Monitoring agricultural risk in Canada using L-band passive microwave soil moisture from SMOS

Citation

Champagne, C., Davidson, A.M., Cherneski, P., L’Heureux, J., et Hadwen, T. (2015). « Monitoring Agricultural Risk in Canada Using L-Band Passive Microwave Soil Moisture from SMOS. », Journal of Hydrometeorology, 16(1), p. 5-18. doi : 10.1175/JHM-D-14-0039.1

Résumé

Nous avons évalué les données sur l’humidité du sol provenant de données satellitaires SMOS (Soil Moisture Ocean Salinity – humidité des sols et salinité de l’océan), mesurées par hyperfréquences passives, comme source d’information aux fins de la détermination des régions présentant un risque agricole lié au climat pour la période de 2010 à 2013. Pour notre évaluation, nous avons utilisé l’humidité absolue du sol et les anomalies liées à l’humidité du sol pour établir une comparaison avec des données satellitaires SMOS de référence couvrant une période de quatre ans. Pendant les quatre années de la mission SMOS, l’humidité a été supérieure à la normale climatique sur 30 ans à de nombreux endroits, plus particulièrement à la fin de l’été pour la plupart des régions, et au printemps dans la province du Manitoba. On obtient donc des données de référence quelque peu biaisées, les anomalies se produisant à différents moments de la saison de végétation. Les données SMOS sur l’humidité du sol montrent toutefois une tendance claire dans le cas des valeurs extrêmes, les conditions étant plus sèches que la moyenne durant les périodes pour lesquelles des risques de sécheresse et de sol sec ont été déterminés, et plus humides que la moyenne en présence d’inondations et d’humidité excessive. Les zones où des conditions météorologiques extrêmes ont causé des pertes de récolte étaient repérables au moyen des données SMOS sur l’humidité du sol, tant à l’échelle provinciale qu’à l’échelle régionale. La variabilité de l’humidité du sol entre les zones à risque et les zones normales était très faible mais constante, tant d’un point de vue géographique que temporel. Les données SMOS constituent donc un bon indicateur en temps réel pour l’évaluation des risques.