.Le premier concerne l’impact <strong>de</strong> la métho<strong>de</strong> d’interpolation <strong>de</strong>s pluies. La connaissance <strong>de</strong> larépartition spatiale <strong>de</strong>s pluies est un problème complexe, en particulier en région sahélienne où l’onobserve <strong>de</strong>s événements convectifs <strong>de</strong> p<strong>et</strong>ites tailles. Pour forcer un modèle, il est important <strong>de</strong>représenter au mieux la répartition spatiale <strong>de</strong> l’intensité <strong>de</strong>s précipitations car elle conditionne le
126 Modélisation à l’échelle du super site AMMA/Nigerruissellement <strong>et</strong> l’infiltration. Trois types <strong>de</strong> forçage <strong>de</strong>s précipitations ont été testés afin <strong>de</strong> voir d’unepart si le modèle est sensible, <strong>et</strong> d’autre part pour estimer quantitativement l’importance du choix <strong>de</strong> lareprésentation <strong>de</strong>s pluies dans le modèle. C<strong>et</strong>te étu<strong>de</strong> a montré qu’il est important <strong>de</strong> choisir avec soinla métho<strong>de</strong> d’interpolation <strong>de</strong>s pluies. Néanmoins seules <strong>de</strong>s métho<strong>de</strong>s très simples ont été testées, <strong>et</strong>il serait intéressant d’étudier les différences <strong>de</strong> simulations réalisées avec une métho<strong>de</strong> simple (typepolygones <strong>de</strong> Thiessen) <strong>et</strong> une métho<strong>de</strong> <strong>de</strong> krigeage plus complexe.tel-00277226, version 1 - 5 May 2008Le <strong>de</strong>uxième test <strong>de</strong> sensibilité concerne l’occupation du sol. Une simulation a été effectuée enconsidérant une augmentation <strong>de</strong>s surfaces agricoles <strong>et</strong> simultanément une diminution <strong>de</strong>s surfaces àvégétation <strong>de</strong>nse (brousse tigrée <strong>et</strong> vieille jachère). Le modèle a montré une sensibilité non négligeableau changement d’occupation du sol, ou plutôt <strong>de</strong> végétation car on ne modifie pas les propriétés du sol.Les résultats montrent une augmentation du ruissellement <strong>et</strong> une diminution <strong>de</strong> l’évapotranspiration.Il serait intéressant maintenant <strong>de</strong> choisir <strong>de</strong>s paramètres qui prennent en compte une modification <strong>de</strong>la structure <strong>et</strong> <strong>de</strong> la composition du sol.Ces résultats sont encourageants car ils montrent que le modèle SEtHyS Savannah, malgré uneparamétrisation simple, peut être utilisé pour prédire l’impact d’un changement d’occupation du sol<strong>et</strong> donc <strong>de</strong> la pression anthropique sur la simulation <strong>de</strong>s bilans hydriques en particulier. Cependantune paramétrisation plus fine serait certainement profitable à <strong>de</strong> telles étu<strong>de</strong>s. Un étalonnage basé surl’analyse <strong>de</strong>s cycles diurnes <strong>de</strong> température <strong>de</strong> surface peut perm<strong>et</strong>tre un ajustement plus précis <strong>de</strong>sparamètres <strong>et</strong> perm<strong>et</strong>tre une <strong>de</strong>scription plus fine <strong>de</strong>s états <strong>de</strong> surface.
Conclusions <strong>et</strong> perspectivesLa simulation <strong>de</strong>s bilans d’eau <strong>et</strong> d’énergie à l’interface sol-végétation-atmosphère en zone semiari<strong>de</strong>présente un certain challenge. Les objectifs principaux <strong>de</strong> la thèse étaient <strong>de</strong> mieux comprendrequel est l’impact <strong>de</strong> l’hétérogénéité <strong>de</strong> la surface <strong>et</strong> <strong>de</strong>s précipitations sur la résolution <strong>de</strong> ces bilans,<strong>et</strong> quels sont les processus prédominants à prendre en compte dans les schémas <strong>de</strong> surface.tel-00277226, version 1 - 5 May 2008Développement <strong>et</strong> validation du modèle SEtHyS SavannahDans un premier temps le modèle SEtHyS, développé <strong>de</strong>puis <strong>de</strong> nombreuses années au CETP, a étéadapté pour mieux représenter les zones sahéliennes. A l’origine, le modèle SEtHyS est un modèle quiperm<strong>et</strong> <strong>de</strong> simuler <strong>de</strong>s couverts homogènes (une strate <strong>de</strong> végétation uniforme). Le sol y est représentépar une couche <strong>de</strong> 10 cm en surface inclue dans une profon<strong>de</strong>ur <strong>de</strong> sol totale. Le phénomène <strong>de</strong>drainage profond, n’est pas représenté, <strong>et</strong> le ruissellement n’intervient que si la couche superficielle esttotalement saturée d’eau. Ces paramétrisations, suffisantes lorsqu’il s’agit <strong>de</strong> représenter les échangesd’eau dans <strong>de</strong>s régions agricoles aux sols profonds <strong>et</strong> limoneux, ne sont plus utilisables pour <strong>de</strong>s solssableux <strong>de</strong>s régions semi-ari<strong>de</strong>s. Ce modèle est couplé à un modèle <strong>de</strong> transfert radiatif, qui perm<strong>et</strong><strong>de</strong> distribuer l’énergie (solaire <strong>et</strong> atmosphérique) inci<strong>de</strong>nte entre la végétation <strong>et</strong> le sol. Ce modèle <strong>de</strong>transfert radiatif prend en compte les interactions multiples entre le sol <strong>et</strong> la végétation.Ainsi le modèle SEtHyS a fait l’obj<strong>et</strong> <strong>de</strong> nombreuses modifications afin <strong>de</strong> pouvoir simuler lespaysages très hétérogènes du Sahel. En particulier, au niveau <strong>de</strong>s déplacements <strong>de</strong> l’eau dans le sol,plusieurs modifications s’imposaient. En eff<strong>et</strong>, les sols sahéliens sont en majorité composés <strong>de</strong> sables<strong>et</strong> les phénomènes d’infiltration/ruissellement sont très dépendants <strong>de</strong> l’intensité <strong>de</strong>s pluies. En résuméles modifications apportées au modèle sont :– Ajout d’une strate <strong>de</strong> végétation pour représenter les couverts hétérogènes composés d’unevégétation basse (herbe) <strong>et</strong> d’une végétation haute (plant <strong>de</strong> guiera ou mil). Le modèle <strong>de</strong> transfertradiatif couplé a été modifié en conséquence pour prendre en compte les réflections multiplesentre les strates <strong>de</strong> végétation <strong>et</strong> le sol.– Prise en compte <strong>de</strong>s phénomènes <strong>de</strong> ruissellement <strong>et</strong> drainage par l’introduction du modèlesimplifié <strong>de</strong> Green & Ampt. Ce modèle perm<strong>et</strong> <strong>de</strong> calculer la capacité d’infiltration d’un sol àpartir du contenu en eau <strong>de</strong> la surface.
128 Conclusion– Description d’un mulch <strong>de</strong> surface qui contrôle les échanges d’eau entre le sol <strong>et</strong> l’atmosphèrevia une résistance à l’évaporation. Le mulch est une couche <strong>de</strong> sol totalement sèche, c<strong>et</strong>tecouche évolue en fonction <strong>de</strong>s pertes <strong>et</strong> gains d’eau du sol (évaporation, précipitation).Le modèle ainsi créé a été baptisé SEtHyS Savannah. Il est contraint par 28 paramètres <strong>et</strong> 8 conditionsinitiales.tel-00277226, version 1 - 5 May 2008Les mesures acquises dans le cadre <strong>de</strong> la campagne <strong>de</strong> mesures AMMA ont permis <strong>de</strong> m<strong>et</strong>treen place un jeu <strong>de</strong> données pour forcer <strong>et</strong> vali<strong>de</strong>r le modèle localement sur <strong>de</strong>ux parcelles (mil <strong>et</strong>jachère). Plus précisément, le jeu <strong>de</strong> données <strong>de</strong> forçage est constitué <strong>de</strong>s variables météorologiques(température <strong>et</strong> humidité <strong>de</strong> l’air, intensité du vent, rayonnements solaire <strong>et</strong> atmosphérique <strong>et</strong> précipitations)<strong>et</strong> <strong>de</strong>s paramètres <strong>de</strong> végétation (LAI <strong>et</strong> hauteur) pour lesquels <strong>de</strong>s incertitu<strong>de</strong>s subsistent (les mesuresconcernent un seule strate <strong>de</strong> végétation). Pour la validation du modèle, nous disposons <strong>de</strong>s mesures<strong>de</strong> flux turbulents, du flux <strong>de</strong> chaleur dans le sol (à 10cm, non ramené à la surface), du rayonnementn<strong>et</strong> <strong>et</strong> <strong>de</strong> l’humidité du sol (non étalonnée).La première étape a consisté à optimiser les paramètres du modèle par la métho<strong>de</strong> d’étalonnagemulticritères attachée au modèle SEtHyS par Cou<strong>de</strong>rt <strong>et</strong> al. (2006). Les résultats <strong>de</strong> l’étalonnage ontmontré que seuls les paramètres liés au sol sont sensibles. Néanmoins <strong>de</strong> fortes différences ont étéobservées entre les <strong>de</strong>ux sites. Des comparaisons annuelles ont été effectuées entre les simulations<strong>et</strong> les observations <strong>de</strong> flux turbulent, <strong>de</strong> chaleur dans le sol <strong>et</strong> le rayonnement n<strong>et</strong>. Elles ont montréque la simulation <strong>de</strong>s flux est meilleure sur le site <strong>de</strong> mil que sur le site <strong>de</strong> jachère. On expliquec<strong>et</strong>te différence par une plus gran<strong>de</strong> hétérogénéité <strong>de</strong> la végétation sur le site <strong>de</strong> jachère. D’autrepart, on a pu m<strong>et</strong>tre en évi<strong>de</strong>nce une amélioration <strong>de</strong>s simulations <strong>de</strong> notre modèle par rapport àl’ancienne version. C<strong>et</strong>te amélioration est visible sur les comparaisons annuelles mais aussi sur lescomparaisons journalières <strong>de</strong>s cycles diurnes <strong>de</strong>s termes du bilan d’énergie. En eff<strong>et</strong>, on a montré enparticulier que le modèle SEtHyS Savannah perm<strong>et</strong> <strong>de</strong> mieux représenter la dynamique journalière <strong>de</strong>l’évapotranspiration.Cependant la validation n’est que partielle car on ne dispose pas encore <strong>de</strong>s mesures d’humiditésétalonnées dans le sol qui auraient été intéressantes d’une part pour vali<strong>de</strong>r le bilan hydrique, <strong>et</strong> d’autrepart pour perm<strong>et</strong>tre un étalonnage plus robuste <strong>de</strong>s paramètres.Il semble, en conclusion, que l’introduction <strong>de</strong> la représentation d’un mulch <strong>de</strong> surface présenteun réel intérêt quant à la modélisation <strong>de</strong>s termes du bilan d’énergie. L’ajout d’une secon<strong>de</strong> strate <strong>de</strong>végétation, n’apporte dans notre cas aucune amélioration sur les variables étudiées. Néanmoins, il estprobable qu’au niveau <strong>de</strong>s simulations <strong>de</strong> flux <strong>de</strong> CO 2 on puisse observer une amélioration car notremodèle perm<strong>et</strong> <strong>de</strong> prendre en compte <strong>de</strong>ux végétations ayant <strong>de</strong>s comportements photosynthétiquesdifférents. Le modèle SEtHyS Savannah serait alors un outil intéressant pour mieux comprendre lecycle du carbone <strong>et</strong> <strong>de</strong>s gaz à eff<strong>et</strong> <strong>de</strong> serre <strong>et</strong> mieux prévoir leur évolutions en fonction <strong>de</strong> la variabilitéclimatique en Afrique sub-saharienne.
Conclusion 129Spatialisation du modèl<strong>et</strong>el-00277226, version 1 - 5 May 2008L’étu<strong>de</strong> <strong>de</strong>s bilans d’énergie <strong>et</strong> d’eau sur <strong>de</strong> gran<strong>de</strong>s zones (échelle régionale ou gran<strong>de</strong> échelle)est rendue difficile par le manque <strong>de</strong> données spatialisées pour forcer <strong>et</strong> vali<strong>de</strong>r les résultats. Latélédétection offre <strong>de</strong> nombreuses possibilités dans ce domaine.Pour établir une modélisation à l’échelle du super-site AMMA/Niger nous nous sommes doncappuyés sur <strong>de</strong>s données <strong>de</strong> différents capteurs pour lesquels nous avons utilisé <strong>et</strong> développé <strong>de</strong>smétho<strong>de</strong>s spécifiques <strong>de</strong> traitement. Une carte d’occupation <strong>de</strong>s sols est indispensable pour définir lesdifférents mo<strong>de</strong>s <strong>de</strong> fonctionnement du modèle. Elle a été calculée à l’ai<strong>de</strong> d’une image SPOT/HRVpar la combinaison <strong>de</strong> différentes métho<strong>de</strong>s <strong>de</strong> classification. La série d’images SPOT/HRV acquisedurant la saison <strong>de</strong>s pluies 2005 a également permis d’estimer le cycle saisonnier du LAI, paramètre<strong>de</strong> forçage du modèle, grâce à la métho<strong>de</strong> développée par Bar<strong>et</strong> <strong>et</strong> al. (2007a, 2007b). La carte d’occupation<strong>de</strong>s sols <strong>et</strong> les cartes <strong>de</strong> LAI ont été validées par <strong>de</strong>s relevés terrain. Ainsi, en combinant lesdonnées <strong>de</strong> télédétection <strong>et</strong> les mesures in situ d’une station météorologique <strong>et</strong> du réseau <strong>de</strong> pluviographes,nous avons pu forcer le modèle à l’échelle du super-site.Dans l’objectif <strong>de</strong> vali<strong>de</strong>r c<strong>et</strong>te modélisation distribuée, <strong>de</strong>ux variables <strong>de</strong> sortie du modèle ontété comparées à <strong>de</strong>s produits <strong>de</strong> télédétection : l’humidité <strong>de</strong> surface du sol <strong>et</strong> la température <strong>de</strong>surface. Une métho<strong>de</strong> spécifique a été mise en place pour estimer l’humidité <strong>de</strong> surface à partir <strong>de</strong>sdonnées ASAR/ENVISAT. Nous avons montré que la comparaison avec les sorties du modèle n’estpas très bonne. Le formalisme choisi pour la représentation du mulch, <strong>et</strong> les incertitu<strong>de</strong>s sur la métho<strong>de</strong>d’estimation conduisent à une faible corrélation <strong>de</strong>s signaux d’humidité estimée <strong>et</strong> simulée.La comparaison <strong>de</strong>s températures <strong>de</strong> surface simulées avec les produits <strong>de</strong> température <strong>de</strong> surfaceMSG <strong>et</strong> MODIS apporte un réel élément <strong>de</strong> validation. Malgré une dispersion forte (2 à 4 K) on apu observer <strong>de</strong> fortes corrélations <strong>et</strong> <strong>de</strong>s biais faibles (avec MSG). C<strong>et</strong>te comparaison est encourageantecar c’est un premier élément <strong>de</strong> validation d’une variable clef du bilan d’énergie. D’autre part,la comparaison avec les produits MSG est très prom<strong>et</strong>teuse dans une perspective d’étalonnage <strong>de</strong>sparamètres du modèle à partir <strong>de</strong>s caractéristiques du cycle diurne <strong>de</strong>s températures (Cou<strong>de</strong>rt <strong>et</strong> al.,2007) ou d’assimilation.Dans une <strong>de</strong>rnière phase, nous avons mis en évi<strong>de</strong>nce l’impact <strong>de</strong> la métho<strong>de</strong> d’interpolation spatiale<strong>de</strong>s précipitations (à partir <strong>de</strong>s mesures ponctuelles du réseau <strong>de</strong> pluviographes) sur la simulation<strong>de</strong>s variables du bilan hydrique à l’échelle du super-site. Nous avons pu observer ainsi <strong>de</strong> fortes variationsdans la simulation du ruissellement <strong>et</strong> <strong>de</strong> l’évapotranspiration. C<strong>et</strong>te étu<strong>de</strong> souligne par ailleursle fait que la variabilité <strong>de</strong> la distribution <strong>de</strong>s précipitations peut avoir un impact non négligeable surle bilan d’eau. On m<strong>et</strong> ici en évi<strong>de</strong>nce une limite <strong>de</strong> la spatialisation du forçage à partir <strong>de</strong> donnéesponctuelles. Des tests doivent maintenant être faits afin <strong>de</strong> déterminer si une métho<strong>de</strong> plus complexed’interpolation <strong>de</strong>s pluies peut apporter une amélioration significative pour la simulation <strong>de</strong> l’humidité<strong>de</strong> surface par exemple.
