EVALUATION D'ESTIMATIONS DE PLllIE PAR SATELLITE SUR
L'AFRIQllE DE L'OUEST
nem, 1,ALRrNT, OR')TOM, Montpellier, France
Yves ARNAUD, OKSTOM, Niamey, Niger
1. Introduction
L'estimation quantitative de la pluie est un problème de première importance. A une échelle
globale les précipitations, en particulier les précipitations tropicales, jouent un rôle primordial
dans le bilan énergétique global et la circulation générale atmosphérique. A une échelle
régionale, la pluie est cruciale pour l'économie de nombreux pays. La densité de pluviomètres
étant très faible dans les tropiques, des efforts ont été accomplis depuis plusieurs années pour
essayer d'estimer la pluie à partir des données satellitales. S'appuyant sur les
recommandations de GEWEX (Global Energy and Water Cycle Experiment), plusieurs
programmes internationaux s'intéressent aux estimations globales de la pluie par satelli te,
comme GPCP (Global Precipitation Climate Project, Wilkerson, 1988) ou TRMM (Tropical
Rainfall Measuring Mission, Simpson et al., 1991). Le programme EPSAT (Estimation des
Précipitations par Satellite, Cadet et Guillot, 1991) vise à améliorer les estimations de pluie par
satellite sur les pays d'Afrique de l'ouest où la pluie est liée à des problèmes humains et
économiques.
Il existe de nombreux algorithmes pour estimer la pluie à partir des données satellitales (pour
une revue, cf. Barett and Martin, 1981). Panni ces algorithmes, nous en avons choisi deux
simples, qui peuvent être utilisés facilement de manière opérationnelle: la méthode du groupe
TAMSAT de l'université de Reading (Dugdale et al., 1990), et la méthode développée par
l'équipe ORSTOM de LANNION (Carn et al., 1989). Ces deux méthodes fournissent
opérationnellement des estimations décadaires de la pluie en utilisant les images du canal
infrarouge thennique (IR) du satellite géostationnaire MEfEOSAT. La pluie dans les régions
sahélienne est apportée par d'imtX)rtanb syst;:;mes convectifs tels que les lignes de grains. On
p<:ut estimer la pluie à partir des images IR avec l'hypothèse que les précipitations sont liées à
l'activité convective, et que l'activité convective d'un nuage est liée à la hauteur (ou encore la
température) du sommet du nuage.
2. Données et méthodes
La méthodologie utilisée dans les estimations de pluie TAMSAT (Dugdale et al., 1990)
s'appuie sur la durée, en chaque pixel MEfEOSAT, de présence de nuage froid pendant la
période de 10 jours considérée (cette durée est également appelée occurrence de sommets
froids). Un point important dans toute méthode basée sur la température du sommet des
nuages est le choix du seuil pennettant de séparer les nuages pluviogènes des nuages non-
pluviogènes. La valeur du seuil utilisé dans la méthode TAMSAT varie spatialement et
temporellement: l'Afrique boréale est divisée en 9 zones supposées être homogènes du point
de vue de la climatologie de la pluie; dans chaque zone le seuil est constant durant un mois.
Pour chaque zone et chaque mois, un seuil entre -40 et -60°C est sélectionné à partir de
plusieurs années de données. Ensuite, une régression <1\;:'':- les ubservations pennet d'obtenir
une calibration de la fonne :
R = a OCC + b, R =0 si OCC =0
où R est la pluie en mm et OCC est l'occurrence de sommets froids en heures.
Les cali brations sont réajustées chaque année. Les coefficients utilisés ici sont ceux de 1992
(c.a.d. calibrés sur 1991 et les années précédentes), appliqués sur les images de la saison des
pluies 1989. D'un côté cela devrait améliorer les résultats puisque les observations de 1989
ont été prises en compte pour la calibration. D'un autre côté, les calibrations ne 50nt pas
nécessairement stables d'une année sur l'autre (Dugdale et al. 1990).
140
décades de la période d'étude. On calcule de la même manière une erreur quadratique
moyenne. La corrélation spatiale rend compte de la distribution spatiale des précipitations.
