Travaux de recherche

Mes travaux en cours sur les données de rayonnement solaire en Afrique de l’Ouest : jusqu’où un calage au sol reste valable loin de la station qui l’a produit, et ce qu’un produit satellitaire efface là où sa maille est trop grossière.

01Calage spatial du rayonnement solaire 02Dégénérescence de pixel des produits solaires

01En cours

Calage spatial du rayonnement solaire

La transférabilité d'un calage au sol est gouvernée par la similarité climatique entre sites, pas par leur distance géographique.

Avancement. Analyse complète sur les 31 stations et les 930 paires, confirmée sur deux produits satellitaires indépendants (CAMS puis SARAH-3), puis cartographiée sur l'Afrique de l'Ouest. Rédaction de l'article en cours.

En bref

31
stations ESMAP/WAPP: 930
paires source-cible: 2
produits indépendants: +0.32
résidu vs Δclim (GHI)

Problématique

Les produits satellitaires (GHI, DNI) sont biaisés localement ; on les corrige par un calage sur des mesures au sol. Mais les stations de mesure sont rares en Afrique de l'Ouest, et un dimensionnement se fait presque toujours loin de toute station.

La question : un calage établi en une station est-il transférable ailleurs, et selon quel critère ? L'intuition courante suppose que la proximité géographique gouverne la transférabilité. Ce travail teste l'hypothèse concurrente : c'est la similarité climatique entre sites, notée $\Delta_{\mathrm{clim}}$ , qui la gouverne : deux sites au climat proche mais géographiquement éloignés se calent mieux l'un l'autre que deux voisins de régimes différents.

Hypothèses

La transférabilité d'un calage est gouvernée par la similarité climatique $\Delta_{\mathrm{clim}}$ entre sites, non par leur distance géographique.

Le résidu de transfert croît avec $\Delta_{\mathrm{clim}}$ , et cette loi est stable d'un produit satellitaire indépendant à l'autre.

La prise en compte de l'aérosol (AOD) enrichit la loi et réduit le résidu de transfert.

Méthode & calculs

Réseau de 31 stations, soit 930 paires source–cible ordonnées. Pour chaque paire, on cale le produit sur la source (correction de biais par appariement de quantiles), on applique ce calage à la cible, et on mesure le résidu. On confronte alors le résidu à deux distances concurrentes : la distance géographique et la distance climatique $\Delta_{\mathrm{clim}}$ .

Les outils : une relation entre résidu et $\Delta_{\mathrm{clim}}$ , un variogramme qui oppose climat et distance, une validation croisée station par station, une version enrichie qui tient compte de l'aérosol, puis la réplication sur un second produit indépendant (SARAH-3 après CAMS) et une cartographie de l'Afrique de l'Ouest au pas de 1°. Le tout suit un pipeline déterministe, tracé jusqu'aux formules et revérifié de façon indépendante.

Fig. 1Le réseau ESMAP/WAPP : 31 stations couvrant l'Afrique de l'Ouest (haut) et la distribution des 930 distances inter-stations, de 100 à 2 800 km (bas).

Résultats & figures

La transférabilité est bien gouvernée par $\Delta_{\mathrm{clim}}$ et non par la distance : le variogramme climatique structure le résidu là où la distance géographique ne le fait pas. Le résultat est validé sur 31 stations et 930 paires, avec deux produits satellitaires indépendants (CAMS, SARAH-3), puis cartographié à l'échelle de l'Afrique de l'Ouest, avec application au réseau ESMAP/WAPP, cas de la Guinée, avec une ancre terrain à Kankan (campagne ESMAP/WAPP).

La méthode qui en découle, CLIM3, cale chaque site sur ses trois meilleurs analogues climatiques, pondérés par l'inverse de $\Delta_{\mathrm{clim}}$ . Sur la Guinée, elle ramène le résidu attendu à 2,4 % en GHI et 6,9 % en DNI. Quelques stations bien réparties entre zones climatiques suffisent alors à couvrir un territoire, à condition de valider localement les zones peu instrumentées.

Fig. 2Variogramme. La semivariance du résidu croît nettement avec la distance climatique Δclim (r = +0,53 pour le GHI, +0,62 pour le DNI) mais reste plate avec la distance géographique (r ≈ +0,05). C'est le climat, non la distance, qui structure le transfert.

Fig. 3Point à point sur les 930 paires : la pénalité de transfert corrèle avec Δclim (r = +0,38 pour le GHI, +0,26 pour le DNI) et jamais avec la distance (r ≈ +0,05). La loi tient sur tout le nuage.

Fig. 4Le résidu attendu cartographié sur l'Afrique de l'Ouest (grille au 1°), pour le GHI et le DNI : la méthode se déploie là où il n'existe aucune station.

Fig. 5Zoom sur la Guinée : application au cas d'usage, avec l'ancre terrain de Kankan (campagne ESMAP/WAPP) et le site de Tarambaly.

