Assimilation des données satellitaires pour le suivi et la prévision des sécheresses agricoles et des ressources en eau

par Anthony Mucia

Projet de thèse en Sciences de l'univers

Sous la direction de Jean-christophe Calvet.

Thèses en préparation à Toulouse, INPT , dans le cadre de Sciences de l'Univers de l'Environnement et de l'Espace depuis le 28-11-2018 .


  • Résumé

    Le Centre National de Recherche Météorologique (CNRM) a développé un Système d'Assimilation des Données Terrestres (LDAS) capable de contraindre le modèle ISBA (Interactions-Sol-Biosphère-Atmosphère-Atmosphère) à partir d'observations satellitaires. Le LDAS a été mis en œuvre dans une chaîne de surveillance des flux d'eau terrestre et de carbone à l'échelle régionale et a une capacité mondiale (Barbu et al., 2014, Fairbairn et al, 2017, Albergel et al, 2017). C'est maintenant le seul système capable d'assimiler séquentiellement des produits végétaux tels que l'ISF avec des observations de l'humidité de surface du sol (MSS). LDAS-Monde a la capacité d'améliorer considérablement la caractérisation des sécheresses agricoles. L'objectif principal de cette thèse est d'étudier la capacité de LDAS-Monde à initialiser des simulations hors ligne (c'est-à-dire non couplées à l'atmosphère) forcées par des prévisions saisonnières/10 jours pour des applications hydrologiques (ex. débit des rivières) et agrométéorologiques (ex. rendements agricoles, sécheresses) à partir de données assimilées par satellite d'observations (humidité du sol et végétation). La méthodologie proposée comprend (i.) la conception d'un système de prévision hors ligne initialisé par l'analyse LDAS-Monde à l'échelle mondiale (les premiers tests seront effectués sur la France et la péninsule ibérique) ainsi que l'étude de la persistance des impacts dans le temps. (ii) l'évaluation de son impact sur les variables de la surface terrestre liées à la végétation et aux ressources en eau (humidité du sol et débit d'eau), (iii) une étude sur la capacité de ce nouveau système à prévoir les sécheresses agricoles et (iv) la mise en œuvre des fonctions de transfert entre variables du modèle et indicateurs fournis par les systèmes de prévision ou d'alerte.

  • Titre traduit

    Assimilation of satellite data for monitoring and forecasting agricultural drought and water resources


  • Résumé

    The National Center of Meteorological Research (CNRM) has developed a Land Data Assimilation System (LDAS) able to constrain the ISBA (Interactions-Sol-Biosphere-Atmosphere) land surface model using satellite derived observations. The LDAS was implemented in a monitoring chain of terrestrial water and carbon fluxes at a regional scale and has global capacity (Barbu et al., 2014, Fairbairn et al., 2017, Albergel et al., 2017). It is now the only system able to sequentially assimilate vegetation products such as LAI together with surface soil moisture (SSM) observations. LDAS-Monde has the capability of considerably improving agricultural drought characterization. The main objective of this thesis to study LDAS-Monde capacity to initialize offline simulations (i.e. not coupled with the atmosphere) forced by seasonal/10-day forecast for hydrological (e.g. river discharge) and agro-meteorological (i.e. agricultural yields, droughts) applications from data assimilation of satellite derived observations (soil moisture and vegetation estimates). The proposed methodology includes (i.) the design of an offline forecast system initialized by LDAS-Monde analysis at a global scale (first tests will be done over France and the Iberian peninsula) as well as studying analyses impact persistence through time. (ii) Assessing its impact on land surface variables linked to vegetation and water resources (soil moisture and water discharge), (iii) a study on this new system capability to predict agricultural droughts and (iv) the implementation of transfer functions between model variables and indicators provided by warning or forecasting systems.