Affichage des articles dont le libellé est Recherche rayonnement de surface par satellite. Afficher tous les articles
Affichage des articles dont le libellé est Recherche rayonnement de surface par satellite. Afficher tous les articles

février 21, 2026

Ce n'est pas le CO2, mais le soleil qui est responsable du réchauffement de 1°C depuis 1850 !

Des climatologues allemands ont mesuré, pour l'Allemagne, la quantité d'énergie solaire qui atteint la Terre. 
Cette quantité a augmenté de manière significative. 
Ce n'est pas le #CO2, mais le soleil qui est responsable du réchauffement de 1°C depuis 1850 
 
Aperçu des données sur le rayonnement solaire de surface au sein du service météorologique allemand
 
 
 Résumé 
 
Le rayonnement solaire de surface est une composante essentielle du bilan énergétique terrestre et fait depuis longtemps l'objet de recherches sur le changement climatique, notamment pour boucler le bilan énergétique de la Terre ou suivre les évolutions à long terme. Le programme GEWEX (Global Water and Energy Exchanges) est à la pointe de la recherche dans ce domaine. Face aux efforts déployés à l'échelle mondiale pour la transition énergétique, l'importance des données sur le rayonnement solaire de surface s'est accrue ces dernières années et présente un intérêt pour de nombreuses applications et domaines de recherche. En Allemagne, la mesure et la diffusion de la durée d'ensoleillement, puis des données sur le rayonnement solaire, sont assurées par un vaste réseau de stations de surface depuis le début des mesures au XIXe siècle. L'avènement des satellites météorologiques a permis de développer des méthodes de calcul du rayonnement solaire de surface à partir d'observations spatiales, offrant ainsi une couverture spatiale des données plus complète. Cet article présente et décrit les sources de données d'observation disponibles et les produits dérivés de rayonnement solaire spatialisé proposés par le Deutscher Wetterdienst (DWD), et fournit des recommandations pour leur utilisation dans divers domaines d'application. Les différentes propriétés des données, notamment leur actualité (délai entre la mesure et la publication), la longueur des séries temporelles disponibles et les résolutions spatio-temporelles, déterminent leurs applications potentielles. Certaines données présentées sont davantage axées sur le climat (comme celles de l'application satellite EUMETSAT pour la surveillance du climat – « CM SAF »), tandis que d'autres privilégient la fourniture de données en temps réel (comme les données « DUETT », combinant mesures de stations et de satellites). Tous les jeux de données présentés sont accessibles au public.
 
 1. Introduction 
 
L'énergie solaire atteignant la surface de la Terre joue un rôle vital pour l'humanité à bien des égards. Le rayonnement solaire de surface (RSS), également appelé rayonnement global ou irradiance horizontale globale (IHG), est essentiel au cycle énergétique global (Ramanathan et al., 2001 ; Wild et al., 2012, 2016) et influence le système climatique. Il constitue un paramètre fondamental pour l'analyse et la surveillance du climat (Pfeifroth et al., 2018 ; C3S, 2024), les énergies renouvelables (Drücke et al., 2021) et la biologie (Pelosi et al., 2022). Il sert également de base à diverses applications en aval, telles que les modèles de transfert sol-végétation-atmosphère (SVAT) (Casanova et al., 2008). Bien que les mesures de surface (pour l'Allemagne, diffusées via le portail de données ouvertes du DWD : https://opendata.dwd.de ) constituent la source d'observation la plus précise du rayonnement solaire de surface (RSS) (du moins lorsqu'elles sont réalisées avec des pyranomètres étalonnés), ces données ne sont valides que pour le point d'observation et ses environs immédiats. Les mesures de stations couramment utilisées sont collectées et diffusées par le Réseau mondial de rayonnement de surface de référence (BSRN, Driemel et al., 2018) ou par les Archives mondiales du bilan énergétique (GEBA, Wild et al., 2017). Même les observations de RSS au-dessus des océans, par exemple à partir de bouées (Thandlam et al., 2019), sont incluses, mais restent rares. De manière générale, les données de stations posent toujours le problème de la représentativité (Schwarz et al., 2017 ; Urraca et al., 2024). Par conséquent, les observations de surface ne répondent pas à toutes les exigences d'applications importantes telles que l'analyse du climat global, car d'importantes lacunes de données existent souvent, non seulement dans l'espace et le temps, mais surtout dans les zones reculées et au-dessus des océans. Par conséquent, les « nouveaux » systèmes d’observation, tels que les satellites météorologiques, sont devenus de plus en plus importants pour pallier les lacunes des réseaux de stations et fournir des ensembles de données climatiques homogènes et maillés. 
 
Depuis les années 1980, les données satellitaires sont utilisées pour estimer la distribution du rayonnement solaire (par exemple, Gautier et al., 1980 ; Pinker et al., 1992 ; Huang et al., 2019). Leur faible précision est compensée par une bonne couverture spatiale, qui peut même être mondiale lorsque plusieurs plateformes de satellites géostationnaires sont combinées (Rossow et al., 2022) ou lorsque des données de satellites en orbite polaire sont utilisées (Karlsson et al., 2023). L’utilisation des observations satellitaires pour l’estimation du rayonnement solaire a ouvert de nouveaux champs d’application, insoupçonnés à l’origine. De nouveaux besoins émergent, par exemple… Les services destinés à la communauté des énergies renouvelables sont aujourd'hui disponibles dans un contexte opérationnel en constante évolution (par exemple, grâce au module SAF du centre de gestion d'EUMETSAT, Schulz et al., 2009). Du fait de leur couverture spatiale complète, les produits satellitaires peuvent être utilisés au-delà des frontières, indépendamment des éventuelles variations du système d'observation liées à l'utilisation d'instruments de différents fabricants et types (par exemple, Garcia et al., 2017) selon les pays. 
 
Concernant l'analyse climatique, une tendance positive du rayonnement solaire de surface (RSS) a été observée ces dernières années en Europe. Ce constat a été établi à partir de diverses sources de données, satellitaires et stationnaires (par exemple, Wild, 2012 ; Wild et al., 2005, 2007, 2008 ; Gilgen et al., 2009). Des recherches supplémentaires sont nécessaires pour déterminer les raisons de cette tendance positive (Pfeifroth et al., 2018, 2024 ; Schilliger et al., 2024 ; Urraca et al., 2024). Il est clair que les nuages ​​et les aérosols jouent un rôle clé dans l’explication de cette tendance.
 