- une corrélation r(~·:lj)()rf'j k : les calculs sont effectués pour les séries temporelles (8 décades)
à chaque point de validation; les ït:SL.l~ts s( nt ensuite moyennés sur les 128 points.
Le Tableau 1 montre ces différents coefficients de corrélation et erreurs quadratiques
moyennes pour les quatre estimateurs. L'importante corrélation spatiale de CLIM souligne le
rôle de la répartition spatiale moyenne (par ex. le gradient pluviométrique nord-sud) dans les
estimations du champ de pluie global. Les intervalles de confiance du Tableau 1 ont été
calculés avec une transfonnation de Fisher (Kendall et Stuart, 1963). Ceci suppose que les
distributions sont égales, ce qui n'est pas vrai: des intervalles de confiance réalistes sont
vraisemblablement plus larges que ceux présentés. On peut donc conclure à partir du Tableau
1 que le coefficient de corrélation GAUGES n'est pas significativement différent des
coefficients de LANNION et TAMSAT.
Une autre approche consiste à utiliser les quanti les, ce qui pennet d'avoir des distributions
identiques. Pour chaque station et chaque décade, on a calculé le quartile inférieur, le second
quartile (c.a.d. la médiane) et le quartile supérieur à partir des séries climatologiques. Pour un
quartile Q, on calcule le score des estimations (E) par rapport alIX pluies observées (0) :
score 1 : E et 0 < Q ; score 2 : E < Q et 0 ~ Q ; score 3 : E ~ Q et 0 < Q ; score 4 E et 0 ~ Q.
En considérant que les séries sont approximativement indépen<1antes, on peut estimer un
intervalle de confiance. L'intervalle de confiance à 95% pour la probabilité p est calculé
comme: 2 ( P (l-p) / n )1/2 , où n est le nombre de valeurs. Cet intervalle est de l'ordre de
0.03 en général, avec n=8x128.
Les scores 1 et 4 indiquent le nombre de bon accord entre estimation et validation. On retrouve
dans les résultats présentés dans le Tableau 2 le fait que l'estimation CLIM ne peut apprécier
les faibks (scores 1 et 2, quartile inférieur) ou les fortes pluies (sco;es 3 et 4, quartile
supérieur) ; de plus, du fait de l'asymétrie des distributions de pluie, les estimations CLIM
sont nettement supérieures aux valeurs r::~Jianes climatologiques.
Un bon estimateur devrait êtr-.: capable de détecter les faibles pluies (Tab. 2a, score 1), les
i-~uies importantes (T~b 2c, score 4) et de donner une bonne estimation àe la pluie dans son
ensemble (Tab. 2b, scores 1+4).
Les scores de LANNION et GAUGES apparaissent similaires, et .égèrement mais
significativement (en considérant les intervalles de confiance à 95%) meilleurs que les scores
de CLIM. TAMSAT se situe au milieu.
4. Conclusion
Quatre méthodes d'estimation de la pluie décadaire ont été comparées pour la région
sahélienne et la saison des pluies 1989. TAMSAT est une méthodes basée sur les données
satellites, et calibrée sur les années antérieures; LANNION est une méthode combinant les
données satellite et les observations pluviométriques disponibles en temps réel; CLIM est une
simple estimation climatologique; GAUGES est une méthode utilisant uniquement les
données pluviométriques. Si le problème de la validation des estimations de pluie n'a pas été
résolu ici, on peut cependant tirer quelques enseignements oe cette étude. Les estimations
basées sur les données satellite et/ou les observations au sol donnent de meilleurs résultats
qu'une simple estimation climatologique. En dépit de la très faible densité du réseau
d'observations sol, les estimations à partir de ce réseau peuvent être prises en considération:
les estimations GAUGES soutiennent largement la comparaison avec les estimations
LANNION et TAMSA T.