Questions ouvertes

01Le DNI reste la composante la moins bien contrainte : sa tendance climatique existe, mais dépend encore du produit satellitaire. Elle demande une preuve aussi solide que pour le GHI.
02Le résultat porte sur une fenêtre de deux ans, un seul réseau et une seule région : au-delà, la généralité reste à montrer.
03La carte est validée station par station, sans mesure de terrain à l'intérieur d'une maille : une campagne courte en zone cible la confirmerait.
04L'épaisseur optique de l'aérosol vient d'une réanalyse grossière ; un produit plus fin affinerait $\Delta_{\mathrm{clim}}$ .

02En cours

Dégénérescence de pixel des produits solaires

Nommer et quantifier le cas où un produit satellitaire attribue la même valeur à des sites réellement distincts, et mesurer où l'information spatiale est effacée.

Avancement. Diagnostic établi sur NASA POWER (34 communes de Guinée) ; extension aux produits fins et rédaction de l'article à venir.

En bref

34
communes de Guinée: 22
valeurs distinctes: 20
communes co-maillées: 504
mois identiques (42 ans)

Problématique

Un produit satellitaire ou de réanalyse restitue le rayonnement sur une grille. Deux sites réels distincts qui tombent dans la même maille reçoivent la même valeur, à l'octet près. La note fondatrice l'a documenté sur une paire : Kindia et Mamou, distantes de 92 km et de 378 m d'altitude, auxquelles NASA POWER attribue des séries strictement identiques sur des décennies.

Ce travail généralise le constat d'une paire à un territoire, et le quantifie : quelle fraction de l'information spatiale un produit efface sur la Guinée, et où. Le phénomène reçoit ici un nom, la dégénérescence de pixel : l'incapacité d'un produit à distinguer des sites réellement distincts parce qu'ils partagent une maille.

À distinguer de la représentativité spatiale d'une mesure au sol (Hakuba 2013, Schwarz 2018) et de l'interpolation de la ressource : ce n'est pas une erreur point-vers-aire, c'est une propriété intrinsèque du produit, mesurée sur un référentiel de sites réels.

Hypothèses

À la résolution de NASA POWER (1°), une part substantielle des 34 communes partagent leur maille et reçoivent des séries identiques à l'octet près.

La dégénérescence décroît avec la taille de maille : forte pour NASA POWER (1°), moindre pour ERA5 (0,25°), négligeable pour les produits fins (CAMS, SARAH-3, ERA5-Land).

Les séparations effacées ne sont pas anodines : les communes co-maillées diffèrent par l'altitude et le régime, donc par une ressource réellement distincte.

Là où le produit grossier est dégénéré, les produits fins séparent les sites mais ne s'accordent pas sur le signe de la différence : l'écart réel existe sans être résolu par le satellite seul.

Méthode & calculs

Pour un ensemble de $N = 34$ sites, un produit $P$ pave l'espace en mailles et affecte chaque commune à la maille qui la contient. Propriété d'identité, vérifiée et non supposée : le produit restitue une série identique à tous les sites d'une même maille.

On définit les indicateurs de dégénérescence à partir du nombre de valeurs distinctes $D_P$ (mailles occupées) :

Le taux $\rho_P = 0$ si le produit résout chaque site, et $\rho_P \to 1$ s'il les effondre tous : c'est la fraction de l'information spatiale perdue. On mesure aussi l'effondrement maximal $M_P$ et, pour chaque maille partagée, la séparation effacée (écart géographique et amplitude d'altitude).

Pipeline déterministe : données brutes lues du disque, sorties datées et traçables jusqu'au calcul.

Indicateurs

\rho_P = 1 - \frac{D_P}{N}, \qquad \delta_P = \frac{1}{N}\,\bigl\lvert\,\{\, s : \exists\, s' \neq s,\; c_P(s') = c_P(s)\,\}\,\bigr\rvert.

Résultats

Sur NASA POWER et les 34 communes, seules 22 valeurs distinctes sont restituées :

Un tiers de l'information spatiale est effacé : 20 communes sur 34 partagent leur maille, 14 seulement sont résolues seules. Dans chaque maille partagée, les séries mensuelles de GHI sont strictement identiques sur 504 mois (42 ans), sans exception.

Le cas Kindia-Mamou de la note est en réalité un triplet avec Dalaba, qui efface 371 m d'amplitude d'altitude sur 97 km ; la maille côtière effondre en une seule valeur la capitale et trois préfectures voisines. Ironie utile : NASA POWER connaît des altitudes différentes pour ces sites (289 m, 660 m) tout en leur donnant le même rayonnement. Les hypothèses $H_1$ et $H_3$ sont établies.

Résultat clé

D = 22, \qquad \rho = 1 - \tfrac{22}{34} \approx 0{,}35, \qquad \delta = \tfrac{20}{34} \approx 0{,}59, \qquad M = 4.

Questions ouvertes

01Étendre le diagnostic à ERA5-Land, CAMS puis SARAH-3 et montrer que la dégénérescence $\rho_P$ décroît quand la maille se resserre ( $H_2$ ).
02Sur les paires que NASA POWER confond, mesurer si les produits fins s'accordent sur le signe de la différence inter-sites ( $H_4$ ).
03Définir une résolution effective : la taille de maille en deçà de laquelle la dégénérescence s'annule sur ce référentiel.
04Ajouter ERA5 à 0,25° comme point de résolution intermédiaire entre 1° et ~5 km.