Rapport MIT - Laboratoire d`étude des Transferts en Hydrologie et
Transcription
Rapport MIT - Laboratoire d`étude des Transferts en Hydrologie et
Etude comparative des cumuls de précipitations mesurés à l’aide du radar Doppler du MIT et du réseau dense de pluviographes du degré carré de Niamey. Mesures effectuées lors de l’expérience AMMA, 2006-2007 Frédéric Cazenave Encadrement Marielle Gosset Hall Février 2009 1 Table des matières 1 2 Introduction................................................................................................................................................................4 1.1 Contexte de l’étude.........................................................................................................................................4 1.2 Les précipitations en zone sahélienne ...................................................................................................5 Etudes des précipitations à l’aide d’un radar météorologique..............................................................7 2.1 Principe de la mesure....................................................................................................................................7 2.2 le facteur de réflectivité équivalent.........................................................................................................8 2.3 L’équation radar ........................................................................................................................................... 10 2.4 La relation ZR ................................................................................................................................................ 11 2.5 Les différentes sources d’erreur............................................................................................................ 11 2.5.1 Le volume d’échantillonnage......................................................................................................... 11 2.5.2 La bande brillante .............................................................................................................................. 12 2.5.3 L’étalonnage ......................................................................................................................................... 12 2.5.4 L’atténuation ........................................................................................................................................ 12 2.5.5 Le choix de la relation ZR ................................................................................................................ 13 2.6 3 2.6.1 Eléments théoriques ......................................................................................................................... 15 2.6.2 Calcul de l’atténuation spécifique................................................................................................ 18 2.6.3 Corriger l’atténuation ....................................................................................................................... 18 Etude comparative des cumuls de précipitations .................................................................................... 21 3.1 Le jeu de données ........................................................................................................................................ 21 3.2 Méthodologie ................................................................................................................................................. 22 3.2.1 Choix des paramètres des relations ZR, KR et KZ ................................................................. 22 3.2.2 Les scores objectifs ............................................................................................................................ 25 3.3 4 La correction de l’atténuation ................................................................................................................ 15 Mise en regard des données pluviographiques et radar à différents pas de temps......... 27 3.3.1 Ajustement temporelle des séries radar et auget ................................................................ 27 3.3.2 Analyse comparative de la dynamique des séries Auget et Radar ................................ 27 3.3.3 Corriger l’atténuation des réflectivités radar ......................................................................... 31 3.3.4 Conclusion ............................................................................................................................................. 38 3.4 Apport de la correction d’atténuation................................................................................................. 38 3.5 Choix du critère d’ajustement de la calibration du radar ........................................................... 40 Optimisation de l’estimation de la précipitation ...................................................................................... 42 4.1.1 Sensibilité au choix de la relation ZR ......................................................................................... 45 4.1.2 Influence de la distance au radar................................................................................................. 47 4.1.3 Influence de la fluctuation du signal radar et du site de mesure ................................... 48 2 4.1.4 Ajustement de la constante de calibration .............................................................................. 54 4.1.5 Conclusion ............................................................................................................................................. 55 5 Résultats sur les autres événements sélectionnés .................................................................................. 56 6 Comparaison des cumuls horaires ................................................................................................................. 59 7 Conclusion ................................................................................................................................................................ 61 Perspectives ................................................................................................................................................................. 63 Bibliographie..................................................................................................................................................................... 64 Annexe 1 ............................................................................................................................................................................. 66 Annexe 2 ............................................................................................................................................................................. 70 Annexe 3 ............................................................................................................................................................................. 76 3 1 INTRODUCTION 1.1 CONTEXTE DE L’ETUDE En 2005, le Niger a connu une année de famine grave, consécutive à un déficit pluviométrique de la saison des pluies 2004, associé à une invasion acridienne sur les productions agricoles. Sans atteindre l’ampleur des famines des années 1973 et 1984 du point de vue spatial (celles-ci ayant touché tout le Sahel), ce nouvel épisode a concerné le tiers de la population du pays soit 3 millions de personnes. Les conséquences de tels événements sur les populations et l’économie perdurent durant de nombreuses années et contribuent au sous développement de ces régions. Comme de nombreux pays d’Afrique de l’Ouest et principalement de la zone sahélienne, l’essentiel de la population vit de l’agriculture pluviale qui occupe 78% de la main d’œuvre. Ce chiffre rend compte de l’extrême vulnérabilité de ces populations, dépendantes des aléas de la précipitation pour se nourrir au quotidien. La zone sahélienne correspond à un domaine climatique où les précipitations annuelles moyennes varient de 300 à 750 mm. L’essentiel de la ressource pluviale se concentre sur une période de quatre mois de juin à septembre. Afin de satisfaire les besoins alimentaires de la population, plusieurs paramètres sont primordiaux pour favoriser une bonne récolte. Si la durée de la saison des pluies est indispensable pour amener les plantes à maturité, une répartition relativement harmonieuse des précipitations au sein de la saison est nécessaire pour leur bon développement. Les précipitations, la principale source d’apport en eau, sont un atout majeur du facteur de développement social et économique de cette région du globe. La compréhension des interactions entre la variabilité climatique et les surfaces continentales, et leurs impacts sur le cycle hydrologique, est un enjeu important, tant au plan des connaissances scientifiques que pour le développement de ces régions. Ainsi, afin de répondre à cet enjeu, le programme AMMA (Analyse Multidisciplinaire de la Mousson Africaine) a été impulsé au début des années 2000. A l’aide de son système d’observation associé CATCH (Couplage de l'Atmosphère Tropicale et du Cycle Hydrologique), il vise à documenter les variabilités climatique et hydrologique liées à la mousson ouest africaine, et à en comprendre les mécanismes physiques. Afin de mieux appréhender la variabilité atmosphérique et hydrologique, il est nécessaire de disposer d’un jeu de données à toutes les échelles spatio-temporelles pertinentes auxquelles elle se manifeste. Le système d’observation CATCH regroupe trois sites de méso échelle en Afrique de l’Ouest, situés au Bénin, au Mali et au Niger (Fig. 1). Ces sites permettent de mieux comprendre le couplage entre la dynamique de la végétation et le cycle de l'eau ainsi que les rétroactions du continent vers l’atmosphère, et enfin de réaliser des estimations de bilan d'eau sur un gradient climatique. 4 Figure 1 : carte du gradient de végétation sur l’Afrique de l’Ouest avec les 3 sites CATCH A chacun de ces sites, un bassin versant a été fortement instrumenté pour permettre la compréhension des processus à petite échelle. Les mesures réalisées réalisées concernent principalement le suivi du cycle hydrologique (réseau de pluviomètres, radar météorologique, débits des rivières et cours d’eau, hauteur des nappes, humidité du sol, mesures de flux d’évapotranspiration), l'évolution des états de surface surface et de la végétation et l'état de l'atmosphère à l’aide de stations climatiques et synoptiques. Pour notre étude nous nous intéresserons aux mesures pluviométriques réalisées sur le degrés carré de Niamey au Niger. Nous nous attacherons à comparer les cumuls de précipitation mesurés à l’aide du réseau de pluviographes EPSAT aux cumuls calculés à partir de la mesure de réflectivité du radar du MIT, déployé en tout début de saison des pluies 2006. 1.2 LES PRECIPITATIONS EN ZONE SAHELIENNE Autour de Niamey (13.533 13.533N, 2.083E), ), la quantité annuelle de précipitation s’établit depuis le début des années 1990 autour de 515mm. Précédemment, sur le période 1970-1989, 1970 le sahel avait été marqué par une baisse importante de sa pluviométrie. Lors de cette période sèche, he, les cumuls moyens annuels s’établissaient à 490 mm (Fig. 2). La variabilité interannuelle de la pluie est fonction de l’occurrence des événements alors que les caractéristiques de ces derniers restent inchangées en moyenne (Ali, ( A., T. Lebel, A., Amani, 2003). Figure 2 : variabilité interannuelle de la précipitation au sahel de 1990 à 2000. La courbe bleu présente le cumul annuel et la rouge le nombre d’événement au cours de la saison 5 Cette pluviométrie est répartie sur 4 mois de l’année, de juin à fin septembre. La variabilité intra–saisonnière est marquée par une maximum de précipitation au mois d’août. La majorité de la précipitation est d’origine convective. Mathon et al, en 2002, ont montré que les systèmes convectifs de méso-échelle (MCS) produisent 90% de la précipitation au cœur de la saison sur le sahel central. Douze pour cent des MCS sont des système organisés (SCO ou ligne de grains). A eux seuls, ils produisent 90% de la précipitations (Mathon, Laurent and Lebel 2002). Il est important de noter que plus de 50% de ces précipitations, proviennent du front convectif des lignes de grains traversant la zone et tombe sur une durée cumulée d’environ 4 heures. 6 2 ETUDES DES PRECIPITATIONS PRECIPITAT A L’AIDE D’UN RADAR ADAR METEOROLOGIQUE Les radars météorologiques fournissent des informations sur les précipitations avec une bonne résolution spatiale et temporelle. C’est un outil puissant pour les météorologues et les hydrologues. Il apporte des informations précieuses sur la dynamique et la structure interne des systèmes précipitants. Toutefois la mesure quantitative de la précipitation est toujours un facteur limitant de cet outil. L’estimation de la pluie par radar est affectée par de nombreuses erreurs (Wilson and Brandes 1979). 1979). Malgré que l’on ait une bonne connaissance de ces erreurs, il reste difficile d’obtenir une estimation précise de la pluie à toute échelle de temps et d’espace. Néanmoins comme nous allons le voir par la suite, il est possible d’obtenir des résultats satisfaisants moyennant une certaine intégration spatiale s et/ou temporelle. 2.1 PRINCIPE DE LA MESURE A intervalle de temps régulier, un radar émet dans l’atmosphère des impulsions électromagnétiques très brèves et de forte puissance dans une direction donnée. Entre chaque impulsion, il mesure la puissance rétrodiffusée par les cibles interceptées dans le cône de propagation de l’onde incidente (Fig. 3). Le temps écoulé entre l’émission hyperfréquence et la réception du signal rétrodiffusé permet de déterminer la distance au radar de la cible. Cette Cett distance cible-radar radar et les angles d’azimut et d’élévation de l’antenne nous renseignent sur la position de la cible dans l’espace. Figure 3 : Principe de la mesure radar Dans le cas d’un radar météorologique, l’information utile provient principalement des hydrométéores (pluie, neige, grêle, glace…) se trouvant sur le trajet de l’onde électromagnétique. Ces hydrométéores sont répartis dans un volume atmosphérique dépendant de la durée de l’impulsion électromagnétique, de la la distance au radar et des caractéristiques caractéristique de l’ouverture du faisceau d’antenne (Fig. 4). De ce fait, au fur et à mesure que l’on s’éloigne du radar, le volume exploré est de plus en plus important. C’est donc une mesure intégrée dans l’espace. 7 Figure 4 : caractéristiques du volume élémentaire (d'après Faure, 1993) 2.2 LE FACTEUR DE REFLECTIVITE EQUIVALENT La section efficace de rétrodiffusion est la surface interceptée par l’onde électromagnétique au sein d’un volume élémentaire. Ainsi chacune des particules d’eau présente au sein du volume contribue à la puissance rétrodiffusée. La réflectivité radar η est définie comme la somme de toutes les sections efficaces de rétrodiffusion σi de chacun des hydrométéores par unité de volume. η= ∑ = ... .. (en m2.m-3) (1) où V est le volume échantillonné : avec (m3) (2) : ouverture du faisceau en H et V, pour une antenne parabolique = c : célérité de la lumière (3 . 