Service de surveillance de la qualité de l’eau (WQMS)

Date de modification : Mars 2025

Aperçu

Aperçu

Le Service de surveillance de la qualité de l’eau (WQMS) fournit des informations sur la qualité de l’eau pour les plans d’eau de surface à travers le continent africain. Le WQMS s’appuie directement sur le service existant de surveillance des plans d’eau qui identifie et cartographie l’emplacement et l’étendue des eaux de surface en Afrique. Le WQMS propose un ensemble de propriétés de qualité de l’eau pour les plans d’eau identifiés, permettant une compréhension, une gestion et une utilisation plus éclairées de ces ressources en eau critiques.

Les données d’observation de la Terre (OT) offrent des avantages significatifs pour la surveillance des ressources en eau : elles fournissent une couverture spatiale continue, capturent les variations au sein d’un plan d’eau, suivent les changements au fil du temps, et ce à une fraction du coût et de la complexité logistique de la surveillance in-situ traditionnelle. Le WQMS exploite ces avantages en appliquant une gamme d’algorithmes de qualité de l’eau publiés à des données d’OT multi-capteurs traitées via l’infrastructure de cube de données de Digital Earth Africa.

Le service est conçu dès le départ pour être multi-capteurs et indépendant des capteurs, s’appuyant sur de multiples sources de données de DE Africa pour générer les meilleures estimations possibles de chaque paramètre de qualité de l’eau. Ces propriétés peuvent être constantes dans le temps, varier sur une base annuelle ou présenter une variabilité intra-annuelle. Les paramètres des services sont décrits ci-dessous.

Paramètres

Paramètre	Description
Turbidité	Indique la clarté de l’eau en fonction de la concentration de particules en suspension dans la colonne d’eau. La turbidité est fournie en tant qu’indicateur sur une échelle relative, avec des valeurs conçues pour correspondre à des g/m3 de particules en suspension (c’est-à-dire les matières totales en suspension).
Chlorophylle-A (ChlA)	La ChlA est un pigment nécessaire à la photosynthèse. Des niveaux élevés de ChlA sont un indicateur de la teneur en algues et signalent souvent une mauvaise qualité de l’eau. La ChlA est fournie en tant qu’indicateur sur une échelle relative, avec des valeurs destinées à correspondre à des mg/m3. La ChlA est facilement transformée en indice d’état trophique utilisé pour le reporting des ODD.
Type optique d’eau (OWT)	L’OWT (Spyrakos et al 2017) est une classification des types d’eau utilisée pour soutenir la surveillance de la qualité de l’eau par OT. Pour les eaux continentales, 13 OWT sont identifiés sur la base de leurs caractéristiques spectrales. Ceux-ci peuvent ensuite être caractérisés comme des types d’eau oligotrophes, eutrophes ou hypereutrophes. L’OWT d’un plan d’eau peut changer de manière saisonnière ou à plus long terme.
Couleur de l’eau	La teinte de l’eau, dérivée des réflectances spectrales mesurées par les instruments d’OT. La teinte est exprimée sous forme d’angle de 0 à 360 degrés. La teinte du plan d’eau est un moyen objectif de déterminer les changements de couleur de l’eau.
Température de l’eau	La température de l’eau de surface, une variable clé influençant l’activité biologique, la stratification et la dynamique des écosystèmes.
Indice des algues flottantes (FAI)	Le FAI est utilisé pour détecter et surveiller la végétation flottante et les proliférations d’algues, qui sont souvent problématiques ou dangereuses. Le FAI soutient l’alerte précoce et la gestion des risques. Les zones d’algues et de végétation de surface doivent également être cartographiées avant d’appliquer les algorithmes pour la chlorophylle-A ou la turbidité.
Indice d’état trophique (TSI)	Dérivé de la ChlA, le TSI fournit un indicateur de l’état trophique et de la productivité du lac. Les valeurs varient généralement de 0 à 100, des valeurs plus élevées reflétant une biomasse algale plus importante et une eutrophisation croissante. Le TSI est approximativement le logarithme de la chlorophylle A en mg/m3, converti en classes.

Le WQMS est également développé pour aider les gouvernements africains à faire rapport sur l’ODD 6.6.1. En fournissant des outils et des ensembles de données spécifiques au continent, le service garantit le contrôle national et la transparence. Des données à plus haute résolution permettent une flexibilité pour les adaptations locales afin de répondre aux besoins de surveillance régionaux.