130 ConclusionEnfin, un test <strong>de</strong> sensibilité à l’occupation du sol a été mené. Il a montré qu’un changementd’occupation du sol influence significativement les bilans d’eau <strong>et</strong> d’énergie.Le proj<strong>et</strong> ALMIPtel-00277226, version 1 - 5 May 2008Le modèle SEtHyS Savannah participe également au programme d’intercomparaison <strong>de</strong> modèles<strong>de</strong> surface ALMIP (AMMA Land Surface Mo<strong>de</strong>l Intercomparison, http ://www.cnrm.m<strong>et</strong>eo.fr). Ceprogramme a pour objectifs <strong>de</strong> déterminer quels sont les processus mal représentés dans les différentsmodèles, comparer les comportements au changement d’échelle <strong>et</strong> développer une climatologie multimodèlessur l’Afrique <strong>de</strong> l’Ouest. Plusieurs simulations ont été réalisées à l’échelle <strong>de</strong> toute l’Afrique<strong>de</strong> l’Ouest <strong>et</strong> d’une sous fenêtre sur une pério<strong>de</strong> s’étendant <strong>de</strong> 2003 à 2006. Des simulations vontêtre effectuées à fine échelle sur trois sites expérimentaux au Mali, au Niger <strong>et</strong> au Bénin. Différentsforçages ont été utilisés, ils combinent <strong>de</strong>s réanalyses du centre européen <strong>de</strong> prévisions météorologiquesà moyen terme (ECMWF), <strong>de</strong>s données <strong>de</strong> télédétection (base <strong>de</strong> données Precip-AMMA) <strong>et</strong> la base<strong>de</strong> donnée Ecoclimap (Masson <strong>et</strong> al., 2003).Une douzaine <strong>de</strong> modèles participent à ce proj<strong>et</strong>. Les premiers résultats semblent montrer que SEtHySSavannah simule les bilans d’énergie <strong>et</strong> d’eau correctement en comparaison aux autres modèlesparticipants. Cependant les résultats font actuellement l’obj<strong>et</strong> d’analyse <strong>et</strong> d’intercomparaison approfondis(Boone <strong>et</strong> al., 2007).BilanLe modèle SEtHyS Savannah a été développé à l’échelle locale, puis spatialisé grâce aux données<strong>de</strong> télédétection spatiale haute résolution, enfin il aura été appliqué à l’échelle <strong>de</strong> l’Afrique <strong>de</strong> l’Ouestdans le cadre du proj<strong>et</strong> ALMIP. Les résultats obtenus montrent que le modèle SEtHyS Savannahsemble capable <strong>de</strong> simuler correctement les bilans d’eau <strong>et</strong> d’énergie. A l’échelle locale, certainsrésultats <strong>de</strong>man<strong>de</strong>nt cependant à être confirmés, en particulier lorsque la base <strong>de</strong> données <strong>de</strong> l’étu<strong>de</strong>sera complétée par les mesures étalonnées d’humidité <strong>et</strong> <strong>de</strong> flux <strong>de</strong> conduction dans le sol.L’étu<strong>de</strong> a également montré que la télédétection spatiale perm<strong>et</strong> <strong>de</strong> caractériser les états <strong>de</strong> surfaces,d’estimer certains paramètres d’entrée <strong>et</strong> <strong>de</strong> vali<strong>de</strong>r certaines variables <strong>de</strong> sortie <strong>de</strong>s modèlesSVAT. La comparaison <strong>de</strong>s températures <strong>de</strong> surface a montré <strong>de</strong>s résultats encourageants. En revancheles incertitu<strong>de</strong>s concernant les données du capteur ASAR n’ont pas permis <strong>de</strong> vali<strong>de</strong>r correctementl’humidité <strong>de</strong> surface simulée par le modèle. Pour mieux quantifier les incertitu<strong>de</strong>s, il serait intéressant<strong>de</strong> comparer les humidité ASAR avec d’autres modèles <strong>et</strong> éventuellement d’inclure ces données dansle processus d’intercomparaison ALMIP2 (suite du programme ALMIP à fine échelle).D’autres données <strong>de</strong> télédétection pourraient être utilisées à l’avenir pour contraindre ou vali<strong>de</strong>rla modélisation. On citera par exemple, les données <strong>de</strong> radars altimétriques pour estimer la hauteur<strong>de</strong>s mares <strong>et</strong> vali<strong>de</strong>r le ruissellement, les données SMOS pour l’estimation <strong>de</strong> l’humidité <strong>de</strong> surface
Conclusion 131à gran<strong>de</strong> échelle ou encore les données <strong>de</strong> rayonnement solaire <strong>et</strong> albédo qui pourraient être utiliséespour forcer le modèle <strong>et</strong> mieux prendre en compte la variabilité spatiale.L’étu<strong>de</strong> menée pendant c<strong>et</strong>te thèse pose les bases du modèle SEtHyS Savannah à partir duqueld’autres étu<strong>de</strong>s pourront être menées, en particulier il pourrait perm<strong>et</strong>tre <strong>de</strong> répondre à un certainnombre <strong>de</strong> questions scientifiques comme par exemple : quel est l’impact du changement d’échellesur la paramétrisation choisie ? Les représentations du mulch <strong>et</strong> <strong>de</strong> la végétation en <strong>de</strong>ux strates sontelles significatives à gran<strong>de</strong> échelle ? Faut-il prendre en compte l’hétérogénéité du paysage à gran<strong>de</strong>échelle ? Comment caractériser <strong>et</strong> intégrer la variabilité spatiale <strong>de</strong> l’atmosphère ? <strong>et</strong>c...tel-00277226, version 1 - 5 May 2008D’autre part, la méthodologie développée durant c<strong>et</strong>te thèse constitue un outil adapté à <strong>de</strong>s étu<strong>de</strong>sd’impacts à l’échelle régionale. Des étu<strong>de</strong>s d’impact <strong>de</strong> changements climatiques ou anthropiques surla ressource en eau représentent <strong>de</strong>s éléments <strong>de</strong> réponse très intéressants à m<strong>et</strong>tre à la disponibilité<strong>de</strong>s déci<strong>de</strong>urs <strong>et</strong> gestionnaires <strong>de</strong> la ressource en eau. Ainsi, <strong>de</strong>s outils tels que le notre doivent pouvoirperm<strong>et</strong>tre à long terme une meilleures utilisation <strong>de</strong> la ressource en eau dans une région ou la survie<strong>de</strong>s populations en est presque totalement dépendante.
tel-00277226, version 1 - 5 May 2008
Annexe AArticle 1 : SEtHyS Savannah : a multiplesource land surface mo<strong>de</strong>l applied tosahelian landscapestel-00277226, version 1 - 5 May 2008SAUX PICART S., C. OTTLÉ, A. PERRIER, B. DECHARME, B. COUDERT, M. ZRIBI, N. BOU-LAIN, B. CAPPELAERE, D. RAMIERSoumis à : Agricultural and Forest M<strong>et</strong>eorology
134 Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelian landscapesSEtHyS_Savannah : a multiple source land surface mo<strong>de</strong>l applied tosahelian landscapesS. Saux-Picart 1 , C. Ottlé 2 , A. Perrier 3 , B. Decharme 2 , B. Cou<strong>de</strong>rt 1 , M. Zribi 1 ,N. Boulain 4 , B. Cappelaere 4 , D. Ramier 5(1) : CETP/IPSL, 10 Avenue <strong>de</strong> l’Europe, 78140 Vélizy, France(2) : LSCE/IPSL, Centre d'Etu<strong>de</strong>s <strong>de</strong> Saclay, Orme <strong>de</strong>s Merisiers, 91191 Gif-sur-Yv<strong>et</strong>te, France(3) : INAPG, 16 Rue Clau<strong>de</strong> Bernard, 75231 Paris ce<strong>de</strong>x 05, France(4) : HSM/IRD, 911 avenue Agropolis, BP 64501, 34394 Montpellier ce<strong>de</strong>x 05 – France(5) : IRD Niamey, Avenue <strong>de</strong> Maradi, BP 11416, Niamey – NigerAbstract :tel-00277226, version 1 - 5 May 2008A new version of the SEtHyS SVAT mo<strong>de</strong>l (Cou<strong>de</strong>rt <strong>et</strong> al., 2006) was <strong>de</strong>veloped to mo<strong>de</strong>l heat and water fluxesover Savannah landscapes. The mo<strong>de</strong>l handles two veg<strong>et</strong>ation layers (low and high covers) standing above thesoil. The soil water transfers were revised in or<strong>de</strong>r to improve the simulated hydrology over sahelian andsemi-arid regions. Therefore a mulch representation inclu<strong>de</strong>d in a three-layer soil hydrology was chosen. Th<strong>et</strong>wo versions of the mo<strong>de</strong>l have been compared at local scale over two instrumented local sites of the AMMANiger supersite : a fallow and a mill<strong>et</strong> fields equipped with surface fluxes and soil moisture measurements.After a calibration of the mo<strong>de</strong>l param<strong>et</strong>ers using the Multiobjective Calibration Iterative Process (MCIP)m<strong>et</strong>hodology (Demarty <strong>et</strong> al., 2005, Cou<strong>de</strong>rt <strong>et</strong> al., 2006) on the 2005 datas<strong>et</strong>, the simulations of the twoversions of SEtHyS were compared to observations during the following year (2006). Significant differenceswere found b<strong>et</strong>ween the simulations and a b<strong>et</strong>ter agreement with in situ measurements was observed for thenew mo<strong>de</strong>l. <strong>These</strong> differences are discussed in relation to the processes param<strong>et</strong>erizations.Keywords : plant canopy mo<strong>de</strong>lling, surface fluxes, soil surface mulch, SVAT, savannah, Sahel1. IntroductionThe un<strong>de</strong>rstanding of land-atmosphere processes iscrucial in many environmental sciences likehydrology, m<strong>et</strong>eorology or ecology, because theseinteractions impact the atmosphere dynamics andthe water resources, at different spatial andtemporal scales. <strong>These</strong> links are particularly strongin semi arid regions because of the climatecharacteristics: short time rainy season and strongatmospheric <strong>de</strong>mand. In or<strong>de</strong>r to study the landatmospherefeedbacks in semi-arid zones, variousexperimental programs have been <strong>de</strong>signed. Onecan mention as an example, the Semi-Arid LandSurface Atmosphere (SALSA) program (Goodrich<strong>et</strong> al., 2000) or the Sustainability of Semi-AridHydrology and Riparian Areas (SAHRA) program(Sorooshian <strong>et</strong> al., 2002) and more recently theAfrican Monsoon Multidisciplinary Analysis(AMMA; http://www.amma-eu.org) program(Re<strong>de</strong>lsperger <strong>et</strong> al., 2006) which addresses theWest African Monsoon (WAM). The WAM is acoupled land-ocean-atmosphere systemcharacterized by summer rainfall over thecontinent and winter drought. Apart these seasonalchanges, this complex system shows also a largeinterannual variability with extreme changesb<strong>et</strong>ween humid years (before 1970) and drierconditions (post 1970) leading to <strong>de</strong>vastatingenvironmental and socio-economic consequences.In or<strong>de</strong>r to un<strong>de</strong>rstand and quantify the landsurface-atmosphere exchanges, a mo<strong>de</strong>llingstrategy was s<strong>et</strong>tled, supported by observations atdifferent scales: field campaigns, aircraftmeasurements and constitution of a remote sensingdatabase.Land-atmosphere feedbacks in the WAM havebeen shown to be of critical importance foratmospheric prediction at various scales. Koster <strong>et</strong>al. (2004) show the strong coupling b<strong>et</strong>ween soilmoisture and rainfall over the NorthernHemisphere and especially the persistence of soilmoisture anomalies over West Africa. At a smallerscale, Taylor and Lebel(1997) noted thepersistence effects in the spatial organization ofprecipitation for successive convective systems.<strong>These</strong> findings show that it is necessary to <strong>de</strong>velopland surface-atmosphere coupled mo<strong>de</strong>ls for ab<strong>et</strong>ter un<strong>de</strong>rstanding of the role of the veg<strong>et</strong>ationon the WAM dynamics in or<strong>de</strong>r to b<strong>et</strong>ter predictits variability. However, land surface mo<strong>de</strong>lling in1
135tel-00277226, version 1 - 5 May 2008semi-arid environments is a great challenge fordifferent reasons. The difficulties are linked to theextreme climatic conditions, the large land coverh<strong>et</strong>erogeneity (veg<strong>et</strong>ation and soil), the pooramount of data available for processes calibrationand finally, the particular properties of theveg<strong>et</strong>ation <strong>de</strong>veloped to withstand the aridconditions.The semi-arid regions of West Africa such asSahel are covered by savannah landscapescharacterized by h<strong>et</strong>erogeneous ecosystemspresenting various components of distinctproperties. Two layers of veg<strong>et</strong>ation may bedifferentiated : the upper layer generallyconstituted of bushes and trees, and theun<strong>de</strong>rstorey composed of grasses and bare soil.Such ecosystem is difficult to simulate with theclassical LSM Land Surface Mo<strong>de</strong>l) consi<strong>de</strong>ringonly one layer of veg<strong>et</strong>ation to simulate the hydricand energy transfers. The reason is related to thestrong spatial h<strong>et</strong>erogeneity of this ecosystempresenting various physiological and physicalproperties and different temporal dynamicsb<strong>et</strong>ween the high veg<strong>et</strong>ation layer and theun<strong>de</strong>rstorey. For all these reasons, there is anecessity to <strong>de</strong>velop adapted LSM, able tosimulate such multisources environments and abl<strong>et</strong>o be monitored by remote sensing data tosupplement the lack of observations.The objective of this work is to <strong>de</strong>velop such aLSM for savannah semiarid regions. <strong>These</strong><strong>de</strong>velopments are conducted in the framework ofthe AMMA program taking advantage of theexperimental surface n<strong>et</strong>work implemented todocument the energy and water transfers insi<strong>de</strong> thebiosphere. For this study, the S<strong>et</strong>HyS LSM(Cou<strong>de</strong>rt <strong>et</strong> al., 2006) was improved in or<strong>de</strong>r tosimulate savannah landscapes. Thus, a secondveg<strong>et</strong>ation layer was ad<strong>de</strong>d and the soilrepresentation was modified in or<strong>de</strong>r to b<strong>et</strong>tersimulate the water and energy budg<strong>et</strong>s. The newSEtHyS mo<strong>de</strong>l, called SEtHyS_Savannah, isbriefly <strong>de</strong>scribed in section 2. <strong>These</strong> mo<strong>de</strong>ls areevaluated at the local scale against two fluxstations covered by mill<strong>et</strong> and fallow installed onthe Niger instrumented sites. The experimental<strong>de</strong>sign is shown in section 3. The mo<strong>de</strong>l results, aswell as a comparison with the former version ofSEtHyS, are given in Section 4 while a shortdiscussion and the main conclusions are provi<strong>de</strong>din sections 5.2. The SEtHyS_Savannah mo<strong>de</strong>lThe SEtHyS_Savannah mo<strong>de</strong>l, is <strong>de</strong>rived from theSEtHyS mo<strong>de</strong>l (Cou<strong>de</strong>rt at al., 2006) which is aone dimensional Soil-Veg<strong>et</strong>ation-Atmosphere-Transfer (SVAT) mo<strong>de</strong>l. SEtHyS has a two-layersoil hydrology : a thin top layer of 10cm inclu<strong>de</strong>din the total root zone following Deardorff(1978).The surface is represented by two components :the soil and the overlaying veg<strong>et</strong>ation. Th<strong>et</strong>ransfers b<strong>et</strong>ween these two sources and theatmosphere are based on the resistance conceptwhere the fluxes are <strong>de</strong>termined by integration ofthe diffusion equations for heat and energy.Various param<strong>et</strong>erizations are inclu<strong>de</strong>d torepresent the resistances n<strong>et</strong>work (Cou<strong>de</strong>rt at al.,2006). Because of the h<strong>et</strong>erogeneouscharacteristics of savannah compared toagricultural areas, two sources are not sufficient torepresent such complex ecosystems with differentphotosynthesis functioning (C3 and C4 species) aswell as different heights and phenology. Previousworks carried over such semi arid veg<strong>et</strong>ations,show the importance to differentiate at least thegrass and the woody components (Verhoef andAllen, 2000 ; Tuz<strong>et</strong> <strong>et</strong> al., 1997). Consi<strong>de</strong>ring thesoil, several studies (Jalota, 1993; Braud <strong>et</strong> al.,1997) have shown the importance of having a drysoil mulch <strong>de</strong>scription –especially un<strong>de</strong>r semiaridconditions – to b<strong>et</strong>ter <strong>de</strong>scribe evaporation andrunoff/infiltration mechanisms. The dry soil mulchlayer is a totally dry surface layer fed by the lossof water by soil evaporation.Consequently, various modifications havebeen brought to the SEtHyS mo<strong>de</strong>l in or<strong>de</strong>r torepresent savannah landscapes. Three sourcesformalism was chosen to represent the soil andtwo veg<strong>et</strong>ation layers (grass and trees). It isassumed that there is always a grass layer un<strong>de</strong>r atop veg<strong>et</strong>ation layer, which could be crops likemill<strong>et</strong> or fallow bushes. The soil is divi<strong>de</strong>d intotwo layers: the root zone for the grass which isabout 60cm, and a <strong>de</strong>ep layer that is reached onlyby the tree roots. A mulch layer can form withinthe top layer and the soil resistance to water vapordiffusivity is directly proportional to the thicknessthis mulch. After a rainy event, two mulch layersseparated by a w<strong>et</strong> layer can be simulated,. Theinfiltration rate is computed as the differenceb<strong>et</strong>ween the surface runoff and the through-fallrate, which is the sum of the rainfall notintercepted by the canopy and the dripping fromthe interception reservoir. The surface runoff onlytake into account the infiltration excessmechanism (Horton runoff) following Decharmeand Douville (2006). The Horton runoff, with asoil surface crusting process, is the dominatingtype of runoff over sahelian region which iscaracterised by high intensity rainfall events(Casenave and Valentin, 1992; Peugeot <strong>et</strong> al.,1997).In addition, three energy budg<strong>et</strong>s are solvedfor the bare soil, grass and trees components. Ashielding factor (Deardorff, 1978) is used to2
