Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...

More documents

Recommendations

Info

Un programme a été développé sous Envi et IDL et appliqué sur les données du niveau 1 et 2; toutefois ces derniers ont été traités en appliquant les masques (flags) sur les pixels douteux dus aux nuages (Cldice), aux mauvaises corrections atmosphériques (Atmwarn), aux pixels appartenant à la terre (Land) et ceux du produit de l’algorithme OC3 chl a (Chlfail et Chlwarn). 3. Résultats La cartographie et l’analyse des données MODIS CHL a, presque journalière de l’année 2009 a montré des variations spatiotemporelles importantes dans les eaux case II du golfe de Gabès (Figure 1).En effet durant les mois de Décembre Janvier, Février, Mars et Avril nous avons enregistrées des valeurs assez faibles en concentration de la chlorophylle au centre du golfe de Gabès et aux alentours des îles Kerkennah, Kneiss et Jerba. En revanche la Lagune de Bougrara présente les valeurs les plus fortes de CHL. Pendant les mois de Mai, Juin, Octobre et Novembre la concentration augmente essentiellement aux alentours des îles Kerkenah et Kneiss. Les mois de Juillet Aout et Septembre montrent les valeurs les plus élevées en CHL pour toute l’année 2009 avec des blooms d’algue aux alentours de l’île de Kerkennah et au Sud du golfe de Gabés, précisément à l’Est de l’île de Jerba surtout les mois d’Aout et Septembre. Malgré la cohérence des données satellitaires CHL en fonction des saisons et des localités, il existe une différence avec les mesures in situ. Cette différence met en doute la performance de l’algorithme OC3 pour les eaux côtières du golfe de Gabès. Ainsi il est nécessaire d’élaborer un nouvel algorithme pour les eaux côtières du golfe de Gabès. En tenant compte des paramètres du secteur d’étude essentiellement l’effet des rejets industriels, les apports des oueds, la marée, la faiblesse de la tranche d’eau, la réflexion du fond marin dans certaines régions tel que Kerkennah et Kneiss et la réalisation de plusieurs compagnes de mesures saisonnières. Kneiss Sfax P.Gannouche Jerba L Bougrara Kerkennah Masque 0-1 µg/l 1-2 µg/l 2-5 µg/l 5-10 µg/l 10-15 µg/l 15-20 µg/l 20-50 µg/l Figure-1- Répartition de la chlorophylle montrant un bloom d’algue dans golfe de Gabès le 18 Septembre 2009 à 12 :40 UTC à gauche et le 10 Aout 2009 à 12 :35 UTC à droite Mots clés: télédétection aquatique, chlorophylle, golfe de gabés et MODIS Références - Ben Mustafa K., Hattour, A., Mehetli, M., El abed, A. et Tritar, B. (1999): Etat de la bionomie benthique des étages infra et circalittoral du golfe de Gabès. Bull. Ins. Natn. Scien. Tech. Mer de Salammbô, Vol.26, 1999. - O’Reilly, J.E. and 21 co-authors, (2000): Ocean color chlorophyll a algorithms for SeaWiFS,OC2, and OC4: Version 4. In: O’Reilly, J.E. and 24 co-authors, 2000: SeaWiFS postlaunch calibration and validation analyses, part 3.NASA Tech. Memo. 2000-206892, Vol. 11, S.B.Hooker and E.R. Firestone, Eds., NASA Goddard Space Flight Center, Greenbelt, Maryland, 9-23. 140 Kneiss Sfax P.Gannouche Jerba L. Bougrara Kerkennah
Modélisation des échos de précipitations observés par un radar Côtier par des processus autorégressifs Dallal KEMIKEM & Boualem HADDAD Université des Sciences et de la Technologie Houari Boumediene (U.S.T.H.B.)