Actuellement, le WQMS fournit une cartographie annuelle qui délivre un aperçu complet de tous les plans d’eau, y compris la classification de l’état trophique et les niveaux de turbidité. Cela permet le suivi des tendances d’une année sur l’autre et l’évaluation à long terme. Les produits annuels représentent des conditions typiques de qualité de l’eau dérivées d’une géomédiane multi-spectrale plutôt que d’observations satellites individuelles et ne capturent donc pas la variabilité intra-annuelle. Pour permettre une analyse plus détaillée, des outils et des exemples de carnets sont fournis pour étendre le flux de travail à une surveillance mensuelle, permettant aux utilisateurs d’entreprendre une surveillance saisonnière ou plus fréquente selon les besoins.

Spécifications

Le WQMS couvre les plans d’eau à travers le continent africain. Le service de cartographie annuelle couvre la période de 2000 à 2025, avec des mises à jour annuelles planifiées.

La couverture pertinente et les métadonnées pour chacune des variables du WQMS peuvent être consultées sur l’explorateur de métadonnées de DE Africa Metadata Explorer.

Tableau 1 : Spécifications du produit annuel WQMS

Spécification	Valeur
Nom du produit	WQMS
Taille de la cellule - X (mètres)	10
Taille de la cellule - Y (mètres)	10
Système de référence de coordonnées	EPSG:6933
Résolution temporelle	Annuel
Plage temporelle	2000 à 2025
Ensemble de données parent	GeoMAD, WOfS, Plans d’eau
Fréquence de mise à jour	Annuel

Tableau 2 : Mesures du WQMS

ID de la bande	Description	Plage de valeurs	Type de données	Aucune valeur de données
chla	Chlorophylle-A		float32	nan
tsi	Indice d’état trophique		float32	nan
tsm	Matières totales en suspension		float32	nan
agm_hue	Angle de teinte	0 - 360	float32	nan
agm_fai	Indice des algues flottantes	> 0.05	float32	nan
agm_ndvi	NDVI	0.05 - 1	float32	nan
agm_owt	Type optique d’eau	1 - 13	float32	nan
tirs_st_ann_med	Température de surface médiane		float32	nan
tirs_st_ann_max	Température de surface maximale		float32	nan
tirs_st_ann_min	Température de surface minimale		float32	nan

Figure 1 : Étendue géographique du WQMS

Le service de surveillance de la qualité de l’eau couvre le continent africain là où l’eau a été systématiquement détectée dans le produit Water Observations from Space. Certains écarts de données subsistent en raison de problèmes de disponibilité des données de température de surface d’entrée ; ce problème est en cours de résolution.

Services connexes

• Composites sans nuages GeoMAD

• Observations de l’eau depuis l’espace

• Service de surveillance des plans d’eau

Licence

Licence internationale CC BY Attribution 4.0

Remerciements

Le produit Qualité de l’eau de Digital Earth Africa est le résultat de contributions collaboratives de multiples programmes internationaux d’observation de la Terre, d’organismes de recherche et de fournisseurs d’infrastructures cloud. Nous remercions chaleureusement les organisations suivantes pour avoir rendu ce travail possible.

Fournisseur	Données / Ressource	Rôle dans le produit
USGS / NASA	Landsat 5 TM, 7 ETM+, 8 OLI/TIRS, 9 OLI-2/TIRS-2	Réflectance de surface et imagerie thermique à la base des extractions de la qualité de l’eau
ESA / Copernicus	Sentinel-2 MSI (Niveau-2A)	Imagerie optique haute résolution pour la chlorophylle-a, le TSM, la turbidité et le type optique d’eau
Amazon Web Services (AWS)	Crédits de calcul et de stockage cloud	Infrastructure cloud évolutive permettant le traitement et l’accès aux données à l’échelle du continent

---

Utilisation et interprétation du WQMS

La première version du WQMS consiste en des données de qualité de l’eau prétraitées sur l’ensemble de l’Afrique, résumées pour chaque plan d’eau. Elle peut être utilisée pour identifier les changements dans tous les plans d’eau répertoriés dans l’ensemble de données sur les plans d’eau de DE Africa. Cela comprend plus de 700 000 plans d’eau individuels, jusqu’aux barrages de 1 à 2 hectares. Les mesures sont basées sur des ensembles de données géomédianes annuelles traitées par une gamme d’algorithmes de qualité de l’eau publiés. Les températures proviennent de capteurs thermiques embarqués sur les satellites Landsat. Les notebooks d’accompagnement montrent comment charger et visualiser les données. D’autres notebooks illustrent la deuxième phase du WQMS, à savoir le suivi mensuel. Le matériel ci-dessous utilise à la fois le WQMS et des notebooks prototypes qui démontrent l’approche attendue pour les capacités de suivi.

Détection des changements

Comment la qualité de l’eau a-t-elle évolué ici au fil du temps ?