108 ms-1) : durée de l’impulsion électromagnétique Si l’on considère les hypothèses de Rayleigh, pour lesquelles, le diamètre des particules d’eau est petit devant la longueur d’onde du radar (en générale égale à 3, 5 ou 10 cm), le calcul de la section efficace de rétrodiffusion se ramène à : σi = || !" (en cm2) (3) où K : constante diélectrique de la cible. En générale, le facteur diélectrique de l’eau retenu à T=0°C, est de || = 0.93 pour l’eau, 0.24 pour la neige et 0.18 pour la glace. Il est à noter, que 8 ce facteur est très peu sensible à la température pour des longueurs d’onde comprises entre 3cm et 10cm. λ : longueur d’onde de l’onde électromagnétique ( cm ) D : diamètre des particules Ainsi les équations 1 et 3 montrent que la réflectivité radar est proportionnelle au moment ∑ #$ d’ordre 6 du diamètre des gouttes divisé par le volume de résolution ( réflectivité équivalent Z. ). C’est le facteur de En supposant qu’au sein d’un volume observé, le diamètre des gouttes varie de façon continue, il est possible d’écrire l’expression de Z : & = '#+!. #+,- " () )* (mm6m-3) (4) Où N(D) représente la distribution granulométrique des gouttes de pluie exprimé en mm-1m-3. Ainsi, pour un ensemble de gouttes, distribuées de façon homogène dans un volume de résolution, la section efficace de rétrodiffusion (1) s’écrit à partir des équations (3) et (4) : η= || & (5) Différents modèles de distribution de diamètre sont proposés dans la littérature. On rencontre principalement des modèles de type gamma, exponentiel ou log normale (Fig. 5). Le plus fréquemment employé est un modèle exponentiel tronqué à un diamètre Dmax proposé par Marshall et Palmer en 1948 . C’est une forme particulière du modèle gamma ( N(D)= N0 Dμe-ΛD ) avec μ égale à 0, N0 constant et où Λ est une fonction de l’intensité de précipitation (Marshall and Palmer 1948). N(D)=N0e-ΛD avec Dmin ≤ D ≤ Dmax où (6) No = 8000 m-3mm-1 Λ(R)= 4.1R-0.21 mm-1 Figure 5 : Différents modèles de distribution granulométrique exponentiel, Gamma, logarithme normale 9 En Afrique, les modèles Gamma et Log Normale sont principalement utilisés pour représenter la distribution granulométrique des gouttes (notée DSD pour la suite du document) (Ochou, Nzeukou and Sauvageot 2007). Différents auteurs ont montré que le modèle exponentiel ne correspond pas au type de pluies rencontrées en zone intertropicale (Sauvageot and Lacaux 1995) . Pour les fortes précipitations, typiques de ces régions, la pente de la fonction de distribution devient pratiquement constante dès lors que l’on rencontre des intensités supérieures à 10-20 mm.h-1 et des diamètres moyens de gouttes supérieures à 1-2 mm alors que le modèle exponentiel de Marshall et Palmer suppose que Λ(R) décroit au fur et à mesure de l’augmentation de R. De plus, à intensité égale, la concentration de gouttes de faible diamètre (D < 1–2 mm) est plus faible que celle proposée par ce modèle, en partie à cause de l’évaporation. En général, afin de mieux représenter la grande dynamique de la réflectivité, on utilise une échelle logarithmique pour exprimer Z: / = 10 23456 78 : 8 9 (en dBz) avec Z0= 1mm6m-3 (7) 2.3 L’EQUATION RADAR Pour un radar conventionnel (de réflectivité), la grandeur mesurée est la puissance rétrodiffusée par la cible, dans notre cas des hydrométéores distribués dans un volume de l’atmosphère. Elle s’exprime par l’équation suivante : 1 .η < (8) ;? @ AB C 512)22F2)G (9) ;< = =6 . >)) . où L(r) : le facteur d’atténuation de l’onde sur le trajet radar-cible r : la distance à la cible =6 est une constante dépendante des caractéristiques du radar (longueur d’onde, puissance émise et caractéristiques d’antenne) =6 = Où ;? désigne la puissance transmise G, le gain d’antenne , l’ouverture du faisceau à -3dB Il est possible à partir des équations (1),(3),(4) et (8) d’écrire l’expression de la puissance reçue de la façon suivante : Pr = =. >)) . avec & < C = =6 . . || (10) (11) Au sein d’un même volume de l’atmosphère, la turbulence et la vitesse de chute des hydrométéores changent rapidement. Ces changements entrainent une fluctuation de la puissance reçue autour de sa moyenne, pour différentes impulsions consécutives. Pour diminuer cette erreur statistique, on réalise une moyenne temporelle sur plusieurs échantillons. 10 2.4 LA RELATION ZR Le taux de précipitation R représente un volume d’eau précipité par unité de temps et de surface. Il est donné par l’intégrale suivante : J = 6B. 10LM '# NOP () ) . # où C (12) (m.s-1) (Atlas and Ulbrich 1977) (13) est le diamètre des gouttes exprimé en mm R) ) est leur vitesse de chute : R) ) = A ϒ . R) ). * (mm.h-1) NQ avec C=3.778 et ϒ=0.67 pour D en mm N(D) la distribution granulométrique En comparant les équations (4) et (12), on constate qu’il est possible de lier la réflectivité radar Z (moment d’ordre 6 de la DSD ) au taux précipitant R (moment d’ordre 3.67 de la DSD). Connaissance de la DSD, on peut résoudre analytiquement ces équations et d’obtenir une relation de type puissance, reliant Z à R (Uijlenhoet 2001) : & = T. J U (14) avec Z en mm6.m-3 et R en mm.h-1 a et b sont des constantes dépendantes des caractéristiques de la pluie Ainsi, à partir de la mesure de la puissance rétrodiffusée mesurée par le radar, il est possible de connaître le facteur de réflectivité équivalent du volume atmosphérique observé (éq. 8). Puis à l’aide de la relation ZR (éq. 14), on peut en déduire un taux précipitant. 2.5 LES DIFFERENTES SOURCES D’ERREUR De nombreuses erreurs et incertitudes peuvent affecter l’estimation de la pluie par radar. Celles-ci sont liées au caractère indirect de la mesure et à la nature de l’échantillonnage défini par sa résolution spatiale et temporelle ainsi qu’au choix de la fréquence d’émission utilisée. Les hypothèses de distribution granulométrique, peuvent également conduire à mésestimer la quantité précipitée. Lors de la conférence radar AMS de 1984, Zawadski a présenté une liste exhaustive des différentes sources d’erreur (Zawadski 1984). Il est important de noter que bon nombre de ces erreurs sont liées entre elles. De ce fait elles ont une effet cumulatif sur le biais qu’elles induisent, lors de l’estimation de la précipitation. Il est donc important de prêter une attention particulière sur chacune d’elles pour minimiser les biais. Nous allons uniquement apporter quelques précisions sur des points significatifs pour notre étude. 2.5.1 LE VOLUME D’ECHANTILLONNAGE Le calcul du volume échantillonné (éq. 2) fait apparaitre que celui-ci croît avec le carré de la distance. Tout au long de la radiale, sa profondeur reste constante, mais sa section augmente. De plus sous l’effet conjoint de l’angle de site d’acquisition et de la rotondité de la terre, l’altitude du faisceau radar s’élève avec l’allongement de la distance au radar. Or le calcul de la réflectivité équivalente, comme nous l’avons présenté, se base sur une hypothèse d’homogénéité du milieu 11 diffusant (constante diélectrique unique pour tout le volume et hypothèses de Rayleigh (éq. 3). Avec l’élévation du faisceau, assez rapidement, tout ou partie du volume échantillonné sera au dessus de l’isotherme 0°. A ces températures, les hydrométéores observés ne sont plus de l’eau, mais de la glace ou de la neige avec des constantes diélectriques différentes. Il est possible aussi que la pluie présente dans le faisceau soit verticalement hétérogène à cause des phénomènes d’évaporation ou d’agrégation. Il en résulte une modification de la distribution granulométrique qui va biaiser l’estimation de la pluie . Il est possible en présence d’obstacles importants dans un environnement proche du radar (colline montagne, bâtiment…) que le faisceau ne soit que partiellement rempli. Du fait du remplissage partiel du faisceau, l’hypothèse d’homogénéité n’est plus respectée. 2.5.2 LA BANDE BRILLANTE En franchissant l’isotherme zéro degrés, les flocons de neige commencent à fondre. Dans cette zone de fusion, appelée bande brillante, ils se recouvrent d’une fine pellicule d’eau. De ce fait, leur réflectivité croit (de l’ordre de +5dB) avec le changement de la constante diélectrique (|| = 0.24 pour la neige et 0.93 pour l’eau) et la distribution granulométrique change. Ils présentent alors les caractéristiques de rétrodiffusion de gouttes de très gros diamètre à vitesse de chute très faible). Il en résulte une surestimation des précipitations au sol. Ce phénomène se produit essentiellement pour des pluies de type stratiforme, ou au sein des traines des lignes de grain. Une technique pour résoudre ce problème consiste à utiliser le profil vertical de réflectivité pour corriger la réflectivité apparente à l’aide des mesures effectuées aux autres angles de sites disponibles (acquisition volumique)(Sanchez-Diezma, Zawadzki and Sempere-Torres 2000). 2.5.3 L’ETALONNAGE Dans l’équation radar (éq. 8) les caractéristiques numériques, électroniques, hyperfréquence de l’ensemble émission, réception et antenne, sont regroupées dans le constante C. Une erreur de calibration peut engendrer des écarts importants sur l’estimation de la précipitation. Il est donc primordial d’étalonner le radar. Pour ce faire, on peut opter pour une approche électronique, en relevant avec précision les caractéristiques nominales de chaque composant de la chaine de réception. On calculera ensuite le gain de l’ensemble et on l’ajustera si nécessaire à l’aide de la constante C. D’autres méthodes plus physiques permettent de mesurer globalement l’étalonnage du radar en comparant les puissances reçues à des valeurs de référence. On peut utiliser une cible de référence telles que des sphères ou des réflecteurs tétraédriques dont les propriétés de rétrodiffusion sont connues. Il est possible d’utiliser le soleil comme source radio fréquence (Whiton, Smith and Harbuck 1976). Enfin Il est possible d’utiliser la mesure de la précipitation par un autre capteur (pluviographe, disdromètre ou pointeur vertical) comme valeur de référence (Lee and Zawadzki 2006, Gage et al. 2000, Collier 1986). Dans ce cas on préférera parler d’ ajustement plutôt que de calibration. En 2002, lors de la conférence radar de l’AMS, David Atlas dressa une liste assez exhaustive des différentes méthodes que l’on peut mettre en œuvre pour obtenir une calibration absolue du radar (Atlas 2002). 2.5.4 L’ATTENUATION Un des problèmes majeurs de la mesure des précipitations à l’aide d’un radar météorologique de longueur d’onde inférieure à 7 centimètres est l’atténuation du signal par les hydrométéores (Atlas & Banks 1951). Les réflectivités mesurées à travers de forte précipitation sont considérablement dégradées (Hildebrand 1977). Ce phénomène est du à l’absorption et à la diffusion d’une partie de l’onde émise entre le radar et la cible. Comme nous le verrons en suite, différentes méthodes ont été formulées depuis afin de remédier à ce problème qui reste malgré tout un des facteurs les plus limitants pour l’estimation quantitative de la précipitation en fréquence atténuée. 12 2.5.5 LE CHOIX DE LA RELATION ZR La mesure de la précipitation à l’aide d’un radar est une mesure indirecte. L’information sur la réflectivité d’un volume de l’atmosphère doit être transformée en intensité de pluie. Pour ce faire, on utilise la relation ZR (éq. 14) telle que définie précédemment. Comme nous l’avons constaté précédemment, les équations de la réflectivité équivalente Z (éq. 4) et du taux précipitant R (éq. 12) sont toutes deux fortement dépendantes de la distribution granulométrique de la précipitation. Il est donc essentiel de connaitre la DSD de la pluie pour résoudre ces équations et établir analytiquement les coefficients de la relation. La DSD peut être obtenue à l’aide d’un disdromètre (Joss and Waldvogel 1977). Ce capteur mesure le diamètre des gouttes de pluie, leur vitesse de chute ainsi que leur nombre par classe de diamètre dans un volume donné. Par régression linéaire entre les logarithmes népériens des réflectivités Z et des intensités de précipitation R on peut extraire les coefficients a et b . Une autre méthode, consiste à obtenir les coefficients a et b par ajustement linéaire (échelle loglog) d’un ensemble de couple Z et R obtenu par différents instruments (radar, pluviomètres, disdromètre). Toutefois, cette méthode peut présenter des biais sur la détermination de la relation (Campos and Zawadzki 2000). De nombreuses études ont été réalisée sur la relation ZR et au choix des paramètres a et b depuis l’article de Marshall et Palmer en 1948 mais aucune n’a conduit à l’établissement d’une loi unique (Marshall and Palmer 1948). Pour l’Afrique de l’Ouest, les travaux de Ochou (Ochou et al. 2007) et plus récemment de Moumouni (Moumouni, Gosset and Houngninou 2008), ont permis d’établir une liste de relation ZR en différents points de la sous-région. Ces relations présentent entre elles, une certaine similitude dépendamment du climat de la zone d’étude ( continentale, équatoriale ) et de type de précipitation (ligne de grain, convection isolée). Elles sont également proches de relations établies sur d’autres zones géographiques du globe au climat similaire (tab. 1). A celles-ci, on peut ajouter la relation établie par Chamsi (Chamsi 1992) sur des données disdrométriques au Niger. Du fait de l’importante variation spatio–temporelle à petite échelle des précipitations , il est souvent nécessaire d’adapter les coefficients a et b au cours d’un même événement pluvieux. Dans le cas des lignes de grain, on est amené à distinguer le front convectif et la traine stratiforme (Uijlenhoet, Steiner and Smith 2003). 13 Localisation Type de pluie a b Ochou et al. [2007] Niger (Niamey) ALL 508 1.28 Congo (Boyele) ALL 389 1.34 Sauvageot and Lacaux [1995] Continental Africa (Niger, Congo) ALL 364 1.36 ‘Equatorial’ Africa (Ivory Coast) ALL 369 1.28 Maki et al. [2001] Australia (Darwin, continental squall lines) CONV STRAT 232 1.38 532 1.28 Nzeukou et al. [2004] Senegal (Coast) ALL 368 1.24 CONV 162 1.48 STRAT 385 1.21 Tokay and Short [1996] Equatorial Pacific (Kapingamarangi Atoll) ALL CONV STRAT 315 1.20 139 1.43 367 1.30 Moumouni et al. [2008] Benin , around Djougou Whole Data Set ALL 433 1.33 CONV. 343 1.38 STRAT. 468 1.39 20 Squall Lines ALL 509 1.31 CONV. 289 1.43 STRAT. 562 1.44 Chamsi et al. [1992] Niamey, Niger ALL 508 1.19 Tableau 1 : différentes relation ZR rencontrées en Afrique de l'Ouest Très souvent, on utilise des relations ZR climatiques où les coefficients a et b ont été établis à partir de série temporelle relativement longue. Mais du fait d’une importante variabilité d’un système à l’autre, l’utilisation d’une relation ZR moyenne induit une erreur d’estimation de la quantité précipitée. Adapter la relation aux différents types de pluie (ex : partition du front convectif et de la traine stratiforme), au sein d’un même événement, semble être une méthode permettant d’améliorer l’estimation quantitative de la précipitation (Uijlenhoet et al. 2003). 14 2.6 LA CORRECTION DE L’ATTENUATION Depuis les premiers travaux de Ryde (Ryde 1946), puis de Atlas et Banks (Atlas and Banks 1951), l’atténuation du signal radar et sa correction ont mobilisé de nombreux efforts au sein de la communauté des radaristes et des télécommunications. Malgré de nombreuses contributions, ce phénomène reste toujours un point limitant pour l’estimation quantitative des précipitations par radar, même si les techniques polarimétriques offrent de nouvelles solutions à ce problème. 2.6.1 ELEMENTS THEORIQUES L’atténuation du signal radar, à des fréquences inférieures à 7 centimètres est liée à la diffusion et à l’absorption de l’énergie de l’onde hyperfréquence par les hydrométéores contenus dans les cellules pluvieuses. Le terme de diffusion présent pour l’eau en phase solide est négligeable pour la phase liquide et le terme d’absorption sera plus important en phase liquide qu’en phase solide. Bien que l’atténuation liée aux gaz atmosphériques ne soit pas totalement négligeable, nous traiterons uniquement de l’atténuation liée à la précipitation. L’atténuation du signal est cumulative sur le trajet radar-cible. Ainsi une cible proche du radar sera moins atténuée qu’une autre située à une distance plus importante. L’atténuation est généralement présentée sous le forme d’un coefficient d’atténuation spécifique K. Il dépend à la fois de la section efficace d’atténuation Qt(D) et de la distribution granulométrique N(D) : #+,- = = V # +!. Qt)D)N)D)dD (15) où Qt(D) section efficace d’atténuation en cm2 D diamètre des gouttes (cm) N(D) nombre de gouttes de diamètre D par cm3 C est une constante égale à 0.4343 106 Delrieu et al (Delrieu, Creutin and Saintandre 1991) ont montré qu’il est préférable d’utiliser la théorie de Mie (diamètre des gouttes en proportion avec la longueur d’onde) pour le calcul de Qt(D). Cette formulation donne une meilleure estimation de l’atténuation en fonction du diamètre des gouttes et met en évidence l’importance de la température de la cible (Fig. 6). Les calculs effectués en bande C (5 cm) donnent des atténuations de l’ordre de 0.1 dB.km-1 pour une pluie de 15 mm.h-1 à 0.7 dB.km-1 pour une pluie de 100 mm.h-1 . 