136 Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelian landscapestel-00277226, version 1 - 5 May 2008Figure 1 : Schematic representation of the multisource SEtHyS andSEtHyS_Savannah resistancen<strong>et</strong>workpartition incoming downward shortwave andlongwave radiations assuming a sphericaldistribution of the leaves for the two veg<strong>et</strong>ationlayers. The resistance scheme is slightly morecomplicated than in the original mo<strong>de</strong>l (Figure 1).For sensible and latent heat fluxes, aerodynamicalresistances are computed b<strong>et</strong>ween the surface, theveg<strong>et</strong>ation components sources height and thereference level. The wind profile is assumed to belogarithmic shaped above the canopy and thenexponential within the canopy. For the latent heatflux, two resistances are ad<strong>de</strong>d for eachcomponent: the stomatal resistance based on Ball(1988) and Collatz <strong>et</strong> al. (1991 and 1992) and themulch resistance <strong>de</strong>pending on the mulchthickness. All these param<strong>et</strong>erizations arepresented in Appendix A. This new mo<strong>de</strong>l version,called “S<strong>et</strong>HyS_Savannah”, requires 28param<strong>et</strong>ers and 8 initial values summarized inTable 1.The specification of the mo<strong>de</strong>l’s param<strong>et</strong>ers has adirect influence on the system response. Thus, themo<strong>de</strong>l calibration consists in the minimization of acost function <strong>de</strong>aling with the mo<strong>de</strong>l-simulatedoutput and observation data divergence. In or<strong>de</strong>r toachieve such calibration, the multiobjectivecalibration iterative process (MCIP) was applied(Gupta <strong>et</strong> al., 1999; Bastidas <strong>et</strong> al., 1999; Demarty<strong>et</strong> al., 2005). This approach is purely stochasticand based on the iterative reduction of theparam<strong>et</strong>er space by optimization of multi criteriacost functions. Cou<strong>de</strong>rt <strong>et</strong> al. (2006), using theformer SEtHyS mo<strong>de</strong>l, showed that this mo<strong>de</strong>lcalibration can be performed when surface fluxesare used as optimization variables with relativegood accuracy and robustness. In this study, thesame m<strong>et</strong>hodology has been successfully adaptedto calibrate SEtHyS_Savannah param<strong>et</strong>ers.3. Experimental <strong>de</strong>sign3.1 AMMA Niger siteThe studied area is located in southwesternNiger, close to the center of Hapex-Sahel’s square<strong>de</strong>gree (2-3°E, 13,14°N) at 60 km east of Niameywhere major part of HAPEX experiment wereconcentrated (Goutorbe <strong>et</strong> al., 2001) . This areahas been chosen as one of the AMMA’sexperiment site and equipped in or<strong>de</strong>r to documentthe main surface processes. The region isrepresentative of a Sahelian semiarid environmentand climate where rainfall is confined to a singlew<strong>et</strong> season from May-June to September-October.The mean annual temperature is around 29°C, andthe mean monthly temperature reaches the highestvalue in April (34°C) and the lowest value inJanuary (24°C).As part of the AMMA experiment, two sites havebeen intensively instrumented by the IRD-Niamey(Ramier <strong>et</strong> al., 2007) to study basic processes suchas infiltration and evapotranspiration. The first siteis a hand cultivated field of mill<strong>et</strong>. The second oneis a fallow site covered by annual grass andscattered guiera bushes (Guiera Senegalensis). On3
137each site an eddy-covariance flux station has beens<strong>et</strong>tled to characterize the heat, evapotranspirationand carbon dioxi<strong>de</strong> fluxes. Moreover at the samesites, soil temperature and soil moisture probeshave been installed. Technical characteristics ofall instruments are provi<strong>de</strong>d in Ramier <strong>et</strong> al.(2007). The instruments were installed at thebeginning of the year 2005 and the firstmeasurements were acquired on Julian day 166(date 06/15/2005). Then two compl<strong>et</strong>e rainy andveg<strong>et</strong>ative seasons (2005 and 2006) wereavailable. The instruments produce standardforcing variables for land surface schemes as wellas the turbulent fluxes for verification.3.2 Veg<strong>et</strong>ation assessmentMill<strong>et</strong> siteThen, for the mill<strong>et</strong> site, we have consi<strong>de</strong>red,following in situ observations, that the grass layerhas a veg<strong>et</strong>ation cycle strongly <strong>de</strong>pen<strong>de</strong>nt onrainfall, and the maximum height never exceeds40cm. Then, the beginning of the growing cyclewas prescribed after the first rainfall event and themaximum stage of <strong>de</strong>velopment reach in phasewith the crop. Finally, the senescent phase happena few days after the last rainfall event (moreprecisely 10 days after the last precipitation). Theheight of the grass layer has been prescribed with amaximum of 20cm. The shrubs are almostconstituted of Guiera senegalensis bushes whichhave a very low LAI because of the small size ofthe leaves. Up to 80% of the LAI of a fallow site isdue to the grass layer (Van Leeuwen, 1997). Theveg<strong>et</strong>ation cycle of the Guiera senegalensisFallow sit<strong>et</strong>el-00277226, version 1 - 5 May 2008Figure 2 Veg<strong>et</strong>ation param<strong>et</strong>ers (LAI, h) seasonal evolution for the two experimental sites : mill<strong>et</strong>and fallowDuring the whole 2005 and 2006 rainyseasons, LAI and veg<strong>et</strong>ation heights have beenmeasured over six experimental sites almost every15 days around the fluxes stations. On the mill<strong>et</strong>site, only mill<strong>et</strong> plants have been consi<strong>de</strong>red forthe LAI measurements, whereas on fallow siteonly grass have been consi<strong>de</strong>red. Since asignificative grass layer usually <strong>de</strong>velop un<strong>de</strong>rmill<strong>et</strong> fields because of the local agriculturalpractices (no soil weeding) and shrubs coexist withgrasses in fallows, it has been necessary tosuperpose grass and shrubs LAI seasonal cycles tothe measured ones.prescribed is phased with the herbaceousun<strong>de</strong>rlayer dynamics, with an LAI up to 0.2 and aconstant height equal to 1.9m. The resulting LAIfor the two sites are presented on Figure 2. Theinsitu data were interpolated by a spline m<strong>et</strong>hodand a smooth function (boxcar average IDLreference gui<strong>de</strong>).4
138 Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelian landscapesTableau 1 : List of the mo<strong>de</strong>l param<strong>et</strong>ers and variables used in SEtHyS_Savannah and initial param<strong>et</strong>er ranges forthe calibration process (b<strong>et</strong>ween brak<strong>et</strong>s: initial param<strong>et</strong>er intervals before calibration; in bold: calibration results)Name Description Param<strong>et</strong>er range formill<strong>et</strong> siteOptical propertieseseg, <strong>et</strong>emissivity of bare soil, grassand tree[0.95,0.99] 0.960.99, 0.99Param<strong>et</strong>er range forfallow site[0.95,0.99] 0.980.99,0.99albsec bare and w<strong>et</strong> soil albedo [0.25,0.4] 0.38 [0.25,0.4] 0.33 -albhum[0.12,0.24] 0.23 [0.12,0.24] 0.22winf, wsup Soil moisture param<strong>et</strong>ers for 0.006, 0.2 0.006, 0.2 m 3 .m -3albedo calculationalbg, albt grass and tree albedos 0.32, 0.32 0.32, 0.32 -Unit-tel-00277226, version 1 - 5 May 2008Veg<strong>et</strong>ationcaracteristicsVmax0g,Vmax0t leaf photosynth<strong>et</strong>ic capacity 30, 100 30, 60 mol.m -2 .s -1(Rubisco)lgfg, lgft leaf width 0.01, 0.01 0.01, 0.01 mkwstrempirical param<strong>et</strong>er for waterstress calculation0.02 0.02 -Ground propertiesphcg, phct ‘half critic’ hydric potential -200, -200 -200, -300 mwsat saturated water content 0.27 0.27 m 3 .m -3wcc field capacity 0.2 0.2 m 3 .m -3wresid residual water content 0.006 0.006 m 3 .m -3ksat1 surface saturated hydraulic [5 10 -7 ,5 10 -5 ] 1 10 -5 [5 10 -7 ,5 10 -5 ] 3 10 -6 m.s -1conductivityksat <strong>de</strong>ep saturated hydraulic [5 10 -7 ,5 10 -5 ] 9.1 10 -6 [5 10 -7 ,5 10 -5 ] 8 10 -7 m.s -1conductivityfacttherm correction coefficient of thevolum<strong>et</strong>ric heat soil capacity[1,2] 1.5 [1,2] 1.2 J.m -3 .K -1tortuosity [1,3] 1.5 [1,3] 1.22 -diffv soil water vapour diffusivity 7.5 10 -5 7.5 10 -5 m2.s -1¢sat water potential of saturated-0.16 -0.16 msoilb r<strong>et</strong>ention curve slope [3,9] 4.2 [3,9] 8.4 -zrg, zrt <strong>de</strong>pth of soil reservoirs 0.6, 1.0 0.4, 1.0 mw g10w g20w t0Initial variableswater content of the differentsoil layers[0.005,0.15] 0.08[0.005,0.15] 0.125[0.01,0.15] 0.125[0.005,0.15] 0.02[0.005,0.15] 0.02[0.01,0.15] 0.14z mulch10 , z mulch20 , thickness of the soil layers 0, 0.18, 0.05, 0.37 0, 0.11, 0.05, 0.24 mz 10 , z 20t 20 <strong>de</strong>ep soil temperature [300,310] 305 [300,310] 303 Km 3 .m -33.3 Mo<strong>de</strong>l calibrationsThe m<strong>et</strong>hodology MCIP which was used tocalibrate the SEtHyS_savannah mo<strong>de</strong>l consists inthe reduction of an initial param<strong>et</strong>er space byoptimization of the output surface fluxes againstobservations. The m<strong>et</strong>hod requires the generationof an ensemble of simulations (6000 in this case)exploring an initial param<strong>et</strong>er space and the5¡soil
139Tableau 2 Statistics results obtained for the calibration and the validation periods with the 2 mo<strong>de</strong>l versionsS<strong>et</strong>h_ini and S<strong>et</strong>h_savCalibration period [DOE 168-DOE 369] Validation period [DOE 379-DOE 729]Mill<strong>et</strong> siteS<strong>et</strong>h_ini S<strong>et</strong>h_sav S<strong>et</strong>h_ini S<strong>et</strong>h_savRMSE corr RMSE corr RMSE corr RMSE corrLE 46.0 0.79 36.3 0.88 44.3 0.81 31.6 0.91H 78.8 0.88 48.6 0.90 50.2 0.90 36.0 0.93GE 59.4 0.77 45.1 0.75 59.9 0.82 46.5 0.78RN 18.0 0.99 20.6 0.99 14.0 0.99 24.8 0.99Fallow siteS<strong>et</strong>h_ini S<strong>et</strong>h_sav S<strong>et</strong>h_ini S<strong>et</strong>h_savRMSE corr RMSE corr RMSE corr RMSE corrLE 51.3 0.82 45.4 0.87 65.7 0.80 53.9 0.88H 87.3 0.82 71.2 0.89 87.7 0.75 78.9 0.84GE 45.0 0.75 34.4 0.83 49.1 0.80 35.3 0.83RN 19.9 0.99 25.0 0.99 17.5 0.99 36.8 0.99tel-00277226, version 1 - 5 May 2008iterative Par<strong>et</strong>o ranking of the best simulations (forwhich the agreement with the observations is thebest), to reduce the param<strong>et</strong>er space. Thecalibration is generally achieved after a fewnumber of iterations (10 is a maximum value).Several calibration tests have been performed,as a first step, to i<strong>de</strong>ntify the sensible param<strong>et</strong>ersin this semi-arid environment. They showed thatthe param<strong>et</strong>ers relative to the veg<strong>et</strong>ation processes(transpiration, interception, radiation) were notsensible on the simulations of the two sites.Actually, this is not surprising as the veg<strong>et</strong>ation issparse with very low LAI all along the year.Consequently, the mo<strong>de</strong>l calibration has beenperformed only on the soil param<strong>et</strong>ers gouverningthe soil water and energy processes and initialconditions. The initial ranges for the param<strong>et</strong>ershave been chosen according to the literature and apriori knowledge of the field conditions. Thevalues reach by the calibration are indicated inbold in Table 1.Both versions of the SEtHyS mo<strong>de</strong>l (initialversion called in the following S<strong>et</strong>h_ini and theSavannah version called in the followingS<strong>et</strong>h_sav), have been calibrated over the periodb<strong>et</strong>ween 06/17/2005 and 4/01/2006 (ie DOE 168and 369 respectively). This period has been chosenin or<strong>de</strong>r to have w<strong>et</strong> conditions as well as dryconditions. Then the validation was performedover the one year period after the calibrationperiod (year 2006, DOE 366-730). The param<strong>et</strong>ervalues reached after calibration are presented inTable 1 for the mill<strong>et</strong> and the fallow sites. It has tobe noted that calibration does not converge to thesame final range for param<strong>et</strong>ers that are commonto the two versions of SEtHyS mo<strong>de</strong>l. Particularlythe w<strong>et</strong> soil albedo and the slope of the r<strong>et</strong>entioncurve which respectively converge to 0.38 and 4.2on the mill<strong>et</strong> site, and to 0.33 and 8.4 on the fallowsite.4. ResultsAfter calibration of the two mo<strong>de</strong>ls,validations have been performed over the two sitesduring the following one-year period (DOE 366-730) and more precisely on the second growingseason beginning (DOE 550-650). Statisticalresults in terms of root mean square errors andcorrelation coefficients are presented in Table 2for the calibration and the validation periods.Comparison of the time series of the fluxes on th<strong>et</strong>wo years of the datas<strong>et</strong> are not shown becausefigures are almost illegible given the length of th<strong>et</strong>wo growing seasons. Instead Figures 3 yield thecomparison of observed and mo<strong>de</strong>led (by theSEtHyS Savannah version of the mo<strong>de</strong>l) terms ofthe energy balance as scatter plots. Then short timeseries were extracted in or<strong>de</strong>r to compare thepredictions of the two versions of the mo<strong>de</strong>l withthe ground truth measurements.Globally the new version of SEtHyS mo<strong>de</strong>l(S<strong>et</strong>h_sav) performs b<strong>et</strong>ter on the whole periodthan the previous version (S<strong>et</strong>h_ini). As shown inTable 2, all fluxes are b<strong>et</strong>ter represented on the 2sites except n<strong>et</strong> radiation. For the mill<strong>et</strong> site thereis not much differences observing the root meansquare errors (RMSE), we have only 2W/m2difference during the calibration period and 12W/m2 for the validation period. However we have6