Le WQMS indique comment la turbidité, l’état trophique et la température évoluent au fil du temps. Des changements soudains, ou graduels et persistants, dans ces variables sont susceptibles d’être dus à des changements réels qui se sont produits ou qui sont en train de se produire. Ces informations pourraient être utilisées pour déclencher une enquête plus approfondie sur la qualité de l’eau elle-même, ou des études supplémentaires pour comprendre comment le paysage ou les événements météorologiques ou climatiques affectent la qualité de l’eau (par exemple, Zhao et al., 2024, Science of the Total Environment 912 (2024) 169152).

La figure ci-dessous illustre les résultats du WQMS annuel et un service potentiel de suivi mensuel pour un petit barrage en Afrique du Sud. Le WQMS annuel indique des changements de turbidité à partir de 2017. Ceux-ci sont confirmés par les résultats plus détaillés du suivi mensuel. Ensemble, ces résultats indiquent que, outre le fait que les images semblent différentes :

• les lectures des instruments d’observation de la Terre ont changé (sur trois plateformes de télédétection) ;

• la majorité des algorithmes de turbidité, utilisés sur l’ensemble des instruments satellites, interprètent ces changements comme l’indication d’une turbidité accrue

Pour comprendre ce qui a conduit à ces changements, il faudrait disposer d’informations sur la gestion du barrage provenant du terrain.

Figure 2 : Sortie annuelle du WQMS et suivi mensuel d’un petit barrage en Afrique du Sud

Justifier un changement apparent — les changements que je peux « voir » sur l’image sont-ils confirmés par les chiffres ?

Lors de l’examen d’un plan d’eau spécifique, on peut souvent observer des changements d’apparence sur les images de télédétection, mais une évaluation visuelle ne suffit généralement pas à déterminer si ces changements sont réels ou significatifs. Le WQMS convertit les images en de multiples mesures de la qualité de l’eau. Si les chiffres changent, il y a de fortes chances que la qualité de l’eau change également, comme le montrent les exemples ci-dessous.

Figure 3 : Confirmation statistique du changement dans un plan d’eau

Figure 4 : Ces informations sont également accessibles directement depuis la carte DE Africa

Justifier un changement apparent - les changements que je peux « voir » sur l’image sont-ils confirmés par les chiffres ?

Lors de l’examen d’un plan d’eau spécifique, on peut souvent observer des changements d’apparence sur les images de télédétection, mais une évaluation visuelle ne suffit généralement pas à déterminer si ces changements d’apparence sont réels ou significatifs. Le WQMS convertit les images en multiples mesures de la qualité de l’eau. Si les chiffres changent, il y a de fortes chances que la qualité de l’eau change également, comme le montre la figure 5 ci-dessous.

Figure 5 : Évolution du régime hydrique du lac Manyara

En plus des informations statistiques, le WQMS capture des motifs spatiaux qui peuvent s’avérer utiles pour la visualisation, comme dans la figure suivante.

Figure 6 : Motifs spatiaux dans un plan d’eau

Comparer les plans d’eau ?

Le WQMS peut être utilisé pour comparer des plans d’eau. En plus des comparaisons directes, la base de données capture les caractéristiques des 700 000 entités hydrologiques du service Waterbodies. Comme le WQMS applique des algorithmes de qualité de l’eau sur l’ensemble des zones d’eau, le « travail difficile » a déjà été effectué, ce qui permet aux parties prenantes de passer plus rapidement aux questions importantes et de concentrer leurs efforts sur les zones prioritaires.

Figure 7 : Une comparaison des lacs Abiata, Shalla et Langano

Limites

La cartographie annuelle WQMS fournit une approche robuste pour détecter les changements. Pour que les valeurs annuelles changent, l’état typique du plan d’eau doit avoir changé entre les deux années. De plus, étant donné que les résultats globaux pour la turbidité et la chlorophylle sont basés sur de multiples mesures provenant de tous les satellites disponibles, l’ensemble des mesures devra « s’accorder » pour qu’un changement soit indiqué. En outre, les jeux de données géomédianes fournissent un jeu de données statistiquement robuste et sans nuages, conduisant à des estimations plus fiables.

Cependant, ces avantages s’accompagnent de limites. Les produits annuels sont basés sur une géomédiane, qui représente l’état typique du plan d’eau, plutôt que sur des observations satellitaires individuelles. Par définition, ces jeux de données géomédianes ne capturent pas la variabilité intra-annuelle et masquent les changements à court terme et la dynamique saisonnière. Par exemple, des niveaux élevés de turbidité, de chlorophylle ou d’algues flottantes présents seulement pendant une petite partie de l’année ou ne persistant pas dans un seul endroit, ne seront pas détectés dans la géomédiane, qui enregistre l’état dominant de l’eau. De telles conditions ne seront détectées dans les produits annuels que lorsqu’elles deviendront « typiques ».