15 Figure 6 : Section efficace d'atténuation calculée à partir de la théorie de Mie pour différentes longueurs d'onde d'après Delrieu et al. 1991 Nous avons précédemment présenté l’expression de la puissance rétrodiffusée comme le produit de la réflectivité effective multiplié par une constante radar et un facteur d’atténuation dépendant de la distance, le tout divisé par le carré de la distance (eq. 8). Il est possible de reformuler la puissance reçue de la façon suivante : ;)<) = Avec =&+ )<) < (16) &+ )<) = &)<). \=. ])<) (17) où &+ est la réflectivité mesurée, Z la réflectivité vraie, \= une facteur multiplicatif intégrant les erreurs de calibration du radar et A(r) le facteur d’atténuation définie par : L a ])<) = 10 56 '9 ^)_)`_ = bc d−0.46 V )g)*gi h (18) Le facteur 2 devant l’intégrale vient du fait que l’onde fait un aller-retour sur le trajet radar-cible. Dans le vide A(r) vaut 1, mais dans un milieu atténuant tel que l’eau il croit avec la distance. Il est important de prendre également en compte l’atténuation sur site qui peut être importante si le radar est protégé par un radome . Merceret et al (Merceret and Ward 2002) ont procédé à une étude exhaustive de la littérature concernant ce problème (Tab. 3). Il en ressort que l’atténuation liée à la pluie sur un radar non-hydrophobe peut être très importante, de l’ordre de 5 à 10 dB pour les intensités de précipitation fréquemment rencontrées au sein du front convectif d’une ligne de grain sahélienne (Fig. 7). 16 Tableau 2: Différentes valeurs d'atténuation rencontrées en bande C et S pour des radomes de type classique et hydrophobe, d'après Merceret, 2002 Figure 7 : Courbe d'atténuation d'un radome mouillé en fonction de la précipitation. Les données extraites de la littérature ont permis d'extrapoler les courbes fournies par l'AFC (Antennas For Communications, http://www.radome.net/ ) d'après Merceret 2002 De ce fait, il est important d’introduire l’atténuation sur site dans la formulation de l’atténuation totale sur le trajet radar-cible (éq. 19). Elle vient renforcer l’atténuation totale : (19) ])<) = ])<6 ) bc d−0.46 V )g)*gi 9 Où <6 représente la zone aveugle de mesure autour du radar. De ce fait ])<6 ) prend en considération l’atténuation liée à la précipitation sur le radome et dans un rayon très proche du radar ( < 1km ). On définit le PIA (Path Integrated Attenuation) comme étant égale à −10234])<) en dB . 17 2.6.2 CALCUL DE L’ATTENUATION SPECIFIQUE L’atténuation spécifique K (éq. 15) est une fonction de la distribution granulométrique. De fait, comme pour Z et R, il est également possible d’exprimer la réflectivité Z par une fonction puissance de l’atténuation spécifique k : & = j k (20) Les coefficients j l sont alors dépendants de la longueur d’onde, de la distribution granulométrique de la pluie et de la température des hydrométéores ( l’indice de réfraction complexe dépend de la température du milieu m ). De même, Delrieu montre que l’on peut relier l’atténuation spécifique au taux précipitant, la encore, à l’aide d’une fonction puissance, à condition que toutes les hypothèses des équations 12 et 15 soient bien vérifiées (importance du choix du modèle de DSD) et que l’on utilise la théorie de Mie pour le calcul de la section efficace d’atténuation: = AJ ` (21) 2.6.3 CORRIGER L’ATTENUATION Pour des applications radar embarqué sur satellite, Marzoug et Amayenc (Marzoug and Amayenc 1994) ont repris l’expression de l’atténuation totale (éq. 19 ) et ont remplacé l’atténuation spécifique par la réflectivité à l’aide de la relation Zk: ])<) = d])<6 5m ) k avec n)<6 , <) − 5m i \= k 0.46 &+ )g) n)<6 , <) = V p q l 9 j k 5m k (22) *g (23) Le facteur d’atténuation peut être alors calculé sur tout la longueur de la radiale en fonction du profil de réflectivité mesurée et des coefficients j et l de la relation Zk déterminés. Le profil de réflectivité corrigée peut alors s’écrire : & rs )<) = 5m k tu])<6 )\=v − &+ )<) 0.46 &+ )g) l '9 p j q 5m k k (24) *gw 18 Cette nouvelle formulation de la réflectivité est très proche de la solution de l’équation différentielle proposée, en 1954, par Hitschfeld et Bordan (expression de R en fonction de A, r et P)( Hitschfeld et Bordan, 1954). Il est donc désormais possible de corriger des profils de réflectivité atténuée à l’aide de cette équation d’atténuation. Son implémentation sera appelée l’algorithme Hitschfeld-Bordan (HB). Cependant, cet algorithme présente quelques limitations décrites par Hitschfeld et Bordan et discutées en détail par Delrieu et al (Delrieu, Hucke and Creutin 1999a) : - - - Du fait du signe négatif au dénominateur de l’équation de l’atténuation, celui peut tendre vers zéro et conduire à une divergence de l’algorithme. L’équation est extrêmement sensible à une erreur de calibration. Cette sensibilité a été illustrée par Delrieu ( 1999 ) pour une erreur de ±0.5 dB sur un PIA de 15dB. La surestimation de l’erreur de calibration a conduit à une divergence de l’algorithme et la sous-estimation de l’erreur amène une sous évaluation du profil de précipitation. La stabilité de l’algorithme dépend du choix de la DSD au travers du coefficient et de l’exposant de la relation déterministe kZ liant des variables stochastiques autour de la DSD ). De ce fait, la relation kZ n’est vrai qu’en moyenne, entrainant des erreurs sur le calcul du PIA. Enfin, même en supposant une parfaite connaissance de la DSD et de \=, l’algorithme ne peut corriger un PIA de plus de 20 dB. Delrieu suggère de limiter la correction d’atténuation à +10dB pour une radar calibré à ±1 dB. Marzoug et Amayenc (Marzoug and Amayenc 1994) ont proposé de contraindre l’algorithme HB à l’aide d’une mesure de réflectivité de référence. Dans le cas de mesure satellitaire, cette référence provient de la réflectivité de la surface de la terre. En mesurant les variations de puissance rétrodiffusée par cette surface, on peut en extraire le PIA, et ainsi imposer une condition limite qui permet d’éviter les divergences de l’algorithme. Delrieu et al (Delrieu et al. 1999b, Serrar et al. 2000) ont repris ces travaux pour les adapter aux radar sol. Il propose d’utiliser comme référence un échos de montagne qui nous renseignera sur le PIA dans cette direction. En 1977, Peter Hildebrand a proposé une méthode itérative pour corriger l’atténuation du signal le long d’un radiale (Hildebrand 1978). A partir de l’équation 17 écrite sous sa forme logarithmique et de l’équation KZ pour laquelle Z n’est plus la réflectivité effective mais la réflectivité mesurée, on calcul un nouveau profil de réflectivité : 234& x )<) L5 = 234&, )<) + 2 z ,)-) TRA ,)-) -{5 5m k &, =| } j (25) &, )<) représente le profil atténué mesuré, 2 ∑L5 -{5 ,)-) le PIA obtenu à partir de le relation k&, , 234& x )<), le nouveau profil partiellement corrigé. On réitère l’opération en utilisant cette fois & x )<) pour le calcul du PIA : 5 (26) 8 mk x x 234& " )<) = 234&, )<) + 2 ∑L5 TRA = 7 : )-) -{5 )-) Ainsi de suite, le profil de réflectivité est corrigé. Si le radar est correctement calibré et que la DSD est connue, après quelques itérations, le PIA ne doit plus croitre significativement. On considère que l’on peut stopper les itérations dès lors que la variation de PIA d’une itération à l’autre est inférieure à 1dB. Une erreur liée à une surestimation de la calibration, à une mauvaise estimation de la température des gouttes, ou à un choix erroné de la distribution granulométrique peut entrainer une divergence de la correction. Il faut alors revenir à l’itération précédente. 19 Hildebrand a réalisé une étude exhaustive des sources d’erreur. Il a regardé la sensibilité de son algorithme à des variations de température, de calibration du radar et à deux types de DSD. Il en conclut que la principale source d’erreur est liée à la calibration du radar même si les effets des erreurs sur la température et la DSD ne sont pas négligeables. Il propose également, pour un radar bande C calibré à ±2 dB, de limiter la correction d’atténuation à des cellules dont l’intensité ne dépasse pas les 45 dBZ. 20 3 ETUDE COMPARATIVE DES CUMULS DE PRECIPITATIONS PRECIPITAT 3.1 LE JEU DE DONNEES Le site d’observation au Niger, se situe entre 1°40 E et 3° E en longitude et en latitude entre 13 N et 14°10 N, soit une surface de 16 000 km². Equipé depuis 1988, le réseau pluviographique compte, en 2006, 54 stations réparties non uniformément sur la zone (Fig. ( 8). ). Les pluviographes sont équipés d’augets basculeurs (0,5 mm de hauteur d’eau par basculement), et sont munis d’un cône de 400 cm2. Deux types de systèmes d’acquisition équipent les pluviographes : soit des centrales Œdipe, soit des enregistreurs Hobo. Hobo. Chaque date de basculement est enregistrée en mémoire. Tout au long de la saison saiso des pluies, des fichiers brutss sont collectés aux stations. Après traitement, on dispose de fichiers de cumul pluviographique à différents pas de temps. Pour réaliser nos comparaisons, mparaisons, nous utiliserons des fichiers de type ORE, au pas de temps de 5 minutes. Dés lors que l’on enregistre moins d’un basculement en 5 minutes, un traitement informatique permet de répartir uniformément la précipitation sur quelques pas de temps consécutifs. nsécutifs. Cette correction intervient essentiellement pour les pluies stratiformes, dont les intensités sont faibles (ex : fin de traine d’une ligne de grain). Figure 8 : Localisation des pluviographes sur le site du Niger et implantation du RADAR météorologique. Les cercles concentriques représentes les distances 30 et 60 km du radar En complément du réseau EPSAT, le RADAR météorologique du MIT a été déployé à l’aéroport l’aéropo militaire de Niamey,, dans le cadre d’AMMA. d’AMMA. Ce radar bande C ( 5,35 cm de longueur d’onde) réalise des mesures de réflectivité (mesure de la puissance rétrodiffusée dans le volume de l’atmosphère sondé) et des mesures de vitesse radiale des hydrométéores. hydrométéores Toutes les 10 minutes, le radar effectue un acquisition type SURV (exploration de l’atmosphère sur 360°, PPI, à site constant 0.7° avec une profondeur des portes d’acquisition le long de la radiale de 250m) 250m (Fig. 9), suivii d’une acquisition volumique (15 PPI à élévation n d’antenne compris entre 0.57° et 29°, avec une profondeur de porte de 125m)(Fig. 125m 10). 21 Figure 9 : PPI du 17 juillet 2006 à 8h00. Un système précipitant se propage du Nord au Sud. Dans la partie basse de l’image, le front convectif est bien identifié, avec des réflectivités supérieures à 45 dBZ. En haut de l’image, on peut voir la traine stratiforme, consécutive au passage de front. Figure 10 : Image volumique, même jour à 8h01. L’axe Z représente les angles d’élévation de l’antenne. Seuls 5 angles de site ont été représentés. Les axes X et Y sont gradués en kilomètre et ont pour origine le radar. 3.2 METHODOLOGIE Nos résultats seront issus d’une comparaison directe entre les valeurs des cumuls de précipitation au pas de temps de 10 mm des 54 pluviographes du réseau EPSAT ( Rg ) et les valeurs des cumuls au même pas de temps observées par le radar ( Re ). Re est obtenue à partir de la réflectivité équivalente ( Ze ) de la porte située au sein du faisceau radar dans la direction et à la verticale du pluviomètre. Le mesure de Ze est convertie en intensité de pluie en utilisant une relation RZ (mm.h-1) puis convertie en cumul sur 10 mm. Les données brutes Ze sont 5 fournies corrigées en distance ( ,. ). Les déformations du signal liées à la mesure radar telles que l’atténuation seront prises en compte au cours de cette étude. Dans le plus part des cas, nous avons utilisé les images radar type SURV à un site de 0.7 degré. A cette élévation, le centre du faisceau radar se situe à une hauteur de 1.350 km au dessus des stations pluviographiques les plus éloignées soit 110 km de l’aérien. 3.2.1 CHOIX DES PARAMETRES DES RELATIONS ZR, KR ET KZ La typologie des systèmes précipitants sahéliens est assez particulière. De ce fait, il est difficile de transposer des relations ZR extraites de la littérature, ne faisant pas expressément référence à cette zone climatique. Au cours de son travail de thèse, Nizar Chamsi (Chamsi 1992) a travaillé sur des données radar et disdrométriques acquise au cours de l’expérience EPSAT-Niger (années 1988 et 1989). Il a établi trois relations ZR différentes: Z=411R1.33 , établie par une régression linéaire entre intensités de pluie et réflectivités radar déduites de mesures disdrométriques (Chamsi1). Z=239R1.45 , élaborée à partir de la même méthode que la précédente relation mais porte uniquement sur des données de pluie de type convectif (Chamsi2). Z =508R1.19, déterminée par ajustement d’un modèle exponentiel sur la distribution granulométrique des gouttes de pluie. Le paramètre Λ(R)=3.0R-0.08 mm-1 et N0(R)=1.5R0.63 ont été estimés par modélisation de la distribution granulométrique à partir des données disdrométriques sur un large échantillon de ligne de grain(Chamsi3). 22 A partir d’un un échantillon plus réduit du même jeu de donnée (uniquement sur la saison des pluies 1989),, Ochou et al., dans un récent article (Ochou et al. 2007),, confirme la bonne représentation de la DSD à l’aide d’une d’un loi log normale. Il obtient des es coefficients a et b proches 1.28 de ceux de la relation Chamsi3 de 1992 ( Z=508R ). Dans son travail de thése, Moumouni Soumailia (2009), a documenté les caractéristiques granulométriques des pluies observées au sol à l’aide de trois spectro-pluviomètr spectro pluviomètres optiques distribués dans la région de Djougou, Djougou au cours de la campagne de mesure AMMA. Une partie de son travail a porté sur l’élaboration d’une relation ZR en zone soudano-sahélienn soudano sahélienne. La relation 1.33 climatologique (Z=433R ) trouvée à partir d’un jeu de 93 événements est une relation intermédiaire entre celles proposées par Ochou pour les pluies côtières et sahéliennes. Sur un jeu plus restreint, ne prenant en compte que les événements bien organisés, identifiés comme des lignes de grain,, principales sources des précipitations à Niamey, Niamey la relation ZR 1.31 (Z=509R ) obtenue est très proche de celle proposée par Ochou.. La variabilité intraintra événementielle de ces événements est particulièrement marquée. A partir des hyétogrammes ces es événement pluvieux, il a partitionné les spectres granulométriques en fonction du type de pluie convective ou stratiforme. Il a pu ainsi proposer propos de nouvelles relationss ZR pour chacun de ces deux types de processus : Z= 289 R1.31 (convectif) Z= 562 R1.44 (stratiforme) La relation obtenue au Bénin, par Moumouni, pour les pluies de nature convective au sein des lignes de grain est très proche de celle de Chamsi pour le même type de pluie au Niger. Sur le graphique ci-dessous (Fig. Fig. 11), les intensités de pluie ont été tracéees en fonction de la réflectivité radar pour différentes relations ZR. On constate que les estimations des faibles précipitations ns est relativement similaire pour pou les deux relations proposées par Chamsi (Chamsi3) et Ochou. Toutefois outefois pour de réflectivité forte ( > à 45 dBz ), la relation proposée par Chamsi (Chamsi2) produit des cumuls beaucoup beaucoup plus importants que toutes les autres relations. Compte-tenu tenu du plus grand nombre d’échantillons pris en considération par Chamzi, nous nou 1.19 retiendrons dans un premier temps ses coefficients (Z=508R ). Par la suite nous réaliserons un test de sensibilité aux relations proposés par Chamsi, Ochou et Moumouni. Figure 11 : représentation de l'intensité de pluie en fonction de la réflectivité radar pour différentes relations ZR proposées pour la zone sahélienne 23 Dans son mémoire de DEA, Bénichou (Bénichou 1995) a travaillé sur les acquisitions du radar météorologique bande C de la DMN à Niamey, lors de l’expérience EPSAT-Niger (19901993). Il s’est intéressé à la correction de l’atténuation du signal rétrodiffusé par la précipitation. A l’aide des résultats obtenus par Chamsi, il a calculé les coefficients des relations KZ et KR pour différentes températures : Z = 508R1.19 Λ(R)=3.0R-0.08 mm-1 N0(R)=1.5R0.63 T = 0°C = 3.01 × 10LC J5.6 & = 366 × 10C 5.5C T = 10°C = 2.26 × 10LC J5.6 & = 445 × 10C 5.55 T = 20°C = 1.71 × 10LC J5.6 & = 568 × 10C 5.56 Tableau 3 : les différents coefficients des relation KR et ZK en fonction de la température, calculés à partir de la DSD de Chamsi La surface équivalente d’atténuation des gouttes de pluie dépend de leur température. Comme nous l’avons dit précédemment, de part l’angle d’élévation de l’antenne parabolique, et de la distance au radar, le faisceau radar s’élève peu à peu de la surface de la terre. Avec l’accroissement de l’altitude du faisceau, la température des gouttes de pluies chute pour atteindre la zone de fusion (l’isotherme 0°C) entre 3500 et 4000 mètres. Pour un angle de site de 0.7°, à une distance de 100 km, le centre du faisceau est proche d’une altitude de 2000 m. Pour la suite de notre étude, nous allons faire l’hypothèse d’une température moyenne des gouttes de pluie à 10°C pour le calcul de la surface efficace d’atténuation des gouttes. Toutefois, un test de sensibilité au choix de la température des gouttes de pluies pour le calcul de la fonction KR montre l’importance de ce paramètre. La figure ci-dessous présente l’évolution de la relation KR calculée à partir du modèle de DSD de Chamsi (Fig. 12 haut), et l’évolution du ratio T°1/T°2 pour différentes températures (Fig. 12 bas). On confirme une augmentation de l’atténuation du signal avec la diminution de la température ainsi qu’une évolution similaire des KR quelque soit la température entre 20° et 0°. Le ratio T°1/T°2 tend à diminuer avec l’augmentation de la précipitation. Entre 20° et 10°, ce ratio est pratiquement constant, de l’ordre de 1.3, avec une variation de 0,1 entre 0,1mm.h-1 et 100mm.h-1. Atténuation en dB.km-1 1 0°C 10°C 20°C 0,1 0,01 0,001 0,0001 0,10 1,00 10,00 100,00 Intensité de précipitation (mm.h-1) 24 2 K(0°C) / k(10°C) k(0°C)/K(20°C) K(T1)/K(T0) 1,8 K(10°C)/K(20°C) 1,6 1,4 1,2 1 0,1 1 10 Intensité de précipitation (mm.h-1) 100 Figure 12 : Influence de la température sur la relation KR en bande C. En haut évolution de l’atténuation en fonction de l’intensité de précipitation pour différentes températures. En bas, variation du ration T°1/T°2 en fonction de la précipitation. 