Actes - Climato.be

Les risques liés au temps et au climat
Les images utilisées proviennent des satellites NOAA. Elles nous ont été fournies par le
Service de l’environnement Atmosphérique d’Environnement Canada à Downsview en
Ontario. Pour les besoins de l’étude, seules deux images par jour ont été prises en compte :
celles du matin et du début d’après-midi. D’une part, la température calculée à partir des
images prises dans le début de l’avant de l’après-midi représente une bonne estimation de la
température maximale journalière. D’autre part, les périodes de forte humidité, par
conséquent propices aux épisodes d’infections par les maladies fongiques, ont lieu tôt le matin
ou à la tombée de la nuit. Les données de 50 stations météorologiques automatiques,
appartenant à la région d’étude, ont servi au calage et à la validation des algorithmes
d’estimation des variables environnementales (température et humidité).
Vu ses bonnes performances rapportées dans la littérature (Prince et al., 1998), l’algorithme
Split-Window de Becker et Li (1990) a été utilisé, dans la présente étude, pour le calcul de la
TS. Cette dernière intervient dans l’estimation de la température et l’humidité de l’air à partir
des images NOAA-AVHRR. La relation empirique log-linéaire entre NDVI et l’émissivité dans
le canal 4 de AVHRR et la différence d’émissivité entre les canaux 4 et 5, développée par
Cihlar et al. (1997), a été utilisée pour l’estimation des émissivités spectrales. Un modèle
empirique reliant l’eau précipitable observée au niveau des stations météorologique(W) à "T
(différence entre T4 et T5) et TS a été développé :
: T " 0,28
W # J126,58
& 5 6
TS " 289
K'
0, 23
1
L’eau précipitable observée aux stations a été calculée à partir des observations de l’humidité
relative à l’aide de la relation log-linéaire développée par Reitan (1963) et adaptée à la station
de Maniwaki (46,4°N, 75,9°W) par Choudhury (1996). 14 stations, choisies au hasard, ont
servi pour le développement du modèle (équation 1). Les données des deux stations restantes
ont été utilisées pour le valider. L’eau précipitable a été calculée pour l’ensemble des images
en utilisant ce modèle. Deux masques de nuages supplémentaires impliquant l’eau
précipitable ont été appliqués aux images pour éliminer les nuages résiduels. Le premier
consiste à éliminer les pixels dont la valeur de W est égale ou supérieure à 25 mm. Le
deuxième revient rejeter les pixels dont les valeurs de "T et TS sont hors du domaine de
définition de l’équation 1 (valeurs négatives ou aberrantes de W ou à une division par zéro).
Une approche spatiale ou « contextuelle » (Goward et al., 1994) a été utilisée pour estimer la
température de l’air proche de la surface à partir des données NOAA-AVHRR et ce, en reliant
TS à NDVI. Prihodko (1992) a montré que la température du couvert converge vers une seule
valeur quand l’indice de végétation tend vers une valeur élevée, cette température est proche
de celle de l’air. Une régression linéaire a été ajustée entre la température de surface et
l’indice de végétation pour une fenêtre contextuelle de pixel. La température de l’air du pixel
central de la fenêtre a été estimée en extrapolant la ligne de régression NDVI-TS à une valeur
de NDVI (NDVImax) correspondant à un couvert végétal très dense. NDVImax a été fixé à 0,86.
Cette opération a été réalisée pour l’ensemble des images à l’aide d’une fenêtre mobile 9x9
parcourant toute l’image. Les observations de température de l’air au niveau des 16 stations
météorologiques ont servi pour valider les résultats de cette approche.
L’humidité relative stellitaire a été calculée à partir de la température de l’air et l’eau
précipitable satellitaires grâce à la méthode Tetens (1930). Cette dernière a été, péalablement,
transformée en température de point de rosée à l’aide de l’inverse de la relation proposée par
Choudhury (1996).
2. Régionalisation des sorties des modèles prévisionnels
Il est question à ce niveau de régionaliser les sorties des modèles à l’aide des techniques
géostatistiques et des variables satellitaires et en valider les résultats. Afin de vérifier la
validité des résultats de la corégionalisation des sorties des modèles à l’aide des variables
542