Détermination Du Rayonnement Solaire À L'aide D'images Satellitaires

Détermination du rayonnement solaire à l’aide d’images
satellitaires
Lamissa Diabaté
To cite this version:

Lamissa Diabaté. Détermination du rayonnement solaire à l’aide d’images satellitaires. Météorologie.
École Nationale Supérieure des Mines de Paris, 1989. Français. �NNT : �. �pastel-00956223�
HAL Id: pastel-00956223

https://pastel.hal.science/pastel-00956223
Submitted on 6 Mar 2014
HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
THESE
présentée à
L'ECOLE NATIONALE SUPERIEURE DES MINES DE PARIS
par
Lamissa DIABA TE
pour obtenir
LE TITRE DE DOCTEUR
EN
ENERGETIQUE
DETERMINA TlON DU RAYONNEMENT SOLAIRE

A L'AIDE D'IMAGES SATELLITAIRES
soutenue le 9 Juin 1989, devant le Jury composé de :
MM. R. GICQUEL ........................................ Président

c. PERRIN DE BRICHAMBAUT ...... Rapporteur
L. ELEGANT .. .. .. .. .. .. .. .. .... .. .... .. .... .. .. .. . Examinateurs
J.-M. MONGET ....................................... ..
J.-L. DOMERGUE .................................. .
L. WALD .............................................. .
CENTRE DE TELEDETECTION ET D'ANALYSE DES MILIEUX NATURELS

'~
ECOLE NATIONALE SUPERIEURE DES MINES DE PARIS- SOPHIA-ANTIPOLIS
REMERCIEMENTS
Cette étude a été réalisée au Centre de Télédétection et d'Analyse des Milieux Naturels
(CTAMN) de l'Ecole Nationale Supérieure des Mines de Paris (ENSMP) à Sophia-Antipolis.
Je remercie Monsieur J.-M. Monget, Directeur du CTAMN, de m'avoir accueilli dans son
centre et d'avoir bien voulu juger ce travail.
La direction de cette étude a été assurée par Monsieur L. Wald, à qui j'exprime toute ma
reconnaissance pour ses conseils enrichissants, et pour son esprit de franche collaboration.
Je remercie, Monsieur R. Gicquel, Directeur du Centre d'Energétique de l'ENSMP, qui a

accepté d'être, d'une part rapporteur sur ce travail, et d'autre part président du jury.
Monsieur Perrin de Brichambaut, Ingénieur Général · de la Météorologie, apporte l'aval

d'instances extra-écoles. Je le remercie, pour ses conseils judicieux et enrichissants, pour sa
disponibilité, et enfin d'avoir accepté d'être rapporteur sur ce travail.
Je remercie Me:;sieurs L. Elégailt, Professeur à l'Université de Nice, J.-L. Domergue, Chargé

de mission au Ministère de la Coopération et du Dévéloppement, d'avoir accepté de juger ce
travail.
Mes remerciements vont également à Messieurs M. Albuisson, Directeur-adjoint du CTAMN,

J.-L. Plazy à l'Agence Française pour la Maîtrise de l'Energie, pour leur soutien et leur aide
dans la réalisation de ce travail.
Enfin que les personnes qui m'ont apporté leur soutien moral ou matériel trouvent ici
l'expression de ma reconnaissance.
- 3 -
SOMMAIRE
Chapitre 1 Introduction Générale........................................................................................... 6
Chapitre 2 : Présentation de la méthode Heliosat ................................................................. 13

2.1 Données satellitaires : rectification et filtrage des images
satellitaires ... ............... ........................................................................ ......... ....... 16
2.2 Construction de la carte d'albédo de référence et sa
réactualisation .. .... ...................... .................................................... ..................... 16
2.2.1 Normalisation
2.2.2 Construction de la carte d'albédo planétaire par ciel clair
2.2.3 Réactualisation de la carte d'albédo planétaire par ciel clair
2.3 Détermination de l'indice d'ennuagement .......................................................... 23
2.4 Relations statistiques entre le coefficient de transmission
globale et l'indice d'ennuagement ..................................................................... 24
2.5 Détermination du rayonnement global horaire au sol ....................................... 25
Chapitre 3 Détermination du rayonnement global journalier en moyenne

mensuelle - Présentation de la station Heliosat .......................................... 27
3.1 Détermination du rayonnement global journalier en
moyenne mensuelle ............................................................................................ 28
3.1.1 Position du problème
3.1.2 Recherche d'un modèle mathématique
3.1.3 Calcul du rayonnement global journalier en moyenne mensuelle
3.1.4 Schéma synoptique de la démarche mathématique
3.1.5 Application de la méthode
3.2 Présentation de la station Heliosat ...................................................................... 46
3.2.1 Composition de la station
3.2.2 Fonctionnement de la station
3.2.3 Discussion
- 4-
Chapitre 4 Comparaison entre le coefficient de transmission globale et

l'indice d'ennuagement et reconstitution du rayonnement solaire
global horaire - présentation et discussion des résultats ............................ 52
4.1 Relations entre le coefficient de transmission globale et
l'indice d'ennuagement ...................................................................................... 53
4.1.1 Résultats pour l'année 1983
4.1.4 Conclusion
4.2 Etude de la variation spatio-temporelle des relations entre
le coefficient de transmission globale et l'indice
d'ennuagement .................................................................................................... 80
4.2.1 En fonction de la latitude, de la longitude
4.2.2 En fonction de la hauteur du soleil
4.2.3 Conclusion
4.3 Reconstruction du rayonnement solaire global horaire ............................ ....... 111
4.4 Conclusion ........................................................................................................... 122
Chapitre 5 : Quelques exemples de cartes du rayonnement solaire global

réalisés avec la méthode Héliosat ................................................................ 139
5.1 Introduction ................................................................................................·.. :...... 140
5.2 Afrique de l'Ouest .............................................................................................. 141
5.2.1 Résultats de Juin 1984
5.2.2 Résultats de Décembre 1984
5.3 Europe de l'Ouest ............................................................................................... 143
5.4 Conclusion ........................................................................................................... 143
Chapitre 6 : Détermination du rayonnement solaire diffus au sol sur plan

horizontal à l'aide d'images satellitaires 154
6.1 Caractérisation du rayonnement solaire ............................................................ 155
6.2 Rayonnement diffus en fonction de l'angle solaire et de
l'indice d'ennuagement .................................................................................... 161
6.3 Rayonnement diffus en fonction de l'angle solaire et de la
nébulosité .......................................................................................................... 164
6.4 Conclusion ........................................................................................................... 165
- 5 -
Chapitre 7 : Conclusions et perspectives .............................................................................. 196
Chapitre 8 : Références bibliographiques ............................................................................. 200
Annexe [1] : Publication 1 : Une méthode de détermination de la

luminance apparente du sol à partir d'images en provenance
des satellites géostationnaires .......................................................................... 206
Annexe (2] : Publication 2 : Description d'un système opérationnel de

calcul du rayonnement solaire à partir d'images en
provenance des satellites géostationnaires ...................................................... 226
Annexe [3] : Publication 3 : Cartographie et étude de la variation

temporelle de l'albédo du sol de l'Afrique de l'Ouest au
cours de l'année 1984 à partir des images visibles du satellite
Météosat ........................................................................................................... 234
Annexe [4] : Rappel mathématique sur la détermination de l'axe d'inertie

d'un ensemble de points dans un repère cartésien ........................................ 246
Annexe [5] : Nomenclature des stations de mesurés de la Météorologie

Nationale Française ......................................................................................... 250
Annexe [6] : Publication 4 : Estimation du rayonnement solaire au sol à

l'aide d'images en provenance des satellites géostationnaires :
Projet Heliosat (résultats de l'année 1983) .................................................... 254
- 6-
CHAPITRE 1
INTRODUCTION GENERALE
- 7-
La bonne connaissance du rayonnement solaire dans le temps et dans l'espace requiert

l'examen des séries de mesures à des intervalles de temps rapprochés et doit être cernée dans
un concept cartographique. Cette cartographie du rayonnement solaire présente un intérêt
certain dans divers domaines, entre autres : l'agriculture, l'économie d'énergie dans les
habitats et dans l'industrie, les prévisions météorologiques, l'environnement, la climatologie
solaire et l'ingénierie solaire.
u~s atlas actuels du rayonnement solaire sont élaborés à partir des mesures au sol. Ces
mesures au sol sont essentiellement faites, soit par des pyranomètres (rayonnement global, ou
rayonnement diffus en utilisant un écran pour éliminer le rayonnement direct), soit par des
pyrhéliomètres (rayonnement direct à incidence normale), soit par des héliographes (durée
d'insolation), voire même par simple observation (nébulosité, visibilité).
Du fait du nombre insuffisant de stations de mesures pyranométriques, les données de la

durée d'insolation disponibles dans de nombreuses stations équipées d'héliographes sont
également utilisées pour calculer les moyennes mensuelles du rayonnement solaire global par
application de formulations empiriques utilisant la méthode d'Angstrôm (Angstrôm [1] ; Fritz
et al. [2] ; Schuepp [3] ; Black et al. [4] ; Masson [5] ; Perrin de Brichambaut et Vauge [6]).
La méthode d'Angstrôm est basée sur l'existence d'une relation linéaire entre la durée
d'insolation et le rayonnement solaire global.
Il est difficile d'évaluer exactement la précision de mesure aussi bien des appareils au sol que
des formules du type Angstrôm, du fait de nombreux facteurs intervenants, et seul un ordre
de grandeur peut être fourni. Concernant les mesures au sol, un très grand nombre de
paramètres influent sur la qualité de la mesure : lieu, fréquence de l'étalonnage, type
d'appareil, saison, durée des mesures, entretien et vérification quotidienne des résultats, ....
On peut, toutefois, admettre que la précision des mesures pyranométriques est environ de 5%
pour les valeurs horaires et qu'une précision de 2 à 3% est possible pour les moyennes
mensuelles horaires (WMO [7]).
La précision des formules du type Angstrôm dépend en partie du lieu de mesure et de la

durée des mesures. De plus, de nombreux travaux tels que ceux de Bourges [8] ont prouvé
que la linéarité des relations de ce type est vérifiée dans la mesure où la fraction d'insolation
(rapport de la durée d'insolation mesurée sur la durée d'insolation astronomique) reste
comprise entre 0,2 et 0,8. Pour les cas extrêmes (ciels clairs ou nuageux) des relations non
linéaires sont préférables (Perrin de Brichambaut et Vauge [6]). La précision de ce type
- 8 -
d'évaluation est estimée entre 10 et 15% en valeur décadaire et entre 7 et 8% en valeur

mensuelle.
Les atlas actuels sont construits par des méthodes d'interpolation à partir des stations de
mesure au sol. Etant donnée la faible densité du réseau de mesure, même dans les pays bien
équipés (quelques centaines de kilomètres), ces atlas ne présentent qu'une impression générale
de la distribution à grande échelle et en particulier ne peuvent rendre compte des micro-
climats. Dans les régions où le réseau est quasi-inexistant, voire même inexistant (cas des
océans par exemple), la situation est pire et les atlas sont souvent tracés en fonction
uniquement d'une hypothèse de répartition zonale du rayonnement solaire.
L'utilisation de données en provenance des satellites météorologiques, tant pour leur

résolution (1 à 25 km 2) que pour leur cadence d'acquisition (30 mn à 12 h) et aussi de la
grande dimension de la surface observée d'une façon instantanée, est très intéressante,
d'autant que ces données se prêtent bien à un archivage informatisé. L'exploitation de ces
données permet de caractériser l'état d'ennuagement et sa variation au cours de la journée sur
un pixel donné situé dans le champ de vision du radiomètre du satellite.
Au cours des· dix dernières années, de nombreuses études ont montré la possibilité de
cartographier à l'aide de données satellitaires le rayonnement solaire au sol et même d'autres
paramètres tels que l'indice d'ennuagement et l'albédo du sol (Grüter et al. [9] ; Tarpley [10] ;
Cano et al. [Il] ; Môser et Raschke [12] ; Pastre [13] ; Gautier et al. [14] ; Dedieu et al. [15],
parmi d'autres). Ces différentes études ont abouti à des méthodes d'estimation du
rayonnement solaire qui sont usuellement classées en deux catégories :
catégorie utilisant un modèle physique. Le principe consiste à modéliser les transferts

radiatifs du système Terre-atmosphère et à en déduire un paramètre censé représenter la
part de rayonnement arrivant au satellite. Puis une relation est établie entre ce paramètre
(mesures satellitaires) et les mesures du rayonnement au sol. La complexité des modèles
varie selon les auteurs (exemple : Gautier et al. [14] ; Dedieu et al. [15]),
- catégorie essentiellement statistique. Le principe consiste à établir une ou plusieurs

relations statistiques entre deux ensembles de données. L'un de ces ensembles sera
composé des mesures au sol (rayonnement global, durée d'insolation, etc ... ) ou leurs
dérivés (coefficient de transmission globale). L'autre ensemble sera celui des mesures
satellitaires ou leurs dérivés (exemple : Tarpley [10] ; Pastre [13]).
- 9 -
Cette division est en fait très artificielle. En effet les modèles dits statistiques utilisent
souvent des relations empiriques établies à l'aide de longues séries d'observations et il serait
impropre d'estimer que ces relations tiennent moins compte des processus physiques que les
modèles numériques de transfert radiatif. La physique est certainement décrite plus finement
dans les modèles numériques mais très souvent on introduit dans ces modèles des valeurs
standards ou climatologiques pat ignorance des valeurs exactes. On aboutit alors à des
résultats très similaires entre les modèles et les relations empiriques. Par ailleurs beaucoup de
méthodes dites physiques utilisent quelques relations établies statistiquement, ne serait-ce que
pour simplifier le modèle ou pour résoudre les problèmes de l'étalonnage du satellite et de
l'anisotropie de la réflexion.
Il n'est pas dans notre propos de présenter les méthodes publiées. Pour cela, on peut se
reporter aux études faites, par exemple, par Amado et al. [16], Cano [17], Michaud-Regas
[18] etGrüteret al. [9].
D'une manière générale, les méthodes d'estimation du rayonnement solaire global au sol
utilisent un traitement qui se décompose en quatre phases :
(i) mise en forme des données satellitaires (navigation, étalonnage),
(ii) détermination préalable d'une quantité (albédo, luminance, ... ) correspondant à la

réponse du sol ou du système atmosphère-sol par ciel clair,
(iii) idem à (ii) mais pour un ciel complètement couvert,
(iv) transformation des mesures de télédétection en données relatives à l'ensoleillement au

sol.
Un des problèmes rencontrés par toutes les méthodes réside dans la comparaison des résultats
d'un modèle et des mesures au sol pour estimer la précision de cette méthode. En effet, les
deux mesures (pyranométriques et satellitaires) sont de nature différente, du fait que les
pyranomètres fournissent des mesures continues dans le temps en différents lieux
géographiques précis (mesures intégrées dans le temps et ponctuelles dans l'espace) alors que
les mesures satellitaires sont acquises à des heures précises d'une manière presque instantanée
et sur une surface large de quelques km 2 (mesures instantanées et intégrées dans l'espace).
- 10 -
Pour passer outre ce problème, sans pour autant le résoudre, tous les auteurs utilisent la
notion de "turbulence gelée" (en anglais : frozen turbulence) : c'est-à-dire, remplacer une
moyenne temporelle par une moyenne spatiale en considérant le mouvement des nuages
comme uniforme et rectiligne. Ainsi, les mesures satellitaires à un instant donné sont
moyennées sur un carré de dimension fixée (variant selon les auteurs) et centré sur la
localisation de la station et ceci sans tenir compte du sens de déplacement des nuages. Cette
solution est loin d'être idéale mais il semble difficile de faire autrement sans faire intervenir
la connaissance du profil vertical du vent et celle de l'altitude des nuages.
Dans l'ensemble, les méthodes donnent de bons résultats, avec une erreur d'environ 10% du
rayonnement solaire au sol. Toutefois, du point de vue de l'ingénierie solaire, les outils
proposés offrent deux gros défauts. D'une part, ils nécessitent des moyens de calcul
importants et un accès relativement coûteux aux images satellitaires. D'autre part, la
présentation des données est généralement mal adaptée aux besoins de l'ingénierie.
Le Projet Heliosat, développé à l'Ecole Nationale Supérieure des Mines de Paris (ENSMP)
depuis 1978, tente de pallier ces défauts. Les objectifs de ce projet sont :
- réalisation d'un système pour l'estimation du rayonnement solaire au sol à l'aide de

données en provenance de satellites géostationnaires,
- production en temps réel de cartes, bien détaillées spatialement, du rayonnement solaire au

sol,
- amélioration du système en fonction des résultats et des progrès scientifiques.
Ce projet a été réalisé en trois phases jusqu'à présent. La première phase a consisté à
élaborer une méthode d'estimation du rayonnement solaire global horaire à l'aide d'images
satellitaires (Cano [17]). Quant à la seconde, elle a consisté à mettre en oeuvre la méthode
développée lors de la première phase (Demarcq [19]; Michaud-Regas [18]).
Les résultats exposés dans ce présent ouvrage, constituent l'essentiel de la troisième phase.
Dans le cadre du projet Heliosat, notre travail a eu deux objets :
(i) Le premier était la réalisation pratique d'une station autonome entièrement automatique
pour l'estimation du rayonnement solaire à l'aide d'images satellitaires en temps réel,
- 11 -
batie autour d'un micro-ordinateur. Pour celà, nous avons participé au développement
d'un logiciel robuste et fiable mettant en oeuvre la méthode Héliosat. Outre ce travail
du génie logiciel, notre apport scientifique réside dans la mise au point et la réalisation
sous forme logicielle d'un modèl.e de calcul du rayonnement journalier en moyenne
mensuelle. Ce travail d'équipe a abouti à la réalisation de quatre systèmes "clés en
main". Bien que nous ayant occupé plusieurs mois, cet aspect génie logiciel n'est bien
entendu pas abordé dans le cadre de cette thèse.
(ii) Le deuxième objet concerne la météorologie solaire et est de loin l'apport le plus
important de nos travaux. En collaboration avec Mr Perrin de Brichambaut, nous avons
examiné les relations existant entre un indice d'ennuagement dérivé des mesures
satellitaires selon la méthode Heliosat, avec différents paramètres utilisés · en
météorologie solaire etjou en ingénierie solaire : le coefficient de transmission
atmosphérique globale, le rayonnement solaire global sur plan horizontal, le
rayonnement solaire diffus sur plan horizontal, le trouble atmosphérique total, et la
"nébulosité totale" (suivant la formulation proposée par Perrin de Brichambaut [35],
page 19). Ce travail a été mené sur des ensembles de données déjà collectées au Centre
de Télédétection et d'Analyse des milieux naturels (CT AMN) de l'Ecole Nationale
Supérieure des Mines des Mines de Paris (ENSMP) pour les années 1983, 1984 et 1985.
Il est essentiellement statistique et constitue un apport original au développement de
l'utilisation de l'imagerie satellitaire en climatologie solaire. De plus, il justifie
l'hypothèse de turbulence "gelée" qui permet de représenter des grandeurs ponctuelles
intégrées temporellement par des grandeurs instantanées intégrées spatialement.
Cette étude revêt un caractère multidisciplinaire. En effet, bien que traitant essentiellement
de climatologie solaire, elle concerne également le traitement d'images numériques et la
télédétection.
Afin de faciliter la lecture de cet ouvrage, une présentation de la méthode Heliosat est
d'abord effectuée dans le chapitre 2. Cette méthode est dérivée de celle de Cano [17]
légèrement modifiée pour tenir compte de l'élevation du satellite dans le modèle de parcours
du rayonnement solaire Soleil-Terre-satellite (Moussu [20] ; Moussu et al. [21]). Elle est
exposée de façon· extensive pour permettre la compréhension de la suite du mémoire.
Dans le chapitre 3, une description assez briève de la station Heliosat est donnée en insistant
toutefois sur le modèle de calcul du rayonnement journalier que nous avons mis au point.
- 12 -
Les chapitres 4, 5 et 6 sont d'ordre climatologique. Dans le chapitre 4, sont établies

différentes relations entre l'indice d'ennuagement et le coefficient de transmission
atmosphérique globale. Ces relations .sont ensuite utilisées pour obtenir à titre d'exemples des
cartes de rayonnement solaire global sur l'Europe et sur l'Afrique de l'Ouest (Chapitre 5). Le
chapitre 6 traite des possibilités de déduire de l'indice d'ennuagement, la nébulosité totale et
le trouble atmosphérique total ainsi que le rayonnement solaire diffus .
. Dans le chapitre 7, une synthèse est faite sur les précisions des estimations obtenues dans
cette étude pour la reconstruction du rayonnement solaire. Quelques perspectives y sont
indiquées quant à l'amélioration de ces précisions. Ce chapitre peut offrir quelques intérêts
en ingénierie solaire.
Enfin, dans les annexes se trouvent quelques publications (annexes 1, 2, 3 et 6) qui sont nées
des résultats des travaux présentés dans cette thèse, ainsi que des indications d'ordre
technique (annexes 4 et 5).
- 13 -
CHAPITRE 2
PRESENTATION DE LA METHODE HELIOSAT

- 14 -
La méthode Heliosat pour l'évaluation du rayonnement solaire global au sol à l'aide de

données satellitaires a été développée au CTAMN - Ecole des Mines de Paris sous les
auspices de la Commission des Communautés Européennes (CCE) et de l'Agence Française
pour la Maîtrise de l'Energie (AFME). Les données satellitaires utilisées proviennent du
satellite Météosat.
Ce satellite européen fait partie d'un ensemble de satellites géostationnaires mis en place dans
le cadre du programme de recherche sur l'atmosphère globale (G.A.R.P.) afin de réaliser une
observation permanente de la plus grande partie du globe terrestre. Ces satellites sont placés à
36 000 km de la surface de la Terre sur des arbitres presque circulaires situées sur l'équateur,
et apparaissent immobiles par rapport à la Terre. Les coordonnées du point de la Terre sous
le satellite sont 0 N en latitude et 0 E en longitude.
Météosat a été conçu pour trois fonctions (Morgan [22]) :
(i) Observation permanente de la Terre. Cette fonction prend en compte les besoins de la
météorologie. Le satellite est équipé d'un radiomètre qui effectue une auscultation
complète du globe terrestre tous les 30 mn. Les données établies par ce radiomètre sont
reçues à la station terrestre de Darmstadt (République Fédérale d'Allemagne) qui
effectue alors. un certain nombre de traitement et d'extraction d'informations.
(ii) Diffusion des données et des informations extraites. La station terrestre de Darmstadt
utilise le satellite Météosat comme relais spatial pour retransmettre aux utlisateurs soit
les données brutes, soit des données élaborées.
(iii) Collecte des données. Le satellite Météosat sert aussi de relais pour la transmission des
mesures effectuées par les stations terrestres.
L'un des principes du Projet Heliosat était d'utiliser les images reçues directement au
CTAMN par une station secondaire (SDUS). Ce type de station reçoit des images dans le
format universel analogique Wefax. Ces images sont numérisées par un convertisseur puis
transmises au micro-ordinateur pilote. Les images Wefax sont des images retransmises par
Darmstadt via Météosat. La fréquence des images d'une zone n'est pas la même que pour les
stations primaires (PDUS) et varie selon la zone. Par exemple, 30 minutes pour l'Europe en
infra-rouge thermique et à peu près 3 heures pour les autres zones. Si la fréquence est de 30
minutes également pour pour le canal visible haute résolution (2,5 km au nadir) en Europe, il
- 15 -
faut 2 images pour couvrir 1'Em:ope. Aussi, il fut décidé en 1982 d'utiliser les images
"visibles" de plus faible résolution (5 km). Une seule image, dans ce cas, couvre l'Europe
mais jusqu'à très récemment, seules trois images bien éclairées étaient disponibles par jour :
matin, midi et après midi.
La méthode Héliosat est une méthode faisant appel à des concepts physiques et statistiques.
Brièvement décrite, elle consiste à déterminer un indice d'ennuagement à l'aide des images
"visibles" (0,4 - 1,1 micromètre), indice qui est un indicateur· du chemin optique parcouru
par le rayonnement solaire. Cet indice est statistiquement lié au rayonnement global solaire
au sol sur plan horizontal. Les différentes relations statistiques entre l'indice d'ennuagement
et le rayonnement solaire global au sol seront examinées dans le chapitre 4 de cet ouvrage.
C'est une méthode qui permet un traitement automatique, et ceci en temps réel, des images
en provenance des satellites géostationnaires. Actuellement, bien que nos travaux en aient
montré la possibilité (cf. chap. 6), la méthode. Heliosat ne produit pas de cartes du
rayonnement diffus mais uniquement du global horaire et journalier. Sa réalisation a
nécessité plusieurs années de recherche et a fait l'objet de plusieurs thèses (Cano [ 17] ;
Demarcq [19] ; Michaud-Regas [18] ; Moussu [20]).
Notre apport à cette méthode se résume principalement à la conception et réalisation du

modèle du rayonnement journalier en moyenne mensuelle. Ceci nous a amené à adopter une
présentation qui consiste dans un premier temps à exposer la méthode Heliosat, sans le
rayonnement journalier, dans ce chapitre (chapitre 2) et dans un second temps (chapitre 3), à
aborder le modèle de rayonnement journalier en moyenne mensuelle, ainsi que la description
de la station Heliosat.
La méthode Heliosat, hors rayonnement journalier, se décompose en plusieurs étapes :
- rectification géométrique des images satellitaires et filtrage du bruit,
- construction de la carte d'albédo de référence et sa réactualisation,
- détermination de l'indice d'ennuagement,
- relation entre le coefficient de transmission globale et l'indice d'ennuagement,

- 16 -
- détermination du rayonnement global horaire instantané au sol sur plan horizontal,
2.1 Rectification géométrique et filtrage du bruit de mesure du capteur du satellite
Les données satellitaires se présentent sous forme de matrice (image) de nombres entiers
(appelés comptes numériques ou DC) représentant la réponse du capteur en chaque point
élémentaire (pixel) et répartis sur une échelle 0-255 supposée linéaire en fonction de
l'énergie éclairant le capteur. Ces images brutes présentent un certain nombre de défauts
lorsqu'il s'agit de les comparer entre elles. Pour une comparaison spatiale et temporelle des
résultats obtenus après traitement, il est nécessaire et même indispensable que les images
soient superposables les unes par rapport aux autres.
Chaque image brute présente des croix de référence (toutes les dizaines de degrés de latitudes
et longitudes). Un programme évalue, les
f
paramètres de la correction géométrique (translation
dans le cas de Météosat) afin de superposer les croix de l'image acquise sur celles de la carte
d'albédo du sol préalablement définie (Moussu [20]). Après la correction géométrique, l'image
est filtrée à l'aide d'un filtre médian - moyenne arithmétique respectivement en lignes et en
colonnes, afin d'éliminer le bruit de mesure.
2.2 Construction de la carte d'albédo de référence et sa réactualisation
D'une manière générale, l'albédo des nuages est plus élevé que celui des sols exceptés ceux
des neiges et de quelques sols désertiques. En effet, sur une série temporelle d'images, la
présence d'un nuage dans le champ de visée du capteur du satellite se traduit par un saut de
la luminance mesurée. La détection du nuage est obtenue par la différence entre la forte
réponse induite par le nuage et la luminance mesurée par ciel clair.
Partant de cette idée, on examine pour chaque pixel l'évolution temporelle des luminances et
on évalue récursivement l'albédo référence (albédo du sol) qui minimise la variance de l'écart
entre les luminances mesurées et celles déduites d'un modèle de ciel clair, les cas nuageux
étant écartés à chaque itération.
L'albédo du sol change en fonction de la couverture végétale, . donc des variations

saisonnières. Ceci explique la nécessité de réactualiser ce paramètre.
- 17 -
La construction de la carte d'albédo de référence et sa réactualisation passent par plusieurs

étapes :
- le choix du modèle ciel clair qui permettra de normaliser chaque compte numérique par
rapport à ce modèle,
- la construction de la carte de luminance normalisée par ciel clair, autrement dit la

construction de l'albédo du sol,
- la réactualisation de l'albédo du sol,
La normalisation et la construction de la carte d'albédo sont abondamment discutées dans

l'annexe [6] et nous n'en faisons ici qu'une présentation plus sommaire.
2.2.1 Normalisation
L'albédo du sol, pg, est défini comme étant le rapport de l'énergie réfléchie sur celle arrivant
au sol. Les sols en général ont approximativement une réflexion lambertienne pour les angles
d'observation qui nous concernent (excepté sur l'eau et les sols neigeux) avec une faible
erreur pour les hauteurs de soleil supérieures à 40 (Pinker et Razgaittis [23] ; Reeves et al.
[24]). Pour un ciel très clair, dans lequel on peut négliger le rayonnement diffus dans
l'atmosphère, l'albédo du sol pour chaque pixel peut être formalisé de la façon suivante :
Pg = [rrL(Y)/(K c(Y) g(Y))]/[K c(v) I 0 sin(v) f.] (2.1)

J
avec:
L(Y) luminance mesurée par le capteur du satellite,

y élévation du satellite pour le pixel considéré,
v élévation du soleil pour le pixel considéré,
K c(Q) facteur de transmission globale de l'atmosphère par ciel clair sous un angle Q (Q
est égal soit à y - direction satellite ou à v - direction soleil),
constante solaire,
facteur de correction de la distance Terre-Soleil pour un jour j de l'année,
- 18 -
g(y) . facteur de dépendance du rayonnement réfléchi par rapport à l'angle de

réflexion (y).
Les symboles ci-dessus sont représentés physiquement par la figure 2.1.
La réponse (compte numérique DC) du capteur étant linéaire :
rrL = c.DC + d (2.2)
Et si DC 0 est la réponse du capteur lorsqu'il observe l'espace :
rrL = c( DC - DC0 ) (2.3)
la relation (2.1) devient alors :
pg = c(DC- DC 0 )/(K c(Y) K c(v) g(y) sin(v) 1 f.)

J
0 (2.4)
la quantité CC donnée par l'expression :
CC =. (DC - DC 0 )/(K c(y) K c(v) g(y) sin(v) f.)

J (2.5)
est appelée compte numérique normalisé. Elle représente aussi le facteur de réflexion
bidirectionnel (direction Soleil - direction satellite).
Ainsi P.g devient :
P.g = (c.CC)/10 = e.CC (2.6)
La détermination du facteur CC est liée à la connaissance des fonctions suivantes : K (Y),

c
K (v), ·g(y), sinv et f ..
c J
Les fonctions sinv et f.J sont données par des formules classiques très connues en astronomie
et en climatologie (cf. par exemple Perrin de Brichambaut et Vauge [6]).
La formulation de K c(Y) et K c(v) suppose que le .coefficient de transmission globale de

l'atmosphère par ciel clair ne dépend que de l'angle sous lequel est traversée l'atmosphère par
- 19 -
rapport à un plan horizontal au sol. C'est une approximation qui tient très faiblement compte
de l'anisotropie de l'atmosphère. D'après Perrin de Brichambaut et Vauge [6] et Bourges [8],
le facteur de transmission globale de l'atmosphère par ciel clair dans la bande spectrale 0,3-
4.0 micromètres est donné par l'expression pour l'angle solaire
K c(v)= A(sinv )0 ·15 (2.7)
avec A = 0,81 pour Perrin de Brichambaut et Vauge, et A = 0,7 pour Bourges.
Ces deux modèles ont été établis empiriquement. La modélisation du facteur de transmission
globale donnée par l'équation 2.7 ne tient pas compte explicitement des influences du trouble
atmosphérique, de l'albédo du sol et de la vapeur d'eau dans l'atmosphère.
Dans notre cas, A sera considéré comme une part de la constante e (éq. 2.6) devant être
déterminée empiriquement. Ainsi dans l'expression de CC, seuls apparaîtront les quantités
suivantes: (sinv )0 ·15 et (sinv) 0·15 •
Comme nous l'avions déjà défini, g( y ) indique la dépendance du rayonnement réfléchi par
rapport à l'angle de réflexion Y. Des travaux réalisés sur l'influence de· l'anisotropie de
l'atmosphère sur les données satellitaires (Minois et Harrison [25] ; Taylor et Stowe [26] ;
Buriez et al. [27]) nous permettent d'approcher g( Y) par une loi sinusoïdale en fonction de
l'angle Y (hauteur du satellite par rapport au pixel considéré).
Soit un satellite géostationnaire situé au point de longitude À

0
et de latitude 0° à une distance
H de la surface de la terre, pour un pixel de latitude ct> et de longitude À, y est donné par
l'expression :
[(R + H)cospcos( À - À
0
} - R]
sin Y = - - - - - - - - - - - - - - - - (2.8)
H 2 + 2R(R + H)( 1 - cos+<: os( À - À0 ))
R représente le rayon de la Terre.

Pour le cas spécifique de Météosat À
0
est égale à 0 .
Ainsi l'expression (2.5) du compte numérique normalisé devient :

- 20 -
CC = (DC-DC 0 )/((sinY )0 ·15 (sin v )0: 15 sin(Y) sin(v) f) (2.9)
A l'aide de cette expression, les comptes numériques de la série temporelle d'images sont
normalisés et les nouvelles images obtenues après cette opération sont utilisées pour la
construction de la carte de l'albédo du sol.
2.2.2 Construction de la carte d'albédo du sol
L'albédo du sol est obtenu à partir des éq. 2.6 et 2.9. En effet après avoir appliqué ces
équations sur chacune des images de la série temporelle considérée, pour un pixel donné on
peut apprécier aisément la présence ou l'absence de nuages.
Très généralement, la carte d'albédo du sol est construite à l'aide de la luminance minimale
normalisée observée pour chaque pixel dans la série temporelle d'images. Cette méthode
présente plusieurs inconvénients. La valeur minimale de la luminance normalisée pour un
pixel donné n'est pas toujours linéaire par rapport à l'albédo du sol. Ceci est dü à l'ombre
portée des nuages et aussi aux phénomènes de masques des reliefs du sol.
Pour s'affranchir de ces différents problèmes, on suppose que l'albédo du sol, Pg• et l'albédo
des nuages, Pc• sont des variables aléatoires entrant dans un modèle probabiliste proposé par
Cano [17].
L'albédo du sol est une variable aléatoire P.g de moyenne pg et de variance ag2 • L'albédo des
nuages est aussi une variable aléatoire P.c de moyenne
-
pc et de variance ac 2
• Si on suppose
que l'albédo planétaire est une variable aléatoire X égal à P.g avec une probabilité Pg et égal
à P.c (albédo nuage) avec une probabilité Pc (avec Pg+Pc=l), une minimisation itérative de la
variance de la distance entre les luminances observées et celles déduites du modèle ciel clair
est équivalente au calcul de la moyenne X de la variable X, les nuages étant écartés à chaque
itération.
- 21 -
En admettant les hypothèses supplémentaires suivantes :
pc . , pg >> (}
g
(2.10)
Pc - Pg > cre
on obtient une méthode convergente.

Compte tenu du fait qu'il existe plusieurs types de nuages, d'épaisseurs optiques différentes,
de tailles et de formes différentes, donc d'albédos différents, la variance des nuages crc 2 est
considérée supérieure à crg.2 • Cette condition se retrouve dans le système d'équations 2.1 O.
L'algorithme utilisé pour la détermination de l'albédo du sol est celui de Cano [17].
Considérons une série temporelle d'images. Pour un pixel considéré, l'albédo apparent est
donné par l'ensemble A tel que :
A = {Pi' i = 1, .. N} (2.11)
où i représente les instants considérés dans la série temporelle. Soit i' des instants de i (i'C. i)
correspondant à la situation de ciel clair, donc à un albédo apparent par ciel clair donné par
l'ensemble A g tel que :
A g = {pgl.., i'e [1, .. , N]} (2.12)
L'opération de minimisation par moindres carrés de l'albédo apparent est menée de la façon
suivante :
1ère itération :
On obtient une valeur P.g 1 de A g qui minimise la distance entre les ensembles A et Ag au
sens des moindres carrés. Ainsi toute valeur de p.1 supérieure à P.g 1 correspondra à un cas
nuageux:
(2.13)
représente le seuil de discrimination entre les instants nuageux et non nuageux. La

détermination de 8 est un point très délicat de l'algorithme. La valeur de 8 doit être
- 22 -
· supérieure à ag (écart--type de l'albédo du sol) mais elle ne doit pas être très élevée pour ne
pas considérer des instants qui sont nuageux comme non nuageux. Soit C 1 l'ensemble des
albédos apparents aux instants nuageux après la l ère itération.
2ème itération :
L' algorithme est appliqué à un ensemble A 2 tel que A 2 = A - C 1 , c'est-à-dire qu'on écarte
les cas nuageux après la 1ère itération. Une 2ème itération aboutit à l'albédo apparent P.g 2 qui
minimise la distance entre les ensembles A 2 et Ag. Par rapport à cette nouvelle valeur pg2,
on obtient un ensemble C 2 de cas nuageux.
jème itération :
L'ensemble A. des albédos apparents est donné par l'expression :

J
(2.14)
et l'albédo apparent du sol est Rj-l. Si l'ensemble C. n'est pas vide après la tme itération, on
g J
continue les calculs (les itérations) jusqu'à l'obtention d'une valeur de l'albédo apparent du
sol suivant les conditions de convergence imposées.
Si sur un pixel donné de la série temporelle d'images, résident toujours des nuages, la valeur
de l'albédo obtenue après itération n'est pas correcte. Il faut alors utiliser pour ce pixel une
autre série temporelle d'images, au cours de laquelle le pixel est dégagé.
2.2.3 Réactualisation de la carte d'albédo du sol
L'albédo du sol change en fonction de la couverture végétale, donc des variations

saisonnières. La réactualisation de la carte d'albédo permet de tenir compte de ces variations.
Soit pour un pixel donné, pt l'albédo apparent à l'instant t, et p1g l'albédo du sol
préalablement estimé, l'albédo du sol P2g à cet instant t est déterminé de la façon suivante :
- pixel couvert : i.e. pt > Plg + E:

p2g = Plg (2.15)
- 23 -
- pixel non nuageux sur sable ou neige :

• t
I.e. p < plg + E:
plg > psable (neige)
pt < Psable (neige)
alors P.2g = pt (2.16)
- pour les autres cas, la nouvelle estimation est établie à partir de la formule de pondération
suivante :
(2.17)
où N est le poids attribué à l'estimation précédente (i.e. nombre de points ayant permis
d'établir l'estimation précédente).
Remarque:
La réactualisation de l'albédo du sol permet de suivre l'évolution spatio-temporelle de la

couverture végétale (Diabaté et al. [28], annexe [3]). L'albédo du sol est donc un sous-produit
du système Heliosat, qui a une très grande utilité.
2.3 Détermination de l'indice d'ennuagement
L'indice d'ennuagement nt(i,j) à l'instant t en un pixel donné (i,j), est défini comme une
fonction de :
- l'albédo du sol pg(i,j),
- l'albédo apparent (luminance normalisée) du même pixel (i,j) mesuré à partir du satellite :
pt(i,j),
- l'albédo moyen du nuage Pc·
Cet indice pour chaque pixel est donné par la formule :

- 24 -
(2.18)
pc est obtenu par l'inverse de l'algorithme qui a servi à évaluer l'albédo du sol.
L'indice nt(i,j) est un indicateur du chemin optique ou encore de la transmittance de la

colonne atmosphérique au-dessus du pixel étudié. Une petite valeur de nt(i,j) correspondra à
une grande valeur de la transmittance. Sa valeur peut être supérieure à 1, contrairement à la
définition donnée dans l'annexe [6]. En effet, dans l'équation 2.18, ~ est une valeur
moyenne des forts albédos de nuage. Il existe des valeurs de pt(i,j) qui sont supérieures à pc
(cas des ciels très couverts), quoiqu'il en soit, en tronquant la valeur de l'indice
d'ennuagement à 1, les résultats sont très peu différents du cas de n non tronqué.
La formule (2.18) n'est pas valable pour le cas où la valeur de P.c est proche de celle de
Pii,j). C'est le cas des endroits neigeux (en Europe) et des endroits désertiques (en Afrique).
Pour ces cas particuliers de sols, seul le domaine de l'infrarouge est susceptible de donner
une bonne solution (Cano [17]). Ceci dit, rappelons que la méthode Heliosat se limite à
l'étude dans le domaine visible.
2.4 Relations entre l'indice d'ennuagement et le coefficient de transmission globale
Le facteur de transmission globale K(i,j) est défini comme étant le rapport du rayonnement
global au sol sur plan horizontal Gh(i,j) et du rayonnement global horizontal hors atmosphère
Goh(i,j) :
K(i,j) = Gh(i,j)/Goh(i,j) (2.19)
Le problème qui se pose est de trouver une relation (F) entre l'indice d'ennuagement et le
coefficient de transmission globale à un instant t et un pixel (i,j) donnés :
(2.20)
La méthode Heliosat est basée sur l'existence d'une relation linéaire entre Kt(i,j) et nt(i,j).
Cette relation linéaire a été préconisée en se basant sur des travaux de Bourges [8] et les
corrélations entre la durée d'ensoleillement et l'indice d'ennuagement établies par Pastre [13].
Ainsi, on a pu montrer que F est une relation linéaire :
- 25 -
(2.21)
Une étude détaillée de la variation spatio-temporelle des coefficients de régression de la

relation (2.21) est exposée dans le chapitre 4.
2.5 Détermination du rayonnement solaire global horaire au sol
Une bonne estimation de la fonction F dans le temps et dans l'espace permettra à partir d'un
indice d'ennuagement (données satellitaires) de déterminer le coefficient de transmission
globale atmosphérique correspondant et d'évaluer ensuite la rayonnement global horaire au
sol sur plan horizontal :
Gt(i,j) = Goh(i,j).F(nt(i,j)] ~22)
Pour les cas extrêmes, ciel clair et ciel couvert, si nous avons respectivement nc t(i,j) et
nbt(i,j) comme indices d'ennuagement, les rayonnements correspondants seront :
G c t(i,j) = Goh(i,j).F[nc t(i,j)] (2.23)
(2.24)
Ces formulations (2.23 et 2.24) supposent que la fonction F est valable dans tous les cas (ciels
couvert, nuageux ou partiellement nuageux).
- 26 -
Soleil
Satellite
Equateur
Terre
Figure 2.1 Représentation physique des symboles

pour la désignation des angles dans le
sytème Soleil-Terre-satellite.
- 27 -
CHAPITRE 3
DETERMINATION DU RAYONNEMENT GLOBAL JOURNALIER EN MOYENNE

MENSUELLE
PRESENTATI ON DE LA STATION HELIOSAT

- 28 -
3.1 Détermination du rayonnement global journalier en moyenne mensuelle
3.1.1 Position du problème
A l'Ecole Nationale Supérieure des Mines de Paris (ENSMP), les acquisitions en provenance
du satellite Météosat se font quotidiennement sur les trois plages horaires dans la bande
spectrale : 0,4 à 1,1 micromètre (canal visible). Ces plages horaires sont : 9-lOh, 12-13h et
15-16h en Temps Universel (TU). Le domaine géographique concerné est l'Europe avec une
résolution moyenne de 7x7 km 2 •
Le problème qui se pose est d'estimer à partir de ces données acquises quotidiennement le
rayonnement global journalier mensuel sachant que le rayonnement global horaire en
moyenne mensuelle est calculé pour chacune des plages horaires considérées (cf. paragraphes
2.4 et 2.5).
3.1.2 Recherche d'un modèle mathématique
Le but à atteindre dans cette phase de recherche est de trouver un modèle simple de calcul
du rayonnement global mensuel et qui assure un bon compromis entre la rapidité de calcul et
la précision des estimations.
Pour résoudre le problème posé, nous avons tracé les courbes de rayonnement solaire global
horaire mensuel à partir de données statistiques de onze stations en France. Ces données
statistiques portent sur dix ans (1971 - 1980), et sont fournies sous forme de recueil par la
Météorologie Nationale Française (Anonyme [29]).
D'une manière générale, les courbes (i.e. figures 3.1, 3.2, 3.3 et 3.4) de rayonnement global
mensuel, G, pour les onze stations considérées présentent une allure pseudo-sinusoïdale dont
l'amplitude, A, varie avec le temps t durant une journée. L'expression mathématique d'une
telle allure peut s'écrire :
G(t) = A(t) sin[ w (t-T 1m)] (3.1)
avec:
t : temps en TSV (Temps Solaire Vrai),
T 1m : heure de lever du soleil,
- 29 -
A(t) : amplitude,
w : pulsation.
Soit Td.Jm la durée moyenne mensuelle du jour, la pulsation w est alors donnée par
l'expression :
w =TT /Td.Jm (3.2)
et l'heure moyenne du lever du soleil est égale, en heure, à :
T 1m = 12 - Td.Jffi/2 (3.3)
Pour un lieu géographique donné, de latitude 4>, et de déclinaison moyenne mensuelle Sm' la
durée moyenne mensuelle du jour Td.Jm est donnée en heure par la formule :
Td.Jm = 2(cos- 1(-tgcp tgS m ))/15 (3.4)
La déclinaison moyenne mensuelle Sm est définie ç:omme étant égale à la moyenne sur un
mois de la déclinaison s.J pour le jour julien j. S.J est donnée par (Perrin de Brichambaut et
Vauge [6]) :
s.J = 23,45 sin(0,986j - 80) (3.5)
Ainsi
jfin
Sm = (23,45/M.) '\""sin(0,986j - 80)
J.c..,;
j=jdeb
où
M. : nombre total de jours du mois considéré,
J
jdeb : premier jour du mois considéré, en jour julien,
jfin : dernier jour du mois considéré, en jour julien.
Les valeurs de S 15 et Sm pour chaque mois de l'année sont données dans le tableau [3.1].
- 30-
Ce tableau montre qu'il n'existe pas une grande différence entre la valeur de 6m et celle de
615 (i.e. moins d'un degré d'erreur). Par conséquent, pour que le calcul soit plus rapide, nous
avons confondu dans la suite 6m et 6 15 du 15ème (ou 6 pour février).
14
L'amplitude A(t) est obtenue en ajustant l'expression (3.1) sur les mesures climatologiques
G(t). Cette amplitude A(t) (figures 3.5 et 3.6) a une forme qui est une fonction quadratique
de t et dont les trois paramètres peuvent être obtenus par un ajustement au sens des
moindres carrés :
(3.6)
D'une façon générale, l'expression (3.6) peut être écrite :
(3.7)
Ainsi en posant
" Lx
Lx= on obtient:
1
(3.8)
avec n : nombre de points (X, Y).

