Bernard Minoungou, AGRHYMET et le consortium FANFAR
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
West African meteorological data www.fanfar.eu (Merged data, HydroGFD2.0-WA) Données météorologiques d'Afrique de l'Ouest (données combinées, HydroGFD2.0-WA) Bernard Minoungou, AGRHYMET bernard.minoungou@cilss.int et le consortium FANFAR 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Introduction ▪ L’Afrique de l’Ouest est l’une des régions du monde où les ▪ The West Africa is one of the activités socio-économiques sont fortement tributaires des regions in the world where the précipitations. socio-economical activities are heavily dependent on rainfall. ▪ Les utilisateurs s'attendent à des données météorologiques ▪ Users expect high quality and de haute qualité et à grande high coverage meteorological couverture. data. ▪ Par exemple, à AGRHYMET, ▪ For example, at the les produits de précipitations sont les paramètres d’entrée AGRHYMET Regional Center, rainfall products are the most les plus importants pour tous important input parameters for les modèles biophysiques all the biophysical models used utilisés dans la surveillance de in the environmental monitoring l’environnement et l’alerte and food security early warning. rapide en matière de sécurité alimentaire. 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Introduction Hydrological Model (HYPE) Agronomic model (SARRA- Monitoring of hydro-agro- H) pastoral season ▪ In such a context, high quality ▪ Dans un tel contexte, les meteorological parameters estimations des paramètres estimations are particularly of météorologiques de haute great importance. qualité sont particulièrement importantes. 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Introduction ECMWF Re- ECMWF ECMWF 1 day analysis Re-analysis forecasts ECMWF 1 day ECMWF 1-10 day GPCCv7 GPCC-MONITOR GPCC-MONITOR forecasts forecasts CRU Ts3.22 GHCN-CAMS GHCN-CAMS 1979 2013 -3 months -1 month Today +10 days ▪ These input do not hold much ▪ Ces entrées ne tiennent pas beaucoup des données data from ground-based issues des réseaux weather observation networks. météorologiques ▪ How to improve the quality of ▪ d'observation au sol Comment améliorer la qualité outputs from the hydrological model by integrating network des sorties du modèle data into the hydrological hydrologique en intégrant les forecast production chain? données des réseaux dans la chaîne de production des prévisions hydrologiques? 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Enhancing National Climate Services Amélioration des services climatologiques nationaux Objectives Objectifs ▪ The ENACTS initiative is an ▪ ENACTS est un effort visant à effort to simultaneously improve améliorer simultanément la the availability, access and disponibilité, l’accès et use of climate information l’utilisation des informations ▪ Availability of climate data is climatologiques. generated by quality control of ▪ Contrôle de la qualité des data from the national données des réseaux nationaux observation network and d’observation et combinaison des observations des stations avec des combining station observations estimations des satellites ou des with satellite estimates for données de ré-analyses. rainfall and reanalysis products for temperature 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Develop products to better understand climate/Développer des produits pour mieux comprendre le climat Stations Data Satellite Data Rain-gauge rainfall measurement Satellite-based precipitation estimation, while it provides a gives an accurate and reliable value, good spatial coverage in rainfall estimation, the uncertainty but only at point scale associated to the rainfall amount is generally high La mesure de la pluviométrie donne Estimation des précipitations par satellite, alors qu'elle une valeur précise et fiable, mais fournit une bonne couverture spatiale pour l'estimation des uniquement à l'échelle du point précipitations, l'incertitude associée à la quantité de pluie est généralement élevée Merged Data The merged data combines the strengths of the two different data sets Les données fusionnées combinent les forces des deux ensembles 2nd FANFARde données Workshop, différents 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Données utilisées Data from ground observation Données issues des réseaux networks d'observation au sol ▪ More than 1000 meteorological ▪ Plus de 1000 stations stations météorologiques ▪ Data from 1981 to present at ▪ Données allant de 1981 à daily time step; maintenant au pas de temps ▪ Considered parameters: journalier; Precipitation, Max & Min ▪ Paramètres considérés: temperature Précipitation, Température maximale, Température minimale 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Données utilisées TAMSAT Data for Precipitation Données TAMSAT pour la pluie ▪ Regularity over time, ▪ Régularité dans le temps, homogeneity in spatial coverage homogénéité dans la ▪ Data from 1983 to present at couverture spatiale daily time step; ▪ Données allant de 1983 à ▪ Accessible at maintenant au pas de temps https://www.tamsat.org.uk/public_d journalier; ata/TAMSAT3 ▪ Accessible à l'adresse https://www.tamsat.org.uk/pu blic_data/TAMSAT3 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Données utilisées The JRA-55 Reanalysis for Les données de ré-analyse Temperature JRA-55 pour la température Regularity over time, homogeneity ▪ Régularité dans le temps, in spatial coverage homogénéité dans la ▪ Data from 1961 to present at couverture spatiale daily time step; ▪ Données allant de 1981 à Accessible at http://jra.kishou.go.jp/ maintenant au pas de temps journalier; Accessible à http://jra.kishou.go.jp/ 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Méthodologie d’élaboration des données combinées 1. Quality control of rain gauges data (spatial 1. Contrôle de la qualité des données and temporal check of outliers) pluviométriques (vérification spatiale et temporelle des valeurs aberrantes) 2. Computation of mean bias of satellite 2. Calcul du biais moyen des produits products (multiplicative bias) satellites (Biais multiplicatif) 3. Bias correction of satellite products 3. Correction de biais des produits satellites 4. Merging ground stations data with satellite 4. Combinaison des données de stations au products sol avec des produits satellites 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Quality control of rain gauges data Contrôle de la qualité des données sol Test temporal sur les − précipitations: Detection > des valeurs aberrantes Contrôle spatial des données: Sécheresses isolées Contrôle spatial des données: Précipitations isolées 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Computation of Climatological Bias Factor Calcul du facteur de biais climatologique ▪ Extract RFE at gauge location ▪ Extraire les données ▪ Pair series RFE and Gauge satellitaires à la localisation ▪ Multiplicative Bias des stations ▪ Former des paires de series: satellites et stations ▪ Calculer le biais multiplicatif Where Où • CBtj: Mean bias for day t at gauge j • CBtj: Biais moyen pour le jour t à la station j • t : day from 1 to 365 • t : jour de 1 à 365 • GGtj: Gauge j value for day t • GGtj: Donnée de la station j au jour t • RFEtj: RFE value for day t at gauge j • RFEtj: Donnée satellitaire à la station j au location jour t 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Computation of Climatological Bias Factor Calcul du facteur de biais climatologique ▪ Mean Bias Interpolation at RFE ▪ Interpolation de biais moyen grid by using ordinary kriging en utilisant le krigeage ordinaire 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Bias Correction and merging Correction de biais et combinaison ▪ Multiplicative Bias ▪ Biais multiplicatif ▪ CBt x RFEt ▪ CBt x RFEt ▪ Universal Variation Model Regression Kriging 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Stations data TAMSAT data Develop products to better understand past and future climate Merged data Adjusted data 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Hydrological Global Forcing Data West Africa (HydroGFD-WA) Time 1981 – t0-3m t0-3m - t0 t0 - tx tx - tf Original ERA-Interim Saved 1-day forecasts, Saved 1-day forecasts, Current 1-10 day forecasts, meteorological data reanalysis ECMWF deterministic ECMWF deterministic ECMWF deterministic P Merged data Merged data Merged data None None T Merged data Merged data Merged data None None Frequency Monthly (~11th) Monthly (~11th) Daily Daily Component dataset HYDROGFDWAEI HYDROGFWADOD OD-DAILY ECOPER • t0 est le premier jour du mois en cours • tx est le jour en cours • tf est le dernier jour de la période de prévision • 3m: trois mois 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
www.fanfar.eu 2nd FANFAR Workshop, 9 - 12 April 2019, Accra, Ghana This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No. 780118
Vous pouvez aussi lire
