Algorithmes de M.E.S. :la quête du Graal

Paris – 17 Janvier 2011

Sylvain OUILLON, Jean-Pierre LEFEBVRE,

Leonardo DARDENGO, Florence LAHET,

Jean-Marie FROIDEFOND, Cécile DUPOUY,

Pascal DOUILLET, Serge ANDREFOUET,

Philippe FORGET, Anne PETRENKO

Le transport particulaire c'est ….

Un apport particulaire en mer par les fleuves de 20 109 tonnes par ansoit 630 tonnes/s

+ un apport de matériau dissous par les fleuves à la mer de 20% de la quantité de matériau particulaire

correspond à une érosion moyenne des terres estimées à 6 cm / 1000 ans+ production de particules d'origine biologique (coquillages, coraux, algues calcaires)

source : Milliman 1990

Enjeux • Particules = traceurs de la circulation => Hydrodynamique

• Erosion du lit et des berges, envasement de ports et canaux, morphodynamique

• Flux (éléments) => bilan géochimique, biogéochimie

• Flux (contaminants) => impacts sur les écosystèmes, écotoxicologie

• Impacts du changement climatique et des activités anthropiques

La dynamique particulaire dans les écosystèmes côtiers

• Quels sont les flux particulaires et les bilans sédimentaires dans un écosystème côtier soumis à différents forçages ? Ecosystème

• Quels sont les mécanismes du transport côtier d’une population hétérogène de particules ? Processus

Ebre 1997 , SPOT XS2

Couplages nécessaires

7 μm40 μm

1 10 100 1000

Distributiongranulométrique

Mesures in situ, Télédétection et Modélisationpour documenter

l'hydrodynamique et les particules

thèse de N. Durand, 2000

234 mg/l

55 mg/l

19 mg/l

4 mg/l

Rhône (crue de nov. 1994)Ouillon et al , 1997

Rhône et Golfe du Lion 2000-2001Ouillon & Petrenko, 2005

400 500 600 700 8000

0.005

0.01

0.015

0.02

0.025

0.03

Wavelength [nm]

R

rs [

sr-1

]

GirondeDoxaran et al 2002

400 600 800

0.005

0.010

0.015

0.020

Wavelength (nm)

Rrs

(sr-1

)

2.68 FTU1.61 FTU

1.65 FTU1.16 FTU1.37 FTU1.00 FTU

0.27 FTU

0.20 FTU0

Nouvelle-Calédonie 2002-2003Ouillon et al, 2004

Algorithmes(M.E.S.)XS1 XS2 XS3

XS1 XS2

Sensibilité spectrale SPOT-3Algorithmes pour SPOT-3 / Rhône 94

10 20 300

20

10

0

30

KM

10 nov 94

SPOT XS2

20

15

10

5 mg/l

10 20 300

20

10

0

KM

30

15 nov 94

Landsat TM3

25

15

Ouillon et al, 1997 - Forget et Ouillon, 1998

Modélisation-Analyse Télédétection des panaches fluviaux

Hyp : influence optique chl négligeablea (λ) = aw (λ) + ay (λ)bb (λ) = bbw (λ) + bbs (λ)

1. Eaux à dominante sédimentaire (Rhône en crue)

ay modèle de Bricaud et al. 1981bbs modèle de Mie (van de Hulst 1957) dépend de λ, granulométrie, C et mp indice de réfraction

R = 0.33b b

a + b b

Données : R , C

Modèle inverse pour déterminermp moyen , ay (λ0 )

R dépend de C* = C (mp2 – 1)2

Ambiguité / Non unicité de l'inversiondans les eaux très turbides

Forget et al, 1999, RSE

1-3 m

10-20 cm

2-10 m

Proche IR

Profondeur de pénétration de la lumière

Z euphotiquedépend de la turbidité

Prendre en compte la stratification dansl’inversion des données optiques

en eaux peu turbides

∫∫

λ

λ=λ

0

0

)dzf(z,

)dzC(z)f(z,)Coe(

Concept

• Ed (z) = Ed (0) e - Kd z

• En z, rétrodiffusion par les particules% Ed(z) et % C(z)

d’où la méthode Coe

⎟⎠⎞⎜

⎝⎛ λ−=λ ∫0 )dz',k(z'exp)f(z,

Zb

Zb

avec Z

Modélisation-Analyse Télédétection des panaches fluviaux

2. Méthode d'inversion pour eaux peu turbides et stratifiées (Ebre)

Question subsidiaire : Quel est l’effet de la stratification ?