Les énergies renouvelables revêtent une importance croissante pour la société, car les ressources fossiles sont limitées et le besoin en énergie propre et indépendante ne cesse de croître. Cependant, la disponibilité de cette source d'énergie naturelle est variable dans l'espace et dans le temps. Une planification efficace de la production, du stockage et de la distribution d'énergie exige une bonne connaissance de la variabilité à court et à long terme des ressources, c'est-à-dire du SSR (Système de Rendement Solaire). Par conséquent, des données climatiques fiables, en temps réel et prévisionnelles, sont nécessaires pour une transition réussie de la production d'énergie fossile vers les énergies renouvelables. Les recherches sur les énergies renouvelables ont notamment mis en évidence une répartition équilibrée de l'énergie solaire et éolienne tout au long de l'année, avec un potentiel solaire plus important en été et un potentiel éolien plus important en hiver en Allemagne (Drücke et al., 2021). Dans un réseau européen interconnecté, les énergies renouvelables pourraient répondre aux besoins en permettant des échanges d'énergie appropriés (Kaspar et al., 2019 ; Drücke et al., 2021), par exemple en tirant parti du potentiel éolien plus important en Europe du Nord et du potentiel solaire plus important en Europe du Sud. Les développements visant à combiner les données des stations et des satellites en des ensembles de données « optimaux des deux mondes » (par exemple, Journée et al., 2010 ; Feng et al., 2021) suscitent un intérêt croissant pour les services météorologiques et leurs utilisateurs. De plus, la tendance à réduire le nombre d’observations de surface (de qualité moyenne) au profit d’un nombre plus restreint d’observations de haute qualité renforce la nécessité de combiner les sources de données afin d’obtenir le meilleur enregistrement possible. Certains des ensembles de données présentés dans cet article traitent également de l’utilisation d’une combinaison de sources de données. Récemment, les techniques d’apprentissage automatique ont fait leur apparition dans le domaine du rayonnement solaire et permettent d’explorer des produits rapides et personnalisés (Carpentieri et al., 2025). 
 
Cet article résume les propriétés des données maillées (issues de l’observation satellitaire) disponibles du rayonnement solaire de surface et des paramètres associés, fournies par le DWD. Après une introduction et un historique (1 Introduction, 2 Bref aperçu historique des données de rayonnement solaire de surface issues de l'observation satellitaire) sur l'utilisation des données satellitaires pour l'estimation du rayonnement solaire de surface (RSS), les domaines d'application typiques de ces données sont présentés dans la section 3. La section 4 donne un aperçu des jeux de données de RSS disponibles au DWD. La section 5 fournit des conseils et des recommandations aux utilisateurs sur les données à utiliser pour chaque application. Enfin, les conclusions et les perspectives sont présentées dans la section 6. 
 
 2. Bref aperçu historique des données de rayonnement solaire de surface issues de l'observation satellitaire 
 
Le rayonnement solaire est caractérisé par des longueurs d'onde comprises entre 0,15 et 4 µm. L'atmosphère, avec ses constituants gazeux (H₂O, O₃, CO₂, …), ses aérosols et ses nuages, réfléchit, diffuse et absorbe une part importante du rayonnement solaire avant qu'il n'atteigne la surface terrestre. À la surface, le rayonnement solaire est réfléchi et absorbé, cette dernière absorption entraînant une augmentation de la température de la surface et de l'air. Si la composition de l'atmosphère et la réflexion des nuages ​​sont connues, le rayonnement solaire à la surface peut être calculé à partir de la transmission atmosphérique.
 
Le potentiel et la nécessité d'estimer le rayonnement solaire réfléchi (RSR) à partir d'images de satellites météorologiques ont été reconnus dès les débuts de l'ère des satellites météorologiques. TIROS-1 (Television and Infrared Observation Satellite), lancé en 1960, fut le premier satellite météorologique dédié à l'observation des nuages ​​pour appuyer les prévisions météorologiques. Il était équipé d'une caméra TV orientée vers le bas pour l'identification des systèmes nuageux. Les observations de TIROS ont rapidement permis de mieux comprendre les processus atmosphériques, révélant déjà le potentiel de la mesure des flux radiatifs (Fritz, 1964). Raschke (1968), Raschke et al. (1970), Raschke et Preuss (1979) ont ensuite analysé les données du satellite NIMBUS en orbite polaire pour étudier le bilan radiatif terrestre en utilisant le rayonnement solaire réfléchi et en distinguant les observations par ciel clair et par ciel nuageux, réalisant ainsi les premières étapes vers la dérivation du RSR à partir d'observations satellitaires. 
 
Grâce aux plateformes et instruments satellitaires plus performants (comme METEOSAT), l'analyse quantitative des flux radiatifs solaires est devenue plus accessible. Möser et Raschke (1983) ont été les premiers à utiliser les premières données METEOSAT accessibles pour calculer le rayonnement solaire de surface (SSR). Après leurs travaux (1984) et ceux de Diekmann et al. (1986, 1988), la méthode a été appliquée couramment au DWD dans les années 1980. Cano et al. (1986) ont ensuite développé la méthode Heliosat pour calculer le rayonnement solaire de surface en exploitant la relation entre le SSR par ciel clair et la transmissivité des nuages. 
 
La méthode Heliosat a été perfectionnée à plusieurs reprises (voir par exemple Hammer et al., 2003 ; et Müller et Pfeifroth, 2022 pour une synthèse de cette méthode) et est toujours utilisée pour générer des enregistrements de données satellitaires de pointe, comme la série CM SAF SARAH (Müller et al., 2015 ; Pfeifroth et al., 2024), au DWD et dans d’autres centres de recherche européens. Un aperçu des enregistrements de données SSR satellitaires disponibles et de leurs principes d’extraction est présenté dans Huang et al. (2019). 
 
 Grâce à l’amélioration des instruments satellitaires et des méthodes d’extraction, ainsi qu’à l’allongement des séries temporelles, la qualité et l’exploitabilité des enregistrements de données SSR satellitaires se sont considérablement améliorées au cours des dernières décennies, permettant désormais un large éventail d’applications. Les principaux domaines d’application sont décrits dans la section suivante.  
 
3. Domaines d'application typiques et exigences en matière de données en Allemagne 
 
Conformément à sa législation en tant qu'autorité nationale, le DWD est chargé de répondre aux besoins météorologiques de tous les secteurs de l'économie et de la société en Allemagne. Il a notamment pour mission d'assurer l'enregistrement, le suivi et l'évaluation, à court et à long terme, des processus météorologiques atmosphériques, de la structure et de la composition de l'atmosphère, ainsi que l'enregistrement des interactions météorologiques et climatologiques entre l'atmosphère et l'environnement. Le DWD garantit la disponibilité, l'archivage, la documentation et la diffusion des données et services spatiaux météorologiques et climatologiques pour un large éventail de domaines d'application.
 