140 Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelian landscapestel-00277226, version 1 - 5 May 2008Figure 3 :Comparison b<strong>et</strong>ween measured and mo<strong>de</strong>lled (S<strong>et</strong>h_sav) fluxes (N<strong>et</strong> radiation,evapotranspiration, sensible heat and ground heat fluxes on both sites for the validation period (DOE379-729). Mill<strong>et</strong> site on the left and fallow site on the right.almost 20 W/m2 RMSE difference during thesecond year of simulation on the fallow site. Forthe fallow site the RMSE regarding n<strong>et</strong> radiationare more than 5 W/m2 upper with the new versionof the mo<strong>de</strong>l for both periods. Latent heat flux,sensible heat flux and ground heat flux are b<strong>et</strong>terrepresented by SEtHyS Savannah mo<strong>de</strong>l.Enhancement up to 15 W/m2 in RMSE for the twoyears simulation can be observed.7
141Figure 3 represents the scatter plots b<strong>et</strong>weenobservations and S<strong>et</strong>h_sav simulations for bothsites and for the validation period. All the fluxeswith the observations (RMSE=46 W/m²,correlation coefficient=0.78 over mill<strong>et</strong> andRMSE=35 W/m², correlation coefficient=0.83).tel-00277226, version 1 - 5 May 2008Figure 4 :Time series for observed (dots) and mo<strong>de</strong>lled surface fluxes : n<strong>et</strong> radiation, evapotranspiration,sensible heat and ground heat fluxes for the 2 mo<strong>de</strong>l versions (S<strong>et</strong>h_ini in dashed line and S<strong>et</strong>h_sav insolid line) on the fallow site, for 2 time periods (DOE 612-616) and (DOE 640-647)except ground heat flux, are b<strong>et</strong>ter simulated overthe mill<strong>et</strong> field than over the fallow with RMSEless than 40 W/m2 and correlation coefficientgreater than 0.78. Over the fallow, the plots aremore scattered and the RMSE are larger (55W/m2for evapotranspiration) except for the ground heatfluxes which seems to be in a b<strong>et</strong>ter agreementThis is linked to the larger spatial h<strong>et</strong>erogeneity ofthe surface (land cover, soil moisture) which makedifficult the fluxes measurements as well as themo<strong>de</strong>l calibration as already noted by Lloyd <strong>et</strong> al.,1997. Ground heat flux measurements have beenperformed at 5cm <strong>de</strong>pth, and do not have beenreported to the soil surface. This correction8
142 Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelian landscapestel-00277226, version 1 - 5 May 2008Figure 5 : Time series for observed (dots) and mo<strong>de</strong>lled surface fluxes : n<strong>et</strong> radiation, evapotranspiration,sensible heat and ground heat fluxes for the 2 mo<strong>de</strong>l versions (S<strong>et</strong>h_ini in dashed line and S<strong>et</strong>h_sav insolid line) on the mill<strong>et</strong> site, for 2 time periods (DOE 300-307) and (DOE 607-613)<strong>de</strong>pends on the soil characteristics, and may have asignificant impact on comparisons with simulatedground heat fluxes.Figures 4 and 5 show the energy balanc<strong>et</strong>erms simulated and observed for short timesseries for both sites. Unfortunately, we have a lakeof latent and sensible heat fluxes observationsduring almost every rain events and during thefollowing hours. Only few rain events have beenproperly monitored. The differences are analyzedon the two sites individually, we present here th<strong>et</strong>ime series showing the impact of the new mo<strong>de</strong>lparam<strong>et</strong>erizations.On the mill<strong>et</strong> site, during the DOE 607 a smallrain event (~2mm) occurred at about 12 PM, thefigure 4 shows the strong difference in the twomo<strong>de</strong>ls response. The S<strong>et</strong>h_ini mo<strong>de</strong>l does notseem to be sensible to that event while S<strong>et</strong>h_sav9
143Figure 6 : Daily evolution of the various components of the evapotranspiration term (Soil and veg<strong>et</strong>ationevapotranspiration, rainfall,) for the 2 mo<strong>de</strong>l versions (mill<strong>et</strong> site on the left and fallow site on the right)tel-00277226, version 1 - 5 May 2008responds quite well regarding the latent heat fluxobservation. On the other hand, when a highrainfall occurs (DOE 608 Figure 5) both versionsof the mo<strong>de</strong>l seem able to reproduce the increasein latent heat flux. However the <strong>de</strong>crease inevapotranspiration the days following an intenserain event is not well reproduced by the S<strong>et</strong>h_inimo<strong>de</strong>l: during day time, latent heat flux is un<strong>de</strong>restimated while during night time it is overestimated.Sensible heat flux is b<strong>et</strong>ter simulated by thenew version of the mo<strong>de</strong>l although it is overestimated during day time and un<strong>de</strong>r estimatedduring night time. One can observe a slightlyhigher correlation coefficient and a much smallerRMSE.However n<strong>et</strong> radiation is not well represented.During day time, the new version of the mo<strong>de</strong>lseems to un<strong>de</strong>restimate n<strong>et</strong> radiation. Thisdrawback comes from surface albedo as will bediscussed later.On the fallow site, as already noted, theRMSE are generally higher, especially for thelatent and sensible heat fluxes. For this site, theresults are quite the same. Evapotranspiration isb<strong>et</strong>ter simulated, as an example, during DOE 612and 613 two rain events are registered, and strongdifferences b<strong>et</strong>ween the responses of the twomo<strong>de</strong>ls are observed. The S<strong>et</strong>h_ini mo<strong>de</strong>l does notseem to be able to respond properly to both, asmall and a big rain event.In sahelian regions, evapotranspiration isstrongly <strong>de</strong>pen<strong>de</strong>nt on soil surface water contentand atmospheric conditions. The formalism usedfor the water budg<strong>et</strong> and the soil surface resistancein SVAT mo<strong>de</strong>ls is then very important. TheS<strong>et</strong>h_ini mo<strong>de</strong>l assumed a 10 cm surface layerinclu<strong>de</strong>d in a large soil layer following Deardorff(1978). Soil evaporation is driven by a soil surfaceconductance that <strong>de</strong>pends on surface soil moistureand potential evaporation. Soil evaporation is thenlimited by an exponential function of the surfacesoil moisture content (Soarès <strong>et</strong> al., 1988). Thisformalism is not suited for semi arid region. Firstbecause the water content of the top 10 cm layer isnot sensible to a very small rain event so themo<strong>de</strong>l can’t respond properly regarding soilevaporation. Second because the exponentiallimitation of soil evaporation does not enable toreproduce the diurnal cycle properly.The proposed mulch layer representationsolves these two problems. The soil resistance isdirectly proportional to the mulch thickness, thusafter a rain event (whatever its intensity may be) itis null. For example, at the beginning of DOE 612a small rain event is immediately followed by apeak of evaporation. Evaporation is not controlledonly by soil water content, but by mulch thicknesswhich <strong>de</strong>pends on antece<strong>de</strong>nt precipitations. Thussoil evaporation <strong>de</strong>creases in a more realistic wayafter a rain event.Figure 6 shows the cumulative component ofevapotranspiration for both sites and both mo<strong>de</strong>ls.Soil evaporation is slightly larger with S<strong>et</strong>h_sav,especially after the rainy season because soil inS<strong>et</strong>h_ini is driven only by the top 10 cm layer.S<strong>et</strong>h_sav simulates a higher veg<strong>et</strong>ationtranspiration, compared to the S<strong>et</strong>h_ini simulation,on mill<strong>et</strong> site and lower veg<strong>et</strong>ation transpiration onthe fallow site. Discrepencies can be explained bythe fact that S<strong>et</strong>_ini mo<strong>de</strong>l is not able to take intoaccount two veg<strong>et</strong>ation layers, so it has been runwith the total LAI. Therefore we assume in thenew mo<strong>de</strong>l, for both sites, that there is a grasslayer un<strong>de</strong>r a mill<strong>et</strong> layer or a bush layer withdifferent stomatal conductance param<strong>et</strong>erizations.For the same soil hydric potential, grass, mill<strong>et</strong>and guiera plant do not have the same stomatalcondusctance thanks to the formalism of Sellers10
144 Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelian landscapesFigure 7 Soil water content observed and mo<strong>de</strong>lled on the mill<strong>et</strong> site (on the left) and on the fallow site(on the right), with the two mo<strong>de</strong>l versions during both years for the different layers of soil (w g and w t ar<strong>et</strong>he soil water content of the two root zone of S<strong>et</strong>h_sav, and w is the soil water content of the S<strong>et</strong>h_ini rootzone)tel-00277226, version 1 - 5 May 2008following Ball (1988) that enable to param<strong>et</strong>rizestomatal conductance according to plant species(C3 and C4).On the fallow site, veg<strong>et</strong>ation transpirationalmost stops before DOE 300 with S<strong>et</strong>_savalthough the veg<strong>et</strong>ation cycle is not over. Actuallythe param<strong>et</strong>er b which represents the slope of ther<strong>et</strong>ention curve (see annex for more <strong>de</strong>tail) has notthe same value (after calibration) for each site (4.2and 8.4 respectively for the mill<strong>et</strong> and fallow site).Thus soil hydric potential is not the same, for samesoil moisture, it is larger (in absolute value) onfallow site than on mill<strong>et</strong> site, so root uptake ismore difficult on fallow site. The soil rententioncurve in S<strong>et</strong>h_ini follow the formalism of VanGenuchten (1985) whereas in S<strong>et</strong>h_sav, it followsthe formalism of Brooks and Corey (1964).Consequently, stomatal resistance is higher onfallow site.The impacts of the water cycleparam<strong>et</strong>erizations are then important on the soilwater content predictions which are presented onFigure 7 for the two sites. The relative soil watercontents (weighted by the thickness of themo<strong>de</strong>led soil layer) have been plotted for the rootzone soil layers, in or<strong>de</strong>r to permit thecomparison. Strong discrepancies are observedb<strong>et</strong>ween the two mo<strong>de</strong>ls especially for the mill<strong>et</strong>site. In the S<strong>et</strong>h_ini mo<strong>de</strong>l, when the top 10 cmlayer of the soil is dry (i.e. at the residual watercontent), the evaporation of the soil is blocked,thus after DOE 320 and until the next rainfallevent (~DOE 520) the soil moisture is constant asthere is no <strong>de</strong>ep drainage In the S<strong>et</strong>h sav mo<strong>de</strong>l,soil moisture continues to <strong>de</strong>crease because of thesoil evaporation and the drainage term. Simulatedwater content is more realistic with the newversion of the mo<strong>de</strong>l compared to theobservations. Especially on the mill<strong>et</strong> site, wher<strong>et</strong>he total root zone in S<strong>et</strong>h_ini the total soil <strong>de</strong>pthhas been calibrated to 0.62m (1.0m for the fallowsite). This could explain the large relativehumidity on mill<strong>et</strong> site compared to the fallow site.Moreover there is no <strong>de</strong>ep drainageparam<strong>et</strong>erization in S<strong>et</strong>h_ini and runoff occursonly if the surface 10cm soil layer is saturated.On the fallow site, it can be observed that thewater is not able to refill the <strong>de</strong>ep soil layer inS<strong>et</strong>h_sav during the first rainy season, whereasduring the second rainy season which is shorterand more intense than the first one, water refill the<strong>de</strong>ep soil layer. On mill<strong>et</strong> site, this is not the case.One reason could be that the root uptakes aresmaller due to lower value of LAI.5. Discussion and conclusionsA new version of the SEtHyS land surfacemo<strong>de</strong>l was <strong>de</strong>veloped to simulate energy and waterbudg<strong>et</strong>s over savannah landscapes. The initial andnew mo<strong>de</strong>ls were intercompared against groundmeasurements available on two sites instrumentedin the framework of the AMMA experiment. Theresults show large improvements of the fluxessimulations provi<strong>de</strong>d by the new soilparam<strong>et</strong>erizations. The soil <strong>de</strong>scription with amulch concept particularly allow to b<strong>et</strong>ter simulatesurface soil moisture and the infiltration mo<strong>de</strong>l ,the root zone water content. More over simulationof the latent heat flux is particularly enhanced atthe daily time scale, and the diurnal cycle is muchb<strong>et</strong>ter restituted thanks to the mulch <strong>de</strong>scription.The principle of calibration process is to findthe best s<strong>et</strong> of param<strong>et</strong>ers that minimize thedifferences b<strong>et</strong>ween observations and simulations.Calibration of the new mo<strong>de</strong>l enables to enhance11
145tel-00277226, version 1 - 5 May 2008simulation of turbulent fluxes and ground heatfluxes compared to the old version of the mo<strong>de</strong>l.However veg<strong>et</strong>ation and soil albedo do notconverge to the same value for both mo<strong>de</strong>ls andthus comparisons b<strong>et</strong>ween n<strong>et</strong> radiation simulatedby the new version of the mo<strong>de</strong>l and observed n<strong>et</strong>radiation shows higher RMSE.Statistical criteria show b<strong>et</strong>ter agreements atall time scale b<strong>et</strong>ween mo<strong>de</strong>ls and observationover the mill<strong>et</strong> site, than over the fallow site. Thisis consistent with Loyd <strong>et</strong> al. (1997) whoconclu<strong>de</strong>s that over fallow, veg<strong>et</strong>ationh<strong>et</strong>erogeneity does not permit to close properly themeasured energy budg<strong>et</strong>, and thus the validation ofthe mo<strong>de</strong>l is not as reliable as on the mill<strong>et</strong> site.Tests have been carried out (not shown in thisarticle) with the S<strong>et</strong>h_sav mo<strong>de</strong>l assuming anunique veg<strong>et</strong>ation layer, showing that a simplemo<strong>de</strong>lisation (two sources) seems enough tosimulate water cycle and energy balance terms.However the enhancement provi<strong>de</strong>d by the secondlayer of veg<strong>et</strong>ation has to be tested over carbonfluxes when measurements are available. Forcarbon fluxes, it is important to handle twoveg<strong>et</strong>ation layers as the guiera, mill<strong>et</strong> or grass havenot the same photosynthesis functioning(assimilation rate).Comparison of the behavior of the twoversions of the mo<strong>de</strong>l shows strong discrepancies.However this is not easy to compare resultsregarding root zone soil moisture as the soil <strong>de</strong>pthsare not the same. S<strong>et</strong>h_sav seems to simulate morerealistic soil moisture especially on the mill<strong>et</strong> site,but results have to be compared to fieldmeasurements as soon as available (calibration isun<strong>de</strong>r process at the time).Another problem is the <strong>de</strong>finition of thebushes LAI (over the fallow site) and of the grass(over the mill<strong>et</strong> site). LAI is a key forcing variabl<strong>et</strong>hat controls transpiration and soil moisture. It isthus important to have a reliable data s<strong>et</strong> tosimulate hydric and energy budg<strong>et</strong>. We haveadjusted LAI measurements according toliterature, and that had a positive contributiontoward fluxes simulations.Results validate the mo<strong>de</strong>l locally. Next stepwill be the spatialisation with remote sensing dataand the validation of surface temperature on theAMMA/Niger super site.Appendix A : SEtHyS_Savannah land surfacemo<strong>de</strong>l1. Energy transfersThree energy budg<strong>et</strong>s are calculated explicitely inthe mo<strong>de</strong>l, for each veg<strong>et</strong>ation layer and for thesoil. They account for multiple reflections b<strong>et</strong>weenthe three sources (soil, grass and trees). Thepartitioning of the energy fluxes is <strong>de</strong>termined byveg<strong>et</strong>ation shielding factors σ related to LAI,following Deardorff (1978) for shortwave andlongwave radiations. The shielding factors were<strong>de</strong>fined assuming a spherical distribution of leaves(François, 2002). Their expressions are givenbelow:( − 0.825 LAI ) f⎧⎪ σ = 1−e for longwave domainf⎨(A1)( − 0.5 LAI ) f⎪⎩ σ = 1−e for shortwave domainfwhere subscripts f stands for grass or treesThe n<strong>et</strong> radiation for each source is calculatedfrom the incoming and outgoing shortwave andlongwave radiations given the albedo an<strong>de</strong>missivity of each layer. Soil albedo is varyinglinearly with surface soil moisture. N<strong>et</strong> radiationfor the soil, grass and tree layers, is written :Rni = Rsi + RLi(A2)where subscript i stands respectively for the soilsurface, the grass and the tree layers. The energyconservation law states that n<strong>et</strong> radiation isredistributed over the sensible (H) and latent heat(LE) fluxes and the soil conduction (G) flux for thesoil layer and can be written:Rn = H + LEj j jRn = H + LE + Gsoil soil soil(A3)where subscript j stands respectively for the grassand the tree layers2. Surfaces fluxesa) Sensible and Latent Heat fluxes expressionsSensible heat flux (H) and latent heat flux (LE) areexpressed for each sources. As in SEtHyS mo<strong>de</strong>l(see Cou<strong>de</strong>rt <strong>et</strong> al., 2006), transfer coefficients andgradients of temperature and humidity arecalculated b<strong>et</strong>ween soil surface, air canopy space(for grass and tree layers), leaf surface (for grassand tree leaves) and air above the canopy.Aerodynamic resistances expressions are <strong>de</strong>rivedfrom Shuttleworth and Wallace 1990.12