Il s’ensuit que les valeurs annuelles ne sont pas, en général, des valeurs moyennes pour l’année, car les valeurs moyennes seront influencées par des événements à court terme que la géomédiane élimine. Par exemple, on peut s’attendre à ce que les valeurs annuelles sous-estiment la proportion d’un plan d’eau affecté par la végétation flottante, à moins que cette végétation ne devienne plus permanente que temporaire.

Le WQMS ne remplacera pas les mesures in situ. Il est impossible pour des observations à distance de reproduire des échantillons physiques prélevés directement dans un plan d’eau (souvent à plusieurs profondeurs) et ce n’est ni le but ni l’objectif du WQMS. Au lieu de cela, le WQMS apporte un point de vue complémentaire et unique, capturant systématiquement des zones entières d’eau au fil du temps pour fournir de nouvelles informations, preuves et connaissances impossibles à obtenir avec des échantillons in situ seuls. La capacité de surveillance mensuelle, démontrée dans des notebooks et prévue comme le prochain développement du WQMS, capturera des variations plus détaillées de la qualité de l’eau et permettra de choisir des algorithmes ou des combinaisons particulières. Lorsque des données in situ sont disponibles, elles peuvent être utilisées pour développer un étalonnage local pour les produits de surveillance mensuelle du WQMS. Combiner les capacités in situ et à distance de cette manière est l’approche idéale.

La fiabilité du WQMS dépend en partie de la qualité et de la quantité de données disponibles. Avant 2013, seuls Landsat-5 et Landsat-7 étaient disponibles, et la capture des données d’observation de la Terre n’était pas continue en raison des limites des satellites, ce qui produisait beaucoup moins de données. La quantité et la qualité des données se sont nettement améliorées après 2016. Les résultats du WQMS peuvent être incohérents en raison de ces changements et des différences entre les géomédianes de DE Africa, bien que nous ayons pris des mesures pour minimiser ces effets.

Les mesures de la qualité de l’eau peuvent également être affectées par une contamination résiduelle par les nuages ou par des artefacts dans les données d’entrée.

---

Accès aux données

Les données WOfS de Digital Earth Africa sont accessibles à partir du bucket S3 associé.

Tableau 3 : Détails de l’accès aux données AWS

Détails AWS S3
ARN du compartiment	arn:aws:s3:::deafrica-services
Nom du produit	wq_annual

Le bucket est situé dans la région af-south-1 (Le Cap).

Services Web OGC (OWS)

Ce produit est disponible via OWS de DE Africa.

Open Data Cube (ODC)

La collection WQMS est accessible via l’API ODC de Digital Earth Africa, disponible sur le Digital Earth Africa Sandbox.

API Waterbodies

Des statistiques de synthèse pour chaque plan d’eau en accédant à l’API Waterbody de deux manières :

1. En cliquant sur un plan d’eau après avoir chargé le produit plans d’eau dans DE Africa Maps.

2. En accédant aux fonctions get_water_quality_summary() et get_water_quality_rankings() en Python. Ceci est démontré dans la section « Water Quality Summary » du notebook d’introduction au jeu de données.

---

Informations techniques

Traitement

Aperçu

Les produits annuels du WQMS utilisent les Observations de l’eau depuis l’espace (WOfS) de DE Africa pour déterminer les zones d’eau, les Géomédianes de DE Africa pour fournir des données annuelles, et les Plans d’eau (Waterbodies) de DE Africa pour fournir des polygones pour chaque plan d’eau. L’utilisation de ces services comme blocs de construction permet de garantir une approche efficace et durable.

En utilisant les données de réflectance des géomédianes, des algorithmes publiés sont appliqués pour estimer les propriétés de l’eau - algues flottantes, couleur de l’eau, type optique de l’eau, turbidité et chlorophylle-A. Comme les géomédianes ne comprennent pas de mesures de température, celles-ci sont traitées directement à partir des données EO (bandes thermiques / instruments sur les satellites Landsat).

Les données sont d’abord traitées pour tous les pixels considérés comme de l’eau, puis résumées pour chaque plan d’eau. Les données quadrillées et les résumés de polygones sont ensuite disponibles via l’Open Data Cube de DE Africa et les services associés.