Sous forme matricielle le système d'équations devient :
Lx n
Lx =
Les constantes A 1 , A 2 et A 3 sont ainsi obtenues par l'expression :

- 31 -
Al LY
A2 = M-1 LYX
A3 LYx2
Pour retourner au système initial de notation, il suffit de considérer les égalités suivantes :
Y = A(t) et X = t.
Cet ajustement, au sens des moindres carrés, est effectué par les logiciels : MOINCAPA et
RESEQP AR dans le progiciel Heliosat.
Si G(t) est exprimé en Wh/m 2 , alors les constantes A 1 , A 2 et A3 auront respectivement pour
dimensions : W/(m 2 h), Wjm 2 , Whjm 2 •
D'une manière opérationelle, pour le cas spécifique de trois acquisitions par jour, maintenant
que la forme de A(t) est définie, les paramètres A 1 , A 2, et A3 sont estimés chaque mois et en
'chaque pixel à l'aide des trois valeurs horaires G(hl), G(h2) et G(h3) en moyenne mensuelle
calculées à partir des images reçues quotidiennement. Pour trois acquisitions par jour, les
paramètres A 1 , A 2 , et A3 sont déterminés par une simple méthode analytique à partir du
système d'équations 3.8 (3 équations à 3 inconnues).
Si le nombre d'acquisitions par jour est supérieur à trois, alors seule la méthode des moindres
carrés est valable. S'il est inférieur à trois aucun calcul du rayonnement journalier n'est
effectué.
3.1.3 Calcul du rayonnement global journalier en moyenne mensuelle (Gjm)
Le rayonnement global journalier en moyenne mensuelle est obtenu en intégrant G(t) entre
les heures de lever T1sm et de coucher Tcsm du Soleil prises en moyenne mensuelle.
L'intégration est conduite de la façon suivante :
(3.9)
- 32 -
T cam
G.jm j G(t) dt
Tlsm
T
= ;(:~ 2 + A 2t + A 3)sin((n/Tdjm)(t - T 18m)) dt
Tlsm
avec
T cam
G1 j
= A 1 t 2 .sin((n/Tdjm)(t - T 18m)) dt
T lam
T csm
G2 =A2 f t.sin((n/T djm)(t - T 18m)) dt
T lam
T cam
G3 = As} sin((n/Tdjm)(t - T 18m)) dt
TI.
sm
Le développement de G 1 , G 2 et G 3 aboutit aux expressions suivantes :
G 2 = (A 2/n) {Td.Jm(Tcam + T 1sm)}

- 33 -
2
G.Jm = (A 1 jrr) {Td.Jm(Tcsm + T 1sm 2) - 4Td;'m3 }
+ (A 2/rr) {Td.Jm(Tcsm + T 1sm )} +
+ 2.(A 3 /rr )Tdjm (3.10)
Ceci est obtenu par la procédure calcul_GMENJ dans le logiciel Héliosat.

- 34 -
3.1.4 Schéma synoptiaue de la démarche mathématique
La détermination des constantes A 1 , A 2, A3 , Tlsm et Tdjm de l'équation (3.1), ainsi que

l'intégration pour l'obtention du rayonnement global journalier peuvent être décrites
synoptiquement par le schéma ci-dessous :
IS! Jo..,,. eLu ~na•'$

c.o .. ,irl&ré l'n
J••• 4uii•• ( j•••J)
.----~>---#.,.=Tl,.,+ Id.;~ ~-~~--~

G<t) =(A, tl.~ ALh "s) s;" 2':. ( t - ~~J )
TJdm m
GJM : R":J'""'"''"i ~fohaf

Journctli er •- -.oJ"""'e
tnt..,s.v .. fle.
- 35 -
3.1.5 Application de la méthode
Pour apprécier les performances de la méthode de calcul du rayonnement global journalier en

moyenne mensuelle, nous avons dans un premier temps adopté la démarche inverse de celle
qui nous a conduits à l'établissement du modèle, ceci en vue d'obtenir des résultats estimés
qui seront dans un second temps comparés aux données statistiques de départ.
La démarche est très simple. En effet, connaissant la forme du rayonnement global horaire
mensuel (éq. 3.1) en fonction du temps et connaissant aussi les valeurs du rayonnement global
horaire en moyenne mensuelle fournies par le recueil de la Météorologie pour les 3 plages
horaires considérées, les constantes A 1 , A 2 et A3 de l'équation 3.1 sont calculées. Ensuite, il
suffit d'utiliser l'équation 3.10 pour déterminer le rayonnement global journalier en moyenne
mensuelle.
Les comparaisons entre les données statistiques de la Météorologie Nationale Française et nos
estimations sont représentées sur les figures 3.7 et 3.8, et montrent une excellente
concordance entre les deux jeux de données. Pour les stations de Trappes et Carpentras, le
coefficient de corrélation est de 0,99 (figs. 3.7a et b). Pour toutes les stations confondues, le
coefficient de corrélation reste élevé (0,98) et l'erreur d'estimation est de 0,041 kWh/m 2
(environ 1% du rayonnement solaire en moyenne mensuelle 4,800 kWh/m 2 ) avec un biais de
0,010 kWh/m 2 ( 0,2% du rayonnement en moyenne mensuelle).
Le modèle a été ensuite testé sur l'année 1983, c'est-à-dire que maintenant les estimations
tri-horaires sont fournies par l'imagerie satellitaire. La moyenne mensuelle du rayonnement
global journalier est alors calculée puis comparée, mois par mois pour chacune des 16 stations
de mesure disponibles pour cette année, aux mesures pyranométriques de la Météorologie
Nationale Française. On obtient une bonne concordance entre les valeurs estimées et les
valeurs relevées au sol. En effet, pour toutes les stations confondues, le coefficient de
corrélation est de 0,96. L'erreur d'estimation est de 0,528 kWh/m 2 , ce qui représente un peu
moins de 10% de la valeur moyenne mesurée (5,5 kWh/m 2); le biais est de 0,294 kWh/m 2 ,
c'est-à-dire environ 5% de la valeur moyenne (figure 2.9).
- 36 -
Mois 615 6m
jan. -20,93 -20,86

fév. -12,99 -13,36
mar. -02,06 -02,44
avr. +10,09 +09,43
mai. +19,22 +18,76
jui. +23,38 +23,06
juil. +21,22 +21,14
aoû +13,20 +13,37
sep. +01,52 +02,10
oct. -10,21 -09,73
nov. -19,52 -18,97
déc. -23,39 -23,08
Tableau [3.1]: valeurs de la déclinaison du soleil en moyenne mensuelle (6m) et du 15ème

jour (6 15 ) du mois considéré.
- 37 -
janvier
<:'
E x. février
~ 0 mars
~ avril
M
~ •c maijuin
Q
556 a 558
0 ~ Cl
~
tl "
rJ"
6 6 8
6 c
9
9
c
()
·6 D
~ 0
0
0
s
0
0 6 ç Il
278 0
& 278
0
·'· ~
)(
x.
c 6 0
... 1(
6 Q
0
e )(
><.
•
6 0 0 d a
0 )(
" e
Q
•6 0 )(
,.. 0 tl Cl
6 10 14 18 heures tsv
Figure 3.1 Rayonnement solaire global horizontal en fonction de

L'heure en TSV pour Les mois de janvier à juin pour Trappes
(sur Les données statistiques 1971·1980).
- 38 -
')' juillet
E
')(août
~
..., 0 septembre
.., ~ octobre
\2 a novembre
0 décembre
556 x )(
556
x
"
0 0
>(
0
0 x
" 0
6 6 "
6
278 ~
x 0 0 278
tf
,..
6
•
• • ~
0 0
6 d
)<
c
•
0
• 0 Cl
)(
Q
0 6 QI
0
® tf 0
x
)(
a
__.9_ ~ s "' • _L ......_ ...lt.

l'heure en TSV pour les mois de juillet à décembre pour
Trappes (sur les données statistiques 1971·1980).
- 39 -
. janvier
février
,c.
c 0
o mars
0 ~avril
c
~
E • • ID mai
~ tl
~
d' (!
0
0 juin
'? a
5:! (!
~
556
• • 556
0 cr 0 0 Q
d
0
• 0
•
tf 0
tl >< x 0
cr c
.
QI
•
278 0 0 278
x ><
cr cr
tl Q
QI
0
>< ... 0
•
cr r:f
c Cl
~
0
>( x.
0
•
0 d' d' a

l'heure en TSV pour les mois de janvier à juin pour
Carpentras (sur les données statistiques 1971·1980).
- 40 -
• juillet
')(.août
o septerrbre
6 octobre
>(
9 novembre
>(
N c décembre
e >< "
~
M
~ )<.
0 0
>(
0
0
556 556
>< 0
0 )(
d' d
<! ~
0 0
x. <! • • d' )(
278 ~
c Q • 278
0
d
8
D
• ~ 0
)(
c c IC
ID e
x
0
(J'
. c
d
0
)(
_o d' • ~ ~

l'heure en TSV pour les mois de juillet à décerrbre pour
Carpentras (sur les données statistiques 1971·1980).
- 41 -
janvier A juillet
février
')(.
0 mars
0 avril
• août
B septembre
Â octobre
s mai cb novembre
0 juin & décembre
"e
~
C'l
~
..
tl. A
1::>. A .t.
c ~ ii
556 6
0 .
• • 0
• • • •
"'• D
556
•• tr •
c tf
a
• • ••
6" tf
A
•• tr • • il tf A
~ • D
•
417
•
'5 Il
6
• •~ -417
• • tf c5
•
.!.
• 0
0
0
0
0
• Il
b. t.
t tf 0
• • •
0
tf tf"
• A A A 0
278 0 l • 0
• tl
278
D
0 0
A
•
~
J(
x
"
•••
~ )<
11. ~ ~ )t
cl>
x
.. ... ... .. • . ..
~
139
il " ~ • 139
...
Figure 3.5 Amplitude A du rayonnement solaire global horizontal en

fonction de l'heure en TSV pour les mois de janvier à
décembre pour Trappes (sur les données statistiques 1971·
1980).
- 42 -
janvier 6.juillet
x février
o mars • août
G septembre
6 avril À octobre
IIP mai ~ novembre
N
0 juin & décembre
'e
.t:
~
(')
\:! 6
A
A
834 A 83-4
A
a c
• a
Il
A
À
D
• • • •
D
a
• • D
•
A
a
695
1> • • tS
• •
695
6
A Q
• If
<! • A
• • Il Il
Il If •
Il •
•
6
• A
556
D
(j
Il
0 0 0
6
Il • Il
556
6
• 0 0
0
•
1
• • ••
1
1 A
0
• "" "" •
0
~
~'
c 6
417 Il
If
• ... 417
• •
il
• 'Ji
J(
J( .. • a
••
0 ~ )t
•
• .. ~
~
••e )(
278
~
•
• .. .. •. . .. . • \
~
278
.... ..
Figure~: Amplitude A du rayonnement solaire global horizontal en

fonction de l'heure en TSV pour les mois de janvier à
décembre pour Carpentras (sur les données statistiques
1971-1980).
- 43 -
6.34
N '"'
E
R = 0,99
.c
:3
' a"= 0, 025 kWh/m2
.>.!
•(])
biais = 0 kWh/m 2
...
E
nbpoints = 12
Cl)
(])
.E...,
Cl
4.17 + 4.17
0 4.17 8.34
Gjm mesuré (kWh/m2 )
'"'
NE
8.341
'
.c
:3 R = 0,99
.>.! 2
tT= 0,019 kWh/m
1 2
il biais = 0 kWh/m
·~
...
Cl) nbpoints = 12
(])
1
.
.J
e
...,
Cl
4.17
0 4,17 8.34
Gjm mesuré (kWh/m2 )
Figure 32 Comparaison entre les rayonnements solaires journaliers

estimé et mesuré en moyenne mensuelle par station (sur les
données statisques 1971·1980).
- 44 -
R = 0,98
2
Ir = 0, 040 kYhtm
6,672 2 6,672
biais = 0,010 kYhtm
..... nbpoints = 135
"'
G.l
.e..., .··,.
(,:J
s.o~ S,O<M
·..
..··
......
1,668 1,668
..···
0 1,668 5,004 6,672
Gjm mesuré (kYhtm2)
Comparaison entre les rayonnements solaires journaliers

estimé et mesuré en moyenne mensuelle pour toutes les
stations confondues (sur les données statisques 1971·1980).
- 45 -
r---------------------------.8,34
R = 0,96
G" = 0, 438 kWh/m2
2
biais = 0,294 kWh/m
nbpoints = 176
... .· ...
5,56
5,56
.· ..
2,78
2,78
. '': ·.
...
•: ...
..•, ·:····· .····
··:·:
·.: ·.~
.·.·
0 2,78 5,56 8,34

2
Gjm mesuré (kWh/m >
Figure 3.9 Résultats du modèle testé sur l'année 1983 pour toutes les
stations confondues.
- 46 -
3.2 Présentation de la station Heliosat
3.2.1 Composition de la station
De nombreuses études ont montré la possibilité de connaître le rayonnement solaire global au

sol à 10% près à partir des images en provenance des satellites météorologiques (Cano et al.
[11], Diabaté et al. [30], Gautier et al. [14], Michaud-Regas [18], Môser et Raschke [12],
Moser et Raschke [31] ... ). La résolution au sol des satellites généralement utilisés étant de 5
à 30 km, le problème de la faible densité de mesures au sol (150-200 km et même plus en
Afrique) signalé dans l'introduction générale se trouve résolu.
Il ne suffit pas de disposer de bonnes méthodes de détermination du rayonnement solaire à

partir des images satellitaires, encore faudrait-il qu'elles soient compatibles avec les
possiblités informatiques existantes. Ainsi, les méthodes très sophistiquées exigeront des
ordinateurs de haute capacité tandis que les plus simples pourront se contenter d'un micro-
ordinateur compatible PC.
Pour le système réalisé à l'Ecole des Mines de Paris (EMP), nous nous sommes imposés les
conditions suivantes : faible encombrement, faibles moyens de calcul et enfin une méthode
simple avec une bonne précision. Ces exigences viennent du fait que nous avons voulu au
départ disposer d'un système transportable et de faible maintenance et destiné aux pays en
voie de développement (surtout l'Afrique). Le système réalisé à l'EMP s'appelle "Station
Heliosat" et il repose sur la méthode Heliosat (cf. chapitre 2 et paragrahe 3.1 ).
La station Heliosat est largement décrite dans Diabaté et al. [28] (annexe [2]) et Diabaté et al.
[32]. Elle est essentiellement composée :
d'un progiciel basé sur la méthode Heliosat,
d'un récepteur Haute Fréquence (HF) et d'une antenne pour la réception du signal
analogique en provenance du satellite sous format WEF AX,
d'un micro-ordinateur compatible PC (AT ou XT),
d'une carte de numérisation installée dans le micro-ordinateur,

- 47 -
d'une carte graphique et de son écran couleur,
d'un écran monochrome,
d'une imprimante (pour la sortie des images sur papier).
A part le progiciel Heliosat et la carte de numérisation qui ont été totalement réalisés à
l'EMP, le reste des composantes seront brièvement décrites.
3.2.2 Fonctionnement de la station
Les différents éléments composant la station Heliosat peuvent être classés en deux catégories :
le progiciel et le support matériel (respectivement figures 3.10 et 3.11).
Avant la conversion des données satellitaires en rayonnement solaire global, le progiciel

Heliosat effectue d'une façon totalement automatique les opérations suivantes :
(i) quelques instants avant l'heure d'acquisition, le programme se met à l'écoute du

satellite. Toute anomalie est signalée à l'écran. Au cours de l'acquisition, l'image est
stockée au fur et à mesure sur le disque dur du micro-ordinateur. Une fois l'émission
terminée, l'image est renversée (Nord géographique en haut de l'écran),
(ii) ajustement du contraste et affichage de l'image qui vient d'être acquise,
(iii) rectification géométrique de l'image acquise (translation pour le cas de Météosat).
Deux types d'acquisitions sont possibles avec le. progiciel Heliosat :
- acquisitions de surveillance du temps, c'est-à-dire affichage seulement. Pour ces types

d'acquisitions il est possible d'obtenir les images en provenance de n'importe quel canal
du radiomètre du satellite (visible, infra-rouge et vapeur d'eau),
acquisitions nécessaires au calcul du rayonnement solaire au sol, c'est-à-dire un

traitement Heliosat complet. Ces acquisitions portent uniquement sur le canal visible.
- 48 -
Les différentes opérations (i, ii, iii) ci-dessus citées sont valables pour les deux types
d'acquisitions.
Pour un traitement complet, après les différentes opérations ci-dessus citées, l'image est
convertie suivant la méthode Heliosat en image de rayonnement solaire global. Trois fois par
jour, les images en provenance du satellite sont traitées et des cartes de rayonnement global
solaire horaire sont construites. Les trois plages horaires concernées sont 9-10 h, 12-13 h et
15-16 h en Temps Universel (TU). A la fin du traitement de la 3ème image acquise, une
carte du rayonnement global solaire journalier est établie à partir des trois images du
rayonnement global solaire horaire. A la fin de chaque mois, une carte de rayonnement
global solaire journalier est établie à partir des moyennes horaires par heure et est ensuite
affichée à l'écran couleur prévu à cet effet.
Le fait de travailler uniquement sur trois images par jour est imposé par le rythme
d'émission du satellite Météosat dans le canal visible.
Le progiciel Heliosat permet à un utilisateur éventuel d'accéder aux données (images du

rayonnement solaire global, indice d'ennuagement, albédo, etc ... ) d'un point et son voisinage
situés dans le champ de vision du radiomètre du satellite.
3.2.3 Discussion
Le système Héliosat permet d'obtenir des cartes très détaillées (5x5 km 2 ) du rayonnement
. solaire et qui sont très utiles pour le dimensionnement des installations utilisant le
rayonnement solaire comme source d'énergie.
Les temps de construction varient de 100 minutes pour la carte de rayonnement global solaire
horaire à 60 minutes pour la carte du rayonnement global solaire journalier sur micro-
ordinateur compatible PC-XT. Le calcul de la moyenne du rayonnement global solaire
horaire par heure se fait en 5 minutes. Les cartes de moyennes horaires par heure servent à
l'établissement de la carte mensuelle journalière. Ces différents temps de calcul sont signalés
seulement à titre indicatif car ils dépendent fortement du matériel utilisé. Par exemple, sur
un micro-ordinateur compatible PC-AT, les temps de calcul signalés ci-dessus sont divisés
environ par un facteur de 3.
- 49 -
Au vu des temps de calcul, le système Heliosat permet d'obtenir des résultats en temps réel
sur un matériel peu cher et n'exigeant que très peu de maintenance. Aussi, le système
Heliosat sert d'interface entre une méthode scientifique de calcul du rayonnement global
solaire à partir d'images satellitaires et les éventuels concepteurs d'installations utilisant
l'énergie solaire. C'est un système ouvert pouvant évoluer en fonction des besoins de
l'utilisateur, ceci dft au fait que le progiciel Heliosat est essentiellement constitué de
procédures et qu'une intervention sur une procédure donnée ne nécessite pas un examen
général du programme.
- 50 -
Données satellitaires 1---------r
Albédo du sol Albédo Valeur moyenne

P(i,j) planétaire de l'albédo du
du pixel (i,j) nuage pc
à l'instant t
pt(i,j)
1 r
Indice ennuagement
nt(i,j) = (Pt(i,j) - p(i,j)) / (pc - p(i,j))
Coefficient de transmission globale
Kt(i,j) = a(i,j) nt(i,j) + b(i,j)
Rayonnement solaire global horaire
Figure 3.10 : Schéma synoptique de la méthode Heliosat

- 51 -
Antenne parabolique
Récepteur Alcatel-CIT (type Fakir)
Interface Récepteur/PC
Micro-ordinateur
(compatible PC)
Imprimante couleur Moniteur Moniteur

couleur monochrome
Figure 3.11 : Schéma synoptique de la station Heliosat

- 52 -
CHAPITRE 4
COMPARAISON ENTRE LE COEFFICIENT DE TRANSMISSION GLOBALE ET L'INDICE

D'ENNUAGEMENT ET RECONSTITUTION DU RAYONNEMENT GLOBAL HORAIRE
PRESENTATION ET DISCUSSION DES RESULTATS

- 53 -
4.1 Relations entre le coefficient de transmission globale et l'indice d'ennuagement
Afin de calculer le rayonnement solaire global au sol, la méthode Heliosat suppose que la
relation entre l'indice d'ennuagement n, indicateur du chemin optique parcouru par le
rayonnement solaire, et le coefficient de transmission globale K (K = Gh/Goh) est linéaire.
Cette supposition est avérée, compte tenu des bons résultats obtenus lors des comparaisons
entre les mesures pyranométriques et les prédictions du modèle.
Dans ce chapitre, on s'intéressera d'une part aux variations dans le temps et dans l'espace de
la relation linéaire entre K et n, et d'autre part, on proposera d'autres relations quasi-
linéaires et ceci en tenant compte de la localisation géographique, de l'heure et du jour.
Pourquoi cherche-t-on d'autres relations ? D'une part, l'utilisation des coefficients de

régression obtenus par Michaud-Regas [18] conduit à une sous-estimation du coefficient de
transmission par ciel clair K c , et, d'autre part, nous avons voulu chercher à améliorer la
qualité de la relation entre K et n, voire même trouver une relation "universelle", c'est-à-dire
valide pour diverses régions géographiques à divers instants.
Les premières relations, proposées par Cano [17] et Michaud-Regas [18], ont été établies par
l'ajustement statistique d'une relation linéaire entre le coefficient de transmission globale K,
calculé à partir de mesures pyranométriques, et l'indice d'ennuagement n déduit des mesures
satellitaires. Cet ajustement a été effectué à l'aide d'une méthode au sens des moindres
carrés.
Les tests de Cano ont porté sur deux mois (avril 1982 et mai 1979). Deux jeux de paramètres
de régression furent établis, l'un pour mai, du 5 au 12 mai, et l'autre pour avril, du 1 au 24
avril. Le rayonnement global fut reconstruit pour la quinzaine de jours suivante avec des
erreurs quadratiques moyennes de 65 Wh/m 2 et 117 Wh/m 2 respectivement pour mai et avril.
Les bons résultats obtenus ne permettaient aucun jugement approfondi sur la validité de la
méthode du fait de la très courte période des tests. Par contre ils justifiaient l'hypothèse de
l'existence d'une relation linéaire entre K et n.
Quant aux tests de Michaud-Regas, menés sur des périodes plus longues (années 1983 et 1984
entières et les 7 premiers mois de 1985), l'erreur quadratique est de 100 Wh/m 2 en moyenne.
- 54 -
Le jeu important de données collecté par Demarcq [19] et Michaud-Regas, de 1983 à 1985, a
été utilisé pour tester différentes relations entre K et n. Tous les essais ne sont pas discutés
ici, et nous présenterons les relations qui ont abouti à des résultats plus précis par rapport
aux résultats de référence de Michaud-Regas et aussi celles légèrement moins précises mais
facilitant la mise en oeuvre de la méthode dans un cadre opérationnel. La validité d'une
période de comparaison d'une année entière, entre les valeurs estimées et les valeurs
mesurées, a été établie par Michaud-Regas. Néanmoins, pour permettre un examen
approfondi de la relation entre K et n, l'étude a été conduite sur la base de comparaison du
mois et de l'année.
La relation entre K et n est formalisée mathématiquement de la façon suivante :
avec a 1 < 0 (4.1)
Le coefficient de transmission pour un ciel clair (n=O) est alors
K c = -b 1 /a 1 (4.2)
L'ajustement statistique entre K et n, effectué par Cano ou Michaud-Regas, faisait appel à

une méthode des moindres carrés qui minimise la distance le long de l'axe vertical (i.e. pour
n, ici) entre l'estimation fournie par le modèle pour le taux K et la valeur observée n
correspondante. Dans ce cas là, un meilleur ajustement peut être obtenu techniquement en
minimisant non plus la distance verticale mais la distance entre n et l'estimation du modèle la
plus proche, c'est-à-dire la distance suivant la droite orthogonale au modèle et passant par n.
On obtient alors ce qui est appelé le premier axe d'inertie. Cette méthode d'ajustement est
basée sur le formalisme mathématique décrit en Annexe [4]. En tenant compte du fait que la
pente a 1 est négative dans notre cas, on obtient :
(4.3)
(4.4)
(4.5)
avec
an : écart-type de l'indice d'ennuagement,
- 55 -
ok : écart-type du coefficient de transmission,

K : moyenne du coefficient de transmission,
n : moyenne de l'indice d'ennuagement,
L'équation 4.3 a été appliquée aux même données que celles utilisées par Michaud-Regas,
c'est-à-dire : Il mois de l'année 1983, Il mois de l'année 1984 et les 7 premiers mois de
l'année 1985, ceci afin d'apprécier les améliorations apportées par ce changement de
technique d'ajustement.
Les données au sol sont des relevés pyranométriques fournis par la Météorologie Nationale
Française. Pour l'année 1983, nous disposons de 16 stations et pour les années 1984 et 1985
de 30 stations. Les numéros d'identification des stations au sol sont ceux adoptés par la
Météorologie Nationale Française (Annexe [5]).
Le traitement des données se fait en quatre étapes :
- le coefficient de transmission global K est calculé à partir des relevés pyranométriques,
. . ; les coefficients de la régression a 1 et b 1 sont calculés à partir des équations. 4.4 et 4.5,
- on dispose d'une valeur estimée K es t de la transmission atmosphérique globale pour chaque

valeur de l'indice d'ennuagement n (équation. 4.1),
- la valeur estimée K es t est comparée à la valeur de K mesurée au sol.
La comparaison peut se faire de plusieurs façons et ceci quelque soit la période choisie à cet
effet (mois ou année) :
(i) heure par heure, station par station,
(ii) heure par heure, toutes les stations confondues,
(iii) toutes les heures confondues, station par station,
(iv) toutes les heures confondues, toutes les stations confondues.

- 56 -
Dans cette étude les différents paramètres utilisés pour apprécier les comparaisons sont : le
coefficient de corrélation (R) de la relation linéaire entre K et n, l'erreur quadratique
moyenne (rms) sur le rayonnement solaire global estimée au sol, ce dernier paramètre étant
calculé à partir de l'écart-type sur le coefficient de transmission atmosphérique globale. De
par la méthode d'ajustement utilisée, le biais est nul.
Ces différents paramètres ont été examinés pour les périodes d'un mois et d'une année
entière. Pour la période d'un mois, la comparaison a été faite par heure et par station. Cette
situation a conduit à une multitude de relations linéaires entre K et n : 528 relations pour
l'année 1983, 990 et 630 respectivement pour les années 1984 et 1985. Il est clair qu'une
méthode opérationnelle à base de ces relations est très lourde à gérer d'une manière
rigoureuse. Ce problème nous a conduit à examiner la période de comparaison d'une année
entière en ayant bien sûr comme objectif le maintien, si possible, de la précision obtenue
pour la comparaison sur un mois.
- 57 -
Les résultats pour l'année 1983 sont exposés en détail dans l'annexe [6].
4.1.1.1 Comparaison sur le mois
Les différents résultats obtenus, dans ce cas de comparaison, sont en accord avec l'hypothèse
de linéarité de la relation entre K et n. En effet, les coefficients de corrélation obtenus sont
en moyenne par mois à 80% supérieurs à 0, 7. En ce qui concerne l'erreur quadratique
moyenne (rms), elle est en moyenne par mois de 84%, 80% et 100% inférieure à 0.07 kWh/m 2
respectivement pour les plages horaires 9-10h, 12-13h et 15-16h en temps universel (TU).
Brièvement, les résultats obtenus par heure et pour toutes les stations confondues, sont
récapitulés dans le tableau [4.1].
Dans ce cas de comparaison, les valeurs minimale et maximale de R sont respectivement 0,5
(avril) et 0,87 (juin) pour la plage horaire 9-lOh TU, 0,6 (avril) et 0,88 (juillet) pour la plage
horaire 12-13h TU et enfin 0,62 (septembre) et 0,81 (avril) pour la plage horaire 15-16h TU.
L'erreur quadratique moyenne est comprise entre :
(i) 0,008 kWh/m 2 (décembre) et 0,080 kWh/m 2 (juin) pour la plage horaire 9-lOh TU,
(ii) 0,028 kWh/m 2 (janvier) et 0,077 kWh/m 2 (juillet) pour la plage horaire 12-13h TU,
(iii) 0,014 kWh/m 2 (décembre) et 0,053 kWh/m 2 (juin) pour la plage horaire 15-16h TU.
Les variations de l'erreur quadratique moyenne sont partiellement imposées par les variations
du rayonnement global horaire sur plan horizontal hors atmosphère Goh. En effet, l'erreur
quadratique moyenne est obtenue en multipliant l'écart-type sur le coefficient de
transmission globale K par Goh.
4.1.1.2 Comparaison sur une année entière
Les résultats obtenus pour la comparaison sur une année entière par station et par heure sont
donnés dans le tableau [4.2].
- 58 -
Le coefficient de corrélation R est en valeur absolue dans le tableau [4.2], l'erreur

quadratique moyenne est exprimée en kWh/m 2 • Les valeurs de rms pour chaque station ont
été calculées en adoptant les valeurs du rayonnement solaire global horizontal hors
atmosphère (Goh) : 0,80, 0,87 et 0,39 kWh/m 2 respectivement pour les plages horaires 9-lOh
TU, 12-13h TU et 15-16h TU. Ces valeurs de Goh ont été calculées pour un lieu
géographique moyen 46 N, 5 E, cette approximation ayant une très faible incidence sur
l'erreur quadratique moyenne.
Pour toutes les stations confondues par plage horaire, on aboutit aux résultats suivants : les
coefficients de corrélation sont de 0, 73, 0, 79 et 0, 78 respectivement pour les plages horaires
9-lOh TU, 12-13h TU et 15-16h TU. Quant aux erreurs quadratiques moyennes, elles sont
de 0,066 kWhjm 2 , 0,060 kWh/m 2 et 0,026 kWhjm 2 respectivement pour les plages horaires 9-
lOh TU, 12-13h TU et 15-16h TU (fig. 4.la, b etc).
La figure 4.ld reproduisant la figure 3d de Diabaté et al. [30] (Annexe [6]), donne les
résultats pour le cas de toutes les stations confondues pour toutes les heures confondues. Le
coefficient de corrélation reste élevé (0, 75) et l'écart-type sur K est 0,06, c'est-à-dire
similaire à celui obtenu pour chaque plage horaire.
- 59 -
Le mois de janvier n'a pas été traité du fait du très faible volume de données
pyranométriques au sol. Les mois de novembre et de décembre à 15-16h TU n'ont également
pas été traités, mais cette fois-ci du fait de la faible hauteur du soleil pour la majorité des
stations considérées à ces périodes de l'année. Un angle de 9 degrés a été choisi comme seuil
de la hauteur du soleil à partir duquel la comparaison des données est validée.
En moyenne, pour chaque mois, 83%, 90% et 80% des coefficients de corrélation sont
supérieurs à 0,7 respectivement pour les plages horaires 9-10, 12-10 et 15-16h TU. Ceci sans
éliminer les résultats du mois de mars qui sont particulièrement mauvais (figures 4.2a, b et
c).
Pour toutes les stations confondues le coefficient de corrélation varie de 0,66 (mars) à 0,94
(avril) pour la plage horaire 9-lOh TU, de 0,62 (mars) à 0,90 (avril) pour la plage horaire
12-13h TU et enfin de 0,67 (mars) à 0,87 (avril) pour la plage horaire 15-16h TU. Dans ce
cas de comparaison, sans tenir compte du mois de mars, tous les coefficients de corrélation
sont supérieurs à 0,7. Contrairement à l'année 1983, l'année 1984 donne d'excellents
coefficients de corrélation pour le mois d'avril (figures 4.2a, b et c).
En ce qui concerne l'erreur quadratique moyenne, en moyenne pour chaque mois, elle est de
83%, 77% et 100% inférieure à 0,070 kWh/m 2 respectivement pour les plages horaires 9-10,
12-13 et 15-16h TU (figures 4.3a, b etc).
Pour toutes les stations confondues l'erreur quadratique moyenne reste faible. En effet, elle
varie de 0,007 kWh/m 2 (décembre) à 0,072 kWh/m 2 (juin et juillet) pour la plage horaire 9-
lOh TU, de 0,032 kWhjm 2 (décembre) à 0,075 kWh/m 2 (juin) pour la plage horaire 12-13h
TU et enfin de 0,013 kWh/m 2 (novembre) à 0,045 kWh/m 2 (juin) pour la plage horaire 15-
16h TU (figures 4.3a, b et c).
Les résultats obtenus par heure et pour toutes les stations confondues sont récapitulés dans le
tableau [4.3].
- 60 -
4.1.2.2 Comparaison sur l'année
Cette comparaison a été conduite sans écarter les mauvais résultats du mois de mars, vu
l'objectif que nous nous assignons, à savoir la mise au point d'une méthode opérationnelle au
rythme des acquisitions.
Les résultats obtenus par station et par heure sur l'année entière sont donnés dans le tableau
[4.4]. On constate une diminution du coefficient de corrélation par rapport à la comparaison
à base du mois. Cette diminution est surtout marquée pour la plage horaire 15-16h TU. Dans
l'ensemble, les coefficients de corrélation restent bons. Ils varient de 0,69 (station 218 :
Rennes) à 0,87 (station 817 : Nice) pour la plage horaire 9-lOh TU, de 0,69 (station 824: La
Rochelle) à 0,89 (station 231 : Marignane) pour la plage horaire 12-13h TU, et enfin de 0,42
(station 824: La Rochelle) à0,79 (station 270: Auxerre) pour la plage horaire 15-16h TU.
L'erreur quadratique moyenne reste faible car à 100% inférieure à 0,070 kWh/m 2 pour
chacune des plages horaires considérées. Elle varie de 0,039 kWh/m 2 (station 812 :
Montpellier) à 0,065 kWh/m 2 (station 260 : Trappes) pour la plage horaire 9-lOh TU, de
0,045 kWh/m 2 (station 874 : Carpentras) à 0,067 kWh/m 2 (station 262 : St Quentin) pour la
plage horaire 12-13h TU et enfin de 0,020 kWh/m 2 (stations 812 et 874 : Montpellier et
Carpentras) à 0,032 kWh/m 2 (stations 209 et 270 : Limoges et Auxerre) pour la plage horaire
15-16h TU.
Pour toutes les stations confondues par plage horaire, les résultats sont donnés par les figures
4.4a, b et c. Le coefficient de corrélation est de 0,77, 0,81 et 0,65 respectivement pour les
plages horaires 9-10, 12-13 et 15-16h TU. Si la linéarité entre le coefficient de transmission
globale et l'indice d'ennuagement est bonne pour les plages horaires 9-10 et 12-13h TU, elle
est par contre moins bonne sur la plage horaire 15-16h TU (figures 4.4a, b etc).
L'erreur quadratique moyenne sur le rayonnement global au sol est de 0,052, 0,056 et 0,025
kWh/m 2 respectivement pour les plages horaires 9-10, 12-13 et 15-16h TU. Ces résultats sur
l'erreur quadratique moyenne ont été obtenus en adoptant les valeurs suivantes : 0,8, 0,87 et
0,39 kWh/m 2 du rayonnement global horizontal hors atmosphère (Goh) respectivement pour
les plages horaires 9-10, 12-13 et 15-16h TU. Rappelons que Goh a été calculé pour le lieu
géographique "moyen" : 46 N, 5 E.
- 61 -
La figure 4.4d, donne les résultats pour toutes les stations confondues et pour toutes les
heures confondues. Le coefficient de corrélation est élevé (0,73) mais reste inférieur aux
valeurs obtenues dans le cas de la comparaison par heure pour les deux premières plages
horaires (0,77 et 0,81 respectivement pour 9-10 et 12-13h TU). L'écart-type sur K est de
0,06.
- 62 -
L'étude des comparaisons est menée de la même façon qu'elle l'a été sur les années 1983 et
1984, mais dans ce cas précis, elle porte seulement sur les 7 premiers mois de l'année 1985
(de janvier à juillet).
Les coefficients de corrélation sont particulièrement mauvais pour les mois de mars et avril
(figures 4.5a, b et c). Pour les autres mois (janvier, février, mai, juin et juillet), en moyenne
82, 90 et 90% des coeffients de corrélation sont supérieurs à 0,7 respectivement pour les
plages horaires 9-10, 12-13 et 15-16h TU.
En moyenne pour chacun des mois considérés, l'erreur quadratique moyenne est de 80, 75 et
100% inférieure à 0,070 kWh/m 2 respectivement pour les plages horaires 9-10, 12-13 et 15-
16h TU (figures 4.6a, b etc).
Pour toutes les stations confondues par mois, le coefficient de corrélation varie de 0,63
(avril) à 0,86 (juin) pour la plage horaire 9-lOh TU, de 0,53 (avril) à 0,88 (février) pour la
plage horaire 12-13h TU et enfin de 0,51 (mai et avril) à 0,86 (juin) pour la plage horaire
15-16h TU (figures 4.15a, b etc).
Pour toutes les stations confondues l'erreur quadratique moyenne reste faible. Elle varie de
0,024 kWh/m 2 (janvier) à 0,071 kWh/m 2 (mai) pour la plage horaire 9-lOh TU, de 0,035
kWh/m 2 (janvier) à 0,076 kWh/m 2 (juin) pour la plage horaire 12-13h TU et enfin de 0,026
kWh/m 2 (mars) à 0,048 kWh/m 2 (juin) pour la plage horaire 15-16h TU (figure 4.16a, b et
c).
Les résultats obtenus par heure et pour toutes les stations confondues sont récapitulés dans le
tableau [4.5].
4.1.3.2 Comparaison sur les 7 premiers mois de l'année 1985
Les résultats obtenus par station et par heure sont donnés dans le tableau [4.6].
- 63 -
Le coefficient de corrélation varie de 0,62 (station 824 : La Rochelle) à 0,85 (stations 200,
231, 817 et 874 : Reims, Nice et Carpentras) pour la plage horaire 9-1 Oh TU, de 0,56
(station 216 : Perpignan) à 0,86 (station 888 :Tours) pour la plage horaire 12-13h TU et de
0,46 (station 888 : Tours) à 0,77 (station 231 : Marignane) pour la plage horaire 15-16h TU.
L'erreur quadratique moyenne quant à elle, varie de 0,038 kWh/m 2 (stations 231, 283, 812 et
835 : Marignane, Macon, Montpellier et Embrun) à 0,064 kWh/m 2 (station 218 : Rennes)
pour la plage horaire 9-10h TU, de 0,044 kWh/m 2 (stations 209 et 231 : Limoges et
Marignane) à 0,072 kWh/m 2 (station 216 : Perpignan) pour la plage horaire 12-13h TU et
enfin de 0,012 kWh/m 2 (station 219 : Strasbourg) à 0,031 kWh/m 2 (station 817 : Nice) 'pour la
plage horaire 15-16h TU.
Pour toutes les stations confondues les résultats sont donnés par les figures 4.7a, b et c. Le
coefficient de corrélation dans ce cas est de 0, 77, 0, 77 et 0,63 respectivement pour les plages
horaires 9-10, 12-13 et 15-16h TU. L'erreur quadratique moyenne sur le rayonnement au sol
est de 0,050, 0,053 et 0,025 kWh/m 2 respectivement pour les heures 9-10, 12-13 et 15-16h
TU.
Pour toutes les stations et toutes les heures confondues, les résultats sont donnés par la figure
4.7d. Le coefficient de corrélation est de 0,70 et l'écart-type de l'erreur entre les coefficients
de transmission mesuré et estimé est de 0,06.
- 64 -
4.1.4 Conclusion
On constate en général, une faible diminution du coefficient de corrélation dans les

comparaisons sur l'année par rapport au mois. On remarque toutefois que cette diminution
n'engendre pas une plus grande erreur quadratique moyenne : 66, 60 et 26 Wh/m 2
respectivement pour les plages horaires 9-10, 12-13 et 15-16 h TU pour l'année 1983 ; 52,
56 et 25 Wh/m 2 pour 1984 ; 50, 53 et 25 Whjm 2 pour 1985. Ces erreurs en moyenne
constituent un peu moins de 10% de la valeur du rayonnement solaire global mesuré au sol.
Au vu de ces bons résultats, l'adoption de la période de comparaison sur une année entière
.est judicieuse dans la mesure où on est appelé à gérer seulement un couple de coefficients de
régression (a 1 ,b 1 ) par plage horaire.
Les tableaux [4.1] à [4.6] montrent que le coefficient de corrélation et l'erreur quadratique
moyenne varient selon la plage horaire, la station et l'année. Au vu de ce phénomène, une
analyse spatio-temporelle des relations linéaires entre K et n s'impose. Cette analyse est faite
dans les paragraphes qui suivent.
- 65 -
Mois 9-10h TU 12-13h TU 15-16h TU
R 0,77
Jan.
rms 0,028
R 0,85
Fév.
rms 0,042
R 0,8 0,85 0,72

Mar.
rms 0,056 0,056 0,030
R 0,5 0,6 0,81

Avr.
rms 0,06 0,056 0,047
R 0,87 0,81 0,80

Jun.
rms 0,08 0,073 0,057
R 0,75 0,88 0,80

Jui.
rms 0,078 0,077 0,053
R 0,67 0,78 0,69

Aoû.
rms 0,068 0,061 0,044
R 0,82 0,86 0,62

Sep.
rms 0,052 0,053 0,028
R 0,75 0,85 0,65

Oct.
rms 0,042 0,047 0,014
R 0,68 0,81
Nov.
rms 0,035 0,31
R 0,73 0,72
Déc.
rms 0,008 0,03
Tableau ~4. 1] Coefficient de corrélation (R) et erreur quadratique moyenne (rms) sur le rayonnement
solaire global au sol, exprimée en kWh/m2 , par mois et par heure pour toutes les
stations confondues (année 1983).
- 66 -
Stations 9-10h TU 12-13h TU 15·16h TU
R 0,64 0,74 0,62

Dijon
rms 0,054 0,056 0,024
R 0,73 0,85 0,80
Auxerre
rms 0,050 0,056 0,028
R 0,69 0,84 0,77
Tours
rms 0,056 0,057 0,026
R 0, 74 0,81 0,82
St·Quentin
rms 0,060 0,055 0,027
R 0,79 0,75 0,73
Nice
rms 0,052 0,062 0,021
R 0,67 0,83 0, 71
Macon
rms 0,057 0,063 0,023
R 0,79 0,86 0,77
Montpellier
rms 0,048 0,053 0,025
R 0, 75 0,81 0,86
Carpentras
rms 0,055 0,052 0,027
R 0,57 0,76 0,60
Clerm.-Ferr.
rms 0,049 0,060 0,027
R 0,76 0,86 0,69
Pau
rms 0,058 0,056 0,027
R 0,64 0,84 0,71
Reims
rms 0,055 0,060 0,029
R 0,59 0,76 0,74
Nancy-Essey
rms 0,050 0,060 0,022
R 0,64 0,82 0,81
Trappes
rms 0,051 0,059 0,028
R 0,55 0,77 0,69
Strasbourg
rms 0,045 0,057 0,025
R 0,62 0,69 0,79
Caen
rms 0,056 0,056 0,023
R 0,70 0,82 0,67
Rennes
rms 0,054 0,054 0,023
Tableau [4.2]. Coefficient de corrélation (R) et erreur quadratique moyenne (rms) exprimée en kWh/m2 ,
par station et par heure pour l'année entière (année 1983).
- 67 -
Mois 9-10h TU 12-13h TU 15-16h TU
R
jan.
rms
R 0,79 0,85 0,72

fév.
rms 0,037 0,043 0,025
R 0,66 0,62 0,67

mar.
rms 0,055 0,057 0,029
R 0,94 0,90 0,87

avr.
rms 0,056 0,066 0,026
R 0,82 0,74 0,79

mai
rms 0,072 0,071 0,044
R 0,78 0,83 0,82

jun.
rms 0,072 0,075 0,042
R 0,84 0,88 0,80

jui.
rms 0,059 0,066 0,039
R 0,89 0,84 0,77

aoû.
rms 0,056 0,069 0,040
R 0,90 0,86 0,84

sep.
rms 0,055 0,063 0,031
R 0,86 0,89 0,82

oct.
rms 0,046 0,044 0,015
R 0,82 0,81
nov.
rms 0,036 0,036
R 0,67 0,80
déc.
rms 0,007 0,032
Tableau [4.3] Coefficient de corrélation (R) et erreur quadratique moyenne (rms) exprimée en ki.Jhtm2
sur le rayonnement solaire global au sol par mois et par heure pour toutes les stations
confondues (année 1984).
- 68 -
Sts 9·10h 12·13h 15 ·16h Sts 9·10h 12·13h 15·16h
R 0, 75 0,82 0,67 . 0,84