146 Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelian landscapestel-00277226, version 1 - 5 May 2008• Tree fluxes:ρCpHtree = ( Tft −Tat)rbt′ρC pRtreeLEtree = [ qsat ( Tft ) − qat]r γbt• Grass fluxes:ρCpHgrass= ( Tfg −Tag)rbg′ρC pRgrassLEgrass = [ qsat ( Tfg ) − qag]r γbg• Soil fluxes:ρCpHsoil= ( Ts −Tag)rasρCpLEsoil = [ qsat ( Ts ) − qag]( r + r ) γasmulch(A4)(A5)(A6)where T and q are the temperature and the watervapor pressure, C p is the specific heat at constant−1 −1pressure ( Cp= 1000J. kg . K ), is the−1psychrom<strong>et</strong>ric constant ( γ = 66Pa. K ), and is ¡−3the air <strong>de</strong>nsity ( ρ = 1. 2kg. m ). R ′ grassand R ′treeare explained in the following section. Finally,total fluxes of the surface are computed:H = Htree + Hgrass+ Hsoil(A7)LE= LE + LE + LEtree grass soilTurbulent fluxes are taken into account throughaerodynamical resistances to heat and humiditygradients.b) Aerodynamical resistancesFollowing Lafleur <strong>et</strong> Rousse (1990), wind anddiffusivity profiles can be expressed as a functionof n(LAI):( )( )( )⎧ n LAI = LAI ≤ LAI ≤⎪⎨n LAI = 1.87 pour LAI < 0.4⎪⎪⎩n LAI = 3.62 pour LAI > 2.5and thus,if z ≥ z ≥ z :r0.362.6 pour 0.4 2.5t⎧ *u ⎛ z − D ⎞t⎪ u ( z)= lnk ⎜ z ⎟⎨ ⎝ ot ⎠⎪*⎪⎩ D( z) = ku ( z − Dt)(A.8)(A9)if z ≥ z ≥ z :tg⎧ ⎡ ⎛ z ⎞⎤⎪ u ( z) = u ( zt) exp ⎢−n( LAIt)1−⎥⎜ z ⎟⎪ ⎣⎢ ⎝ t ⎠⎦⎥⎨⎪⎡ ⎛ z ⎞⎤⎪D( z) = D( zt) exp ⎢−n( LAIt)⎜1−⎥z ⎟⎪⎩⎢⎣ ⎝ t ⎠⎥⎦if z ≥ z ≥ z :g0s⎧ ⎡ ⎛ z ⎞⎤⎪u ( z) = u( zg) exp ⎢−n( LAIg )1−⎥⎜ z ⎟⎪ ⎣⎢ ⎝ g ⎠⎦⎥⎨⎪⎡ ⎛ z ⎞⎤⎪D( z) = D( zg) exp ⎢−n( LAIg )1−⎥⎜ z ⎟⎪ ⎢⎣ ⎝ g ⎠⎥⎩⎦(A10)(A11)k is the Von Karman constant, k=0.4, C D (z) is thedrag coefficient (consi<strong>de</strong>red as constant over theprofile, CD( z ) = 0. 1 ).U(z) is numerically computed, and the diffusivityD(z) is r<strong>et</strong>rieved. The diffusivity profile is thenused to compute aerodynamic resistances at eachlevel. Aerodynamical resistance is the integrationof the inverse of the diffusivity b<strong>et</strong>ween twolevels.rrratagas• Aerodynamical resistance above theveg<strong>et</strong>ation layer:zref1= ∫ dzzot+ DtD( z)(A12)• Aerodynamical resistance b<strong>et</strong>ween grassand tree layer:zot+ Dt1= ∫ dz(A13)zog+ DgD( z)• Aerodynamical resistance b<strong>et</strong>ween soiland grass layer:zog+ Dg1= ∫ dz(A14)zosD( z)wherez ,0sz0gand0tz are the roughness lengthof soil, grass and trees respectively and D g , D t ar<strong>et</strong>he displacement height of grass and tree canopy.Moreover the wind velocity profile allows tocompute the boundary layer resistance of the twoveg<strong>et</strong>ation layers following the approach ofChoudhury and Monteith (1987). This resistance isused to take into account the influence of thewhole canopy on the fluxes near each leaf, andthus to estimate the humidity and temperaturegradients b<strong>et</strong>ween leaves surface and canopy airspace.• Boundary layer resistance for the treelayer:13
147tel-00277226, version 1 - 5 May 2008rrbtbg( ) ⎛ ltft−n( LAI ) u ( zt)′A n LAI⎞= ⎛ ⎛t⎞⎞ ⎜ ⎟2LAIt1 exp⎝ ⎠−⎜ ⎜ ⎟2 ⎟⎝ ⎝ ⎠⎠(A15)• Boundary layer resistance for the grasslayer:( g )lfg⎜⎛ n( LAI ) ⎞ u ( zg)g′A n LAI ⎛ ⎞=(A16)⎛ − ⎞ ⎜ ⎟2LAI⎜⎝ ⎠g1−exp⎟⎜ ⎜ 2 ⎟⎟⎝ ⎝ ⎠⎠− 1 1/2where A’ is a constant ( 100m . s ), lftand lfgare the dimension of the leaf along the winddirection for tree and grass (in fact lft= lfg), ztand zgare respectively the height of the trees andgrass.Here, all the aerodynamical resistances aresupposed to be the same for heat and water vapourfluxes.c) Stomatal resistanceStomatal conductance ( gsto) calculation is thesame as in SiB mo<strong>de</strong>ls from Sellers <strong>et</strong> al.(1992,1996) and is based on Ball (1988):A= g = m h p + b(A17)1 nstostocsrswhere Anis the n<strong>et</strong> assimilation rate calculated bythe mo<strong>de</strong>l of Farquhar <strong>et</strong> al. (1980), csand hsareCO2partial pressure and relative humidity at leafsurface, p is the atmospheric pressure, and mand b are empirical factors from observation<strong>de</strong>pending on veg<strong>et</strong>ation type ( C3or C4).Stomatal resistance is then inclu<strong>de</strong>d in the R ′factor proposed by Deardorff (1978). This factoralso inclu<strong>de</strong>s the fraction of the canopy notcovered by water (<strong>de</strong>w and/or rain), whichcontributes to evapotranspiration.2/ 3 2/3⎧′⎛ <strong>de</strong>w ⎞ ⎡ ⎛ <strong>de</strong>w ⎞ ⎤1⎪ R = ⎜ ⎟ + ⎢1− ⎜ ⎟ ⎥⎨ ⎝ d ⎠ ⎢ d β + C r⎣ ⎝ ⎠ ⎥⎦⎪′⎪⎩ R = 1 for con<strong>de</strong>nsationmax max fh sto(A18)where <strong>de</strong>w ( dmax) is the fraction (maximalfraction) of free water on foliage, b<strong>et</strong>a is a stepfunction which is 0 if con<strong>de</strong>nsation occurs, and 0otherwise, and C fh is the boundary layer leafaerodynamic resistance.d) Soil surface resistanceA mulch layer is simulated in SEtHyS_Savannah(see below) which consists of a totally dry soil (atthe residual humidity) layer that prevents water toevaporate from the un<strong>de</strong>rneath soil. The soilresistance to evaporation is linearly <strong>de</strong>pen<strong>de</strong>nt onthe width of the mulch layer:rmulchτ= ⋅ zmulch(A19)Dvwith Dvthe diffusivity of water vapor in the soil,and τ the tortuosity coefficient which are taken−5 −1equal to 2. 5⋅10 s ⋅ m and 1. 5 respectively.e) Soil Heat fluxThe surface temperature of the soil is <strong>de</strong>terminedby the force-restore m<strong>et</strong>hod <strong>de</strong>velopped byBhumralkar (1975) and Blackadar (1976) and usedby Deardorff (1978). We consi<strong>de</strong>r a virtual surfacelayer of 10 cm to compute the heat capacity (<strong>de</strong>Vries 1963) and thus to estimate the heat fluxdownward in the soil.∂Ts2 π2π= ( Rn− H − LE) − ( Ts−T2)∂tCτe(A20)For long term simulations, T 2 can be calculatedfrom:∂T∂t2G=C2(A21)The factors C s and C 2 are the equivalent heatcapacities respectively related to the diurnal andannual thermal wave damping layer weighted by athermal factor (see Deardorff 1978).3. Hydric budg<strong>et</strong>The ground in SEtHyS_Savannah mo<strong>de</strong>l isdivi<strong>de</strong>d into two layers. The top one is the grassroot zone where grass and trees (if there are some)can take water for transpiration, and the bottomone is the tree root zone where only trees can takewater. In this section the different hydric transfersand their param<strong>et</strong>erizations are <strong>de</strong>scribed.a) mulch <strong>de</strong>scriptionAs an initially w<strong>et</strong>ted soil dries, a mulch layer (atthe residual relative humidity) forms on thesurface. This layer reduces soil evaporation andthus contributes to keep the water in theun<strong>de</strong>rneath soil: un<strong>de</strong>r semiarid conditions, thismulch layer should have a significant impact on14
148 Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelian landscapestel-00277226, version 1 - 5 May 2008the soil water budg<strong>et</strong> and is important to mo<strong>de</strong>lise.The relative humidity of a mulch layer is theresidual relative humidity and we consi<strong>de</strong>r thatthere is no water exchange by capillarity b<strong>et</strong>weenthe dry soil mulch layer and the un<strong>de</strong>rneath w<strong>et</strong>layer. Moreover when the surface of the mulch isw<strong>et</strong>ted by rain, the relative humidity of the socreated w<strong>et</strong> layer is w fc , the relative humidity atfield capacity.For a soil at the initial relative humidity wcovered by a mulch we can express the evolutionof the mulch <strong>de</strong>pth ( zmulch) by the followingequation:∂zmulch Es Pr= −∂t w − w w − wresidfc(A22)where wresidand wfcare respectively the residualrelative humidity and the relative humidity at fieldcapacity, E is the soil evaporation rate ( mm/ s )sand Pris the rate of infiltration ( mm/ s ).Then, the soil evaporation is converted into avariation of the mulch thickness. If rain occurs, anew w<strong>et</strong> layer appears with a relative humidity atfield capacity w . And then a new mulch layerfccan form on the surface. Thus the mo<strong>de</strong>l is able tosimulate the evolution of the two mulch layers andof the water content of three soil layersb) Soil hydric budg<strong>et</strong>sSoil hydrological param<strong>et</strong>ers ( wsat, wfc, ψsatandksat) are related to soil textural properties usingthe expressions of Clapp and Hornberger (1978).Given the relative humidity of each soil layer( wi), hydraulic conductivity ( k ) and matricpotential (ψ ) can be calculated by the expressionsof Brooks and Corey (1966):⎧ ⎛ w ⎞i⎪ ψ ( wi) = ψsat ⎜ ⎟⎪ ⎝ wsat⎠⎨⎪ ⎛ w ⎞i⎪k( wi) = ksat⎜ ⎟⎩ ⎝ wsat⎠−b2b+3(A23)where b is the dimensionless slope of the soilmoisture r<strong>et</strong>ention curve, k (m/s) is thesaturated hydraulic conductivity and ψsat(m) isthe saturated soil water potential.The infiltration rate, I, is computed as followaccording to Decharme and Douville (2006):satwhere w 10 is the mean relative humidity of the topten centim<strong>et</strong>ers of the soil surface, z.The driving equations of the soil water content ofthe three w<strong>et</strong> layers are:⎧⎪⎪⎪⎪⎪∂wg1∂t1= ⎡⎣−R E − R Ez1g1 grass t1tree∂wg2 1= [ −R E −R E∂tz2 D ( w , w )f g 2 t ( w w ) K( w )]g 2 t g 21 f g 2 t[ R Ett tree ( w wg 2 t )rt+ K( w ) − K( w )]g 2t2rt⎤⎦g 2 grass t 2 tree⎪⎨⎪ − − −⎪z + z2 rt⎪⎪∂w2 D ( w , w )t= − + −∂ t z z + z⎪⎪⎪⎩f g 2 t(A25)D ( w , w ) is the diffusion coefficient b<strong>et</strong>weenwg 2andtw which is r<strong>et</strong>rieved using the Brooksand Corey’s equations:∂ψ ( w)Df ( wg 2, wt) = k( w)∂w(A26)where w is the mean relative humidity at theinterface of the layers wg 2and wt.K( w ) and K( w ) are the drainage terms takeng 2tto be equal to the hydraulic conductivity k.RRw zw zg1 1 g1 1g1 = Rt1=wg1z1 + wg 2z2 wg1z1 + wg 2z2+ wt zrtw zw zg 2 2 g 2 2g 2= Rt2=wg1z1 + wg 2z2 wg1z1 + wg 2z2+ wt zrtwtzrtRtt=w z + w z + w zg1 1 g 2 2 t rt(A27)The coefficients Rt1, Rt 2and Rttare used topartition the trees roots uptake b<strong>et</strong>ween the threesoil layers, and similarly, Rg1and Rg 2are used topartition grass roots uptake b<strong>et</strong>ween the two firstsoil layers ( wg1and wg 2). <strong>These</strong> are weightcoefficients <strong>de</strong>pending on the water content of thedifferent layers:AcknowledgementsIk⎡ bψ⎛ w ⎞ ⎤⎢ ⎜ 1⎟ 1⎥⎣ ∆z⎝ wsat⎠ ⎦sat 10= − +sat(A24)The authors wish to acknowledge A. Tuz<strong>et</strong> forfruitful discussions and the French Ministery forfunding S. SauxPicart PhD scholarship.15
149tel-00277226, version 1 - 5 May 2008Based on a French initiative, AMMA was built byan internationalscientific group and is currentlyfun<strong>de</strong>d by a large number of agencies,especiallyfrom France, UK, US and Africa. It is also thebeneficiary of a major financial contribution fromthe European Community's Sixth FrameworkResearch Programme. D<strong>et</strong>ailed information onscientific coordination and funding is available onthe AMMA International web sitehttp://www.amma-international.org/.ReferencesBall, J.T., 1988. An analysis of stomatalconductance. Ph. D. Thesis, Stanford University,89 pp.Bastidas, L.A., H.V. Gupta, S. Sorooshian, W.J.Shuttleworth and Yang, Z.L., 1999. Sensitivityanalysis of a land surface scheme usingmulticriteria m<strong>et</strong>hods. Journal of GeophysicalResearch, 104(D16): 19,481-19,490.Braud, I. <strong>et</strong> al., 1997. Unidimensional mo<strong>de</strong>llingof a fallow savannah during the HAPEX-Sahelexperiment using the SiSPAT mo<strong>de</strong>l. Journal ofHydrology, 188-189: 912-945.Brooks, R.H. and Corey, A.T., 1964. Hydraulicprperties of porous media, Colorado University,Fort Collins.Casenave, A. and Valentin, C., 1992. A runoffcapability classification system based on surfacefeatures criteria in semi-arid areas of WestAfrica Journal of Hydrology 130: 231-249.Clapp R.B. and Hornberger, G.M., 1978.Empirical Equations for Some Soil HydraulicProperties. Water Resources Research, 14(4):601-604.Collatz G.J., J.T. Ball, C.Griv<strong>et</strong> and Berry, J.A.,1991. Physiological and environmentalregulation of stomatal conductance,photosynthesis and transpiration: a mo<strong>de</strong>l thatinclu<strong>de</strong>s a laminar boundary layer. Agriculturaland Forest M<strong>et</strong>eorology, 54: 107-136.Collatz G.J., M. Ribas-Carbo and Berry, J.A.,1992. Coupled Photosynthesis-StomatalConductance Mo<strong>de</strong>l for Leaves of C 4 Plants.Aust. J. Plant Physiol., 19: 519-538.Cou<strong>de</strong>rt B., C. Ottlé, B. Bou<strong>de</strong>villain, P. Guillevicand Demarty, J., 2006a. Contribution of thermalinfrared remote sensing data in multiobjectivecalibration of a dual source SVAT mo<strong>de</strong>l.Journal of Hydrom<strong>et</strong>eorology, 7( 3 ): 404-420.Cou<strong>de</strong>rt B., C. Ottlé and Briott<strong>et</strong>, X., 2006b.Monitoring land surface processes with thermalinfrared data: Calibration of SVAT param<strong>et</strong>ersbased on the optimisation of diurnal surfac<strong>et</strong>emperature cycling features. Remote Sensing ofEnvironment, submitted.Cou<strong>de</strong>rt B., C. Ottlé and Briott<strong>et</strong>, X., 2007.Monitoring land surface processes with thermalinfrared data: Calibration of SVAT param<strong>et</strong>ersbased on the optimisation of diurnal surfac<strong>et</strong>emperature cycling features. Remote Sensing ofEnvironment, in press.Cou<strong>de</strong>rt B. and Ottlé, C., 2006. An improvedSVAT mo<strong>de</strong>l calibration strategy based on theoptimization of the surface temperature temporaldynamics. Geophysical Research L<strong>et</strong>ters,submitted.Cou<strong>de</strong>rt B. and Ottlé, C., 2007. An improvedSVAT mo<strong>de</strong>l calibration strategy based on theoptimization of the surface temperature temporaldynamics. Geophysical Research L<strong>et</strong>ters, 34:L04402, doi:10.1029/2006GL028778.D'Amato, N. and Lebel, T., 1998. On thecharacteristics of the rainfall events in the Sahelwith a view to the analysis of climaticvariability. International Journal of Climatology,18(9): 955-974.<strong>de</strong> Vries D.A., 1963. Thermal properties of soils,Physics of Plant Environment. Van Wijik, NorthHolland, amsterdam, pp. 210-235.Deardorff, J.W., 1978. Efficient Prediction ofGround Surface Temperature and Moisture,With Inclusion of a Layer of Veg<strong>et</strong>ation. Journalof Geophysical Research, 83(C4): 1889-1903.Decharme B., and H. Douville (2006),Introduction of a sub-grid hydrology in theISBA land surface mo<strong>de</strong>l, Climate Dyn., 26, 65-78.Demarty J. <strong>et</strong> al., 2005. Constraining a physicallybased SVAT mo<strong>de</strong>l with surface water contentand thermal infrared brightness temperaturemeasurements using a multiojective approach.Water Resour. Res., 41(W01011):doi:10.1029/2004WR003695.Farquhar G.D., S. von Caemmerer and Berry, J.A.,1980. A Biochemical Mo<strong>de</strong>l of Photosynth<strong>et</strong>icCO 2 Assimilation in Leaves of C 3 Species.Planta, 149: 78-90.François C., 2002. The potential of directionalradiom<strong>et</strong>ric temperatures for monitoring soil andleaf temperature and soil moisture status.Remote Sens. Environ., 80: 122-133.Goodrich, D.C. <strong>et</strong> al., 2000. Preface paper to theSemi-Arid Land-Surface-Atmosphere (SALSA)Program special issue. Agricultural and ForestM<strong>et</strong>eorology, 105(1-3): 3-20.Goutorbe, J.P. <strong>et</strong> al., 1997. An overview ofHAPEX-Sahel: a study in climate and<strong>de</strong>sertification. Journal of Hydrology, 188-189:4-17.Gupta, H.V., L.A. Bastidas, S. Sorooshian, W.J.Shuttleworth and Yang, Z.L., 1999. Param<strong>et</strong>erestimation of a land surface scheme usingmulticriteria m<strong>et</strong>hods. Journal of GeophysicalResearch, 104(D16): 19,491-19,503.Jalota, A., 1993. Evaporation through a soil mulchin relation to mulch characteristics an<strong>de</strong>vaporativity. J Australian Journal of SoilResearch, 31(2): 131-136.16