Geomedians

Les images géomédianes annuelles sont des ensembles de données de synthèse annuels statistiquement robustes. Contrairement aux simples médianes multivariées, chaque pixel d’une géomédiane est une valeur de réflectance spectralement représentative dérivée de données observées, ce qui préserve les relations interbandes et permet l’application valide d’algorithmes d’observation de la Terre. Les géomédianes capturent l’état dominant pour l’année, et les changements d’une année sur l’autre sont donc probablement dus à un changement réel plutôt qu’à du bruit. À l’inverse, lors de la dérivation des informations sur la qualité de l’eau à partir des données géomédianes, nous ne pouvons pas capturer la variabilité au cours de l’année. Les géomédianes de DE Africa n’incluent pas toutes les bandes (en particulier la bande 1 des capteurs MSI et OLI), ce qui limite certains des algorithmes pouvant être appliqués. Les géomédianes issues des données TM/ETM ne sont plus produites après 2012.

Identifier les zones d’eau

Tous les produits sont limités aux zones censées être en eau au cours de chaque année de données. Les données de synthèse annuelles des Observations de l’eau depuis l’espace (WOfS) de DE Africa sont utilisées pour identifier les zones qui devraient être de l’eau au cours de l’année d’observation constituant la géomédiane. Comme la végétation flottante peut dominer la surface de l’eau pendant de longues périodes, les valeurs de WOfS sont prises en compte sur une période mobile de 5 ans pour identifier les zones d’eau.

Température de l’eau, T

La température (K) est estimée à partir des données Landsat : l’instrument TIRS sur Landsat 8/9, et les bandes thermiques sur les instruments TM et ETM de Landsat 5 et 7. Ces données incluent des bandes d’incertitude et d’émissivité. Les pixels sont acceptés lorsque T > 273 K, l’incertitude de la température est inférieure à 5 K, et l’émissivité E > 0,95 (l’eau a une émissivité supérieure à 0,96 jusqu’à 14 000 nm ; des valeurs inférieures à 0,95 sont contre-indicatives de la présence d’eau). Les observations valides de la température de surface Landsat acquises au cours de chaque année civile sont résumées pour dériver par pixel des valeurs aux 10e, 50e (médiane) et 90e percentiles, fournissant une représentation robuste de la plage de température annuelle et des conditions typiques, tout en réduisant la sensibilité aux valeurs extrêmes.

Indice d’algues flottantes (FAI)

Le FAI est calculé à l’aide de la méthode décrite par Hu (2009). L’indice détecte une réflectance anormalement élevée dans les bandes du proche infrarouge en comparant la réflectance observée à celle attendue sur la base des réflectances du rouge et de l’infrarouge à ondes courtes.

Référence : Hu, C. (2009). A novel ocean color index to detect floating algae in the global oceans. Remote Sensing of Environment, 113, 2118–2129.

Les valeurs de FAI inférieures à un seuil sont rejetées. Les valeurs supérieures au seuil indiquent la présence de proliférations d’algues ou de végétation flottante. Le seuil appliqué pour les jeux de données géomédianes du WQMS est de 0,05.

Les valeurs de FAI issues de différents capteurs (ETM, OLI, MSI) diffèrent légèrement. Pour compenser les biais observés entre les valeurs de FAI dérivées de différents capteurs, les facteurs suivants ont été appliqués :

Capteur	Facteur
MSI	1.0
OLI	0.95566
ETM	1.00832

Pour les années où les géomédianes sont disponibles pour plus d’un des capteurs TM, OLI et MSI, les valeurs FAI de chaque géomédiane sont combinées en une seule valeur FAI à l’aide d’une moyenne pondérée selon le nombre d’observations contribuant à chaque géomédiane.

Figure 8 : Étapes de production des indicateurs de qualité de l’eau de turbidité (tss) et d’état trophique (chla)

Indicateurs de qualité de l’eau pour la turbidité et la chlorophylle

Les mesures de qualité de l’eau indicatrices de la turbidité et de l’état trophique sont calculées après identification des zones d’eau (voir le diagramme ci-dessus) et après élimination des pixels ayant des valeurs de FAI élevées comme décrit précédemment. Les données provenant des bandes de longueurs d’onde visibles sont corrigées pour la diffusion de Rayleigh à l’aide des bandes SWIR.

Le tableau suivant liste les algorithmes utilisés, les capteurs avec lesquels ils sont associés, et le nom de la variable utilisée dans le flux de travail interne pour chaque cas. Pour assurer une couverture continue de 2000 à nos jours, et pour fournir autant d’estimations des propriétés de l’eau que possible, nous appliquons une variété d’algorithmes publiés à toutes les données géomédianes disponibles.