Déterminer les besoins en données pour tous les domaines d'application est une tâche complexe. Cette section met en lumière certaines applications principales et présente les besoins en données pertinents pour la télédétection spatiale (SSR), sans prétendre à l'exhaustivité. Roebeling et al. (2025) ont analysé en détail les besoins en données pour les applications climatiques, qui constituent également un domaine d'application pour les jeux de données SSR. Il est indiqué que les principales caractéristiques des données à prendre en compte sont la durée de l'enregistrement, la couverture, la résolution, l'échantillonnage, la stabilité et la qualité. Si certaines caractéristiques sont évidentes, d'autres, comme la stabilité et la qualité, nécessitent des validations spécifiques. La suite de ce document présente des cas d'utilisation typiques des données SSR et offre un aperçu des produits SSR disponibles au DWD (section 4). Enfin, il appartient à l'utilisateur de déterminer, en s'appuyant sur la documentation disponible ou sur ses propres analyses de données, si un jeu de données spécifique est adapté à ses besoins (Dee et al., 2024 ; Roebeling et al., 2025). 
 
 3.1. Exigences pour l'analyse et la surveillance du climat 
 
Idéalement, des données mondiales et à long terme sont nécessaires pour l'analyse du climat (par exemple, Pinker et Laszlo, 1992). Une qualité et une homogénéité élevées dans l'espace et le temps sont également indispensables. Une résolution spatiale et temporelle plus fine des données permet l'analyse et la recherche à l'échelle régionale et nationale. Pour la plupart des analyses climatiques, et notamment des analyses de tendances, les moyennes journalières et mensuelles sont suffisantes (par exemple, Pfeifroth et al., 2018 ; Urraca et al., 2024), tandis que la stabilité des données dans le temps devient encore plus importante. De manière générale, une documentation appropriée des enregistrements de données et des métadonnées pertinentes sont essentielles. Grâce à l'allongement des séries de données satellitaires, des applications liées au climat ont pu être développées ces dernières années. Certaines données couvrent désormais la période de référence climatique actuelle de l'OMM (1991-2020), couramment utilisée en climatologie et pour la surveillance du climat (https://community.wmo.int/en/activity-areas/climate-services/climate-products-and-initiatives/wmo-climatological-normals ). L'ancienne période de référence climatique (1961-1990) n'est couverte que par les données HYRAS. Il est essentiel que les données soient régulièrement mises à jour afin de disposer des observations les plus récentes pour la surveillance des anomalies, une nécessité pour les services climatiques récemment mis en place. Pour la surveillance opérationnelle du climat, notamment celle effectuée par les Centres climatiques régionaux de l'OMM (par exemple : https://rcccm.dwd.de/DWD-RCCCM/EN/home/home_node.html ), un enrichissement régulier des séries temporelles est indispensable. À titre d'exemple, le service Copernicus sur le changement climatique (https://climate.copernicus.eu/ ) publie chaque année un rapport sur l'état du climat en Europe (C3S, 2024). 
 
 3.2. Exigences pour certaines applications en aval 
 
Les applications en aval potentielles sont nombreuses, mais seules quelques applications typiques sont abordées ci-après. Des observations de haute qualité du rayonnement solaire de surface (RSS) sont nécessaires à la validation des modèles de prévision météorologique et climatique (par exemple, Junmei et al., 2023). Cette application requiert une haute résolution spatiale et temporelle pour analyser les processus pertinents. Cela permet de détecter les lacunes du modèle et d'améliorer potentiellement sa physique. 
 
L'un des domaines d'application en aval les plus pertinents des données de rayonnement solaire de surface maillées est celui des énergies renouvelables (Huld et al., 2010, 2012). La communauté des énergies renouvelables a besoin de données à toutes les échelles temporelles, des données climatiques aux données actuelles et prévisionnelles, selon l'application spécifique. Pour la planification des systèmes photovoltaïques (PV), des données climatiques sont nécessaires afin d'étudier la variabilité régionale du rayonnement solaire (SSR) à différentes échelles (par exemple, Neher et al., 2020). Le suivi opérationnel des systèmes PV et du réseau électrique requiert des données quasi temps réel et des prévisions. De plus, ces données sont souvent utilisées comme intrants dans des modèles énergétiques spécifiques (par exemple, pour la modélisation de la production d'énergie photovoltaïque, Drücke et al., 2021). Avec la part croissante des énergies renouvelables dans la production d'énergie, disposer de données d'observation pertinentes du SSR devient encore plus crucial.
 
Les données SSR présentent de nombreuses applications potentielles, notamment dans le domaine des modèles de transfert sol-végétation-atmosphère (Casanova et al., 2008), qui nécessitent ces données pour calculer l'évapotranspiration et, par conséquent, le bilan hydrique des plantes et du sol. Une haute résolution spatio-temporelle est particulièrement importante, car les modèles sont souvent appliqués à de petits domaines. Il en va de même pour la modélisation du ruissellement. De plus, la modélisation biologique océanique requiert des données sur le rayonnement solaire de surface (Bouwmeester et al., 2023). Par ailleurs, la modélisation, la surveillance et la prévision des sécheresses nécessitent des données SSR (Rassl et al., 2022), et ces données sont également utilisées pour la planification des infrastructures (Tehrani et al., 2024). 
 
 En outre, grâce à l'amélioration de la qualité et à la faible latence des données SSR maillées, le contrôle qualité et la détection d'anomalies des réseaux de mesures de surface par comparaison avec plusieurs jeux de données SSR satellitaires indépendants sont devenus possibles (Urraca et al., 2020). Ces dernières années, avec l'importance croissante de l'apprentissage automatique grâce aux techniques d'intelligence artificielle (IA), les données SSR maillées sont devenues une source précieuse pour l'entraînement de ces modèles d'IA (par exemple, Carpentieri et al., 2022). 
 
En météorologie technique, les applications d'ingénierie nécessitent des années de référence d'essai faisant autorité. Ces données constituent la référence pour le calcul des besoins énergétiques des équipements de chauffage et de climatisation en Allemagne (DIN 4710, Jürgen et al., 2003). Des jeux de données dédiés contiennent les conditions météorologiques typiques d'un point donné dans l'espace et le temps (Krähenmann et al., 2018), couvrant de longues périodes. De même, les enregistrements de données SSR sont indispensables aux applications hydrométéorologiques (Berg et al., 2005). 
 
4. Produits disponibles issus des mesures satellitaires 
 
Cette section présente le portefeuille de produits SSR du DWD, incluant ceux générés par le Centre d'applications satellitaires d'EUMETSAT pour la surveillance du climat (CM SAF). Cette section fournit des informations détaillées sur la méthodologie principale, les propriétés des données, la documentation, l'accès aux données et leurs principales caractéristiques. Pour répondre aux exigences des domaines d'application décrits dans la section 3, le DWD propose (1) des produits de rayonnement solaire de surface maillés dérivés de données satellitaires et (2) des produits issus d'une combinaison de données satellitaires et d'observations en station. Ces derniers couvrent le territoire allemand, tandis que les produits basés uniquement sur les données satellitaires couvrent des régions géographiques beaucoup plus vastes, voire le monde entier. La figure 1 illustre les trois domaines géographiques dans lesquels les jeux de données présentés dans les sous-sections suivantes peuvent être classés. La figure 3 compare les climatologies des cinq séries de données à long terme pour leur domaine et leur période communs. Le tableau 1 présente un aperçu des principales propriétés des jeux de données disponibles.
 