3.2.2 LES SCORES OBJECTIFS Pour permettre une évaluation objective des comparaisons, nous avons retenu les scores statistiques suivants : - Le coefficient de détermination (R2, carré du coefficient de corrélation) , permet de quantifier la relation spatiale et temporelle entre les cumuls augets et radar. Il nous renseigne sur la variation simultanée des deux mesures. (27) . . ∑ ) ) ∑ ) ) J − J J4 − J4 ! ! !{5 !{5 J = . ) . ∑ J! − J) ∑!{5) J4! − J4) !{5 Avec - J4 valeur de la précipitation observée au pluviomètre J valeur de la précipitation estimée à partie de mesure de réflectivité radar J valeur moyenne de la variable R Le critère de Nash (ou efficience) exprime l’adéquation entre le cumul radar et auget. Il est sensible au biais moyen entre les cumuls et à leur covariance. Il vaut 1 lorsque tous les cumuls sont égaux et tend vers -∞ si les cumuls sont extrêmement différents. ∑.!{5) J! − J4! ) (Tgℎ = 1 − . ∑!{5) J! − J4) (28) Avec J4 représente la moyenne de la précipitation mesurée. 25 - RMSE (Root Mean Square Error), ou écart quadratique moyen. Il permet de connaitre l’erreur entre la mesure auget et la mesure radar. Il tend vers zéro lorsque l’erreur est faible. ∑.!{5)J4! − J! ) RMSE = F (29) Le coefficient de détermination R2, le critère de Nash et l’erreur quadratique moyenne (RMSE) vont nous servir de critères de performance pour évaluer les méthodes et les corrections d’estimation de pluie par radar. Dans certains cas, afin de manipuler trois estimateurs statistiques compris entre 0 et 1, le RMSE sera remplacé par le NMSE, valeur normalisée de l’erreur quadratique moyenne : ∑.!{5)J4! − J! ) NMSE = . ∑!{5) J4! − J4) (30) Suivant le cas, nous utiliserons le ratio ou le Biais pour connaître erreur quantitative résiduelle entre la mesure auget et l’estimation de pluie par le radar - Le ratio, il nous renseigne en pourcentage sur le rapport entre les deux cumuls. Ainsi un ratio positif indique une sous-estimation du cumul radar. JT3 = ∑Q ∑Q - (31) Le biais, moyenne des écarts algébriques entre les cumuls auget et les cumuls radar . )J4! − J! ) 1 Tg F3<T2gé = z F J4 (32) !{5 Afin de mieux affiner nous évaluation entre les différents scores statistiques, nous avons défini un critère complémentaire, permettant d’extraire la meilleure réponse en terme de corrélation, d’efficience et d’erreur. Ce nouveau critère appelé Best, est défini ainsi : g = J + (Tgℎ − Tg)(n) (33) Entre différents résultats du score de Best, le meilleur est celui possédant le valeur la plus forte. 26 3.3 MISE EN REGARD DES DONNEES PLUVIOGRAPHIQUES ET RADAR A DIFFERENTS PAS DE TEMPS Avant de procéder à une quelconque correction des mesures radar (atténuation, calibration, atténuation locale), nous allons nous intéresser à l’étude de la dynamique de la pluie vue par le radar. Nous allons procéder à une comparaison à différentes échelles de temps et d’espace, des cumuls obtenus à l’aide du radar et du réseau de pluviographe. Nous considérons que la mesure auget fournit une mesure de référence malgrè tous les problèmes de représentativité que peut fournir la mesure de la précipitation à l’aide d’un pluviographe (Lebel and Amani 1999). 3.3.1 AJUSTEMENT TEMPORELLE DES SERIES RADAR ET AUGET Le fait de comparer une mesure radar de la précipitation et la mesure de cette même précipitation à l’aide d’un pluviographe situé à l’aplomb du volume radar, suppose une hypothèse d’invariance de la pluie à petite échelle de temps et d’espace. Les gouttes de pluie situées au sein d’un volume radar mettent un certain temps pour atteindre le sol. La durée du parcours entre la hauteur moyenne du faisceau et le sol dépend de la vitesse de chute des gouttes, elle même fonction de leur diamètre. Egalement, en présence d’advection, les gouttes peuvent être transportées dans différentes directions (Lack and Fox 2003, Lack and Fox 2007). La mesure réalisée à l’aide du radar est une mesure instantanée de la précipitation. Du fait du protocole d’acquisition (pour une même élévation d’antenne, on réalise une image toutes les 10 minutes), on considère que le taux précipitant obtenu à partir de la mesure de la réflectivité est constant jusqu’à la prochaine mesure. Par ailleurs il faut tenir compte d’éventuelle désynchronisation entre les horloges des différents capteurs. En procédant à un ajustement temporel entre les données radar et pluviographiques, on cherche à compenser ce décalage spatial et temporel et ainsi à obtenir la meilleure dynamique possible entre les séries. Le tableau 4 résume les différents scores obtenus en fonction d’un Δt pris dans un intervalle de ±10 minutes, ajouté à l’horloge des pluviographes. Pour toute la saison 2006, l’ensemble des couples cumul auget (Rg) et cumul radar (Re) au pas de temps de 10 minutes a été pris en considération. On constate qu’un décalage de + 5 minutes améliore la covariance et l’efficience. Nous conserverons pour la suite ce décalage temporel entre les deux séries. Seul l’événement du 24 septembre 2006 présente des scores supérieurs si on décale les horloges de +10 minutes. Décalage -10mn -5mn 0 +5mn +10mn R2 0.062 0.142 0.249 0.287 0.187 Efficience -0.0856 0.036 0.156 0.190 0.092 Ratio 2.49 2.42 2.35 2.34 2.38 Tableau 4 : Evolution des scores en fonction du calage temporel de l'horloge des pluviographes 3.3.2 ANALYSE COMPARATIVE DE LA DYNAMIQUE DES SERIES AUGET ET RADAR Sur l’ensemble de la saison 2006, 39 événement considérés comme majeurs ont été enregistrés à l’aide du réseau de pluviographes. Un événement majeur est défini comme ayant apporté un cumul minimum de 2,5 mm sur au moins 30% des stations du réseau. Afin de distinguer les 27 événements entre eux, il est également nécessaire que 30 minutes séparent le dernier basculement d’un événement du premier basculement de l’événement suivant. Ce critère a été défini par les équipes ayant successivement géré le réseau. Ces événements sont répartis entre le 6 juin et le 30 septembre. Compte-tenu du démarrage tardif des acquisitions radar (2 juillet ), et des pannes ponctuelles à certaines dates, 30 événements sont pris en compte sur l’ensemble des événements majeures de la saison (Tab 5). N° Début Fin N 10 60 Total Durée 1 6/ 7 a 22h 5' 7/ 7 a 2h 5' 24 110 505 510 245 2 8/ 7 a 23h20' 9/ 7 a 4h35' 21 192 369 384 320 3 11/ 7 a 16h30' 11/ 7 a 23h 0' 37 161 383 403 395 4 14/ 7 a 4h50' 14/ 7 a 8h50' 46 187 304 371 245 5 15/ 7 a 2h10' 15/ 7 a 7h25' 15 167 265 310 300 6 17/ 7 a 6h 0' 17/ 7 a 9h35' 43 231 457 457 220 7 19/ 7 a 4h35' 19/ 7 a 10h 5' 48 184 400 462 335 8 22/ 7 a 8h 0' 22/ 7 a 14h20' 48 320 581 636 385 9 25/ 7 a 7h15' 25/ 7 a 9h25' 21 229 456 456 135 10 25/ 7 a 23h55' 26/ 7 a 5h45' 42 179 316 509 355 11 31/ 7 a 8h20' 31/ 7 a 14h50' 35 170 460 485 395 12 3/ 8 a 13h 0' 3/ 8 a 17h 0' 44 140 393 418 245 13 6/ 8 a 6h45' 6/ 8 a 14h30' 50 220 704 890 470 14 7/ 8 a 18h40' 7/ 8 a 22h20' 38 171 217 227 225 15 11/ 8 a 2h20' 11/ 8 a 9h25' 51 241 491 605 430 16 14/ 8 a 8h55' 14/ 8 a 10h 0' 16 137 185 185 70 17 14/ 8 a 13h50' 14/ 8 a 16h 0' 38 22 30 30 135 18 18/ 8 a 7h25' 18/ 8 a 12h50' 52 250 542 546 330 19 22/ 8 a 2h25' 22/ 8 a 9h50' 53 165 517 775 450 20 24/ 8 a 14h25' 25/ 8 a 0h25' 50 271 834 847 605 21 28/ 8 a 1h45' 28/ 8 a 10h 0' 53 160 509 560 500 22 30/ 8 a 7h10' 30/ 8 a 10h35' 40 136 153 160 210 23 31/ 8 a 1h40' 31/ 8 a 3h45' 28 36 81 130 65 28 24 31/ 8 a 7h20' 31/ 8 a 9h 5' 33 20 25 5/ 9 a 8h45' 5/ 9 a 13h 0' 26 8/ 9 a 4h30' 40 40 110 30 140 326 346 260 8/ 9 a 12h25' 52 270 534 593 480 27 10/ 9 a 14h45' 11/ 9 a 2h15' 45 227 874 993 695 28 12/ 9 a 14h25' 12/ 9 a 17h40' 50 180 259 259 200 29 14/ 9 a 6h55' 14/ 9 a 9h 5' 35 90 153 158 135 30 24/ 9 a 2h35' 24/ 9 a 9h25' 51 234 550 638 415 Tableau 5: Liste des 30 événements majeurs pris en compte. N représente le nombre de stations touchées par l’événement. Les colonnes 10, 60 et Total représentent les cumul maximum en 1/10éme de mm enregistré à une station respectivement en 10 mn, 60mn et événementiel. La figure 13 montre l’évolution des cumuls moyens des précipitations sur l’ensemble des 54 stations du réseau EPSAT, et des cumuls moyens (éq. 33) calculés à partir de la réflectivité équivalente, événement après événement. 1 = F .U¥¦O¦§Q `¢é£¤ z .{5 z A¡¡256+. )F, ) (34) ?{6 Figure 13 : cumuls événementiel moyens aux stations, Auget et radar, pour les 30 événements majeurs retenus de la saison 2006. Les étoiles rouges représentent le ratio Rg/Re. Seul l'événement du 14 aout présente une estimation radar supérieure à la mesure au sol. Figure 14 : Restitution ¨de la pluie événementiel avec la relation ZR climatologique proposée par Chamsi. La droite bleu correspond à la droite de régression et la droite en pointillé représente la première bissectrice. Les observations radar respectent globalement la dynamique des cumuls de précipitation vue par le réseau sol avec un coefficient de détermination de l’ordre de 0,9 (fig. 14). A l’exception d’un événement (14 aout 2006 après midi ) ayant produit la plus faible quantité d’eau, les cumuls radar sont systématiquement inférieurs à ceux mesurés au sol, avec un ratio moyen pour la saison de l’ordre de 2,2. On constate également une importante dispersion des couples (Rg,Re). Cela semble indiquer que cette sous-estimation radar n’est pas due uniquement à une erreur de calibration. Dés lors, nous allons chercher à comprendre l’origine de ce biais. S’agit-il d’un problème lié à une 29 variabilité de la mesure intra-saisonnière de la réflectivité , nécessitant un ajustement de la constante d’étalonnage, d’un choix inapproprié des coefficients de la relation ZR , ou bien à de très fortes atténuations de la mesure par les précipitations ? Lorsque l’on élimine les événements ayant produit un cumul total sur l’ensemble des 47 stations supérieur à 700 mm, on constate que le coefficient de détermination reste correct et on note une amélioration sensible du critère de Nash (0.13 pour 0.016 précédemment). Si l’on ne conserve que les épisodes dont le cumul n’excède pas 200 mm, on enregistre alors une bonne adéquation des couples (R2=0.76, Nash=0.5). On constate que l’estimation de la pluie à l’aide des données brutes radar se dégrade avec l’augmentation de la précipitation. Saison totale Ev. > 700mm Ev. ≤ 700mm Ev. ≤ 200mm Nbre ev 30 11 19 7 R2 0.90 0.46 0.79 0.763 Nash 0.09 -13.44 0.22 0.50 RMS 478.38 766.87 144.44 40.37 Ratio 2.23 2.52 1.70 1.36 Tableau 6 : scores obtenus par classe d'événement en fonction de la quantité précipitée En ne prenant en compte cette fois que les stations pluviographiques situées dans un rayon de 30km autour du radar, les scores progressent quelque soit la quantité de précipitation produite lors de l’événement (cor2=0.83, eff =0.46, ratio=1.69). Il semble donc que l’estimation de la pluie par le radar à partir de données brutes soit aussi sensible à la distance d’étude. Figure 15 : cumuls événementiel moyens auget et radar, aux stations situées à moins de 30km du radar, pour les 30 événements majeurs retenus de la saison 2006 ainsi que le le ratio Rg/Re par événement Figure 16 : diagramme de dispersion des couples (Rg,Re) pour les 30 événements retenus de la saison 2006. Seules les stations à moins de 30km du radar ont été prises en compte L’amélioration des scores est expliquée par les points suivants : 1) Du fait de la distance d’observation faible, les volumes de résolution radar sont relativement petits. De ce fait les critères d’homogénéité au sein du volume sont plus facilement satisfaits. 2) Compte-tenu de la faible élévation du faisceau, la température tout au long de la radiale est relativement stable et élevée ( >20°C). Les surfaces efficaces d’atténuation des hydrométéores seront de ce fait plus faible que pour des mesures à des altitudes plus hautes, donc des températures plus froides. 3) L’atténuation du signal par la précipitation est cumulative porte après porte ; en limitant à 30 km la distance d’étude, son effet est moins préjudiciable . 4) La distance cible radar étant réduite, l’atténuation produite par les fortes précipitations situées au-sein du front convectif entre le radar et le pluviographe ne dure pas. Très 30 rapidement, le front dépasse le radar et permet une meilleure estimation de la précipitation de la traine stratiforme. L’ensemble de ces constations montrent que nous ne pourrons pas nous dispenser de corriger les données radar de l’altération liée à l’atténuation du signal par la précipitation. Comme cela avait été souligné très tôt par plusieurs auteurs tels que Ryde, puis Atlas et Banks, la bande C n’échappe pas à ce phénomène d’autant plus important lors des fortes intensités de précipitation rencontrées dans les fronts convectifs des lignes de grain. 3.3.3 CORRIGER L’ATTENUATION DES REFLECTIVITES RADAR L’atténuation du signal ayant un effet cumulatif porte après porte, il est essentiel de ne pas prendre en compte des réflectivités parasites qui, assimilées à de la précipitation, viendraient accroître l’estimation du PIA et de ce fait, pourraient conduire à une surestimation de la correction, ou à une divergence des algorithmes correctifs. A contrario, une élimination systématique des portes « polluées », pénalise significativement le processus de correction. La figure ci-dessous illustre l’évolution de la réflectivité à la station de Dey Tegui, située à 30 kilomètres du radar, pour l’événement du 17 juillet 2006 de 6h à 7h10 TU. Dés lors que le système passe au dessus de la station, il survole quelques instants après les premiers échos de sol autour de Niamey. On constate l’influence de la prise en compte des échos de sol sur la correction d’atténuation des réflectivités mesurées. En noir, sont tracées les réflectivités mesurées brutes lors du passage de l’événement. En rouge et en jaune, sont tracées les réflectivités corrigées de l’atténuation à l’aide de l’algorithme itératif de Hildebrand. La courbe rouge intègre dans son calcul les échos de sol (GC) tandis que la seconde élimine systématiquement toutes les portes de la zone d’échos de sol (NO_GC). On constate que l’influence de la zone d’échos fixes est non négligeable. Sa prise en compte comme écho de précipitation ajoute un gain initiale de 0.3 dB et la correction moyenne sur le profil de réflectivité est de l’ordre de 2 dB. Une élimination systématique de cette zone, produit une sous estimation de l’atténuation préjudiciable aussi à l’estimation quantitative de la pluie. On est conduit à faire la distinction entre un écho de sol et un écho de précipitations au dessus de la zone d’échos fixes proche du radar. Dey Tegui Zone d’échos de sol 31 3.3.3.1 Elaboration de la carte des échos de sol Pour mettre en œuvre la correction d’atténuation en tenant compte des échos parasites, il faut tout d’abord identifier puis cartographier les zones d’échos de sol. Pour ce faire nous avons basé la détection sur un critère de stationnarité. Comme nous le verrons ci-dessous, la présence de nombreux insectes et de différentes espèces de chiroptères altère la stationnarité des échos dits fixes. Il est donc nécessaire de ne pas imposer un seuil de vitesse Doppler trop bas sous peine de ne pas prendre en compte une grande partie des échos parasites. La détection du contour de la zone d’écho de sol a été réalisée à partir des 288 images acquises au pas de temps de 10 minutes sur deux journées de temps sec (27 juillet et 26 septembre 2006). Sur une zone de 50 kilomètres autour du radar, pour chaque image, les pixels radar dont la mesure de la vitesse doppler est supérieure à 0.2 m/s (échos non stationnaires), ont été affectés d’une valeur arbitraire fixée à 100, les autres ( échos stationnaires) ont été fixés à la valeur 0. A partir des 288 images d’échos stationnaires, une carte moyenne de stationnarité des échos a été produite (Fig. 17). Sur cette carte, le long de chaque radiale en s’éloignant du radar, on identifie la position du dernier pixel dont le « seuil de mouvement » est inférieur à 20. Ce seuil de stationnarité, fixé à 20, a été choisi afin de ne pas écarter trop de pixels dont au cours de ces deux journées, la mesure de la vitesse doppler aurait pu être perturbée par des échos parasites. En reliant de radiale en radiale, tous ces pixels, considérés à la limite de la zone stationnaire, on obtient le contour de la zone d’échos fixes, comme on peut le voir tracé en noir sur l’image ci-dessous. Le contour ainsi obtenu, a été reporté sur l’image du PPI du 27 juillet 2006 à midi (Fig. 18). On constate une bonne adéquation visuelle entre les échos de sol et le contour de la zone d’échos stationnaires ainsi superposés. Figure 17 : carte de stationnarité des échos de sol dans un rayon de 50 km autour du radar construite à partir d’un ensemble des 288 images d’air sec. Figure 18 : Le contour de la zone d’échos stationnaires obtenu à partir de deux journées d’air clair, a été tracé sur l’image PPI du 27 juillet 2006 à 12h TU. On constate que ce contour épouse parfaitement la zone de forte réflectivité (> 10dB) liée à la présence d’échos fixes proches du radar. 