Algorithmes appliqués et capteurs utilisés pour estimer les niveaux de turbidité et de chlorophylle

Algorithme	ETM/TM (2000–2012)	OLI (2013–présent)	MSI (2017–présent)
Algorithmes de chlorophylle-A
NDCI — Normalised Difference Chlorophyll Index, NIR-Rouge. Mishra and Mishra, Normalized difference chlorophyll index: A novel model for remote estimation of chlorophyll-a concentration in turbid productive waters. Remote Sensing of Environment, Volume 117, 15 February 2012, Pages 394-406 https://doi.org/10.1016/j.rse.2011.10.016	ndci_tm43	ndci_oli54	ndci_msi54, ndci_msi64, ndci_msi74
Toming — Toming et al., First Experiences in Mapping Lake Water Quality Parameters with Sentinel-2 MSI Imagery. Remote Sensing. 2016, 8, 640; doi:10.3390/rs8080640			chla_toming_msi
Gurlin 2B — Gurlin et al., Remote estimation of chl-a concentration in turbid productive waters — Return to a simple two-band NIR-red model? Remote Sensing of Environment 115 (2011) 3479–3490			gurlin2b_msi
3BDA — Three band DA. Buma and Lee, Il Evaluation of Sentinel-2 and Landsat 8 Images for Estimating Chlorophyll-a Concentrations in Lake Chad, Africa. Remote Sens. 2020, 12, 2437.	3bda_tm	3bda_oli	3bda_tsm
Tebbs — Tebbs, Remedios et Harper. Télédétection de la chlorophylle-a comme mesure de la biomasse cyanobactérienne dans le lac Bogoria, un lac hypertrophique, salin et alcalin, à l’aide de Landsat ETM+. Remote Sensing of Environment 2013, 135, 92–106.	chla_tebbs_tm	chla_tebbs_oli	chla_tebbs_msi
MERIS 2B — Gurlin et al., Estimation à distance de la concentration en chl-a dans les eaux turbides productives — Retour à un modèle simple à deux bandes rouge-proche infrarouge ? Remote Sensing of Environment 115 (2011) 3479–3490			chla_meris2b_msi
MODIS 2B — Gurlin et al., Estimation à distance de la concentration en chl-a dans les eaux turbides productives — Retour à un modèle simple à deux bandes rouge-proche infrarouge ? Remote Sensing of Environment 115 (2011) 3479–3490	chla_modis2b_tm		chla_modis2b_msi
TC-2 — Lui et al 2020. Un algorithme basé sur OLCI pour partitionner semi-empiriquement le coefficient d’absorption et estimer la concentration en chlorophylle-a dans diverses eaux turbides de type 2. Remote Sensing of Environment 239 (2020) 111648, et rectificatif avec corrections, https://doi.org/10.1016/j.rse.2020.111726. Zhao et al., 2024. Suivi et analyse dynamiques des concentrations en chlorophylle-a dans les lacs mondiaux à l’aide d’images Sentinel-2 dans Google Earth Engine. Science of the Total Environment 912 (2024) 169152. TC-2 est un algorithme semi-analytique qui utilise plusieurs longueurs d’onde lumineuses pour modéliser l’absorption et la diffusion, avant de dériver la concentration en Chl-A. Il s’agit d’une méthode plus avancée que les alternatives. TC-2 n’est pas implémenté dans le service annuel WQMS en raison de l’absence de la bande 1 de MSI dans les jeux de données géomédianes de DE Africa, mais sera implémenté dans les carnets de suivi et les futurs développements du service de suivi mensuel.			tc2_chla_msi
Algorithmes de turbidité
ndssi_rg et ndssi_bnir — Indice de différence normalisée des sédiments en suspension, rouge:vert et bleu:nir. Hossain et al., Développement d’un indice basé sur la télédétection pour estimer/cartographier la concentration en sédiments en suspension dans les environnements fluviaux et lacustres. 2010. 8e Symposium international sur l’ÉCOHYDRAULIQUE (ISE 2010) Papier n° 0435, pp. 578-585.	ndssi_rg_tm	ndssi_rg_oli, ndssi_bnir	ndssi_rg_msi
ti_yu — Yu et al. Un algorithme empirique pour récupérer de manière transparente la concentration de matières particulaires en suspension à partir de la couleur de l’eau, de l’océan aux embouchures de rivières turbides. 2019. Remote Sensing of Environment 235, 111491	ti_yu_tm	ti_yu_oli
tsm_lym — Lymburner et al., Landsat 8 : Assurer la continuité et une précision accrue pour la mesure des séries temporelles multi-décennales de matières en suspension totales. Remote Sensing of Environment Volume 185, novembre 2016, pages 108-118	tsm_lym_tm	tsm_lym_oli	tsm_lym_msi
spm_qiu — Qiu. Un modèle optique simple pour estimer les matières particulaires en suspension dans l’estuaire du fleuve Jaune. Optics Express 2013 21(23):27891-27904 DOI: 10.1364/OE.21.027891	spm_qiu_tm		spm_qui_msi
tss vert-rouge — Zhang et al 2021 Télédétection : Récupération et analyse basées sur les images Landsat de la variation spatiotemporelle de la concentration totale de solides en suspension dans la baie de Jiaozhou, Chine. Pour éviter les débordements numériques avec la méthode de Zhang telle que publiée, nous l’implémentons sous forme d’indice : (V + R) / (V/R)	tss_gr_tm	tss_gr_oli	tss_gr_msi
tss vert-rouge-bleu — Zhang 2023 Suivi par télédétection de la concentration totale de solides en suspension dans la baie de Jiaozhou basé sur des données multi-sources. Ecological Indicators 154 (2023) 110513. Pour éviter les débordements numériques avec la méthode de Zhang, ceci est implémenté sous forme d’indice : (V + R) / (B/R)	tss_grb_tm	tss_grb_oli	tss_grb_msi