 
Télécharger : Télécharger l’image haute résolution (559 Ko)
  1. Download: Download high-res image (559KB)
  2. Download: Download full-size image
Télécharger : Télécharger l’image en taille réelle 
 
Figure 1. Exemples de cartes climatologiques du rayonnement solaire de surface basées sur CLARA-A3 (à gauche), SARAH-3 (au centre) et sur les données/cartes mensuelles du DWD pour l’Allemagne (à droite). La figure illustre les différents domaines couverts par les enregistrements de données sur le rayonnement solaire de surface. 
 
 Tableau 1. Produits de données disponibles sur le rayonnement global (et les paramètres associés) au DWD. Les principales caractéristiques des données sont indiquées. Veuillez vous référer à la figure 1 pour les couvertures spatiales des données, présentées dans la colonne « Couverture spatiale ». La mention « Actualité » indique le degré de disponibilité et d’actualité des données.
 
Il convient de mentionner que de nombreux jeux de données décrits ci-après incluent plusieurs paramètres météorologiques qui ne sont pas présentés dans ce document. Des informations sur ces paramètres sont disponibles via les liens web et les pages DOI cités. Tous les jeux de données décrits sont disponibles en ligne et gratuitement. Chaque jeu de données est accompagné d'une documentation complète (voir les liens individuels) qui inclut souvent des informations sur la qualité des données (stabilité, précision) et sur leurs limitations connues. Tous les produits font l'objet d'un processus d'assurance qualité continu et régulier afin de fournir, dans les meilleurs délais, les meilleures données possibles pour leurs applications spécifiques. Les produits satellitaires SARAH, CLARA et SPECMAGIC_NOW fournissent les données sur des grilles régulières de longitude/latitude ; les enregistrements de données pour l'Allemagne sont généralement fournis sur des grilles équivalentes. Tous les jeux de données, à l'exception des « cartes et données mensuelles maillées », sont fournis au format NetCDF et tous les enregistrements de données sont disponibles gratuitement. Les sous-sections suivantes décrivent brièvement les jeux de données listés dans le tableau 1 et fournissent des informations complémentaires, notamment des références supplémentaires et des modalités d'accès aux données. 
 
 4.1. Données quasi temps réel par satellite – SPECMAGIC_NOW 
 
Les données SPECMAGIC_NOW (Müller et al., 2015 ; Urbich et al., 2019) sont issues du canal visible à 600 nm de l'instrument SEVIRI embarqué sur les satellites METEOSAT de deuxième génération. Le traitement permet de calculer l'albédo effectif des nuages, qui est ensuite utilisé pour estimer le rayonnement solaire de surface grâce à des calculs de transfert radiatif pour une situation de ciel clair. Des données auxiliaires relatives à la vapeur d'eau, à l'ozone, aux aérosols et à l'albédo de surface sont nécessaires et décrites en détail par Müller et al. (2015) et Urbich et al. (2019). La principale caractéristique de SPECMAGIC_NOW est sa rapidité d'acquisition. Le rayonnement solaire de surface et l'irradiance directe sont disponibles environ 6 minutes après la fin de l'acquisition des images satellitaires. Les données représentent des mesures instantanées fournies toutes les 15 minutes en watts par mètre carré et sont stockées au format NetCDF dans une archive glissante de trois jours sur le serveur de données ouvertes du DWD à l'adresse https://opendata.dwd.de/weather/satellite/radiation/. La couverture spatiale des données correspond à ce que l'on appelle un « disque complet » (Fig. 1, au centre). En raison de sa courte série temporelle (environ un an dans l'archive ; des séries temporelles plus longues peuvent être générées sur demande), ces données ne conviennent pas aux applications climatiques. Leur principal domaine d'application est la surveillance en temps réel des énergies renouvelables. Depuis novembre 2025, ces données sont complétées par des données de rayonnement de surface issues des observations de l'instrument FCI embarqué sur le satellite METEOSAT de troisième génération (MTG). Bien que la méthode générale d'estimation du rayonnement de surface soit identique à celle du traitement basé sur SEVIRI, les nouvelles données sont fournies avec une résolution spatiale de 0,015° (pour l'Europe) et une résolution temporelle de 10 minutes grâce aux capacités améliorées de l'instrument FCI. 
 
4.2. DUETT : Données combinées satellitaires et stationnaires en quasi temps réel 
 
 L’amélioration constante de la qualité des données d’irradiance solaire de surface issues de l’observation satellitaire a incité le DWD à restructurer son réseau de mesures au sol du rayonnement solaire et à intégrer les observations satellitaires à l’acquisition de données de rayonnement météorologique. Plus précisément, ce processus visait, premièrement, à réduire le réseau au sol, deuxièmement, à améliorer la qualité des données aux stations restantes et, troisièmement, à établir un ensemble de données maillées combinant données satellitaires et mesures au sol. Compte tenu de sa nouveauté, le produit DUETT est décrit plus en détail ci-après.
Pour générer les données DUETT, les données satellitaires de Meteosat SEVIRI (« SPECMAGIC_NOW ») sont combinées aux données de mesures au sol issues de pyranomètres par une méthode de régression-krigeage. On obtient ainsi des données maillées améliorées des variables de rayonnement pour l'Allemagne (Fig. 1, à droite) en temps quasi réel. De plus, des données dites de pseudo-stations, correspondant aux emplacements de 576 stations de mesure au sol, sont dérivées des données maillées DUETT afin d'étendre ou de compléter les séries temporelles de mesures au sol existantes. Les produits DUETT sont des valeurs horaires du rayonnement solaire (SRR) et de la durée d'ensoleillement (SDU) pour des intervalles synoptiques. L'intervalle synoptique est défini comme l'heure se terminant à la minute 50, ce qui signifie que la valeur horaire horodatée à 12 h UTC est en réalité basée sur l'intervalle de temps de 10 h 50 à 11 h 50.  
 
La combinaison des données des deux paramètres s'effectue en cinq étapes principales : 
 
1. Calcul des données satellitaires horaires du rayonnement solaire (SSR) et de l'irradiance normale directe (DNI, utilisée pour calculer l'efficacité de diffusion du rayonnement (SDU)) à partir d'observations satellitaires de 15 minutes avec une résolution de 5 km, suivi d'une interpolation sur une grille conique conforme de Lambert (LCC) de 2 km. Une technique de flux optique est utilisée pour obtenir une résolution virtuelle des données de 1 minute. Cette résolution est essentielle au calcul de la SDU et améliore le calcul du SSR horaire. 
 