Reims R 0,83 0, 79
rms 0,064 0,060 Auxer.
0,028 rms 0,054 0,051 0,032
R 0, 75 0,75 0,59
Bordeau R 0,73 0,77 0,61
rms 0,051 0,052 Macon
0,024 rms 0,054 0,051 0,024
R 0,78 0,84 0,70
Cler.·Fer. R 0,82 0,85 0,65
rms 0,053 Millau
0,063 0,030 rms 0,053 0,057 0,025
R 0, 79 0,81 0,61
Dijon R 0,80 0,79 0,65
rms 0,061 Biscar.
0,055 0,026 rms 0,051 0,064 0,022
R 0,79 0,87 0,60
Limog. R 0,79 0,71 0, 71
rms 0,057 Caen
0,061 0,032 rms 0,055 0,059 0,024
R 0,79 0,80 0,67
Agen R 0,78 0,80 0,61
rms 0,054 Montpel.
0,058 0,026 rms 0,039 0,056 0,020
R 0, 71 0,72 0,60
Perpig. R 0,87 0,88 0,69
rms 0,042 Nice
0,054 0,023 rms 0,051 0,055 0,021
R 0,69 0,74 0,63
Rennes R 0,73 0,69 0,42
rms 0,054 Roch el.
0,055 0,028 rms 0,051 0,062 0,021
R 0,74 0,77 0,73
Strasb. R 0,85 0,84 0, 70
rms 0,047 Carcas.
0,057 0,030 rms 0,058 0,049 0,026
R 0,86 0,84 0,66
Pau R 0,76 0,75 0,68
rms 0,058 Embrun
0,056 0,021 rms 0,055 0,047 0,024
R 0,72 0,75 0,65
Ajacc. R 0,74 0,83 0,66
rms 0,040 Paris(Mts)
0,052 0,021 rms 0,052 0,058 0,024
R 0,85 0,89 0,72
Marign. R 0,83 0,87 0,73
rms 0,050 Carpen.
0,053 0,022 rms 0,047 0,045 0,020
R 0,79 0,81 0,68
Nancy·E. R 0,85 0,80 0,64
rms Hyeres(Lvt)
0,062 0,061 0,022 rms 0,051 0,059 0,023
R 0,77 0,81 0,73
Trappes R 0,72 0,85 0,60
rms 0,065 Tours
0,062 0,026 rms 0,056 0,061 0,025
R 0,78 0,82 0,66
St·Que. R 0,79 0,83 0,70
rms 0,061 Captieux
0,067 0,026 rms 0,056 0,063 0,028
Tableau [4.4] Coefficient de corrélation (R) et erreur quadratique moyenne (rms en kWh/m2 >, par
station (Sts) et par heure pour l'année entière (année 1984).
- 69 -
Mois 9·10h TU 12·13h TU 15·16h TU
R 0,65 0,79
jan.
rms 0,024 0,035
R 0,85 0,88 0,70

fév.
rms 0,036 0,044 0,028
R 0,69 0,58 0,51

mar.
rms 0,054 0,051 0,027
R 0,63 0,53 0,51

avr.
rms 0,064 0,057 0,034
R 0,78 0,79 0,72

mai
rms 0,071 0,069 0,045
R 0,86 0,87 0,86

jun.
rms 0,070 0,076 0,048
R 0,84 0,83 0,82

jui.
rms 0,069 0,057 0,042
Tableau [4.5] Coefficient de corrélation (R) et l'erreur quadratique moyenne (rms en kWhtm2 ) sur le
rayonnement solaire global au sol par mois et par heure pour toutes les stations
confondues, pour l'année 1985.
- 70 -
Sts 9·10h 12 ·13h 15 ·16h Sts 9·10h 12·13h 15 ·16h
R 0,85 0,78 0,59

Reims R 0,75 0,80 0,60
rms 0,057 0,053 0,026 Auxer.
R 0,69 0,76 rms 0,058 0,060 0,022
0,56
Bordeau
rms 0,046 0,052 0,016
R 0,71 0,77 0,62
Macon
R 0, 74 0,73 rms 0,038 0,050 0,024
0,56
Cler.·Fer.
rms 0,055 0,056 0,021
R 0,76 0,76 0,75
Millau
R 0,81 0,83 rms 0,041 0,053 0,024
0,64
Dijon
rms 0,049 0,045 0,027
R 0,78 0,76 0,62
Biscar.
R 0,79 0,78 rms 0,053 0,045 0,016
0, 71
Limog.
rms 0,062 0,044 0,030
R 0,76 0,68 0,54
Caen
R 0, 71 0,74 rms 0,055 0,058 0,028
0,69
Agen
rms 0,056 0,048 0,027
R 0,70 0,74 0,67
Mont pel.
R 0,65 0,56 rms 0,038 0,053 0,020
0,47
Perpig.
rms 0,047 0,072 0,025
R 0,85 0,79 0,72
Nice
R 0,78 0,71 rms 0,049 0,051 0,031
0,60
Rennes
rms 0,064 R 0,62 0,70 0,59
0,056 0,027 Rochel.
R 0,69 0,74 rms 0,058 0,062 0,018
0,60
Strasb.
rms 0,055 0,058 0,012
R 0,74 0,68 0,63
Carcas.
R 0, 73 0,69 rms 0,049 0,049 0,024
0,52
Pau
rms 0,058 0,046 0,027
R 0,77 0,78 0, 74
Embrun
R 0,76 0,77 rms 0,038 0,063 0,028
0,71
Ajacc.
rms 0,056 0,059 0,025
R 0,68 0,83 0,50
Paris(Mts)
R 0,85 0,78 rms 0,051 0,061 0,030
0,77
Marign.
rms 0,038 0,044 0,023
R 0,85 0,83 0,71
Carpen.
R 0,84 0,79 rms 0,046 0,045 0,020
0,65
Nancy·E.
rms 0,054 R 0,78 0,78 0, 71
0,055 0,024 Hyeres(Lvt)
R 0,82 0,81 rms 0,048 0,057 0,026
0,47
Trappes
rms R 0,86 0,46
0,054 0,053 0,020 Tours
R 0,69 rms 0,050 0,025
0,63 0,52
St·Que.
rms 0,048 0,079 0,029
Tableau [4.6J Coefficient de corrélation (R) et erreur quadratique moyenne (rms en kWh/m2) par
station (Sts) et par heure pour les 7 premiers mois de l'année 1985.
- 71 -
a c --·--·-·----------------~
1 C~OU_t) 1 Ne&lC (n}
1 I.·:>UD
A " 1< A • K
A
8
-Il. 13
87.92
•8 -9.14
91.8'9
nu"b~~ of SAMPlPS 3286 nuMber of saMples 24711
corr•lAtton coefftCtPnt -a. 7:J correlatton coeffiCient -a.?a
st~ndard d•vt&tton of K 66 standard devtatton of H 68
11111
TRAHSMITTAHCt: lC 1 - <K>
Slot <9-18h UT) &Il stations ~~••• Slot <15-16h UT> ail stations "'•w-ged
b d
CLOUD INDE)( <n) CLOUD INDlX tn>
A " 1< B A ~ 1< B
A -8.14 A -11.14
B 1112.311 B 95.11
nuMber of s~Mples 37'16 nu,..beor of saM~les 9552
corr•lation coeffici•nt -8.7'1 correlation coefficient -Iii. 75
standard d•vi&tion of K 67 stanaard deviation of K 66
.. ~.
TRAHSMITTAHCE )( 111118 <K> TRAHSMITTAHCE X 1888 <K>
Slot <12-13h UT) &Il stations ~rged ail slots "'erg•d ali st.ations I'M'rg•cl
Fisure 4.1 Relation entre K et n sur une année entière (résultats de

1983) pour toutes les stations confondues. a) 9·10 h TU ;
b) 12·13 h TU ; c) 15·16 h TU ; d) toutes les trois plages
horaires confondues.
- 72 -
1.0 ~----.:..___,------;,--~--:-~~-:------,
a ..
.. 0 ..
~!''o
.. IJ f: ..
;:· .. Cl ... : tJ
:c
.. Cl r..
:a
0.5
O L--J--~F-~M7-~A-~M~~J--J~~A-~S~~O~~N~~D~--~
1.0
b
g::. .. .. ::. .. ....
l~~
lo
!'a p· ~~·· t.0
'·
;.a \"0
.. 0 ~1·
i''..
i:·o .. r 0 0
.
.a
0.5
0
J F M A M J J A S 0 N D
1.0
c
.. E. :.
r·· :. :
:.
:.
.... \::b ;:: ... Fe .... 0
L·
.. []
:o a i·
·0
.0
·:o
0.5 ..
0
J F M A M J J A S 0 N D
Figure 4.2 Le coefficient de corrélation (R) par mois pour l'année

1984. a) 9·10 h TU ; b) 12·13 h TU ; c) 15·16 h TU.
- 73 -
0.100
o.oso
::D
.o
M A M
b
0.100
o.oso
c
0.100
0.050
j;O .. ...
0
!c ..
~ ·: ia
::·c ;:a
·c :·.a !:·.
;:.~
}~. i;:··{)
l":·
0
J M Â M A --s--o N D
Figure 4.3 L'erreur quadratique moyenne (rms en kWh!m2> par mois pour
l'année 1984. a) 9·10 h TU; b) 12·13 h TU; c) 15·16 h TU.
- 74 -
~-------------------·-------·---
1 lNP'···z:.· EtH-iiJAGEM\.':1"-tT .'r1>

1 ., .
1
B
i
'
..
B
-0 . .t3
92.60
OOMJ.H•P d.t- PO 1 n 't S 6053
coPfftclPnt de cor~elation -0.77
ecdrt-type (X-· MestiMe) 65
., ----~~--200 4!,10 600

TRANSMITTANCE X .t000 (J<)
tteu~el (9-l~h TU) toutes stations
INDICE ENNUAGEMEHT Cn)
n A,.J<+B
A -0 . .t3
B .t02.8.t
noMhr•e rle points 6096
coefficient de co~~elation -0.8.t
ecart-type CK - MestiMe} 64
TRANSMITTANCE X .t000 (J<)
Heure2 (12-13h TU) toutes stations
Figure 4.4 Relation entre K et n sur une année entière (résultats de

b) 12-13 h TU.
- 75 -
---···--~--~---·-····---·------·---·-·------------------,
1 !'H•i·.L Ftlr1!1><·~.F>H.tH O:n.>

1
i r, B
--0.13
B5.56
noMI-,t•f.' d{_'- po 1 nt s 6090
co~ffic1~nt dP correlation --0.65
t;-·c,:\x-·t··t~I.Pf:' <E l<:e-~:;:'t ito'l:eo) 63
1
c
H!l3j
t~eure3 (15-16h TU> toutes stations
r:,~="_;;::-,.,
n A >< J< + B
1 A -·9.13
B 93.93
noMbroe de points 18239
coefCicient de co~~elation -9.73
eca~t-t~pe <H - KestiMe) 65
TRANSHITTANCE X 1009 <K>
Toutes heuFes toutes stations
Figure 4.4 (Suite) Relation entre K et n sur une année entière

(résultats de 1984) pour toutes les stations confondues. c)
15·16 h TU d) toutes les trois plages horaires
confondues.
- 76 -
1.0 . - - - - - - - - - - - - - - - - - - - - - - - - - ,
::
~:0 :: c
a ::c ·c
0.5
0
J F M A M J J A s 0 N D
1.0 .-------------------------ï
::: :..
!:· !':.'
j;·c !:
\
,:, .. D
..
.•.. o
r
:.
b :.o
0.5
i.e
0
1.0
:··
i=· ...i'."
1=· .. c ;o
;·o
:C
.. .. ..
c ..
0.5 ;,o ;D
..
0
Figure 4.5 le coefficient de corrélation (R) par mois pour l'année

