CYCLOPES est un projet financé par l’Union Européenne dans le cadre du 5ième PCRD, qui a également bénéficié du soutien financier du CNES, de la Région Midi-Pyrénées, et du Réseau Terre et Espace.

Coordonné par l’INRA Avignon, CYCLOPES a été entièrement réalisé dans le cadre du pôle thématique POSTEL. Les Centres d’Expertise ont conçu les algorithmes :

• l’équipe SI/MO du Cnes : détection nuageuse (avec le soutien de Noveltis), correction atmosphérique, filtrage des nuages et aérosols résiduels
• l’équipe MATIS du CNRM : normalisation des effets directionnels
• l’équipe CSE de l’INRA Avignon : estimation des variables biogéophysiques (LAI, FAPAR, FCover). Ces algorithmes sont décrits dans Baret et al. (2007).

Le Centre de Service a mis au point les chaînes de traitement opérationnelles, a réalisé la production, et assure la distribution des produits vers la communauté scientifique.

Les produits CYCLOPES (réflectances de surface normalisées, LAI, fAPAR, et FCover) sont issus des données du capteurs VEGETATION. Ils sont globaux, à 1km de résolution, et couvrent la période 1999 - 2007 avec un pas de temps de 10 jours.

Les LAI et FAPAR CYCLOPES ont été validés par comparaison aux produits MODIS et par comparaison à des mesures terrain. Les résultats sont présentés dans Weiss et al., (2007). De plus, le LAI CYCLOPES participe à un exercice d’intercomparaison des produits LAI globaux existants (CYCLOPES, ECOCLIMAP, GLOBCARBON, MODIS), coordonné par GSFC/NASA en collaboration avec POSTEL et les autres fournisseurs de produits. Les premiers résultats de ce travail ont été présentés au Global Land Vegetation Monitoring workshop de Missoula (8-10 août 2006). L’étude complète, décrite dans Garrigues et al., 2008, conclut que le LAI CYCLOPES montre la meilleure cohérence spatio-temporelle, et se compare le mieux aux données terrain spatialisées (figure ci-dessous)(VALERI, BIGFOOT, etc...), malgré un niveau de LAI un peu faible sur les végétations les plus denses.

Comparaison des LAI CYCLOPES, ECOCLIMAP, GLOBCARBON et MODIS avec des données terrain spatialisées acquises sur divers types de végétation : crop (rouge), grass (orange), Evergreen Needleleaf forest (vert clair), Evergreen Broadleaf Forest (vert foncé), et Mixed (ENF+DBF) Forest (magenta) (d’après Garrigues et al., 2007) .

Des utilisateurs privilégiés ont été identifiés dans le cadre du projet pour tester l’utilité des produits pour deux applications liées au changement climatique :

• UCL : détection et catégorisation des changements d’utilisation des surfaces
• MPI-Jena et MPI-Hamburg : modélisation du cycle du carbone.

D’autres applications utilisent les produits CYCLOPES. Ainsi, le CNRM a comparé le LAI simulé par le schéma de surface ISBA-A-gs (Calvet et al, 1998, 2004, 2008) sur 3 années sur le sud-ouest de la France avec le LAI CYCLOPES et le LAI MODIS. Cette étude a montré que les larges différences entre les produits satellites et les simulations étaient un indicateur important des limites du modèle (Brut et al., 2009). Ainsi, la grande différence sur la date de début du cycle végétal (Figure ci-dessous) des herbacées naturelles C3 a permis d’identifier une faiblesse du modèle confirmée par des mesures in-situ.