32 Au cours de cette étude, on a constaté une variation de la réflectivité des échos de sols, marqué pour un saut d’environ 6dB aux éphémérides, à l’intérieur de la zone délimitée par le contour. Cette augmentation de la réflectivité moyenne est due à la présence importante d’insectes et de chauvesouris autour de la ville qui s’activent dés que le soleil est couché, pour disparaitre à son lever. Une analyse plus détaillée de l’évolution des échos de sol au cours de la journée est présentée en annexe. Figure 19 : évolution de la réflectivité moyenne et de la vitesse radiale sur la zone d'échos de sol. 3.3.3.2 Détection pluie/non-pluie sur la zone d’échos fixes La zone d’échos fixes (ensemble des pixels radar situés à l’intérieur du contour précédemment construit) ayant été clairement identifiée, nous allons maintenant chercher à détecter la présence de précipitation au dessus de cette zone. Pour chaque événement, une carte moyenne de réflectivité des échos de sol dits secs est calculée à partir de l’ensemble des images de l’événement avant l’arrivée du système précipitant sur la zone. La distinction entre un pixel d’écho de sol sec et ce même pixel sous influence de la précipitation est basée sur une variation significative de la réflectivité, par rapport à sa valeur de réflectivité moyenne calculée avant la précipitation. Jusqu’à la limite de la zone d’échos fixes, on parcourt chaque radiale afin de rechercher un saut de réflectivité, qui déterminera la transition entre écho de sol sec et un écho de précipitation. A partir de ce pixel, débutera la prise en compte de la correction d’atténuation. En construisant, pour chaque événement, une carte de réflectivité moyenne de référence de la zone d’échos de sol, on prend en compte les variations de réflectivité intra-journalières de la zone, liées à la présence d’insecte et chauvesouris et aux éventuelles variations de la calibration du radar. Par la suite, cette méthode de prise en compte de la zone d’échos de sol pour le traitement de l’atténuation de la réflectivité par les précipitations sera appelée correction adaptative. Les graphiques ci-dessous (Fig. 20), présentent à nouveau la station de Dey Tegui, lors de la pluie du 17/07/2006. On constate que la correction adaptative, améliore significativement les scores (Tab 7). On obtient une bonne estimation du cumul de précipitation vue par le radar (Efficience à 0.994 avec une légère sous estimation) ainsi qu’une bonne restitution du hyétogramme à la station (R2 = 0,996) 33 Figure 20 : Tracés des hyétogrammes et des réflectivités pour différentes méthodes d’intégration des échos de sol pour la correction d'atténuation. Station de Dey Tegui le 17/07/2006 R-Zbrut R-Z(HB GC) R-Z(HB NO_GC) R-Z(HB Adapt) R2 0.804 0.993 0.858 0.996 Eff. 0.720 0.983 0.800 0.994 RMSE 2.366 0.582 1.998 0.382 Ratio 1.589 0.925 1.446 1.053 Tableau 7 : Scores pour station de Dey Tegui pour différentes mises en œuvre de la correction d'atténuation Une étude similaire à la station de Kollo, situe au sud-est du radar à 15.8 km, pour le même événement, conforte l’apport de la correction adaptative (Tab 8). Malgré tout, on ne parvient pas à restituer un profil de précipitation proche de l’enregistrement au pluviographe (Fig. 21). Le premier pas de temps (cumul de la précipitation sur 10 minutes ) est bien restitué, mais ensuite, la présence du front convectif sur le radar (Fig. 22), engendre une telle atténuation des réflectivités mesurées qu’il n’est pas possible de restituer des profils correctement corrigés (Fig. 23). R2 R-Zbrut 0.249 R-Z(HB GC) 0.284 R-Z(HB NO_GC) 0.270 R-Z(HB Adapt) 0.350 Eff. -0.169 0.178 0.113 0.190 RMSE 7.757 6.502 6.757 6.454 Ratio 4.827 1.882 2.305 2.197 Tableau 8 : scores à la station de Kollo en fonction de la correction d’atténuation mise en œuvre 34 Figure 21 : Profils de cumul de précipitation et de réflectivité à la station de Kollo, le 17 juillet 2007. Figure 22 : Lors de l’événement du 17 juillet 2006, à 7h TU une forte cellule de précipitation se situe entre le radar et la station de Kollo marquée par l’étoile (2.24 Est 13.37 Nord) Figure 23 : Sur la radiale iale 148°, passant à la verticale de la station de Kollo, le 17 juillet 2006 à 7h TU , la présence d'une cellule convective de forte intensité ( Z sup. à 51 dBZ) Z) entraine de fortes forte atténuations sur la réflectivité des es portes suivantes (profondeur des portes de 125m).. La station de Kollo se situe en porte 118 soit à 15,8km du radar . ( 24 a,b et c), présentent les profilss de réflectivité de la radiale Les trois graphiques suivants (Fig passant au dessus de la station de Kollo, aux trois dates (6h50 TU, 7h00 TU et 7h10 TU) où la réflectivité mesurée au dessus de la station est la plus forte pour cet événement (respectivement 42.5, 38 et 35 dBZ) . Les profilss corrigés par les deux algorithmes de correction de l’atténuation sont très proches avecc une légère amélioration des scores avec la solution d’Hitschfeld-Bordan. d’Hitschfeld On peut remarquer que malgré des réflectivités mesurées sur le transect radar-station radar supérieurs à 50 dBZ, les deux algorithmes ne divergent pas. pas. Après correction des réflectivités à l’aide de l’algorithme d’Hitschfeld-Bordan, d’Hitschfeld celles-ci ci sont respectivement égales à 47.13, 42.96 et 37 dBZ soit un maximum de correction de l’ordre de 5dB . 35 (a) (b) (c) Figure 24 : radiale 148° à 6h50, 7h00 et 7h10 le 7 juillet 2006. comportement des corrections d'atténuation en fonction des réflectivité rencontrées. 3.3.3.3 Prise en compte de la correction d’atténuation sur site Comme le propose Merceret (Merceret and Ward 2002), nous allons maintenant prendre en compte la correction d’atténuation sur site pour améliorer la correction de l’atténuation des radiales. Les données de précipitation sur le radome sont extraites des données recueillies à la station Niamey_Aero, distante d’environ deux kilomètres du radar. Les deux courbes d’atténuation, proposées par Merceret, pour un radome de piètre qualité et un radome hydrophobe en bande C, peuvent être modélisées assez simplement sous la forme : )*) = T. J). ℎL5 ) + Avec et a= 0.095 et b= 0.01 pour un radome piètre qualité a= 0.033 et b= 0.01 pour un radome hydrophobique Les corrections proposées dans le cas d’un radome sans traitement particulier sont très fortes. Sous des latitudes, où il n’est pas rare d’enregistrer des intensités de précipitation au dessus de 50 mm/h, corriger les données brutes de plus de 10 dB peut être trop important. Cela peut conduire à une divergence de l’algorithme de correction de l’atténuation. 36 Lors de l’événement du 17 juillet 2006, à 7h00 TU l’intensité de pluie enregistrée à la station de l’aéroport de Niamey est de 59.23mm.h-1. Les corrections proposées par Merceret sont alors avant traitement de l’atténuation le long de la radiale de 0.98dB pour un radome ayant reçu un traitement hydrophobique et de 2.82dB pour un radome vétuste tel que celui qui équipe le radar du MIT. Une telle correction conduit à une divergence de l’algorithme d’Hitschfeld-Bordan (Fig. 25) si celui-ci n’est pas limité à 10 dB, comme le propose Delrieu (Fig. 26). La correction de l’atténuation sur site améliore grandement la restitution du hyétogramme estimé (Fig. 27). Les profils de réflectivités (Fig. 28) semblent indiquer que la correction locale à apporter aux données brutes est légèrement forte et conduit à une surestimation de la précipitation. Mais compte-tenu de la distance relativement importante entre le position du pluviomètre le plus, proche situé à l’aéroport civile de Niamey, et le radar (environ 2 km); de l’utilisation d’un cumul sur 5 minutes pour calculer l’intensité de pluie à un instant précis, il est probable que la valeur de précipitation prise en compte dans le calcul de la correction d’atténuation locale soit biaisée. Figure 25 : Exemple de divergence de l’algorithme d’Hitschfeld-Bordan consécutive à une correction d’atténuation locale de 4.33dB comme le propose Merceret pour un radome de pitre qualité. Figure 26 : La divergence de l’algorithme d’Hitschfeld-Bordan due à la correction d’atténuation locale peut être contrainte en limitant à une correction maximale de 10 dB. Figure 27 : Profils de précipitation et de réflectivité à le station de Kollo le 17/07/2006. Le correction d'atténuation sur site conduit à la divergence de l'algorithme de correction d'atténuation 37 3.3.4 CONCLUSION Une première analyse comparative des cumuls événementiels pluviométriques et estimés à partir de la mesure radar, a permis d’ajuster le calage temporelle à 5 minutes entre les deux séries. La dynamique entre les cumuls mesurés et estimés est bonne mais on note une forte sous-estimation de la précipitation calculée à partir de la mesure de réflectivité. Le ratio moyen saisonnier Rg/Re est de 2,2 . Au pas de temps événementiel, on constate une amélioration du ratio avec la diminution du cumul moyen de précipitation. De même, en limitant l’analyse comparative aux stations situées à une distance de moins de 30 kilomètres du radar, on constate également une amélioration significative des scores statistiques. Ces résultats indiquent, comme on peut si attendre, que l’estimation de la précipitation à partir des mesures radar est biaisée par l’atténuation de la réflectivité, en fonction de la distance et de l’intensité de pluie. L’amélioration des scores passent donc par une prise en compte de l’atténuation du signal radar. Pour ce faire, nous avons mis en œuvre les méthodes de corrections proposées par Hildebrand, et d’Hitschfeld-Bordan. Bien que ces deux algorithmes tendent vers une même solution, nous avons retenu pour notre traitement la solution d’Hitschfeld-Bordan. Celle-ci a produit des scores statistiques sensiblement meilleurs et offre un gain de temps de calcul. Le problème lié à la zone d’échos de sol autour du radar à été résolu en implémentant une solution adaptative, basée sur la détection du saut de réflectivité entre la réflectivité moyenne des pixels de la zone avant l’arrivée des précipitations et la réflectivité des pixels traités à un instant donné. Le contour de la zone d’échos fixes a été construit à partir l’analyse des vitesses doppler des pixels inscrits dans un rayon de 50km autour du radar. Une carte de stationnarité des échos a été produite à l’aide de 288 images d’air clair. L’atténuation sur site, liée à la présence de précipitation sur le radome a été également traitée à partir des courbes de correction proposées par Merceret. On constate une assez bonne amélioration de l’estimation de la précipitation. En conjuguant, correction d’atténuation locale et correction d’atténuation tout au long de la radiale, on parvient à améliorer significativement l’estimation de la précipitation à l’aide de la mesure radar. Nous allons à présent regarder l’apport de ces corrections sur quelques événement de la saison 2006. 3.4 APPORT DE LA CORRECTION D’ATTENUATION Sur la saison 2006, 9 événements ont été sélectionnés afin de vérifier l’estimation quantitative de la précipitation à l’aide du radar. Le choix de ces événements a été réalisé à partir d’un critère d’organisation de la structure spatiale de la pluie. Seuls les événements répondant aux caractéristiques des lignes de grain ont été retenus. Ils se présentent sous la forme d’une association de plusieurs cellules type cumulonimbus. Ils possèdent une grande extension nord-sud, et se déplacent principalement d’est en ouest. A l’arrière d’un front convectif à forte activité orageuse, suit une traine stratiforme très étendue (D'Amato and Lebel 1998). 38 Pour chacun de ces événements, les données radar ont été corrigées de la correction d’atténuation locale et de la correction d’atténuation le long de la radiale. Puis on a comparé au pas de temps de 10 minutes, les moyennes arithmétiques des cumuls pluviométriques de l’ensemble des stations du réseau, et des cumuls de précipitation estimés à l’aide de la mesure radar. Le tableau ci-dessous (Tab. 9) résume les scores statistiques obtenus pour chacun de ces événements. A cette échelle spatiale, la corrélation entre la mesure et l’estimation est bonne avec un coefficient de détermination qui se situe toujours au dessus de 70%. Sur le plan quantitatif, hormis l’événement du 22 juillet 2006, le radar sous-estime systématiquement la précipitation. 14/07/06 17/07/06 19/07/06 22/07/06 03/08/06 06/08/06 18/08/06 28/08/06 24/09/06 R2 0,926 0,731 0,784 0,931 0,705 0,818 0,824 0,789 0,861 Nash 0,819 0,711 0,775 0,888 0,674 0,738 0,553 0,238 0,646 RMSE 10,05 16,22 12,56 14,66 10,35 13,07 30,72 18,14 22,38 NBiais 0,21 0,18 0,12 -0,06 0,13 0,27 0,48 0,59 0,45 Ratio 1,27 1,22 1,14 0,95 1,15 1,38 1,91 2,46 1,83 Tableau 9 : récapitulatif des scores statistiques pour 9 événements majeurs de 2006. Comparaison mesure et estimation de cumul de précipitation Au fils de la saison , le ratio ∑Rgage/∑Rradar oscille de 95% à 246%. Cette grande amplitude de variation, n’est vraisemblablement pas liée à un problème d’échantillonnage lors des acquisitions radar : bien que le pas de temps de 10 minutes soit relativement important en regard de la variabilité temporelle des cellules précipitantes, le sous échantillonnage doit s’équilibrer sur l’ensemble des points de mesure. De ce fait le ratio ∑Rgage/∑Rradar, devrait être relativement constant tout au long de la saison, même si celui-ci montre une sousestimation générale. Afin de déterminer l’origine de la variation du ratio pluie mesurée/pluie estimée, nous avons essayé de trouver un lien avec une éventuelle fluctuation de la mesure radar. Pour cela nous avons utilisé les réflectivités moyennes rétrodiffusées jour après jour par le pylône de télécommunication situé sur la route de l’Ouallam (voir annexe 1). La variance de la réflectivité journalière est de 2.14dB. Ce signal saisonnier, a été modélisé à l’aide d’une fonction polynomiale d’ordre 3 . A partir des 9 événements précédemment étudiés, nous avons tracé l’évolution de 7,?!h: au 5 cours de la saison. Ce signal a également été modélisé à l’aide d’un polynôme d’ordre 3 (Fig. 28). On constate que globalement les deux courbes évoluent similairement tout au long de la saison des pluies. Cette relation entre ces deux signaux permet d’établir qu’une grande part de la fluctuation du ratio ∑Rgage/∑Rradar provient d’un fluctuation de la mesure radar au cours de la campagne de mesures. 