1985. a) 9·10 h TU ; b) 12·13 h TU ; c) 15·16 h TU.
- 77 -
".ê
i
"
0.100
a
0 :·o ;.o
i
c
,,
···c !
0.050
:·
::·c
:. ..
..
;"c :
!:•
0
F M A M J J A s 0 N D
0.100
,P
o:.D
' :
b :··
;a
,c :·
:c
0.050
::t.
;:c j,
~:c ,.
0
"~
.t::
J
"
0.100
,.
c
0.050 :· !:·· i:. :·
iC r
([C ~:
;,o
:
f ::·c
Pg ;:c i
:
:
:
0
J F M A M J A s 0 N D
Figure 4.6 L'erreur quadratique moyenne (rms en kWhtm2> par mois pour
l'année 1985. a) 9·10 h TU; b) 12·13 h TU; c) 15·16 h TU.
- 78 -
'' :: ii ~- V. B
-0. 13
95.07
r)1)~~Fe de points 3660
~~oPff1cient d~ coF~elation -·0. 77
t~c:art-~ype (~ - Kes~t~e) 61
~-.;...-~~'.:?-"'.,_.
')0 ,f·-~~~~.~:::~-~~.;_~· /:: ..·· •.;
7
1d
!____________ --------------~-~~ ~~~~~:~~;1?3tt4*é*i~--~ .: .
21d!;l 400 600
TRANSMITTANCE X 1000 (~)
Hetl~e1 <9--l~h TU> toutes stations
i---·-------·---~---------------------.
b lHDl~~ ENNUACEMEKT (nl
n A " ~ B
>1 -9.13
[< 104.82
no....,:b:rt.')
points .._-\e 4176
coefficient de coFFelation -0.77
Pcart-·type <H - MestiMe) 60
.
···-.·- _
·:;-.}~~~-----
~~~ ...
" 1 tc~~~é'~?;~"'-~1~~- •
L_________ -
400 600
TRANSMITTANCE X 1000 (~)
Hettr~2 (12-13h TU) toutes stations
Figure 4.7 Relation entre K et n sur une année entière (résultats de

b) 12·13 h TU.
- 79 -
[<
1
:1
,,
i fi
r1Ut"thc·e ,JE- t"Otnts
-0 . .1.3
')2.GG
4258
1 C()BtfJcJent ete corr~lat1on -·Il. 63
P~~)·t-t~pe Cl< J<esttHe) 62
1
l
1
Hl0
...
,.... _
-....... ~.:.... ·~ .
•~ ;--<,.._ ~- < ••
'" i ~ - - :-~,=~c-f)~i~$-,:
21!~ 400 600
TRANSMITTANCE X 1000 <X>
H&u~e3 (15-16h TU) toutes stations
d !NDI•:E EtlNU>1GEMENT (n)
A -0.13
B 97.16
noMhï"l'e de points 12094
coefficient de correlation -0.70
ecart-type <N - ~estiMe) 63
TRANSMITTANCE X 1000 <K>
Toutes heures toutes stations
Figure 4.7 (Suite) Relation entre K et n sur une année entière

(résultats de 1985) pour toutes les stations confondues. c)
15-16 h TU d) toutes les trois plages horaires
confondues.
- 80 -
4.2 Etude de la variation spatio-temporelle des relations entre le coefficient de transmission

globale et l'indice d'ennuagement
Cette étude nous a amené à examiner le comportement des relations empiriques établies entre
le coefficient de transmission globale et l'indice d'ennuagement, pour les stations de même
latitude et de longitudes différentes, de même longitude et de latitudes différentes pour une
plage horaire donnée, sur l'année 1983 uniquement. Mais aussi, elle nous a conduit à analyser
le comportement des relations pour des classes définies de hauteur de soleil.
4.2.1 En fonction de la latitude. de la longitude
Le tableau [4.2] présente les résultats sur l'année entière (1983) pour chaque station par plage
horaire. Ce cas de comparaison est difficilement exploitable dans la mesure où à chàque point
. géographique correspond une relation linéaire. Il nous a tout de même permis d'examiner le
comportement des relations linéaires pour des stations ayant approximativement la même
latitude ou la même longitude. Ceci dan$ le but d'envisager une extrapolation spatiale à partir
des stations tests. Les figures 4.8 à 4.13 illustrent bien cette idée:
(i) figures 4.8, 4.9 et 4.10 stations ayant approximativement la même latitude et de
longitudes différentes :
- latitude 47;1N
* Dijon (numéro station : 207), relation notée Di
* Tours (numéro station : 888), notée To
- latitude 43,4N
* Montpellier (812), notée Mo
* Nice (817), notée Ni
- latitude 49.2N
* Reims (200), notée Re
* Caen (806), notée Ca
(il) · figures 4.11, 4.12 et 4.13 stations ayant approximativement la même longitude et de
latitudes différentes :
- longitude 5,0E
* Dijon (207), notée Di
* Carpentras (874), notée Car
- 81 -
- longitude 3,1E
* Clermont-Ferrand (206), notée CF
* Saint-Quentin (262), notée SQ
- longitude 0,2\V
* Pau (225), notée Pa
* Caen (806), notée Ca .
Sur la figure 4.8 (même latitude, plage horaire 9-1 Oh TU), les deux droites Di et To (latitude
de 47 ,lN) de régression relatives à Dijon et Tours s'écartent l'une de l'autre pour les faibles
valeurs de l'indice d'ennnuagement n tandis qu'elles se rapprochent l'une de l'autre pour des
valeurs élevées de n. Le phénomène est contraire pour les deux droites (Mo et Ni, latitude de
43,4N) relatives à Montpellier et Nice. Les droites (Re et Ca, latitude de 49,2N) relatives
respectivement à Reims et Caen sont presque parallèles et relativement éloignées l'une de
l'autre. Globalement sur la figure 4.8, il n'y a pas de conclusion commune relative aux trois
cas (latitudes # 47 ,lN, 43,4N et 49,2N), sauf que les droites Di, To, Mo, Ni et Re
conduisent à des coefficients de transmission globale assez proches (variation absolue de
0,030 pour K). La droite Ca est par contre éloignée des autres et donne donc des valeurs de
K plus faibles.
Sur .la figure 4.9 (même latitude, plage horaire 12-13h TU), les droites Di et To sont
quasiment confondues tandis que Mo et Ni se coupent au voisinage de n égal à 35 et enfin
Re et Ca conduisent à des résultats de K toujours différents (Ca donne des valeurs de K plus
élevées que celles obtenues par Re).
Sur la figure 4.10 (même latitude, plage horaire 15-16h TU), les couples de droites (Di,To) et
(Mo,Ni), se rapprochent l'une de l'autre pour les faibles valeurs de n et par contre s'écartent
assez largement pour les valeurs élevées. Pour (Re,Ca), le phénomène est identique sauf que
la convergence de Re et Ca pour les faibles valeurs de n se fait plus lentement par rapport
aux cas (Di,To) et (Mo,Ni).
En conclusion sur les figures 4.8, 4.9 et 4.10 (même latitude), les différentes situations
rencontrées sont très différentes les unes des autres. Il semble n'y avoir aucune dépendance
de la relation entre K et n en fonction de la longitude.
Sur la figure 4.11 (même longitude, plage horaire 9-1 Oh TU), les deux droites Di et Car
(longitude # 5,0E) relatives à Dijon et Carpentras sont quasiment confondues. CF et SQ
- 82 -
(longitude # 3,1E) relatives respectivement à Clermont-Ferrand et Saint-Quentin conduisent

presque aux mêmes valeurs du coefficient de transmission globale K pour les valeurs de n
situées entre 40 et 70, alors qu'elles (CF et SQ) s'éloignent l'une de l'autre pour les cas
extrêmes de n. Pa et Ca (longitude # 0,2W) conduisent à des valeurs de K très différentes.
Sur la figure 4.12 (même longitude, plage horaire 15-16h TU), les droites Di et Car sont
parallèles et très ·proches l'une de l'autre, ce qui conduit approximativement aux mêmes
valeurs de K (la variation de K entre les deux droites est de 0,01). Les droites CF et SQ
donnent des valeurs différentes du coefficient de transmission globale (0,82 et 0,73) pour n
égal à 0, par contre elles conduisent à des valeurs de plus en plus proches au fur et à mesure
que n augmente. Les droites Pa et Ca restent encore éloignées mais moins par rapport à la
situation sur la plage horaire 9-1 Oh TU (figure 4.11 ).
Sur la figure 4.13 (même longitude, plage horaire 15-16h TU), les droites Di et Car se
coupent pour n égal à 40 et elles restent assez proches de part et d'autre de ce point
d'intersection. Les droites CF et SQ se coupent pour n égal à 50 et s'éloignent un peu plus
l'une ·de l'autre de part et d'autre du point d'intersection et ceci par rapport au couple
(Di,Car). Enfin les droites Pa et Ca s'écartent l'une de l'autre au fur et à mesure que n
augmente.
De cette analyse, il semble n'y avoir aucune dépendance de la relation entre K et n en

fonction de la latitude. Cette non-dépendance du couple de paramètres vis-à-vis de la
localisation géographique n'est pas un résultat surprenant en soi dans la mesure où le climat
sur la France est relativement constant géographiquement et où l'examen des équations du
bilan radiatif conduit effectivement à conclure à une forte linéarité entre K et tout indice
défini, similairement à n, comme la différence entre une observation instantanée et une
réponse par ciel clair normalisée pour la différence entre ciel couvert et ciel clair (cf.
méthodes de Raschke et Preuss [33]; ou Moser et Raschke [31]).
En conclusion la relation entre K et n est effectivement linéaire avec une bonne précision.
Les paramètres (pente et ordonnée à. l'origine) ne dépendent pas de la localisation
géographique et très peu du mois ou de l'heure de la journée. Toutefois cette linéarité n'est
pas évidente pour les conditions extrêmes à savoir les cas ciel très clair et ciel totalement
couvert. En effet sur les figures 4.la à 4.lc, reproduisant les figures 3a à 3c de Diabaté et al.
[30], on constate que le nuage de points est très dense pour K élevé et n faible (cas ciel
clair). Ce nuage est allongé parallèlement à l'axe des K et non pas le long de la droite. On a
- 83 -
donc une mauvaise estimation du coefficient de transmission globale par ciel clair dont la
valeur maximale, théoriquement, est donnée par l'intersection de la droite (premier axe
d'inertie) avec l'axe K. Ces valeurs : 0,67, 0,73 et 0,65 respectivement pour les plages
horaires 9-lOh TU, 12-13h TU et 15-16h TU, sont plus élevées que celles obtenues par
Michaud-Regas [18] mais elles restent encore faibles par rapport aux valeurs mesurées qui
fluctuent autour de 0, 78, selon les conditions de turbidité de l'atmosphère.
- 84 -
Dijon
K # 47,4 degrés
1000 2 Tours
Montpellier
# 43,4 degrés
Nice
500
Reims
# 49,2 degrés
Caen
Figure 4.8 Droites d'ajustement entre K et n pour des stations de même

latitude et de longitudes différentes (plage horaire 9·10h
TU).
K
1000
500

TU).
1000
500

TU).
- 85 -
Dijon
K
# 5,06 degrés Est
1000 2 Carpentras
3 Clermont-Ferrand
# 3,4 degrés Est
4 St·quentin
500
5 Pau
# 0,2 degré Ouest
6 Caen
50
~100 n

longitude et de latitudes différentes (plage horaire 9·10h
TU).
1000
500
0 50 n

TU).
K
1000
500
Fi sure 4.13 Droites d'ajustement entre K et n pour des stations de même

TU).
- 86 -
4.2.2 En fonction de la hauteur du soleil
Nous avons tracé l'indice d'ennuagement, n, en fonction du coefficient de transmission

globale, K, ceci par classe de hauteur v du soleil large de 5°, ou de 10° pour v >52°. Les
résultats obtenus sont représentés par les figures 4.14 à 4.22 pour l'année 1983, 4.23 à 4.31
pour 1984 et 4.32 à 4.41 pour 1985.
La droite de régression retenue entre n et K est de la forme :
n = AK + B (4.6)
Un ajustement entre n et K par le premier axe d'inertie (cf. éqs. 4.3, 4.4 et 4.5), aboutit aux
résultats récapitulés dans les tableaux [4.7] pour l'année 1983, [4.8] pour 1984 et [4.9] pour
1985.
Pour l'année 1983 :
(i) La constante de régression A varie de -0,13 (12° - 17° ~ 48° - 52°) à -0,16 (33° - 37°).
Elle est égale à -0,15 entre 18° et 32°. Les faibles variations de A (-0,13 à -0,16)
montrent qu'elle est quasiment indépendante de la hauteur du soleil.
(ii) La constante de régression B varie entre 75,74 (12° - 17°) à 109,23 (33° - 37°). Elle
augmente pour les hauteurs de soleil variant de 12° à 37° et ensuite la variation devient
un peu plus complexe. La constante B varie beaucoup par rapport à A. Cette variation
est due au fait que B caractérise le coefficient de transmission globale K par ciel clair
et dépend donc du trouble atmosphérique global.
(iii) Le coefficient de corrélation varie entre -0,68 (43° - 4 7°) à -0,84 (28° - 32°). En
valeur absolue, il augmente pour les hauteurs de soleil allant de 12° et 32° (0, 72 à
0,84), décroît ensuite entre 33° et 47° (0,81 à 0,68) et enfin croît pour les hauteurs du
soleii variant de 48° à 65° (0,72 à 0,76).
(iv) L'erreur quadratique moyenne (rms) sur le coefficient de transmission globale varie de
58 (53° - 65°) à 74 (12° - 17°). Le paramètre rms sur K décroît quand la hauteur du
- 87 -
soleil croît sur la plage 12° - 42°, il croît entre 43° - 47° et enfin décroît pour
comprise entre 48° et 65° (59 à 58).
(i) La constante de régression A varie de -0,13 (53° - 65°) à -0,15 (12° à 37° ; 43° - 47°).
Ici aussi, A varie très peu avec la hauteur du soleil.
(ii) La constante de régression B varie de 79,46 (12° - 17°) à 107,25 (43° - 47°). Elle
augmente de façon régulière pour les hauteurs de soleil allant de 12° à 47° (79,46 à
107,27) et décroît ensuite pour v comprise entre 48° et 65° (101,62 à 100,19).
(iii) Le coefficient de corrélation varie de -0,69 (12° - 17°) à -0,86 (48° - 52°). En valeur
absolue, il augmente régulièrement avec la hauteur du soleil sauf pour 38° - 42° (0,80) .
. et 53° - 65° (0,84) .où on constate une diminution.
1
.. 1
(iv) L'erreur quadratique moyenne sur K varie de 60 (53° - 65°) à 69 (12° - 17°). D'une
façon générale, elle croît avec l'augmentation de la hauteur du soleil, exception faite de
la plage .48° - 52° (66) où elle décroît.
(i) La. constante de régression A varie de -0,13 (53° - 65° ; 48° - 52°) à -0,15 (18° - 22° ;
23° - 27°). Elle est constante pour les hauteurs du soleil comprises entre 28° et 47° (-
0,14). Elle varie peu avec la hauteur du soleil.
(ii) La constante de régression B varie de 84,39 (l2° - 17°) à 105,41 (43° - 47°). Elle
augmente pour les hauteurs du soleil comprises entre 12° et 27° (84,39 à 103,56). Sa
variation est un peu plus désordonnée pour les autres hauteurs du soleil (28° à 65°).
(iii) Le coefficient de corrélation varie entre -0,51 (18° - 22°) à -0,80 (48° - 52°). Les
valeurs obtënues pour les plages 18° - 22° (-0,51), 28°-32° (-0,67) et 33° - 37° (-0,64)
sont relativement faibles.
- 88 -
(iv) L'erreur quadratique moyenne sur K varie de 60 (53° - 65°) à 74 (18° - 22°). Elle
décroît avec l'augmentation de la hauteur du soleil comprise entre 18° et 47° (74 à 58).
Pour les trois années confondues, A varie peu ( -0,13 à -0,15) en étant une fois égale à -0,16,
par contre B varie avec la hauteur du soleil et avec l'année. Le biais sur K est nul de par le
mode de construction adopté. L'erreur quadratique moyenne sur K est comprise entre 58 (7%
de K mesuré) et 75 (10%).
Discussion
Nous avons essayé d'écrire K = (an + 13)(sin )Y avec y prenant les valeurs 1, 0,15 et 0,25.
Pour Y égal 1, les résultats sont moins bons que précédemment à cause de la constance de A
par rapport à v. Quant aux valeurs 0,15 et 0,25, les comparaisons montrent également une
faible variation de a et une plus forte variation relative de 13. Toutefois, les variations
relatives de respectivement a et 13 sont similaires à celles de respectivement de A et B. Nous
ne . retiendrons donc pas cette formulation qui ne permet pas d'une façon explicite
d'appréhender l'effet du trouble atmosphérique.
Pour améliorer l'estimation il est envisageable d'exprimer la quantité ( -B/ A) en fonction du

trouble atmosphérique global (TL) et de la hauteur du soleil.
L'équation 4.6 peut s'écrire sous la forme :
K = (1/A)n- (B/A) (4.7)
Le rapport - B/ A caractérise le coefficient de transmission globale de l'atmosphère par ciel

clair (K c , pour les faibles valeurs de n comprises entre 0 et 10). En première approximation
on peut admettre que :
Kc = -B/A (4.8)
Perrin de Brichambaut et Vauge [6] proposent, pour la détermination du rayonnement solaire

global horaire par ciel clair (G c ) sur plan horizontal, la formule empirique suivante :
- 89 -
G c = (1270 - 56TL)(sinv )(TL+ 36 )1 33

(4.9)
avec
v : hauteur du soleil,
TL . : trouble atmosphérique global.
En divisant l'éq. 4.9 par Goh on obtient K :

c
Kc = FC(l/(lo.CDS.sin v))[l270 - 56TL](sinv )(TL+ 36 )/33 (4.10)
où
CDS facteur de correction distance Terre-Soleil,
lo constante solaire (1353 Wh/m 2)
FC facteur de codage, égal à 1000 conformément au système de codage utilisé
pour K et n (n compris entre 0 et 100 ; K compris entre 0 et 1000).
En rapprochant les équations 4. 7, 4.8 et 4.10 on peut écrire :
K = (1/A)n + 1000.(1/(lo.CDS))[1270- 56TL](sinv)(TL+3 )/ 33 ( 4.11)
Une classification de la nature du ciel selon la valeur de n, déduite de notre expérience, est :
a) pour n compris entre 0 et 10 =========> ciel clair,
b) 10 < n < 90 ========> ciel partiellement couvert,
c) n supérieur à 90 =============> ciel couvert.
Pour vérifier la formule empirique obtenue (éq. 4.11), uniquement par ciel clair, nous avons
estimé TL à l'aide d'une formulation de Kasten [34] :
TL = ln((lo.CDS)/1)[0,9 + 0,94(sin v )0 •83] (4.12)
avec
1 : rayonnement solaire direct reçu au sol.
- 90 -
1 = (G - Gd)/sinv (4.13)
OÙ
G : rayonnement solaire global sur plan horizontal au sol,

Gd : rayonnement solaire diffus sur plan horizontal au sol.
Disposant des mesures de G et Gd pour six stations en 1983 et onze stations en 1984 et 1985,
nous avons estimé à l'aide des formules 4.12 et 4.13 le trouble TL pour chacune des stations
ceci par heure et par jour sur chacune des années concernées et par ciel clair. Puis nous
avons reconstruit le K (K estimé, éq. 4.11) et l'avons comparé au K mesuré.
Les résultats obtenus sont les suivants :
(i) année 1983 toutes heures toutes stations confondues :

moyenne sur K estimé : 652
mo.yenne sur K mesuré : 681
nombre de points : 664
biais (Kmes - Kest) : 28 (4% de la moyenne sur K mesuré)
écart-type : 67 (10%)
erreur quadratique moyenne : 73 ( 11%)
(ii) année 1984 toutes heures toutes stations confondues :

moyenne sur K mesuré : 703
biais (Kmes - Kest) : 16 (2%)
erreur quadratique moyenne : 61 (9%)
(iii) année 1985 toutes heures toutes stations confondues :

moyenne sur K mesuré : 712
biais (Kmes - Kest) : 20 (3%)
erreur quadratique moyenne : 51 (7%)
- 91 -
L'erreur d'estimation sur K est approximativement de 10% de la valeur mesurée. Cette

approche semble bonne, mais le problème est de pouvoir estimer TL à l'aide des images
sa telli tai res.
Ce problème sera largement discuté dans le chapitre 6. Retenons simplement, de Perrin de

Brichambaut [35], que :
(i) pour la France, une bonne approximation du facteur de trouble TL par ciel clair peut
aller de 2, l'hiver (minimum en janvier-février), à 3,3, l'été (maximum en août),
(ii) par ciel couvert on peut en première approximation prendre TL#90. Cette
approximation peut être améliorée par une analyse des aspects climatologiques et
statistiques de la nature du ciel.
- 92 -
4.2.3 Conclusion
Des études des paragraphes 4.2.1 et 4.2.2, sur les relations entre n et K, on constate que :
(i) les relations sont linéaires,
(ii) qu'elles ne dépendent pas ou très peu de la localisation géographique (du moins sur la
France),
(iii) qu'elles ne dépendent pas du mois,
(iv) qu'elles dépendent de l'heure de la journée.
Ces conclusions, identiques à celles obtenues par Diabaté et al. [30] pour l'année 1983, nous
ont amenés à retenir un jeu de coefficients de régression A et B par plage horaire.
Les coefficients A et B retenus, par plage horaire pour toutes les stations confondues, sont
des moyennes de ceux obtenus dans les paragraphes 4.1.1, 4.1.2 et 4.1.3 :
Plages horaires en heure TU

9-10 12-13 15-16
A -0,13 -0,13 -0,13
B 92 102 90
Les valeurs, ci-dessus, de A et B seront utilisées pour la reconstruction du rayonnement

global horaire instantané.
- 93 -
Signalons que d'autres types de relations ont été examinés :
(i) ln(n) = a 1K + f3
ln(n) =
a cc K + f3 cc par ciel clair
(ii) n = aK + b par ciel partiellement clair
ln(n) = acTK + f3 cc par ciel couvert
Ces relations ont abouti à des résultats (20% d'erreur en moyenne sur les estimations) moins
bons que les formulations précédentes, aussi les travaux n'ont pas été poursuivis dans ces
voies.
- 94 -
A B coef_corr rms sur K

sin v
0,21:0,29 ·0, 13 75,74 ·0,72 74

(12°·17°)
0,31:0,38 ·0,15 93,69 ·0,75 66

(18° ·22°)
0,39:0,45 ·0, 15 98,06 ·0,82 62

(23°·27°)
0,47:0,53 ·0,15 100,25 ·0,84 68

(28° ·32°)
0,55:0,60 ·0, 16 109,23 ·0,81 64

(33°·37°)
0,62:0,67 ·0, 14 97,90 ·0,80 65

(38°·42°)
0,68:0,73 ·0,15 101,18 ·0,68 72

(43° ·47°)
0,74:0,79 ·0, 13 92,25 ·0,72 59

(48°·52°)
0,80:0,91 ·0, 14 99,05 ·0,76 58

(53°·65°)
Tableau[4.7J Constantes de régression (A,B), coefficient de corrélation (coef_corr) et l'erreur (rms

sur K) de l'ajustement linéaire entre le coefficient de transmission globale (K) et
l'indice d•ennuagement(n), pour l'année 1983.
- 95 -

sin v
0,21:0,29 ·0,15 79,46 ·0,69 69

(12°·17°)
0,31:0,38 ·0,15 94,00 ·0,74 68

(18°·2t)
0,39:0,45 ·0,15 99,95 ·0,78 68

(23°·27°)
0,47:0,53 ·0,15 103,28 ·0,79 62

(28° ·32°)
0,55:0,60 ·0,15 105,01 ·0,81 64

(33° ·37°)
0,62:0,67 ·0, 14 104,15 ·0,80 68

(38°·42°)
0,68:0,73 ·0,15 107,27 ·0,85 62

(43°·47°)
0,74:0,79 ·0, 14 101,62 ·0,86 65

(48°·52°)
0,80:0,91 ·0, 13 100,19 ·0,84 60

(53° ·6S0)
Tableaut4.8J Constantes de régression CA,B), coefficient de corrélation (coef_corr) et l'erreur Crms

sur K) de l'ajustement linéaire entre le coefficient de transmission globale (K) et
l'indice d'ennuagement(n), pour l'année 1984.
- 96 -

sin v
0,21:0,29 ·0, 14 84,39 ·0,72 67

(1~·17 ) 11
0,31:0,38 ·0,15 98,96 ·0,51 73

(18., ·2211 )
0,39:0,45 ·0, 15 103,56 ·0,78 70

(23°·27°)
0,47:0,53 ·0, 14 101,02 ·0,67 65

(28°·32°)
0,55:0,60 ·0, 14 101,20 ·0,64 64

(33°·37°)
0,62:0,67 ·0, 14 100,34 ·0,78 64

(38° ·42°)
0,68:0,73 ·0, 14 105,41 ·0,70 57

(43°·47°)
0,74:0,79 ·0, 13 98,54 ·0,80 66

(48°·52°)
0,80:0,91 ·0, 13 100,82 ·0,76 60

(53°·65°)
Tableau [4. 91 Constantes de régression (A,B), coefficient de corrélation (coef_corr) et l'erreur (rms
sur K) de l'aJustement linéaire entre le coefficient de transmission globale (K) et
l'indice d•ennuagement(n), pour l'année 1985.
- 97 -
INDICE NUAGE <n>
A -0.13
B ?5.?4
NoMb:re de points 599
CoeCCicient de co:r:relation -0.?2
~MS su:r (k) ?4
100
50
.: . .
600
TRANSHITTANCE <k>
Toutes heu:res toutes stations
Figure 4.14 L'indice d'ennuagement (n) en fonction de la transmittance

globale de l'atmosphère (K) pour les hauteurs du soleil
comprises entre 12° et 1fD pour l'année 1983.
INDICE NUAGE <n>
A -0.15
B 93.69
NoMb:re de points 90?
CoeCCicient de co:r:relation -0.?5
RHS su:r (k) 66
·~· ~~r~ .• :·:' • ··~ .:·

200 400 600
TRANSHITTANCE <k>

comprises entre 18° et 22° pour l'année 1983.
- 98 -
INDICE NUAGE <n>
A -0.15
B 98.06
NoMbX'e de points 940
Coe~~icient de COX'X'elation -0.82
RMS SUX' (k) 62
100
50
200 400 600

TRANSMITTANCE <k>
Toutes heuX'es toutes stations

comprises entre 23° et 2~ pour l'année 1983.
INDICE NUAGE (n)
A -0.15
B 100.25
NoMbX'e de points 864
Coe~~icient de COX'X'elation -0.84
RMS SUX' (k) 68
100
50
0 ••
200 400 600

TRANSMI·TTANCE <k>
Toutes heuX'es toutes stations

- 99 -
INDICE NUAGE <n>
A -9.16
B 199.23
NoMh~e de points 843
CoeCCicient de co~~elation -9.81
RHS su~ <k> 64
·. ·.
59 ·. ::
.·· .. ..···
.·
.. ·..:·.: : ·; ·: · ::>;;;.,,/\:::;:/'\,.:.i).;.~:::.
:
299 499
TRANSHITTANCE <k>
Toutes heu~es toutes stations
Fi gu re 4.18 L'indice d•ennuagement (n) en fonction de la transmittance

INDICE NUAGE <n>
A -9.14
B 97.99
RHS su~ <k> 65
199
59
299 499 699

TRANSHITTANCE (k)

- 100 -
INDICE NUAGE <n>
A -0.~5
B ~0~.~8
NoMbx>e de points 6~7
Coefficient de cox>x>elation -0.68
RHS SUX' (k) 72
~00
50
TRANSHITTANCE <k>
Toutes heux>es toutes stations
Figure 4.20 L'indice d•ennuagement (n) en fonction de la transmittance

INDICE NUAGE <n>
A -9.~3
B 92.25
NoMhx>e de points 578
Coefficient de cox>x>elation -9.72
RHS SUX' (k) 59
~00
... ·.
59
290 409 600

TRANSHITTANCE (k)
Toutes heux>es toutes stations

globale de l'atmosphère (K) pour Les hauteurs du soleil
- lOI -
INDICE NUAGE <n>
A -0 . .14
B 99.05
NoMbï>e de points .1.100
CoeCCicient de coï>ï>elation -0.76
RMS SUï> (k) 58
50
200 400 600

TRANSMITTANCE (k)
Toutes heuï>es toutes stations

INDICE NU.AGE <n>
A -0 • .15
B 79.46
NoMbï>e de points .1133
CoeCCicient de COï>ï>elation -0.69
RMS suï> (k) 69
.100
50
·· ... ·
0 209 400 609

TRANSMITTANCE (k)
Fi gu re 4. 23 L'indice d'ennuagement (n) en fonction de la transmittance

comprises entre 12° et 1re pour l'année 1984.
- 102 -
INDICE NUAGE <n>
A -9.l.5
B 94.99
NoMblC'e de points l.5l.l.
Coefficient de COJC'JC'elation -9.74
RHS SUJC' (k) 68
l.99
59
299 499 699

TRANSMITTANCE <k>
Toutes heulC'es toutes stations

INDICE NUAGE <n>
A -9.l.5
B 99.95
NoMblC'e de points 1439
Coefficient de COJC'JC'elation -9.78
RMS SUJC' (k) 68
59
TRANSMITTANCE <k>
Toutes heulC'es toutes stations

- 103 -
INDICE NUAGE (n)
A -9.15
B 193.29
NoMh:re de points 1279
CoeCCicient de co:r:relation -9.79
RMS su:r (k) 62
59 . ·,< <. :(_,>·:~~-:\··-.>T:~~:;·;;~ ~/_·:_,: . . .:. . ,. ·: . . ·., ........ ·. .... ,

·. ..· ._:; ·.: · ·.: .: ~ : . ·:.·, : ·:.:·~)>::·:::::;<?;~;~~;~~J·/ :;;_;~~~~~~:~ _;·: :.·. .
299 699 499
TRANSMITTANCE (k)

INDICE NUAGE <n>
A -9.15
B 195.91
RMS su:r (k) 64
199
59
299 699 499

TRANSMITTANCE (k)

- 104 -
INDICE NUAGE <n>
A -0.14
B 104.15
NoMb~e de points 1793
J!HS su:r- (k) 68
100
50
200 400 600

TRANSHITTANCE <k>
Toutes heu:r-es toutes stations

INDICE NUAGE (n)
n=A*J( + B
A -0.15
B 107.27
NoMb~e de points .1:020
CoeCCicient de co~:r-elation -0.85
RHS su:r- (k) ~a
209 400 600

TRANSHITTANCE <k>

- 105 -
INDICE NUAGE <n>
A -0.14
B 101.62
RHS su:r Ck) 65
0 200 600
TRANSHITTAHCE <k>

INDICE NUAGE <n>
A -0.13
B 100.19
RHS su:r (k) 60
TRAHSHITTAHCE Ck>

- 106 -
INDICE NUAGE <n>
A -0.14
B 84.39
RMS su~ <k> 67
100
50
0 · · . - : · :. . . . .
TRANSMITTANCE (k)

comprises entre 12° et 1ro pour l'année 1985.
INDICE NUAGE <n>
A -0.15
B 98.96
RMS su~ <k> 73
109
59
.... ~-... ··.... ; .
. .·. ·. ·.· .. • .. 0 ! ••·: ........ .
":.::....
200 400 600
TRANSMITTANCE (k)
Figure 4.34 L' indfce d'ennuagement (n) en fonction de la transmittance

- 107 -
INDICE NUAGE <n>
A -0,15
B 103.56
N01"b~ede points 879
RMS su~ <k> 70
100
50
209 699
TRANSMITTANCE (k)
Figure 4.35 L'indice d•ennuagement (n) en fonction de la transmittance

comprises entre 23° et 2ro pour l'année 1985.
INDICE NUAGE <n>
A -0.14
B 101.02
.NoMb~e de points 803
RMS su~ (k) 65
109
299 499 699

TRANSMITTANCE Ck>

- 108 -
INDICE NUAGE <n>
n = A * ]( + B
A -0. J.4
B J.0J..20
RMS su~ <k> 64
50
'. . ·.:
200 400 600

TRANSMITTANCE (k)

INDICE NUAGE <n>
A -0. J.4
B J.00. 34
NoMb~e de points J.423
RMS su~ <k> 64
J.00 .. : .....
"50
200 400 600

TRANSMITTANCE (k)

- 109 -
INDICE NUAGE (n)
A -0. J.4
B J.05.4J.
Coe~~icient de co~~elation -0.70
RHS su~ <k> 57
J.00
50
200 400 600

TRANSHITTANCE <k>

INDICE NUAGE (n)
A -0.J.3
B 98.54
Coe~~icient de co~~elation -0.80
RHS su~ <k> 66
J.00
.·· ..
::
.·•. • •.:,; (::·t' ~>nA. :~·{ '~~'~L··•.

50
·..
299 499 699

TRANSHITTANCE <k>

- 110 -
INDICE NUAGE <n>
n=A*H + B
A -9.~3
B ~99. 82
NoMh:r>e de points 2~98
CoeEEicient de co:r>:r>elation -9.76
RMS SU:r> (k) 69
Hm ...
59
·.· - -~· ;~·~?,:··:;;;::~!ft:;:~,.~~rt@~tl~~~"~;,~~ii~i:, ·.
299 499 699
TRANSMITTANCE (k)
Toutes heu:r>es toutes stations

- 111 -
4.3 Reconstruction du rayonnement solaire global horaire
Dans ce paragraphe, nous envisageons de reconstruire le rayonnement solaire global horaire,

ceci à partir des résultats de comparaisons (paragraphe 4.2.3) entre le coefficient de
transmission globale et l'indice d'ennuagement sur la base de l'année entière. Cette
reconstruction sera faite en horaire instantanée et horaire mensuelle.
Les coefficients de régression A et B obtenus par les comparaisons sur la période d'une année
par plage horaire (cf. paragraphes 4.1.1, 4.1.2 et 4.1.3) sont presque identiques sur les trois
années (1983, 1984 et 1985). En effet pour toutes les stations confondues:
(i) de 1983 à 1985 A(Hi, i= 1 à 3) = -0,13,

(ii) de 1983 à 1985
B(H2) est constant à 1,5% près de la moyenne de B(H2),
B(H3) est constant à 1,6% près de la moyenne de B(H3),
B(H1) est constant à 3% près de la moyenne de B(Hl),
avec
Hl indiquant la plage horaire 9-lOh TU,
H2 indiquant la plage horaire 12-13h TU,
H3 indiquant la plage horaire 15-16h TU.
Les résultats ci-dessus justifient la représentativité des coefficients de régression moyens A

et B par plage horaire établis sur la base d'une année entière (cf. 4.2.3). Ces coefficients
moyens A et B seront utilisés sur les trois ans pour reconstruire le rayonnement global
horaire par heure par station et par mois, et enfin par heure par station et par année.
Les paramètres d'appréciation de la reconstitution seront : l'écart-type (ect) sur le

rayonnement solaire global estimé, le biais (biais) entre les rayonnements solaires mesuré et
estimé, ceci pour chaque station et chaque mois de l'année considérée, et enfin par plage
horaire par station pour chacune des trois années. La valeur de la moyenne du rayonnement
solaire global mesuré (Ghmes) sera aussi donnée pour chaque cas de comparaison.
Le biais et l'écart-type sur le rayonnement solaire global ont été obtenus en multipliant le
biais et l'écart-type sur le coefficient de transmission globale (K) par Goh correspondant à la
- 112 -
période de comparaison considérée. Le tableau [21] (extrait de Diabaté et al. [30]) donne les
valeurs de Goh pour un point géographique moyen de 46 N et 5 E :
Plages horaires en heure TU

Mois 9-10 12-13 15-16
janvier 0,360 0,520 0,210

févier 0,535 0,690 0,390
mars 0,830 0,900 0,440
avril 1,020 1,055 0,590
mai 1,080 1,120 0,660
juin 1,140 1,185 0,760
juillet 1,115 1,165 0,755
août 1,020 1,080 0,640
septembre 0,890 0,920 0,460
octobre 0,695 0,720 0,220
novembre 0,520 0,530 0,170
décembre 0,115 0,485 0,115
Tableau[4.21J 2
Valeurs de Goh (en kWhtm > par mois et par plage horaire pour le point géographique ·
46 N, 5 E.
Pour tous les mois confondus pour ·re même point géographique moyen défini ci-dessus, Goh
est égal à 0,8, 0,87 et 0,39 kWh/m 2 respectivement pour les plages horaires 9-lOh TU, 12-
13h TU et 15-16h TU.
L'erreur quadratique moyenne de reconstruction est donnée par la racine carrée de la somme
des carrés du biais et de l'écart-type (i.e. sqrt(biais 2 + ect 2)).
4.3.1 En horaire instantanée
a) Sur le mois
Les résultats obtenus pour l'année 1983 sont récapitulés dans les tableaux [4.10] à [4.20].
- 113 -
En janvier (tableau[4.10]), d'une part pour cause de manque de données et d'autre part en
raison de la faible hauteur du soleil pour les plages horaires Hl et H3 (l'angle solaire
considéré est supérieur ou égal à 12 degrés), les calculs n'ont été faits que sur la plage
horaire H2 .. Le biais est toujours négatif, sauf pour la station 806 (Caen), et il est compris
entre -113 Wh/m 2 (station 817, Nice) et 66 Wh/m 2 (station 806, Caen) avec 80% des nombres
inférieurs en valeur absolue à 80 Wh/m 2 • Le signe négatif sur le biais signifie une
surestimation du coefficient de transmission globale K par la formule préconisée. L'écart-
type par contre varie entre 33 Wh/m 2 (station 260, Trappes) et 64 Wh/m 2 (station 206,
Clermont-Ferrand). L'erreur quadratique moyenne varie entre 124 Wh/m 2 (station 817, Nice)
et 48 Wh/m 2 (station 262, St-Quentin) avec 80% des valeurs inférieures ou égales à 85
Wh/m 2 . Les valeurs de Ghmes varient entre 116 Wh/m 2 (station 200, Reims) et 360 Wh/m 2
(station 812, Montpellier).
En février (tableau[ 4.11 ]), la situation est identique à celle de janvier, ainsi nous n'avons
obtenus des résultats que pour H2. Le biais varie entre -58Wh/m 2 (station 874, Carpentras) et
70 Wh/m 2 (station 206, Clermont-Ferrand), on a une situation de sous-estimation (biais
positif) sur les stations 207, 817, 206 et 806 (respectivement Dijon, Nice, Clermont-Ferrand,
Caen). Les valeurs du biais obtenues sont relativement faibles par rapport à celles du mois de
janvier. L'écart-type varie entre 69 Wh/m 2 (station 200, Reims) et 38 Wh/m 2 (station 283,
Macon). L'erreur quadratique moyenne varie entre 46 Wh/m 2 (station 207, Dijon) et 90
Wh/m 2 (station 206, Clermont-Ferrand). La valeur du rayonnement global horaire moyen
Ghmes varie entre 240 Wh/m 2 (station 237, Nancy-Essey) et 426 Wh/m 2 (station 817, Nice).
En mars (tableau[4.12]) :
(i) sur la plage horaire Hl, le biais varie entre -28 Wh/m 2 (stàtion 817, Nice) et 87 Wh/m 2
(station 806, Caen) avec 80% des valeurs absolues inférieures à 30 Wh/m 2 • L'écart-type
varie entre 33 Wh/m 2 (station 219, Strasbourg) et 90 Wh/m 2 (station 225, Pau). La
valeur de Ghmes varie entre 247 Wh/m 2 (station 270, Auxerre) et 446 Wh/m 2 (station
874, Carpentras),
(ii) pour la plage horaire H2, le biais varie entre 2 Wh/m 2 (station 237, Nancy-Essey) et 55
Wh/m 2 (station 806, Caen). Une sur-estimation est constatée sur les stations Macon et
Strasbourg (respectivement -5 et -13 Wh/m 2). L'écart-type varie entre 118 Wh/m 2
(station 237, Nancy-Essey) et 45 Wh/m 2 (station 207, Dijon) avec 75% des valeurs
- 114 -
inférieures à 80 Wh/m 2 • Le paramètre Ghmes varie entre 325 Wh/m 2 (station 262, St-
Quentin) et 552 Wh/m 2 (station 874, Carpentras),
(iii) sur H3, le biais est toujours négatif, sauf pour la station 806 (Caen), et varie entre -69
Wh/m 2 (station 219, Strasbourg) et 57 Wh/m 2 (station 806, Caen). On constate sur cette
plage une situation de sur-estimation (biais négatif). L'écart-type varie entre 37 Wh/m 2
(station 817, Nice) et 70 Wh/m 2 (station 237, Nancy-Essey). Le paramètre Ghmes varie
entre 129 Wh/m 2 (station 262, St-Quentin) et 273 Wh/m 2 (station 812, Montpellier).
En avril (tableau[4.13]), les résultats sont très mauvais surtout sur les plages horaires Hl et
H2. Il semblerait que ceci soit lié à la mauvaise qualité des données de ce mois. La même
situation a été constatée par Michaud-Regas [18].
En juin (tableau[4.14]):
(i) sur la plage horaire Hl, le biais varie entre -29 Wh/m 2 (station 283, Macon) et. 92
Wh/m 2 (station 206, Clermont-Ferrand). L'écart-type varie entre 50 Wh/m 2 (station
874, Carpentras) et 93 Wh/m 2 (station 806, Caen). Le rayonnement global horaire
moyen mesuré varie entre 455 Wh/m 2 (station 806, Caen) et 721 Wh/m 2 (station 206,
Clermont-Ferrand). La quasi-totalité des stations (sauf la 206, Clermont-Ferrand)
présentent un biais de moins de 7% de Ghmes.
(ii) sur H2, le biais varie entre -109 Wh/m 2 (station 200, Reims) et 21 Wh/m 2 (station 206,
Clermont-Ferrand) avec 81% des valeurs absolues inférieures ou égales à 75 Wh/m 2 • On
constate une sous-estimation du rayonnement solaire sur les stations St-Quentin,
Clermont-Ferrand et Strasbourg (biais positif). L'écart-type varie entre 143 Wh/m 2
(station 283, Macon) et 55 Wh/m 2 (station 218, Rennes) avec 75% des valeurs
inférieures à 100 Wh/m 2 • La valeur de Ghmes varie entre 624 Wh/m2 (station 270,
Auxerre) et 798 Wh/m 2 (station 812, Montpellier),
(iii) sur H3, le biais varie entre -71 Wh/m 2 (station 237, Nancy-Essey) et 35 Wh/m 2 (station
817, Nice) avec 95% des valeurs inférieures à 40 Wh/m 2en valeur absolue. L'écart-type
varie entre 77 Wh/m 2 (station 237, Nancy-Essey) et 27 Wh/m 2 (station 812,
Montpellier). Le paramètre Ghmes varie entre 393 Wh/m 2 (station 200, Reims) et 490
Wh/m 2 (station 812, Montpellier).
- 115 -
En juillet (tableau[4.15]) :
(i) sur Hl, le biais varie entre -42 Wh/m 2 (station 200, Reims) et 25 Wh/m 2 (station 806,
Caen). On constate une sous-estimation sur les stations Tours, Montpellier, Clermont-
Ferrand, Caen et Rennes tandis que sur les autres on a une sur-estimation, sauf sur 207
(Dijon) où le biais est nul. L'écart-type varie entre 103 Wh/m 2 (station 806, Caen) et
46 Wh/m 2 (station 270, Auxerre). La valeur de Ghmes varie entre 731 Wh/m 2 (station
874, Carpentras) et 526 Wh/m 2 (station 225, Pau). Le biais et l'écart-type en moyenne
représentent respectivement 3 et 10% de la valeur de Ghmes,
(ii) sur H2, le biais varie entre -117 Wh/m 2 (station 218, Rennes) et -28 Wh/m 2 (station
806, Caen). Sur toutes les stations, le biais est négatif d'où une situation de sur-
estimation. Les valeurs du biais sont en moyenne supérieures à celles obtenues sur le
mois de juin en H2. L'écart-type varie entre 102 Wh/m 2 (station 218, Rennes) et 43
Wh/m 2 (station 207, Dijon) avec 70% des valeurs inférieures à 80 Wh/m 2 • La valeur de
Ghmes varie entre 664 Wh/m 2 (station 218, Rennes) et 844 Wh/m 2 (station 874,
Carpentras),
(iii) sur H3, le biais varie entre -97 Wh/m 2 (station 218, Rennes) et 14 Wh/m 2 (station 817,
Nice). Toutes les stations présentent encore ici un biais négatif, sauf la station 817,
d'où une situation de sur-estimation. Ajoutons que 80% des valeurs absolues du biais
sont inférieures à 60 Whjm 2 • L'écart-type varie entre 76 Whjm 2 (station 218, Rennes)
et 35 Wh/m 2 (station 200, Reims). Le paramètre Ghmes varie entre 513 Wh/m 2 (station
812,Montpellier) et 407 Wh/m 2 (station 817).
En août (tableau[4.16]) :
(i) sur la plage horaire Hl, le biais varie entre 48 Wh/m 2 (station 874, Carpentras) et -29
Wh/m 2 (station 888, Tours). L'écart-type varie entre 84 Wh/m 2 (station 812,
Montpellier) et 46 Wh/m 2 (station 262, St-Quentin). La valeur de Ghmes quant à elle,
varie entre 699 Wh/m 2 (station 817, Nice) et 459 Wh/m 2 (station 806, Caen). Le biais
et l'écart-type représentent en moyenne respectivement 4 et Il % de la valeur de
Ghmes,
(ii) sur H2, le biais varie entre -146 Wh/m 2 (station 806, Caen) et 69 Wh/m 2 (station 817,
Nice). On constate une sous-estimation sur les stations Dijon et Nice et le phénomène
- 116 -
contraire sur les autres stations. Signalons que 70% des valeurs absolues du biais sont
inférieures à 35 Wh/m 2 • L'écart-type varie entre 118 Wh/m 2 (station 817) et 69 Whjm 2
(station 207, Dijon). Le paramètre Ghmes varie entre 577 Wh/m 2 (station 200, Reims)
et 786 Wh/m 2 _(station 874, Carpentras),
(iii) sur H3, le biais varie entre -76 Wh/m 2 (station 218, Rennes) et 61 Wh/m 2 (station 817,
Nice). Les valeurs du biais sont négatives pour toutes les stations sauf les stations Nice
et Clermont-Ferrand. L'écart-type varie entre 71 Whjm 2 (station 874, Carpentras) et 43
Wh/m 2 (stations Carpentras, Reims et Rennes). Les valeurs de Ghmes varient entre 32
Wh/m 2 (station 207, Dijon) et 470 Wh/m 2 (station 812, Montpellier).
En septembre (tableau[4.17]) :
(i) sur Hl, le biais varie entre -10 Wh/m 2 (station 888, Tours) et 117 Wh/m 2 (station 806,
Caen) avec 75% des valeurs inférieures à 25 Whjm 2 en valeur absolue. Une sur-
estimation est constatée seulement sur les stations Tours et Montpellier et la situation
est contraire sur les autres stations. L'écart-type varie entre 75 Wh/m 2 (station 207,
Dijon) et 30 Wh/m 2 (station 206, Clermont-Ferrand). Le paramètre Ghmes varie entre
562 Wh/m 2 (station 874, Carpentras) et 368 Wh/m 2 (station 806, Caen). Le biais sur
70% des stations est inférieur à 6% de Ghmes,
(ii) sur H2, le biais varie entre -18 Whjm 2 (station 888, Tours) et 74 Wh/m 2 (station 262,
St-Quentin) avec 75% des stations qui présentent des biais inférieurs à 30 Wh/m 2 (en
valeur absolue). L'écart-type varie entre 97 Wh/m 2 (station 219, Strasbourg) et 49
Wh/m 2 (station 260, Trappes). La valeur de Ghmes varie entre 628 Wh/m 2 (station 874,
Carpentras) et 419 Wh/m 2 (station 200, Reims),
(iii) sur H3, le biais varie entre -17 Wh/m 2 (station 219, Strasbourg) et 84 Wh/m 2 (station
Caen) avec 81% des valeurs absolues inférieures à 20 Wh/m 2 • L'écart-type varie entre
59 Wh/m 2 (station Rennes) et 31 Wh/m 2 (station 200, Reims). Le paramètre Ghmes
varie entre 210 Wh/m 2 (station 219, Strasbourg) et 381 Wh/m 2 (station 225, Pau).
Octobre (tableau[4.18]) :
(i) sur Hl, le biais varie entre 127 Wh/m 2 (station 806, Caen) et -52 Wh/m 2 (station 207,
Dijon) avec 70% des valeurs absolues inférieures à 35 Wh/m 2 • L'écart-type varie entre
- 117 -
128 Wh/m 2 (station 219, Strasbourg) et 48 Wh/m 2 (station 207, Dijon). La valeur de
Ghmes varie entre 230 Wh/m 2 (station 237, Nancy-Essey) et 408 Wh/m 2 (station 874,
Carpentras),
(ii) sur H2, le biais varie entre 63 Wh/m 2 (station 260, Trappes) et -37 Wh/m 2 (station 225,
Pau) avec 70% des stations qui présentent des biais inférieurs à 35 Wh/m 2 en valeur
absolue. L'écart-type varie entre 112 Wh/m 2 (station 812, Montpellier) et 37 Wh/m 2
(station 874, Carpentras). La valeur de Ghmes varie entre 529 Wh/m 2 (station 874) et
305 Wh/m 2 (station 219, Strasbourg),
806, Caen) avec 75% des valeurs inférieures à 35 Wh/m 2 en valeur absolue. Presque
toutes les stations présentent des biais négatifs sauf les 812 (Montpellier) et 806 (Caen).
L'écart-type varie entre 23 Wh/m 2 (station 270, Auxerre) et 61 Wh/m 2 (station 283,
Macon). Le paramètre Ghmes varie entre 110 Whjm 2 (station 806, Caen) et 230 Wh/m 2
(station 812, Montpellier).
Novembre (tableau[4.19]) :
(i) sur Hl, le biais varie entre -92 Wh/m 2 (station 817, Nice) et -25 Wh/m 2 (station 812,
Montpellier). Toutes les stations présentent une sur-estimation du rayonnement global
horaire (biais négatif). L'écart-type varie entre 41 Wh/m 2 (station 270, Auxerre) et 84
Wh/m 2 (station 219, Strasbourg). La valeur de Ghmes varie entre 98 Wh/m 2 (station
219) et 250 Wh/m 2 (station 817).
(ii) sur H2, le biais varie entre -81 Wh/m 2 (station 207, Dijon) et -3 Wh/m 2 (station 812,
Montpellier). On constate une situation de sur-estimation sur le rayonnement global
horaire. L'écart-type varie entre 94 Wh/m 2 (station 207) et 45 Wh/m 2 (station 262, St-
Quentin). La valeur de Ghmes varie entre 322 Wh/m 2 (station 817, Nice) et 177 Wh/m 2
(station 219, Strasbourg),
Décembre (tableau[4.20]) :
(i) sur Hl, le biais varie entre -90 Wh/m 2 (stations Tours et Reims) et -178 Wh/m 2
(station 806, Caen). Toutes les stations présentent une sur-estimation du rayonnement
global horaire (biais négatif) mise à part la 806. L'écart-type varie entre 15 Wh/m 2
- 118 -
(station 218, Rennes) et 50 Wh/m 2 (stations Trappes et Montpellier). La valeur de

Ghmes varie entre 95 Wh/m 2 (station Reims) et 188 Wh/m 2 (station 806, Caen).
(ii) sur H2, le biais varie entre -94 Whjm 2 (station 219, Strasbourg) et -60 Wh/m 2 (station
806, Caen). On constate une situation de sur-estimation sur le rayonnement global
horaire pour toutes les stations, mise à part encore la station 806. L'écart-type varie
entre 34 Wh/m 2 (station 874, Carpentras) et 81 Whjm 2 (station 206, Clermont-Ferrand).
Enfin la valeur de Ghmes varie entre 129 Wh/m 2 (station 206) et 280 Whjm 2 (station
812, Montpellier).
Pour les mois de novembre et décembre sur H3, il n'y a pas de résultats à cause de la faible
hauteur du soleil pour la plage horaire considérée.
Les résultats des années 1984 et 1985 ne sont pas exposés ici car ils sont identiques à ceux de
l'année 1983.
b) Sur l'année
Les résultats obtenus sont représentés dans les tableaux [4.21], [4.22] et [4.23].
(i) sur la plage horaire Hl, le biais varie entre -53 Wh/m 2 (station 237, Nancy-Essey) et
69 Wh/m 2 (station 806, Caen). Toutes les valeurs du biais sont négatives sauf pour la
station 806. L'écart-type varie entre 46 Wh/m 2 (stations Rennes et Montpellier) et 58
Wh/m 2 ' (stations Carpentras et Caen). La valeur de Ghmes varie entre 461 Wh/m 2
(station Nice) et 322 Wh/m 2 (station 23 7, Nancy-Essey),
(ii) sur H2, le biais varie entre 19 Wh/m 2 (station 806, Caen) et -59 Wh/m 2 (station 219,
Strasbourg) et il est négatif sur toutes les stations sauf la station 806. L'écart-type varie
entre 66 Wh/m 2 (station 817, Nice) et 46 Wh/m 2 (stations St-Quentin et Strasbourg). La
valeur de Ghmes varie entre 501 Wh/m 2 (station 817) et 341 Wh/m 2 (station 200,
Reims),
- 119 -
817, Nice) avec toutes les valeurs négatives sauf pour les stations Nice et Caen.
L'écart-type varie entre 27 Wh/m 2 (station 817) et 50 Wh/m 2 (station 260, Trappes). Le
paramètre Ghmes varie entre 354 Wh/m 2 (station 812, Montpellier) et 264 Wh/m 2
(stations St-Quentin, Reims et Nancy-Essey).
(i) sur la plage horaire Hl, le biais varie entre -51 Wh/m 2 (station 867, Paris Montsouris)
et 88 Wh/m 2 (station 835, Embrun) avec 75% des valeurs inférieures à 40 Wh/m 2 en
valeur absolue. L'écart-type varie entre 105 Wh/m 2 (station 835) et 38 Wh/m 2 (station
812, Montpellier). La valeur de Ghmes varie entre 494 Wh/m 2 (station 835) et 308
Wh/m 2 (station 260, Trappes),
(ii) sur H2, le biais varie entre -57 Wh/m 2 (station 226, Ajaccio) et 93 Wh/m 2 (station 835,
2
Embrun) avec 75% des valeurs inférieures à 40 Wh/rn en valeur absolue. L'écart-type
varie entre 120 Wh/m 2 (station 835) et 51 Wh/m 2 (station 283, Macon). avec 70% des
valeurs inférieures ou égales à 65 Wh/m 2• La valeur de Ghmes varie entre 530 Wh/m 2
(station 231, Marignane) et 330 Wh/m 2 (station 219, Strasbourg),
(iii) sur H3, le biais varie entre -36 Wh/m 2 (station 237, Nancy-Essey) et 60 Wh/m 2 (station
806, Caen) avec 70% des valeurs inférieures ou égales à 30 Wh/m 2 en valeur absolue.
L'écart-type. varie entre 72 Wh/m 2 (station 835, Embrun) et 30 Wh/m 2 (station 806)
avec 76% des valeurs inférieures ou égales à 50 Wh/m 2 • Le paramètre Ghmes varie
entre 383 Wh/m 2 (station 803, Biscarosse) et 245 Wh/m 2 (station 237).
(i) sur la plage horaire Hl, le biais varie entre -19 Wh/m 2 (stations Bordeaux et Paris
Montsouris) et 97 Wh/m 2 (station 835, Embrun) avec une sur-estimation sur les stations
Bordeaux, Agen, Pau, Trappes et Paris Montsouris contrairement aux autres stations.
L'écart-type varie entre 67 Wh/m 2 (station 888, Tours) et 45 Wh/m 2 (station 835,
Embrun). La valeur de Ghmes varie entre 545 Wh/m 2 (station 835) et 330 Wh/m 2
(station 867, Paris Montsouris),
- 120 -
(ii) sur H2, le biais varie entre -43 Wh/m 2 (station 226, Ajaccio) et 119 Wh/m 2 (station
835, Embrun) avec 75% des valeurs inférieures ou égales à 50 Wh/rn 2 en valeur