141
1
LANNION TAMSAT CUM GAUGES
Correlation spatiale R 55 59 52 60
RMSE 21.3 19.1 26.0 37.7
Correlation temporelle R 57 51 31 57
RMSE 23.4 :2.8 15.0 34.8
Correlation totale R 60 62 54 65
intervalle de confiance à 95 % 55 63 57 65 49 58 61 68
RMSE 41.5 46.6 43.9 40.5
BIAS -4.3 -20.4 -7.2 0.8
Table J. Coefficient de corrélation spatial, temporel et total (%), erreur quadratique moyenne
(mm) et biais (mm) des quatres estimateurs calculés pour 8 décades (21 juin-lO septembre
1989) par rapport à 128 stations pluviométriques. L'intervalle de confiance à 95% est
également porté.
a) 1er Quartile LANNION TAMSAT CUM GAUGES
Score 1 4 8 0 8
Score 2 4 10 0 7
Score 3 16 12 21 13
Score 4 75 69 79 73
b) Mediane LANNIOi·' TAMSAT CUM GAUGES
Score 1 22 34 8 25
Score 2 12 28 9 12
Score 3 21 9 34 17
Score 4 45 29 48 45
Score 1 + 4 67 63 57 70
c) 3e Quartile LANNION TAMSAT CUM GAUGES
Score 1 55 64 66 52
Score 2 16 27 33 14
Score 3 11 2 0 15
Score 4 17 6 1 20
Table 2. Score (%) des quatre estimateurs pour le quartile inférieur (a), la médiane (b) et le
quartile supérieur (c).
142
1
Références
Barrett E. C. and :J. N. Martin, 1981 : The lise of satellite data in rainfall monitoring.
Academic Press, 340 pp.
Cadet D. and B. Guillot, 1991: EPSAT - Estimation des précipitations par satellite. 63 pp.
[available at: ORSTOM-CMS, BP 147, F-22302 Lannion, France]
Cam M., J. P. Lahuec, D. Dagorne and B. Guillot, 1989 : Rainfall estimation using TIR
METEOSAT imagery over the Western Sahel. 4th conf. on satellite meteorology and
oceanography, San Diego, CA, Amer. Meteor. Soc., 126-129.
Dugdale G., V. O. McDouglas and J. R. Milford, 1990 : Potential and limitations of rainfall
estimates for Africa derived from cold cloud statistics. 8th MET EOSAT scientific users'
meeting, Norkopping, Sweden. Eumetsat Publ. EUM ?O8, 211-220.
Aitcroft 1. D., J. R. Milford and G. Dugdale, 1989: Relating point to area average rainfall in
semiarid West Africa and the implications for rainfall estimates derived from satellite data. 1.
Applied Meteor.. 28,252-266.
Kendall M. A. and A. Stuart, 1963 : The advanced theory of statistics. Griffin ed., 1730 pp.
Lebel T., H. Sauvageot, M. Hoepffner, M. Oesbois, B. Guillot and P. Hubert, 1992 :
Rainfall estimation in the Sahel: the EPSAT-NIGER experiment. Journal of Hydrological
Sciences, 37, 201-215.
Simpson 1. , R. F. Adler and G. R. North, 1988 : A proposed tropical rainfall measuring
mission (TRMM) satellite. Bull. American Meteor. Soc., 68, 278-295.
Wilkerscn J. C. (editor), 1988 : Report of the international workshop on the validation of
. satellite precipitation measurem,,:,nts for the global precipitation c1imatology project. WMOrrO-
;-·'0.203- WCRP-1, Geneva.
1 .+3
La méthode LANNION (Carn et al., 1989) estime également la pluie décadaire, avec la
fonnule:
R = a OCC .... b Ts + C Lat + d, R = 0 si acc = 0
Où R est la pluie, oce l'occurrence de sommets froids pour un seuil de -40°C, Lat la latitude,
Ts la moyenne des deux températures maximales de brillance IR pendant les deux pentades de
la décade. Ts vise à représenter la relation entre la pluie et la température de surface. Une
différence essentielle avec la méthode TAMSAT est que la régression est calculée à chaque
décade, en utilisant les observations sol disponibles à la fin de la décade.