-Alger-Algerie Email : h boualem@hotmail.com 1. Problématique : Ces dernières années, les inondations, les feux de forêts, l’explosion démographique nous conduit à réfléchir quant à la gestion rationnelle et l’utilisation efficace des ressources en eau à l’échelle planétaire. L’évaluation et la gestion de ce capital précieux, qui est l’eau, est rendue complexe à cause de la variation spatio-temporelle des perturbations, de l’influence de la topographie du terrain et des obstacles locaux]. De nos jours, le radar météorologique s’avère l’unique instrument capable d’assurer une couverture continue dans l’espace et dans le temps des champs de précipitation. Souvent, les précipitations annuelles assurent une quantité d’eau globale qui peut couvrir les besoins de l’être humain. Cependant, la répartition de cette eau dans le temps pourrait poser un problème. Par conséquent, une compréhension de ce phénomène climatique aiderait au moins à programmer des interventions visant la stabilisation et l’augmentation des rendements. C’est ainsi que les planificateurs sont devenus de plus en plus intéressés par l’estimation et la prévision de cette variable aléatoire qui permettrait une gestion rationnelle des ressources hydriques. La prévision de la variabilité climatique ne manque pas d’intérêt dans la mesure où des informations sur ces variables aléatoires pourraient donner l’occasion de mieux ajuster l’efficience productive des exploitations agricoles par exemple et probablement contribuer à améliorer son revenu. Plusieurs modèles stochastiques ont été proposés dans la littérature. Les processus AR et ARIMA ont connu une utilisation concrète suite à leurs performances jugées satisfaisantes. L’objectif recherché est de détecter s’il existe une éventuelle différence dans le comportement des précipitations sur terre et sur mer due à la salinité de l’eau de mer. En outre, nous avons modélisé les échos parasites en provenance de la terre pour la région sétifienne. 2. Données de base : Deux sites radar sont considérés dans cette étude. Il s’agit des régions de Sétif et de Bordeaux. Des images radar collectées durant l’année 2001 à Sétif et durant l’année 1996 à Bordeaux sont analysées. Aussi, nous avons étudié deux zones, l’une sur terre et l’autre sur mer pour les sites choisis. 3. Résultats : Les modèles que nous avons développés, sont basés sur la méthodologie de Box-Jenkins. En outre, on a utilisé les logiciels MATLAB, STATISTICA et XLSTAT qui offrent de très nombreuses fonctionnalités qui répondent à la majorité de besoin en analyse de donnée et modélisation. Nous avons subdivisé notre surface d’étude en deux zones, l’une correspond à la mer et l’autre au continent. D’autre part, afin de mener une étude fine, nous avons considéré au niveau de chaque zone des fenêtres de 5*5 pixels. Puis, nous avons analysé pour chaque fenêtre le facteur de réflectivité moyen radar. A titre d’illustration, les courbes de variations des coefficients d’autocorrélation (FAC) et des coefficients d’autocorrélation partielle (FACP) sont données par les figures (1.a ,1.b) pour la mer et par les figures (2.a, 2.b) pour la terre pour la région sétifienne, l’intervalle de confiance étant matérialisé par l’espace compris entre les deux trais en pointillés. 141
Page 1 and 2: Variabilité spatio-temporelle de l
Page 3 and 4: couleur blanche fait référence au
Page 5 and 6: des terres, notamment entre Pya et
Page 7 and 8: Figure 2. Méthodologie de l’appr
Page 9 and 10: La détection de changements à par
Page 11: Cartographie et suivie de la variab
Page 15 and 16: classifiée, appelées aussi « car
Page 17 and 18: - Monmarché, N. (2004). Algorithme
Page 19 and 20: Apport de la télédétection dans
Page 21 and 22: Modélisation du stress hydrique da
Page 23 and 24: Ce travail, se propose d’étudier
Page 25 and 26: arboré de l’arganeraie, on peut
Page 27 and 28: 2. Donnée utilisé et méthodologi
Page 29 and 30: Dynamique récente de la végétati
Page 31 and 32: Détection des changements dans les
Page 33: largeur impaire [DON 98]. Cette der

Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?