Harmonisation entre les instruments

Lorsqu’un algorithme est utilisé avec plusieurs capteurs, les variables résultantes sont harmonisées avant tout traitement ultérieur. Par exemple, l’indice de chlorophylle par différence normalisée peut être calculé tout aussi bien en utilisant des données de capteurs TM/ETM, OLI et MSI. En général, les valeurs produites par les instruments OLI et TM sont modifiées pour être statistiquement cohérentes avec les résultats de l’instrument MSI. Le processus est basé sur un ensemble de 30 plans d’eau/sites avec une étendue géographique allant de 15,75° O à 39,72° E, et de 34,1° S à 37° N, et un intervalle de temps allant du 01/01/2019 au 31/12/2020 (ce qui garantit le chevauchement des instruments). Toutes les images Landsat et Sentinel-2 disponibles ont été utilisées dans le processus.

Figure 9 : Processus d’harmonisation inter-capteurs pour les variables de qualité de l’eau

Valeurs d’ensemble

Les résultats de tous les algorithmes de turbidité et de tous les algorithmes de ChlA sont considérés comme un ensemble. La valeur médiane de toutes les mesures est retenue comme la meilleure estimation du paramètre de qualité de l’eau pour un moment donné. Cette approche reconnaît qu’aucun algorithme unique ne donnera de résultats parfaits et accorde de la valeur au fait de disposer d’une gamme d’estimations, provenant d’une gamme d’algorithmes qui fonctionneront différemment selon les conditions.

Rééchelonnage

Alors que certains algorithmes produisent des estimations directes des propriétés (par exemple, mg/m³), d’autres sont simplement des chiffres. Pour pouvoir comparer ce qui est comparable, nous effectuons un rééchelonnage en utilisant les valeurs de tous les algorithmes pour plus de 60 lacs à travers l’Afrique. Pour rééchelonner les mesures, nous supposons que les valeurs médianes renvoyées par chaque algorithme sont équivalentes (c’est-à-dire qu’ils « voient » globalement le même phénomène), et nous supposons que les valeurs les plus basses renvoyées par chaque algorithme correspondent à une valeur proche de zéro (puisque la turbidité et la ChlA mesurées en tant que concentrations ne peuvent pas descendre en dessous de zéro). Les valeurs rééchelonnées provenant de différents algorithmes sont alors comparables.

Nous ajustons les données à un algorithme préféré. Pour la ChlA, l’algorithme Meris2b (appliqué en utilisant les bandes correspondantes du capteur Sentinel-2 MSI) montre une valeur médiane, sur 30 lacs divers, de 29. Cela se situe dans la fourchette de 21 ± 9 publiée par Zhao et al., 2024. Pour les TSS, nous nous ajustons à l’algorithme de Lymburner et al., 2016. Cet algorithme produit des valeurs raisonnables sur une large gamme de lacs.

« Ères » TM, OLI et MSI

Parce que différents instruments sont disponibles à différents moments, la combinaison d’algorithmes pouvant être appliqués varie dans le temps. Pour garantir que les résultats du WQMS soient cohérents dans le temps, les valeurs sont légèrement ajustées pour assurer que les valeurs médianes de la qualité de l’eau soient cohérentes sur les trois époques. La disponibilité des données DE Africa Geomeidan et les valeurs médianes pour chaque époque sont résumées ci-dessous :

	2000		2012	2013	2017	2025
Ère TM	TSS médian : 45,58 ChlA médian : 29,05
Ère OLI			TSS médian : 35,25 ChlA médian : 29,05
Ère MSI				TSS médian : 36,28 ChlA médian : 27,80

Attributs des plans d’eau

DE Africa Waterbodies produit des polygones de chaque plan d’eau à travers l’Afrique. Pour décrire chaque plan d’eau, les données grillagées sont résumées selon les polygones de DE Africa (détails à ajouter).