39 Figure 28 : Evolution de la réflectivité radar normalisée du pylône de télécommunication sur la route de Ouallam et son modèle et l’évolution de 1/ratio pour 9 événements de la saison 200,6 et son modèle Afin d’améliorer l’estimation de la précipitation, nous allons chercher à ajuster la variable d’étalonnage du radar. 3.5 CHOIX DU CRITERE D’AJUSTEMENT DE LA CALIBRATION DU RADAR Au cours de la campagne d’acquisition 2006, le radar a été par deux fois calibré. Ces tests, effectués par Earl William, ont été réalisés à l’aide d’une sphère métallique dont les caractéristiques de surface équivalente de rétrodiffusion était connues. Les résultats obtenus lors des différents tests de calibration montrent que le radar est calibré à 1 dB . 6” sphère 12” sphère Réflectivité calculée 28.4 dBZ 34.4 dBZ Réflectivité mesurée 28.3 +/- 0.5 dBZ 35.5 +/- 0.5 dBZ Tableau 10 : réflectivités calculées et mesurées pour 2 sphères lors de tests de calibration du radar Malgré tout, compte tenu des résultats précédants obtenus soulignant une sous estimation globale de la mesure de la précipitation par le radar mais également une variation de niveau de la mesure, il est intéressant de vérifier si un ajustement de la constante de calibration permettrait d’améliorer les différents scores. La procédure globale de transformation des réflectivités en taux précipitant est la suivante : 1) Correction de la constante de calibration 2) Correction de l’atténuation sur site à l’aide de la relation KRlocale établie à partir des courbes de Merceret (oneway) 3) Correction de l’atténuation. Le calcul du PIA est réalisé à partir de la réflectivité mesurée, corrigée du facteur de calibration, et de la correction d’atténuation sur site. 4) Correction de l’atténuation sur site (trajet retour) 40 Zcorr = Zm + δc + 2 * Att_loc + PIA 5) Transformation de Zcorr en R à l’aide de la relation ZR définie au plus haut (Z=508R1.19) En ajustant ainsi la constante de calibration δc, on ne modifie pas uniquement les scores du RMSE et du ratio, mais on change également la dynamique de l’estimation de la précipitation et par conséquent, on modifie la corrélation. Nous allons à présent appliquer la procédure décrite ci-dessus à un événement particulier. Pas à pas, nous allons chercher à affiner nos méthodes afin d’obtenir la meilleure estimation de précipitation. Ensuite nous appliquerons la procédure optimisée sur l’ensemble des événement sélectionnés. 41 4 OPTIMISATION DE L’ESTIMATION DE LA PRECIPITATION Durant la nuit du 24 septembre 2006, un système organisé en ligne de grain s’est propagé d’Est en Ouest sur le degré carré de Niamey. D’une extension spatiale Nord Sud de plus de 200 kilomètres, l’ensemble des stations pluviographiques ont été touchées. Le cumul maximum enregistré est de 63,8 millimètres, à la station de Tillaberi et une intensité maximale de 141.6 mm.h-1 à la station de Massi Koubou. image 1 : PPI à 0.7°, du 24 septembre 2006 à 2h30 TU Pour l’ensemble des mesures radar, nous faisons varier l’erreur de calibration de 0 à 2 dB par pas de 0.25dB. Les corrections apportées aux données brutes radar sont les suivantes : - Correction d’atténuation avec algorithme HB -> Z(Att) - Correction d’atténuation HB et correction d’atténuation sur site pour un radome de mauvaise qualité -> Z(Att + AttLoc) - Correction d’atténuation HB et correction d’atténuation sur site avec un radome hydrophobique -> Z(Att + AttLoc H) Les 3 graphiques suivants (Fig. 29) présentent les scores obtenus (corrélation, RMSE et critère de Nash) après avoir fait varier l’ajustement de calibration du radar et effectuer les différentes corrections d’atténuation sur les données de réflectivité. On s’intéresse à la comparaison des cumuls moyens de précipitation au pas de temps de 10 minutes pour l’ensemble de l’événement. La maximisation du critère de Nash est obtenue avec une correction de la calibration de 1,5 dB. La prise en compte d’une correction d’atténuation locale pour une radome non hydrophobique améliore significativement les scores. 42 0,92 0,9 R2 0,88 0,86 0,84 0,82 0,8 Att Att + LocAtt H Att + LocAtt 0,78 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Nash Att Att + LocAtt H Att + LocAtt 30 25 20 RMSE 15 Att 10 Att + LocAtt H 5 Att + LocAtt 0 Figure 29 : Evolution des critères statistiques en fonction des différentes corrections apportées aux données brutes 43 Sur la figure suivante (Fig 30), le profil moyen de réflectivité aux stations est tracé. Les données brutes radar ont été corrigées du meilleur ajustement d’étalonnage obtenu ci-dessus (1.5dB), et des différentes corrections d’atténuation. La superposition du profil de réflectivité, obtenu à partir de la transformation des cumuls moyens de précipitation sur 10 minutes en réflectivité 5m U radar (J = 7 : , 8 ) permet de vérifier que la dynamique générale de l’événement est bien respectée (Coef. Déter. = 0.97). L’erreur relative (augets-radar) reste globalement positive sur la première partie de l’événement puis devient négative par la suite. Cette inversion de ratio est due à l’éloignement du système vers l’ouest. A partir de 5h20, l’ensemble du degrés carré est sous la traine de la ligne de grain. De ce fait, la précipitation est moins intense et l’atténuation du signal radar faible. Figure 30 : Profil de réflectivité moyenne sur l'ensemble des stations du réseau . En trait plein bleuté le profil pluviographe et en pointillé magenta le profil radar. Le hyétogramme moyen estimé restitue correctement la dynamique de l’événement. La quantité de précipitation reste inférieure à celle vue par le réseau de pluviographe. Le pic de précipitation est légèrement surestimé (Fig. 31). Le ratio ∑(cumul10 Gage)/∑(cumul10 Radar) est de 1,15 sur l’ensemble de l’événement. Figure 31 : hyétogramme moyen aux stations pour l'événement du 24/09/2009. En trait plein noir, le profil calculé à partir des données brutes radar, en magenta pointillé, celui calculé à partir des réflectivités radar corrigées et en bleu discontinu, le profil pluviométrique. 44 Sur l’ensemble des 44 hyétogrammes estimés aux stations touchées par l’événement (voir en annexe 2), on observe une grande variabilité du critère de Nash. Seuls 36% d’entre eux, ont une efficience supérieure à 50% avec une estimation quantitative moyenne de 1,45. Le tracé de l’erreur résiduelle d’intensité de précipitation superposé au hyétogramme à la station de l’aéroport de Niamey (Fig. 31) montre que la sous estimation de la précipitation par le radar est en partie liée à la présence de pluie sur le radome. Le maximum de l’erreur coïncide avec la maximum de précipitation à la station de Niamey aéroport. Pour les plus fortes intensités enregistrées à la station (partie convective de la précipitation) , on constate que les deux courbes évoluent dans le même sens. La prise en compte d’un radome sans traitement hydrophobique pour la correction de l’atténuation sur site, améliore les résultats sans parvenir à compenser total les faibles réflectivités. La correction d’atténuation locale proposée par Merceret semble insuffisante. Figure 32 : Comparaison temporelle de l'erreur résiduelle en rouge (ligne discontinue) , et de la précipitation sur le radome en vert (ligne pointillée). . Le hyétogramme à la station Niamey aéroport est tracé en vert, On constate que le maximum de l’erreur relative coïncide avec le pic de précipitation à la station Le hyétogramme moyen (Fig. 32) produit à partir des réflectivités radar, tend à sur-estimer le pic convectif de la précipitation, puis de part les fortes précipitations sur le radome, une bonne partie de la pluie est sous-estimée. Ce comportement peut être dû au choix de la relation ZR. En effet, en fonction du choix des coefficients, la relation ZR donnera comme nous l’avons précédement vu, la relation permet 4.1.1 SENSIBILITE AU CHOIX DE LA RELATION ZR Afin de vérifier si la relation ZR proposés par Chamsi (Z=508R1.19), utilisée pour convertir les réflectivités radar en taux précipitant jusqu’à ce stade de notre étude, est bien adaptée à l’événement du 24 septembre 2006, nous avons comparé, à l’aide de scores statistiques, les différentes relations proposées dans la littérature pour les pluies de cette zone géographique. Pour l’ensemble des relations, le même traitement à été apporté aux données brutes radar, et le coefficient d’ajustement à été fixé à 1.5dB. 45 ZR Z=508R1.19 Z=239R1.45 Z=509R1.31 Z=508R1.28 Z=364R1.36 Z=289R1.43 Z=502R1.44 Auteur Chamsi, 1992 Chamsi, 1992 convectif Moumouni, 2008 LDG* Ochoux, 2007 Savageaut Lacaux, 1995 Moumouni, 2008 convectif Mounouni, 2008 Stratiforme R2 0.916 0.937 Nash 0.908 0.911 NMSE 0.094 0.133 NBias 0.132 0.086 Ratio 1.152 1.094 Best 1.730 1.716 0.933 0.825 0.361 0.301 1.432 1.397 0.914 0.936 0.844 0.885 0.277 0.192 0.267 0.190 1.364 1.235 1.482 1.628 0.936 0.893 0.174 0.158 1.188 1.655 0.937 0.665 1.667 0.158 1.786 -0.11 LDG : Ligne de Grain Tableau 11 : scores statistiques obtenues entre les hyétogrammes moyen et estimé aux stations pluviographiques lors de l'événement du 24 septembre 2006 , pour différentes relations ZR extraites de la littérature. Pour l’ensemble de ces relations, la quantité précipitante estimée reste inférieure à la pluie observée. Le meilleur score Best est obtenu pour la relation générale de Chamsi, confirmant notre choix initial. Les relations privilégiant les pluies d’origine convective donnent des résultats très proches à la relation de Chamsi. Comme le montre le graphique (Fig. 11) présentant les intensités de pluie en fonction de la réflectivité radar pour les différentes ZR, la relation de Chamsi générale est celle qui donne le plus de poids aux fortes réflectivités. On constate sur le tracé des hyétogrammes estimés utilisant les deux relations proposées pour les pluies de type convectif (Fig. 33, c et d), que le pic de précipitation correspondant au front convectif est correctement restitué, tandis que la traine stratiforme est surestimée. Le hyétogramme estimé à l’aide la relation de Moumouni pour les lignes de grain au Bénin, restitue bien la dynamique de la pluie. Mais il semble que dans ce cas, l’ajustement d’étalonnage ne soit pas suffisant. En augmentant l’ajustement à 2.25dB, on améliore alors l’estimation de la précipitation. Toute fois le score du Best reste très légèrement inférieur à celui obtenu à l’aide de la relation de Chamsi (Fig. 34). Autour de 8h10 TU (Fig. 33) , on note un pic de précipitation de l’ordre 0.5mm/h sur les hyétogrammes estimés. Ce pic moins marqué sur la figure 33a, du fait des coefficients de la relation ZR donnant moins de poids au faible réflectivité, est dû à un groupe de petites cellules à l’est du radar n’ayant laissées qu’une très faible trace au sol. 46 a) Chamsi générale : Z=508R1.19 c) Moumouni convectif : Z=289R1.43 b) d) Moumouni LDG : Z=509R1.31 Chamsi convectif : Z=239R1.45 Figure 33: Tracés des hyétogrammes moyens aux stations, observes et estimés à l’aide de différentes relation ZR proposées dans le littérature pour les lignes de grain ou de type convective en Afrique de l’ouest. R2 : 0.917 Nash : 0.911 NMSE : 0.102 NBias : 0.123 Ratio : 1.140 Best : 1.725 Figure 34 : Hyétogramme moyen observé et estimé à l'aide de la relation de Moumouni pour les lignes de grain. Evénement du 24 septembre 2006 4.1.2 INFLUENCE DE LA DISTANCE AU RADAR La distance du volume échantillonné au radar est un paramètre important pour la qualité de l’estimation de la mesure de la pluie. Nous allons vérifier la cohérence de nos résultats quelque soit la distance au radar considérée. Le tableau suivant (Tab. 12) résume les différents résultats obtenus en fonction de l’intervalle de distance. On constate une relative stabilité de corrélation quelque soit l’intervalle de distance (de 0,920 à 0,838) , ce qui confirme la bonne 47 prise en compte de la dynamique de la pluie par le radar. L’erreur quadratique RMSE tend à augmenter avec la distance. Ce faible gradient peut être expliqué soit par une plus grand hétérogénéité du milieu lié à l’accroissement du volume sondé avec la distance, ou à une distribution granulométrique qui varie avec l’élévation du faisceau dans l’atmosphère. Stations dans un rayon de Nb stations R2 Nash RMSE 9 0.944 0.831 3.82 30km 21 0.918 0.845 8.16 30 à 60 Km 0.841 0.814 10.68 60km 30 12 0.978 0.961 2.83 60 à 110km 42 0.908 0.900 11.33 110km Tableau 12: critères statistiques en fonction de l'éloignement des stations pluviographiques du radar, pour l’événement du 24 septembre 2006 4.1.3 INFLUENCE DE LA FLUCTUATION DU SIGNAL RADAR ET DU SITE DE MESURE La grande dispersion des résultats en fonction des stations est probablement due à une variabilité intra-événement de la mesure radar (Fig. 35). On observe une très grande fluctuation de la réflectivité entre les mesures aux différents angles d’élévation de l’antenne. Figure 35 : diagramme de dispersion pluie mesurée aux stations/pluie estimées. Evénement du 24/09/2006 Les séries temporelles de réflectivité à la verticale de la station de Banizoumbou, pour l’événement du 24 septembre, soulignent particulièrement bien ce problème. Les acquisitions à site bas (sites 0.6°, 0.7° et 1,3°) sont réalisés dans un laps de temps très courts, inférieur à 3 minutes. Or on constate que le pic de réflectivité brute, varie de 10 dBZ suivant l’angle d’antenne considéré. Cet écart est de plus de 3dB entre les 2 sites bas à 0,6 et 0,7 degrés. La différence de profondeur d’échantillonnage entre les images volumiques (sites 0,6° et 1,3°, portes de 250 mètres) et les images type Surv (site 0,7°, portes de 125 mètres) peut induire une modification de la mesure de réflectivité. Mais une telle différence ne peut être justifiée uniquement par cela (Fig. 35). A titre d’exemple, nous avons considéré la station de Banizoumbou, distante de 53 kilomètres du radar. A cette distance, les centres des faisceaux à 0,6° et 0,7° sont distants de moins de 100 mètres pour une hauteur d’exploration de 1300 mètres (ouverture d’antenne de 1,4° à -3dB ). 48 Les deux échantillons sont à 93% identiques. On peut donc estimer que l’on a sondé le même volume de l’atmosphère. L’écart temporel, de une minute entre ces deux images, ne peut pas expliquer une telle différence de mesure. La variabilité de la pluie à cette échelle de temps n’est pas si importante. Figure 36 : réflectivités mesurées au cours de l'événement du 24/09/2006 à l'aplomb de la station de Banizoumbou aux 3 sites bas (0.6, 0.7 et 1.3°). Cette variabilité de la mesure est extrêmement préjudiciable à l’estimation de la pluie à l’aide du radar. Les hyétogrammes générés à partir des données de chaque angle d’élévation d’antenne produisent des quantités cumulées de précipitation très différents (Fig. 37). La majeure partie des écarts de cumul provient de la surestimation de la partie convective pour les sites 0.6° et 0.7°. Mais on constate une différence de 30% d’estimation au sein de la traine convective entre les sites bas (0.6° et 0.7°) et le site à 1.3°. Du fait de la grande variabilité des mesures de réflectivité aux stations, les hyétogrammes moyens, après correction des réflectivité brutes de l’atténuation sur site et de l’atténuation le long de la radiale, présentent des écarts plus faibles pour la restitution du pic convectif (Fig. 38). Malgré tout le ratio Rg/Re demeure important quelque soit l’angle de site considéré (0.6, 0.7 et 1.3°) avec comme valeur respective 2.53, 1.924 et 1.902. Figure 37 : hyétogrammes et cumuls mesurés et estimés aux sites 0.6, 0.7 et 1.3° à la station de Banizoumbou le 24/09/2006 Figure 38 : hyétogrammes moyens et cumuls moyens mesurés et estimés aux sites 0.6, 0.7 et 1.3° le 24/09/2006, aux stations pluviographiques Le graphique ci-dessous (Fig. 39) présente l’évolution du coefficient de détermination entre les mesures de réflectivité brutes des trois PPI de site bas, au cours de l’événement. Un 49 seuil minimum de réflectivité a été fixé à 19 dBZ afin de ne garder que le signal lié à la précipitation et aux échos de sol autour de Niamey. Les acquisitions en mode Surv sont réalisées avec une profondeur de porte de 125 mètres alors que ceux en mode volumique sont de 250 mètres. Pour permettre la comparaison, des réflectivités entre les deux types de fichier, les échantillons de 125m ont été transformées en porte de 250m dont la réflectivité est égale à la réflectivité moyenne des deux portes consécutives. Au vue de l’évolution de ces courbes, on constate: 1) Avec l’approche du système vers le radar, la corrélation entre les images croît doucement pour atteindre 90% lorsque le front du système est à 20 kilomètres du radar (3h10 TU) (Fig. 40a). Alors que la corrélation entre les images à 0.6 et 0.7° est relativement haute ( sup. 60% ), celles entre les sites 0.7° et 0.6°, et 0.7 et 1.3° croit lentement. 