Pour évaluer la qualité d'une estimation de pluie, on peut tout d'abord la comparer avec une
prévision climatologique. La plus simple prévision climatologique (appelée CLIM par la suite)
consiste à prédire que la pluie pour une décade sera égale à la moyenne des cumuls relevés sur
cette décade durant les 30 dernières années. Une autre possibilité consiste à comparer une
estimation faite à partir de données satellite à une estimation faite à partir des observations au
sol. Mettre en correspondance des mesures ponctuelles et des pluies intégrées spatialement
n'est pas un problème simple (Aitcroft et al., 1989) et fait d'ailleurs l'objet d'études dans
l'expérience EPSAT-Niger (Lebel et al., 1992). Ici on utilise une méthode très simple, appelée
GAUGES par la suite: la plUIe décadaire à un point de validatinn est calculée à partir des
observations aux stations pluviométriques les plus proches. Celles-ci sont les stations situées
dans un rayon de 40 km, ce rayon étant augmenté si on a moins de 2 stations. La valeur
calculée est une moyenne pondérée, le poids étant proportionnel à l'inverse du carré de la
distance.
Les images IR METEOSAT de la saison des pluies 1989 au Sahel ont été traitées avec les
algorithmes T AMSAT et LANNION au centre AGRHYMET à Niamey. Ces images sont des
fenêtres couvrant la bande sahélienne avec la pleine résolution temporelle et spatiale
METEOSAT : 30 minutes et 5kmx5km. La période de l'étude est de 8 décades, du 21 juin au
10 septembre 1989. Les mesures de pîécipitations des stations synoptiques et des réseaux
i~condaires des pays sahéliens ont été colleétées et contrôlées par le centre AGRHYMET. La
f-igure 1 montre la di.:,~ribution s,patiale des stations pluviométriques utilisées. Sur un total de
367 stations, 163 ont été archivées en temps réel: elles sont utilisées pour la calibration des
estimations LANNION et pour les estimations GAUGES. Les 204 restante~; furent archivées
plus tard: elles sont utilisées pour la validation des estimations. Pour 128 de ces 204 stations
de validation, on dispose de séries d'observations assez longues pour calculer les distributions
climatologiques de pluie sur la période 1959-1988 (CLIM). Seules ces stations sont utilisées
pour la validation présentée dans ce papier
3. Résultats
La Figure 2 montre les diagrammes de dispersion des quatre estimateurs pour les 128 points
de validation et pour les 8 décades. On a également porté le coefficient de corrélation linéaire,
l'erreur quadratique moyenne (RMSE) et le biais (erreur moyenne: estiuation moins
observation). Le nuage de points pour l'estimation CLIM montre l'incapacité d'une ~éth?'Ïe
climatologique à prévoir les valeurs extrêmes. Le coefficiem de corrélation de l'estimatIOn
GAUGES est le plus élevé, tandis que celui de LANNION devient le plus élevé quand o~ ~e
considère que les pluies inférieures à 150 mm. L'estimation T AMSAT présente un biaiS
négatif important. Les deux estimateurs satellite montrent une saturation pour les décades très
pluvieuses. Cela s'explique par: 1) le forçage climatologique inclus dans ces deux méthodes,
et 2) l'incapacité à distinguer, à partir des images IR, un nuage très pluviogène d'un nuage
nonnalement pluviogène.
Les corrélations de la figure 2 ont été calculées pour l'ensemble des points de validation. On
peut également considérer:
- une corrélation spatiale définie, pour chaque décade, comme la corrélation linéaire des 128
pixels avec les observations sol correspondantes. La valeur finale est moyenné\.: sur les 8
s: ~~ . 10
-10 o 10
r
--r
128 02SERVATION$ (VAê..IDATÔQI\: CL'~1 STA:-IC:-JS)
·1
20 - - - , - - - - - ' - '
C 0
~...-/
\0
----]---+--1 20
20
~_\"
,~~~~
.. i.. /
.
~.' /.""-" : ,,;~ /')' ..
" ~.:. '.
). ~\
'0
:'\ /
' / "
; c:: : .' 10
r
1
; Il! ~
, \~ (
---------r- =) ~ '\ ----'------~
1
i
-10 o la
163 OBSEriVATICNS (CAliEJRATICN)
-10 o 10 20
20 -,------r----...L....--,---- ~-_-.-L---~,------t-
20
1
1
/
10 10
o 10 20
Figure 1. Réseau de pluviomètres. Stations utilisées pour les estimations LANNION et .
GAUGES (bas) ; stations utilisées pour la validation des estimations, en excluant les stations
non climatologiques (milieu) ou non (luJut).