Modèle 1 k(z,λ) = kλ

Modèle 2 k(z,λ) = αλ

/ Sd

Modèle 3 k(z,λ) = kλ

*. C(z)

k(λ) déterminé par optimisation R-Coe R-

R-

400 500 600 700

0.7

0.8

0.9

1

Wavelength (nm)

Corr

elat

ion

coef

ficie

nt r

Coemodels 1 to 3

Csurf

0 2 4 6 8 10 120

4

8

12

16

20

Coe (mg/l)

Rxs

i (%

)

Ebro - July 1997

k=0.52 XS1 r=0.858

k=1.08 XS2 r=0.914

Modélisation-Analyse Télédétection des panaches fluviaux

4. Méthode d'inversion pour eaux peu turbides et stratifiées (Ebre)

Télédétection des panaches fluviaux

Application à des données SPOT – EBRE 6 juillet 1997

XS1 : 0 – 2.80 m XS2 : 0 – 1.40 m

1.0

2.5

4.0

6.0

3030

25

20

15

10

5

05 10 15 20 25 300

KM

30

25

20

15

10

5

0

KM

5 10 15 20 25 30

1.0

2.5

4.0

6.0

0

Concentration en MES (mg/l)

Télédétection des panaches fluviaux

Application à des données SPOT – EBRE 6 juillet 1997

0 – 1.40 m 1.40 – 2.80 m

1.0

2.5

4.0

6.0

3030

25

20

15

10

5

05 10 15 20 25 300

KM

3025201510500

5

10

15

20

25

30

KM

1.0

2.5

4.0

6.0

Concentration en MES (mg/l)

Ecart entre estimation SPOT et mesures :2 % sur 0 – 1.40 m, 22 % de 1.40 à 2.80 m

Validation sur une station – 6 juillet 1997

0 1 2 3 4 5 6 7 8

0

1

2

3

4

5

6

7

8

9

TSM Concentration (mg/l)

Dep

th (m

)

Profile from measurementsTwo-layer profile from measurementsTwo-layer profile from Rxsi via CoesatTwo-layer profile from Coecalc

Ouillon, 2003

Inversion amélioréeCoe par régression - erreur < 25 %

Reconstitution d’un profil de MES sous la surface

Si poursuite : - variabilité spatio-temporelle des coefficients- prise en compte de chla et CDOM dans la méthode

400 600 800

0.005

0.010

0.015

0.020

Wavelength (nm)

Rrs

(sr-1

)

2.68 FTU1.61 FTU

1.65 FTU1.16 FTU1.37 FTU1.00 FTU

0.27 FTU

0.20 FTU0

Reflectance

Algorithme turbidity from reflectance

Standard error: 10.5 %

y = -13442x3 + 1815x2 - 11.236x + 0.2147R2 = 0.9455

00.5

11.5

22.5

3

0 0.02 0.04 0.06Rrs L7 b2 (sr-1)

Turb

(FTU

)

Les années 2000 : Algorithmes de MES en eaux claires

Ouillon et al. 2004, Coral Reefs

New Caledonia

166°10'E 166°20'E 166°30'E 166°40'E

22°20'S

22°30'S

171.6

67

8.521

3451

512

67

1.35

210

84

Application to the South-West lagoon of New Caledonia

Erodibility

Landsat ETM+

SPM

Uncertainty on SPM 20 % NC lagoon

166°10'E 166°20'E 166°30'E 166°40'E

22°20'S

22°30'S

< 0.2 mg/l0.3

0.4

0.5

0.6

0.7

0.8

0.9

1.0

1.1

> 1.2

Model

Towards a global algorithm for SPM concentrations in tropical coastal waters…

New Caledonia

Remote sensing Bio-optical algorithms

Cuba

Fiji

400 600 8000

0.005

0.010

0.015

0.020

Rrs

(sr-

1 )

Wavelength (nm) Rrs 565 (sr-1)

10

100

0

1

0.10.01 0.02 0.03

Turb = 0.1863 exp (175.16 Rrs)

r2 = 0.901

a

Turb

idity

(FTU

) 10

100

1

0.1

Turb

idity

(FTU

)

Rrs 620 (sr-1)

0 0.01 0.02

Turb = 329589 Rrs3 + 11070 Rrs2

+ 368.56 Rrs

r2 = 0.980

b

400 600 8000

0.010

0.015

Rrs

(sr-

1 )

Wavelength (nm)

0.005

2

3.5

1

0

Turb

idity

(FTU

)

3

2.5

1.5

0.5

Rrs 620 (sr-1)

0 0.002 0.004 0.006

Turb = 0.5646 exp (297.48 Rrs)

r2 = 0.758

400 600 8000

0.010

0.020

Rrs

(sr-

1 )

Wavelength (nm)

30

0

Turb

idity

(FTU

)

20

10

Rrs 681 (sr-1)

0 0.01 0.020.0150.005

Turb = 1.0675 exp (222.11 Rrs)

r2 = 0.897

10

100

1

0.1

Turb

idity

(FTU

)

Rrs 510 / Rrs 681

0.1 1 10

Turb = 14.896 (R510/R681)-1.7677

r2 = 0.910

1-band algorithm

Ouillon et al. 2008, Sensors

3-band algorithm TURB3 algorithme with threshold

(a) Turb (1-band)(b) if Turb < 1 FTU : Turb (3-bands)