 2. Application d'un algorithme pour corriger deux sources d'erreurs systématiques dans les données satellitaires : (a) la sous-estimation du SSR en cas de couverture neigeuse et de ciel clair ; (b) l'erreur sur le rayonnement par ciel clair due à l'utilisation de la climatologie mensuelle de la colonne de vapeur d'eau.  
3. Détermination des écarts entre les données satellitaires corrigées et les données de mesures au sol afin d'obtenir une correction de biais globale (étape de régression). 
 
4. Détermination des écarts résiduels restants aux emplacements des stations de mesures au sol. 
 
5. Interpolation de ces écarts résiduels locaux sur la grille cible LCC de 2 km par krigeage ordinaire afin d'obtenir le biais résiduel régional. 
 
Les données du produit sont finalement calculées en soustrayant les écarts globaux et locaux (déterminés aux étapes 3 et 5) des données satellitaires corrigées (après l'étape 2). Pour l'unité de traitement du signal (SDU), l'ensemble du processus de fusion est basé sur le rayonnement solaire direct normal (DNI), qui est finalement utilisé pour déterminer la SDU. De plus, les incertitudes des données du produit sont calculées et fournies à partir des trois composantes suivantes : 
 • Incertitude d’interpolation, calculée à l’aide de la variance de krigeage du biais régional déterminé à l’étape 5. 
 • Incertitude géométrique, basée sur le déplacement spatial dû aux différentes géométries de l’angle de visée du satellite et de l’angle d’insolation, ainsi qu’à la variabilité locale des données. 
• Incertitude topographique, basée sur la complexité topographique au sein de chaque cellule de la grille cible et sur la variabilité locale des données. 
Les données des 576 pseudo-stations sont extraites des données maillées par la méthode du « plus proche voisin » et optimisées par une correction topographique ultérieure. Cette correction, réalisée à l’aide de données topographiques haute résolution, prend principalement en compte l’éventuelle obstruction du rayonnement solaire direct par les montagnes environnantes. Les incertitudes associées à la station sont composées de deux éléments : (1) la valeur du « plus proche voisin » issue des données maillées et (2) la complexité topographique, combinée à la variabilité spatiale des données de rayonnement à proximité de la station.
La figure 2 présente un exemple de produit d'irradiance solaire globale issu de DUETT (à droite), comparé aux données provenant des deux sources d'entrée (à gauche). Prochainement (à partir de 2026), les données de l'instrument MTG-FCI seront utilisées dans le traitement DUETT, permettant ainsi une résolution spatio-temporelle plus fine.



  1. Download: Download high-res image (634KB)
  2. Download: Download full-size image
 
Fig. 2. SSR (rayonnement solaire indirect) issu des données satellitaires (SPECMAGIC_NOW, agrégées pour l'heure synoptique) et des mesures en station (à gauche), et produit DUETT combiné (à droite) pour le 9 août 2024 à 08h50 UTC. 
Les données DUETT sont disponibles via : https://opendata.dwd.de/climate_environment/CDC/grids_germany/hourly/duett/ et https://opendata.dwd.de/climate_environment/CDC/derived_germany/climate/hourly/duett/ 
 
Des informations générales et de la documentation sur DUETT sont disponibles sur le site web du DWD : https://www.dwd.de/DE/leistungen/duett_strahlungsmessnetz/ls_duett.html 
 
 4.3. Grilles horaires haute résolution pour l'Allemagne – HOSTRADA 
 
HOSTRADA (Grilles haute résolution de variables horaires pour l'Allemagne) est un ensemble de données essentiel pour les applications en météorologie technique, utilisé pour développer et mettre à jour les années de référence de test à des fins d'ingénierie. Il fournit des données horaires maillées haute résolution pour l'Allemagne et inclut, outre le rayonnement solaire de surface, de nombreuses autres variables météorologiques. La série de données HOSTRADA succède à la série TRY (Année de référence de test, Krähenmann et al., 2018) qui couvrait la période 1995-2012. La série temporelle débute en 1995 et est mise à jour mensuellement avec un intervalle d'environ un mois. Les données sont fournies sur une grille de 1 km², offrent une résolution temporelle horaire et couvrent l'ensemble du territoire allemand. Une attention particulière a été portée à la représentation des îlots de chaleur urbains. Les données d'irradiance solaire de surface d'HOSTRADA sont basées sur une combinaison de données de stations interpolées et de données satellitaires issues de la série CM SAF SARAH-3. Le principe de récupération des données est décrit dans Krähenmann et al. (2018). De plus, les données issues d'une simulation de modèle climatique régional à résolution convective sont utilisées pour générer l'enregistrement de données HOSTRADA. Pour le rayonnement global, les sommes horaires de l'heure précédente sont fournies. Il convient de noter que la résolution effective du rayonnement global est inférieure à 1 km² en raison de l'utilisation des données d'entrée SARAH-3 à une résolution de 5 × 5 km. Les données sont disponibles gratuitement au format NetCDF via le Centre de données climatiques à l'adresse https://opendata.dwd.de/climate_environment/CDC/grids_germany/hourly/hostrada/ 
 
4.4. Données climatiques satellitaires pour l'Europe et l'Afrique – CM SAF SARAH-3 
 
 La série de données climatiques SARAH (Surface SolAr RAdiation – Heliosat) est produite par le Centre d'application des satellites de surveillance climatique d'EUMETSAT (CMSAF), au sein d'un consortium international dirigé par le DWD (www.cmsaf.eu) et fournit plusieurs paramètres de rayonnement de surface basés sur des observations satellitaires géostationnaires. SARAH-3 utilise les canaux visibles des instruments MVIRI et SEVIRI embarqués sur les satellites METETOSAT de 1re et 2e génération. La dernière version, SARAH-3, inclut l'irradiance globale, l'irradiance directe, l'irradiance directe normale, la durée d'ensoleillement, le rayonnement photosynthétiquement actif, la lumière du jour et l'albédo effectif des nuages ​​(10.5676/EUM_SAF_CM/SARAH/V003 ). Les données et leurs principes généraux d'extraction sont décrits dans Müller et al. (2015) et Pfeifroth et al. (2024).
Les données couvrent la période depuis 1983 et sont étendues opérationnellement avec une actualisation de 2 jours, permettant ainsi un large éventail d'applications. La résolution spatiale est de 0,05° x 0,05° avec une résolution temporelle allant jusqu'à 30 minutes. Les moyennes journalières et mensuelles sont fournies pour tous les paramètres, tandis que la durée d'ensoleillement est uniquement fournie sous forme de sommes journalières et mensuelles. La zone géographique est limitée à la région comprise entre ±65° de longitude et ±65° de latitude. Les données sont disponibles au format NetCDF via l'interface utilisateur web du CM SAF à l'adresse https://wui.cmsaf.eu, où une documentation détaillée des données et de leur qualité est également fournie. De plus, les données climatiques SARAH-3 sont également disponibles via la base de données EUMETSAT (https://user.eumetsat.int/catalogue/EO:EUM:DAT:0863 ), où un accès API aux données est également possible. 
 