2 2
absolue. L'écart-type varie entre 86 Whjm (station 262) et 40 Wh/m (station 209,
Limoges) avec 70% des valeurs inférieures ou égales à 70 Wh/m 2 • La valeur de Ghmes
varie entre 612 Wh/m 2 (station 878, Hyeres Cern-Levant) et 403 Whjm 2 (station 200,
Reims),
(iii) sur H3, le biais varie entre -23 Wh/m 2 (station 888, Tours) et 83 Whjm 2 (station 806,
Caen) avec 70% des valeurs inférieures ou égales à 40 Whjm 2 en valeur absolue.
L'écart-type varie entre 54 Wh/m 2 (station 214, Agen) et 29 Wh/m 2 (station 200,
Reims). Le paramètre Ghmes varie entre 390 Wh/m 2 (station 824, Rochelle) et 251
Wh/m 2 (station 219, Strasbourg).
4.3.2 En horaire mensuelle
Les résultats obtenus, pour l'année 1983, du rayonnement solaire global en horaire mensuelle
pour toutes les stations confondues sont récapitulés dans le tableau [4.24] :
(i) sur la plage horaire Hl, hormis le mois d'avril, le biais varie entre -70 Wh/m 2
(novembre) et 6 Wh/m 2 (juin). Pour les mois de juin à octobre et aussi de mars, le
biais constitue moins de 5% du rayonnement global horaire mesuré Ghmes. Par contre,
pour novembre et décembre, il atteint 50% de Ghmes. L'écart-type varie entre 52
Wh/m 2 (avril) et 16 Wh/m 2 (novembre et décembre), il constitue moins de 5% de
Ghmes pour les mois de juin à septembre .. La valeur de Ghmes varie de 661 Wh/m 2
(juillet) à 135 Wh/m 2 (décembre),
(ii) sur H2, le biais varie entre -87 Wh/m 2 (juillet) et 22 Wh/m 2 (mars) exception faite du
mois d'avril où il est de -152 Whjm 2 . L'écart-type varie entre 38 Wh/m 2 (juin) et 18
Wh/m 2 (janvier, mars et novembre) exception faite du mois d'avril où il est de 61
Wh/m 2• Le paramètre Ghmes varie de 754 Whjm 2 (juillet) à 195 Wh/m 2 (décembre).
(iii) sur H3, les résultats sont obtenus seulement pour les mois de mars à octobre, l'angle
solaire étant inférieur à 12 degrés pour les autres mois. Le biais varie entre -42 Wh/m 2
(juillet) à 4 Wh/m 2 (septembre). L'écart-type varie entre 31 Wh/m 2 (aoüt) à 24 Wh/m 2
- 121 -
(avril, septembre et octobre). La valeur de Ghmes varie entre 472 Wh/m 2 (juillet) et
169 Wh/m 2 (octobre).
r
[
- 122 -
4.4 Conclusion
La formulation empirique définie dans le paragraphe 4.2.3, justifiée par les résultats obtenus
dans 4.1.1 à 4.1.3 sur la base de comparaison d'une année, reconstruit le rayonnement global
horaire instantané au- sol, dans les mêmes conditions, par station avec :
(i) un b!ais moyen de -5 Wh/m 2 (toutes stations confondues) et un écart-type de 70

Wh/m 2 pour les années 1984 et 1985
(ii) un biais moyen de -25 Wh/m 2 (toutes stations confondues) et un écart-type fluctuant
autour de 55 Wh/m 2 pour l'année 1983.
Sur la base de comparaison du mois
(i) hormis le mois d'avril, l'écart-type se situe en moyenne entre 40 et 90 Wh/m 2 pour les
plages horaires Hl et H2 et entre 25 et 70 Wh/m 2 pour H3,
(ii) quant au biais, il est très variable suivant les mois et suivant les stations, il se situe
entre -11 et +70 Wh/m 2 en moyenne hormis les heures Hl et H2 du mois d'avril.
Si l'écart-type est conforme à notre attente, le biais ne l'est pas et il est surtout aléatoire.
Ceci nous conduit à conclure que la formulation empirique dans le paragraphe 4.2.3 permet
de donner une évaluation du rayonnement global solaire horaire instantané avec une erreur
quadratique moyenne d'environ 25% en valeur relative, lorsque la comparaison est faite sur
un mois, et d'environ 10%, lorsqu'elle est faite sur l'année.
La diminution de l'erreur quadratique moyenne, en passant de la base de comparaison sur le

mois à celle de l'année, vient simplement du fait que l'on s'approche dans le cas de l'année
des conditions de l'ajustement ayant permis la détermination des coefficients A et B de
régression. Les résultats obtenus peuvent être améliorés en considérant un jeu de coefficients
de régression par heure et par saison. Nous n'avons pas eu le temps d'explorer cette voie.
En horaire mensuelle, l'erreur quadratique. moyenne de reconstruction est d'environ 10% du

rayonnement solaire global mesuré au sol. Ceci est en accord avec les résultats trouvés par
Diabaté et al. [30].
- 123 -
D'une part des études statistiques sur une plus longue période (10 ans) et d'autre part la
considération d'autres paramètres climatologiques (le trouble atmosphérique par exemple)
permettront d'atteindre l'objectif fixé avec une meilleure précision sur les résultats
(paragraphe 4.2.2).
- 124 -
Mois de janvier 1983
N sts H1 H2 H3
biais ect Ghmes biais ect Ghmes biais ect Ghmes
Dijon -75 39 171

Auxer. -46 51 172
Tours -61 45 186
St-Que. -37 31 137
Nice -113 51 341
Macon -60 49 215
Montpe. -73 49 360
Carpen. -81 50 327
Cler.F. -84 64 257
Pau -70 53 324
Reims -62 52 116
Nancy-E. -55 43 130
Trappes -55 33 156
Strabou. -50 47 131
Caen 66 46 165
Rennes -64 54 180
Tableau[4.10J Le biais et l'écart-type (ect) sur le rayonnement solaire global estimé au sol, le
rayonnement sol ai re global mesuré au sol en moyenne mensuelle (Ghmes), en Whtm2, par
station (N sts) et par plage horaire (Hi, i=1 à 3) pour le mois de janvier 1983.
- 125 -
Mois de févier 1983
N sts H1 H2 H3
Di jan 4 46 285
Auxer. ·32 51 263
Tours ·27 66 300
St ·Que. ·13 58 284
Nice 5 67 426
Macon ·37 38 255
Montpe. ·42 49 404
Carpen. ·58 55 374
Cler.F. 70 56 335
Pau ·35 50 344
Reims ·20 69 281
Nancy·E. ·15 60 240
Trappes ·35 58 273
Strasb. ·43 54 252
Caen 57 64 270
Rennes ·43 57 326
Tableau[4.11J Le biais et l'écart·type (ect) sur le rayonnement solaire global , le rayonnement

solaire global mesuré au sol en moyenne mensuelle (Ghmes), en Whtm2 , par station et par
plage horaire pour février 1983.
- 126 -
Mois de mars 1983
N sts H1 H2 H3
Dijon 24 53 335 54 45 446 ·41 38 180

Auxer. ·11 59 247 28 76 344 ·45 52 175
Tours ·2 43 267 26 53 390 ·37 41 192
St·Oue. 6 48 254 22 76 325 ·42 40 129
Nice ·28 48 402 13 73 493 ·46 37 194
Macon 38 64 351 ·5 69 422 ·56 48 179
Montpe. 10 48 432 20 67 528 ·56 50 273
Carpen. ·3 83 466 24 57 552 ·39 59 254
Cler·F. 50 89 372 32 50 506 ·26 61 211
Pau ·10 90 312 9 81 485 ·49 58 244
Reims 12 72 292 21 72 353 ·48 54 157
Nancy·E. ·20 70 254 2 118 367 ·55 70 150
Trappes 13 59 299 21 100 366 ·55 53 164
Strasb. ·4 33 286 ·13 57 349 ·69 38 145
Caen 87 80 271 55 86 394 57 64 175
Rennes ·27 41 292 31 104 377 ·33 67 214
Tableau[4.12J Le biais ..et l'écart-type

.. . (ect) sur le
2 rayonnement global, le rayonnement global mesuré
en moyenne mensuelle (Ghmes), en Wh/rn, par station et par plage horaire pour mars 1983.
- 127 -
Mois d'avril 1983
N sts H1 H2 H3
Dijon ·211 196 369 ·208 238 390 13 84 248

Auxer. ·174 221 343 ·187 257 500 2 63 298
Tours ·105 125 396 ·103 183 560 ·46 104 270
St·Que. ·155 156 367 ·219 251 443 4 67 300
Nice ·107 205 607 ·96 159 658 24 62 305
Macon ·195 228 383 ·183 268 370 ·31 92 254
Montpe. ·176 280 476 ·239 280 526 5 140 302
Carpen. ·140 218 506 ·131 200 465 ·15 78 286
Cler·F. ·200 270 397 ·241 242 433 ·2 81 327
Pau ·98 139 493 ·4 225 630 ·25 137 371
Reims ·169 193 352 ·203 218 436 ·11 68 235
Nancy·E. ·189 207 390 ·208 237 409 8 69 235
Trappes ·92 141 382 ·227 286 450 ·72 77 211
Strasb. ·257 191 365 ·175 263 487 ·9 60 207
Caen ·83 101 402 ·188 198 450 0 95 296
Rennes ·75 101 402 ·168 172 493 ·28 89 313
Tableau[4.13J Le biais et l'écart-type (ect) sur le rayonnement global, le rayonnement global mesuré
en moyenne mensuelle (Ghmes), en Whtm2, par station et par plage horaire pour avril
1983.
- 128 -
Mois de juin 1983
N sts H1 H2 H3
Dijon 30 81 701 ·19 86 703 ·20 37 . 454

Aux er. ·17 81 655 ·73 76 624 ·17 74 424
Tours ·24 89 545 ·90 78 631 ·29 62 486
St·Que. 45 63 634 10 104 706 19 70 469
Nice 41 48 705 ·36 67 737 35 59 447
Macon ·29 84 700 ·50 143 781 ·39 45 459
Montpe. 14 65 680 ·15 66 798 5 27 490
Carpen. 5 50 711 ' ·49 71 795 ·17 37 456
Cler·F. 92 58 721 21 113 717 2 68 451
Pau ·13 63 611 ·71 56 660 ·20 55 465
Reims 2 87 590 ·109 95 656 ·11 52 393
Nancy·E. 9 60 672 ·91 108 643 ·71 77 394
Trappes ·11 64 519 ·18 74 655 ·8 66 367
Strasb. ·6 75 648 2 139 683 ·29 58 400
Caen ·26 93 455 ·75 90 636 22 31 418
Rennes ·26 63 517 ·69 55 646 4 53 462
Tableau[4.14l Le biais et l'écart-type (ect) sur le rayonnement global, le rayonnement global mesuré
en moyenne mensuelle (Ghmes), en Whtm2 , par station et par plage horaire pour juin 1983.
- 129 -
Mois de juillet 1983
N sts H1 H2 H3
Dijon 0 72 716 ·99 43 786 ·52 58 509

Aux er. ·1 46 682 ·72 69 783 ·21 56 493
Tours 12 90 594 ·113 85 704 ·43 64 505
St·Que. ·16 68 652 ·109 60 721 ·31 58 472
Nice ·24 66 712 ·79 88 790 14 63 407
Macon ·9 48 725 ·102 59 807 ·55 57 471
Montpe. 13 63 689 ·96 73 798 ·29 74 513
Carpen. ·12 48 731 ·60 55 844 ·42 58 511
Cler·F. 6 61 723 ·75 67 785 ·1 37 471
Pau ·34 71 526 ·101 65 684 ·38 53 469
Reims ·42 68 669 ·79 95 724 ·75 35 473
Nancy·E. ·14 94 713 ·107 77 753 ·44 58 462
Trappes ·29 74 623 ·39 100 708 ·45 64 467
Strasb. ·25 74 679 ·116 53 797 ·63 73 436
Caen 25 103 574 ·28 73 714 ·30 65 448
Rennes 6 70 567 ·117 102 664 ·97 76 445
en moyenne mensuelle (.Ghmes), en Whtm 2, par station et par plage horaire pour juillet
1983.
- 130 -
Mois de août 1983
N sts H1 HZ H3
Dijon 29 74 549 33 69 673 ·71 46 321

Aux er. 33 72 526 ·13 89 615 ·44 66 407
Tours ·29 51 498 ·48 90 628 ·25 56 408
St·Que. 21 46 508 ·2 92 643 ·24 49 360
Nice 39 69 699 69 118 747 61 68 373
Macon 4 61 553 ·63 87 640 ·13 49 352
Montpe. 9 84 631 ·22 82 766 ·17 43 470
Carpen. 48 73 675 ·27 90 786 ·35 71 440
Cler·F. 24 66 538 ·17 77 61Q 21 70 406
Pau ·3 74 504 ·20 89 637 ·31 47 432
Reims ·12 72 540 ·83 77 577 ·35 43 361
Nancy·E. ·13 64 523 ·12 109 619 ·30 57 355
Trappes ·14 47 521 ·33 96 684 ·37 70 419
Strasb. ·11 52 543 ·22 86 640 ·54 69 325
Caen 6 50 459 ·146 100 603 ·32 62 402
Rennes 9 70 522 ·9 78 650 ·76 43 375
Tableau [4.16] Le biais et l'écart-type (ect) sur le rayonnement global, le rayonnement global mesuré
en moyenne mensuelle (Ghmes), en Whtm2 , par station et par plage horaire pour août 1983.
- 131 -
Mois de septembre 1983
N sts H1 H2 H3
Dijon 43 75 471 41 68 483 14 34 270

Auxer. 23 71 404 39 80 507 ·6 38 281
Tours ·10 49 421 ·18 66 485 ·15 42 311
St·Que. 30 72 344 74 94 427 ·11 49 219
Nice 8 61 560 ·9 69 594 0 46 289
Macon 54 453 11 77 570 18 39 306
Montpe. ·1 49 489 5 82 594 21 42 321
Carpen. 2 48 562 27 64 628 ·9 65 318
Cler·F. 43 30 459 50 59 595 20 50 328
Pau 10 58 479 ·5 54 633 ·17 46 381
Reims 13 56 374 34 69 419 ·14 31 229
Nancy·E. 3 58 402 ·15 54 436 ·10 57 223
Trappes 53 68 424 9 49 462 ·1 54 246
Strasb. 6 61 404 9 97 472 ·17 56 210
Caen 117 52 368 ·17 70 441 84 43 248
Rennes ·0 39 375 ·3 82 493 11 59 273
Tableau [4 .17] Le biais et l'écart-type (ect) sur le rayonnement global, le rayonnement global mesuré
en moyenne mensuelle (Ghmes), en Whtm2 , par station et par plage horaire pour septembre
1983.
- 132 -
Mois de octobre 1983
N sts H1 H2 H3
Dijon ·52 48 263 19 76 402 ·8 32 185

Auxer. ·31 58 282 34 85 415 ·26 23 184
Tours ·28 63 281 29 75 432 ·36 46 173
St·Que. 8 78 248 34 83 346 ·33 33 138
Nice ·50 58 413 9 65 500 ·24 34 175
Macon ·19 83 243 ·26 81 284 ·32 61 164
Montpe. ·4 102 374 50 112 495 18 38 230
Carpen. ·28 57 408 16 37 529 ·10 35 211
Cler·F. 95 289 43 84 406 ·26 46 186
Pau ·34 68 335 ·37 86 471 ·25 51 206
Reims ·36 81 254 4 78 337 ·52 31 138
Nancy·E. ·34 95 230 ·8 110 329 ·26 41 142
Trappes 22 94 298 63 75 387 ·24 45 163
Strasb. ·22 128 246 ·30 100 305 ·53 46 125
Caen 127 82 295 41 95 350 47 40 110
Rennes ·44 74. 273 ·3 91 347 ·22 37 163
en moyenne mensuelle (Ghmes), en Wh/m2 , par station et par plage horaire pour octobre
1983.
- 133 -
Mois de novembre 1983
N sts H1 H2 H3
Dijon ·69 64 142 ·81 94 209

Auxer. ·60 41 152 ·34 50 244
Tours ·68 40 143 ·53 48 255
St·Que. ·62 43 117 ·39 45 186
Nice ·92 50 250 ·70 87 322
Macon ·88 59 100 ·57 61 196
Montpe. ·25 77 185 ·3 88 263
Carpen. ·90 63 206 ·49 93 287
Cler·F. ·83 68 159 ·54 58 259
Pau ·62 63 185 ·61 59 291 ·16 40 190
Reims ·73 45 115 ·46 45 195
Nancy·E. ·63 60 105 ·36 68 201
Trappes ·64 45 131 ·25 46 247
Strasb. ·76 84 98 ·61 59 177
Rennes ·67 46 117 ·54 52 242
Tableau[4.19J Le biais et l'écart-type Cèct) sur le rayonnement global, le rayonnement global mesuré
2
en moyenne mensuelle (Ghmes), en Wh/m , par station et par plage horaire pour novembre
1983.
- 134 -
Mois de décembre 1983
N sts H1 H2 H3
Dijon ·62 36 124 ·58 47 184'

Auxer. ·72 30 108 ·76 35 171
Tours ·90 41 103 ·63 51 184
St·Que. ·62 20 122 ·77 35 127
Nice ·57 35 180 ·35 50 268
Macon ·85 31 120 ·73 61 196
Montpe. ·57 50 179 ·23 59 280
Car pen. ·66 44 184 ·60 34 257
Cler·F. ·66 42 137 ·36 81 244
Pau ·71 37 160 ·71 49 259
Reims ·90 27 95 ·68 39 136
Nancy·E. ·76 39 101 ' ·79 44 147
Trappes ·76 50 108 ·83 40 157
Strasb. ·72 31 105 ·94 53 129
Caen 178 42 188 60 63 189
Rennes ·60 15 149 ·66 40 182
Tableau[4.20] Le biais et l'écart-type (ect) sur le rayonnement global, le rayonnement global mesuré
en moyenne mensuelle (Ghmes), en Whtm2 , par station et par plage horaire pour décembre
1983.
- 135 -
Tous les mois confondus de 1983
N sts H1 H2 H3
biais ect
B biais ect Ghmes biais ect Ghmes
Dijon -39 47 359 -36 55 389 -20 36 290

Auxer. -43 47 333 -3~ 58 381 -25 45 303
Tours -46 53 336 -44 58 398 -32 42 313
St·Que. ·23 52 329 -33 46 340 ·21 45 264
Nice -40 56 461 -33 66 501 2 27 297
Macon ·50 54 349 ·56 63 385 -26 41 296
Montpe. ·25 46 422 -30 55 497 -5 42 354
Carpen. -40 58 454 -42 56 496 ·23 31 338
Cler·F. -22 51 377 ·20 61 438 ·2 46 322
Pau -43 56 368 -45 54 464 -29 48 341
Reims -46 56 337 ·50 54 341 -36 44 264
Nancy·E. ·53 52 322 ·54 50 347 -33 40 264
Trappes -23 47 347 -38 52 372 -33 50 273
Strasb. ·57 50 324 ·59 46 348 -43 43 250
Caen 69 58 337 19 50 366 34 49 275
Rennes -38 46 339 -49 64 383 -28 52 298
2
en moyenne mensuelle (Ghmes), en Whtm , par station et par plage horaire pour tous les
mois confondus de 1983.
- 136 -
N sts H1 H2 H3
Reims ·38 67 310 ·41 53 349 ·35 49 249

Bordeau ·25 54 349 ·20 63 453 ·10 34 335
Cler·F. 7 54 3471 ·2 66 418 ·7 48 286
Dijon ·13 58 331 ·17 56 379 ·17 54 278
Limoges ·16 46 328 66 423 2 46 318
Agen ·16 51 361 ·7 63 470 ·7 49 340
Perpig. ·5 47 409 9 70 509 12 46 326
Rennes ·8 44 338 ·4 53 424 ·26 45 320
Strasb. ·7 45 290 ·21 54 330 ·31 45 233
Pau ·13 51 348 ·11 61 466 ·16 48 324
Ajaccio ·11 56 454 ·57 74 495 ·4 32 299
Marign. 13 52 445 ·10 65 530 ·7 35 343
Nancy·E. ·17 64 289 ·24 57 342 ·36 39 245
Trappes ·33 44 308 ·33 61 377 ·24 48 278
St·Que. ·10 62 309 ·33 56 346 ·29 45 252
Auxer. ·11 53 326 ·10 62 398 ·20 49 283
Macon ·16 51 328 ·17 51 392 ·9 43 289
Millau 28 54 364 19 65 448 0 55 319
Bi sc ar. ·18 49 345 10 72 492 26 57 383
Caen 30 46 322 7 60 398 60 30 310
Montpe. 28 38 435 0 65 513 ·3 45 339
Nice 50 59 445 ·9 53 517 16 41 303
Rochel. ·7 48 359 10 65 484 16 35 370
Carcass. 17 65 386 4 57 486 7 43 344
Embrun 88 105 494 93 120 552 30 72 320
Paris ·51 77 291 ·62 66 344 ·34 39 261
Carpen. 3 59 441 4 56 518 ·9 58 328
Hyeres 50 62 378 27 58 463 29 47 283
Tours ·34 57 335 ·36 65 407 ·20 48 309
en moyenne mensuelle (Ghmes), en Yh;m2 , par station et par plage horaire pour tous les
- 137 -
N sts H1 H2 H3
Reims 17 57 354 11 54 403 10 29 295

Bordeau ·19 48 372 ·13 62 502 ·12 51 344
Cler·F. 51 61 401 48 59 498 20 39 315
Dijon 10 52 387 14 53 441 9 41 286
Limoges 12 60 403 25 40 496 6 51 311
Agen ·2 58 389 12 57 513 ·7 54 337
Perpign. 5 57 453 47 81 567 36 45 308
Rennes 26 .60 365 39 65 451 11 51 318
Strasb. 27 53 382 38 66 430 ·3 28 251
Pau ·4 59 371 4 63 503 12 43 323
Ajaccio 20 55 529 ·43 60 574 21 41 338
Marign. 17 59 495 ·9 53 603 8 39 334
Nancy·E. 27 61 371 41 62 430 13 37 269
Trappes ·3 55 342 ·7 63 417 ·13 43 273
St·Que. 93 60 408 92 86 453 63 51 345
Auxer. 17 55 355 27 61 446 23 37 313
Macon 37 48 404 36 52 449 25 40 292
Millau 47 47 430 56 51 530 23 50 325
Biscar. 4 47 391 14 53 564 30 40 370
Caen 54 52 343 53 66 447 83 44 309
Montpe. 14 46 469 38 73 604 4 40 339
Nice 47 45 495 59 569 18 48 312
Rochet. 12 56 399 45 62 534 48 44 390
Carcass. 7 54 416 29 60 561 ·4 45 345
Embrun 97 50 545 119 82 611 53 34 332
Paris ·19 53 330 ·20 68 403 ·17 51 271
Carpen. 21 55 490 31 53 585 ·4 36 323
Hyeres 69 60 535 37 69 612 59 47 361
Tours 12 67 390 ·14 54 446 ·23 51 310
Tableau[4.23J Le biais et l'écart·type (ect) sur le rayonnement global, le rayonnement global mesuré
en moyenne mensuelle (Ghmes), en Wh/m2, par station et par plage horaire pour tous les
- 138 -
Mois H1 H2 H3
jan. -66 18 211

fev. -16 35 307
mar. 8 29 321 22 18 419 ·40 27 190
avr. -152 52 415 -174 61 482 -11 24 i79
jui •. 6 32 629 ·46 38 692 -11 25 440
juil. -9 18 661 -87 26 754 -42 26 472
aoû. 9 21 550 -18 35 658 -28 31 388
sep. 15 18 437 15 26 515 4 24 279
oct. ·14 41 296 15 28 396 21 24 169
nov. -70 16 138 -45 18 224
déc. -55 16 135 -56 19 195
Tableaur4.24l : Le biais et l 1 écart·type (ect) sur le rayonnement solaire global estimé au sol, le
rayonnement sol ai re global mesuré au sol en moyenne mensuelle (Ghmes), en Whtm2, par
plage horaire (Hi, i=1 à 3) par mois pour toutes les stations confondues pour l'année
1983.
- 139 -
CHAPITRE 5
QUELQUES EXEMPLES DE CARTES DU RAYONNEMENT SOLAIRE GLOBAL

REALISES AVEC LA METHODE HELIOSAT
- 140 -
5.1 INTRODUCTION
Outre la cartographie du gisement solaire en Europe de 1983 à mi-1985, la méthode Heliosat

décrite dans cet ouvrage a été utilisée dans le cadre des projets extra-Ecole des Mines, EMIR
et SUNSAT.
L'étude EMIR dirigée par la Météorologie Nationale avait pour objectif de comparer
différentes méthodes d'estimation du rayonnement solaire global au sol (cf. chapitre 1) sur
l'Europe Occidentale et n'a pas donné lieu à la réalisation d'un atlas.
Le projet SUNSAT, qui est en fin de réalisation, est un projet de la Commission des
Communautés Européennes de cartographie du rayonnement solaire global à l'aide d'images
satellitaires sur l'Europe, l'Afrique et l'Océan Atlantique. Dans ce projet, l'Ecole des Mines
de Paris est chargée de la cartographie pour l'Afrique de l'Ouest sur une maille de 5 km sur
5 km. En l'absence de données pyranométriques fiables et suffisantes sur notre zone de
travail (Afrique de l'Ouest), nous avons utilisé les coefficients de régression A et B entre K
et n de l'année 1983 sur l'Europe pour estimer le rayonnement solaire horaire par mois ainsi
que le rayonnement solaire journalier mensuel. Les résultats obtenus ont été comparés par
l'équipe de Mr Raschke de l'Université de Cologne (RFA) pour l'Afrique de l'Ouest à ceux
obtenus au moyen d'un modèle similaire établi par cette même équipe, dans le cadre du
projet SUNSAT. Cette comparaison aboutit à une erreur quadratique moyenne de l'ordre de :
0,22 kWh/m 2 (4%) pour le mois de juin ainsi que pour décembre sur le rayonnement mensuel
journalier. Ces résultats ont également été comparés à de rares mesures au sol fournies par
l'Organisation Mondiale de la Météorologie (OMM ou WMO en anglais). Les stations
concernées sont au nombre de 7 pour le mois de juin et 5 pour décembre .. Bien que ces
données ne soient pas validées, et restent sujettes à caution, nous les avons toutefois
comparées à nos estimations du rayonnement journalier global en moyennne mensuelle
(SUNSAT Report n 4 [36]). L'erreur quadratique moyenne est de l'ordre de 15%.
Il n'est pas de notre propos de commenter les cartes du gisement solaire ni sa variation
spatio-temporelle. Toutefois il nous a semblé nécessaire de fournir quelques exemples de
cartes produits par la méthode Heliosat et en particulier les résultats de juin et décembre
1984 pour l'Afrique de l'Ouest (figures 5.1 à 5.8) ainsi que la carte du rayonnement solaire
global horaire moyen (de 12-13 h TU) de l'Europe pour l'année 1983 (figure 5.9). Les cartes
du gisement solaire de l'Europe pour 1983 ont déjà été commentées par Michaud-Regas [18].
- 141 -
5.2 Afriaue de l'Ouest
Pour une bonne compréhension des repères géographiques, se référer à la carte physique
donnée par la figure 5.0.
5.2.1 Résultats de juin 1984
Dans cette partie de l'Afrique, le mois de juin correspond à la grande saison des pluies dans
la région équatoriale et particulièrement le long des côtes du Golfe de Guinée. Pour les
régions sahéliennes (au nord, à partir approximativement, de la latitude 12 degrés), le mois
de juin correspond au début de l'unique saison de pluie de l'année. Cette situation explique
l'existence permanente de nuages sur la zone équatoriale.
a) En moyenne horaire
(i) sur la plage horaire 9-10 h TU (figure 5.1 ), les valeurs du rayonnement solaire sont
comprises entre 750 Wh/m2 (nord-est du lac Tchad) et 300 Wh/m 2 (le long de la côte).
Partant de la zone équatoriale, que ce soit vers le nord ou vers le sud, on a une
augmentation du rayonnement solaire.
(ii) sur la plage horaire 12-13 h TU (figure 5.2), les valeurs vont de 950 Wh/m 2 (à l'est des
Plateaux de Bandiagara, 12N - 20) à 370 Wh/m 2 (massif de l'Adamaoua). Le
rayonnement reste faible sur l'ouest du Gabon (2S, liE) du fait de la présence
permanente des nuages et sur les autres parties de la zone équatoriale les nuages se sont
déplacés vers le sud (dans l'océan Atlantique).
(iii) sur la plage horaire 15-16 h TU, le rayonnement varie entre 600 Wh/m 2 (à l'est des
Plateaux de Bandiagara, 13N - 20) et 105 Whjm 2 (massif de l'Adamaoua). La
distribution du rayonnement est longitudinale d'une façon générale, il diminue en
partant de l'ouest vers l'est. Ceci s'explique par la position du soleil à cette heure.
b) En journalier mensuel
Le rayonnement solaire global journalier est donné par la figure 5.4. Il varie de 6,55 kWh/m 2
(à l'est des Plateaux de Bandiagara) à 3,0 kWh/m 2 (région de Lambaréné au Gabon). La
répartition est latitudinale. Le rayonnement est minimal le long de la latitude 2N et augmente
- 142 -
au nord avec la latitude. Par contre au sud sur l'océan, la variation du rayonnement se fait le
long d'un axe S-E.
5.2.2 Résultats de décembre 1984
Le mois de décembre correspond à la saison sèche à la fois sur les régions équatoriales et
sahéliennes. La présence permanente de nuages est réduite au Gabon et sur une zone située
sur l'océan autour du point 1,SN - 6E.
a) En moyenne horaire
(i) sur la plage horaire 9-10 h TU (figure 5.5), le rayonnement varie de 735 Wh/m 2 (sud
du lac Tchad) à 275 Whjm 2 (nord du lac Tchad). Le rayonnement décroît d'est en
ouest. On remarque aussi qu'il est faible dans les régions sahéliennes en comparaison
des régions équatoriales, il croît du nord au sud sur la bande 5N - 15N.
(ii) sur la plage 12-13 h TU (figure 5.6), le rayonnement varie de 950 Wh/m 2 (zone autour
de 2S - 30 sur l'océan Atlantique) à 335 Wh/m 2 (nord du lac Tchad).
(iii) sur la plage horaire 15-16 h TU (figure 5.7), le rayonnement varie de 570 Whjm 2 (zone
autour de 2S - 30 sur l'océan Atlantique) à 130 Wh/m 2 (nord-est du lac Tchad, région
du lac Onangué au Gabon). Le rayonnement diminue, du sud au nord, suivant des arcs
de cercles dans la direction N-S.
b) En journalier mensuel
Le rayonnement solaire global varie de 6,60 kWh/m 2 (zone autour de 2S - 30 sur l'océan
Atlantique) à 3,0 kWh/m 2 (nord du lac Tchad). Les zones de forte insolation sont le massif
de l'Adamaoua et le carré de 5 degrés dont le point supérieur droit est 0° - 0°.
D'une façon générale, la répartition du rayonnement solaire est zonale au mois de décembre
exception faite du nord du Tchad où le rayonnement semble anormalement faible. Il semble
que ceci soit la conséquence de fréquents. vents de sable ou de poussière à cette époque
(Leroux [37]).
- 143 -
5.3 Europe de l'Ouest
Le rayonnement solaire global horaire estimé entre 12-13 h TU en moyenne annuelle pour
l'année 1983 est donné par la figure 5.9. Il varie entre 900 Wh/m 2 (au nord du Sahara) et 200
Wh/m 2 (Ecosse).
D'une manière générale, le rayonnement solaire a une répartition latitudinale. Mais un

examen approfondi de la carte montre l'existence de micro-climats la région
méditerranéenne française bénéficie du même ensoleillement que l'Espagne, les régions
d'Italie situées à l'ouest sont en moyenne, pour la plage horaire considérée, plus exposées que
celles de l'Est.
5.4 Conclusion
Si cette étude a permis d'estimer avec une bonne précision le rayonnement solaire global sur
l'Afrique de l'Ouest et sur l'Europe, elle permet aussi de mettre en évidence certains topo-
climats parfois inconnus. Etant donnée la résolution de Météosat (5 km), la méthode Heliosat
permettra d'affiner les atlas déjà existants sur les continents, mais aussi de combler le
manque de mesures sur les océans et les continents.
- 144 -
Massif de
Termit
~s
Plateau de
~+
KAINJI
Mandara
-v"'
0~
<Q
0 YAOUNDE
Figure 5.0 Carte physique de l'Afrique de l'Ouest.

- 145 -
0 0,175 0,535 0,900
Figure 5.1 : Rayonnement solaire global juin de 9-10 h TU (Afrique de l'Ouest).

- 146 -
0 0,175 0,535 0,900

- 147 -
0 0,175 0,535 0,900

- 148 -
Figure 5.4 : Rayonnement solaire global journalier mensuel de juin (Afrique de l'Ouest).
- 149 -
0 0,175 0,535 0,900
Figure 5.5 : Rayonnement solaire global décembre de 9-10 h TU (Afrique de l'Ouest).

- 150 -
0 0,175 0,535 0,900

- 151 -
0 0,175 0,535 0,900 kWh/m 2

- 152 -
,•. 1:' '. . ,.. ~ •
Figure 5.8 : Rayonnement solaire global journalier mensuel de décembre (Afrique de l'Ouest).
- 153 -
0 0.167 0.7.26
Figure 5.9 : Rayonnement solaire global en moyenne horaire sur l'année 1983 de l'Europe sur la
plage horaire 12-13 h TU.
- 154 -
CHAPITRE 6
DETERMINATION DU RAYONNEMENT SOLAIRE DIFFUS AU SOL SUR PLAN

HORIZONTAL A L'AIDE D'IMAGES SATELLITAIRES
- 155 -
6.1 Caractérisation du rayonnement solaire
Le rayonnement solaire, au cours de son trajet dans l'atmosphère, est absorbé ou diffusé par
les gaz et particules solides ou liquides en suspension :
(i) Diffusion par les molécules, ou diffusion de Rayleigh, qui a une dépendance spectrale
monotone (loi de variation en À- 4 ; À représente la longueur d'onde).
(ii) Absorption par les gaz contenus dans l'atmosphère. Dans le canal "visible" (0,4 - 1,1
micromètre), notre canal de travail, l'absorption est due essentiellement à la vapeur
d'eau (H 20) et à l'oxygène (0 2), et dans une moindre proportion, à l'ozone (03 ) (figure
6.1).
(iii) Diffusion par les aérosols et les microparticules atmosphériques, les microcristaux et les
gouttelettes constituant les nuages. Elle est à l'origine de la teinte blanchâtre des ciels
pollués.
Sous ces différentes influences, le rayonnement solaire qui parvient finalement au sol se
compose du rayonnement solaire direct (Gb), plus ou moins atténué, et du rayonnement
solaire diffus (Gd), provenant du ciel et des nuages. L'ensemble de ces rayonnements solaires
tombant au sol sur un plan horizontal constitue le rayonnement solaire global (G).
A partir des propositions et formules précédentes établies dans le chapitre 4, on peut calculer
le rayonnement solaire global. Ensuite, il suffit de connaître le rayonnement diffus (ou le
rayonnement direct) pour déterminer le rayonnement direct (ou le rayonnement diffus). Ce
présent chapitre est consacré à la détermination du rayonnement diffus.
Les différents phénomènes géométriques, géoastronomiques et climatologiques qui régissent

totalement ou partiellement l'absorption et la diffusion du rayonnement solaire lors de la
traversée de l'atmosphère, sont essentiellement : le trajet optique (m), l'ennuagement (n), la
nébulosité (N), le trouble atmosphérique (T).
Une bonne connaissance spatio-temporelle de ces paramètres peut aboutir à une bonne
estimation des composantes du rayonnement solaire au sol. Le problème spécifique à cette
étude est que cette connaissance doit se faire uniquement à partir des données satellitaires.
Pour apprécier la possibilité de déterminer ces paramètres à l'aide d'images satellitaires,
- 156 -
voyons ces quelques brèves définitions. Pour plus de détails le lecteur pourra se reporter à
Perrin de Brichambaut [35], Cerf [38], ou WMO [7] :
6.1.1 Le trajet optique
En première approximation, le trajet optique (rn) est donné par :
rn = 1/sinv (6.1)
........,, . . . .-···
ceci pour les hauteurs de soleil ( v ) supérieures à 12°. Ainsi, le trajet optique unité
correspondra au cas où le soleil est à la verticale du site considéré.
A l'aide de l'équation 6.1, la connaissance de la hauteur du soleil permet directement de

déterminer le trajet optique. Pour un site donné, on sait que :
sin V = sin ô .sin<!> + COS Ô .COS<!> .COSW (6.2)
avec
ô déclinaison solaire,
<1> latitude du site,
w angle horaire solaire.
La détermination de ce paramètre à partir des données satellitaires n'engendre aucune

difficulté.
6.1.2 L'ennuagement
Le seul paramètre qui nous permet pour l'instant d'apprécier l'état d'ennuagement sur un site
donné est l'indice d'ennuagement (n), ceci à partir des données satellitaires. Pour plus de
détails sur ce paramètre se reporter au chapitre 2.
6.1.3 La nébulosité
La nébulosité représente la fraction de ciel couverte par les nuages pour un observateur situé
au sol. Cette quantité peut être définie en octas (8 classes) ou en dixièmes (10 classes). La
nébulosité peut être partielle, c'est-à-dire liée à la direction d'observation, aux types et à la
- 157 -
hauteur des nuages. Elle est dite totale quant elle décrit un ciel pour lequel tous les nuages
présents sont pris en considération sans distinction de leur hauteur ni de leur type.
Ce paramètre bien qu'internationalement admis, n'est pas étalonné du fait même de sa

définition. En effet, son évaluation est liée à certains facteurs qui sont sources de dispersion :
l'observateur, altitudes et importances des nuages. Cependant, la nébulosité a été utilisée dans
certaines études qui ont abouti à de bons résultats (Kasten et Czeplak [39] ; Davies et McKay
[40]).
Il est pratiquement impossible d'apprécier correctement le type et l'altitude du nuage à partir

des images du satellite Météosat. Ainsi nos estimations ne pourront se faire qu'à l'aide de la
nébulosité totale.
Utilisant d'une part des travaux réalisés par Lund et Shanklin [41] sur l'estimation de la
probabilité d'éclaircies perçues au sol à travers l'atmosphère, et supposant d'autre part que la
probabilité de visée optique du satellite depuis le sol est identique à la probabilité de voir le
sol à travers les nuages depuis le satellite, Perrin de Brichambaut [35] établit l'équation
suivante :
N = n/[1 - 0,625.(1 - n).siny .(2,2 - sin Y)] (6.3)
OÙ:
N : nébulosité totale,
n : indice d'ennuagement,
Y : hauteur du satellite.
Ainsi, à l'aide de l'équation (6.3), la nébulosité devient un paramètre accessible à partir des
données satellitaires, et ceci, par l'intermédiaire de l'indice d'ennuagement et de la hauteur du
satellite.
6.1.4 Le trouble atmosphérique
Le trouble atmosphérique, par définition, caractérise l'atténuation du rayonnement solaire

visible par les particules en suspension. Il dépend à la fois de la diffusion et de l'absorption
du rayonnement.
- 158 -
Il existe différentes méthodes pour mesurer le trouble atmosphérique. Elles sont toutes basées
sur la connaissance de l'aùénuation du rayonnement solaire direct. Ces différentes méthodes
dépendent bien sûr des définitions données par les auteurs à ce paramètre. Ces définitions
sont essentiellement liées à la prise en compte (Linke)
....... --.
ou. . non (Angstrôm,
., ......
Valko) de l'effet
-··
de la vapeur d'eau. A -chacune de ces définitions est ·(sont)· associé(s) un facteur (des
coefficients) représentatif(s) du trouble atmosphérique.
Selon Angstrôm [42], dans beaucoup de cas, l'épaisseur optique d'extinction des aérosols
contenus dans l'atmosphère (ôA (À)) pour une longueur d'onde peut s'écrire :
ôA (À) = B À-a (6.4)
où B, épaisseur optique d'aérosols pour À =1 micromètre, caractérise le nombre de particules

diffusantes (aérosols) contenues dans l'atmosphère, alors que a permet de connaître la
granulométrie des particules.
En prat~que, les valeurs d~ B inférieures à O,L.traduisent un ciel assez pur alors que celles
supérieures à 0,2 sont relatives à une atmosphère trouble. Les faibles valeurs de
correspondent à des particules de grande dimension, les valeurs élevées à des particules de
petite dimension. Pour des conditions moyennes, dans les régions tempérées, a est peu
différent de 1,3 (Viollier et al. [43]), alors qu'au Sahel a est proche de 0 (Cerf [38]).
D'après Linke [44], le facteur de trouble (TL) correspond··au·nombre d'atmosphères pures et

sèches, c'est-à-dire sans aérosols ni nuages ni vapeur d'eau, qui permet de réduire le
rayonnement solaire extraterrestre dans le même rapport que l'atmosphère réelle pour un site
donné et dans les mêmés conditions géoastronomiques (hauteur du soleil),
. D'après cette définition, le trouble de Pnke est à la fois un indicateur de la quantité

d'aérosols et de vapeur d'eau dans l'atmosphère.
En raisonnant sur des variables totalesAintégrées sur toute la bande spectrale solaire), le
trouble de Linke peut s'écrire :
TL = (Ln(Lo/L))/(m.ô(m)) (6.5)
OÙ:
- 159 -
rn le trajet optique,
ô(m) le facteur d'extinction de l'air pur et sec pour la masse d'air rn,
Lo la luminance énergétique totale du rayonnement solaire extraterrestre,
L la luminance énergétique totale du rayonnement solaire, mesurée au sol.
Une formulation simple mais précise de TL a été proposée par Kasten [34] :
TL= (0,9 + 9,4.m- 1)Ln(Io/I) (6.6)
avec
Io le rayonnement solaire direct extraterrestre,
I le rayonnement solaire direct mesuré au sol.
Par ciel clair, pour la France, une bonne approximation du facteur de trouble de Linke peut
aller de 2, l'hiver (minimum en janvier - février) à 3,3, l'été (maximum en août). Par ciel
couvert, TL peut être grossièrement estimé à 90 (Perrin de Brichambaut [35]).
Une bonne méthode d'estimation du trouble atmosphérique serait de combiner les deux
concepts (Linke et Angstrôm) pour évaluer l'influence des différentes composantes de
l'atmosphère sur le rayonnement solaire. Mais pour cela, il faut disposer de renseignements
complets sur les phénomènes de diffusion et d'absorption pour chaque longueur d'onde du
rayonnement solaire. Ceci implique un radiomètre adéquat à bord du satellite. Le radiomètre
du satellite Météosat ne permet pas pour l'instant une détermination correcte du trouble
atmosphérique du fait que les bandes spectrales considérées sont très larges (0,4 - 1,1
micromètre pour le canal visible/proche infrarouge ; 5, 7 - 7,1 micromètres pour le canal
vapeur d'eau ; 10,5 - 12,5 micromètres pour l'infrarouge thermique). A part la vapeur d'eau,
ce satellite ne dispose d'aucun canal permettant d'accéder à la diffusion ou à l'absorption des
gaz et particules contenus dans l'atmosphère.
Par contre, des satellites tels que NOAA, Landsat et Nimbus- 7 disposent de radiomètres avec
plusieurs canaux spectraux et peuvent apporter une solution satisfaisante au problème posé.
L'avantage de ces satellites a été exploité avec un certain succès par Darnell et al. [45].
Aujourd'hui, l'évaluation du trouble atmosphérique paraît impensable à partir des données en

provenance du satellite Météosat, utilisé dans la présente étude. Ainsi, nous nous
contenterons des évaluations climatologiques déjà signalées (TL# 2 en hiver et 3,3 en été)
- 160 -
pour l'Europe. Ceci-eompte tenu du fait que ce trouble n'intervient avec un grand poids que
pour les cas de ciel (vraiment) clair et sans nuages.
Des réflexions précédentes nous déduisons la possibilité d'estimer le rayonnement solaire

diffus à partir, d'unè part de l'indice d'ennuagement et de la hauteur du soleil, et d'autre
part de la nébulosité totale et de la hauteur du soleil. Nous avons choisi de raisonner sur le
rapport Gd/Goh (Gd : rayonnement solaire diffus sur plan horizontal) afin de minimiser
l'effet du sinus de la hauteur du soleil sur nos estimations.
Les estimations se feront à partir des relevés au sol sur onze stations de mesure situées en
France, ceci pour les douze mois de l'année 1984 et les sept premiers mois de l'année 1985.
Figure 6.1 Extinqtion atmosphérique par absorption sur les

gaz atmosphériques.
(Extrait de Perrin de Brichambaut et Vauge [35])
- 161 -
6.2 Ravonnement diffus en fonction de l'angle solaire et de l'indice d'ennuagement
Nous avons tracé le rapport Gd/Goh en fonction de l'indice d'ennuagement (n), ceci par
classe de hauteur v du soleil large de 5°, ou de 10° pour v >52°. Les résultats obtenus sont
représentés par les figures 6.3 à 6.11 et de 6.13 à 6.21. Les figures 6.2 et 6.12 donnent les
résultats pour le cas de toutes les classes confondues.
D'une manière générale, ces figures admettent une courbe de régression de la forme :
Gd/Goh = An 2 + Bn + C (avec A<O) (6.7)
Cette équation de régression, en vue d'une interprétation physique des coefficients

d'ajustement, peut se mettre sous la forme :
Gd/Goh = Al(n - no) 2 +BI (6.8)
~ avec
Al= A
no= -B/2A
BI = C - (B 2/4A).
Le paramètre no est la valeur de l'indice d'ennuagement pour laquelle le rapport Gd/Goh

atteint son maximum, Bi. En effet, l'augmentation de l'ennuagement favorise le phénomène
de diffusion du rayonnement solaire mais ceci jusqu'à un certain seuil de l'indice
d'ennuagement, no, au-delà duquel le nuage devient de plus en plus opaque et devient un
écran vis-à-vis du rayonnement solaire. Ainsi, no dépendra du type et de la densité du
nuage, mais aussi de la hauteur du soleil.
Le rapport Gd/Goh pour n=O (ciel clair), est un paramètre physique important. En effet, sa
valeur permettra d'apprécier l'importance du trouble atmosphérique total (aérosols, gaz
atmosphériques, etc ... ). Plus le trouble atmosphérique sera important et plus sera élevé le
rapport Gd/Goh. Cependant, la correspondance entre le rayonnement solaire diffus et le
facteur de trouble n'est pas aussi étroite qu'entre le rayonnement solaire direct et le facteur
de trouble. En effet, alors que le facteur de trouble englobe toutes les causes d'extinction,
par diffusion et par absorption, le rayonnement solaire diffus ne dépend que très faiblement
- 162 -
·. des phénomènes d'absorption caractéristiques de la vapeur d'eau (et de l'ozone, faiblement

actif dans le canal spectral utilisé dans cette présente étude).
Dans les mêmes conditions de turbidité atmosphérique, une augmentation de la hauteur du

soleil entraîne· une diminution du rapport (Gd/Goh)n=o· Ceci est dû à la faible incidence de
la variation de l'angle solaire sur Gd comparée à celle induite sur Goh.
Les résultats obtenus pour les années 1984 et 1985 sont donnés dans les tableaux [6.1] et [6.2].
Outre les paramètres déjà indiqués, les tableaux présentent également l'erreur quadratique
moyenne (RMS) qui permet d'apprécier la qualité de l'ajustement, ainsi que le nombre de
points pour la classe d'angle solaire considérée (nbpts).
Pour les différentes classes considérées, no varie de 0,07 (12° - 17°) à 0,44 (53° - 65°) tandis
que le maximum de Gd/Goh (BI) varie de 0,23 (12° - 17°) à 0,30 (53° - 65°) pour l'année
1984. Pour l'année 1985, les nombres sont les suivants : 0,17 à 0,45 et de 0,23 à 0,30
respectivement pour no et le maximum de Gd/Goh. La croissance de no ou de BI n'est pas
monotone, elle est positive pour les valeurs de inférieures à 35° en étant très forte sous 27°,
et devient nulle pour v supérieure à 35°. On remarque toutefois une nouvelle croissance pour
les angles solaires supérieures à 50°.
D'une part, l'éclairement reçu en un point situé au sol sur plan horizontal est directement
proportionnel au sinus de la hauteur du soleil. D'autre part, plus l'éclairement est important
et· plus- est iroP.Qrt::tnte la q\lantité de nuage nécessaire pour rendre opaque le ciel sur le lieu
géographique considéré. Ceci explique en partie l'augmentation de no en fonction de la
hauteur du soleil.
Les valeurs obtenues, pour .le paramètre (Gd/Goh)n=O' sont rigoureusement identiques pour
les années 1984 et 1985. Le paramètre (Gd/Goh)n=O varie de 0,23 (12° - 17°) à 0,15 (53° -
65°). Ce sens de .variation (diminution de Gd/Goh avec l'augmentation de la hauteur du
soleil) est confirmé par des travaux de Kimball et de Williams (cités dans Ivanoff [46], page
33) ..
L'erreur quadratique moyenne (RMS) sur le rayonnement solaire diffus varie de 29 Wh/m 2
(38% en moyenne de la valeur du rayonnement solaire diffus mesurée au sol) pour les
hauteurs du soleil de 12° - 17° à 88 Wh/m 2 (35%) pour 53° - 65° pour l'année 1984. Pour
1985, RMS varie de 27 Wh/m 2 (37%) pour 12° - 17° à 98 Wh/m 2 (37%) pour 53° - 65°.
- 163 -
Pour toutes les classes de hauteurs' du soleil confondues (12° - 65°), no est égal à 0,38 et 0,42
respectivement pour 1984 et 1985. Le paramètre BI est égal à 0,27 et 0,28 pour 1984 et 1985.
L'erreur quadratique moyenne (RMS) est égale 66 Whjm 2 et 70 Wh/m 2 pour 1984 et 1985 et
enfin le rapport (Gd/Goh)n=O est égal à 0,19 et 0,18 pour 1984 et 1985.
Les résultats obtenus, en considérant les données de 1984 et 1985 comme un seul échantillon,
sont donnés par le tableau [6.5] et les figures [6.42] à [651 ].
- 164 -
6.3 Rayonnement diffus en fonction de l'angle solaire et de la nébulosité totale
La démarche est identique à celle du paragraphe 6.2 hormis le fait que le raisonnement, au
lieu de porter sur l'indice d'ennuagement, se fera sur la nébulosité totale (N).
Le rapport Gd/Goh a été tracé en fonction de la nébulosité totale et pour des classes définies
de hauteur du soleil. Les résultats obtenus sont représentés par les figures 6.22 à 6.41.
La courbe de régression retenue est de la forme :
Gd/Goh = A2(N- No) 2 + B2 (6.9)
L'application de l'équation 6.9 aux données des années 1984 et 1985, aboutit aux résultats
récapitulés dans les tableaux [6.3] et [6.4].
Pour les différentes classes de hauteur du soleil, No varie de 0,32 (12° - 17°) à 0,56 (53° -
65°) tandis que le maximum de Gd/Goh (B2) varie de 0,26 (12° - 17°) à 0,28 (53° - 65°)
pour l'année 1984. Pour l'année 1985, les nombres sont les suivants : 0,37 à 0,56 et 0,27 à
0,29 respectivement pour No et le maximum de Gd/Goh. Les variations de No et de B2 sont
_plus complexes par rapport au cas de l'indice d'ennuagement (paragraphe 6.2).
Les valeurs obtenues pour le paramètre (Gd/Goh)N=O' varient de 0,22 (12° - 17°) à 0,08 (53°
- 65°) pour l'année 1984 et de 0,22 ( 12° - 17°) à 0,10 (53° - 65°) pour 1985. Pour les deux
années, le paramètre (Gd/Goh)N=O décroît pour la hauteur du soleil variant de 12° à 42°,
ensuite croît entre 43° et 48° avant de décroître brusquement pour les hauteurs du soleil
supérieures à 48°.
L'erreur quadratique moyenne (RMS) sur le rayonnement diffus varie de 28 Wh/m 2 (37% de
la valeur du rayonnement solaire diffus mesurée au sol) pour les hauteurs du soleil de 12° -
17° à 89 Wh/m 2 (35%) pour 53° - 65° pour 1984 et 34 Wh/m 2 (43%) pour 12° - 17° à 99
Wh/m 2 (38%) pour 53° - 65° pour 1985.
Pour toutes les classes de hauteurs du soleil confondues (12° - 65°), No est égal à 0,46 et
0,52 respectivement pour 1984 et 1985. Le paramètre B2 est égal à 0,28 pour 1984 et 1985.
L'erreur quadratique moyenne est égale à 68 Wh/m~ et 74 Whjm 2 pour 1984 et 1985 et enfin
le rapport (Gd/Goh)N=O est égal à 0,18 et 0,14 pour 1984 et 1985.
- 165 -
6.4 Conclusion
L'erreur d'estimation du rayonnement solaire diffus, pour les deux années 1984 et 1985, varie
entre 27 Wh/m 2 et 98 Wh/m 2 pour une détermination sur la base de l'indice d'ennuagement
et entre 28 Wh/m 2 et 99 Wh/m 2 avec la nébulosité totale.
Les erreurs quadratiques moyennes obtenues, avec d'une part l'indice d'ennuagement et
d'autre part la nébulosité totale, sont quasiment identiques. Ceci n'est pas un phénomène
étonnant car les définitions des deux paramètres sont presque identiques (surtout pour O<n<l)
mais seule change la position de l'observateur (au satellite pour n et au sol pour N).
L'erreur quadratique moyenne (RMS) est égale à 37% de la valeur du rayonnement solaire
diffus mesuré au sol. Cette mauvaise estimation et l'analyse des constantes de régression A 1,
no, BI et A2, No, B2 conduisent aux remarques suivantes :
(i) la hauteur du soleil et l'indice d'ennuageinent (ou la nébulosité totale) ne suffisent pas
pour déterminer le rayonnement diffus : surtout pour les faibles valeurs de n (ou de
. N). Le trouble atmosphérique intervient d'abord fortement pour n<O,l, puis de moins
en moins, son influence devenant négligeable pour n>0,5. Et po~r les grands indices,
l'opacité des nuages couvrant le ciel doit être déterminée climatologiquement. Dans les
cas de ciel nuageux, par contre, les paramètres climatologiques annexes semblent se
résumer à un facteur correctif lié aux types de nuages les plus fréquents : frontal,
convectif à développement vertical.
(ii) les valeurs de (Gd/Goh) max (pour n ou N), prouvent qu'il existe une influence de la
hauteur du soleil (v) donc que la relation est valable par tranche de v et qu'il faudra
une normalisation par une fonction h(v) pour généraliser la relation aux hauteurs du
soleil comprises entre 12° et 65°.
Les méthodes d'estimation sont très simples du fait même qu'on puisse se passer d'une
