Diagnostic and prognostic modeling of the terrestrial biosphere with remotely sensed measurements. / Modélisation paramétrique et prédictive de la biosphère terrestre par des observations satellitaires

Résumé En Fr

This paper presents a recapitulative of the modeling studies we have developed to estimate carbon fluxes of the terrestrial biosphere, with various integrations of satellite observations to drive, test, or improve models. The diagnostic model aimed at estimating Net Primary Productivity (NPP) benefits from remotely sensed vegetation index (NDVJ) to monitor the fraction of absorbed photosynthetically active radiation (f(PAR)) with high space and time sampling. Applied to a pluriannual period, this method showed its ability to witness the response of vegetation to major interannual climatic events such as El Nino. Satellite f(PAR) estimates were also used to assess the outputs of a NPP process model that predicts Leaf Area Index (LAI). More complex approaches, based on the assimilation of satellite measurements within process models, are being developed in order to adjust some key model parameters. The balance between heterotrophic respiration (R(h)) and NPP determines the carbon Net Ecosystem Productivity (NEP ), i.e. the net carbon budget of ecosystems, which is the main variable of interest for global carbon cycle study. We describe an approach that combines satellite estimates of NPP with atmospheric CO₂ concentration and isotopic composition time series to adjust simple R(h) models. The method allowed to derive zonal distribution of the Q₁₀ parameter, that presents similar trends with values found in the literature. Besides the obvious advantage of remote sensing for monitoring the seasonal evolution of vegetation, this result proves the ability of satellite data to diagnose a realistic zonal trend of seasonal and annual NPP.

Modélisation paramétrique et prédictive de la biosphère terrestre par observations satellitaires Cet article présente un récapitulatif des divers modèles que nous avons développés afin d'estimer les flux de carbone dans la biosphère terrestre, et des diverses utilisations d'observations satellitaires pour piloter, tester et améliorer ces modèles. Le modèle paramétrique, dont le but est d'estimer la Productivité Primaire Nette à l'échelle globale, bénéficie d'indices de végétation satellitaires lui permettant de diagnostiquer à haute résolution spatiale et temporelle la fraction de rayonnement photosynthétiquement actif (f(par)) absorbé par la végétation. A l'échelle pluriannuelle, cette méthode a démontré sa capacité à restituer la réponse du couvert végétal aux perturbations climatiques telles que les événements El Nino. Les estimations de f(PAR) satellitaire sont aussi utilisées pour évaluer les résultats d'un modèle prédictif de PPN basé sur des processus. Ce modèle est basé sur une hypothèse d'ajustement du LAI (Leaf Area Index) aux ressources hydriques. Enfin, nous montrons que certains paramètres clés de ces modèles de végétation peuvent être ajustés à l'aide des mesures satellitaires par des approches d'assimilation de données. L'étude du cycle du carbone s'intéresse au bilan net carboné des écosystèmes qui résulte de la différence entre la respiration hétérotrophe (R(h)) et la PPN. Nous décrivons une approche d'ajustement des paramètres de R(h), à partir des estimations satellitaires de PPN, des mesures in situ de concentrations et de composition isotopique du CO₂ atmosphérique. Cette méthode a permis d'obtenir une distribution latitudinale de Q₁₀ dont la tendance est en accord avec les mesures rencontrées dans l'état de l'art. Outre l'avantage évident de la télédétection dans le diagnostic des évolutions saisonnières de la végétation, ce résultat suggère la capacité du satellite à témoigner des caractéristiques latitudinales de la PPN saisonnière et annuelle.