Éditeur(s) : HAL CCSD Springer Verlag/EDP Sciences
Résumé : Le développement de modèles de dynamique forestière adaptés aux forêts tropicales humides est compliqué par la très grande diversité spécifique caractérisant ces forêts. Les modélisateurs ont souvent eu recours, pour simplifier le problème, à des techniques de regroupement d'espèces. Il existe des méthodes diverses de regroupement, qui relèvent de trois grands types de stratégie : (i) stratégie écologique subjective, (ii) stratégie écologique basée sur l'analyse de données, (iii) stratégie des processus de dynamique populationnelle. Dans le cadre des deux premières stratégies, une espèce est affectée à un groupe et un seul alors que dans le cadre de la troisième, des groupes d'espèces sont définis pour chacun des processus de dynamique (recrutement, croissance, mortalité) pris séparément, et chaque espèce est affectée à trois groupes. Dans la littérature, on trouve peu d'exemples de congruence ou de convergence entre les groupes définis par ces différentes méthodes. Ceci peut être expliqué par l'indépendance existant entre les caractères utilisés pour fabriquer tel ou tel groupe, ou encore par la grande variabilité intra-spécifique de ces caractères. Nous argumentons et concluons sur le fait que le recours à la stratégie des processus de dynamique paraît être la meilleure pour construire des groupes d'espèces adaptés à la prédiction de la dynamique des forêts tropicales.
ISSN: 1286-4560

hal-01032060
https://hal.archives-ouvertes.fr/hal-01032060
DOI : 10.1051/forest:2005084

Éditeur(s) : HAL CCSD
Résumé : International audience
ABSTRACT :A satellite retrieval of surface solar irradiance (SSI) based on GOES satellite data is presented and validated for the French Guiana with three years of in situ measurements from six ground stations. We propose a particle filter approach combining GOES satellite observations and in situ data. We propose an original observation function based on a joint probability distribution and taking advantages of the characteristics of both the involved type of data. The statistical results are compared with those of existing estimation methods and they are found to be in accordance with them. The daily bias ranges from -12 W/m² (-6% of the mean of measurements) to 12 W/m² (6%), depending on the stations. The daily root mean square difference ranges between 23 W/m² (10%) and 27 W/m² (15%). The correlation coefficient is close to 0.92. There is no seasonal climatic effect on the method, the bias and RMSD remain similar for both the rainy and the dry season, but better correlation is observed in the rainy season than in the dry season. Uncertainties are mainly due to the presence of specific tropical atmospheric conditions during the dry season. The method has been tested through various tests: cross-validation scheme has highlighted the potential generalization of the model in a temporal dimension; the ability of the method to effectively duplicate anomalies in surface solar irradiance time series has also been tested. The robustness of the results shows the interest of the method compared to other existing estimation methods. Because of its simplicity of implementation this method opens new prospects in estimating surface solar irradiance. It is concluded that using a particle filter and original observation function method allow a high-quality surface solar irradiance estimation in French Guiana.RESUMEUne méthode d'estimation de l'irradiance solaire de surface (SSI) à partir de données satellites GOES est présentée et validée par comparaison avec trois années de mesures in situ provenant de six stations météorologiques de Guyane Française. Dans cet article, nous proposons une approche par filtre particulaire combinant observations du satellite GOES et données in situ. Nous proposons une fonction d'observation originale basée sur une distribution de probabilité conjointe des deux types de données. Les résultats statistiques sont conformes à ceux des méthodes existantes. Le biais journalier varie de -16 W / m² (-7% de la moyenne des mesures) à 12 W / m² (6%). L'erreur quadratique moyenne (RMSD) est comprise entre 23 W / m² (10%) et 27 W / m² (15%). Le coefficient de corrélation est de 0,92. La méthode est peu sensible aux variations climatiques saisonnières, le biais et RMSD restent similaires en saison des pluies comme en saison sèche, mais une meilleure corrélation est observée pendant la saison des pluies. Les incertitudes sont principalement dues à la présence de conditions atmosphériques tropicales spécifiques en saison sèche. La méthode a été soumise à différents tests : un processus de validation croisée a mis en évidence la possible généralisation du modèle dans une dimension temporelle, la capacité du modèle à reproduire efficacement des anomalies dans les séries temporelles d'irradiance solaire de surface a aussi été testée. La robustesse des résultats obtenus montrent l'intérêt du modèle par rapport aux autres méthodes d'estimation existantes. A cause de sa simplicité de mise en oeuvre cette méthode ouvre de nouvelles perspectives en matière d'estimation de l'irradiance solaire au sol. Nous concluons que l'utilisation d'un filtre particulaire combinée à une fonction d'observation originale permet une estimation de haute qualité de l'irradiance solaire au sol en Guyane Française.
Canadian Journal of Remote Sensing

meteo-01304574
https://hal-meteofrance.archives-ouvertes.fr/meteo-01304574
DOI : 10.1080/07038992.2015.1040150