4.5. Données climatiques mondiales satellitaires – CM SAF CLARA-A3 
 
 Les données climatiques CLARA-A3, également fournies par EUMETSAT CM SAF, présentent les flux radiatifs de grandes longueurs d'onde (terrestres) et de courtes longueurs d'onde (solaires) à la surface et au sommet de l'atmosphère, ainsi que des informations sur l'albédo des nuages ​​et de la surface pour l'ensemble du globe (Karlsson et al., 2023, 10.5676/EUM_SAF_CM/CLARA_AVHRR/V003). Ces données incluent l'irradiance solaire de surface sous forme de moyennes journalières et mensuelles sur une grille de 0,25° x 0,25° depuis 1979. Elles reposent sur les mesures des instruments AVHRR embarqués à bord des satellites NOAA et METOP en orbite polaire. Les données CLARA-A3 sont régulièrement mises à jour avec une période d'environ 10 jours. Comme toutes les données CM SAF, CLARA-A3 est disponible gratuitement au format NetCDF via l'interface utilisateur web CM SAF à l'adresse https://wui.cmsaf.eu et via la base de données EUMETSAT à l'adresse https://user.eumetsat.int/catalogue/EO:EUM:DAT:0874 Ces données sont accompagnées d'une documentation complète et d'une validation. Il convient de noter que, surtout au début de la période d'acquisition, seul un nombre limité de satellites était disponible pour générer les données CLARA, ce qui explique certaines données manquantes concernant le rayonnement solaire de surface, en particulier aux hautes latitudes. Ces données sont néanmoins adaptées aux applications climatiques globales. 
 
 4.6. Cartes et données d'irradiance mensuelles pour l'Allemagne 
 
Les données et cartes maillées, régulièrement mises à jour, du rayonnement solaire de surface, du rayonnement diffus et du rayonnement direct pour l'Allemagne sont générées avec une résolution temporelle mensuelle. Les données relatives au rayonnement global remontent à 1991, tandis que celles concernant le rayonnement direct et diffus sont disponibles depuis 2015. Ces données maillées sont issues d'une combinaison de mesures de surface du réseau DWD (disponibles via le Centre de données climatiques du DWD, https://opendata.dwd.de/climate_environment/CDC ) et de données satellitaires CM SAF SARAH-3 (Pfeifroth et al., 2024) et de leurs prédécesseurs. Des informations détaillées sur ces données sont disponibles à l'adresse suivante : https://www.dwd.de/DE/leistungen/solarenergie/strahlungskarten_sum.html. Les données sont exprimées en kWh/m² au format raster Esri ASCII, avec une résolution de 1 × 1 km², et sont mises à jour sous 15 jours. Les données et leur documentation sont disponibles à l'adresse suivante : https://opendata.dwd.de/climate_environment/CDC/grids_germany/monthly/ Ces données conviennent aux applications climatiques en Allemagne, car elles couvrent la période de référence climatique actuelle (1991-2020). Une validation spécifique est recommandée pour l'analyse de séries temporelles, car les variations d'instrumentation (au sol et par satellite) au cours de la période peuvent introduire des inhomogénéités.
 
4.7. Données HYRAS (Hydrometeorological RASter data) 
 
HYRAS (HYdrometeorological RASter data) comprend les paramètres suivants : température à 2 m (moyenne journalière, maximale et minimale), humidité relative, précipitations et SSR (Small Surface Rate). Les méthodologies de base d’HYRAS sont décrites dans Rauthe et al. (2013) (précipitations) et Razafimaharo et al. (2020) (température à 2 m et humidité relative). L'ensemble de données actuel de rayonnement solaire de surface HYRAS est appelé « HYRAS-DE-RSDS v4–0 ». Une brève description est disponible dans Brendel et al. (2021). Cet ensemble de données couvre l'Allemagne et est fourni sur une grille de 5 km x 5 km. Il couvre actuellement la période 1951-2020 et est disponible sous forme de moyennes journalières et mensuelles, ainsi que de moyennes pluriannuelles en W/m². HYRAS est mis à jour tous les 5 ans et la prochaine mise à jour étendra l'ensemble de données jusqu'en 2025. Les données sont principalement basées sur des mesures de rayonnement global effectuées par des stations (pyranomètre et pyrhéliomètre/pyranomètre SCAPP) et sur la durée d'ensoleillement. Elles sont disponibles sur une grille ETRS89-extended / LAEA Europe (EPSG : 3035) au format NetCDF. Bien que principalement basées sur des données de stations, les données satellitaires CM SAF SARAH-2.1 sont également utilisées pour améliorer la représentation spatiale. Une analyse en composantes principales de l'indice de ciel clair a donc été réalisée. Le calcul du rayonnement solaire de surface (SSR / SSR par ciel clair) a été effectué pour chaque mois calendaire de la période 1983-2020 afin d'améliorer l'interpolation grâce aux informations spatiales issues des données satellitaires. Ceci est particulièrement important pour les premières décennies d'HYRAS, où les données de stations sont moins nombreuses. De plus, les données de stations disponibles pour les premières décennies (1951-1980) proviennent presque exclusivement de mesures de la durée d'ensoleillement. Ces données sont converties en estimations du rayonnement solaire de surface à l'aide d'une approche d'Ångström-Prescott modifiée (Ångström, 1924 ; Prescott, 1940), qui intègre les données de teneur en eau liquide de la colonne nuageuse totale issues de la réanalyse ERA-5, en plus de la durée d'ensoleillement, dans une régression linéaire multiple. Comme son nom l'indique, l'un des principaux domaines d'application d'HYRAS est l'hydrométéorologie, mais il est également utilisable pour l'analyse climatique, car il couvre la plus longue période parmi les enregistrements de données présentés ici. De plus, cet ensemble de données est principalement basé sur des mesures au sol. Le L'ensemble de données HYRAS peut être téléchargé via le serveur de données ouvertes du DWD à l'adresse https://opendata.dwd.de/climate_environment/CDC/grids_germany/[daily/monthly/multi_annual]/hyras_de/radiation_global/ et contient des informations complémentaires. 
 
