Improving snowpack simulations using satellite photogrammetry
Apport de la photogrammétrie satellite pour la modélisation du manteau neigeux
Résumé
Mountain snowpack is a major resource for ecosystems and human activities. It supplies water for crop irrigation, human consumption, hydropower industries and the tourism sector. It is also a cause of damage in avalanche prone areas. The monitoring and study of mountain snowpack usually rely on field measurement networks, close range remote sensing and modeling. Recent improvements in satellite photogrammetry provide an alternative to measure the high spatial variability of the snowpack, which cannot be sampled by automatic networks. The results presented here, contribute to improve the mapping of snow-depth in mountains with satellite photogrammetry, a key variable for hydrology and risk assessment. Snow-depth maps from pairs and triplets of stereo images of the Pléiades satellite are calculated at several sites. The comparison with a reference snow-depth map measured with airborne lidar in California (USA), provides a robust estimation of the satellite products error. At the 3 m pixel scale, the standard error is about 0.7 m. The error decreases to 0.3 m when the snow-depth maps are averaged over areas greater than 103 m2. With this accuracy, Pléiades snow-depth maps allow the observation of the processes modeling mountain snowpack (wind transport, avalanche), the measurement of the snow volume over a 100 km2 area and the description of the spatial variability of the snowpack. The assimilation of such satellite snow-depth maps in the SAFRAN-Crocus snowpack model, resulted in promising outcomes for a mountainous catchment in the Pyrenees. A particle filter is used on a regular grid with 250 m spacing over five winters with one assimilation date per winter, near peak accumulation. The assimilation corrects an underestimation of the precipitation in the meteorological forcings. It also introduces spatial variability otherwise lacking in the forcings and the processes modeled. This innovative use of satellite products and complex spatial modeling, could help address the challenge of estimating snow distribution in the world's mountains.
Le manteau neigeux en montagne est une ressource importante pour les écosystèmes et les activités humaines comme l'irrigation, l'approvisionnement en eau des populations, la production hydroélectrique et l'économie touristique. Il représente aussi un risque dans les zones exposées aux avalanches. L'étude et le suivi du manteau neigeux en montagne s'appuie souvent sur des réseaux de mesure, des observations par télédétection et de la modélisation. Les avancées récentes en photogrammétrie satellite offrent de nouvelles perspectives pour compléter les réseaux de mesures qui sont souvent insuffisants vis-à-vis de la forte variabilité spatiale du manteau neigeux. Une méthode de cartographie de la hauteur de neige à partir d'images stéréoscopiques Pléiades est présentée et appliquée sur plusieurs sites. La comparaison avec une carte de référence par lidar aéroporté fournit une estimation de l'erreur des produits de photogrammétrie satellite sur un bassin versant de Californie (États-Unis). A l'échelle d'un pixel de 3 m, l'erreur standard est de 0,7 m. L'erreur décroît à ~0,3 m lorsque les mesures sont moyennées sur des surfaces supérieures à 103 m². Avec cette précision, les cartes de hauteur de neige par photogrammétrie satellite permettent d'observer les processus modelant le manteau neigeux en montagne (transport par le vent, avalanche), de mesurer le volume de neige sur des zones de plus 100 km² et de décrire la variabilité spatiale du manteau. Une série de cartes de hauteur de neige est assimilée dans la chaine de modélisation SAFRAN-Crocus afin d'évaluer le potentiel de ces données pour améliorer la représentation spatiale des propriétés physiques du manteau neigeux. Un filtre particulaire est utilisé pour assimiler une carte de hauteur de neige par hiver pendant cinq hivers sur un bassin versant des Pyrénées. L'assimilation corrige des biais dans les précipitations initialement sous-estimées à haute altitude et introduit une variabilité spatiale autrement absente des forçages et des processus modélisés. Cette combinaison innovante de produits de télédétection satellite et d'un modèle complexe spatialisé offre de nouvelles perspectives pour l'estimation de la ressource en eau en montagne et du risque avalanche.
Domaines
Hydrologie| Origine | Version validée par le jury (STAR) |
|---|