150 Article 1 : SEtHyS Savannah : a multiple source land surface mo<strong>de</strong>l applied to sahelian landscapestel-00277226, version 1 - 5 May 2008Koster, R.D. <strong>et</strong> al., 2004. Regions of StrongCoupling B<strong>et</strong>ween Soil Moisture andPrecipitation. Science, 305(5687): 1138-1140.Lafleur P.M. and Rouse, W.R., 1990. Applicationof an energy combination mo<strong>de</strong>l for evaporationfrom sparse canopies. Agricultural and ForestM<strong>et</strong>eorology, 49: 135-153.Le Barbe, L. and Lebel, T., 1997. Rainfallclimatology of the HAPEX-Sahel region duringthe years 1950-1990. Journal of Hydrology,188-189: 43-73.Lebel, T. and Le Barbe, L., 1997. Rainfallmonitoring during HAPEX-Sahel. 2. Point andareal estimation at the event and seasonal scales.Journal of Hydrology, 188-189: 97-122.Lloyd, C.R. <strong>et</strong> al., 1997. A comparison of surfacefluxes at the HAPEX-Sahel fallow bush sites.Journal of Hydrology, 188-189: 400-425.Monteny, B.A. <strong>et</strong> al., 1997. The role of theSahelian biosphere on the water and the CO2cycle during the HAPEX-Sahel experiment.Journal of Hydrology, 188-189: 516-535.Peugeot, C., Esteves, M., Galle, S., Rajot, J.L. andVan<strong>de</strong>rvaere, J.P., 1997. Runoff generationprocesses: results and analysis of field datacollected at the East Central Supersite of theHAPEX-Sahel experiment. Journal ofHydrology, 188-189: 179-202.Ramier D., N. Boulain, B. Cappelaere, F. Timouk,S. Boubkraoui, F. M<strong>et</strong>ayer, C. Lloyd, L.Descroix (2007). Towards an un<strong>de</strong>rstanding ofcoupled physical and biological processes inCentral Sahel - 1. energy and water.Hydrological Sciences Journal (to be submitted).Re<strong>de</strong>lsperger, J.L. <strong>et</strong> al., 2006. African MonsoonMultidisciplinary Analysis (AMMA) : AnInternational Research Project and FieldCampaign. . Bull. Amer. M<strong>et</strong>eor.Soc.(December): 1739-1746.Shuttleworth W.J. and Gurney, R.J., 1990. Th<strong>et</strong>heor<strong>et</strong>ical relationship b<strong>et</strong>ween foliag<strong>et</strong>emperature and canopy resistance in sparsecrops. Q. R. J. M<strong>et</strong>eorol. Soc., 116: 497-519.Soares J.V., R. Bernard, O. Taconn<strong>et</strong>, D. Vidal-Madjar and Weill, A., 1988. Estimation of baresoil evaporation from airborne measurements.Journal of Hydrology, 99: 281-296.Sorooshian, S., Bales, R., Gupta, H., Woodard, G.and Washburne, J., 2002. A brief history andmission of SAHRA: A National ScienceFoundation Science and Technology Center on‘Sustainability of semi-arid hydrology andriparian areas’ (invited commentary) Hydrol.Process. , 16: 3293-3295.Taylor, C. and Lebel, T., 1998. Observationalevi<strong>de</strong>nce of persistent convective scale rainfallpattern. . Monthly Weather Rev. , 126: 1597-1607.Taylor, C.M., Harding, R.J., Thorpe, A.J. andBessemoulin, P., 1997. A mesoscale simulationof land surface h<strong>et</strong>erogeneity from HAPEX-Sahel. Journal of Hydrology, 188-189: 1040-1066.Troufleau, D., Lhomme, J.P., Monteny, B. andVidal, A., 1997. Sensible heat flux andradiom<strong>et</strong>ric surface temperature over sparseSahelian veg<strong>et</strong>ation. I. An experimental analysisof the kB-1 param<strong>et</strong>er. Journal of Hydrology,188-189: 815-838.Tuz<strong>et</strong>, A., Castell, J.F., Perrier, A. and Zurfluh, O.,1997. Flux h<strong>et</strong>erogeneity and evapotranspirationpartitioning in a sparse canopy: the fallowsavanna. Journal of Hydrology, 188-189: 482-493.Van Genuchten M.T., 1980. A Closed Equationfor Predicting the Hydraulic Condictivity ofUnsatured Soils. Soil Sci. Soc. Am. J., 44: 892-898.van Leeuwen, W.J.D. <strong>et</strong> al., 1997. Deconvolutionof remotely sensed spectral mixtures forr<strong>et</strong>rieval of LAI, fAPAR and soil brightness.Journal of Hydrology, 188-189: 697-724.Verhoef A. and Allen, S.J., 2000. A SVAT scheme<strong>de</strong>scribing energy and CO 2 fluxes for multicomponentveg<strong>et</strong>ation: calibration and test for aSahelian savannah. Ecological Mo<strong>de</strong>lling, 127:245-267.17
Annexe BArticle 2 : Soil moisture mapping basedon ASAR/ENVISAT radar data over aSahelian regiontel-00277226, version 1 - 5 May 2008ZRIBI M., S. SAUX PICART, C. ANDRÉ, L. DESCROIX, C. OTTLÉ and A. KALLELInternational Journal of Remote SensingVol. 28, No. 16, 20 Août 2007, 35473565
tel-00277226, version 1 - 5 May 2008152 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
tel-00277226, version 1 - 5 May 2008153
tel-00277226, version 1 - 5 May 2008154 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
tel-00277226, version 1 - 5 May 2008155
tel-00277226, version 1 - 5 May 2008156 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
tel-00277226, version 1 - 5 May 2008157
tel-00277226, version 1 - 5 May 2008158 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
tel-00277226, version 1 - 5 May 2008159
tel-00277226, version 1 - 5 May 2008160 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
tel-00277226, version 1 - 5 May 2008161
tel-00277226, version 1 - 5 May 2008162 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
tel-00277226, version 1 - 5 May 2008163
tel-00277226, version 1 - 5 May 2008164 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
tel-00277226, version 1 - 5 May 2008165
tel-00277226, version 1 - 5 May 2008166 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
tel-00277226, version 1 - 5 May 2008167
tel-00277226, version 1 - 5 May 2008168 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
tel-00277226, version 1 - 5 May 2008169
tel-00277226, version 1 - 5 May 2008170 Article 2 : Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region
Bibliographie[1] ALLEN S.J., WALLACE J.S., GASH J.H.C., and SIVAKUMAR M.V.K. Measurements of albedovariation over natural veg<strong>et</strong>ation in the Sahel. International Journal of Climatology, 14 :625–636, 1993.tel-00277226, version 1 - 5 May 2008[2] BAILLARGEON S. Le krigeage : revue <strong>de</strong> la théorie <strong>et</strong> application à l’interpolation spatiale<strong>de</strong> données <strong>de</strong> précipitations. Ph. d., Faculté <strong>de</strong>s Sciences <strong>et</strong> <strong>de</strong> Génie, Université <strong>de</strong> Laval,Quebec, 1988.[3] BALL J.T. An analysis of stomatal conductance. M.sc., Stanford University, 2005.[4] BALME M., VISCHEL T., LEBEL T., PEUGEOT C., and GALLE S. Assessing the water balancein the Sahel : Impact of small scale rainfall variability on runoff : Part 1 : Rainfall variabilityanalysis. Journal of Hydrology, 331 :336–348, 2006.[5] BARET F., HAGOLLE O., GEIGER B., BICHERON P., MIRAS B., HUC M., BERTHELOT B.,NIÑO F., WEISS M., SAMAIN O., ROUJEAN J.L., and LEROY M. LAI, fAPAR and fCoverCYCLOPES global products <strong>de</strong>rived from VEGETATION Part 1 : Principles of the algorithm.Remote Sensing of Environment, 110 :275–286, 2007.[6] BASTIDAS L.A., H.V. GUPTA, SOROOSHIAN S., W.J. SHUTTLEWORTH, and Z.L. YANG. Sensitivityanalysis of a land surface scheme using multicriteria m<strong>et</strong>hods. Journal of GeophysicalResearch, 104(D16) :19,481–19,490, 1999.[7] BEN MEHREZ M. Etalonnage d’un modèle <strong>de</strong> flux <strong>de</strong> surface dans le cas <strong>de</strong> l’experienceHAPEX-MOBILHY. Application <strong>de</strong> la resistance d’un couvert. Thèse <strong>de</strong> <strong>doctorat</strong>, Université<strong>de</strong> Paris 7, 1990.[8] BEN MEHREZ M., O. TACONET, D. VIDAL-MADJAR, and C. VALENCOGNE. Estimation ofstomatal resistance and canopy evaporation during the HAPEX-MOBILHY experiment. Agriculturaland Forest M<strong>et</strong>eorology, 58(3-4) :285–313, 1992.[9] BERNARD R., J.V. SOARES, and D. VIDAL-MADJAR. Differential bare field drainage propertiesfrom airborne microwave observations. Water Resources Research, 22(6) :869–875,1986.
172 BIBLIOGRAPHIEtel-00277226, version 1 - 5 May 2008[10] BHUMRALKAR C.M. Numerical experiments on the computation of ground surface temperaturein an atmospheric general circulation mo<strong>de</strong>l. Journal of Applied M<strong>et</strong>eorology, 14 :1246–1258, 1975.[11] BLACKADAR A.K. Mo<strong>de</strong>ling the nocturnal boundary layer. In third Symposium Atmos. Turb.Diffusion and Air quality, pages 46–49, Raleigh, 1976.[12] BOONE A., DE ROSNAY P., and THE ALMIP WORKING GROUP. Almip phase 1 report.Technical report, 2007.[13] BRAUD I., BESSEMOULIN P., B. MONTENY, J.-P. VANDERVAERE, and M. VAUCLIN. Unidimensionalmo<strong>de</strong>ling of a fallow savannah during the HAPEX-Sahel experiment using theSiSPAT mo<strong>de</strong>l. Journal of Hydrology, 188-189 :912–945, 1997.[14] BRAUD I. and A. CHANZY. Soil properties, initial and boundary conditions for use withinSVAT mo<strong>de</strong>ls in the framework of the intercomparison of SVAT mo<strong>de</strong>ls used in the Alpilles-ReSeDA project. Technical report, Alpilles-ReSeDA database, 2000.[15] BRAUD I., DANTAS-ANTONINO A.C., M. VAUCLIN, J.L. THONY, and P. RUELLE. A simplesoil-plant-atmosphere transfer mo<strong>de</strong>l (SiSPAT) <strong>de</strong>velopment and field verification. Journal ofHydrology, 166 :213–250, 1995.[16] BRUNET-MORET Y., P. CHAPERON, J. P. LAMAGAT, and M. MOLINIER. Monographie hydrologiquedu fleuve Niger. In Edition ORSTOM, editor, Tome II, cuv<strong>et</strong>te lacustre <strong>et</strong> Niger moyen,Paris, France, 1986.[17] BRUNT D. Notes on radiation in the atmosphere. Quarterly Journal of the Royal M<strong>et</strong>eorologicalSoci<strong>et</strong>y, 58.[18] BRUTSAERT. Evaporation into the Atmosphere. D. Rei<strong>de</strong>l, 299 pp, 1982.[19] BRUTSAERT W. Local evaporation (or heat transfer) rough and smooth surfaces at groundlevel. Water Ressources Res., 11 :543–550, 1975.[20] CHARNEY J. G. Dynamics of <strong>de</strong>serts and drought in the sahel. Quarterly Journal of the RoyalM<strong>et</strong>eorological Soci<strong>et</strong>y, 101 :193–202, 1975.[21] CHARNEY J. G., W.J. QUIRK, S. H. SHOW, and J. KORNFIELD. A comparative study ofeffects of albedo change on drought in semiarid regions. Journal of the Atmospheric Sciences,34 :1366–1385, 1977.[22] CHASE T.N., J.A. KNAFF, R.A. PIELKE, and E. KALNAY. Changes in Global Monsoon CirculationsSince 1950. Natural Hazards, 29 :229–254, 2003.[23] CHEN J.M., G. PAVLIC, L. BROWN, J. CIHLAR, S.G. LEBLANC, H.P. WHITE, R.J. HALL,D.R. PEDDLE, D.J. KING, and J.A. TROFYMOW. Derivation and validation of Canada-wi<strong>de</strong>coarse-resolution leaf area in<strong>de</strong>x maps using high-resolution satellite imagery and ground measurements.Remote Sensing of Environment, 80 :165–184, 2002.
BIBLIOGRAPHIE 173tel-00277226, version 1 - 5 May 2008[24] CHOUDHURY B.J. and J.L. MONTEITH. A four-layer mo<strong>de</strong>l for the heat budg<strong>et</strong> of homogeneousland surfaces. Quarterly Journal of the Royal M<strong>et</strong>eorological Soci<strong>et</strong>y, 114 :373–378,1988.[25] CLAPPY R. and G. HORNBERGER. Empirical equations for some soil hydraulic properties.Water Ressour. Res., 14 :601–604, 1978.[26] CLARK D.B., C.M. TAYLOR, and A.J. THORPE. Feedback b<strong>et</strong>ween the land surface and rainfallat convective length scales. Journal of Hydrom<strong>et</strong>eorology, 5 :625–639, 2004.[27] COGNARD A.L., LOUMAGNE C., M. NORMAND P. OLIVIER, C. OTTLÉ, D. VIDAL-MADJAR,and S. LOUAHALA. Evaluation of the ERS-1/SAR capacity to estimate surface soil moisture -First results over the Naizin. Water Resour. Res., 31 :975–982, 1995.[28] COLLATZ G.J., J.T. BALL, C. GRIVET, and J.A. BERRY. Physiological and environmentalregulation of stomatal conductance, photosynthesis and transpiration : a mo<strong>de</strong>l that inclu<strong>de</strong>s alaminar boundary layer. Agricultural and Forest M<strong>et</strong>eorology, 54 :107–136, 1991.[29] COUDERT B. Etu<strong>de</strong> <strong>de</strong> sensibilité du modèle d’interface SEtHyS : Application au suivi <strong>de</strong> l’étathydrique <strong>de</strong>s sols par assimilation <strong>de</strong> données. Rapport interne, CETP-IPSL, Juin 2003 2003.[30] COUDERT B. and C. OTTLÉ. An improved SVAT mo<strong>de</strong>l calibration strategy based on theoptimization of the surface temperature temporal dynamics. Geophysical Research L<strong>et</strong>ters,submitted, 2006c.[31] COUDERT B., C. OTTLÉ, B. BOUDEVILLAIN, J. DEMARTY, and P. GUILLEVIC. Contributionof thermal infrared remote sensing data in multiobjective calibration of a dual source SVATmo<strong>de</strong>l. Journal of Hydrom<strong>et</strong>eorology, 7(3) :404–420, 2006a.[32] COUDERT B., C. OTTLÉ, B. BOUDEVILLAIN, and C. GUÉRIN. Use of geostationary satellit<strong>et</strong>hermal infrared data to monitor surface exchanges at local scale over h<strong>et</strong>erogeneous landscape :Application to M<strong>et</strong>eosat 8 data. Barcelone, Espagne, 2007. IGARSS.[33] COUDERT B., C. OTTLÉ, and X. BRIOTTET. Monitoring land surface processes with thermalinfrared data : Calibration of SVAT param<strong>et</strong>ers based on the optimisation of diurnal surfac<strong>et</strong>emperature cycling features. Remote Sensing of Environment, submitted, 2006b.[34] COWAN I.R. Mass, heat and momemtum exchange b<strong>et</strong>ween stands of plants and their atmosphericenvironment. Quart. J. Roy. M<strong>et</strong>eorol. Soc., 94 :523–544, 1968.[35] DE VRIES D.A. Thermal properties of soils. In Physics of Plant Environment, pages 210–235.Van Wijik, North Holland, amsterdam, 1963.[36] DEARDORFF J.W. A Param<strong>et</strong>erization of Ground-Surface Moisture Content for Use in AtmosphericPrediction Mo<strong>de</strong>ls. Journal of Applied M<strong>et</strong>eorology, 16 :1182–1185, 1977.[37] DEARDORFF J.W. Efficient Prediction of Ground Surface Temperature and Moisture, WithInclusion of a Layer of Veg<strong>et</strong>ation. Journal of Geophysical Research, 83(C4) :1889–1903,1978.
