LERMA UMR8112

Laboratoire d’Études du Rayonnement et de la Matière en Astrophysique et Atmosphères



Accueil > fr > Recherche > Bases de Données

GIEMS (Global Inundation Extent from Multi-Satellites)

publié le

Le Global Inundation Extent from Multi-Satellites (GIEMS) est un jeu de données unique qui fournit l’étendue et la dynamique des eaux de surface continentales, à l’échelle du globe, sur une longue période (1993-2007), à partir d’un ensemble d’observations satellitaires. Le pourcentage des inondations est estimé, en moyenne mensuelle, sur une grille de surface égale (pixels de 0.25°x0.25° à l’équateur, c’est-à-dire 28kmx28km).

PNG - 87.6 ko

Figure : Moyenne annuelle des surfaces inondées, estimée à partir de satellites, entre 1993 et 2007, en km² pour chaque pixel de 773 km².

L’ensemble des données est disponible sur demande à Catherine Prigent (catherine.prigent@obspm.fr).


Méthodologie – L’étendue et la dynamique des eaux de surface continentales sont estimées à partir de la combinaison d’observations satellites complémentaires : des mesures microondes passives et actives et des réflectances visibles et proche infrarouges. La fusion de ces différentes observations permet de bénéficier de leur complémentarité et d’extraire un maximum d’informations sur les caractéristiques des inondations, en minimisant les problèmes liés à l’utilisation d’un seul instrument. La technique est applicable à l’échelle globale sans réglage particulier pour les différents types d’environnements. Les données satellitaires sont utilisées pour calculer les moyennes mensuelles des fractions inondées à chaque point de grille (de surface égale à 0.25°x0.25° à l’équateur), en tenant compte de la contribution de la végétation sur les observations (Prigent et al., 2001, 2007, 2012 ; Papa et al., 2010). L’ensemble de données GIEMS couvre la période 1993-2007.

Évaluation - La variabilité de GIEMS (intra et inter-annuelle) a été analysée, pour des environnements différents. GIEMS a été comparée à d’autres variables hydrologiques telles que la hauteur de la rivière (à partir de jauges ou de mesures altimétriques), les précipitations, les débits des rivières ou des données gravimétriques (Grace). Ces analyses ont permis d’évaluer GIEMS et de prouver sa pertinence (Papa et al., 2007, 2008, 2010).

Applications - La base de données GIEMS a été largement distribuée dans le monde entier, pour de multiples applications. Les zones humides naturelles étant la plus importante source de méthane atmosphérique (un très puissant gaz à effet de serre), GIEMS fournit une ressource unique pour la modélisation des émissions de méthane et permet de réduire les incertitudes sur le rôle des zones humides naturelles dans les variations des quantités de méthane atmosphérique (par exemple, Bousquet et al., 2006 ; Ringeval et al., 2010 ;. Petrescu et al., 2010 ;.. Hodson et al., 2011 ; Beck et al., 2013 ; Wania et al., 2013 ; Pison et al., 2013). GIEMS est également utilisé pour évaluer la modélisation hydrologique aux échelles continentale et globale (par exemple, Decharme et al., 2008, 2011). Les étendues d’eau de GIEMS ont également été combinées avec les niveaux d’eau altimétriques pour estimer les changements de volumes d’eau dans les bassins (Frappart et al, 2008, 2010 ; Papa et al., 2013).

Les tendances climatiques – Les résultats entre 1993 et 2007 présentent une grande variabilité saisonnière et inter-annuelle avec une baisse de la superficie globale annuelle maximale des surfaces inondées de 6% au cours de la période, avec une diminution particulièrement importante en Amérique du Sud tropicale et subtropicale et en Asie du Sud. Les plus fortes baisses coïncident avec les régions de fortes augmentations de la population sur les deux dernières décennies, ce qui suggère un impact des activités humaines sur les surfaces d’eau continentales (Prigent et al., 2012).

Haute résolution spatiale - GIEMS est en cours de désagrégation pour fournir des estimations des surfaces d’eau continentales avec une résolution de l’ordre de 100 m, toujours à l’échelle du globe et sur une longue série temporelle (http://www.estellus.fr/index.php?static13/giems-d15). Les méthodes de désagrégation utilisent des informations auxiliaires à haute résolution telles que les Modèles Numériques de Terrains (Fluet-Chouinard et al., 2015), des données SAR (Aires et al., 2013), ou des observations satellitaires visibles et infra-rouges (Aires et al., 2014).

PUBLICATIONS :

Méthodologie et évaluation de GIEMS :

  • Prigent, C., E. Matthews, F. Aires, and W. B. Rossow, Remote sensing of global wetland dynamics with multiple satellite data sets, Geo. Res. Lett., 28 , 4631-4634, 2001.
  • Prigent, C., F. Papa, F. Aires, W. B. Rossow, and E. Matthews, Global inundation dynamics inferred from multiple satellite observations, 1993-2000, J. Geophys. Res., 112, D12107, doi:10.1029/2006JD007847, 2007.
  • Papa, F., C. Prigent, and W.B. Rossow, Ob’ River flood inundations from satellite observations : A relationship with winter snow parameters and river runoff. J. Geophys. Res., 112, D18103, doi:10.1029/2007JD008451, 2007.
  • Papa, F., C. Prigent, and W. B. Rossow, Monitoring flood and discharge variations in the large Siberian Rivers from a multi-satellite technique, Surv. Geophys., doi:10.1007/s10712-008-9036-0, 2008.
  • Papa, F., C. Prigent, C. Jimenez, F. Aires, and W. B. Rossow, Interannual variability of surface water extent at global scale, 1993-2004, J. Geophys. Res., 115, D12111, doi:10.1029/2009JD012674, 2010.
  • Prigent, C., F. Papa, F. Aires, C. Jimenez, W. Rossow, and E. Matthews, Changes in land surface water dynamics since the 1990s and relation to population pressure, Geophys. Res. Lett., 39, L08403, doi:10.1029/2012GL051276, 2012.