Différence (en jours) sur le début du cycle végétal entre les simulations ISBA-A-gs et le produit CYCLOPES (en haut) et le produit MODIS (en bas) pour les années 2001, 2002 et 2003. (d’après Brut et al., 2009

On peut également citer comme exemple les activités du LTHE dans le cadre du projet AMMA. Le LAI CYCLOPES est l’une des entrées du schéma de surface ISBA (Noilhan et Planton, 1989) qui est couplé au modèle C-MEB (Pellarin et al., 2006a) pour simuler l’émission micro-onde d’une scène. La température de brillance (TB) simulée est ensuite comparée au produit TB dérivé du capteur AMSR-E (ci-dessous). L’étude, dont l’objectif est d’établir une cartographie régionale haute résolution de l’humidité sur sol, réalisée sur le site du Niger (Pellarin et al., 2006b) peut être étendue au Bénin et au Mali.

Température de Brillance (TB) simulée par le modèle C-MEB à 1km de résolution (gauche). Ré-échantilonnée à 25km (centre), elle est comparée à la TB mesurée par le capteur AMSR-E (droite) (d’après Pellarin et al., 2006b).

Baret, F., O. Hagolle, B. Geiger, P. Bicheron, B. Miras, M. Huc, B. Berthelot, f. Nino, M. Weiss, O. Samain, J.L. Roujean, and M. Leroy, LAI, FAPAR, and FCover CYCLOPES global products derived from Vegetation. Part 1 : principles of the algorithm, Remote Sensing of Environment, 110:305-316, 2007.

Brut, A., C. Rudiger, S. Lafont, J.-L. Roujean, J.-C. Calvet, L. Jarlan, A.-L. Gibelin, C. Albergel, P. Le Moigne, J.-F. Soussana, K. Klumpp, D. Guyon, J.-P. Wigneron, and E. Ceschia, Modelling LAI at a regional scale with ISBA-A-gs : comparison with satellite-derived LAI over southwestern France, Biogeosciences, 6, 1389-1404, 2009.

Calvet, J.-C., J. Noilhan, J.-L. Roujean, P. Bessemoulin, M. Cabelguenne, A. Olioso, and J.-P. Wigneron, An interactive vegetation SVAT model tested against data from six contrasting sites, Agricultural Forest Meteorology, 92, 73-95, 1998.

Calvet, J.-C., V. Rivalland, C. Picon-Cochard, and J.-M. Guehl, Modelling forest transpiration and CO2 fluxes : response to soil moisture stress, Agricultural Forest Meteorology, 124(3-4), 143-156, 2004.

Calvet, J.-C., A.-L. Gibelin, J.-L. Roujean, E. Martin, P. Le Moigne, H. Douville, and J. Noilhan, Past and future scenarios of the effect of carbon dioxide on plant growth and transpiration for three vegetation types of southwestern France, Atmospheric Chemistry and Physics, 8, 397-406, 2008.

Garrigues, S., R. Lacaze, F. Baret, J.T. Morisette, M. Weiss, J. Nickeson, R. Fernandes, S. Plummer, N.V. Shabanov, R. Myneni, W. Yang, Validation and Intercomparison of Global Leaf Area Index Products Derived From Remote Sensing Data, Journal of Geophysical Research, 113, G02028, doi:10.1029/2007JG000635, 2008.

Noilhan, J, and S. Planton, A simple parameterization of land surface processesfor meteorological models, Monthly Weather Review, 117, 536-549, 1989.

Pellarin, T., Y.H. Kerr, J.-P. Wigneron, Global simulation of brightness temperatures at 6.6 and 10.7 Ghz over land based on SMMR data set analysis, IEEE Transactions on Geoscience and Remote Sensing, vol.44, Issue 9, pp 2492-2505, 2006a.

Pellarin, T., J.-M. Cohard, J.-P. Laurent, L. Descroix, High resolution soil moisture mapping using AMSR-E brightness temperatures over the Niger site of the AMMA project, RAQRS Symposium, Valencia, 2006b

Weiss, M., F. Baret, S. Garrigues, and R. Lacaze, LAI and FAPAR CYCLOPES global products derived from Vegetation. Part 2 : validation and comparison with MODIS C4 products, Remote Sensing of Environment, 110:317-331, 2007.