classification de l'état du ciel (clair, partiellement couvert, couvert) en fonction de l'indice
d'ennuagement (de la nébulosité). Mais les études doivent être poursuivies pour mieux ajuster
les formulations proposées (tableaux [6.1] à [6.4]} aux divers types de climats sur la base
d'une plus grande quantité de données sur une plus longue période (10 ans environ).
- 166 -
A1 no 81 n Gdmes Gdest RMS Gd/Goh nbpts

sin v (Whtm2 ) (Wh/m2> (Whtm2> (n=O)
0,21:0,91 ·0,53 0,38 0,27 0,32 174 174 66 0,19 6131

(12°·65°)
0,21:0,29 ·0, 19 0,07 0,23 0,28 75 75 29 0,23 440

( 12° ·17°)
0,31:0,38 ·0,42 0,29 0,26 0,36 101 iti1 35 0,22 527

(18°·2Z0)
0,39:0,45 ·0,46 0,32 0,27 0,38 129 129 45 0,22 547

(23°·27°)
0,47:0,53 ·0,52 0,37 0,28 0,34 153 153 53 0,21 500

(28°·32°)
0,55:0,60 ·0,60 0,39 0,29 0,32 179 179 56 0,20 585

(33°·37°)
0,62:0,67 ·0,55 0,42 0,28 0,31 191 . 191 65 0,18 725

(38° ·42°)
0,68:0,73 ·0,62 0,41 0,30 0,31 216 216 75 0,20 562

(43° ·47°)
0,74:0,79 ·0,63 0,41 0,29 0,32 232 232 88 0,18 466

(48° ·52°)
0,80:0,91 ·0,78 . 0,44 0,30 0,28 251 251 88 0,15 748

(53°·65°)
Tableau[6.1l Coefficients et erreur (RMS en Whtm2> d'ajustement quadratique entre Gd/Goh et l'indice
d'ennuagement pour l'année 1984.
- 167 -
A1 no B1 n Gdmes Gdest RMS Gd/Goh nbpts

sin v (Wh/m2 ) (Whtm2 > (Wh/m2> <n=O>
0,21:0,91 ·0,58 0,42 0,28 0,36 186 186 70 0,18 3706

( 12° ·65°)
0,21:0,29 ·0,27 0,17 0,22 0,30 72 72 27 0,23 240

(12" ·170)
0,31:0,38 ·0,56 0,43 0,27 0,44 105 105 39 0,22 182

( 18°. 22" )
0,39:0,45 ·0,51 0,39 0,28 0,41 134 134 43 0,22 299

(23°·27°)
0,47:0,53 ·0,58 0,41 0,28 0,41 159 159 58 0,21 291

(28°·32°)
0,55:0,60 ·0,58 0,44 0,28 0,40 173 173 59 0,20 276

(33°·37°)
0,62:0,67 ·0,63 0,43 0,28 0,35 188 188 62 0,18 474

(38° ·42°)
0,68:0,73 ·0,57 0,45 0,30 0,34 208 208 75 0,20 411

(43" ·4?)
0,74:0,79 ·0,76 0,40 0,30 0,31 238 238 79 0,18 417

(48° ·52°)
0,80:0,91 ·0,70 0,45 0,29 0,36 260 260 98 0,15 534

(53°·65°)
Tableau[6.2l Coefficients et erreur (RMS en Whtm2) d'ajustement quadratique entre Gd/Goh et l'indice
d'ennuagement pour l'année 1985.
- 168 -
A2 No B2 N Gdmes Gdest RMS Gd/Goh nbpts

sin v (Whtm2> (Wiitm2 ) (Whtm2) (N=O)
0,21:0,91 ·0,45 0,46 0,28 0,46 175 175 68 0,18 6103

(12° ·65°)
0,21:0,29 ·0,37 0,32 0,26 0,43 75 75 28 0,22 438

(12°·17°)
0,31:0,38 ·0,43 '"·0,39 0,27 0,49 101 101 36 0,20 525

(18°·22°)
0,39:0,45 ·0,39 0,41 0,27 0,54 129 129 47 0,20 547

(23°·27°)
0,47:0,53 ·0,43 0,45 0,28 0,48 154 154 55 0,19 495

(28° ·32°)
0,55:0,60 ·0,53 0,47 0,30 0,46 180 180 57 0,18 580

(33°·37°)
,,
0,62:0,67 ·0,45 0,51 0,28 0,45 191 191 66 0,16 723

(38° ·42°)
0,68:0,73 ·0,50 0,49 0,30 '0,44 217 217 76 0,18 559

(43°·47")
0,74:0,79 ·0,47 0,51 0,29 0,46 233 233 89 0,17 463

(48°·52°)
0,80:0,91 ·0,56 0,56 0,28 0,43 252 252 89 0,10 746

(53° ·65°)
Tableau[6.3l Coeffients et erreur (RMS en Whtm2 > d'ajustement quadratique entre Gd/Goh et la
nébulosité totale (N) pour l'année 1984.
- 169 -
A2 No B2 N Gdmes Gdest RMS Gd/Goh nbpts

sin v (Whtm 2 ) (Wh;m2) (Whtm2 ) (N=O)
0,21:0,91 ·0,51 0,52 0,28 0,52 190 190 74 0,14 2058

<12''·65°)
0,21:0,29 ·0,39 0,37 0,27 0,45 78 78 34 0,22 124

(12°·17°)
0,31:0,38 ·0,20 0,55 0,27 0,55 117 117 46 0,21 120

(18°·22°)
0,39:0,45 ·0,47 0,53 0,27 0,58 134 134 52 0,14 166

(23°·27°)
0,47:0,53 ·0,56 0,49 0,29 0,58 157 157 56 0,16 149

(28°·32°)
0,55:0,60 ·0,48 0,55 0,27 0,55 171 171 59 0,12 157

(33°·37°)
0,62:0,67 ·0,56 0,52 0,28 0,52 189 189 62 0,13 277

(38°·42°)
0,68:0,73 ·0,43 0,51 0,27 0,50 207 207 85 0,16 205

(43°·47°)
0,74:0,79 ·0,65 0,51 0,31 0,49 244 244 88 0,14 229

(48°·52°)
0,80:0,91 ·0,68 0,56 0,29 0,54 262 262 99 0,08 331

(53° ·65°)
Tableau[6.4J Coefficients et erreur (RMS en Whtm2) d'ajustement quadratique entre Gd/Goh et la

nébulosité totale (N) pour l'année 1985.
- 170 -
A1 no B1 n Gdmes Gdest RMS Gd/Goh nbpts

sin v (1Jhtm2> (llh!m2> (1Jhtm2 > (n=O>
0,21:0,91 ·0,54 0,39 0,27 0,32 179 179 68 0,19 9837

(12° ·65°)
0,21:0,29 ·0,21 0,11 0,23 0,29 74 74 29 0,23 680

(12°·17°)
0,31:0,38 ·0,45 0,33 0,26 0,38 102 102 37 0,21 709

(18°·22°)
0,39:0,45 ·0,47 0,35 0,27 0,39 130 130 45 0,21 846

(23°·27°)
0,47:0,53 ·0,54 0,38 0,28 0,37 155 155 56 0,20 791

(28° ·3Z0)
0,55:0,60 ·0,57 0,40 0,29 0,35 177 177 58 0,20 861

(33° ·37°)
0,62:0,67 ·0,58 0,42 0,28 0,33 190 190 65 0,18 1199

(38° ·42°)
0,68:0,73 ·0,58 0,43 0,29 0,32 213 213 76 0,18 973

(43°·47°)
0,74:0,79 ·0,69 0,41 0,30 0,32 .. 235 235 84 0,18 883

(48°·52°)
0,80:0,91 ·0,74 0,44 0,29 0,31 255 255 93 0,15 1282

(53°,65°)
Tableau[6.5l Coefficients.et.err.eur (RMS en 1Jh/m2 > d'~justement quadratique entre Gd/Goh et l'indice
d'ennuagement pour les années 1984 et 1985 confondues.
- 171 -
RATIO (Gd/Goh>
Gd/Goh = -9.53<n- 9.38~+ 9.27
9.59
INDICE NUAGE <n>

Figure [6.21 Gd/Goh en fonction de l'indice d 1 ennuagement (n) pour les

hauteurs du soleil comprises entre 12° et 65° (année 1984).
RATIO (Gd/Goh)
Gd/Goh = -9.19(n- 9.97~+ 9.23
.' '
9.25 9.5 9.75 1.9

INDICE NUAGE <n>
Figure [6.3] Gd/Goh en fonction de l'indice d'ennuagement (n) pour les

hauteurs du soleil comprises entre 12° et 1ro (année 1984).
- 172 -
RATIO <Gcli'Goh)
Gd/Goh = -0.42(n - 0.29>2 + 0.26
0.50
..
.. :l ... . ~: .:: 0
0.25 0.5 0.75 1.0

INDICE NUAGE (n)

RATIO (Gd/Goh)
Gd/Goh = -0.46<n- 0.32)2+ 0.27
0.50
·.:.....·~.. ~..:.,.,.,;-=-·-7+'':"'~T"""'"..c..:....,...:....,_~··-:..·..:....._,
0
. 25 .;-;.:.,.' ·:;,,;
.
.: :·:;:::i ,· ., .. ,... ·· .: · :·.....
•.: .
. ·:: ;::·
0.25 0.5 0.75 1.0

INDICE NUAGE <n>

hauteurs du soleil comprises entre 23° et 2~ (année 1984).
- 173 -
RATIO (Gd/Goh)
Gd/Goh = -9.52(n - 9.37)2 + 9.28
:::· . : .. .. ·.; .: ..
9. 25 ~;...,::.,;,.:.;....._,....-'-+""~~:.·~-~~."7':_.:.:..,;.:~_.:.___:.. ',..!.
·.·: .. : .. !
9.25 9.5 9.75 J..9

INDICE NUAGE <n>
Figure [6.6] Gd/Goh en fonction de l'indice d 1 ennuagement (n) pour les

RATIO (Gd/Goh)
Gd/Goh = -9. 69(n - 9. 39>2 + 9. 29
9.25 ··;.·
9.25 9.5
INDICE NUAGE <n>
Fi gu re [6. 71 Gd/Goh en fonction de l'indice d'ennuagement (n) pour les

hauteurs du soleil comprises entre 33° et 3~ (année 1984).'
- 174 -
RATIO <Gd/Goh)
Gd/Goh = -0.55<n - 0.42>2 + 0.28
0.50
.·· ..
:: • :' 0. ::·
•,': .·. .!
0.25 0.5 9.75 1..0

INDICE NUAGE (n)
Toutes; J1eur-es t.outes stations
Figure [6.81 Gd/Goh ·en fonction de l'indice d'ennuagement (n) pour les
hauteurs.du soleil comprises entre.38° et 42° (année 1984) •
. RÂTIO <Gd/Goh>
Gd/Goh = -0.62(n- 0.4J.>2+ 0.30
0.50
... ·
0 ': ••
0.25
:· ·=. :·
0.25 0.5 9.75 1..9

INDICE NUAGE <n>
Toutes heur-es toutes stations
Figure [6.91 Gd/Goh en fonction de l'indice d•ennuagement (n) pour les

- 175 -
RATIO <Gd./Goh)
Gd/Goh = -0.63(n- 0.4J.> 2 + 0.29
0.50
0.25
... ·:·
0.25 0.5 0.75 J..0

INDICE NUAGE <n>

RATIO <Gd/Goh)
Gd/Goh = -0.78(n - 0.44)2 + 0.30
0.50
:·
: ::: ..
.. : ..
:::
0.25
. ·:
0.25 0.5
INDICE NUAGE (n)
Fi sure [6. 11 J Gd/Goh en fonction de l'indice d'ennuagement (n) pour les

- 176 -
RATIO (Gd/Goh)
Gd/Goh = -0.58(n - 0.42)2+ 0.28
0.50
0.25 0.5 0.75 l..0

INDICE NUAGE <n>

RATIO <Gd/Goh>
Gd/Goh = -0.27(n - 0.J.7)2+ 0.22
0.50
0.25
Toutes heu~es
.· ... :,
0.5
.·
0.75 -
INDICE NUAGE <n>
toutes stations
l..0

hauteurs du soleil comprises entre 12° et 1rD (année 1985).
- 177 -
RATIO (Gd/Goh)
Gd/Goh = -0.56(n - 0.43)2+ 0.27
0.50
0.25~
. . . .
0 0.25 0.5 0.75 L0

INDICE NUAGE (n)
Figure [6.14] Gd/Goh en fonction de L'indice d 1 ennuagement (n) pour Les

RATIO <Gd/Goh)
Gd/Goh = -0.51<n - 0.39)2+ 0.28
0.50
0.25 0.5 0.75 1.9

INDICE NUAGE <n>
Figure [6.15] Gd/Goh en fonction de L'indice d'ennuagement (n) pour Les

- 178 -
RATIO <Gd/Goh)
Gd/Goh = -0.5B<n - 0.41> 2 + 0.28
0.50
0.25~.··
0.25 0.5 0.75 1.0

INDICE NUAGE <n>
Figure [6.161 Gd/Goh en fonction de l'indice d'ennuagement (n) pour les

RATIO <Gd/Goh>
Gd/Goh = -0.58(n- 0.44)2+ 0.28
0.50
":"
0.25~~·"
0.25 0.5 0.75 1.0

INDICE NUAGE <n>
Figure [6.171 Gd/Goh en fonction de l'indice d'ennuagement <n> pour les

- 179 -
RATIO <Gd/Goh)
Gd/Goh = -0.63(n - 0.43)2+ 0.28
0.59
.... ...
9.25
9.25 9.5 9.75 J..9

INDICE NUAGE (n)

RATIO CGd/Goh)
Gd/Goh = -0.57Cn- 9.45>2 + 0.30
9.59
9.25
0.25 0.5 0.75 J..0

INDICE NUAGE Cn>

- 180 -
RATIO (Gd/Goh)
Gd/Goh = -0.76(n - 0.40)2+ 0.30
.:
,••
. ·:.
~·~·~~.~.~··~·~~~~
0.25
::
0.25 0.5 0.75 l..0

INDICE NUAGE (n)

RATIO <Gcl/Goh)
Gd/Goh = -0.70(n - 0.45)2 + 0.29·
0.50
.... =.:
··.·: : ... : . . ''s~·~~~~~~~~
0.25
'
0 0.25 0.5 0.75 l..0

INDICE NUAGE <n>

- 181 -
RATIO <Gd/Goh)
~ .: : : : i .. : . . :: 0 : • •
i .: i~!
!: !;· .~.~.i,!.~,!,:.:,! ::l;;i H.:
~++tiH.Uii ;uu::l.W.I.i ~. 1, 1
==
0.25 : : ,: ' -H+HTTmtr:tttM!:H: .• :.•.: i.• ,i:l. i·. ;. :·. .· :,: ,::·. ·.
. l [ .L..J.-.H-+-- " . ' .. ... : ; ~
.
H :·.~ ·.i;; T '! ;••· ·'! ;••· ': i.:i !:;• •
1--ti.--r
. ··'jT
. !.·
·· ···.·;! ~ [:1 !\!1i1!Il!Ill
ii..• i1. i1.• 1 ;; " • •
·
.·:1..• :
0.25 0.5 0.75

NEBULOSITE <N>
Fi gu re [6. 22] Gd/Goh en fonction de la nébulosité totale (N) pour les

RATIO (Gd/Goh)
e. 2s L~~~-<--~--'-----:--;-:-:-·;-,·--;---;-7--~-~...:....:
..
.:· ::.:·. .. .: '
0.25 0.75
NEBULOSITE <N>
Figure [6.23] Gd/Goh en fonction de la nébulosité totale (N) pour les

- 182 -
RATIO (Gd/Goh)
Gd/Goh -0. 43<N - 0. 39)2 + 0. 2?
0.50
.::· "· : :
' . . . . !•
:.;;. :· :
0.25 0.5 0.?5

NEBULOSITE <N>
Figure [6.241 Gd/Goh en fonction de la nébulosité totale (N) pour les

RATIO <Gd/Goh>
Gd/Goh = -0.39<N- 0.41)2+ 0.2?
0.50
1',
.. ·.. : .;.:: :: .. : ·.
:: :: ... :
: :•',
·=:i.··
: •• =.
0.25 0.5 9.75 1.9

NEBULOSITE <N>
Toutes heu~es to~tes stations

- 183 -
RATIO <Gd/Goh>
Gd/Goh = -0,43<N- 0.45> 2 + 0.28
0.50
~
. 0
::
: : •
.,
0.25 0.5 0.75

NEBULOSITE <N>

RATIO <Gd/Goh>
Gd./Goh = -0.53<N - 0.47>2 + 0.30
0.50
0.25 0.5 9.75 J..9

NEBULOSITE <N>

hauteurs du solei.l comprises entre 33° et 3~ (année 1984).
- 184 -
RATIO (Gd/Goh>
Gd/Goh
0.50
. !• ··:· .. ::
0.25~\;i''·::·
0.25 0.5 0.75 J..0
NEBULOSITE <N>

RATIO <Gd/Goh)
Gd/Goh = -0.50<N - 0.49>2+ 0.30
0.50
0.25
: =.:
"::! 0
i :i
0 0.25 0.5 0.75 J..0
NEBULOSITE <N>

- 185 -
RATIO <Gd/Goh>
Gd/Goh = -0. 47<N -,. 0. 5~)2 + 0. 29
0.50
0.25 0.5 0.75 1.0

NEBULOSITE <N>

RATIO (Gd/Goh)
Gd/Gol1 = -0. 56(N - 0. 56>2 + 0. 28
0.50
0.25
0.25 9.5 9.75 1.9

NEBULOSITE ( N>

- 186 -
RATIO (Gd./Goh)
Gd./Goh = -0.51<N - 0.52>2 + 0.28
0.50
·'
0 25 : , , !i
i,!tt
;! rU-~ .!., ·':~-l;,!.~.i',ti·:,ti!,:-~.1~:.! ,!.-;~.;,~l.-!l·:.'t:· .,:·;.ti·!.i l~:.;r ~,i!t .:::::~:/!iJ!
r-i,!,+1!,·
i - : . : · ';._,·i.' .. ... IT+i +t i! ~il~ji+!H:f il i !l!!ii!ii! ii :::.:;:~
.
r
U-U-
:,! H l :.
:,i - , i
1 : 1 : !:: :,. . ., ,... , ., !il

0.25 0.5 0.75 1.0
NEBULOSITE <N>

RATIO (Gd./Goh)
Gd./Goh = -0.39CN - 0.37> 2 + 0.27
0.50
0.25~. : ..
:! .
:···
0.25 0.5 9.75 l..0

NEBULOSITE CN>

- 187 -
RATIO (Gd/Goh)
Gd/Goh = -1!1.21!1<N - 1!1.55)2 + 1!1.27
1!1.51!1
. i
1!1.25 1!1.5 1!1.75 J..l!l

NEBULOSITE <N>

hauteurs du soleil comprises entre 18 et 22 (année 1985).
RATIO <Gd/Goh>
1!1.51!1
!·:
: . ; ~~.:..---:-~~~~~
0 :. ::
1!1.25 . .. :'·.
: . :·
~ . ;: ~ .: :. :
.. ·:.=1
·.. ·
1!1.25 1!1.5 1!1.75 J..l!l
NEBULOSITE <N>
Fi gu re [6 ~351 Gd/Goh en fonction de la nébulosité totale (N) pour les

- 188 -
RATIO <Gd/Goh)
Gd/Goh = -0.56(N- 0.49> 2 + 0.29
0.50
0.25~:
. . :. :-,:·
..
. : : :. .... :.
.. ,!, : .·
:.:ï=··.
0 0.25 0.5 0.75 J..0

NEBULOSITE <N>
Figure [6.36) Gd/Goh en fonction de la nébulosité totale (N) pour les

RATIO <Gd/Goh>
Gd/Goh -0. 48<N - 0. 55> 2 + 0.27
0.50
'.
:'.
0.25
·.·: . .... ~
~·
0 0.25 0.5 0.75 J..0
NEBULOSITE <N>

- 189 -
Rf'ITIO <Gd/Goh)
Gd/Goh = -0.56(N - 0.52> 2 + 0.28
0.50
0.25
.. : ;,
0.25 0.5 0.75 J..0

NEBULOSITE <N>
Fi gu re [6. 38] Gd/Goh en fonction de la nébulosité totale (N) pour les

Rf'ITIO (Gd/Goh>
Gd/Goh = -0. 43<N - 0. 51)2 + 0. 27
0.50
0.25 0.5 0.75 1.0

NEBULOSITE <N>

- 190 -
RI'ITIO (Gd/Goh)
Gd/Goh = -0.65<N- 0.5J.>2 + 0.3J.
0.50
0.25
0 0.25 0.5 0.75 J..0

NEBULOSITE <N>

RI'ITIO <Gd/Goh>
Gd/Goh = -0.68<N - 0.56~ + 0.29
0.50
.. ·,... ·.: •:.;.•. L
0.25
!' ·::
"i:::
0 0.25 0.5 0.75 J..0
NEBULOSITE <N>
Figure [6.41] Gd/Goh en fonction de la nébulosité. totale (N) pour les

- 191 -
RATIO (Cd.I'Coh)
Cd.I'Coh = -9.54(n - 9.39)2+ 9,27
9.59
:··· .. ,
9.25
il li!!li ill:ill li
!!iii il
!
L
..
::~: ;1
il !iii ii lill!h
=ii!:: •!
!!
: •!
11!!
•t•,••
... ;nnn
=:id!
ll:d·
li
!!
j:
"
l'
i:iri
'·. '
:!
' l!iiH
9.25 9.5 9.75
INDICE NUAGE (n)
Toutes heu~es toutes stations <~984 - ~985)

hauteurs du soleil comprises entre 12° et 65° (années 1984 -
1985).
RATIO <Cd.I'Coh)
9.59
9.25 9.5 9.75

INDICE NUAGE <n>
Toutes heu~es toutes stations <~984 - ~985)

hauteurs du soleil comprises entre 12° et 1~ (années 1984 -
1985).
- 192 -
RATIO (Gd/Goh)
Gd/Goh = -0.45(n - 0.33> 2 + 0.26
0.50
.::
0.25 0.5 0.75 1.0

INDICE NUAGE <n>
Toutes heu~es toutes stations <1984 - 1985)

hauteurs du soleil comprises entre 18° et 22° (années 1984 ·
1985).
RATIO (Gd/Goh>
Cd/Goh = -0.47<n - 0.35)2+ 0.27
0.50
0.25 0.5 0,75 1.0

INDICE NUAGE <n>

hauteurs du soleil comprises entre 23° et 2ro (années 1984 ·
1985).
- 193 -
RATIO <Gd/Goh)
Cd/Goh = -0.54(n- 0.38)2+ 0.28
0.50
. :;. ..
:=.. :': ·: .. :· ',!• 0 : • • : : ~ : ; :: : •
.: : .. :· ':•
0.25 ~.:.i.~~.~::~iU>:;-.:.
··::-::!· ..
:; ,•,
: =.·
:.· :: 0
.. ::
... :':i.
.,
0.25 0.5 0.75 J..0
INDICE NUAGE <n>

1985).
RATIO <Cd/Coll>
Cd/Coh = -0.57(n - 0.40)2+ 0,29
0.50
0.25
0.25 0.5 0.75 J..0

INDICE NUAGE (n)

hauteurs du soleil comprises entre 33° et 3~ (années 1984 ·
1985).
- 194 -
RATIO <Gdi'Goh)
Gdi'Goh = -0.58(n - 0.42> 2 + 0.28
0.50
. :·.
::
·.:
0.25 0.5 0.75 1.0
INDICE NUAGE (n)
Toutes heu~es toutes stations (1984 - 1985)
Figure [6.48] Gd/Goh en fonction de l'indice d•ennuagement (n) pour les

1985).
RATIO (Gdi'Goh)
Gdi'Goh = -0.58(n 0.43>2 + 0.29
0.50
0.25
:.=·
0.25 0.5 0.75 1.0

INDICE NUAGE <n>
Toutes heu~es toutes st~tions <1984 - 1985~
Figure [6.49] Gd/Goh en fonction de. l'indice d'ennuagement (n) pour les
hauteurs du soleil comprises entre 43° et 4~ (années 1984 ·
1985).
- 195 -
RATIO <Gd/Goh>
Gd/Goh = -0.69<n - 0.41>2 + 0.30
0.50
;·:·:
:···=·=
. .. :-:. .; .: ..
.:·: •• ~! ..
0.25
INDICE NUAGE <n>
Toutes heu~es toutes stations (1984 - 1985)

hauteurs du sol·ei l comprises entre 48° et 52° (années 1984 ·
1985).
RATIO (Gd/Goh)
0.50
0.25
0.25
INDICE NUAGE <n>
Figure [6.51] Gd/Goh en fonction de l'indice d'er:muagement (n) pour les

1985).
- 196 -
... .... ""' ...... .

.. ,.. , _ ~
CHAPITRE 7
CONCLUSIONS ET PERSPECTIVES
- 197 -
Cette thèse montre que les satellites météorologiques géostationnaires, en plus de leur emploi
classique pour les prévisions météorologiques, peuvent être utilisés d'une façon générale en
climatologie solaire et à un dégré moindre en ingénierie des systèmes solaires pour une
cartographie fine du rayonnement solaire.
Diverses comparaisons entre les estimations d'origine satellitaire et des mesures

pyranométriques ont été effectuées dans le but d'apprécier l'erreur commise sur les
estimations faites en temps réel sur le rayonnement solaire global horaire instantané.
Nous avons ainsi prouvé qu'il est possible d'évaluer correctement sur plusieurs années le
rayonnement solaire global horizontal horaire en moyenne mensuelle avec une erreur de
reconstruction (écart quadratique moyen) de 10% de la valeur du rayonnement solaire mesuré.
Un seul jeu de coefficients de régression (A,B) est nécessaire par tranche horaire. Il est établi
entre l'indice d'ennuagement et le coefficient de transmission globale atmosphérique, sur une
période plus courte de l'ordre d'une année.
Notre modèle de calcul du rayonnement solaire global journalier en moyenne mensuelle à

partir des évaluations satellitaires des moyennes mensuelles du rayonnement global horaire
aboutit à une évaluation du rayonnement à 10% près de la valeur mesurée (erreur
quadratique moyenne). Pour ce qui est du rayonnement global horaire instantané, il est
obtenu avec 10% et 25% d'erreur en moyenne (erreur quadratique moyenne) sur la base de
comparaison respectivement de l'année et du mois.
Les formulations empiriques établies, entre le rapport du rayonnement solaire horaire diffus
horizontal (Gd) sur le rayonnement solaire global horaire horizontal hors atmosphère (Goh) et
l'indice d'ennuagement d'une part et la nébulosité totale d'autre part, permettent d'évaluer le
rayonnement solaire diffus en horaire instantané, sur la base de comparaison d'une année
entière, avec une erreur quadratique moyenne de 37%. Cette valeur élevée de l'erreur vient
du fait que l'indice d'ennuagement et la hauteur du soleil à eux seuls ne caractérisent pas le
rayonnement solaire diffus au sol, surtout dans le cas des ciels clairs.
Le rapport (B/ A) des coefficients de régression caractérise le trouble atmosphérique global

(cf. paragraphe 4.2.2 du chapitre 4). Parmi les paramètres dont dépend le trouble
atmosphérique global (site géographique, saison et aussi les activités industrielles, agricoles
etc ... , sur le lieu considéré), la saison apparaît comme le paramètre le plus simple à
appréhender du moins dans le concept actuel de notre démarche. Ainsi pour améliorer la
- 198 -
précision sur les évaluations, il nous a apparu ultérieurement intéressant d'établir pour
chaque tranche horaire un jeu de coefficients de régression par saison et non pas uniquement
un seul jeu par tranche horaire pour l'année entière. Toutefois, nous n'avons pas eu le temps
de tester cette hypothèse.
Les coefficients de régression A et B, établis sur des données de l'Europe, ont été utilisés tels
que pour établir des cartes de rayonnement solaire sur l'Afrique Occidentale (chapitre 5). Les
résultats obtenus sont proches des observations faites au sol, ce qui laisse penser que ces
coefficients pourraient être indépendants du climat. Ceci nécessite encore d'être vérifié à
l'aide d'observations au sol plus fiables.
D'une façon générale, il est possible que les résultats obtenus puissent être encore améliorés,
d'une part en utilisant des données coïncidentes sol-satellite sur une plus longue période (10
ans environ) et d'autre part sur une meilleure connaissance statistique de la distribution
spatio-temporelle de certains paramètres climatologiques (le trouble atmosphérique, la hauteur
d'eau condensable, etc ... ) ou même l'utilisation de satellites dont le radiomètre permettrait
d'envisager une évaluation quantitative des phénomènes de diffusion et d'absorption du
rayonnement solaire dans l'atmosphère. La méthode Heliosat, présentée ici, est une méthode
qui a l'avantage d'être compatible avec à la fois la puissance des ordinateurs personnels et le
dégré de précision conventionnellement exigée en pratique sur les résultats. Une
sophistication conduirait à l'utilisation d'ordinateurs de haute capacité (investissement élevé)
pour n'obtenir qu'une faible amélioration des résultats.
Ne nécessitant pas de moyens de calcul importants, la méthode Heliosat a été utilisée pour la
mise en place d'un système opérationnel (logiciel, micro-ordinateur, station de réception
satellitaire, carte interface micro-ordinateur - station de réception) qui fournit au rythme des
acquisitions (temps réel) et d'une façon automatique des cartes de rayonnement solaire global.
Ce système entièrement automatique, de faible encombrement mais aussi de faible coût
d'achat et de maintenance, permettra d'alléger les efforts fournis actuellement pour faire des
mesures au sol.
Du fait même de la résolution du satellite Météosat (5 km), les cartes de rayonnement solaire
permettent de mettre en évidence des zones de micro-climats jusque-là inconnus. Elles
pourraient partiellement répondre aux questions des ingénieurs, architectes ou concepteurs,
chargés d'élaborer rationnellement des projets de systèmes solaires pour une région donnée.
Ces questions vont du problème de dimensionnement à la rentabilité des systèmes solaires.
'- 199 -
En plus des cartes de rayonnement solaire, le système fournit des sous-produits d'une grande
utilité : des cartes de l'indice d'ennuagement et de l'albédo du sol. Par exemple, les cartes
d'albédo du sol ont permis, avec un certain succès, le suivi de l'évolution spatio-temporelle
de la végétation en Afrique de l'Ouest (annexe 3, Diabaté et al. [47]).
- 200 -
CHAPITRE 8
REFERENCES BIBLIOGRAPHIQUES
- 201 -
1. Angstrom A., 1924, Solar terrestrial radiation. Quart. J. Roy. Met. Soc., 50, 119-124.
2. Fritz S. et MacDonald T. H., 1949, Average so1ar radiation. Heating and Ventilating,
46, 61-64.
3. Schuepp W., 1949, Die Bestimmung der Komponenten der atmospharischen trubung
aus aktinometermessungen. Arch. Meteor. Geophys. Biokl., B1, pp. 257-346.
4. Black J. N., Bonython C. W. et Prescott J. A., 1954, Solar radiation and the duration
of sunshine. Quart. J. Roy. Met. Soc., pp. 231-235.
5. Masson H., 1966, Quantitative estimation of solar radiation. Solar Energy, 10, 119-124.
6. Perrin de Brichambaut C., Vauge C., 1982, Le gisement solaire : évaluation de la

ressource énergétique. Technique et Documentation, édité par Lavoisier (Paris), pp. 51-
66.
7. WMO, 1981, Meteorogical aspects of the utilization of solar radiation as an energy

source. Techinical note N 172, WMO- N . 557.
8. Bourges B., 1979, Reconstitution des courbes de fréquence cumulée du rayonnement

solaire à l'aide de la durée d'insolation, Rapport CEE 295-77-ESF, Centre
d'Energétique de l'Ecole des Mines de Paris, tome II, France.
9. Grüter W., Guillard H., Moser W., Monget J. M., Palz W., Raschke E., Reinhardt R.
E., Schwarzman P., Wald L., 1986, Solar radiation from satellite images, Solar Energy
R & D in the European Community, Serie F., Solar Radiation Data, 14.
10. Tarpley J. D., 1979, Estimating incident solar radiation at the surface from
geostatlonary satellite data, J. Appl. Meteor., 18, 1172-1183.
11. Cano D., Monget J. M., Albuisson M., Guillard H., Regas N. and Wald L., 1986, A
method for the determination of the global solar radiation, from meteoro1ogical satellite
data. Solar Energy, 37, 1, 31-39.
- 202 -
12. Moser W., Rashcke E., 1983, Mapping of the global radiation and of cloudiness from
Meteosat image data. Meteorol. Rdsch., 36, 33-41.
13. Pastre C., 1981, Développement d'une méthode de détermination du rayonnement

solaire à partir des données de Météosat. Revue la Météorologie VI, Série n 24.
14. Gautier C., Diak G., Masse S., 1980, A simple physical model to estimate incident
solar radiation at the surface from GOES satellite data. J. Appt. Meteor., 19, 1005-1012.
15. Dedieu G., Deschamps P. Y., Kerr Y. H., 1983, Solar irradiance at the surface from
Meteosat-visible data. Machine Processing of Remotely Sensed data symposium.
16. Amado J., Delorme C., Rabarento P., 1981, Automatic cartography of cloud covering
using Meteosat satellite data. Application to solar energy, Colloque International du
GDT A, Toulouse.
17. Cano D., 1982, Etude de J'ennuagement par analyse de séquences d'images de satellite.
Application à l'évaluation du rayonnement solaire global au sol. Thèse de Docteur-
Ingénieur. Ecole Nationale de Télécommunication, France.
18. Michaud-Regas N., 1986, Mise en oeuvre et validation d'une méthode opérationnelle et .
automatique pour l'évaluation d'atlas solaires en Europe à l'aide de mesures satellitaires
Météosat. Thèse de Doctorat de Sciences. Univ. Paris VII, France.
19. Demarcq H., 1985, Etude de la zone de dilution rhodanienne, observations des zones de
production dans le Golf du Lion et estimation de l'éclairement solaire global en
Méditerranée Occidentale. Thèse de 3ème cycle. Université Aix-Marseille II, France.
20. Moussu G., 1989, Définition d'une méthologie de détection de phénomènes dynamiques
dans une chronique d'images et son application à quelques études. Thèse de Doctorat en
Sciences. Univ. de Nice, France.
21. Moussu G., Diabaté L., Obrecht D., Wald L., 1989, A method for the mapping of the
apparent ground brightness using visible images from geostationary satellites. !nt. J.
Remote Sensing (sous presse)
- 203 -
22. l\'lorgan J., 1978, Introduction to the Meteosat system, ESA, décembre 1978.
23. Pinker R. T., Razgattis J. A., 1983, Estimating the solar zenith dependence of clear
sky planetary albedo for land surfaces from GOES stallite. J. Geophys. Res., 88, 6007-
6011.
24. Reeves R. G., Anson A., Landen D., 1975, Manual of remote sensing, vol. 1, American
Society of photogrammetry.
25. Minnis P., Harrison E. F., 1984, Diurnal variability of regional cloud and clear-sky
radiative parameters derived from GOES data, Part III : November 1978 radiative
parameters. Journal of Climate and Applied Meteorology, 23, 1032-1051.
26. Taylor V. R., Stowe L. L., 1984, Reflectance characteristic of uniform Earth and cloud
surfaces derived from Nimbus-7 ERB. Journal of Geophysial Research, 89, 4987-4996.
27. Buriez J. C., Bonnel B., Fouquart Y., 1986, Theorical and experimental sensitivity
study of the derivation of solar irradiance and the Earth's surface from satellite data,
Beitr. Phys. Atmosph., 59, 263-282.
28. Diabatê L., Moussu G., Wald L., 1989b, Description of an operational tool for
determining global solar radiation at ground using geostationary satellite images. Solar
Energy, 42, 3, 201-207.
29. Anonyme, 1984, Le gisement solaire en France, Recueil de données statistiques période
1971-1980, n 6. Direction de la Météorologie Nationale.
30. Diabatê L., Demarcq H., Michaud-Regas N., Wald L., 1988a, Estmating incident solar
radiation at the surface from images of the Earth transmitted by geostationary satellites ·
: the Heliosat Project. 1nt. J. of Solar Energy, 5, 261-278.
31. Moser W., Raschke E., 1984, Incident solar radiation over Europe estimated from
Meteosat image data. Journal of Climate and Meteorology, 23, 1, 166-170.
32. Diabatê L., Moussu G., Wald L., 1988b, An operational tool for the 'fine-scale mapping
of the incident solar radiation using satellite images : the Heliosat Project. In
- 204 -
Proceedings of the 1988 annual meeting of the American solar energy society, INC ..
Edited by M. J. Coleman, pp. 11-17.
33. Raschke E., Preuss H. J., 1979, The determination of the solar radiation budget at the
Earth's surface from satellite measurements. Meteor!. Rdsch, 32, 18-28.
34. Kasten F., 1980, A simple parametrization of the pyrheliometric formula for
determining the Linke turbidity factor. Meteorol. Rdsch, 33, 124-127.
35. Perrin de Brichambaut C., 1987, Energie solaire, évaluation des ressources utilisables,
IGACEM/Météorologie, France.
36. SUNSAT Report, n 4, Contract CEC EN3S-0112-D (B), Subcont. Univ.

Cologne/ Armines (Rapport CTAMN/88/R/ 12 - Novembre 1988).
37. Leroux M., 1983, Le climat de l'Afrique Tropicale. Editions Champion, Paris, pp. 354.
38. Cerf A., 1985, Contibution à l'étude des aérosols Sahariens : influence sur le transfer
du rayonnement dans l'atmosphère, caractéristiques optiques. Thèse de Docteur ès
Sciences Physiques. Univ. des Sciences et Techiniques de Lille, France.
39. Kasten F_., Czeplak G., 1980, Solar and terrestrial radiation dependent on the amount
and type of cloud. Solar Energy, 24, 177-189.
40. Davies J. A., McKay D. C., 1982, Estimating solar irradiance components. Solar
Energy, 29,
41. Lund 1. A., Shanklin M. D., 1972, Universal methods for estimating probabilities of
cloud-free lines-of-sight through the atmosphere. J. of Applied Meteorology, 12, 28-
35.
42. Angstrom A., 19649, The parameters of atmospheric turbidity. Tel/us, XVI, 64-75.
43. Viollier M., Tanre D., Deschamps P. Y., An algorithm for remote sensing of water
color from space, Boundary-Layer Meteorology, 18, 247-267.
- 205 -
44. Linke F., 1942, Die sonnenstrahlung und ihre schwachung in der atmosphare,
Handbuchder Geophysik - Borntrager Ed. Berlin, 8, 239-332.
45. Darnell W. L., Staylor W. F., Gupta S. K., Denn F. M., 1988, Estimation of surface
insolation using sun-synchronous satellite data. Journal of Climate, 1, 820-835.
46. Ivanoff A., 1975, Introduction à l'océanographie : propriétés physiques et chimiques des
eaux de mer, Vuilbert, Paris, T. 2, page 33.
47. Diabaté L., Michaud-Regas N., Wald L., 1989a, Mapping the ground albedo of
Western Africa using Meteosat visible data. Its time evolution during 1984 and its
relation to the vegetation. Remote Sensing of Environment, 27, 3, 211-222.
- 206 -
ANNEXE [1]
A METHODE FOR THE MAPPING OF THE APPARENT -GROUND

ALBEDO BRIGHTNESS USING VISIBLE IMAGES FROM
GEOSTATIONARY SATELLITES
Moussu G., Diabaté L., Obrecht D., Wald L.
!nt. J. Remote Sensing, 1989 (sous presse)
UNE METHODE DE DETERMINATION DE LA LUMINANCE

APPARENTE DU SOL A PARTIR D'IMAGES EN PROVENANCE
DES SATEL LITES GEOSTATIONNAIRES
69341-
INT. J. REMOTE SENSING, 1989, VOL. 0, NO. 0. 000-000
A method for the mapping of the apparent ground brightness using

visible images from geostationary satellites
G. MOUSSU, L. DIABATE, D. OBRECHT

and L. WALD
Centre de Télédétection et d'Analyse des Milieux Naturels,
Ecole Nationale Supérieure des Mines de Paris,
Sophia-Antipolis, 06565 Valbonne Cedex, France
( Received 25 February 1988; infinalform 24 June 1988)
Abstract. This paper deals with a method for mapping the apparent ground
brightness on a pixel basis.- It makes use of geostationary satellite visible data and
generalizes the earlier work of Cano ( 1982). The detection of clouds larger than
one pixel is performed in a time series by comparing the cloud-induced sensor
response to the signal which would occur if the pixel were cloud-free by means of
an iterative and adaptive filtering. To illustrate the method, Meteosat data either
received by means of a WEFAX-type receiver connected to a persona! computer
or provided by ESOC have been processed. Maps of apparent ground brightness
are presented for Europe and At'rica with 5 km resolution.
1. Introduction
Cloud detection is usually performed using at !east two spectral bands. The visible
band and the 10·5-12·5 ,um range are mostly employed. Usually, clouds are very bright
and cold and generally these characteristics enable their detection. Sophisticated
methods have recently been developed by Saunders and Kriebel (1988) and Dedieu
et al. ( 1987).
Sorne methods for cloud detection make use only of the visible band and rely upon
the fact that the cloud albedo is usually greater than the ground albedo. Therefore the
appearance of a cloud in the field of view of the sensor will result in increased
measured radiance. Cloud detection can thus be performed by considering the
difference between the cloud-induced response and the corresponding signature of the
ground under a clear sky, provided the cloud surface is larger than a pixel. The
method presented here is of this kind. It has been developed within the framework of
the Heliosat Programme of the Centre de Télédétection et d'Analyse des Milieux
Naturels (CTAMN) de l'École Nationale Supérieure des Mines de Paris (Cano et al.
1986, Monget et al. 1983, Diabaté et al. (1988a). The aim of this programme is the
detailed mapping of global radiation received at the ground and of its direct and
diffuse components, making use only of visible geostationary satellite data. Maps
of apparent ground brightness are required to detect large clouds and the method
presented here has been developed for this purpose. To validate the Heliosat method,
routine construction of maps of solar radiation has been carried out for Europe from
1983 to mid-1985 and for central West Africa during 1984 (Michaud-Regas 1986).
Maps of apparent ground brightness for these periods and areas have therefore been
produced weekly. The maps for central West Africa have been discussed by Diabaté
et al. (1988 b).
The method presented here originates from the work of Cano ( 1982). Cano
2 G. Moussu et al.
studied three different ways for cloud detection making use of planetary albedos for
clear sky conditions. His study was restricted to Europe. This paper presents an
improvement of the best performing method of Cano. Atmospheric corrections are
added so as to deal with apparent ground brightness. Viewing geom~try is also taken
into account and the method applies to any area.
Using a time series of images both detection of clouds larger than one pixel and
determination of the apparent ground brightness can be achieved at the same time by
an iterative and adaptive filtering. This results in the construction of a map of
apparent ground brightness. Further, in routine processing, each new image is
compared to this map and the clouds are detected. The map is updated by weight
averaging a new cloud-free pixel with previously determined cloud-free pixels.
First, the conversion of satellite data into albedo values is presented. Atmospheric
effects for clear sky are removed and an empirical relationship between corrected
satellite data and actual albedo values taken from litera ture, is computed. Then the
method for cloud detection and apparent ground brightness determination is dis-
cussed. Finally, apparent ground brightness maps for Europe and Africa are pre-
sented. Where possible, notations and symbols follow the recommendations of the
Commission of the European Communities (Dogniaux et al. 1984).
This method does not take into account the effects of partial sub-pixel cloud ~:over
and approximates the non-Lambertian behaviour of the surfaces. Therefore, it
provides a quantity which is close to the albedo but is not strictly speaking the surface
albedo. Following the suggestion of one referee of this paper, this quantity is called
apparent ground brightness.
2. Converting satellite digital counts into albedo values

This conversion is usually made in two steps. The satellite counts are first
converted into radiance. Then these radiances enter a mode! which removes the
atmospheric effects and gives the ground albedo values.
In-flight sensor calibrations are not usually provided by satellite operators and
must be determined elllpirically. These procedures are either based on numerical
solutions to the radiative transfer equations or on comparisons with sorne refeœnce
sources. Unfortunately, such useful relationships cannot be used in this study. Indeed,
the satellite data we are dealing with originated from Meteosat but were received in
the WEFAX (Weather Facsimile) analogue format by a secondary data user station
(SDUS) located at CTAMN. The analogue signal was then changed into digital
counts by an analogue/digital converter. This converter has been especially designed
at CTAMN and is about to be installed into a persona! computer of the IBM/PC type.
Usually satellite data are modified by the satellite operators before being re-
transmitted into the WEFAX format in order to enhance the display of the WEFAX
image on to a video monitor. In the case of Meteosat, this enhancement is made by
the European Space Operations Centre (ESOC) (the Meteosat satellite operator) in
the following fashion. For the visible range, 'values between 0 and 20 are set to black.
values over 220 ·are set to white and grey shades are linearly distributed between 20
and 220. For the infrared range, values over 190 are set to black and grey shades are
linearly distributed between 0 and 190, the value 0 being white. Both enhancemmts
are constant whateverthe dynamics of an image, and were set up severa! years ago.
Careful examinations of the dynamics of the signal received at our own SDUS have
been made periodically since 1980 and they show no change with time in the
conversion of the satellite data into WEFAX format.
Apparent ground brightness 3
It would have been possible to compare the WEFAX data to digital data directly
provided by ESOC, the Meteosat satellite operator, and then to use a calibration
procedure as defined above and proposed by Kriebel (1981) or Kopke (1983) for
example. However, doing that would cumulate the errors due to each conversion and
we preferred to proceed differenrly. WEFAX digitized counts are first corrected for
atmospheric etfects. Albedos of di!Terent typical sites known from literature are then
compared to corresponding corrected counts and an empirical linear relationship is
derived. Finally, corrected counts are transformed into albedos or apparent ground
brightness.
Since the data are converted into albedos, these particular aspects of our data sets
do not alter the generality of the method presented in this paper. It will app1y to any
area and any satellite provided one takes into account the visible spectral range of the
satellite sensor and also the characteristics of both the sensor and the ground receiver
outputs. This generality is partly demonstrated in this paper and the method is
illustrated by the processing of digitized ·WEFAX Meteosat imates as weil as of raw
Meteosat digital data provided on tapes by ESOC.
The ground albedo, p 8 , is expressed as the ratio of the exitance to irradiance. Most
continental surfaces act approximately as a Lambertian reflector for the angles under
concern (except water and snow-covered surfaces) within a small error range
provided the Sun elevation is greater than 40° (see, for example Pinker and Razgaitis
1983, Reeves et al. 1975). For very clear skies, that is, skies for which scattering of
solar light is negligible, the ground albedo can be written
(1)
where L(y) is the radiance reaching the satellite sensor, y is the elevation of the satellite
for the pixel in question, vis the elevation of the Sun for the pixel in question, K.(O) is
e,
the total transmission factor for clear atmosphere and angle los is the filtered solar
constant for the spectral range in question, fi is the eccentricity correction factor of
the Earth's orbit for the day j and g(y) is a function which takes into account the
dependence of the signal upon y to correct partly the non-Lambertian behaviour of
the surfaces.
Usually the satellite sensor responds linearly or quasi-linearly to radiance
L = (1/rr)(cDC +d) (2)
with c being the quantization step and d the offset, or, if DC 0 is the digital output one
observes for the outer space
L = (c/rr)(DC- DC 0 ) (3)
Therefore equation (1) becomes
p 8 = c(DC- DC 0 )/(K.(y)K.(v)g(y) sin v[ oJ) (4)
If the corrected count, CC, is defined as
CC= (OC- DC 0 )i(K.(";·)Kc(v)g(;:) sin ~1}) (5)
then the ground albedo is proportional to the corrected count.
p 8 =(cCC)fl 0 • =eCC (6)
The computation of the corrected count consists of normalization of the satellite
count by the solar irradiance which would be measured by the satellite sensor after it
4 G. Moussu et al.
has been reflected on a horizontal plane located at each pixel under clear sky and is
similar to the computation of a bidirectional reflection factor.
Regardlng snow, our approach is incomplete because the reflection process is
anisotropie. The sea is also an anisotropie reflector. The diffuse component of its
albedo is usually equal to a few per cent except when the illuminating v!ewing
geometry cornes close to the specular reflection conditions. The location of the glitter,
as weil as its width and its intensity, are a function of the relative geometry ofboth the
sensor and the Sun and of the local wind speed (see, for example Webber 1971, Wald
and Monget 1983 a). This phenomenon is weil known and has been used to map the
wind speed at the ocean surface (e.g. Wald and Monget 1983 b). It has not been taken
into account in thisstudy because our goal is the mapping of land albedo. In the
examples given here, only a very few images display a sunglint of a limited width
located at the satellite nadir.
According to Perrin de Brichambaut and Vauge (1982), the total transmission
factor for a very clear sky and broad spectral band 0· 3-4·0 ,um may be written as
(7)
with A being a constant equal to 0·81.
This mode! is similar in form to the one of Bourges (1979) used by Cano (1982)
except that A is set to 0· 7. Such a mode! results from empirical matching against
ground measurements. Hence it does not explicitly take into account the turbidity of
the atmosphere, the ground albedo nor the water content within the atmosphere;
three' pàrameters influencing the transmission factor for clear sky. To check the
validity range of this mode!, it has been compared to the clear sky mode! described by
Iqbal (1983, mode! C) after the works of Bird and Hulstrom (1981 a, b). The mode! C
was run for various values of ground albedo pg (0·1, 0· 3 and 0·6), of the precipita ble
water thickness w (0· 5, 0·6, 1, 2 and 4·cm) and of the horizontal visibility (VIS) ( 10, 20,
50 and 100 km) and the resulting total transmission factor is shown in figure 1 as a
function of the solar zenith angle ( =~-v . The comparison demonstrates that the
form adopted by Perrin de Brichambautand Vauge (1982) is consistent with mode! C
and that equation (7) gives exactly the variation of the transmission factor with v, i.e.
that the variation of Kc with vis weil described by the function sin v0 ' 15 . However, the
transmission factor Kc also varies with the ground albedo, the water content and the
horizontal visibility for fixed solar elevation angle and the question is 'How efficiet:t is
the negation of such variations?' According to our simulations, Kc for the Sun at
zenith varies from 0·71 (pg=0·1, w=4cm, VIS= lü km) to 0·84 (pg=0·6. w=0·5cm,
VIS= 100 km). It follows th at replacing this variation by a single constant equal to the
average value (0·775) results in an error in the retrieval of the ground albedo.
According to equations (5), (6) and (18) (§ 5), and assuming that the transmission
factor can be mode !led by a random function of Gaussian type. the r.m.s. of the error
is about 0·02. This error is small when compared to the one resulting from the
conversion of corrected counts into albedos and therefore the mode! of Perrin de
Brichambaut and Vauge (1982) has been adopted. However, only the variable part of
it, i.e. sin v0 ' 15 is retained for the sake of simplicity. The constant A is further
considered as part of the constante (equation (6)) to be determined empirically.
In the computation of the corrected count a function y(7) appears which take~ into
account the dependence of the sensor radiance as measured by the sensor upon the
85 v \) 0 s5 T
l JI
:~
0
0
89+ T
0 80 ô ô
' ô
T il(
T
:«T 0
:l(
iK
ô 0
7H 75 + T :li
0
'
T
~:
T
0
:t: /j
T
ï. 79 + :r ï.?O :r.T
+ ·-·
65 + W"' 0.5 cm 65 W = 4cm :t:
VIS= lOO km VIS= lOO kon
60 60
55 55
0 10 20 30 49 59 69 79 0 19 20 30 49 59 69 79
~ ~ ;:,...
~
..,
:;:)
~
;:::
....
as T 85l ..,
Ct:)
0
!::
89 ô ô 89 • '. . ;:::
1
ô ô 0 t l:l._
..,
<::>-
I°
:t
;~
75+ + :t( 75 0 0 cE;•
+ +
:1: 0
:t
0 ;::--
....
ï.19+
+ iK
+
0
:t: 0
:nol: +
iK
+ :t:
+
0
:f.
0 . ;::
~
"'"'
+ + :f. 0
6H W = 0.5 cm 65 W = 4 cm +
:!' ~:
VIS= 10 km VIS= 10 km (•
+ 69 +
69+ :t:
+
55 55
0 10 20 30 49 59 69 79 0 10 20 30 40 50 69 79
s ~
Figure L Comparison of the dear sky model of Perrin de Brichambaut and Vauge (1982)
(dots) and the mode) C described by Iqbal ( 1983). The total transmission factor is drawn
as a function of the solar zenith angh:s ( and for various values of ground albedo p,, v-.
precipitable water thickncss 1v and horizontal visibility (vis). Crosses rcprescnt the
modcl C with p, equalto 0·1, and stars rcprcscntmodcl C with p, cqualto 0· 3 and cirdcs
modcl C with p, equal to 0·6.
6 G. /vfoussu et al.
elevation y of the satellite above horizon. Although sorne authors have recently
attempted to account for this anisotropy from satellite data (Minnis and Harrison
1984, Taylor and Stowe 1984), the correction for y will be evaluated directly from
Métëosat imagery. A similar approach was followed by Buriez et al. ( 1986) for
AVHRR data.
For a geostationary satellite located at longitude ). 0 and latitude 0° at distance H
from the surface of the Earth, and for a pixel of latitude 4> and longitude)., l' is given
by
. [(R+H)coslj>cos().-À. 0 )-R]
(8)
sm;·= J[H + 2R(R + H)(l-cos 4> cos ().-). 0 ))]
2
with R being the radius of the Earth.

Sorne previous indications suggested that we set the function g(y) equal to the sine
law. Therefore the corrected count is defined by
CC= (DC- DC 0 )/(sin y0' 15 sin v0 ' 15 sin}' sin vfi) (9)
Time series of Meteosat images have been processed according to the rnethod
presented in this paper to obtain maps of ground albedo for Africa and Europe. Since
Meteosat is located at 0°N, 0°E, similar targets such as sea, lakes and deserts can be
observed for various i'· Of course within a target as wide as the Sahara desert the
albedo fluctua tes. Also the albedo of a lake or of a portion of the sea depends upon
the turbidity in it and upon the surface state. However these variations ar~ small
enough to all()w us to make at !east a bulk estima te of correction for y. Figure 2 shows
the measured apparent ground brightness based on equations (6) and (9) of desert
areas as a function of y. The water targets display similar behaviour but are of Jess
significance since their low qrightness would depress the variation with y if any.
Desert in Egypt exhibits very high values in apparent ground brightness but there is