Analyse des émissions de méthane :

  • Bousquet, P., P. Ciais, J.B. Miller, E.J. Dlugokencky, D. A. Hauglustaine, C. Prigent, G.R. Van der Werf, P. Peylin, E.G. Brunke, C. Carouge, R. L. Langenfelds, J Lathière, F. Papa, M. Ramonet, M. Schmidt, L. P. Steele, S.C. Tyler, and J. White, Contribution of anthropogenic and natural sources to atmospheric methane variability, Nature, 443, 439-443, doi:10.1038/nature05132, 2006.
  • Petrescu, A. M. R., R. L.P.H. van Beek, J. Van Huissteden, C. Prigent, T. Sachs, C. A.R. Corradi, F. W. Parmentier, A. J. Dolman, Modeling regional to global CH4 emissions of boreal and arctic wetlands, Global Biogeochemical Cycles, 24, 4, 10.1029/2009GB003610, 2010.
  • Ringeval, B., N. de Noblet-Ducoudre, P. Ciais, P. Bousquet, C. Prigent, F. Papa, W. B. Rossow, An attemp to quantify the impact of changes in wetland extent on methane emissions at the seasonal and interannual time scales, Global Biogeochemical Cycles, 24, GB2003, doi:10/1029/2008GB003354, 2010.
  • Hodson, E. L., B. Poulter, N. E. Zimmermann, C. Prigent, and J. O. Kaplan, The El Niño–Southern Oscillation and wetland methane interannual variability, Geophys. Res. Lett., 38, L08810, doi:10.1029/2011GL04686, 2011.
  • Beck, V. C. Gerbig, T. Koch, M. M. Bela, K. M. Longo, S. R. Freitas, J. O. Kaplan, C. Prigent, P. Bergamaschi, and M. Heimann, WRF−Chem simulations in the Amazon region during wet and dry season transitions : evaluation of methane models and wetland inundation maps, Atmos. Chem. Phys., 13, 7961−7982, 2013.
  • Wania, R., Melton, J. R., Hodson, E. L., Poulter, B., Ringeval, B., Spahni, R., Bohn, T., Avis, C. A., Chen, G., Eliseev, A. V., Hopcroft, P. O., Riley, W. J., Subin, Z. M., Tian, H., van Bodegom, P. M., Kleinen, T., Yu, Z. C., Singarayer, J. S., Zürcher, S., Lettenmaier, D. P., Beerling, D. J., Denisov, S. N., Prigent, C., Papa, F., and Kaplan, J. O. : Present state of global wetland extent and wetland methane modelling : methodology of a model inter−comparison project (WETCHIMP), Geosci. Model Dev., 6, 617−641, doi:10.5194/gmd−6−617−2013, 2013.
  • Pison, I., B. Ringeval, P. Bousquet, C. Prigent, and F. Papa, Stable atmospheric methane in the 2000s : key−role of emissions from natural wetlands, Atmos. Chem. Phys. Discuss., 13, 9017−9049, 2013.

Evaluation des modèles hydrologiques :

  • Decharme B., H. Douville, C. Prigent, F. Papa, and F. Aires, A new river flooding scheme for global climate applications : Off-line evaluation over South America, J. Geophys. Res., 113, D11110, doi:10.1029/2007JD009376, 2008.
  • Decharme, B., R. Alkama F. Papa, S. Faroux, H. Douville, C. Prigent, Global off-line evaluation of the ISBA-TRIP flood model, Clim. Dyn., DOI 10.1007/s00382-011-1054-9, 2011.

Calcul des volumes d’eau :

  • Frappart, F., F. Papa, J. S. Famiglietti, C. Prigent, W. B. Rossow, F. Seyler, Interannual variations of river water storage from a multiple satellite approach : a case study for the Rio Negro River Basin, J. Geophys. Res., 113, D21104, doi:10.1029/2007JD009438, 2008.
  • Frappart, F., F. Papa, A. Güntner, S. Werth, G. Ramilien, C. Prigent, W. B. Rossow, M.-P. Bonnet, Interannual variations of the terrestrial water storage in the Lower Ob’ Basin from a multisatellite approach, Hydrology and Earth System Sciences, 14,12, 2010, 2443-2453, 2010.
  • Papa, F., F. Frappart, A. Güntner, C. Prigent, F. Aires, A. C. V. Getirana, and R. Maurer, Surface freshwater storage and variability in the Amazon basin from multi−satellite observations, 1993–2007, J. Geophys. Res. Atmos., 118, doi:10.1002/2013JD020500, 2013.

Désagrégation de GIEMS :

  • Aires, F., F. Papa and C. Prigent, A long-term, high-resolution wetland dataset over the Amazon basin, downscaled from a multi-wavelength retrieval using SAR, J. Hydrometeorology, 14, 594-6007, 2013.
  • Aires, F., F. Papa, C. Prigent, J.-F. Cretaux and M. Berge-Nguyen, Characterization and downscaling of the inundation extent over the Inner Niger delta using a multi-wavelength retrievals and Modis data, J.. Hydrometeoroloy, 27, 1958-1979, doi : http://dx/doi.org/10.1175/JCLI-D-13-00161.1, 2014.
  • Fluet-Chouinard, E., B. Lehner, L-M Rebelo, F. Papa, S.K. Jamiston, Development of a global inundation map at high spatial resolution from topographic downscaling of coarse-scale remote sensing data, Remote Sensing of Environment, in press, 2015.

Séminaires à venir

Tous les séminaires...