5. Guide d'utilisation 
 
Dans cette section, tous les ensembles de données décrits dans la section 4 sont classés selon leurs domaines d'application potentiels. En fonction des caractéristiques de chaque produit de données, le produit recommandé pour chaque domaine d'application est présenté. Les limitations potentielles des données pour le domaine d'application envisagé sont également abordées. De manière générale, compte tenu des exigences des différents domaines d'application, telles que décrites dans la section 3, il est possible de fonder une recommandation d'utilisation sur plusieurs critères, par exemple la résolution spatiale, la couverture géographique, la résolution temporelle, l'actualité, la longueur de l'ensemble de données, la qualité, les métadonnées et les données auxiliaires, ou toute combinaison de ces critères. Le tableau 2 présente un aperçu de la disponibilité spatiale et temporelle de tous les ensembles de données SSR présentés. On constate que la résolution spatiale est plus élevée pour les ensembles de données dont la résolution spatiale est plus faible.  
Couverture. 
Tableau 2. Aperçu de la couverture spatiale et temporelle des jeux de données de rayonnement de surface. Chaque enregistrement de données est associé à une couleur spécifique (voir la légende en bas de page). « Meteosat » désigne le champ de vision de Meteosat, qui comprend l'Europe, l'Afrique et les océans environnants.
 
De manière générale, les recommandations suivantes n'excluent pas l'utilisation de données en dehors du domaine d'application recommandé, mais une analyse complémentaire approfondie est nécessaire. 
 
Concernant la couverture géographique, plusieurs jeux de données (HOSTRADA, HYRAS, DUETT et les cartes et données mensuelles maillées) sont limités à l'Allemagne. Pour des données européennes ou mondiales, il convient d'utiliser SARAH-3, SPECMAGIC_NOW ou CLARA-A3 (mondiale) (Fig. 1, à gauche et au centre). 
 
La plupart des applications d'analyse et de surveillance du climat requièrent de longues séries temporelles et une homogénéité raisonnable des données. Pour la surveillance opérationnelle du climat, une mise à jour régulière des séries temporelles est essentielle. CLARA-A3, SARAH-3 et les cartes et données mensuelles maillées pour l'Allemagne répondent parfaitement à ces exigences. HOSTRADA, mis à jour régulièrement depuis 1995, est également recommandé. Il convient de noter que, pour l'analyse climatique, HYRAS fournit la plus longue série temporelle, remontant à 1951, mais n'est mise à jour que tous les 5 ans. La figure 3 compare les cinq séries de données adaptées aux applications climatiques. Elle présente les climatologies pour la période commune 1995-2020, basées sur les moyennes mensuelles. Les climatologies concordent bien, avec des schémas spatiaux et des amplitudes similaires. Des valeurs de SSR plus élevées sont observées dans le sud de l'Allemagne et plus faibles dans les zones montagneuses et au nord, tandis que de légères différences régionales entre les séries de données apparaissent. La figure 4 présente la série temporelle des anomalies mensuelles (par rapport à la moyenne mensuelle pluriannuelle) des séries de données climatiques. On observe une bonne concordance des anomalies mensuelles et de leurs moyennes mobiles sur 3 mois entre les séries de données climatiques. Les tendances linéaires pour la période 1995-2020 concordent également très bien (voir tableau 3). Sur la base des valeurs des intervalles de confiance à 95 %, une tendance positive significative d'environ +4 W/m² par décennie est observée pour les cinq séries de données. Cela correspond à une augmentation d’environ 3,2 % par décennie et est cohérent avec la tendance rapportée dans Püschel et al. (2022).
 
 

  1. Download: Download high-res image (816KB)
  2. Download: Download full-size image

Fig. 3. Climatologies du SSR [W/m2] pour les enregistrements de données/cartes mensuelles DWD (« DWD »), HOSTRADA, HYRAS, SARAH-3 et CLARA-A3 pour le domaine commun de l'Allemagne et la période 1995-2020.


  1. Download: Download high-res image (707KB)
  2. Download: Download full-size image
 
Figure 4. Séries temporelles des anomalies mensuelles [W/m²], moyennes mobiles sur 3 mois et tendances linéaires des jeux de données mensuels DWD/cartes, HOSTRADA, HYRAS, SARAH-3 et CLARA-A3 pour l'Allemagne sur la période 1995-2020. Tableau 3. Moyenne du rayonnement solaire (SSR) pour l'Allemagne à partir des différentes séries de données climatiques sur la période 1995-2020, incluant les tendances linéaires [W/m²/décennie] et leur intervalle de confiance à 95 %.
 
Données :         Moyenne [W/m²] ; Tendance avec intervalle de confiance [W/m²/décennie] 
Cartes DWD :              124,1 ;                                   4,0 [1,8 ; 6,3] 
HOSTRADA :            126,1 ;                                   4,5 [2,3 ; 6,7] 
HYRAS :                    120,1 ; ​​                                  3,8 [1,6 ; 6,0] 
SARAH-3 :                 126,7 ;                                   4,6 [2,3 ; 6,9] 
CLARA-A3 :             124,4 ;                                    4,3 [2,1 ; 6,6]
 

Pour les applications de surveillance en temps réel et de prévision immédiate, la rapidité de la transmission des données est un aspect crucial. Les données SPECMAGIC_NOW et DUETT sont celles qui se rapprochent le plus du temps réel, avec une échéance de seulement 5 à 10 minutes. 
 
 Pour les évaluations de modèles et les études de processus avec des modèles climatiques ou météorologiques, et selon l'objectif spécifique, outre la couverture spatio-temporelle, la résolution spatiale et temporelle des données est également importante. Pour une telle application, chaque jeu de données peut servir de données de référence (par exemple, Pfeifroth et al., 2012 ; Urraca et al., 2018), mais il est recommandé d'utiliser SARAH ou CLARA. Concernant les études de processus basées sur des modèles, DUETT et SPECMAGIC_NOW constituent également un bon choix. Lors de comparaisons de données (par exemple, pour l'évaluation de modèles), il est important de considérer les fenêtres d'agrégation temporelle des données, qui peuvent être instantanées (comme les données SARAH de 30 minutes), cumulées ou moyennées (comme c'est souvent le cas pour les sorties de modèles). 
 
Les enregistrements de données incluant à la fois des données satellitaires et des données de stations présentent l'avantage potentiel de réduire les biais possibles des produits issus uniquement des données satellitaires lorsqu'ils sont combinés à des données de stations de haute qualité. 
 
Pour les applications liées aux énergies renouvelables, les données SARAH sont recommandées, sauf si des observations quasi temps réel sont nécessaires. Kaspar et al. (2019) et Drücke et al. (2021) l'ont démontré avec succès. L'utilisation des données SSR pour l'estimation de la production d'énergie des systèmes photovoltaïques a été démontrée par Huld et al. (2012). Pour les applications d'IA et d'apprentissage automatique, les données SARAH sont recommandées. Carpentieri et al. (2022) et Schuurman et Meyer (2025) ont entraîné avec succès des modèles d'apprentissage automatique à l'aide des données SARAH.  
 