145
R=054 BIAS= -7 mr RMSE=44 mm R=065 BIAS= 1 mm RMSE=4C '7'm
300 -------'-------------;>1,-
/~-
// :
/ ,-
/ 1-
2'20-
(j)
w
2 CJ
::J
,'-'"' <{
Ci
1 ,JO-' r-
I
n -or- -
"
'", 100 2CO 3r- ,.,
vv '~
i O~~ 2:::0
OBS !:!lIT,) OES /""""'f"'Y"\\
\,11 ",1
300 .-'-'.~---'-~-~--- 300 -------~----~-
/
1
, /
,
-' /
/
/ /
/
/
200~: /
z ~ /
o
/
<
ïc-
i
(j)
~
<{
f-
--:
~ /
'.
/
f-
I
100 J
1 i .'
l-
I
r-
I
f.-
I
o 1CO 200 300 o 100 200 3CC'
OBS (mm) OBS (mm)
Figure 2. Valeurs estimées en fonction des valeurs observées pour Les quatre estimateurs (cf.
texte) pour 128 stations et 8 décades (21 juin-lO septembre 1989).
146
TABLE DES MATIERES
Pages
- Programme de l'atelier 4
- Liste des participants 6
- Allocution d'ouverture du Directeur Général du Centre AGRHYMET 9
- Synthèse et conclusions Il
- Communications:
· Bref exposé sur le phénomène "pluie" 14
A. BIZIMANA
· Estimation des précipitations en zone sahélienne:
l'expérience EPSAT - NIGER, une vérité sol adaptée 18
JD. TAUPIN et T. LEBEL ~ A t, 1 z. 1., ,
· La collecte des données pluviométriques pendant la campagne pluviale 1993
(ler mai - 31 octobre) et leur fiabi!,té 32
J-L. DROUET
· Evolution du DHC pour l'intégration des champs pluviométriques:
sensibilité des termes du bilan hydrique des cultures simulé au pas de temps de calcul 47
X. GIRARD et S. BALLU
· Le système Météosat 55
F TAIL
· La chaîne de traitement AGRHYMET 59
J-c. BERGES
· Interface des stations MétéosatIPDUS acquises par l'ASECNA 63
T. ROY
· Description de la base de données utilisée pour la validation des algorithmes
d'estimation des pluies 67
F TAIL
· Estimateurs satellitaires de la pluviométrie enregistrée au Sahel 74
TROY
· Climatologie des pluies et régionalisation 87
J-c. BERGES
1 2
· Méthode de: fi. rage tiRS amas nuageux 95
L. CUNIN
· Suivi de l'hivernage 1993 à l'aide des indicateurs occurrences de nuages à sommet
froid et minima de températures radiatives 101
J -L. DROUET
· Over view of the FAO - ARTEMIS estimation activities 118
G. L. VA]v HERWAARDl'.7V
· Estimation des pluies au Sénégal par la méthodologie TAMSAT :
bilan provisoire des résultats de quatre années d'applications 127
A. TOURE. H. GEORGE. N. D. NDIAYE
· Validation comparée des méthodes d'estimation de pluie EPS AT (Lannion) et
[Link] (Reading) durant les décades de l'hivernage 1989 135
F TIMOUK f.A ~ 1 2. '-t ~
· Evaluation d'estimations de pluie par satellite sur l'Afrique de l'Ouest 140
H. LAURENT et Y. ARNAUD f li 4 , 2 e.., 8
· Comparaison des méthodes d'estimation des pluies AGRHYMET, EPSAT, TAMSAT
au cours de la saison 1993 147
J-L. DROUET et L. CUNIN
,/ . Validation des algorithmes d'estimation des précipitations par satellite (EPSAT et
TAMSAT) sur L: degré carré de Niamey pour les saisons des pluies 1990 et 1993 162
y. ARNAUD et J D. TAUPIN f' ~ \ 2 ~ % h \.0
· Principes, limitations et perspectives des méthodes d'estimation des pluies par satellite 168
M DESBOlS
· Etude préliminaire des cumuls de pluie sahéliens 175
P HUBERT et C. A. TOMA
3
1