no indication that this is due to the angle y. The apparent ground brightnesses of the
other desert areas are very similar whatever y is and therefore figure 2 demonstrates
that a sine law accounts for the anisotropy due to assumptions within the mode!
applied to the visible sensor of Meteosat.
3. Construction of an apparent ground brightness map

From equations (6} and (9), apparent ground brightness for a clear sky may be
estimated. However, a cloudless sky over large areas is quite rare and one must obtain
a cloud-free image by using a time series of images in which every pixel is cloud-!ree at
!east once. By analogy to clear sky, equations (6) and (9) will be applied to any pixel
within an image whatever the cloud cover and the result will be termed the apparent
albedo for this pixel.
Usually one constructs the apparent ground brightness map by assuming that the
apparent ground brightness at a pixel is the minimum value observed at this pixel in a
time series. Such a method involves sorne drawbacks. This minimum value is often
not corrected using a clear-sky mode! and is not linearly related to the albedo. It
depends upon the solar geometry and therefore one map is required per processed
hour. Tt follows that errors are introduced by the shadows ofclouds which present the
minimum values in the time series. Furthermore, such a method does not take into
account the noise in the image nor the natural short-term variations of ground albedo
from day to day.
()
Jg
0.6 Middle East
Al ge ria
Somali Saud;
Sud an
Ara bi a Sahara
0.5
0.4
a.s 0.6 0.7 0.8 sin Y
Figure 2. Apparent ground brightness of sorne desert areas as a function of sin y after
correction by a sine law.
The method presented here considers the variables to be random and therefore
takes into account the instrumental noise as weil as the approximate character ofboth
the knowledge of the variables and of: the clear-sky mode!.
If the time series is short enough so that the seasonal trends of the apparent
ground brightness p8 can be neglected, p 8 may be considered as a stationary random
variable of mean p8 and variance a~. This variance includes the changes in bright ness
due to precipitation and to variations in surface wetness. Let us define the cloud
albedo Pc of mean Pc and variance a;.
If the apparent albedo is a stationary random
variable X equal to p8 (apparent ground brightness) with a probability P8 and equal
to Pc (cloud albedo) with a probability Pc, it can be shown that the iterative
minimization of the variance of the difference between the observed and clear-sky
mode! radiances is equivalent to an iterative computation of the mean X of the
variable X, with elimination of the cloudy pixels at each step (Cano 1982).
This method is convergent if the difference between the means p< and p8 is much
larger than the standard deviation a 8 and larger than ac
Pc- Pg't> O"g {10)
8 G. Moussu et al.
In the case of discrimination of clouds larger than one pixel, the conditions are
typically fulfilled and the iterative average X converges to the mean apparent ground
brightness value Pg· Two important exceptions are sno\v and desert surtàces for which
equation ( 10) is usually not satisfied, except if these areas are al ways cloud free during
the time period of investigation.
The word cloud represents a wide variety of objects which differ at !east in shape.
size and optical thickness. Therefore, 0';is very large, much larger than 0'~ so that the
second condition of equation (10) contains the first one.
The algorithm of this iterative and adaptative filtering is rather simple and it
makes use of !east-squares method. It has been developed by Cano ( 1982) and no
improvement of it is proposed in the present article. Let us suppose a set of apparent
albedo for a pixel,
A= {phi= l, ... ,N} (ll)
where i denotes the discrete time sampling and let
Ag={Pgi•i= l, ... ,N} (12)
be the set of apparent ground brightness for the same pixel and instant. The
recurrence process is as follows:
First iteration
Find the pg value, p~, which minimizes a certain distance between the two data
sets. For this first iteration, p~ will be the mean value of pi if the distance is defined by
the !east-squares method. An instant i will be defined as cloudy if
Pi>P!+e
( ll)
The value of e is discussed later. Let us define a set c 1 which contains the cloudy
instants.
Second iteration
Only the non-cloudy instants are retained and the algorithm is performed again
with the data set A 2 =A-C 1 and p~. A new value p; as weil as a new set of cloud y
instants c2 are obtained.
Iteration j
The data set is now
( 14)
1
and the apparent ground brightness is ~- • If the set Cj is not empty, then a further
iteration occurs until the apparent ground brightness is reached according to the
convergence conditions.
If the clouds are stationary over a pixel or if the non-cloudy instants are too few.
~ is not the actual apparent ground brightness and must be corrected by u:;ing
another time series of images. . ...
The parameter e is a critical point in this algorithm. It defines the difference
between a cloudy and a cloud-free instant. Therefore its value must be greater than 0'8 .
[t must not be too large in order not to retain cloudy instants in the set of cloud free
instants. It must also take into account the variance of instrumental noise. The latter
may be estimated by the use of the structure function (also called variogram). For
example, for Meteosat visible images of May 1979, a standard deviation of 0·0 13 was
found when expressed as an albedo.
The standard deviation a 8 is defined as being the standard deviation of a time
series of apparent ground brightness observed at an always clear pixel. For a time
series ofwinter 1983 for Europe and Africa, a 8 was found to be about 0·07. Less than
l per cent of the apparent ground brightnesses of the al ways clear pixel were different
from this value by a quantity greater than 0·03 in absolute value. These observations
are in close agreement with th ose made by Cano ( 1982) from a time series of Meteosat
images of Europe in May 1979 where e was set to 0·074.
4. Seasonal variations of apparent ground brightness

The apparent ground brightness is subject to temporal changes. These variations
are taken into account by weight averaging a new free pixel with previously
determined cloud-free pixels. Assuming that pt is the apparent albedo at time t at a
given pixel and that p 18 is the current apparent ground brightness for this pixel, the
updated value p 28 is computed as follows: for a cloudy pixel, i.e.
pt> Ptg+e
th en
P2 8 = Pt 8 (15)
and for a cloud-free but sandy or snowy pixel, i.e.
pt<Ptg+e
Ptg> PsaniPsnow}
Pt< Psand(Psnow)
then
(16)
otherwise
( 15)
where N is a value that determines the smallest time scale of variation in brightness to
be accounted for.
5. Relationship between corrected counts and ground albedos

It has been shown that albedo is linearly related to the corrected count in the case
of non-partial sub-pixel cloud cover (equation (6)). This relationship has now been
established using a target calibration procedure. Severa! typical targets have been
selected in Europe and Afi·ica for which the corrected counts were compared to the
values of albedo given in the literature (tables land 2). It was found by a !east-squares
regression that
(18)
with a correlation coefficient of 0·88 and a r.m.s. equal to about 0·08.
This r.m.s. is rather high.It integrates the error due to the clear sky mode! chosen
but most of the error cornes from the uncertainty of the albedos found in the literature
10 G. i\1oussu et al.
Table l. List of sources of albedo data. For each article an index is given which provides the
legend for table 2. Observations on the spectral definition of the albedo are also given.
Index Source Observations
Amado ( 1982) Meteosat visible (0·4-l·l J.lill)

~ Bardinet et al. ( 1978) Derived from Landsat and Meteosat
3 Brest et al. (1987) Landsat (0· 5-0·6 ,um)
(0·8-l·l,um)
4 Coure! (1984) Derived from Landsat and Meteosat
5 Dickinson ( 1981) Visible narrow band (0·4-0·7 ,um)
6 Manual of Remote Sensing (1975) Visible narrowband (0·4-0·7 ,um)
7 Monget (1986) Meteosat visible (0:4-l·l J.lffi)
8 Nunez et al. (1987) Surface and aircraft observations (0·4-3·0 ttm)
9 Pinker et al. ( 1986) Broad band (0·5-2·5,um)
10 WMO (1981) Broad band (0·5-2·5,um)
Table 2. Values from the literature of the albedo for different typical surfaces. The index
indicates the source (see table 1).
Type of surface Index Albedo
Water diffuse component 4 0·06-0·12

7 0·0 -0·18
9 0·02-0·10
10 0·03-0·07
Forest 5 0·04-0·10
6 0·08
8 0·07-0·13
Urban zone 3 0·09-0·12
Meadow 5 0·10
6 0·05-0·15
7 0·05-0·60
8 0·20-0·30
9 0·0 -0·50
Desert 1, 9 0·10-0·40
2 0·20-0·30
4 0·20-0·50
6 0·10-0·60
Snow 7 0·40--1·0
9 0·80--1·0
10 0·70-0·90
themselves. Albedo displays very large spectral vanatwns except for a very few
targets such as sorne rocks (see, for example, Kondràtyev et al. 1981). In particular
the albedo of vegetation exhibits a strong dependence upon the wavelength and this
distribution also varies with the leaves' water content and other time-dependent
parameters. These natural variations within the same typicalsurfac;e result in a range
of values for its albedo instead of a unique value. Albedo values found in the
litera ture are defined for various spectral ranges (table l ). Multispectral data from the
Landsat Multispectral Scanner (MSS) sensor are commonly used to assess broad
band (0·3-0·4.um) albedo values by means of weighted average (Coure! 1984,
Bardinet and Monget 1978) which may depend upon the surface type (Brest 1987).
Recently Nunez et al. ( 1987) conducted ground experiments in Tasmania to estimate
the differences between the narrow band (0·55-0· 75 .um) of the Geostationary
Meteorological Satellite (GMS) sensor and a larger band albedo (0·4-3·0 .um). Their
conclusions are supported by the computational experiments of Pinker and Ewing
(1986) who compare the narrow band (0·5-0·7 .um, GOES visible band) to the larger
band (0·3-2·5 .um). Both papers stress that the conversion from the narrow band to
the larger band strongly depends upon the surface type. Computer simulations
demonstrate that the relationship between both albedos depends primarily upon the
assumptions made about the magnitude and wavelength dependence of the ground
albedo and less upon the atmospheric conditions. This problem may be of less
significance with the Meteosat satellite given the wide spectral band covered by its
sensor (0·4-1·1 .um).
6. Computation of apparent ground brightness maps for Europe and Africa

Four apparent ground brightness maps were constructed to illustrate the method
previously described. They cover Europe and Africa.
Images originated from the visible sensor of Meteosat. Two formats were used.
The data for May 1979 were provided on tapes by the European Space Agency in
digital format. Data for winter 1983 were directly received at CTAMN in the
analogue WEFAX format by means of a SOUS. After their digitization by a board
especially made for this purpose, they were stored onto the hard-disk of a persona!
computer like an IBM;PC.
For each of the four zones, about ten images were selected in such a way that every
pixel of the zone is cloud-free at !east once. This . is not always possible as illustrated by
the case of the Gulf of Guinea and Gabaon in winter 1983. Also. too many clouds
were obscuring the sky for Asia Minor and this zone was restricted to the Middle
East. Images are oriented by landmark correlation techniques to be precisely
superposable on tg each other within 1 pixel error. Pixels were only retained if the
solar elevation was grea ter than 12° and the satellite elevation grea ter than 5°.
The spatial resolution of the Meteosat images used in this study is equal to 5 km at
nadir. The pixel size, PS, increases with the satellite elevation angle (' (equation (8))
according to the equation
PS = PS 0 =sin ï (19)
where PS 0 is the spatial resolution at nadir. For the first and second maps (Europe
and Middle East, figures 3 and 4), the pixels co ver areas of 6 km in diameter for the
smallest one and increases up to 8·km in diameter as the latitude (for Europe) and
longitude (for Middle East) increase. For the map of western Africa (figure 5) this
diameter is close to 5 km while for Eastern Africa (figure 6) it increases from 6 km up
to 8 km as the longitude increases.
The geographical coordinates (see Appendix), the true Sun time and the elevation
angles ofboth the Sun and the satellite are computed at each pixel. Equations (6) and
(9) are applied and result in an image representing apparent albedo. Then the time
seriès of apparent albedo is processed according to the method described previously.
Convergence is verified at each iteration after the fourth one by comparing the current
brightness to the previously computed ones. Convergence occurs after four or five
01 0·2 0·3 0·4 0·5 0·6 0·7
1
~---·---~-
1 1
(a)
(b)
Figure 3. (a) Map of apparent ground brightness for Europe. Brightness increases from black
to white. (b) Apparent ground brightness isolines. Brightness increases by 0·05 from \ine
to tine.
(a)
(b)
Figure 4. (a) Same as figure 3 but for the Middle East. Crosses indicate the crossing of every
10" in latitude and longitude. (b) Apparent ground brightness isolines. Brightness
increases by 0·05 from line to line.
iterations. Only a very few pixels (less than 0·1 percent) require two or three more
iterations.
Twelve Meteosat images of May 1979 were used to obtain the apparent ground
brightness map of western Europe and North Africa shown in figure 3. The apparent
ground brightness increases from black to white. Despite the sizes of the pixel, details
14 G. }.1oussu et al.
0 0·1 0·2 0·3 0·4 0·5 0·6 0·8
(a)
(b)
Figure 5. (a) Same as figure 4 but for the central eastern part of At'rica. (b) Apparent ground
brightness . isolines. Brightness increases by 0·05 from line to line.
0 0·1 0·2 0·3 0-4 0·5 0·6 0·8
Figure 6. (a) Same as figure 4 but for the central western part of Africa. (b) Apparent ground
brightness isolines. Brightness increases by 0·05 from line to tine.
16 G. .1.1oussu et al.
are clearly visible. Snowy mountains (the Alps and the Pyrenees) appear in white
because of their high albedo. while the sea displays low albedo. Lakes larger than
about in diameter can be seen. The coniferous forest of Landes (south-west of
France) is clearly depicted by a black triangle, while the plain of the River Po appear
in clear tones.
A second example of a satellite-derived apparent ground brightness map is given
in figure 4, which relates to the Middle East. Nine Meteosat images for winter 1983
were used to compute this map. Lake Nasser is clearly visible as a dark area. The plain
of the River Nile and its delta display low albedos because of the high soi! mois ture.
The geological depression of the Dead Sea, the plain of Euphrates and Tigris ri vers
appear dark. The Saudi Arabian desert and the Sahara Desert exhibit high apparent
ground brightness ranging from 0·40 to 0·60.
Figure 5 was computed with ten images over the central eastern part of .\frica.
During the period of investigation sorne pixels \ocated in the high plateaus of
Ethiopia, Kenya and Ouganda were always cloudy. These remaining clouds can be
seen around the lakes. from Lake Tana in the north to Lake Nyasa in the south.
Desert appears with the higher value in the north. Lakes Victoria, Tanganyika. Nyasa
and the srriallerlakes around are clearly seen as dark.
Figure 6 is a map of the western central part of Africa, computed with eight
images. Note Lake Volta and Lake Chad in dark. During these three months sorne
pixels were always cloudy, particularly in the equatorial belt. As on the previous map,
desert exhibits high values in the north, ranging from 0·40 to 0· 52.
Of course more features can be seen when displaying and contrast-enhancing the
digital image on to a colour screen. However, these maps are presented here to
illustrate the method and their description is beyond the scope of the present article.
7. Conclusion
A method for the mapping of the apparent ground brightness has been presented.
Four maps of the apparent ground brightness are presented to illustrate the method.
Geographical coverage is of Europe and Africa.
In the framework of the Heliosat programme, maps of apparent ground bright-
ness have been produced weekly for Europe from 1983 to 1985 and for West Africain
1984.
Except for snow falls, albedos in Europe encountered small changes and are fairly
well known, However, for Africa such a time series of albedo maps is oî a great
interest because it reflects the growth and the extent of the vegetation as a fun•;tion of
the climate. It does indicate the spatial inhomogeneity of the vegetation caver and
enhances the great spatial variability of the vegetation growth rate in Sahei which is
correlated to the variability of the rainfall in amplitude, period and frequency. These
results are discussed in particular by Diabaté et al. (1988 b). The maps prese:ned are
available in a digital format on diskettes for IBM/PC-like persona! computers.
Acknowledgments
Lamissa Diabaté is an assistant protèssor with École Nationale d'Ingénieurs in
Bamako, Mali, and is now grant-aided by the French Government (Fonds d'A.ide à la
Coopérlltion).
Table A 1. Coellicients to be employed to convert row and column into latitude and longitude for each zone studied in this paper.
Zone A Ao A• A2 AJ A4 A5
-----·
Central Latitude 16·3322 -0·0412 0 0 0 0·0017
east Longitude 1~·65~9 -0·0098 0 0 0 0·0376
Africa Row 393·4285 -24·7845 0·0017 0·0357 -0·0042 0·2238 ;:,..
Column -412·0000 -0·3642 -0·1107 0·0128. -0·1535 27·692 ~
...,
!::)
Central Latitude 16·3172 -0·0413 0 0 0 0 "";::s

west Longitude -16·5165 0 0 0 0 0·0435 ....
Africa Row 396·0000 -24·3000 0 0 0 0 ...,
'.t:::
Cl
Column 381·2222 0 -0·0033 0 0·0016 :;:::
23·116 ;::s
~
Middle Latitude 57·187 -0·08547 0 -0·0001 0 0·0597 <:::r-
...,
East Longitude 45·1427 -0·1453 0·0001 -0·0003 0·0003 0·1485 <E"
Row 120·8335 -30·5100 0·2300 -0·0200 -0·0153 2·2187 :::-
131·0076 1·0539 -0·1253 0·0975 :i
Column 0·0840 0·9311
"'"'""
Europe Latitude 69·7~54 -0·2513 0·0005 0 0 -0·0011
Longitude -16·5700 0·0222 0 -0·0001 0 0·0858
Row 453·<)543 -1·6316 -00751 -0·0993 -0·2762 5·9341
Column 108·6220 4·1656 -0·0483 -0·4092 0·0125 34·258
-
-......)
18 G. Moussu et al.
Appendix
Row and column were converted to latitude and longitude using the coefficients
set out in table Al in the equation
Z=A 0 +A 1 X +A 2 Y + A 3 X 2 +A 4 XY +As Y 2
If Z is latitude or longitude then X is row and Y is column, while, reciprocally, if Z
is row or column then X is latitude and Y is longitude. Latitude and longitude are
expressed in decimal form (negative for south and west). The origin of the rows and
columns is located at the upper left of table Al.
References
AMADO, J., 1982, Cartographie de l'albedo et du gisement solaire à partir des données du
satellite Météosat. Ph.D. thesis. University of Toulouse. Toulouse, France.
BARDINET, C., and MoNGET, J. M., 1978, Landchad télédétection et géographie appliq1'ée en
zone sahélienne du Tchad. Collection de l'Ecole Normale Supérieure de Jeunes Filles,
Paris, France. No. 12, pp. 421-469.
BIRD, R., and HULSTROM. R. L., 1981 a. Direct insolation models, Transactions of the ASME J.
Sol. Energy Engineering, 103, 182-192.
BIRD, R .. and HULSTROM, R. L., 1981 b, A simplified clear sky mode! for direct and diffuse
insolation on horizontal surfaces. Report SERI/TR-642-761. Solar Energy Research
Institute, Golden, Colorado, U.S.A.
BoURGES, G., 1979, Report of the Centre d'Energétique de l'Ecole Nationale Supérieure des
Mines de Paris, Paris, France. ·
BREST, C. L., 1987, Seasona1 albedo of an urban/rurallandscape from satellite observations.
Journal ofClimate and Applied Meteorology, 26, 1169-1187.
SURIEZ, J. C., BONNEL, B., and FouQUART, Y., 1986, Theoretical and experimental sensitivity
study of the derivation of the solar irradiance at the Earth's surface from satellite data,
Beitr. Phys. Atmosph., 59, 263-282.
CANO, D., 1982, Etude de l'ennuagement par analyse de séquences d'images de satellite.
Ap;Jlication à l'évaluation du rayonnement solaire global au sol, Thèse 3•m• cycle. Ph.D.
thesis, Ecole Nationale Supérieure des Télécommunication, Paris, France.
CANO, D., MoNGET, J. M., ALBUISSON, M., GUILLARD, H., REGAS, N .. and WALD, L., 1986, A
method for the determination of the global solar radiation from meteorological satellite
data. Solar Energy, 37, 31-39.
COUREL. M. F., 1984. Etude de l'évolution récente des milieux sahéliens à partir des mesu~cs
fournies par les satellites. Ph.D. thesis, University of Paris L Paris, France.
DEDIEU, G .• DÈSCHAMPS. P. Y., KERR, Y. H., and RABERANTO, P., 1987, A global survey of
surface climate parameters from satellite observations: prelirninary results over Africa.
Advances in Space Research, 7, 129-137.
DIABATÉ, L., DEMARCQ, H., MICHAUD-REGAS, N., and WALD, L., 1988 a. Estimating im:ident
solar radiation at the surface from images of the Earth transmitted by geostationary
satellites: the Heliosat project. International Journal of Solat Energy, 5, 261-278.
DIABATÉ. L., MrcHAuo-REGAS, N., and WALD, L., 1988 b, Mapping the ground albedo of
western Africa using Meteosat visible data. Remote Sensing of Environment (submitted).
DOGNIAUX. R., GRUTER, J. W., KASTEN, F., PAGE, J. K., PERRI:-: DE BRICHAMBAU'r. C.,
TREBLE. F. C., and PALZ. W., 1984, Solar Meteorology (Units and symbols). International
Journal of Solar Energy, 2, 249-255.
IQBAL. M., 1983, An Introduction to Solar Radiation (New York: Academie Pre~s),
pp. 107-169.
KANDEL. R., 1982. Satellite observation of the Earth radiation budget. Paper presented at the
International Symposium of the Deutsche Meteorologische Gesellschaft E-V held in
on 1982.
KONDRATYEV, V., KORZOV, V. 1., MUKENBERG, V. V., and DYACHENKO. L. N .. 1981. The
shortwave albedo and the surface emissivity. Proceedings of the Johnson Space Center
Study Conference on Land Surface Processes in Atmospheric General Circulation Models
held in Greenbelt, Maryland on 1981, World Climate Research Program,
edited by P. S. Eagelson l ), pp.
KOEPKE, P., 1983. Calibration of the VIS-Channel of Meteosat-2 . .4dvances in Space Research.
3, 93-96.
KRIEBEL, K. T .. 1981. Calibration of Meteosat VIS channel by air borne measurements. Applied
Optics. 20, 11-12.
MrcHAUD-REGAS, N .. 1986, Mise en oeuvre et validation d'une methode opérationnelle et
automatique pour l'évaluation d'atlas solaire en Europe à l'aide de mesures satellitaires
Méteosat (armées 1983, 1984, et 1985). Ph.D. thesis, University of Paris VII, Paris,
France.
MINNIS, P., and HARRISON, E. F., 1984, Diurnal variability of regional cloud and clear-sky
radiative parameters derived from GOES data, Part III: November 1978 radiative
parameters. Journal of Climate and Applied Meteorology, 23, 1032-1051.
MoNGET, J. M., MosER, W., PLAZY, J. L., and REINHARD, E., 1983, Climatologie Solaire et
Télédétection: un programme européen de recherche coopérative. Annales des Mines.
86-91.
MoNGET, J. M., 1986, Cours de Télédétection, CTAMN.i86/Ril6. Vol. 1 (Valbonne, France:
CTAMN-Ecole Nationale Supérieure des Mines de Paris).
NUNEZ, M., SKJRVING, W. J., and VINEY, N. R., 1987, A technique for estimating regional
surface albedos using geostationary satellite data. Journal of Climatology. 7, 1-11.
PERRIN DE BRICHAMBAUT, C., and VAUGE, C., 1982, Le gisement solaire: évaiuation de la
ressource énergétique. In Technique et Documentation, edited by . Lavoisier (Paris:
), pp. 51-66.
PiNKER, R. T., and EwrNG, J. A., 1986, Effect of surface properties on narrow to broadband
spectral relationship in clear sky satellite observations. Remote Sensing of Environment.
20, 267-282.
PlNKER, R. T., and RAZGAITIS, J. A., 1983, Estimating the solar zenith dependence ofclear sky
planetary albedo for land surfaces from Goes satellites. Journal of Geophysical Re-
search, 88, 6007-6011.
REEVES, R. G., ANSON, A., and LANDEN, D., 1975, Manual of Remote Sensing, First Edition,
Vol. 1 (Falls Church, Virginia: American Society of Photogrammetry).
S..Ù.rNDERS, R. W., and KRIEBEL, K. T., 1988, An improved method for detecting clear sky and
cloudy radiances from AVHRR data. International Journal of Remote Sensing, 9,
123-150.
TAYLOR, V. R., and STOWE, L. L., 1984, Reflectance characteristics ofuniform Earth and cloud
surfaces derived from Nimbus-7 ERB. Journal ofGeophysical Research, 89,4987-4996.
WALD, L., and MONGET, J. M., 1983 a, Remote sensing of the sea-state using the 0·8-l·l.um
spectral band. International Journal of Remote Sensing, 4, 433-446. (1985, Comments by
P. Koepke and Reply by L. Wald and S. M. Monget, International Journal of Remote
Sensing, 6, 787-799.)
WALD, L., MONGET. J. M., 1983 b, Sea surface winds from sun glitter observations. Journal of
Geophysical Research, 88, 2547-2555.
WEBBER. D. S., 1971, Surface winds from, sun glitter measurements from a space craft.
Proceedings of the Society of Photo Opticallnstrument Engineering, 27, 93-100.
(WMO), 1981. Meteorological aspects of utilization of solar radiations as an energy source.
Technical note no. 172, pp. 25-27.
- 226 -
ANNEXE [2]
DESCRIPTION OF AN OPERATIONAL TOOL FOR DI;JERMINING

GLOBAL SOLAR RADIATION AT GROUND USING
GEOSTATIONARY SATELLITE IMAGES
Diabaté L., Moussu G., Wald L.
Solar Energy, 1989, Vol. 42, pp. 201-207 ·
DESCRIPTION D'UN SYSTEME OPERATIONNEL DE CALCUL DU

RAYONNEMENT SOLAIRE A PARTIR D'IMAGES EN
PROVENANCE DES SATELLITES GEOSTATIONNAIRES
Solar Energy Vol. 42. No. 3, pp. 201-207, 1989 0038-092X/89 $3.00 + .00
Prinled in lhe U.S.A. Copyri~hl© 1989 Pergamon Press pic
DESCRIPTION OF AN OPERATIONAL TOOL FOR

DETERMINING GLOBAL SOLAR RADIATION AT GROUND
USING GEOSTATIONARY SATELLITE IMAGES
L. DIABATÉ, G. Moussu, L. WALD
Centre de Télédétection et d'Analyse des Milieux Naturels
Ecole Nationale Supérieure des Mines de Paris
Sophia-Antipolis, 06565 Valbonne Cedex, Paris, France
Abstract-An operational tool for the fine-scale mapping of the incident solar radiation at ground is
presented. This too} called "Heliosat station" makes use of image acquired in the visible spectral range
by meteorological geostationary satellite to produce accurate maps of global radiation. Satellite data are
directly received at ground by a cheap HF receiver and processed by a persona) computer IBM-PC
compatible using the already known Heliosat method. This method has been successfully tested during
30 consecutive months beginning January 1983. The first prototype of the Heliosat station was realized
in 1985. Nowa Heliosat station is routine) y operated by Agence Française pour la Maîtrise de /'Energie
since January 1987 for mapping solar radiation over Europe.
1. INTRODUCTION was by Gautier et al.[6] who mapped the hourly global

irradiation during three months. Now many works are
The density of the radiation measurement network at in progress for much longer. periods. For example,
ground leve) in well-covered countries is still Jow, the Centre de Télédétection et d'Analyse des Milieux
and the average distance between stations is around Naturels (CTAMN) de l'Ecole Nationale Supérieure
!50 to 200 km. This is not sufficiently refined to take des Mines de Paris (ENSMP) and the French Mete-
into account smaller scale variations which are im- orological Office undertook their routine in 1983, and
portant for the use of sol ar energy. In other parts of the German Meteorological Office in 1984.
the world, the networks .are even more sparse, par- However such routines are mostly operated within
ticularly in countries such as Africa where solar en- meteorological organizations with large computing
ergy is sorely needed. means; and in our opinion, they are not suitable for
On the other hand, meteorological geostationary use and operation by the people involved in the solar
satellites provide images of cloud fields over the whole energy business. One of the purposes of the Heliosat
surface of the Earth, usually in two spectral ranges: Program of CTAMN/ENSMP was to define an op-
the visible; and the thermal infrared, with a ground eratJonal tool for routine production of radiation maps
resolution of 1 km to 10 km depending on the in- to fill up this gap. Since it has been shown (Grüter
strument and the latitude of measurement. The time et al.[1], Cano et al.[l]) that besides their use in so-
interval of these observations varies between 30 min- lar climatology such maps are of great interest in var-
utes and 3 hours. ious domains ranging from solar building architecture
Proper processing of these satellite data provides to agroclimatology, sorne specifications were drawn
a wealth of information useful in the production of to meet these goals. This tool much be cheap, very
solar atlases, particularly for those areas where no simple, easy to use and to maintain. lt also must
traditional observations are available. But these sat- comprise a direct reception for Earth observing geo-
ellite data also make it possible to investigate spa- stationary satellites (Meteosat, GMS, GOES). The
tially small-scale variations of available solar energy, conversion of satellite data into global radiation maps
knowledge of which is needed for planning purposes. must be accurate. lt must only require satellite data
A great number of studies clearly demonstrate that and must not demand too much computing-time. This
satellite data can be used successfully for mapping real-time system must also provide sorne capacities
both the global radiation at ground leve! and the cloud in image processing color display and printouts.
coverage over very large areas such as continents, This tool has · been realized and is now commer-
with spatial resolution of about 5 to 30 km, and with cially available. It is called the Heliosat station. After
an accuracy better than 10% of the incident radiation careful examination of the published met!10ds for the
(Cano et al.[l], Diabaté et a/.[4], Gautier et al.[6], processing of the satellite data, the method of Cano
Grüter et al.[1], Michaud-Regas[9], Moser and et al. [ 1] was chosen and slightly modified to become
Raschke[IO] and [Il], Tarpley[l3]). the Heliosat method (Diabaté et al.[4], Moussu et
This research phase has been followed by an op- al. [ 12]). Technical review of the widespread hard-
erational one for the routine production of global ra- ware (reception system, computer, graphies means)
diation maps or derived data (cloud coverage, al- and of their cost both in purchase and in maintenance
bedo) throughout the world. The first effort reported was made to select the components of the system.
201
202 L. DIABATÉ et a/.
Therefore the Heliosat station comprises Briefly speaking the first step consists both in the de-
• a software to convert satellite data into maps of tection of clouds and in the dctennination of the ground
global radiation albedo using an iterative filtering applied to a lime-
• a software providing sorne features in image pro- series of images. This provides a map of ground al-
cessing bedo if every pixel is cloud-free at )east one time.
• a HF receiver with antehna to receive analog sat- This step is done only once. The second step takes
ellite data (WEFAX format) into account the seasonal variations of the albedo,
• a persona) computer (PC) IBM compatible and the ground albedo map is updated during the rou-
• a satellite signal digitizing board to be installed into ,tine processing by weight averaging the instanta-
the PC neous appar~_nt l;l))Jedo for a cloud-free pixel with the
• a PC graphie board to displily color maps. previously determlned ·ground albedo at this pixel.
These components are now briefly described tak- However it is also possible using the CARTO-PC
ing into account that only the software and the dig- image processing software to make use of a map of
itizing board were designed by CTAMN. ground albedo provided by extemal sources. The ge-
ometry of this map must be adapted to the geometry
of the satellite scene. Also the albedo must be lin-
2. DESCRIPTION OF THE HELIOSAT METHOD
carly fitted to the count dynamics provided by the
The Heliosat method has been already described ensemble antenna-HF ·receiver-A/D converter.
(Diabaté et a/.[4], Moussu et (l/.[12]), and here is The computation of Pc is performed using the same
only provided a short description of it. time-series of images. At each cloudy pixel, only the
The basic remote sensing data are taken from any maximum value of the albedo within the time-series
geostationary satellite observations within the visible is retained. Then a histogi'am of these maxima is con-
spectral range. Once received and stored onto the structed and the modal value is taken as Pc· Periodical
computer harddisk, a satellite image is preprocessed examinations Of this value show that Pc may be con-
using geometrie correction with landmark correla- sidered as a constant for·given satellite imagery.
tion, noise filtering, and normalization of digital counts The Heliosat method does not perform properly
by the spectrally integrated solar irradiance which when the ground albedo is close to the albedo of the
would be measured by the sensor after it has been clouds. lt is specifically the case in snowy areas. Here,
reflected on a horizontal plane located at each pixel the use of an altemate cl_oud index defined with the
under clear sky. This normalization is detailed in radiance measured by the satellite in the thermal in-
Moussu et al. [ 12] and is similar to the computation frared spectral band has been proposed (Cano et a/.[1])
of the albedo, either of the ground or of clouds if any but is not implemented at that moment within the He-
are present (apparent albedo). liosat method.
The basic idea of the method is that the amount Using about 32 months of data, Cano et a/.[1],
of the cloud cover over a given area statistically de- Diabaté et a/.[4], Michaud-Regas[9] showed that this
termines the global radiation for thal area. Thus the cloud cover index is linear1y related to the total at-
processing is divided into two steps. A cloud cover mospheric transmission factor K(i,j), which is de-
index is derived for each location or pixel (i ,j) of fined as the ratio of global radiation at ground on a
the original satellite image and subsequerttly used in horizontal surface G(i,j) to the horizontal irradiance
a second step for a statistical estimation of the global outside the atmosphere G 0 (ij):
radiation (Fig. 1).
The occurrence of a cloud in the field of view of K(i,j) = G(i,j)/G0 (i,j)
the satellite sensor will result in an increase of the
apparent albedo. Therefore the amount of the cloud and
coverage per pixel is provided by the following quan-
tity called cloud index: K'(i,j) = a(i,j) n'(i,j) + b(i,j)
n'(i,j) = (p'(i,j)- p(i,j))/(p<- p(i,j)) with a(i,j) < 0, i.e., low values of n correspond to
high values of K.
where In agreement with the general knowledge of sol ar
radiation, this relationship is restricted to solar ele-
p'(i,j) is the apparent albedo at pixel (i,j) and vations grea'ter than 12° and to satellite elevations
at instant t, great er th an 5°. lt follows th at this method cannot
p(i,j) is the ground albedo, operate optimally for latitudes greater than about 60°.
Pc is the m~an value of the maxima of the albedo Diabaté et a/.[4] and Michaud-Regas[9] closely
values for cloud, examined the variations of the parameters a and b
n'(i,j) is the cloud index at pixel (i,j) and at both in time and space. Using 30 months of data over
instant t. France, they found thal for the same hour (UT),
keeping the same set of parameters (a,b) throughout
The construction of the ground albedo map follows the year and also constant in space gives only a slight
·the two-step procedure described by Moussu et a/.(12]. increase (about 1%) in the retrieval error. Therefore
Tool for detennining global solar radiation at ground 203
Satellite data
Albedo of the Apparent Maximum value

ground e<i,j) albedo at of the cloud
time t and albedo
at ptxel (i,j)
e (i,j) ec
Cloud index
nti,j) = <et (i, j > - f(i,j)) 1 (fe - t' (i, j) )
Total atmospheric transmission factor

Kt(i,j) = a(i,j) nt(i,j) + b(i,j)
Estimate data of solar global radiation

on the ground
Gt(i,j) = Kt(i,j) G0 (i,j)
Fig. 1. Synoptic scheme of the Heliosat method.
it was concluded that Heliosat should only contain sky and subsequently depends upon the turbidity of
one set of parameters (a,b) per processed hour. Fur- the atmosphere. However this problem is expected to
thermore comparisons have been made between the be solved at the end of the year 1988.
method of Môser and Raschke[l0,11], which ranks
also as one the most accu rate of similar methods, and
the Heliosat method for Western Central Africa in 3. DESCRIPTION OF THE COMPONENTS OF THE
June 1984 (Stulhmann, persona) communication). HELIOSTAT STATION
Radiation maps provided by the Heliosat method were
computed using the hourly parameters sets derived The Heliosat station is composed of software and
for Europe. The discrepancy of the estimates of the hardware. Besides the algorithms for the conversion
monthly mean of the daily global radiation bctween of satellite data 'into global radiation, the software
both mcthods presents a r.m.s. of 250 Wh/m2 and is performs automatically the following operations:
40% Jess than the discrepancy betwecn the estimates storage of data onto the harddisk; contras! enhance-
of the Môser and Raschke model and coïncident ment and false colors display; accurate navigation;
pyranometers. and noise filtering. In a standard fashion, three im-
Also work in progress at École des Mines shows ages are processed a day, each giving a map of the
that the solar elevation influences the parametcr a and hourly global radiation. Once the Iast hour1y map is
that, if corrected, the value of ais unique throughout produced, the daily global radiation is computed and
the day without an increasc of the error. As for b, displayed. At the end of each month, the above quan-
this pararneter dcscribcs the atmosphere for very clear tities are timc-averaged per pixel. Thesc monthly
Parabolic Antenna
HF receiver
A/D Converter
monochorome
monitor
. Fig. 2. Synoptic scheme of the Heliosat station.
Table 1. Comparison of the accuracy ·in ihe retrievâl of the global radiation from satellite data according to various
authors (in kWh/m')
Slots in TU
Authors and all hours Number of

pericid of mapping 6·7 8·9 10· 11 11·12 12·13 14·15 16·17 mixed stations
Moser June 1979 0,04 0,07 0,09 0,09 0,07 0,05 23

. and
Raschke Apr. 1982 0,06 0,08 0,06 80
in [7]
Hay 1979 0,12 27

Cano et al. [11
April 1982 0,06 0,07 0,05 80
Reinhardt
and April 1982 0,01 0,13 0 0,10 80
Schwarzmam
in [7]
Dedieu et al. t2l 0,12
Harullo
and Viola(8J 18/7/83 0,07
(method of.Gautier)
Tool for detennining global solar radiation at ground 205
means are displayed and saved both for archiving and station is a satellite data receiver with antenna and a
for further processing. persona! computer IBM-PC compatible with digitiz-
The number of scenes processed a day (3) was ing and graphie boards. A color printer may be added
only dictated by the dissemination schedule of visible (Fig. 2). The satellite receiver is of analog type and
data covering ali of Europe, and provided by the Me- allows the decoding of the so-called WEFAX ( WEather
teosat satellite. Since the greater the number of hourly FACSimile) format emitted by the meteorological
radiation maps the more accurate the retrieval of the geostationary satellites observing the Earth. Such re-
daily radiation, this number is subject to change de- ceivers are made by numerous producers and are well-
pending upon the geographical arca, the dissemina- distributed throughout the world. They are cheap and
tion schedule, the geostationary satellite, and at last maintenance-free.
by the processing time. The persona! computer is connected to the re-
The Heliosat software presents also sorne features ceiver through a analog-digital converter especially
the user may select at his will: display any of the designed for this purpose. This board decodes the an-
images stored on the disk, choose the slots of ac- alog signal coming from the satellite in the WEFAX
quisition, and extract sorne statistics for any location format. The signal is digitized using eight bits, then
present in any of the images (global radiation and handled by the converter to the personal computer
albedo are mostly used). (PC). While the PC processor is writing a line of the
The image files provided by the Heliosat station image onto the harddisk, the converter is processing
follow the CARTO-PC standard. Therefore any He- the following line. The use of this board is not re-
liosat image can be processed using this performant stricted to the Heliosat method. lt is now mainly used
image processing software. This allows the user to with the "Wefaxsat" software of Ecole des Mines de
undertake successfully any particular task making use Paris for meteorological forecasting or educational
of Heliosat images while still having a general and purposes and is available as a commercial product
flexible system. Comparisons of radiation maps to independently of the Heliosat software.
other maps or digital cartography into specifie geo- Any limited arca located within one of the stan-
metrical projections are examples of such particular dard satellite emitted windows may be selected. Soft-
purposes. ware also supports the various resolutions at ground
Briefly described, the hardware of the Heliosat provided by the diverse satellite radiometers.
0.72.6
Fig. 3. Map of the hourly global radiation observed between 12 and 13h UT and averaged ovcr the
year 1983 for Europe. Radiation increases from black to white.
Once the image is fully received and storcd onto the validity and the accuracy of the Heliosat method
the harddisk, it is displayed, after contras! enhance- (Demarcq[3]). It ended in August 1985, 32 months
ment, onto a color screcn using a graphie board. Yar- later. The comparison of the predicted global radia-
ious graphie standards are supported by the Heliosat tion versus the observed radiation for 30 ground sta-
software: Matrox PIP 1024, Number Nine 8 bits, Ad- tions demonstrates that the r.m.s. error in the recon-
age PG 90/10, Truevision Targa 16, IBM PGA, IBM struction of both the instantaneous hourly global
MCGA for PS 30, Tecmar Graphies Master, at the radiation Gh and the monthly average of Gh is Jess
moment of the writing. than 0.06 kWh/m2 (Diabaté et a/.[4], Michaud-Re-
gas[9]). Table 1 compares the accuracy obtained by
various authors in the reconstruction of the instan-
4. DISCUSSION taneous hourly radiation from satellite data. Sorne of
the published results cannot be compared to the oth-
The various components ofthe Helio~at station have ers because of their nature or of the units they are
been carefully tested. e~pressed in (Gautier et a/.[6], Tarpley[ 13]). This ta-
A routine was undertaken in January 1983 to check ble demonstrates that the method of Cano et a/.[1],
0 3.75'
Fig. 4. Map of the daily global radiation averaged ovcr June 1984 for West Africa. Radiation increases
from black to white.
Tool for dctennining global solar radiation at ground 207
from which the Heliosat method originated, .ranks as 2. G. Dedieu, P. Y. Deschamps, and Y. H. Kerr, Solar
one of the most accurate. irradiance at the surface from Meteosat-visible data.
The Heliosat station as described above exists Machine processing of remotely sensed data sympo-
sium (1983).
at CTAMN since August 1985 and a copy of it was 3. H. Demarcq, Etude de la zone de dilution rhodanienne,
delivered to Agence Française pour la Maîtrise observations des zones de production dans le Golfe du
de l'Energie which operates it since January 1987 Lion et estimation de l'éclairement solaire global en
for the mapping of the radiation over Europe. Exam- Méditerranée Occidentale. Thèse Jème Cycle. Université
Aix-Marseille II (1985).
ples of the maps it supplies are presented in Figures 4. L. Diabaté, H. Demarcq, N. Michaud-Regas, and L.
3 and 4. Wald, Estimating incident solar radiation at the surface
The production of an hourly global radiation map from images of the Earth transmitted by geostationary
requires about 100 minutes for a PC-XT, and 60 min- satellites: the Heliosat Project. /nt. J. of Solar Energy,
utes are needed for the daily map. Processing hourly 5, 261-278 (1988).
5. L. Diabaté, N. Michaud-Regas, and L. Wald, Map-