174 BIBLIOGRAPHIE[38] DECHARME B. and DOUVILLE H. Introduction of a sub-grid hydrology in the ISBA landsurface mo<strong>de</strong>l. Climate Dynamic, 26 :65–78, 1978.[39] DEMARTY J., C. OTTLÉ, I. BRAUD, J.P. FRANGI, L.A. BASTIDAS, and H.V. GUPTA. Usinga multiobjective approach to r<strong>et</strong>rieve information on surface properties used in a SVAT mo<strong>de</strong>l.Journal of Hydrology, 287 :214–236, 2004.tel-00277226, version 1 - 5 May 2008[40] DEMARTY J., C. OTTLÉ, I. BRAUD, A. OLIOSO, J.P. FRANGI, H.V. GUPTA, and L.A. BAS-TIDAS. Constraining a physically based SVAT mo<strong>de</strong>l with surface water content and thermalinfrared brightness temperature measurements using a multiojective approach. Water Resour.Res., 41(W01011) :doi :10.1029/2004WR003695, 2005.[41] DEMARTY J., C. OTTLÉ, C. FRANÇOIS, I. BRAUD, and J.P. FRANGI. Effect of aerodynamicresistance mo<strong>de</strong>lling on SISPAT-RS simulated surface fluxes. Agronomie, 22 :641–650, 2002.[42] DERIVE G. Estimation <strong>de</strong> l’évapotranspiration en région sahélienne. Sythèse <strong>de</strong>s connaissances<strong>et</strong> évaluation <strong>de</strong> modélisations (SISVAT, Ritchie). Application à la zone d’Hapex-Sahel (Niger).Thèse <strong>de</strong> <strong>doctorat</strong>, Institut National Polytechnique <strong>de</strong> Grenoble, 2003.[43] DESCONNETS J.C., J.D. TAUPIN, T. LEBEL, and C. LEDUC. Hydrology of the HAPEX-SahelCentral Super-Site : surface water drainage and aquifer recharge through the pool systems.Journal of Hydrology, 188-189 :155–178, 1997.[44] DESNOS Y.L., H. LAUR, P. LIM, and T. GASH. The ENVISAT-1 advanced synth<strong>et</strong>ic apertureradar processor and data products. Hamburg, Allemagne, 1999. IGARSS.[45] ELACHI C. Introduction to the physics and techniques of remote sensing. New York : JohnWiley & Sons, 1987.[46] FARQUHAR G.D., S. VON CAEMMERER, and J.A. BERRY. A Biochemical Mo<strong>de</strong>l of Photosynth<strong>et</strong>icCO 2 Assimilation in Leaves of C3 Species. Planta, 149 :78–90, 1980.[47] FOLLAND C.K.., J.A. OWEN, M.N. WARD, and A.W. COLMAN. Prediction of seasonal rainfallin the Sahel region using empirical and dynamical m<strong>et</strong>hods. J. Forecast, 10 :21–56, 1991.[48] FOURTY T. and F. BARET. Amélioration <strong>de</strong> la précision <strong>de</strong>s coefficients d’absorption spécifique<strong>de</strong> la matière sèche <strong>et</strong> <strong>de</strong>s pigments photosynthétiques. INRA, 1997.[49] FUNG A.K. Microwave Scattering and Emission Mo<strong>de</strong>ls and their Applications. Norwood,MA : Artech House, 1994.[50] FUNG A.K., LI Z., and CHEN K.S. Backscattering from a randomly rough dielectric surface.IEEE Transactions on Geoscience and Remote Sensing, 30 :356–369, 1992.[51] GALLÉE H., W. MOUFOUMA-OKIA, P. BECHTOLD, O. BRASSEUR, I. DUPAYS, P. MARBAIX,C. MESSAGER, R. RAMEL, and T. LEBEL. A high-resolution simulation of West Africa rainyseason using a regional climate mo<strong>de</strong>l. Journal of Geophysical Research-Atmospheres, 102,2004.
BIBLIOGRAPHIE 175[52] GALLE S., EHRMANN M., and PEUGEOT C. Water balance in a ban<strong>de</strong>d veg<strong>et</strong>ation pattern - Acase study of tiger bush in western Niger. Catena, 37 :197–216, 1999.[53] GIANNINI A., R. SARAVAN, and P. CHANG. Oceanic forcing of Sahel rainfall on interannualto inter<strong>de</strong>cadal time scales. Science, 302 :1027–1030.[54] GOND V., E. BARTHOLOME, F. OUATARA, A. NONGUIERMA, and L. BALDO. Mapping andmonitoring small ponds in dry-land with VEGETATION instrument, application to West Africa.Belgirate, 2000. VEGETATION 2000 Symposium.tel-00277226, version 1 - 5 May 2008[55] GOUTORBE J. P., T. LEBEL, A.J. DOLMAN, J.H.C. GASH, M. KABAT, Y.H. KERR, B. MON-TENY, S. PRINCE, J.N.M. STRICKER, A. TINGA, and J.S. WALLACE. An overview of HAPEX-Sahel : a study in climate and <strong>de</strong>sertification. Journal of Hydrology, 188-189 :4–17, 1997.[56] GOUTORBE J. P., T. LEBEL, A. TINGA, P. BESSEMOULIN, J. BROUWER, A.J. DOLMAN, E.T.ENGMAN, J.H.C. HOEPFFNER, M. KABAT, Y.H. KERR, B. MONTENY, S. PRINCE, F. SAID,P. SELLERS, and J.S. WALLACE. Hapex-Sahel : a large scale study of land-atmosphere interactionsin the semiarid tropics. Ann. Geophys., 12 :53–64, 1994.[57] GREEN W.H. and C.A. AMPT. Studies on soil physics of flow of air and water through soils.Journal of Agricultural Sciences, 4 :1–24, 1911.[58] GRIST J. P. and S. E. NICHOLSON. A study of dynamic factors influencing the rainfall variabilityin the West African Sahel. Journal of Climate, 14 :1337–1359, 2001.[59] GUILLOT G. and T. LEBEL. Approximation of Sahelian rainfall fields with m<strong>et</strong>a-Gaussianrandom functions. Part 2 : Param<strong>et</strong>er estimation and comparison to data. Stoch. Env. Res. RiskAss., 13 :113–130, 1999a.[60] GUILLOT G. and T. LEBEL. Disagregation of Sahelian meso-scale convective systems rainsfields : further <strong>de</strong>velopments and validation. Journal of Geophysical Research, 104 :31533–31551, 1999b.[61] HANAN N.P. and S.D. PRINCE. Stomatal conductance of West-Central supersite veg<strong>et</strong>ation inHAPEX-Sahel : measurements and empirical mo<strong>de</strong>ls. Journal of Hydrology, 188-189 :536–562, 1997.[62] IDSO S.B. A s<strong>et</strong> of equations for full spectrum and 8 to 14 microns and 10.5 to 12.5 micronsthermal radiation from cloudless skies. Water Resour. Res., 17(2) :295–304, 1981.[63] JACQUEMOUD S. and F. BARET. PROSPECT : A mo<strong>de</strong>l of leaf optical properties spectra.Remote Sensing of Environment, 34 :75–91, 1990.[64] JALOTA S.K. Evaporation through soil mulch in relation to mulch characteristics and evaporativity.Aust. J. Soil Res., 31 :131–136, 1993.[65] JANICOT S., S. TRZASKA, and I. POCCARD. Summer Sahel-ENSO teleconnection and <strong>de</strong>cadaltime scale SST variation. Climate Dynamic, 18 :303–320, 2001.
176 BIBLIOGRAPHIE[66] JONES H.G. Plants and Microclimate. Cambridge University Press, 53-54, 1983.[67] KANEMASU T., U.D. ROSENTHAL, R.J. STONE, and L.R. STONE. Evaluation of an evapotranspirationmo<strong>de</strong>l of corn. Jouranl of Agronomy, 69 :461–464, 1977.[68] KNYAZIKHIN Y., J.V. MARTONCHIK, D.J. DINER, R.B. MYNENI, M.M. VERTRAETE,B. PINTY, and N. GOBRON. Estimation of veg<strong>et</strong>ation canopy leaf area in<strong>de</strong>x and fractionof absorbed photosynth<strong>et</strong>ically active radiation from atmosphere-corrected MISR data. J. Geophys.Res., 103 :32239–32256, 1998a.[69] KNYAZIKHIN Y., J.V. MARTONCHIK, MYNENI, R.B. DINER, D.J., and S.W. RUNNING. Synergisticalgorithm for estimating veg<strong>et</strong>ation canopy leaf area in<strong>de</strong>x and fraction of absorbedphotosynth<strong>et</strong>ically active radiation from MODIS and MISR data. J. Geophys. Res., 103 :32257–32275, 1998b.tel-00277226, version 1 - 5 May 2008[70] KOSTER R.D., DIRMEYERP.A., GUO Z., BONAN G., CHAN E., COX P., GORDON C.T., KA-NAE S., KOWALCZYK E., LAWRENCE D., LIU P., LU C.-H., MALYSHEV S., MCAVANEY S.,MITCHELL K., MOCKO D., OKI T., OLESON K., PITMAN A., SUD Y.C., TAYLOR C.M., VER-SEGHY D., VASIC R., XUE Y., and YAMADA T. Regions of Strong Coupling B<strong>et</strong>ween SoilMoisture and Precipitation. Sciences, 305 :1038–1040, 2004.[71] KUSTAS W.P., B.J. CHOUDHURY, K.E. KUNKEL, and L.W. GAY. Estimate of the aerodynamicroughness param<strong>et</strong>ers over an incompl<strong>et</strong>e canopy cover of cotton. Agricultural and ForestM<strong>et</strong>eorology, 46 :91–105, 1989.[72] KUUSK A. The hot-spot effect in plant canopy reflectance. Tartu University, 1991.[73] LAFLEUR P.M. and W.R. ROUSE. Application of an energy combination mo<strong>de</strong>l for evaporationfrom sparse canopies. Agricultural and Forest M<strong>et</strong>eorology, 49 :135–153, 1990.[74] LAMB P. J. and R. A. PEPPLER. Further case studies of tropical Atlantic surface atmosphericand oceanic patterns associated with sub-Saharan drought. Journal of Climate, 5 :476–488,1992.[75] LAMB P.J. Large-scale tropical Atlantic surface circulation patterns associated with sub-Saharan weather anomalies. Tellus, 30 :240–251, 1978.[76] LAMB P.J. West African water variations b<strong>et</strong>ween recent contrasting Subsaharan droughts.Tellus, A35 :198–212, 1983.[77] LANDSEA C.W., GRAY W.M., MIELKE M.W., and BERRY K.J. Predictability of seasonalSahelian rainfall by 1 December of the previous year and 1 June of the current year. In :Preprints of the 20th conference on hurricanes and tropical m<strong>et</strong>eorology, AMS, San Antonio,1993.[78] LAURENT J.P. Evaluation <strong>de</strong>s paramètres thermiques d’un milieu poreux : optimisation d’outils<strong>de</strong> mesure in situ. International Journal of Heat and Mass Transfer, 32(7) :1247–1259, 1989.
BIBLIOGRAPHIE 177[79] LAVAL K. and L. PICON. Effect of a change of the surface albedo of the Sahel on climate.Journal of the Atmospheric Sciences, 43 :2418–2429, 1986.[80] LE BARBÉ L. and T. LEBEL. Rainfall climatology of the Hapex-Sahel regionduring the years1950-1990. Journal of Hydrology, 188/189 :43–73, 1997.[81] LE BARBÉ L., T. LEBEL, and D. TAPSOBA. Rainfall Variablity in West Africa During theYears 1950-90. Journal of Climate, 15 :187–202, 2002.[82] LE HÉGARAT-MASCLE S. and C. ANDRÉ. Reduced false alarm automatic <strong>de</strong>tection of cloudsans shadows on SPOT images using simultaneous estimation. Journal of Photogramm<strong>et</strong>ry andRemote Sensing, 2007. Soumis.tel-00277226, version 1 - 5 May 2008[83] LE HÉGARAT-MASCLE S., M. ZRIBI, F. ALEM, WEISSE A., and LOUMAGNE C. Soil moistureestimation from ERS/SAR data : Toward an operational m<strong>et</strong>hodology. IEEE Transactions onGeoscience and Remote Sensing, 40 :1–12, 2002.[84] LEBEL T. and L. LE BARBÉ. Rainfall monitoring during Hapex-Sahel. 2. Point and arealestimation at the event and seasonal scales. Journal of Hydrology, 188/189 :97–122, 1997.[85] LEBEL T., H. SAUVAGEOT, M. HOEPFFNER, M. DEBOIS, B. GUILLOT, and P. HUBERT. Rainfallestimation in the Sahel : the EPSAT-NIGER experiment,. Hydrological Sciences Journal,37 :201–215, 1992.[86] LEBEL T., J.D. TAUPIN, and N. D’AMATO. Rainfall monitoring during Hapex-Sahel. 1. Generalrainfall conditions and climatology. Journal of Hydrology, 188/189 :74–96, 1997.[87] LEBLANC M., G. FAVREAU, S. MASSUEL, S. TWEED, M. LOIREAU, and B. CAPPELAERE.Land clearance and hydrological change in Sahel. 2007. Soumis.[88] LEDUC C., J. BROMLEY, and P. SCHROETER. Water table fluctuation and recharge in semiaridclimate : some results of the HAPEX-Sahel hydrodynamic survey (Niger). Journal ofHydrology, 188/189 :123–138, 1997.[89] LEWIS P., DISNEY M.I., BARNSLEY M.J., and MULLER J.-P. Deriving albedo maps forHAPEX-Sahel from ASAS data using kernel-driven BRDF mo<strong>de</strong>ls. Hydrology and Earth SystemSciences, 3 :1–13, 1999.[90] LLOYD C.R., P. BESSEMOULIN, F.D. CROPLEY, A.D. CULF, A.J. DOLMAN, J.A. ELBERS,B. HEUSINKVELD, J.B. MONCRIEFF, B. MONTENY, and A. VERHOEF. An intercomparisonof surface flux measurements during HAPEX-Sahel. Journal of Hydrology, 188-189 :494–515,1999.[91] LOIREAU M. Espace, ressources, Usages : spatialisation <strong>de</strong>s interactions dynamiques entre lessystèmes sociaux <strong>et</strong> les systèmes écologiques au Sahel nigérien. Ph. d., Université <strong>de</strong> MontpellierIII, 1998.
178 BIBLIOGRAPHIEtel-00277226, version 1 - 5 May 2008[92] MADEIRA C., P. DASH, F. OLESEN, and I. TRIGO. Generalized split-window algorithm forr<strong>et</strong>rieving land surface temperature from MSG/SEVIRI data. In Proceedings of Land SurfaceAnalysis SAF Training Workshop, Lisbon, 2002.[93] MADEIRA C., P. DASH, F. OLESEN, and I. TRIGO. Intercomparison of METEOSAT-8 <strong>de</strong>rivedLST with MODIS and AATSR products. In Acte <strong>de</strong> conférence, Dubrovnik, 2005.[94] MAGAGI R.D. and Y.H. KERR. R<strong>et</strong>rieval of soil moisture and veg<strong>et</strong>ation characteristics byuse of ERS-1 wind scatterom<strong>et</strong>er over arid and semi-arid areas. Journal of Hydrology, 188-189 :361–384, 1997.[95] MANABE S. Climate and ocean circulation 1. The atmospheric circulation and the hydrologyof Earth’s surface. Monthly Weather Review, 97 :739–805, 1969.[96] MASSUEL S. Evolution récente <strong>de</strong> la ressource en eau consécutive aux changements climatiques<strong>et</strong> environnementaux du Sud-Ouest Niger. Modélisation <strong>de</strong>s eaux <strong>de</strong> surface <strong>et</strong> souterrainesdu bassin du Kori <strong>de</strong> Dantiandou sur la pério<strong>de</strong> 1992-2003. Ph. d., Université <strong>de</strong>Montpellier II, 2005.[97] MATHERON G. Traité <strong>de</strong> géostatistique appliquée, Tome I, volume No.14. Mémoire su Bureau<strong>de</strong> Recherches Géologiques <strong>et</strong> Minières. Edition Technip, Paris, 1962.[98] MATHERON G. Traité <strong>de</strong> géostatistique appliquée, Tome II, volume No.24. Mémoire su Bureau<strong>de</strong> Recherches Géologiques <strong>et</strong> Minières. Edition Technip, Paris, 1963a.[99] MATHERON G. Principles of geostatistics. Economic Geology, 58 :1246–1266, 1963b.[100] MONIN A.S. and A.M. OBUKHOV. Basic laws of turbulent mixing in the surface layer of theatmosphere. Tr. Geofiz. Inst. Akad. Nauk SSSR, 151 :163–187, 1954.[101] MONTEITH J.L. Principles of Environmental Physics, volume 241 pp. Elsevier, New York,1973.[102] MONTEITH J.L. and SZEICZ G. The CO2 flux over a field of sugar be<strong>et</strong>. Quarterly Journal ofthe Royal M<strong>et</strong>eorological Soci<strong>et</strong>y, 86 :205–214, 1962.[103] MONTENY B.A., J.P. LHOMME, A. CHEHBOUNI, D. TROUFLEAU, M. AMADOU, M. SICOT,A. VERHOEF, S. GALLE, F. SAID, and C.R. LLOYD. The role of the Sahelian biosphere onthe water and the CO2 cycle during the HAPEX-Sahel Experiment. Journal of Hydrology,188-189 :516–535, 1997.[104] NEDLER J.A. and R. MEAD. A Simplex m<strong>et</strong>hod for function minimisation. Computer Journal,7 :308–313, 1965.[105] NICHOLSON S. E. Climatic and environmental change in Africa during the last two centuries.Climate Research, 17(2) :123–144, 2001.[106] NOILHAN J. and PLANTON S. A simple param<strong>et</strong>rization of land surface processes for m<strong>et</strong>eorologicalmo<strong>de</strong>ls. Monthly Weather Review, 117 :536–549, 1989.