Validation

L’objectif pratique de la validation est d’établir l’adéquation à l’usage des données WQMS et d’identifier les limites du service. Plusieurs approches peuvent aider à établir cette adéquation à l’usage.

Validation quantitative par rapport aux mesures in-situ

Le manque de données in-situ accessibles sur la qualité de l’eau est largement reconnu comme un problème pour le développement et la validation quantitative des mesures de la qualité de l’eau basées sur l’observation de la Terre (OT), et c’est particulièrement le cas en Afrique. Là où des mesures in-situ sont disponibles, il existe plusieurs contraintes pratiques sur leur valeur. L’hypothèse sous-jacente est que les échantillons sont représentatifs de la zone d’eau vue de l’espace. Les échantillons prélevés près du rivage, en profondeur ou à des moments différents des observations satellitaires seront moins corrélés avec les observations OT, ce qui rend difficile l’établissement d’une relation.

Pour établir un lien entre les valeurs des données OT et les observations in-situ, nous avons comparé nos résultats d’algorithme d’ensemble aux données in-situ du Système mondial de surveillance de l’environnement pour l’eau douce (GEMS/Water) du Programme des Nations Unies pour l’environnement (PNUE). Les stations GEMS du Maroc, de Tanzanie et d’Afrique du Sud étaient disponibles entre mars 2000 et janvier 2016. Malheureusement, ces dates sont antérieures au satellite Sentinel-2 et aux améliorations substantielles de la qualité et de la quantité des données OT depuis 2017.

Nous avons généré des séries temporelles de télédétection pour chacune des stations GEMS, en utilisant une taille de pixel de 20 m, pour une zone de 100 m sur 100 m sur le site de chaque station. Les mesures EO de la turbidité et de la chlorophylle-a ont été moyennées sur cette zone. Les données in situ ont été incluses lorsqu’elles étaient proches de la surface de l’eau (moins de 0,5 mètre pour la chlorophylle, 2 mètres pour la turbidité) et dans les 7 à 10 jours suivant les observations satellites. Ces filtres ont été informés par l’examen de la relation entre la profondeur et les valeurs observées aux stations GEMS. En ce qui concerne le temps, nous supposons que la relation entre les valeurs in situ et observées diminuera avec le temps, mais qu’une certaine cohérence sera présente sur une période de 7 à 10 jours.

Après filtrage des données in-situ, le nombre de points de données pour comparaison a été réduit de 2414 observations à 149 pour la chlorophylle, et de 754 à 36 pour la turbidité.

Les résultats de la comparaison révèlent que :

1. Les mesures médianes issues des données OT étaient comparables aux sites in-situ pour la chlorophylle ; cependant,

2. Les mesures de chlorophylle issues des données OT utilisées dans le produit annuel ne capturent pas bien les faibles valeurs et n’étaient pas étroitement liées aux observations in-situ. Bien qu’une partie de cet effet soit due au nombre limité d’observations in-situ, cela reflète également les limites de l’utilisation d’une approche d’ensemble dans laquelle toutes les mesures sont combinées ;

3. Les mesures médianes issues des données OT pour la turbidité étaient plus élevées que les données in-situ ; cependant,

4. La turbidité issue des données OT était bien corrélée avec les données in-situ.

Les conclusions indiquent que :

• pour les produits WQMS annuels, un ajustement linéaire simple conduira à des valeurs réalistes, bien que ces produits ne captureront pas les variations, surtout dans le bas de l’échelle ;

• les produits de suivi mensuel (qui sont prototypés dans la version initiale sous forme de carnets) devraient utiliser des algorithmes individuels (ainsi que l’approche d’ensemble) pour soutenir la détection des faibles valeurs et permettre un étalonnage à l’aide de données locales.

Les résultats de la validation sont résumés dans les figures ci-dessous.

Figure 10 : Résumé des résultats de validation pour le service de suivi WQS

Comparaison avec d’autres études

La validation des résultats de l’indice algal flottant a été réalisée en comparant les résultats avec des travaux précédemment publiés, comme décrit dans la figure ci-dessous

Figure 11 : Validation des résultats de l’indice algal flottant (FAI) par rapport à des études précédemment publiées.

Évaluations qualitatives

Les évaluations qualitatives peuvent appuyer les évaluations quantitatives de l’utilité des informations. Dans la figure ci-dessous, nous comparons les informations fournies par le service de suivi WQS pour un grand lac en Mauritanie avec notre interprétation qualitative de l’imagerie OT pour des dates spécifiques.

Figure 12 : Validation qualitative des données du service de suivi WQS pour un grand lac en Mauritanie