Pour des applications spécifiques, comme en hydrométéorologie et en météorologie technique, HYRAS et HOSTRADA constituent le choix idéal. Ces deux ensembles de données contiennent des paramètres supplémentaires (stockés dans des fichiers ou des couches additionnels au sein des mêmes fichiers). De plus, HOSTRADA met l'accent sur les effets de la chaleur urbaine grâce à ses paramètres de température haute résolution dédiés. Outre le rayonnement solaire de surface (SSR), HYRAS inclut des données de précipitations, de température et d'humidité relative pour les bassins versants, afin de répondre aux besoins des applications hydrométéorologiques. 
 
6. Conclusions et perspectives 
 
Cet article présente un aperçu des ensembles de données de rayonnement solaire de surface maillés actuellement fournis par le Deutscher Wetterdienst (Service météorologique allemand), adaptés à un large éventail d'applications spécifiques. 
 
 Les tableaux 1 et 2 présentent les détails et les principales propriétés de tous les ensembles de données sous forme de synthèse. Des comparaisons quantitatives sont présentées dans les figures 3 et 4 et le tableau 3 pour les cinq séries de données climatiques, ainsi que pour leur période et leur région communes. Globalement, les données concordent assez bien en ce qui concerne la climatologie, les séries temporelles des anomalies mensuelles et leurs tendances linéaires sur la période 1995-2020. Le rayonnement solaire moyen (SSR) est d'environ 124 W/m², les valeurs les plus basses étant enregistrées dans HYRAS et les plus élevées dans SARAH (Tableau 3). Les valeurs légèrement inférieures observées dans HYRAS s'expliquent principalement par l'utilisation de mesures du SSR (pyranomètre et SCAPP) et de la durée d'ensoleillement. Sur la période commune, on observe une tendance positive significative d'environ +4 W/m²/décennie dans toutes les données climatiques considérées. 
 
Ce document vise à fournir aux utilisateurs des indications sur la pertinence des données et le domaine d'application recommandé pour chaque jeu de données. De manière générale, toutes les recommandations formulées ici reposent sur les connaissances actuelles en matière d'applications, de conception et de mise en œuvre des algorithmes. En définitive, il appartient à l'utilisateur de décider en fonction de son cas d'utilisation ou de son application spécifique, en tenant compte de ces recommandations.
 
Un aspect déterminant de l'applicabilité des données SSR est leur couverture spatiale et temporelle. Les jeux de données incluant les observations des stations sont limités à l'Allemagne, tandis que les données exclusivement satellitaires offrent une couverture géographique plus large, voire mondiale. Certaines séries de données sont dédiées aux applications climatiques (SARAH-3, CLARA-A3 ou HYRAS), tandis que d'autres (DUETT et SPECMAGIC_NOW) privilégient la fourniture de données quasi temps réel, au détriment de la durée de leurs enregistrements. 
 
 Pour de nombreuses applications climatiques, il est essentiel de couvrir la période de référence climatique actuelle (1991-2020), incluse dans SARAH-3, CLARA-A3 et les cartes et données SSR mensuelles de l'Allemagne. HYRAS présente l'avantage de couvrir également la période de référence climatique 1961-1990. Des applications climatiques spécifiques, comme le calcul des tendances, requièrent des séries temporelles stables et homogènes. Cependant, la production d'un enregistrement de données homogène de rayonnement solaire de surface (RSS) demeure un défi, car la source des données d'observation évolue généralement au fil du temps : les stations sont déplacées ou ne sont pas disponibles en continu, les appareils de mesure changent et les instruments se dégradent. De plus, les instruments et les constellations satellitaires évoluent également. Grâce aux efforts déployés en matière d'homogénéité, les ensembles de données SARAH-3 et CLARA-A3 se sont révélés adaptés à de telles applications. De manière générale, il est également recommandé, pour chaque utilisation spécifique, de procéder à une validation dédiée des enregistrements de données, si possible (par exemple, Urraca et al., 2024). 
 
 Une autre caractéristique importante des données est leur extension opérationnelle continue dans le temps (idéalement avec une courte période de mise à jour), nécessaire pour des applications de surveillance telles que les anomalies climatiques ou la production d'énergies renouvelables. La plupart des ensembles de données présentés ici sont régulièrement mis à jour et sont recommandés pour de telles applications. 
 
Deux des ensembles de données sont conçus à des fins spécifiques (HYRAS pour l'hydrométéorologie et HOSTRADA pour la météorologie technique) et fournissent de nombreux paramètres supplémentaires en plus du RSS. Les produits satellitaires SARAH, CLARA et SPECMAGIC_NOW fournissent des données sur des grilles régulières de longitude/latitude, tandis que les données pour l'Allemagne sont généralement fournies sur des grilles à surface équivalente. Tous les jeux de données, à l'exception des « cartes et données mensuelles maillées », sont fournis au format NetCDF et sont accessibles gratuitement. 
 
Si des observations de surface de haute qualité du rayonnement solaire de surface (SSR) par pyranomètres restent nécessaires comme référence pour les données SSR satellitaires maillées, les nouvelles générations de satellites météorologiques, comme les satellites METEOSAT de 3e génération, offriront des résolutions spatiales et temporelles plus élevées, permettant ainsi d'obtenir des données SSR satellitaires encore meilleures. Elles permettront d'explorer et de développer de nouveaux domaines d'application pour ces données de télédétection. De même, pour les méthodes d'intelligence artificielle émergentes, des observations satellitaires de référence de haute qualité demeurent un prérequis essentiel. Des résolutions potentiellement plus élevées, une meilleure qualité et des latences de données plus faibles répondraient mieux aux besoins des nouvelles applications futures, au-delà des domaines d'application décrits à titre d'exemple dans cet article. En résumé, l'importance des observations satellitaires comme source de données pour la surveillance du rayonnement solaire (SSR) devrait encore croître. Le DWD, et en particulier le CM SAF d'EUMETSAT, s'engage à exploiter ces nouvelles générations de satellites pour l'élaboration de futurs produits de données, afin de répondre aux besoins du public en Allemagne et en Europe.
 
Déclaration de contribution des auteurs (CRediT) 

 
 U. Pfeifroth : Rédaction – première version, Méthodologie.  
J. Trentmann : Rédaction – première version, Méthodologie.  
S. Brinckmann : Rédaction – première version.  
R. Hollmann : Rédaction – première version, Supervision, Méthodologie, Conceptualisation. 
 
Déclaration de conflits d’intérêts Les auteurs déclarent n’avoir aucun conflit d’intérêts financier ou personnel susceptible d’avoir influencé les travaux présentés dans cet article. 
https://www.sciencedirect.com/science/article/pii/S2950630125000250?utm_source=substack&utm_medium=email#fig0004
 
Références

 

 









Publié par



à





24 commentaires:
  























Thèmes :
,
,
,
,
,
,
,
,
























        

      









Inscription à :
Commentaires (Atom)








Powered By Blogger