2) Le maximum de corrélation est atteint lorsque le front du système est à la verticale du radar (3h40 TU) . A cet instant l’atténuation sur site est au plus fort. 3) Puis la corrélation décroit, avec l’éloignement du front convectif jusqu’en limite de portée de celui-ci (5h50 TU) (Fig. 40b) 4) Durant la période où le radar explore uniquement la traine stratiforme, la corrélation reste stable, légèrement en dessous de 80%. 5) A partir de 7h20 TU, la précipitation dans la zone de couverture du radar est très faible. La corrélation décroit très rapidement (Fig. 40c). Figure 39 : Evolution du coefficient de détermination entre les différents angles de site considérés sur la durée de l'événement du 24 septembre 2006 a) b) c) Figure 40 : Les PPI de 3h10, 5h50 et 8h20 illustrent l’état du système aux points caractéristiques d’inflexion des courbes 50 Afin de déterminer si un site d’acquisition (0.6° 0.7° ou 1.3°) ou une longueur de porte (250m ou 125m) apporte des informations quantitatives différentes , nous avons tracé des cartes d’écart de réflectivité mesurée entre les différents sites. Les réflectivités des images de 3h20 et 3h21 TU ont été soustraites afin de ne garder que leurs différences. Au vu des cartes, les informations suivantes peuvent être notées : 1) Globalement les réflectivités au site 0.7° sont supérieures à celles enregistrées à site 0.6 degré. Les deux cartes des différences de réflectivité 1.3/0.6 et 1.3/0.7 sont beaucoup moins contrastées. 2) On ne constate pas de contraste marqué entre la partie convective (front de cellules) et la traine stratiforme. 3) Du fait de l’écart temporel de 1 minute entre chaque image, un liseré de fort contraste apparaît à l’avant du système. Il marque le déplacement du système entre les deux images. image 2 : En haut à gauche, PPI du 24/09/2006 à 3h20, site 0.7°. Puis en haut à sa droite, la carte des différences de réflectivité entre le site 0.6 et 0.7, 51 Les résultats ci-dessus n’apportent pas d’élément permettant de mieux comprendre la variabilité des réflectivités ou de choisir un angle d’acquisition préférentiel. Afin de minimiser les erreurs d’estimation liées à la variabilité de la mesure, nous avons procédé à différentes intégrations et vérifié les gains sur les critères statistiques : Pour chaque angle de site bas (0.6°, 0.7° et 1.3° degrés ), les réflectivités ont été intégrées radialement, sur un kilomètre. Soit 8 portes consécutives pour les fichiers type Surv, et 4 portes pour les fichiers volumiques. Les scores associés à cette intégration sont notés « 1km ». Nous avons aussi considéré, l’apport de l’intégration verticale en prenant comme valeur de réflectivité la moyenne des réflectivités aux 3 sites bas et aux sites 0.6° et 1.3°. Les scores associés à cette intégration multi sites sont notés « MS ». Nous avons regardé le gain des deux intégrations appliquées, dont les scores sont notés « 1km & MS ». Enfin, nous avons procédé à un lissage des réflectivités radar brutes. L’image a été découpée en pixel de 1km par 1km dont la réflectivité est égale à la réflectivité moyenne de l’ensemble de la surface considérée. Le tableau 8 résume l’ensemble des scores obtenus aux différentes intégrations spatiales pour une comparaison ∑Gage10mn / ∑ Radar10mn. Les mesures à 0.6° et 0.7° produisent des résultats sensiblement différents. La restitution de la dynamique de l’événement est meilleure à 0.6° mais l’estimation quantitative est plus faible. Comme nous l’avons vu précédemment, sur le plan temporel et spatial, ces deux modes d’acquisition sont très proches et ne devraient pas produire des QPE très différents. La corrélation entre les deux séries n’est pas bonne (R2 = 0.419) et confirme la forte fluctuation de la mesure de réflectivité. Les séries à 0.7° et 1.3° produisent des QPE sous-estimés mais là encore, la corrélation reste faible (R2 = 0.44). On constate que l’estimation de la précipitation à partir d’une valeur de réflectivité moyenne sur un kilomètre n’améliore pas les scores. Ce résultat peut être expliqué par la sous-estimation globale de la pluie par le radar. En effet, en effectuant une moyenne glissante sur 1 km le long de la radiale, on tend à lisser les valeurs minimales et maximales de réflectivité. De ce fait, on améliore la covariance des séries mais on accentue le déficit de l’estimation quantitative. Pour la même raison, les scores de l’efficience et de l’erreur quadratique obtenus pour l’intégration multi-sites sont moins bons, mais on améliore la covariance. L’estimation de la précipitation à partir d’une valeur de réflectivité moyenne sur un pixel de 1km par 1km produit le meilleur score du coefficient de Nash à 0.531. Ce score supérieur à tous les autres résulte d’une baisse de l’erreur quadratique au détriment de la covariance. 52 Données brutes et intégrées sur 1km R2 Eff RMSE Brutes 0.6 0.814 0.207 37.43 Brutes 0,7° 0.612 0.206 37.64 Brutes 1.3° 0.747 0.196 37.68 Brutes (1km) 0.6° 0.834 0.167 38.36 Brutes (1km) 0,7° 0.656 0.190 38.02 Brutes (1km) 1.3° 0.737 0.168 38.32 Gain intégration vertical 0.6 0.7 & 1.3 R2 Eff Brutes (MS) 0.853 0.192 Att HB (MS) 0.910 0.442 Att HB + Loc (MS) 0.934 0.463 Brutes (1km & MS ) 0.849 0.179 Att HB (1km & MS) 0.910 0.411 Att HB + Loc (1km & 0.934 0.433 MS) RMSE 37.78 31.40 30.78 38.08 32.24 31.64 Ratio 3.47 2.86 2.86 3.69 3.03 2.99 Ratio 3.34 2.49 2.39 3.40 2.57 2.46 Gain correction att. sans et avec intégration 1km R2 Eff RMSE Ratio Att HB + Loc 0.6° 0.864 0.457 30.65 2.51 Att HB + Loc 0,7° 0.725 0.516 29.38 1.92 Att HB + Loc 1.3° 0.931 0.572 27.49 1.90 Att HB + Loc (1km) 0.6° 0.895 0.409 32.30 2.67 Att HB + Loc (1km) 0.7° 0.736 0.477 30.55 2.08 Att HB + Loc (1km) 1.3° 0.906 0.458 30.32 2.12 Gain intégration vertical 0.6 & 1.3 R2 Brutes (MS) 0.824 Att HB (MS) 0.908 Att HB + Loc (MS) 0.933 Brutes (MS & 1km) 0.817 Att HB (MS & 1km) 0.899 Att HB + Loc (MS & 1km) 0.922 Gain intégration pixel 1km x 1km R2 Eff Brutes (MS) 0.841 0.252 Att HB + Loc(MS) 0.874 0.531 RMSE 33.44 26.48 Eff 0.175 0.434 0.456 0.151 0.380 0.400 RMSE 38.16 31.62 31.00 38.72 33.10 32.54 Ratio 3.35 2.48 2.38 3.47 2.64 2.52 Ratio 3.04 2.19 Tableau 13 : Evolutions des scores statistiques suite aux différentes intégrations Afin de vérifier l’apport de l’intégration multi-sites, nous allons à présent, observer les scores statistiques obtenus à l’échelle de la station, au pas de temps de temps de 10 minutes. L’approche multi-sites permet d’améliorer significativement les résultats statistiques, passant d’une efficience de 0.163 (site à 0.7°, Fig. 41a) à 0.432 (multi sites, 1 km , Fig. 41e). La dispersion des points de part et d’autre de la droite de régression diminue. Malgré tout, le ratio (pluie mesurée/pluie estimée) reste très élevé à 220% . Seules 42.5% des stations présentent une efficience supérieure à 0.5 entre le hyétogramme mesuré et le hyétogramme estimé. 53 a) b) c) d) e) Figure 41 : Diagramme de dispersion des cumuls pluviométriques au pas de temps de 10 minutes versus cumuls estimés à partir des données radar après ajustement de la constante de calibration . Différentes intégrations spatiales des réflectivités sont représentées. 4.1.4 AJUSTEMENT DE LA CONSTANTE DE CALIBRATION L’optimisation de l’ajustement de la constante de calibration permet cette fois d’améliorer les résultats aux différentes échelles. A l’échelle de l’événement sur l’ensemble des stations, avec un ajustement de 2.7dB sur les données brutes radar, la quantité de précipitation vue par le radar se rapproche de celle mesurée à l’aide du réseau de pluviographe : 99% de la pluviométrie est restituée. Le facteur de Nash, de 0.907, est assez élevé, avec une très bonne corrélation (R2=0.911). Mais cette fois, le bénéfice de l’ajustement de la constante de calibration est aussi notable à l’échelle locale de la station. Les hyétogrammes aux stations présentés en annexe 2, montrent la pertinence du gain. Tous les scores statistiques progressent dans le bon sens, malgré une dispersion un peu plus importante des points autour de la droite de régression (Fig. 42). Ainsi, à présent, 55% des stations présentent une efficience de plus de 50% et 27% surestime grossièrement le pic convectif dont la station de Banizoumbou précédemment présentée. 54 Figure 42 : Diagramme de dispersion des cumuls 10 minutes pluviométriques versus cumuls estimés à partir des données radar après ajustement de la constante de calibration Les hyétogrammes moyennes mesurés et estimés sont très proches l’un de l’autre. Mais on persiste à mal compenser l’atténuation sur site malgré les corrections apportées (Fig. 43). La dispersion des couples (∑Rg/n,∑Re/n) est relativement faible autour de la première bissectrice. 24/09/2006 Calibration : 2.7dB, Ratio=1.033 R2 = 0.911 Nash = 0.907 RMSE = 0.245 Norm_bias = 0.032 Stations à efficience sup. 0.50 : 55.32% Stations à efficience inf 0 : 27.26% Figure 43 : hyétogrammes moyens estimé et mesuré pour la pluie du 24 septembre 2006 4.1.5 CONCLUSION A partir des données de l’événement du 24 septembre 2006, nous venons d’affiner nos méthodes afin de produire la meilleure estimation de pluie possible à ce stade. Nous avons dans un premier temps cherché à optimiser la constante de calibration du radar pour cet événement particulier. Puis nous avons vérifié la pertinence de la relation ZR que nous avons utilisée pour transformer nos réflectivités radar corrigées en intensité de pluie. Un test de sensibilité a été réalisé à partir des différentes relations que l’on trouve dans la littérature. Enfin, à partir de données de réflectivité des trois sites bas, nous avons cherché à obtenir la meilleure valeur de réflectivité Z, nous permettant d’estimer au mieux la quantité précipitée. Nous avons mis en évidence l’importante variabilité de la mesure de la réflectivité aux différents angles de sites bas, ainsi que l’insuffisance de la correction d’atténuation locale proposée par Merceret. A présent, nous allons appliquer ces méthodes aux huit cas de ligne de grain précédemment sélectionnés et analyser les scores statistiques obtenus. 55 5 RESULTATS SUR LES AUTRES EVENEMENTS SELECTIONNES Afin de vérifier les résultats obtenus sur la précipitation du 24 septembre 2006, nous avons traité de façon identique les 8 événements précédemment sélectionnés. Le tableau ci-dessus présente les meilleurs scores obtenus pour chacun de ces événements en fonction de l’ajustement de calibration apporté. 14/07/2006 Calibration : 1.4dB, Ratio=0.914 R2 = 0.942 Nash = 0.935 RMSE = 0.153 Norm_bias = -0.09 Stations à efficience sup. 0.50 : 61.36% Stations à efficience inf 0 : 25% 17/07/2006 Calibration : 1.8dB, Ratio=1.013 R2 = 0.815 Nash = 0.815 RMSE = 0.308 Norm_bias = 0.218 Stations à efficience sup. 0.50 : 39.13% Stations à efficience inf 0 : 30.43% 19/07/2006 Calibration : 1.2dB, Ratio=0.885 R2 =0.891 Nash=0.838 RMSE=0.247 Stations à efficience sup. 0.50 : 58.7% Stations à efficience inf 0 : 26% Norm_bias=0.130 56 22/07/2006 Calibration : 1.1dB, Ratio=1.014 R2 = 0.839 Nash =0.815 RMSE = 0.492 Norm_bias = 0.01 Stations à efficience sup. 0.50 : 57.78% Stations à efficience inf 0 : 20% 03/08/2006 Calibration : 1.60dB, Ratio=0.957 R2 =0.814 Nash = 0.791 RMSE =0.233 Norm_bias = 0.04 Stations à efficience sup. 0.50 : 39.02% Stations à efficience inf 0 : 41.46% 06/08/2006 Calibration : 2.0dB, Ratio=1.032 R2 =0.870 Nash =0.863 RMSE =0.213 Norm_bias = 0.031 Stations à efficience sup. 0.50 : 47.83% Stations à efficience inf 0 : 26.09% 28/08/2006 Calibration : 5.9dB, Ratio=1.269 R2 =0.497 Nash =0.436 RMSE =0.330 Norm_bias = 0.212 Stations à efficience sup. 0.50 : 22.45% Stations à efficience inf 0 : 16.33% L’ajustement de la constante d’étalonnage permet d’améliorer les scores statistiques pour tous les événements. L’ajustement varie entre 1.1dB et 2.7dB à l’exception de l’événement du 28 aout 2006 en raison du faible niveau des réflectivités mesurées . La quantité moyenne de 57 précipitation estimée à la station est comprise entre 78,8% et 115,6% et sur l’ensemble des 9 événements l’estimation s’établit à 99% de la précipitation. Pour tous les événements, hormis le 28 aout 2006, les couples (∑Rg/n,∑Re/n) sont relativement bien ajustés de part et d’autre des droites de régression. A l’échelle de la station et de l’événement, le pourcentage de stations dont l’estimation du pic convectif est bien supérieure à l’observé, varie entre 16% et 41%. A l’aide de scores statistiques objectifs, nous venons d’ajuster la constante d’étalonnage du radar pour chaque événement. A nouveau, si l’on superpose au signal de la réflectivité journalière normalisée du pylône de Ouallan, l’évolution de l’opposé de l’ajustement, on constate que ces deux courbes co-fluctuent (Fig. 44). Ce lien confirme les résultats mis en avant précédemment (Fig 28.) montrant que la variation du ratio pluie mesurée/pluie estimée était principalement due à la variation de la mesure radar au cours de la saison 2006. Figure 44 : Evolution de la réflectivité radar normalisée du pylône de télécommunication de la route de Ouallam et l’évolution de l’opposé de la constante d’étalonnage de 9 événements identifies comme ligne de grain lors de la saison 2006 58 6 COMPARAISON DES CUMULS HORAIRES A partir des données du réseau EPSAT , des cartes de cumuls de pluie horaire ont été générées par krigeage (travail de Martin Gerbaux, 2008). Nous avons comparé ces champs de pluies à ceux obtenus à l’aide du radar. Au vu des résultats des comparaisons quantitatives de la précipitation, seule l’information spatiale (pattern) des champs de pluie sera étudiée. Sur l’ensemble de la veille du 24 septembre 2006, l’adéquation entre les structures vues par le radar et à partir des champs krigés est très bonne (tableau 9). A chacun des pas de temps horaire, les maxima de précipitation ont été localisés en un même lieu ou très proche les uns des autres et les contours de la pluie sont similaires. Champs pluvio. krigé champs pluvieux radar Superposition des isocontours des champs Pluvio. sur champs radar 59 La finesse spatiale de l’image radar, met en évidence les erreurs des champs krigés, liées à la non homogénéité du réseau pluviographique. De plus, des informations non présentes sur les cartes krigées peuvent être extraites de l’image radar. La trainée de précipitation laissée par les cellules est parfaitement identifiable. On peut estimer la durée de vie de chaque cellule, sa vitesse de déplacement et sa direction. On peut alors étudier l’intermittence spatiale de la pluie à l’échelle de l’événement puis à l’échelle annuelle. Sens de Déplacement Tableau 14 : Champs de pluie krigée et radar, superposition des iso-contours de pluie krigée sur l'image de la précipitation vue par le radar. 60 7 CONCLUSION Les mesures du radar du MIT acquises au cours des deux campagnes d’acquisition 2006 et 2007 (juillet, aout, septembre), constituent un jeu de données majeur et unique pour l’étude des systèmes précipitants sahéliens. Plus de 50 événements précipitants (respectivement 30 pour 2006 et 21 pour 2007), principalement des lignes de grain (MCS), ont pu être suivis simultanément par le radar et le réseau dense de pluviographes. Au cours de ce travail, différentes méthodes ont été mises en œuvre pour produire une estimation de la quantité précipitée à l’aide du radar. Nous avons considéré que la mesure sol, tenait lieu de référence. Ce jeu de données ayant été critiqué avant sa mise à disposition, nous avons fait abstraction des erreurs qui pourraient subsister. Dans un premier temps nous nous sommes intéressés aux images radar de type Surveillance. Ces images sont produites à site constant à 0.7 degrés et surviennent toutes les dix minutes. Elles explorent un rayon de 250 kilomètres autour du radar avec une profondeur de porte de 125 mètres. Les données brutes de réflectivité, ont été corrigées de l’atténuation le long du trajet cible radar. Pour ce faire, nous avons utilisé l’algorithme de Hitschfed et Bordan. Les coefficients de la loi KZ sont ceux proposés par Bénichou en 1996. Compte-tenu des très fortes réflectivités mesurées, il n’est pas rare que l’algorithme propose des corrections très importantes. Pour palier à ce problème, nous avons suivi les recommandations de Delrieu, et limité la correction d’atténuation à 10 dB. Nous avons également corrigé les données de l’atténuation locale, liée à la présence d’une pellicule d’eau ruisselant à la surface du radome. A partir des courbes proposées par Merceret, les réflectivités ont été corrigées de la moitié de l’atténuation totale (one way ) avant et après traitement de l’atténuation le long de la radiale. A l’échelle du degré carré, c'est-à-dire en considérant l’ensemble des stations du réseau pluviographique, ce premier travail, montre que, la dynamique de la précipitation est bien représentée à partir des images radar, quelque soit l’échelle temporelle considérée (saison, événement, horaire ou cumul sur 10 minutes). A l’échelle de l’événement, et pour la moyenne des stations, on constate une très faible variation des scores statistiques en fonction de la distance au radar considérée. Pour le cas du 24 septembre 2006, le coefficient de détermination est toujours supérieur à 91% quelque soit la distance considérée. Par contre, lorsque l’on passe de l’échelle du degrés carré (16000 km2) au point de mesure (la station pluviographique associée au pixel radar correspondant), ce lien dynamique se dégrade. Le coefficient de détermination chute à 40% (cas du 24/09). On constate alors sur le diagramme de corrélation, une très grande dispersion des points. D’un point de vue quantitatif, l’estimation de la précipitation est généralement sous estimée, à l’exception de l’événement du 22 juillet. Le ratio auget/radar varie en fonction de l’événement de 95% à 246%. 