10

100

1

0.1TUR

B3 -

Mod

eled

Tur

bidi

ty (F

TU)

Measured turbidity (FTU)

10.1 10 100

NCCuba

Fiji10

100

1

0.1

Turb

idity

(FTU

)

Rrs620 . Rrs681 / Rrs412

110-110-210-310-410-5

Turb = 90.647 (Rrs620.Rrs681/Rrs412)0.594

r2 = 0.930

NCCuba

Fiji

10

100

1

0.1

Turb

idity

(FTU

)

Rrs 681 (sr-1)0 0.01 0.02

Turb = 3182.8 Rrs681 1.2542

r2 = 0.888

NCCuba

Fiji

Turb = -6204 103 Rrs6813 + 179.6 103

Rrs6812 + 36.49 Rrs681 + 0.452

r2 = 0.919

Mean bias 3.6 %rms 35 %

Mean quadratic error 1.42

Mean bias 4.4 %rms 30 %

Mean quadratic error 2.03

Towards a global algorithm for SPM concentrations in tropical coastal waters…

Remote sensing Bio-optical algorithms

The problem … There is no global algorithm to quantify Suspended Particulate Matter (SPM)

The solution …

To develop semi-analytical algorithms from inherent optical properties

Some new algorithmic developments…

S : SPM concentration

*

1

bp

np

ba

Aγ

ρ =

CCC+

=1γρ

*

*

p

bp

ab

C =

216.0'≈

ℜ=

Qfπγ

avec

reflectance

où

Can we go beyond the inversion of SPM ?

High influence of organic matter and grain size distribution on optics

Some new deals…

Binding et al., 2005

Bowers et al., 2009

Results: tidal influence on aggregation dynamics

0100

200300

400500

0

5

100

2

4

6

8

10

median Diameter (µm)height under water surface (m)

ratio

Vol

umic

Con

cent

ratio

n / t

otal

Vol

. Con

cent

. (%

)

0100

200300

400500

0

5

100

2

4

6

8

10

median Diameter (µm)height under water surface (m)

ratio

Vol

umic

Con

cent

ratio

n / t

otal

Vol

. Con

cent

. (%

)

Macroflocs

Macroflocs

High dissipation rate of turbulent kinetic

energy (TKE)

Cam River - wet season

Low dissipation rate of turbulent kinetic

energy (TKE)

Dynamique sédimentaire dans l'estuaire du Fleuve Rouge (Vietnam)

Delta du Fleuve Rouge(9e au monde pour débit solide)

et zone côtière avoisinante+

Baie d'Ha Long

Grande variété de masses d'eau

Delta duFleuve Rouge

HAIPHONG

HA LONG

Collaboration LEGOS avec Vietnam (IMER)depuis 2007

Projet EC2CO, ANR (soumis)USTH (nouvelle Univ. Hanoi)

Etude de faisabilité(2 campagnes en 2008 et 2009)

Ex :Rrs

baie de HaiphongMars 2009

0.07

0.06

0.05

0.04

0.03

0.02

0.01

0350 400 500 600 700 800

Rrs

(sr

-1)

Wavelength (nm)

Projet VITEL (TOSCA, CNES) 2011-2013P.I. S. Ouillon, IRD LEGOS

Another Joint Program in numerical modelling HUS (Dinh Van Uu) - LEGOS (S. Ouillon – P. Marchesiello) 2010-2013

•MODELLING: ROMS (ocean model), WRF (atmospheric model), Wavewatch (wave model)

•BIO-OPTICAL Algorithms & REMOTE SENSING

•IN SITU DATA

PhD grant (USTH) of Nguyen Nguyet Minh, since March 2010

Hydrodynamics and suspended sediment transportin the Haiphong- Ha Long coastal area by numerical modelling

Atmospheric circulationmodel WRF

Sea Surface Height and surface currents

Conclusion

TélédétectionIncertitude actuelle dans l’estimation de CMES 20-25 %

de turbidité 15-20 %à partir de données multispectrales

acceptable pour l’analyse du transport et soutien à la modélisationpistes : inverser la surface spécifique des particules ; influence de la stratification en eaux

peu turbides ; effets contenu M.O. et granulométrie (S, C, turbulence…)

Modélisation du transport particulaire

• Longtemps contrainte par les limites des modèles hydrodynamiques• Très empirique – Incertitude modèle > Incertitude télédétection• Mesure de la distribution granulométrique nécessaire dans la colonne d’eau

améliorer l’ajustement local des paramètresexpliciter les paramètres à partir de données sédimentologiques, benthiques et

hydrodynamiquesaméliorer la connaissance (e.g. agrégats), approche nécessairement pluridisciplinaire

…soutiennent études de Processus et études Thématiques