BIBLIOGRAPHIE 179tel-00277226, version 1 - 5 May 2008[107] ONIBON H. Simulation conditionnée <strong>de</strong>s champs <strong>de</strong> pluie au Sahel : application <strong>de</strong> l’algorithme<strong>de</strong> Gibbs. Thèse <strong>de</strong> <strong>doctorat</strong>, Institut National Polytechnique <strong>de</strong> Grenoble, France, 2001.[108] OTTLÉ C. and D. VIDAL-MADJAR. Assimilation of soil moisture inferred from infrared remotesensing in a hydrological mo<strong>de</strong>l over the HAPEX-MOBILHY region. Journal of Hydrology,158 :241–264, 1994.[109] PALMER T.N., ALESSANDRI A., ANDERSEN U., CANTELAUBE P., and DAVEY M. Developmentof a European multi-mo<strong>de</strong>l ensemble system for seasonal to interannuel prediction(DEMETER). Bull. Am. M<strong>et</strong>. Soc., 85 :863–872, 2004.[110] PAULSON C.A. The mathematical Representation of Wind Speed and Temperature Profiles inthe Unstable Atmospheric Surface Layer. Journal of Applied M<strong>et</strong>eorology, 9 :857–861, 1970.[111] PERRIER A. Etu<strong>de</strong> physique <strong>de</strong> l’évapotranspiration dans les conditions naturelles. Annalesagronomiques, 26, 1975.[112] PERRIER A. Land-surface processes : Veg<strong>et</strong>ation. In Land Surface Processes in AtmosphericGeneral Circulation, P.S. Eagleson, 1982.[113] PEUGEOT C., B. CAPPELAERE, E. BAXTER VIEUX, L. SEGUIS, and A. MAIA. Hydrologicprocess simulation of a semiarid, endoreic cathchment in Sahelian West Niger. 1. Mo<strong>de</strong>l-ai<strong>de</strong>ddata analysis and screening. Journal of Hydrology, 279 :224–243, 2003.[114] PRANDTL L. Ueber die ausgebil<strong>de</strong>te Turbulenz. Z. angew. Math. u. Mech., 5 :p. 125, 1925.[115] QUESNEY A., C. FRANÇOIS, C. OTTLÉ, S. LEHÉGARAT, C. LOUMAGNE, and M. NORMAND.Sequential assimilation of sar/ers data in a surface hydric mo<strong>de</strong>l coupled to a global hydrologicalmo<strong>de</strong>l with an exten<strong>de</strong>d kalman filter. Remote Sensing and Hydrology 2000 Symposium,Santa Fe, New Mexico, USA, 2000.[116] RAHMAN H. and G. DEDIEU. SMAC : a simplified m<strong>et</strong>hod for the atmospheric correctionof satellite measurements in the solar spectrum. International Journal of Remote Sensing,15 :123–143, 1994.[117] RAMIER D., N. BOULAIN, B. CAPPELAERE, F. TIMOUK, S. BOUBKRAOUI, F. METAYER,C. LLOYD, and L. DESCROIX. Towards an un<strong>de</strong>rstanding of coupled physical and biologicalprocesses in Central Sahel - 1. energy and water. Hydrological Sciences Journal, 2007. Soumis.[118] RONCOLI C., K. INGRAM, and P. KIRSHEN. Reading the rains : local knowledge and rainfallforecasting in Burkina Faso. Soci<strong>et</strong>y and Natural Ressources, pages 409–427, 2002.[119] ROUSSE J.W., R.H. HAAS, J.A. SCHELL, and DEERING D.W. Monitoring the vernal advancementand r<strong>et</strong>rogradation (green wave effect) of natural veg<strong>et</strong>ation. Prog. Rep. RSC 1978-1,Remote sensing center, Texas AM Univ, College, 1973.[120] SAUX PICART S., C. OTTLÉ, A. PERRIER, B. DECHARME, B. COUDERT, M. ZRIBI, N. BOU-LAIN, B. CAPPELAERE, and D. RAMIER. SEtHyS Savannah : a multiple source land surfacemo<strong>de</strong>l applied to sahelian landscapes. Agricultural and Forest M<strong>et</strong>eorology, 2007. Soumis.
180 BIBLIOGRAPHIE[121] SELLERS P.J., S.O. LOS, C.J. TUCKER, C.O. JUSTICE, D.A. DAZLICH, G.J. COLLATZ, andD.A. RANDALL. A Revised Land Surface Param<strong>et</strong>erization (SiB2) for Atmospheric GCMs.Part 2 : The Generation of global Fields of Terrestrial Biophysical Param<strong>et</strong>ers from SatelliteData. Journal of Climate, 9 :706–737, 1996.[122] SELLERS P.J., B.W. MEESON, J. CLOSS, J. COLLATZ, E. CORPREW, D. DAZLICH, F.G.HALL, Y.H. KERR, R. KOSTER, K. MITCHELL, J. MCMANUS, D. MYERS, K.-J. SUN, andP. TRY. The ISLSCP Initiative I Global Datas<strong>et</strong>s : Surface Boundary Conditions and AtmosphericForcings for Land-Atmosphere Studies. Bull<strong>et</strong>in of the American M<strong>et</strong>eorologicalSoci<strong>et</strong>y, 77(9) :1987–2005, 1996.[123] SENEVIRATNE S.I., D. LÜTHI, M. LITSCHI, and C. SCHÄR. Land-atmosphere couplings andclimate change in Europe. Nature, 443 :205–209, 2006.tel-00277226, version 1 - 5 May 2008[124] SHAW R. H. and A.R. PEREIRA. Aerodynamic roughness of a plant canopy : a numericalexperiment. Agricultural M<strong>et</strong>orology, 26 :51–65, 1982.[125] SHUTTLEWORTH W.J. and R.J. GURNEY. The theor<strong>et</strong>ical relationship b<strong>et</strong>ween foliage temperatureand canopy resistance in sparse crops. Quarterly Journal of the Royal M<strong>et</strong>eorologicalSoci<strong>et</strong>y, 116 :497–519, 1990.[126] SHUTTLEWORTH W.J. and J.S. WALLACE. Evaporation from sparse crops-an energy combinationtheory. Quarterly Journal of the Royal M<strong>et</strong>eorological Soci<strong>et</strong>y, 111 :839–855, 1985.[127] SIBSON R. A brief <strong>de</strong>scription of natural neighbour interpolation. In : Interpr<strong>et</strong>ing multivariateData, Wiley Series in Probability and Mathematical Statistics : Applied Probability andStatistics. John Wiley & sons Inc., New York, 1981.[128] SOARES J.V., R. BERNARD, O TACONNET, D. VIDAL-MADJAR, and A. WEILL. Estimation ofbare soil evaporation from airborne measurements. Journal of Hydrology, 99 :281–296, 1988.[129] SOROOSHIAN S. and V.K. GUPTA. Mo<strong>de</strong>l Calibration. Computer Mo<strong>de</strong>ls of Watershed Hydrology,pages 22–68, 1993.[130] SWINBANK W.C. Long-wave radiation from clear skies. Quarterly Journal of the Royal M<strong>et</strong>eorologicalSoci<strong>et</strong>y, 89 :339–348, 1963.[131] TACONET O. Analyse <strong>de</strong> la thermographie infrarouge satellitaire pour la modélisation <strong>de</strong>l’évaporation sur une région agricole. Thèse <strong>de</strong> <strong>doctorat</strong> d’état, Université <strong>de</strong> Paris-Sud, 1987.[132] TACONET O., R. BERNARD, and D. VIDAL-MADJAR. Evapotranspiration over an AgriculturalRegion Using a Surface Flux/Temperature Mo<strong>de</strong>l Based on NOAA-AVHRR Data. Journal ofClimate and Applied M<strong>et</strong>eorology, 25 :284–307, 1986.[133] TAYLOR C.M. Land-atmosphere feedbacks in the West African monsoon. 2007a. Submittedto GEWEX News.
BIBLIOGRAPHIE 181tel-00277226, version 1 - 5 May 2008[134] TAYLOR C.M. and ELLIS R.J. Satellite <strong>de</strong>tection of soil moisture impacts on convection at themesoscale. Geophysical Research L<strong>et</strong>ters, 33, 2006.[135] TAYLOR C.M., PARKER D.J., and HARRIS P.P. An observational case study of mesoscaleatmospheric circulations induced by soil moisture. Geophysical Research L<strong>et</strong>ters, 34, 2007b.[136] TAYLOR C.M., PARKER D.J., LLOYD C.R., and THORNCROFT C.D. Observations of synopticscale land surface variability and its coupling with the atmosphere. Quarterly Journal of theRoyal M<strong>et</strong>eorological Soci<strong>et</strong>y, 13 :913–938.[137] THOM A.S. Momentum, mass and heat exchange of veg<strong>et</strong>ation. Quarterly Journal of the RoyalM<strong>et</strong>eorological Soci<strong>et</strong>y, 98 :124–134, 1972.[138] THOM A.S. Momentum, mass and heat exchange of plant communities. In : Monteith, J.L.(Ed.), Veg<strong>et</strong>ation and the Atmosphere. Aca<strong>de</strong>mic Press, 1975.[139] ULABY F.T., MOORE R.K., and FUNG A.K. Microwave Remote Sensing Active and Passive.Norwood, MA : Artech House, 1986.[140] VALENTIN C. and J.M. D’HERBÈS. Niger tiger bush as a natural water harvesting. Catena,37 :231–256, 1999.[141] VAN DE GRIEND A.A. and P.E. O’NEILL. discrimination of soil hydraulic properties by combinedthermal infrared and microwave remote sensing,. In SP-254 ESA, editor, IGARSS’86Symposium, Zürich, 8-11 September 1986, 1986. ESA Publications division.[142] VERHOEF W. Light scattering by leaf layers with application to canopy reflectance mo<strong>de</strong>ling :the SAIL mo<strong>de</strong>l. Remote Sensing of Environment, 16 :125–141, 1984.[143] VERHOEF W. Earth observation mo<strong>de</strong>ling based on layer scattering matrices. Remote Sensingof Environment, 17 :165–178, 1985.[144] VISCHEL T. and LEBEL T. Assessing the water balance in the Sahel : Impact of small scalerainfall variability on runoff : Part 2 : I<strong>de</strong>alized mo<strong>de</strong>ling of runoff sensitivity. Journal ofHydrology, 333 :340–355, 2007.[145] WAN Z. and DOZIER J. A generalized split-window algorithm for r<strong>et</strong>rieving land-surface temperaturefrom space. IEEE Transactions on Geoscience and Remote Sensing, 34 :892–905,1996.[146] WARD M.N. Diagnosis and short-lead time prediction of summer rainfall in tropical NorthAfrica at interannual and multi<strong>de</strong>cadal timescales. Journal of Climate, 11 :3167–3191, 1998.[147] WEBB E.K. Profile relationships : the log-linear range, and extension to strong stability. QuarterlyJournal of the Royal M<strong>et</strong>eorological Soci<strong>et</strong>y, 96 :67–90, 1970.[148] WEISS M., BARET F., GARRIGUES S., and LACAZE R. LAI and fAPAR CYCLOPES globalproducts <strong>de</strong>rived from VEGETATION. Part 2 : validation and comparison with MODIScollection 4 products. Remote Sensing of Environment, 110 :317–331, 2007.
182 BIBLIOGRAPHIE[149] WETZEL P.J. and J.-T. CHANG. Evapotranspiration from Nonuniform Surfaces : A First Approachfor Short-Term Numerical Weather Prediction. Monthly Weather Review, 116 :600–621,1998.[150] WU T.D., CHEN K.S., SHI J., and FUNG A.K. A transition mo<strong>de</strong>l for the reflection coefficientin surface scattering. IEEE Transactions on Geoscience and Remote Sensing, 39 :2040–2050,2001.[151] XUE Y. Biosphere feedback on regional climate in tropical North Africa. Quarterly Journal ofthe Royal M<strong>et</strong>eorological Soci<strong>et</strong>y, 123 :1483–1515, 1997.[152] ZHENG X. and E.A.B. ELTAHIR. The role of veg<strong>et</strong>ation in the dynamics of West Africanmonsoons. Journal of Climate, 11(8).tel-00277226, version 1 - 5 May 2008[153] ZINE S., L. JARLAN, P.-L. FRISON, E. MOUGIN, P. HIERNAUX, and J.-P. RUDANT. Land surfaceparam<strong>et</strong>er monitoring with ERS scatterom<strong>et</strong>er data over the Sahel : A comparison b<strong>et</strong>weenagro-pastoral and pastoral areas. Remote Sensing of Environment, 96 :438–452, 2005.[154] ZRIBI M., N. BAGDADI, N. HOLAH, and O. FAFIN. New m<strong>et</strong>hodology for soil surface moistureestimation and its application to ENVISAT-ASAR multi-inci<strong>de</strong>nce data inversion. RemoteSensing of Environment,, 96 :485–496, 2005.[155] ZRIBI M. and M. DECHAMBRE. An new empirical mo<strong>de</strong>l to r<strong>et</strong>rieve soil moisture and roughnessfrom radar data. Remote Sensing of Environment,, 84 :42–52, 2003.[156] ZRIBI M., S. SAUX PICART, C. ANDRÉ, L. DESCROIX, C. OTTLÉ, and A. KALLEL. Soilmoisture mapping based on ASAR/ENVISAT radar data over a Sahelian region. InternationalJournal of Remote Sensing, 28(16) :3547–3565, 2007.
Résumétel-00277226, version 1 - 5 May 2008Dans le contexte du programme AMMA (Analyse Multidisciplinaire <strong>de</strong> la Mousson Africaine),l’objectif du travail effectué est <strong>de</strong> mieux comprendre <strong>et</strong> quantifier les processus <strong>de</strong> surface agissant surles flux <strong>de</strong> chaleur sensible <strong>et</strong> latente en région sahélienne. Une approche couplant modélisation <strong>de</strong>séchanges d’énergie <strong>et</strong> d’eau à l’interface Sol-Végétation-Atmosphère <strong>et</strong> télédétection spatiale perm<strong>et</strong>une analyse spatialisée à différentes échelles. Le modèle SEtHyS Savannah a été développé <strong>et</strong> adaptéaux zones semi-ari<strong>de</strong>s. Dans un premier temps un étalonnage <strong>de</strong>s paramètres <strong>et</strong> une validation localedu modèle ont été effectués grâce aux mesures acquises dans le cadre du programme AMMA sur<strong>de</strong>ux parcelles (mil <strong>et</strong> jachère) au Niger. Puis <strong>de</strong>s métho<strong>de</strong>s spécifiques <strong>de</strong> traitement <strong>de</strong>s données<strong>de</strong> télédétection multi capteurs ont été développées <strong>et</strong>/ou appliquées pour les besoins <strong>de</strong> la mise enplace <strong>et</strong> <strong>de</strong> la validation <strong>de</strong> la modélisation spatialisée à l’échelle du super-site AMMA/Niger. Ainsiles données SPOT haute résolution ont permis <strong>de</strong> déterminer une classification <strong>de</strong> l’occupation dusol <strong>et</strong> les cycles d’évolution <strong>de</strong> la végétation. Les données ASAR/ENVISAT <strong>et</strong> les produits issus<strong>de</strong>s capteurs SEVIRI/MSG <strong>et</strong> MODIS ont été utilisés pour proposer une première validation <strong>de</strong> <strong>de</strong>uxvariables clefs <strong>de</strong>s bilans énergétiques <strong>et</strong> hydriques que sont l’humidité <strong>de</strong> surface <strong>et</strong> la température<strong>de</strong> surface.C<strong>et</strong>te étu<strong>de</strong> montre que la modélisation mise en place donne <strong>de</strong>s résultats pertinents <strong>et</strong> offre <strong>de</strong>nombreuses perspectives quant à l’étu<strong>de</strong> <strong>de</strong>s interactions surface-atmosphère <strong>et</strong> <strong>de</strong>s impacts <strong>de</strong> modificationsclimatiques ou anthropiques sur les bilans <strong>de</strong> surface.Mots-clés : modélisation, télédétection, mousson africaine, hydrologie <strong>de</strong> surface, interfacecontinentale, savaneAbstractIn the framework of AMMA program (African Monsoon Multidisciplinary Analysis), the aim ofthe present work is to provi<strong>de</strong> some elements to b<strong>et</strong>ter un<strong>de</strong>rstand and quantify surface processesthat impact on sensible and latent heat fluxes over sahelian landscapes. An approach using remotesensing and a SVAT mo<strong>de</strong>l (Soil-Veg<strong>et</strong>ation-Atmosphere Transfer) has been <strong>de</strong>veloped at differentspatial scales. The SEtHyS Savannah mo<strong>de</strong>l has been adapted to semi-arid environments. The firststep has been to calibrate param<strong>et</strong>ers then to validate the mo<strong>de</strong>l locally using AMMA measurementsacquired over a mill<strong>et</strong> and a fallow fields in Niger. Then specific m<strong>et</strong>hodologies have been used and<strong>de</strong>veloped in or<strong>de</strong>r to apply and validate the mo<strong>de</strong>l at the scale of the AMMA/Niger super-site. ThusSPOT high resolution data have been used to estimate the landuse and the veg<strong>et</strong>ation characteristicsover the area. ASAR/ENVISAT data, SEVIRI/MSG and MODIS products have been used to proposea first validation of surface soil moisture and land surface temperature which are two key variables ofthe hydric and energ<strong>et</strong>ic budg<strong>et</strong>s.The mo<strong>de</strong>l simulations show good agreement with the ground truth measurements and the remotesensing products over the AMMA/Niger super site. This thesis provi<strong>de</strong>s multiple outlooks for thestudy of land-atmosphere interactions and changes of surface hydric budg<strong>et</strong> changes due to climatechanges and anthropic pressure.Keywords : mo<strong>de</strong>l, remote sensing, african monsoon, surface hydrology, continental interface,savannah