61 La mise en regard des réflectivités moyennes journalières mesurées sur un échos de référence et des ratios événementiels pluie estimée / pluie mesurée à permis de mettre en évidence une fluctuation de la mesure radar au cours de la saison. Les écarts constatés sur des mesures de réflectivité réalisées à différents angles d’antenne sur des intervalles de temps courts, laissent supposer une variabilité de la mesure radar au sein de l’événement. Cette fluctuation du signal est également constatée, sur les graphiques d’évolution de la réflectivité moyenne des échos de sol autour de Niamey. Afin de compenser la variation de la mesure radar au sein de l’événement, nous avons procédé à différentes intégrations spatiales, verticales et horizontales sur l’événement du 24 septembre. Les meilleurs résultats ont été obtenus pour une approche multi-sites (0.6, 0.7 et 1.3°) intégrés sur 1km et pour une ré-échantillonnage des images radar sur une grille de 1km par 1 km. Ces scores à l’échelle du point de mesure restent faibles. Le coefficient de détermination n’atteint pas 60% et le ratio mesuré/estimé est toujours autour de 220%. Afin de compenser la fluctuation de la mesure radar événement après événement, nous avons cherché à optimiser la constante de calibration. Un ajustement, de quelques décibels (de l’ordre de 1 à 3dB, à l’exception du 28 aout dont les mesures de réflectivité sont particulièrement basses) , de la variable d’étalonnage du radar permet d’améliorer les scores statistiques et d’obtenir des cumuls de précipitation se rapprochant de la référence pluviographique. Mais en regardant les hyétogrammes à chaque point de comparaison, on constate que cette ajustement n’est pas forcément réaliste. En augmentant sensiblement réflectivités brutes, l’algorithme d’Hitschfed et Bordan diverge plus fréquemment. Les hyétogrammes aux stations s’en trouvent déformés avec une exagération de l’estimation de l’intensité de pluie du pic convectif. Nous avons estimé la meilleure valeur d’ajustement de la calibration, en cherchant le plus grand nombre de station dont l’efficience serait supérieure à 50% sur un événement. Ainsi on tend à limiter la surestimation de la précipitation par le radar. Dans l’ensemble, l’ajustement de la constante de calibration améliore l’estimation de la précipitation, mais la dispersion des écarts de mesure aux petites échelles spatio-temporelles (station-cumul au pas de temps de10mn) reste très importante. A l’évidence, une fluctuation de la mesure intra-événement existe, mais la principale cause des erreurs de mesure est liée à l’échantillonnage temporel trop important par rapport à la variabilité de la cellule convective. Les résultats obtenus montrent qu’il est possible d’estimer la précipitation moyenne aux stations sur le degré carré à l’aide du jeu de donnée radar. La précision de l’estimation à l’échelle de l’événement varie en fonction des événements de 78% à 115%. Les coefficients de détermination entre le hyétogramme mesuré et le hyétogramme estimé oscillent entre 81% à 94% dans le meilleur des cas, si l’on exclut l’événement du 28 aout. La fluctuation de la mesure radar et le sous-échantillonnage temporel, ne permettent pas de descendre à l’échelle de la station. Les champs horaires estimés présentent les même caractéristiques spatiales que les champs krigés mais des écarts quantitatifs importants existent. 62 PERSPECTIVES Afin d’affiner l’estimation quantitative de la précipitation, un travail complémentaire doit être réalisé pour définir avec précision la variabilité de la mesure radar inter et intra événements. Des zones d’échos de sol pourraient servir de référence de calibration. La difficulté d’utiliser ce signal réside dans la modification de son amplitude en fonction de la présence d’insectes et de chauves-souris. La partition entre front convectif et traine stratiforme, permettrait également de mieux quantifier la précipitation. Un test de sensibilité pour les relations KZ et KR, qui lient respectivement l’atténuation spécifique à la réflectivité et au taux précipitant, à partir des distributions granulométriques proposées par Moumouni sur les événements type ligne de grain en zone soudano-sahélienne, et aux distributions décrites par Ochou à partir des mesures disdrométriques réalisées à Niamey. La grande finesse spatiale des images radar permettent d’aborder les phénomènes d’intermittence spatiale de la pluie à des échelles que l’on ne peut pas atteindre à l’aide d’un réseau de pluviographe, aussi dense soit-il. Cette information apporte des éléments supplémentaires sur l’événement en lien avec la persistance de la pluie : Etude de la dynamique des cellules convectives Caractérisation des champs de pluie préparer/ajuster les schémas de désagrégation; Apport sur les méthodes de krigeage lagrangien; affiner la typologie des systèmes . Pour une future campagne de mesure à l’aide de ce radar, une attention particulière devra être portée sur la stabilité des éléments d’émission et de réception du radar. Des points de référence devront être contrôlés quotidiennement pour garantir la stabilité de la mesure. La correction de l’atténuation locale proposée par Merceret, pour un radome non hydrophobique semble partiellement convenir mais du fait de la fluctuation de la mesure, il est difficile de conclure à la pertinence de la relation. Un solution pratique consisterait à émettre en permanence à l’aide d’une antenne directive une faible puissance vers le radar. L’atténuation du signal mesuré dans cette direction permettrait de quantifier avec précision l’atténuation sur site. A l’aide d’un pluviographe co-localisé avec le radar, on pourrait alors vérifier les corrections d’atténuation proposées par Merceret et les étendre aux fortes intensités rencontrées au sein des fronts convectifs. 63 BIBLIOGRAPHIE Atlas, D. (2002) Radar calibration - Some simple approaches. Bulletin of the American Meteorological Society, 83, 1313-1316. Atlas, D. & H. C. Banks. 1951. The Interpretation of Microwave Reflections from Rainfall. 271-282. Journal of Meterology. Atlas, D. & C. W. Ulbrich (1977) PATH-INTEGRATED AND AREA-INTEGRATED RAINFALL MEASUREMENT BY MICROWAVE ATTENUATION IN 1-3 CM BAND. Journal of Applied Meteorology, 16, 1322-1331. Bénichou, H. 1995. Utilisation d'un radar météorologique bande C pour la mesure des pluies au Sahel : étude du phénomène d'atténuation. Grenoble: Univ. J. Fourier. Campos, E. & I. Zawadzki (2000) Instrumental uncertainties in Z-R relations. Journal of Applied Meteorology, 39, 1088-1102. Chamsi, N. 1992. Estimation des précipitation à partir de la réflectivité radar dans des systèmrs convectifs tropicaux. Toulouse: Univ. Paul Sabatier. Collier, C. G. (1986) ACCURACY OF RAINFALL ESTIMATES BY RADAR .1. CALIBRATION BY TELEMETERING RAIN-GAGES. Journal of Hydrology, 83, 207-223. D'Amato, N. & T. Lebel (1998) On the characteristics of the rainfall events in the Sahel with a view to the analysis of climatic variability. International Journal of Climatology, 18, 955-974. Delrieu, G., J. D. Creutin & I. Saintandre (1991) MEAN K-R RELATIONSHIPS - PRACTICAL RESULTS FOR TYPICAL WEATHER RADAR WAVELENGTHS. Journal of Atmospheric and Oceanic Technology, 8, 467-476. Delrieu, G., L. Hucke & J. D. Creutin (1999a) Attenuation in rain for X- and C-band weather radar systems: Sensitivity with respect to the drop size distribution. Journal of Applied Meteorology, 38, 57-68. Delrieu, G., S. Serrar, E. Guardo & J. D. Creutin (1999b) Rain measurement in hilly terrain with X-band weather radar systems: Accuracy of path-integrated attenuation estimates derived from mountain returns. Journal of Atmospheric and Oceanic Technology, 16, 405-416. Gage, K. S., C. R. Williams, P. E. Johnston, W. L. Ecklund, R. Cifelli, A. Tokay & D. A. Carter (2000) Doppler radar profilers as calibration tools for scanning radars. Journal of Applied Meteorology, 39, 2209-2222. Hildebrand, P. H. (1978) ITERATIVE CORRECTION FOR ATTENUATION OF 5 CM RADAR IN RAIN. Journal of Applied Meteorology, 17, 508-514. Joss, J. & A. Waldvogel (1977) SOME OBSERVATIONS ON JOSS-WALDVOGEL RAINFALL DISDROMETER - REPLY. Journal of Applied Meteorology, 16, 112-113. Lack, S. A. & N. I. Fox (2003) Correcting radar derived rainfall rates at the surface using doppler velocities. 31st Conference on Radar Meteorology, Vols 1 and 2, 229-232. --- (2007) An examination of the effect of wind-drift on radar-derived surface rainfall estimations. Atmospheric Research, 85, 217-229. Lebel, T. & A. Amani (1999) Rainfall estimation in the Sahel: What is the ground truth? Journal of Applied Meteorology, 38, 555-568. Lee, G. & L. Zawadzki (2006) Radar calibration by gage, disdrometer, and polarimetry: Theoretical limit caused by the variability of drop size distribution and application to fast scanning operational radar data. Journal of Hydrology, 328, 83-97. Marshall, J. S. & W. S. Palmer. 1948. The distribution of raindrops with size. 165-166. Journal of Meteorology. Marzoug, M. & P. Amayenc (1994) A CLASS OF SINGLE-FREQUENCY AND DUAL-FREQUENCY ALGORITHMS FOR RAIN-RATE PROFILING FROM A SPACEBORNE RADAR .1. PRINCIPLE AND 64 TESTS FROM NUMERICAL SIMULATIONS. Journal of Atmospheric and Oceanic Technology, 11, 1480-1506. Mathon, V., H. Laurent & T. Lebel (2002) Mesoscale convective system rainfall in the Sahel. Journal of Applied Meteorology, 41, 1081-1092. Merceret, F. J. & J. G. Ward. 2002. Attenuation of weather radar Signals due to wetting of the radome by rainwater or imcomplete filling of the beam volume. NASA Kennedy Space Center. Moumouni, S., M. Gosset & E. Houngninou (2008) Main features of rain drop size distributions observed in Benin, West Africa, with optical disdrometers. Geophysical Research Letters, 35. Ochou, A. D., A. Nzeukou & H. Sauvageot (2007) Parametrization of drop size distribution with rain rate. Atmospheric Research, 84, 58-66. Ryde, J. W. 1946. The attenuation and radar echoes produced at centimeter wave-lengths by various meteorological phenomena. 169–188. Meteorological Factors in Radio-Wave Propagation, Physical Society, London. Sanchez-Diezma, R., I. Zawadzki & D. Sempere-Torres (2000) Identification of the bright band through the analysis of volumetric radar data. Journal of Geophysical Research-Atmospheres, 105, 2225-2236. Sauvageot, H. & J. P. Lacaux (1995) THE SHAPE OF AVERAGED DROP SIZE DISTRIBUTIONS. Journal of the Atmospheric Sciences, 52, 1070-1083. Serrar, S., G. Delrieu, J. D. Creutin & R. Uijlenhoet (2000) Mountain reference technique: Use of mountain returns to calibrate weather radars operating at attenuating wavelengths. Journal of Geophysical Research-Atmospheres, 105, 2281-2290. Uijlenhoet, R. (2001) Raindrop size distributions and radar reflectivity-rain rate relationships for radar hydrology. Hydrology and Earth System Sciences, 5, 615-627. Uijlenhoet, R., M. Steiner & J. A. Smith (2003) Variability of raindrop size distributions in a squall line and implications for radar rainfall estimation. Journal of Hydrometeorology, 4, 43-61. Whiton, R. C., P. L. Smith & A. C. Harbuck (1976) CALIBRATION OF WEATHER RADAR SYSTEMS USING SUN AS A RADIO-SOURCE. Bulletin of the American Meteorological Society, 57, 857-857. Wilson, J. W. & E. A. Brandes (1979) RADAR MEASUREMENT OF RAINFALL - SUMMARY. Bulletin of the American Meteorological Society, 60, 1048-1058. Zawadski, I. 1984. Factors affecting the precision of radar measurements of. rain. 251–256. Preprints, 22nd Conf. Radar Meteor.: Amer. Meteor. Soc. 65 ANNEXE 1 Utilisation des échos fixes autour du radar 7.1.1.1 Etude de la stabilité du radar à l’aide d’un écho particulier 7.1.1.2 Au nord de Niamey, un pylône de télécommunication (image 2) est installé en bordure de la route de Ouallam (GPS : 13°33'35" nord, 2°6'52" est) (image 3). Cet édifice métallique est situé à 9,625 km du radar en azimute 322. Il constitue est écho « particulier » dans le paysage des échos de sol vus par le radar. Sa signature électromagnétique se caractérise par l’apparition d’une forte réflectivité à la porte 69 centré sur la radiale d’azimute 322° (graph 6). image 3 : vue aérien du Pylône sur le route de l'Ouallam image 4 : Tracé de la radiale 322, au dessus de la ville de Niamey graph 1 : Profile des 100 premières portes des radiales 320, 321, 322 et 323 degrés à l’élévation 0.7 degrés. La radiale 322, contenant le pylône est tracée en noir. Sur la graph ci-dessous, on a tracé les réflectivités enregistrées au pylône, sur le totalité de la journée sans précipitation du 26 septembre 2006. Il apparait un saut de réflectivité à 7h30 et 17h30 correspondant aux dates de levé et couché du soleil pour cette date. Cette modification de la puissance rétrodiffusée, s’accompagne d’une inversion du signal doppler. 66 On constate également une assez forte variabilité de la réflectivité image après image, particulièrement marquée durant la nuit. Ce saut de réflectivité n’est pas toujours aussi marqué. Mais il apparait que systématiquement que la période diurne est beaucoup plus stable que la période nocturne. 7.1.1.3 Cycle journalier des échos de sol de Niamey Aux alentours de Niamey, les zones de bas-fond hébergent une multitude d’insectes et de chauve-souris qui dès le couché du soleil s’activent pour disparaitre au crépuscule. Ainsi les cycles nocturnes et diurnes sont fortement marqués aussi bien en réflectivité que sur le bruit doppler. Les images 27 juillet 2007 à 12h et 20h TU, font apparaitre un accroissement significatif de la réflectivité (en moyenne +6dB), et une modification importante du signal doppler. A 12h, seuls les plateaux latéritiques aux alentours de Niamey ressortent du bruit de l’image. Sur l’image de 20h, on constate un accroissement de la surface des échos, associé à une augmentation de la puissance qu’ils rétrodiffuse (image 4). Le 27/07/2006 à 12h TU Le 27/07/2006 à 20h TU R é f l é t i v i t é 67 D o p p l e r image 5: Evolution des échos de sol entre l'image de 12h et 20 le 27 juillet 2006 Sur le graphe suivant, sont représentées, en noir, l’évolution de la réflectivité moyenne dans un rayon de 50 kilomètres autour du radar , et en rouge, celle de la vitesse radiale. Pour cette journée du 7 juillet 2006, le calcul des éphémérides donne le lever du soleil à 5h35 UTC et son coucher à 19h09 UTC. Ces deux date apparaissent avec précision sur le graph précédent. Elle encadre une période durant laquelle la moyenne de la réflectivité est basse à 4.88 dBZ, alors que durant les heures nocturnes, cette moyenne se situe à 10.38 dBZ. Les images de la zone d’échos de sol ci-dessous montrent toutes les 5 heures, la variation de la réflectivité liée à la présence d’insectes et de chauves-souris sur la zone des 50 kilomètres autour du radar. 68 69 ANNEXE 2 70 71 72 73 74 75 ANNEXE 3 Cumul événementiel de précipitation vu par le radar dans un rayon de 100km et de 250km pour les 9 événements traités présentés à titre d’illustration. 76 78 79