maps to obtain monthly means takes about 5 minutes. ping the ground albedo of Western Africa using Me-
These times are only indicative and depend strongly teosat visible data. lts time evolution during 1984 and
upon the hardware used as the processors are becom- its relations to the vegetation. (ln press).
ing more and more performant. For example, times 6. C. Gautier, G. Diak and S. Masse, A simple physical
mode! to estimate incident sol ar radiation at the surface
must be divided by at !east a factor of 3 if one uses from GOES satellite data. J. of Applied Meteorology,
a PC-AT. 19, 1005 (1980).
The Heliosat station brings an up:to-date scientific 7. W. Grüter, H. Guillard, W. Moser, J. M. Monget, W.
method to the end users in the field of sol ar energy. Palz, E. Raschke, R. E. Reinhardt, P. Schwarzmann,
lt is cheap and needs no maintenance. It is an open and L. Wald, Solar Radiation from satellite images,
Solar Energy R & D in the European Comrnunity Se-
system in the sense that it may be tailored to the par- ries F, Solar Radiation Data, 4, (1986).
ticular needs of the users. Engineers appreciate the 8. S. Marullo and A. Viola, The insolation over Italy es-
detailed maps of global radiation it gives to evaluate timated from Meteosat. Proceedings of the Fifth Me-
the dimensioning of solar buildings. Furthermore de- teosat Scientific User Meeting, 111-11 (1985).
9. N. Michaud-Regas, Mise en oeuvre et validation d'une
rived products such as albedo maps are of great in- méthode opérationnelle et automatique pour l'évaluation
terest for climatologists or for vegetation studies d'atlas solaires en Europe à l'aide de mesures satelli-
(Diabaté et a/.[5], Moussu et a/.[12]). taires Météosat. Thèse de Doctorat de Sciences. Uni v.
Paris VII (1986).
Acknowledgments-This study was parti y supported by Ag- 10. W. Moser, andE. Raschke, Mapping of global radia-
ence Française pour la Maîtrise de l'Energie. Lamissa Dia- tion and of cloudiness from Meteosat image data. Me-
.baté is Assistant-professor with Ecole Nationale d'Ingénieurs teoro/. Rdsch., 36, 33-41 (1983) .
de Bamako, Mali, and is now granted by the French gov- Il. W. Moser and E. Raschke, Incident solar radiation over
'emment (Fonds d'Aide à la Coopération). The authors thank Europe estimatcd from Meteosat image data. Journal
; the references for their helpful comments. of Climate and Applied Meteorology. 23, 1, 166-170
~
\
(1984).
REFERENCES 12. G. Moussu, L. Diabaté and L. Wald, A rnethod for
the mapping of the apparent ground brightness using
1. D. Cano, J. M. Monget, M. Albuisson, H. Guillard, visible images from geostationary satellites. (ln press).
N. Regas, and L. Wald, A method for the detenni- 13. J. D. Tarpley, Estimation incident solar radiation at the
nation of the global sol ar radiation from meteorological surface from geostationary satellite data. Jou rna/ of
satellite data. Solar Energy, 37, 1, 31-39 (1986). Applied Meteorology. 18, 1172 (1979).
- 234 -
ANNEXE [3]
MAPPING THE GROUND ALBEDO OF WESTERN AFRICA AND ITS

TIME EVOLUTION DURING 1984 USING METEOSAT VISIBLE
DATA
Diabaté L., Michaud-Regas N., Wald L.
Remote Sens. Environ., 1989, VoC27,pp. 2'11-222
CARTOGRAPHIE· ET ETUDE DE.lA VARIATION TEMPORELLE DE

L'ALBEDO DU SOL DE L'AFRIQUE DE L'OUEST AU COURS DE
L'ANNEE 1984 A PARTIR DES IMAGES VISIBLES DU SATELLITE
METEOSAT.
./
1
11/-:.\fon: SE.\'S. 1-:.\'\!lllOX. 2.1 1-· Ill! 1/989!
Mapping the Ground Albedo of Western Africa

and Its Time Evolution during 1984
U sing Meteosat Visible Data
L. Diabaté N. Michaud-Regas
L. Wald
Centre de Télédétection et d'Analyse des Milieux
Naturels, Ecole des Mines de Paris
This papcr deals with the use of Meteosal visible albedo of Westem Af!ica and for the study of its
data for the production of maps of the ground time evolution during 1984.
albedo. Meteosat visible data were routinely re- The method used here miginates from the
ceiced at Ecole des Mines using a receiving station work of Cano (1982, also described in Griiter
connccted to a microcomputer during 1984 and the et al., 1986) and has been further developed by
ground albedo rDas weckly mapped for Westem tvloussu et al. (1988), within the framework of the
Africa (4S to 16N, 18E to 4W). 11w main pattems Heliosat Program of Centre de Télédétection et
as well as the variations in lime of the albedo are d'Analyse des Milietix Naturels (CTA~l!\1) de
dl'pictf'd u:ith respect to the vegetation types. 111C l'Ec·ole des ~tines de Palis (Cano et aL 1986,
great spatial variahility of the vegetation grorcth Diabaté et al.. 1988a,b,c). The goal of this program
rate is conjin11ed and corrclatcd to the variahility is the detailed mapping of the global solar radia-
of the minfall. tion received at ground and of its direct anù
diffuse components, making use only of visible
geostationary satellite data. lt requires maps of
INTRODUCTION apparent ground bJightness to detect large clouds
and the method here used has been de,·eloped for
.Many methods have been published for the re- this pnrpose. This method does not take into ac-
trieval of the ground albedo from images taken by count the effects of partial subpixel cloud cover
meteorologic:al satellites in the visible band (see, and approximates the non-Lambettian beha\'ior of
e.g., Brest, 1987; Caselles and Delegido, 1987; the surfaces. Therefore, it provides à quantity
Dedieu et al., 1987; Cube, 1982; Kandel, 1982; which is close to the albedo but is not stlictly
Nunez et al., 1987). This paper deals with the use speaking the surface albedo. This quantity bas
of such a method for the mapping of the ground been called apparent ground btightness ( .\ toussu
et al., 1988) but for convenienee it will be de-
sclibed as ground albedo in this paper.
To validate the Heliosat method, routine con-
.\ddn·~~ ('Orrespnnd~m·e to Dr. Ludt•n \\'ald. Ct•utre de Tt>J..d,·- stntetion of maps of solar radiation has been clone
te('t ion t•l d'Anal. dt'~ ~lilit•nx :'\attm•b, Et"olt• ~a tl. Supt·ritourt•dt·'
~liue~ dt• Paris. Sophia-:\ntipolh. \'a.lhonnt' Cedt•x. 06:Xi5 Fnuil'e.
for Europe from 198:3 to mid-198.5 and for the
llr•r'l'in·cl .) .\fm...!r /98.\; nTI.\I'cl ;!;- O.·tolwr 19.\8. Central West :\ftiea dtt1ing 1!JS-t ( Demareq. 198.5:
IX!Ol·l--l:l.S;- /89 /S3 ..'i0
·· r:/."·r ir·r Sf'it·w·c l'uiJ/ishing Co. /n,· .. /9.~9
fi:).) :\n·llrlf' uf thr• :\rrwrif'lls, .\'111' Yt>rk, .\')' /()()/() 1
2 Diahaté, .\!ichaud-Rcgas, and Wald
~lichaud-Regas, 1986). Maps of ground albedo for by an analogjdigital converter. This converter bas
these periods and areas have therefore been weekly been especially designed at CT:\~lN and is about
produc:ed and are available on request on IB~,l-PC ta be installed into a persona] computer similar to
diskettes or CCT. This paper intends to depict the an IB~l PC.
main patterns as well as the variations in time of In 1984 an image of the Western Central patt
the albedo of the African area with respect to the of Africa was acqu:ired in WEF AX fonnat three
seasons and ta the vegetation cover. times a day at 9h 10 UT, 12h 10 UT, and 15h 10
UT. One image is composed of approximately 800
points per row and 800 rows. The pixel sizes are
5 X 5 km 2 at satellite nadir. For disk storage rea-
sons, the images were shortened and only the
METEOSAT DATA PROCESSING upper right two thirds were kept, leading to 512 X
512 images. This area approximately ranges from
The satellite data originated from Meteosat btit 4S to 16N and ISE to 4W (Fig. 1). It covers the
were received into the \VEF AX (WEather F AC- Southern Central part of the Sahel and some of the
Simile) analog format by a Secondary Data User tropical countries located armmd the Gulf of
Station (SDUS) located at Centre de Télédétection Gu:inea. Such a coverage may appear puzzling but
et d'Analyse des Milieux Naturels (CTAMN). The has been dictated by the sectorization adopted by
analog signal was then changed into digital counts the European Space Agency for the \VEFAX dis-
Figure 1. :\fap of the stuùied area.
Massif de
Termit
TA HOUA
~DJDER
?l3te3t.: d»
0 Yti·JUNDE
+
.\Japping Allwdo 1cith .\Jcteostat Data 3
semination of ~leteosat data. For the same reason, restùts in an apparent albedo p:
only three visible images were available a day.
p = (cjl.,,)(DC- DC.J/(sin,, 11~siny 1 t.>fj),
In arder to compute both hourly and daily
global radiations, the processing steps of the He- (:3)
liosat method are the following: acquisition, navi- where
gation, computation of a cloud index and of the
ground albedo, and computation of solar global c =a constant to be determined,
radiation (Diabaté et al., 1988a,b,c). DC" = the digital cmmt for the outer space,
Images are navigated by landmarks correlation 10 , =the filtered solar constant for the spec-
techniques to be precisely superposable onto each tral range under concem,
other within one pixel error. Simple formtùae
change image coordinates (row, column) into geo- [; = the eccentricity correction factor of the
1
graphical coordinates and reciprocally. If l, c, lat Earth's orbit for the day j under
and long mean, respectively, row, column, latitude, concen1.
and longitude, these formwae are Using similar Meteosat data, ~loussu et al. ( 1988)
determined the constant c by selecting severa!
latitude= 16.207- 4.1673 x w-z l + 4 typical targets in Europe and Aflica for which the
x w-• l + 1.301 x w- 6 1c
2
apparent albedos were compared to values of the
- 3.188X 10- 6 c 2 + l.3016X 10-:3 c, ground albedo given in the literature.
The construction of the map of the ground
longitude= -5.1087-2.0504 x w-:3 1+.3.81 (1) albedo is clone according to the method described
x w- 6 12 - 2.036x w- 6 1c by Moussu et al. (1988). It co'mplises two steps:
the constmction of a reference map and the updat-
- 3.547 x 10- 6 c 2 + 4.52.31 x w- 2 c' ing of the current map. Both steps are now de-
sciibed only bliefly, since they have been dis-
re ci p rocall y, cussed at length by Moussu et al. The first step is
clone only once and does the computation of a
row = :394.5467- 24.2570 lat+ 41.5192 map of ground albedo from time selies of weather
x w- 4 lat 2 satellite images. This map is called the reference
- 16.9551 x w-:3 lat long- 40.-1020 ground albedo map. Once the routine is launched,
this map is updated by taking into account the
x w-:3 long 2
+57.3118long, currently received image and thus bccomes the
(2}
colnmn = 121.0021 + :39.6790 current map of the ground albedo.
The variables are considered random and
X 10- 2 lat- 5l.1594X 10-:3 lat 2
therefore the instnunental noise as weil as the
- 28.0007 X 10- :l lat long approximate chan~cter both of the knowledge of
the variables and of the clear sky mode] are taken
+ 43.2925 long 2 + 22.9669 long.
into ac:count. If the time se1ies is short enough so
The geographical coordinates, the tme sun time, that the seasonal trends of the ground albedo pf!.
anù the elevation angles of both the sun and the can be neglected, pl!. may be considered as a
satellite are compHted at each pixel. Only pixels stationarv• random vmiable of mean p,1: and vali-
were retained for which the solar elevation ,, was ance a}. This vaiiance includes the changes in
greater than 12° and the satellite elevation y was brightness clue to precipitation and to vaiiations in·
grea ter than 5°. Th en the digital counts (DC) are smface wetness. Let us define the cloud albedo p,.
nonnalizecl by the solar irradiance, which would of mean r, and variance a,~. If the apparent albedo
be measurcd by the satellite sensor after it has is a statinary random variable X equal to pf!. (ground
been retlected on a holizontal plane located at albedo) with a probahility Pl!. and equal to p,.
each pixel undcr clear sky, ~hat is, a sky for which (cloud albedo) with a prohability /~.. it can be
the diffuse part of the light is nmch smaller than shown that the iterative minimization of the v:ui-
the direct part. This nonnalization has het>n dis- ance of the difference bet,,·een the observed and
cussed in detail by ~loussu et al. ( HJSH) and it clear sky mode! radiances is equivalent to an itera-
4 Diahaté, .\lichmul-Regas, and \Vald
tive computation of the mean X of the variable X, sen according to the main characteristics of the
with elimination of the cloudy pi:œls at each step Sahel climate, i.e., d1y season from November to
(Cano, 1982). mid-May, and rainy season from June to October
Albedo is subject to seasonal changes. ·These \Vith a maximum rainfall peliod in August. We
valiations are taken into account by updating the . retained week .:;:;:8 (Febmary) in the middle of the
albedo during the Heliosat processing by· weight . dry season, two weeks in May (.#19 and .#21) to
averaging a new cloud-free pixel with previously depict the end of the dry season and the beginning
determined cloud-free pixels. of the rainy season, and week #42 (October) since
Assume th at p1( i, j) is the apparent albedo at it is at the end of the rainy season with supposedly
time t and at pixel (i, j), p 1 ii, j) the current maximum extent of vegetation caver.
ground albedo, and ag the standard deviation of Because our images caver the eqùatolial zone,
the ground albedo within a time selies as defined another choice may have been made according to
by Moussu et al. (1988). Then the updated value the main characteristics of the equatOiial climate:
p2 ,/ i, j) of the ground albedo is computed as great dry season (November-Aptil), great rainy
follows: season (April-Jcly), sh01t dry season (July-Sep-
. tember), and short rainy season (September-
i. Cloud sky, th at is, p1( i, j) > p Ig(i, j) + ag; th en
November). However, albedo changes are larger in
P2g(i, j) = Pig(i, j). the Sahel and are of a great impact on climate.
Therefore, the Sal1elian choice \Vas retained rather
ii. Cloud-free sandy pixel, that is,
than the equatorial one. For the equatorial belt,
p'(i, j) < P1g(i, j)+ ag only week #8 desc!ibes a dty peliod, alid the
others correspond to rainy periods.
and These four images are displayed in Figures
2-5, together with a drawing of isolines to help
the reading. Color enhancement is similar for each
Th en image so that, at a given pixel, variations in color
P2~:( i, j) = p ( i, j).
1 from one image to another i1;1dicate changes in
albedo. , ·
iii. otherwise As a whole, these images show law values for
water, intem1ediate values for vegetation, and high
p 2 ~:( i, j) =
(Np 1 ~:( i, j) + p'( i, j) j/(.V+ 1). values in desert areas. The albedo displays a zonal
Here X is a weight that determines the smallest trend, ii1creasing from South (equat01ial zone) to
time scale of the valiations in albedo to be taken N01th (Sahelian zone) as the vegetation density
into account. In the present study the time-lag deereases. These genen~l features are in very good
minimum is 1 \\'eek but a longer time average may agreement with the maps recently published by
become induded in the image if a pixel remains Dedieu et al. (1987).
covered by clouds dming a longer peliod. How- The scale spectnnn of the valiations of the
ever. examination of the cloud coverage shows that albedo in spaee is vety large. Beside the above-
the clouds are nonstationa1y, even in the equato- mentioned zonal trends, these maps show fine
Iial belt, and that a pixel is mostly cloud-free scale details which can be related to main physio-
dming a week. Hence it is assumed in a first graphic or vegetation features. For example, ~1ount
approximation that the time !ag is mostly constant Cameroon (4.2N, 9.2E, Fig. 1), which reaches
in the image and is close to 1 week. 40ï0 m above sea-level, is dearly visible as a clear
spot. :\Iso the Obopo and Kwalbo Rivers (5N, 7E)
smroundecl by the mouths of the Niger and Cross
.\lAPS OF THE GROUND ALBEDO OF Rh·ers <:an be depicted. Lake Tanal (15N, 3\V,
WESTERN AFRICA DURING 1984 upper left corner) appears black in the images as
weil as the Volta (6.2 to SN, 0 to 0.2E) because of
The ,,·hole set of images cannot he displayed in their low albedo while the much more extended
this article and only four images \\"Cre sl'le<:ted for Ltke Chad (upper right) displays higher \'alues
presentation and comments. The \\'eeks \\'ere clw- surronnding black spots \\'hich respedively denote
,\lapping A.lhi:'llo 1L'ilh .\leteoslal Data 5
;. . 1'-1-
j
o••d:;?~ 021
Figurt' .3. a) Albedo map for week ::::19 (~lay) 1984. b}

Albedo isolines for week #19.
Figure 2. a) Albedo map for week #8 (Febmary) 19/H.
Albedo increases from black to white. b) Albedo isolines for
week #8.
Authors use different space-bome sensors,

namely, Landsat MSS and ~vleteosat sensors. While
emergee! and very shallow turbie! water and deeper i\leteosat has a unique sensor in the visiblejnear
water. Some features are very difficult to observe infrared (NIH) band, Landsat i\lSS has four. The
such as the Niger V<ùley composee! of broken lines albedo displays ve1y large spectral variations ex-
of low intensity. cept for a ve1y few tm·gets sncb as some rocks (see,
In Table 1 are listed ranges of albedo values e.g., Kondratyev et al., 1981 ). In partictJar, the
computecl in these images from va1ious tm·gets. ln albedo of vegetation exhibits a strong dependence
this table are also reported values found in the on the \\'avelength and its spectral distribution also
literature. ~tost of these values miginate from va1ies with the leaf water content and other time-
satellite observations. Some data of Coure) ( 198-!) dependent parameters. These natural variations
are ground measurements (hand-radiometer). Geo- within the same typical surface restJt in a range of
graphical coordinates are not given very precisely values for its albedo instead of a unique value.
and are only an aid to spot the area. Some tm·gets Albedo values found in the literature are defined
are very inhomogeneous and have been considered for vmious spectral ranges. ~hùtispectral data from
only for comparison with previous authors. The Landsat i\ISS sensor are commonly used to assess
published data sets and ours are in good agree- hroadhand (0.:3-0.-l Jllll) albedo ,·aines by means
ment. However, the consistency of such a compar- of weighted a\'f:-rage ( Courel. WS-l: Bardin et and
ison is ve1y questionahle. \longet. 19ï8). which may depend upon the sur-
6 Diahaté, .Uichaud-Regas, and Wald
Figure 4. a) Albedo map for week .#21 (~lay) 198-t. b)

Albedo isôlines for week .;;:21.
Figure .5. a) Albedo map for week .:::42 (Ùctober) 1984. b)
Albedo isolines for week .:::42.
face type (Brest, 1987). Recently Nunez et al.

( 1987) c:onducted ground expetiment> in Tasmania Beside these spectral differences there also ex-
to estimate the differences between the narrow- ists a difference in spatial resolution. The resolu-
band (0.55-0.75 J..Lm) of the GMS sensor and a tion is 56 X 80 m 2 for i\lSS and .5 x 5 km 2 for our
larger band albedo (0.4-.3.0 J..Lm). Their collclu- l\leteosat data. Hence a complete Landsat MSS
sions are supported by the computational expeti- scene makes only a square of about .36 X 36 pixels
ments of Pink er and Ewing ( 1986), who compare into a l\1eteosat image. The computation of the
the narrowband 0.5-0.7 J..L111 (GOES visible band) albedo for an object is often the average of the
to the Iarger band 0.:3-2.5 J..Lm. Both papers stress values found within the limits of this abject. The
that the conversion from narrowband to larger limits one will draw are strongly dependent at
band depends strongly upon the surface type. !east on the spatial resolution of the sensor; also
Computer sitmùations demonstrate that the rela- terresttial abjects are known to be very inhomoge-
tionship between both albedos depends ptimmily neous. Therefore, the average value is not invati-
upon the assumptions made about the magnitude ant with the pixel size and computations made
and wavelength dependence of the ground albedo with different sensors will mostly differ.
and Jess upon atmosphetic conditions. This proh- Beyond these technical aspects, the vmiability
lem may be of Jess significance with the l\leteosat of the albedo itself renders the compatison more
satellite, given the wide spectral hand covered hy questionable. It has been fmmd that the albedo in
ils scnsor (0.4-l.l J..Llll). the Sahel presents a strong vmiability both in time
.\/apping :\lhedo tcith .\/ctcostat Data 7
Table 1. Typical Values (90) of Albedo Observed in This Study tllld Others
Albedo Range ( %)
This Study Other Studies
Type of Week =t8 ;i:l9 ~21 =42
Area Refiector (February) (.\lay) (May) (October) Values Period Au thors
10-15N, 15E-15W 11-36 11-:39 11-41 11-41 6-"" ~Jar.1979 ;\mado (1982)
12-32 Aug. 1979
12-32 Oct. 1979
14-16N, 0-2\\' 13-31 12-28 12-29 16-28 20-30 1979 Coure!
et al. (1984)
14-16N, 2-4\\' 11-31 11-28 11-29 12-26 10-20 1979 Conrel
et al. (191>4)
15-24 Nov. 1979 KaJHlt>l ( 1982)
Diffa. :\pr. 1979
15-17N, 12-14E desert 27-39 27-41 28-44 26-44
~taradi,
13-15N, 6-8E desert 17-36 17-34 23-33 20-30
Zinder,
13-15N, 8-12E desert 20-:33 22-34 20-:32 20-32
Tuhoua,
15-16N, 4-6E desert 22-32 22-32 22-32 20-31
Kwalbo and Opoho
valleys, 5N-7E desert 10 Hl-11 10 10
~touths of the
Cross and Niger
Rh·ers (Nigeria) 6-11 9 7-9 7-10
Lake Tanu!,
15N-3\V 6 6-9 6-10 R-9
LJ.ke Faguihine,
17N-4W 6-12 ~far. 191i2 Coure! (191i.J)
Lake Chad li-9 li-9 Il-Il 5-ll
\'olt a 6-!-l 6-10 7-10 .'5-7
Surrounùings of
Lake Tmml Si-H 11-14 11-14 12-14
Snrroundings of
Lake Faguihine 14-ll:i ~Jar. Hlll2 Conrt>l (191l4)
Lake Chad
t>tnerged zont>s 10-17 Hl-16 ll-W 12-1.'5
Handiugaru
i'btt>au. 1-t:-.:-:3\\" sambtone 20-:?.6 :?.0-25 HJ-2-1 17 ..:·z.z. :?.0-:?.2 .\pr. HJ79 Bardinl'l
and :\longet (Hl71l)
1.'5-1-~ Conrd (11)1;-t)
:\lonnt ~Lmdara.
10-111--:. 1:?.-1-!E 11-1.'5 10-1-1 11-1-1 11-1-1
Jos Plateau,
<J-10.51'\. >i.5-9 ..'5E 1.'5- !li 1:3-16 1:3-Jü 1:3-W
:\lonnt Tennit.
16l'\-11E 17-:?.0 17-22 16-IH 12-1.'5
(lnd;tbn.
1-I ..JN. 0 .'5\\" s.ullbtnne Hl-25 16- :?.1> HJ-2.'5 Hl-2:?. :2'7 Jan. 197(j Cnnrt'l(l%-1)
31 Dee. 1H73
Condo.
1-!.J.')I\. :3.-i\\" pleoct>ne ...·J'>_,-_,
·1- 22-27 22-27 19-:?.G 24 .-\pr. Hlï9 Banlinet
alluvial et al. (l91i2J
;tm! eoli,lll :?..') Nov. 1m2
soils :?.1 Sep. Wï3
2:3 :\Jar. Hli-'5
:2.) Jan. HJ7(j
25 :\Jar. HJ76
IS Dt·t·. HJ71i Coure! ( Hlk-1)
ll.tdjejia \"ailey. irrig.tlt'd
13N-IIE \",lllt•\" 1.1-1S 1-1-20 1.)-20 12-17
:\dt>Ha ;md Eliki irrig,tlt'd
\"allt•y. 1-1-1'1:-.:. (i- 7E \"illlt·~· 12- J(i 12-17 12- j(j 11-l.'i
8 Diohatr, .Hichoud-Rcgas, and Wald
Table 1.
Albedo Range ( %)
This Stwly Other Stwlies
Type of \Vcek =8 :::19 ::::-21 =12
A. rea Refiector (February) (.\lay) (,\lay! !Octoberl Values Peri oc/ Au thors
Kebbi Valley, inigated
12 ..5N-4.5E valley 16-20 16-20 1ï-19 14-1ï
Giru Valley, inigated
11.5N-4.5E valley 16-19 16-19 16-19 14-1ï
.-\zouak Vailey, inigated
16-1ïN, 3.5E valley 11-lï 11-20 12-26 15-24
Interior Delta inigated
of the Niger valley 11-22 12-28 12-26 16-28
Niger Valley in irrigated
the Niamey region valley 15-18 9-1ï 14-16 20-21
Niger Valley in inigated
Nigeria valley lO 9 Hl ï-10
and space (Amado, 1982; Caurel, 1984; Caurel no objective criterion for selecting such pixels or
et al., 1984; Kandel, 1982; see also Table 1). Fur- group of pixels and doing so may lead to erroneous
thermore, the albedo also exhibits a strong interan- conclusions.
nual variability. Relative variations may reach 50%. A method was devised which makes use of a
Such variability is linked to the variability of the two-dimensional color chart which comprises 256
rainfall, whicb displays the same large time-space ( 16 X 16) col01·s. If the albedo values are coded in
spectrum. 16 levels only, ranging linearly from 0.05 to 0.44
Renee values in Table 1 must be considered with a step of 0.025, a èolor corresponds to only
with care and only indicate the gross range of one couple of albedo observed at two different
variations of the albedo for various areas. Albedo is instants. The components are fmmd by reading the
maximum in the desert of Diffa, up to 0.44. The values on the x- and y-axes (Fig. 6). However, the
albedo of the desertic area is rather stable in time, color chmt has been simplified to allow a perfect
with a maximum reached during the dry season. reading of the photographs. The plincipal diagonal
The albedo of the targets located in the equatmial is black and depicts the pixels for which change in
belt encounters sm;:,ller changes thun those fmther albedo is Jess than 0.025 in absolute value. The
nmth. The albedo of water in lakes vmies accord- dominant color in a rea 1 (albedo decreases from t 1
ing to the turbidity, depth, and type of bottom. :\ to t 2 ) is blue while the dominant color in area 2 is
further examination of the time evolution, made in redjyellow. An elementary change in color de-
the next section, shows that changes are inhomo- notes an absolute change of 0,025 in albedo and
geneous and occur at short pcriods as weil as in the lighter the tone, the greater the change.
short scales. Three images showing albedo changes with
time are displayed in Figs. ï -9. \Ve present week
=8 versus "··eek .#21, week :t;:8 versus week .;:t42,
TE~1PORAL VARL-\ TIO~S OF THE ALBEDO and week .:;:21 versus week .:;:42 because they
show the most significant changes.
The change in albedo with time can be desc1ibed :\s a \Vhole. the albedo changes only a little
on a pixel basis by computing the difference be- from February (week .#8) to l\·lay HJ84 (week #21,
tween the albedo at two different periods. The Fig. _7). ln the equat01ial helt are found mainly
restùting image indicates where and what change black and deep blue col01·s. It means that mostly
occurs but dues not repmt the absolute \'alue the albedo clic! not change but when it did, it
around which the albedo fluctuates. It is also possi- deneased by 0.02.5. and no more. A bit to the
ble to select some sites within the images and to north, dcep red hecomes more frequent, denoting
plot their values versus time. Howe\'er. since the an albedo inl'rease of 0.02.5. StiJl fmther north one
inhomogeneity at \'t'ry short scales is large, there is notices a large light blue arca, \\'hich means a
.\lapping Alhtclo lcith .\lctcostat Data 9
albedo at time tl
~--------------------------------------------r----~
albedo
at time Figure 6. Schematic representation of
t2 the two-dimensional color chart. Area 1:
signal decreases from 11 to 1~. Area 2:
signal increases from 11 to t~. Diagonal
D: signal is invariant with time.
: A.6H; :A:Iil4 ~
Ill. u x t::!. n
'''· n x 12. n
Figure 7". :\lbedo absolute ch;UJge from week ::=H to week Figure 9. .-\lhedo l"hange from wel•k :::::21 to week ::=-12.
::=21. Each color represents a variation of 0.02.5.
de<.:rease in albedo of 0.075. This may inclkate the

growth of the vegetation due to carly rains in the
north of Nigeria. On the co:Jtnuy, even furthcr
north the continuing drought causes the albedo to
incrcase hy 0.025-0.05. Howcver, some places dis-
play an albedo decrease such as the Adoua, Eliki,
and :\zouak Valleys, which may have received
some rains. :\Iso the upper limit of the image
appears in blue, whkh may denote the appearance
of vegetation in the desert of Diffa. The great
,:,uiahility in albedo is also displayed in the arca of
the Interior Delta of the Niger (upper left corner),
= .\ tl14 s
!tl, Il\ Il.~ where albedo change tluduates from - 0.05 to
0.0.5 from pixel to pixel.
10 Dialmtr, ;\lichaud-Rcgas, and Wald
The changes in albedo from Febmary (week images of the albedo changes (Figs. 7 -9) reveals
~8) to October (week .::t42) are shawn in Fig. 8. the rate of change with time. For example, the
The presence of high intensity colors either in blue total change (decrease) in albedo from February to
or in redjyellow denotes the large changes ob- October in the south of Maradi and Zinder is
seJved in the Sahel. It indicates the variation in completely achieved from February to ~lay (in
vegetation coverage occuring from the middle of whitejblue in Fig. 7) with even a small increase
the dry season (week #8) to the end of the rainy from May to October (black and deep red in Fig.
season (week #42). Most pixels are colored in blue, 9). On the contrary, the albedo in the great plains
particularly in the Sudanian regions and the south- along the coast decreases from February to May
em part of the Sahel. Decreases of 0.025-0.05 are before increasing from May to October.
the most frequent. The Zinder area as well as the
southem part of the Gourma area display changes
of 0.075-0.10.
In the Sahel, vegetation cover increases dra- CONCLUSION
matically dming rainy season in accordance with
the rainfall and is indicated by a decrease in This study demonstrates the use of Meteosat data
albedo (blue tones). Rowever, the changes are not to monitor ground vegetation cover by providing
homogeneous. Since types and species of vegeta- weekly maps of the ground albedo. This restÙt can
tion are very similar in the Sahel and follow zonal be extended to other regions in the \\'oriel and to
distribution, zonal variations in albedo must be other geostationary satellites.
mostly attributed to rainfall variability, which Vegetation is better monitored using the vege-
means variability in water amount, frequency, and tation index but such an index cannat be com-
dm·ation. The rain variability is enhanced in the puted from Meteosat data. Renee for such data,
upper left area (Interior Delta of the Niger), which the best · indicator· remains the albedo, though no
is colored in redjyellow tones. There the rainfalls strong link exists between the albedo and biomass.
were nonexiste!lt or, if they did exist, they were so Also precise knowledge of the albedo is needed for
inefficient that no growth in vegetation was pro- energy budget studies and foi· climatological mod-
duced. On the contrary, redjyellow tones indicate eling purposes.
an increase in albedo. Finally, a careftù examina- This paper presents a few maps of the albedo
tian of this area also reveals that the yellow /white for the year 1984. This year recorded a rainfall
pixels are close to the blue/white ones, denoting a dencit for the most Sahelian countries (Remiaux
large absolute vmiation in albedo of about 0.18 et al., 1084). This deficit is not con:;tant from one
within a few kilometers. area to another. For example, the Zinder and
In the Equatorial belt, February and October Gourma zones received more water (or r<ùn was
correspond respectively to the great dry· sëason more "efficient" in vegetation growth) than in
and the short rainy season, the latter coming after other Sahelian regions .. The appearance of ,·egeta-
a great rainy period and a short dry season. Renee tion in Zinder was far earlier than in Gourma.
major positive changes in vegetation are expeded. Such maps demonstrate the great vmiability of the
Pixels are mostly red and yellow and indicate an albedo. Previous studies report that the albedo is
increase in albedo of 0.025-0.0ï5. The major in- highly va1iable on an annual basis and on sc;Ùes of
creases in albedo are found in the plains along the 100 km and greater (Amado, 1982: Kandel. 1982;
coast in Nige1ia, Ghana, the Ouroungou region in Coure!, 1984; Coure! et al., 1984). Our restùts
Gabon still along the coast, and the depression show that the spectrum of albedo variations is in
located West of the Zaïre River in the Congo. On fact very broad and that major changes may occur
the contrary, the plateaus in the south of Cameroon within a few kilometers.
and in the n01th of Gabaon exhibit no or small
changes in albedo. This slruly reas port/y supportee/ by Ag.·ri<'C .Fmn•;ai.l<' P•'llr la
Fibrure 9 displays the changes in albedo from .\Jaîtrisl' c/,· I'Erl('r{!.il'. Lmnissa Diahatc'·. :\ssislan/ l'n>.f{•ss<.>r
rcilh l~colr· Xatiorwlc ci'Jng<~lli!'llrs de Bt~rrwk<>, .\/ali. a.-knord-
\lay (week ='=21) to October (week =-!:2). It is very cclgcs tlw support of 11 gmnl jiw11 th,· Frl'lwh l!.•'l'•'nllliCIII
similar to Fig. 8 but dose examination of the tluee rF<>llcls ,/';\iclc ,., cf,· Coop/·mlio111.
.\Japping Alhedo rcith .\letcostat Data 11
REFERENCES radiation using satellites images: the Heliosat Station, in

Procœdings of the ·1988 Annual .\lœting of the American
Amado, J. ( 1982), Cartographie de l'albédo et du gisement Solar Energy Society, pp. 11-lï.
solaire à partir des données du satellite ~1eteosat, 1l1èse de Diabaté, L.. ~loussu, C., and Wald, L. (1988c), Description of
Docteur-Ingénieur, Univ. PatÙ Sabatier, Toulouse. an operational tool for the detennination of the global solar
Bardinet, C., and Monget, J.-M. (19ï8), Télédétection et radiation at grolllld using geostationary satellite images,
géographie appliquée en zone sahélienne du Tchad, Col- Sol ar Energy, forthcoming.
lection de l'Ecole Normale Supérieure de /eu nes Filles, Crüter, W., Cuillard, H., ~·toser, W., ~longet, J.-~1.. Palz, W.,
Paris, No. 12. Raschke, E., Reinhardt, R. E., Schwarzmann, P., and Wald,
Brest, C. L. (198ï), Seasonal albedo of an urban/rural land- L. (1986), Determination of solar radiation at ground leve/
scape from satellite observations, /. Climate Appl. Meteo- from images of the earth transmitted by meteorological
ra[. 26:1169-118ï. satellites, Solar Energy R & D in the European Commu-
nitv, Series F, Vol. 4: Solar Radiation Data from Satellites
Cano, D. (1982), Etude de l'ennuagement par analyse de
séquences d'images de satellite. Application à l'évaluation
Im~ges, Reidel, for the Commission of the European Com-
munities, 100 pp.
du rayonnement solaire global au sol, 1l1èse de Docteur-
Ingénieur, Ecole Nationale Supérieure. des Télécommuni- Cube, ~vi. ( 1982), Planetary albedo estima tes from ~1eteosat
eations, Paris. data, ESA /. 6(1):53-69.
Cano, D., ~longet, J.-M., Albuisson, M., Cuillard, H., Regas. Hemiaux, P., Cissé, M. I., and Diarra, L. (198-4), Bilan d'w1e
N., and Wald, L. (1986), A method for the detem1ination saison de pluies 1984 très déficitaire dans le Counna (Sal1el
of the global solar radiation from meteorological satellites ~1alien), Document de Programme, AZ 140, CIPEA, Ba-
data, Solar Energy 3i(1):31-39. mako, Mali.
Casl'lles, V., and Delegido, J. (198i), A simple mode! to
K.u1del, R. S. ( 1982), Satellite observation of the Earth radia-
estimate the daily value of the regional maximum e\'apo-
tion budget, Iut. Symp. of Dcutsche Meteorologische
transpiration from satellite temperature and albedo images,
Gesellsclwft E-V.
Int. /. Remote Sens. 8(8):1151-1162.
Coure!, M. F. (1984), Etude de l'évolution récente des milieux Kondratyev, V., Korzov, V. 1., Mukenberg, V. V., and Dy-
sal1éliens à partir des mesures fournies par les satellites, achenko, L. N. (1981), 1l1e shortwave albedo and the
l11èse d'Etat, Univ. Paris I. surface emissivity, in /SC Study Conference and Land
Surface Processes in Atmosplll'ric General Circulation
Coure!, M. F., Kandel, R. s.:
and Rasool, S. I. (1984), Surface Mode[, Greenbelt, MD, World Climate Research Program,
albedo and the Sal1el drougl1t, Nature 30i(5951):528-531. P. S. Eagelson, Ed.
Dedieu, C., Deschamps, P. Y., Kerr, Y. ~1.. and Raberanto, P.
~toussu, G., Diauaté, L., Obrecht, 0., and Wald. L. (1988), A
( 198i), A global survey of surface climate parameters from
method for the mapping of the apparent ground brig!Jtness
satellite observations: preliminary results over Africa, Adv.
using visible images from geostationary satellites. lnt. ].
Space Res., i(ll):129-13ï.
Rcmote Sens., forthcoming.
Demarcq, II. (1985), Application de la tél~détec.:tion in-
frarouge et visible en océanographie. Etude de la zone de Nunez, ~1.. Skirving, W. J.. and \'iney, N. R. (198i), A
dilution rhodanienne, observations des zones de produc- technique for estimating regional surface albedo using
tion dans le Colle du Lion, et estimdion de l' éc.:lairement geostationary satellite data, ). Climatol. 7:1-11.
solaire global en ~téditerranée Occidentale, 1l1èse de 3ème Pinker, R. T., and Ewing. J. :\. (19H6), Elfed of surface
cyde, Université Aix-~larseille Il. propcrties on narrow to broadband spectral relationship in
Dhll>até, L., Demarcq, H., Michaud-Regas, N .. ;md Wald, L. clear sky satellite ohst•rvations. i{I'IIIOtl' Sens. Enriron.
( 1988a), Estimating incident solar radiation at the surfa(·e 2.0:267-282.
from images of the Earth transmitted by geostationary Regas. N. (1986), ~lise en oeu\Te et validation d'une méthode
satellites: the Heliosat Project, l11t. /. Solar E111·rgy opérationnelle et automatique pour l'évaluation d'atlas so-
.'5:261-2ïS. laires en Europe ~~ l'aide de mesures satellitaires ~1eteosat
Diabatè. L.. ~loussu, G., ;md Wald, L. (191i8h). :\n opera- (:\nnées 198:3, 198-4; 198.5), Thése de Dodomt. Université
tional tool for the flne-scale mapping of the incident solar Paris VII.
- 246 -
ANNEXE [4]
RAPPEL MATHEMATIQUE SUR LA DETERMINATION DE L'AXE

D'INERTIE D'UN ENSEMBLE DE POINTS DANS UN PLAN
CARTESIEN
- 247 -
Soit F(Z) = AZ une équation matricielle avec A = [aIJ.. ] (i,j = 1, 2, ... , n) et soit I3 un scalaire.
Z est un vecteur propre si :
F
Z --------------> BZ = F(Z) (1)
alors :
BZ = AZ
BZ- AZ =0
(BI- A)Z = 0 (2)
BI-A=O (3)
Pour le cas particulier des droites A est la matrice de corrélation :
A= ~ :]
avec r qui représente le coefficient de corrélation.
(2) <==>
[: :] [: J =0
B-1 -r J =
0
[ -r 1-B
L'équation (2) admet des solutions autres que la solution triviale si et seulement si : dét(BI-A)
= 0
1-B r
r 1-B
- 248 -
. 2
===> (1 - J3) = r2
1 - J3 1 = r ===> J3 1 = 1 - r
1 - J3 2 = -r ===> J3 2 = 1 + r
13 1- et J3 2 sont appelés "valeurs propres" de A.
Soient (x,y) les composantes du vecteur propre Z dans un repère cartésien.
Pour J3 = J3 1 = 1 + r, l'équation (2) devient :
[:
r r
=0 =====> y=x (4)
r r
on obtient une droite à pente positive.
Pour J3 = J3 2 = 1 - r, l'équation (2) devient :
-r r-r ] [xy]-- 0 =====> y= -x (5)

[ r
on obtient une droite à pente négative.
Si x et y sont des variables centrées et reduites de X et Y on aura :
y= (Y- Y)/ay (6)

x= (X- X)fax (7)
avec Y, X moyennes des variables respectivement Y et X et ay et ~ sont les écarts-types

respectivement de Y et X.
En introduisant les équations (6) et (7) dans (4) on obtient :

- 249 -
(8)
En introduisant les équations (6) et (7) dans (5) on obtient :
(9)
L' équation générale d'une droite étant Y = AX + B, alors :

A = ( ayf ax) et B = Y - ( ayf ax)X pour les droites à pente positive (i.e équation 8), A = -
(axfay) et B = Y + (axfay)X pour les droites à pentes négatives (i.e. équation 9).
- 250 -
ANNEXE [5]
NOMENCLATURE DES STATIONS DE MESURES DE LA

METEOROLOGIE NATIONALE FRANCAISE
LISTE DES STATIONS •
+---------------------------------------------------------------------+
+ NUI1 NOM STATION DEPARTEMENT +
+---------------------------------------------------------------------+
+ 236 ABBEVILLE SOMME +
+ 214 AGEN LOT-ET-GAR-ONNE +
+ 882 AIX-LES-MILLES BOUCHES-DU-RHONE +
+ 226 AJACCIO COR SE +
+.217 ALENCON ORNE +
+ 826 AMBERIEU-EN-BUGEY AIN +
+ 258 ANGERS MAINE-ET-LOIRE +
+ 890 APT VAUCLUSE +
+ 881 AUPILLAC CANTAL +
+ 270 AUXERRE YONNE +
+ 241 AVO~O CHER +
+ 837 8ALE-,'1ULHOUSE RHIN( HAUT-) +
+ 8 27 BASTIA COR SE +
+ 112 BATZ FINISTERE +
+ 130 BEAR(CAP) PYRENEES-ORIENTALES +
+ 204 BEAUVAIS OISE +
+ 138 BEC-DE-l AIGLE BOUCHES-DU-RHONE +
+ 117 BEG-MELEN MORBIHAN +
+ 292 BELFORT TERRITOIRE-DE-BELFORT +
+ 293 BESANCON DOUBS +
+ 858 BIARRITZ-AERO PYRENEES-ATLANTIQUES +
+ 803 BISCAROSSE LANDES +
+ 203 BORDEAUX GIRONDE +
+ 152 BOULOGNE-SUR-MER PAS-DE-CALAIS +
+ 805 BOURG-ST-MAURICE SAVOIE +
+ 604 BOURGES CHER +
+ 215 BOURGETCLEl SEINE-ST-DENIS +
+ 111 . BREHAT COTES-DU-NORD +
+ 220 BREST-GUIPAVAS FINISTERE +
+ 832 BRETIGNY-SUR-ORGE ESSONNE +
+ 806 CAEN CALVADOS +
+ 870 CALVI CORSE +
+ 139 CAMARAT(CAP) VAR +
+ 861 CAMBRAI PAS-O E-CALAIS +
+ 844 CANNES ALPES-MARITIMES +
+ .899 CAPTIEUX LANDES +
+·833 CARCASSONNE AUDE +
+ 874 CARPENTRAS VAUCLUSE +
+ 145 CAVALLO< CAP) CORSE +
+ 257 CAZAUX GIRONDE +
+ 148 CEPET<CAP) VAR +
+ 864 CHAMBERY-AIX-LES-BAINS SAVOIE +
+ 254 CHARTRES EURE-ET-LOIR +
+ 122 CHASSIRON CHARENTE-MARITIME +
+ 223 CH.ATEAU-CHINON NIEVRE +
+ 250 CHATEAUDUN EURE-ET-LOIR +
+ 252 CHATEAUROUX INDRE +
+ 298 CHATILLON-SUR-SEINE COTE-D OR +
+ 868 CHERBOURG-MAUPERTUS . MANCHE +
+ 143 CHIAPPA(LA) CORSE +
+ 206 CLERMONT-FERRAND PUY-DE-OOME +
+ 807 COGNAC CHARENTE +
+ 865 COLMAR RHINCHAUT-) +
+ 840 CORMEILLES-PONTOISE VAL-D OISE +
+ 140 CORSECCAP) CORSE +
+ 124 COUBRECLA) CHARENTE-MARITIME +
+ 147 COURONNECCAP) BOUCHES-DU-RHONE +
+ 855 CRE IL OISE +
+ B-1 +
+---------------------------------------------------------------------+
+ NUM NOM STATION DEPARTEMENT +
+---------------------------------------------------------------------+
+ 871 DAX
+ 291 DEAUVILLE LANDES
·CALVADOS
+
+
+ 153 DIEPPE SEI t-'lE-MARITIME +
+ 2C7 DIJON-LONGVIC COTE-D OR +
+ 845 DINARD ILL É-ET-V l LA IN E +.
+ 101 DUNKERQUE NORD +
+ 835 EMBRUN ALPESCHAUTES-) +-
+ 875 EVREUX EURE +
+
+
136
125
FERRAT<CAP)
FERRET<C.AP)
ALPES-MARITIMES +
GIRONDE +
+ 697 FIGARI COR SE +
+ 240 GAROUPECLA) ALPES-MARITIMES +
+ 810 GOURDON LOT +
+ 809 GRENOBLE-ST-GEOIRS ISERE +
+ 109 GROU IN ILLE-ET-VILAINE t
+ 106 HAGUECLA) MANCHE +
+ 230 HE VE CL.A) SEINE-MARITH1E t
+ 876 HYERES-BAN VAR +
+ 878 HYERES-CEM-LEVANT VAR +
+ 256 ISTRES BOUCHES-DU-RHONE t
+ 856 LANDIVISIAU FINISTERE t
+ 238 LANGRES MARNECHAUTE-) t
+ 261 LANVEOC FINISTERE +
+ 285 LILLE NORD +
+ 209 LIMOGES VIENNECHAUTE-) +
+ 852 LORIENT-LANN-BIHOUE MORBIHAN +
+ 273 .LOXEVILLE MEUSE +
+ 836 LUCCLE) VAR +
+ 638 LUS-LA-CROIX-HAUTE DROME +
+ 811 LUXEUIL-LES-BAINS SAONE(HAUTE-) +
+ 210 LYON-BRON RHONE +
'+ 879 LYON-SATOLAS RHONE +
+ 283 MACON SAONE-ET-LOIRE +
+ 813 MANSCLE) SARTHE +
+ ?31 MARIGNANE SOUCHES-DU-RHONE +
+ 883 MAUROUX - GERS f
+ 842 MELUN SEINE-ET-MARNE +
+ 232 METZ-FRESCATY MOSELLE +
+ 286 MILLAU AVEYRON +
+ 249 MONT-AIGOUAL GARD +
+ 814 MONT-DE-MARSAN LANDES +
+ 816 MONT-ST-VINCENT SAONE-ET-LOIRE +
+ 233 MONTELIMAR DROME +
+ 812 MONTPELLIER HERAULT +
+ 237 NANCY-ESSEY MEURTHE-ET-MOSELLE +
+ 673 NANCY-OCHEY MEURTHE-ET-MOSELLE +
+ 22 8 NANTES LOIRE-ATLANTIQUE +
+ 276 NEVERS NIEVRE +
+ 817 NICE ALPES-MAR1TIMES +
+ 212 NIMES-COURBESSAC GARO +
+ 8<16 NIMES-GARONS GARD +
+ 853 ORANGE VAUCLUSE +
+243 ORLEANS LOIRET +
+825 ORLY VAL-DE-MARNE +
+818 OSSUN PYRENEES(HAUTES-) +
+113 OUESSANT FINISTERE +
+ 867 PARIS-MONTSOURIS SEINE(PARIS) +
+ 225 PAU PYRENEES-ATLANTIQUES +
+ 11.5 PENMARCH FINISTERE +
+ 216 PERPIGNAN PYRENEES-ORIENTALES +
...
+ B-2
+-----~----------------------------~----------------------------------+
+NUl", 1\0M STATION DEPARTEMENT +
+----------------------------------------------~----------------------+
+ 142 PERTUSATO( CAP) CORSE +
+ 81Ç PHALSBOURG MOSELLE +
+ 247 PIC-DU-MIDI PYRENEESCHAUTES-) +
+ 29b POITIERS VIENNE +
+ 137 POMEGUES(CAP) BOUCHES-DU-RHONE +
+ 135 PORQUEROLLES VAR +
+ 105 PORT-Ef\;-BESSIN CALVADOS +
+ 8 02 PLJY-LOUDES<LE) LOIRECHAUTE-> +
+ 8 85 QUL'1PER FINISTERE +
+ 114 RAZCPOINTE DU) FINISTERE. +
+ 200 REI~S MARNE +
+ 218 RENNES ILLE-ET-VILAINE +
+ 1C7 ROCCPOINTE DU) MANCHE +
+ 824 ROCHELLE(LA) CHARENTE-MARITIME +
+ 8<75 ROISSY-EN-FRANCE VAL-D OISE +
+ 253 ROMORANTIN LOIR-ET-Ci-iER +
+ 857 ROSTRENEN COTES-DU-NORD +
+ 259 PCUEN SEINE-MARITIME +
+ 144 SAGROCCAPl CORSE +
+ 265 SALON-DE-PROVENCE BOUCHES-DU-RHONE +
+ 131 SETE HERAULT +
+ 872 SOLENZARA CORSE +
+ 854 ST-AUBAN ALPES-DE-HAUTE-PROVENCE +
+ 860 ST-DIZIER MARNE(HAUTE-) +
+ 823 ST-ETIENNE lO!RE +
+ 847 ST-GIRONS ARIEGE +
+ 866 ST-NAZAIRE LOIRE-ATLANTIQUE +
+ 262 ST-QUENTIN AISNE +
+ 277 ST-RAPHAEL VAR +
+ 121 ST-SAUVECR VENDEE +
+ 282 ST-YAN SAONE-ET-LOIRE +
+ 219 STRASBOURG RHINCBAS-) +
+ 119 TALUT<PO!NTE DU) MORBIHAN +
+ 2 71 TARARE-LES-SAUVAGES RHONE +
+ 289 TOUL MEURTHE-ET-MOSELLE +
+ 263 TOl;LON VAR +
+ 221 TOULOUSE-BLAGNAC GARONNE( HAUTE-) +
+ 889 TOULOUSE-FRANCAZAL GARONNE( HAUTE-) +
+ 851 TOuOUET(LE) PAS-DE-CALAIS +
+ 8t8 TOURS-ST-SYMPHOR1EN INDRE-ET-LOIRE +
+ 850 TOUSSUS-LE-NOaLE YVELINES +
+ 260 TRAPPES YVELINES +
+ seo TROYES AUBE +
+ 820 VICHY ALLIER +
+ 224 VILLACOUf:LAY YVELINES +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ +
+ B-3 +
- 254 -
ANNEXE [6]
ESTIMATING INCIDENT SOLAR RADIATION AT THE SURFACE

FROM IMAGES OF THE EARTH TRANSMITTED BY
GE OST A TIONARY SATELLITES : THE HE LlOSAT PROJECT
Diabaté L., Demarcq H., Michaud-Regas N., Wald L.
!nt. J. Solar Energy, 1988, Vol. 5, pp. 261-278
ESTIMATION DU RAYONNEMENT SOLAIRE AU SOL A L'AIDE

D'IMAGES EN PROVENANCE DES SATELLITES
GEOSTATIONNAIRES : PROJET HELIOSAT
/nt. J. So/ar Energy, 1988, Vol. 5, pp. 261-278
Reprints available directly from the publisher
Photocopying permitted by license only
© 1988 Harwood Academie Publishers GmbH
Printed in the United Kingdom
Estimating Incident Solar

Radiation at the Surface from
Images of the Earth Transmitted
by Geostationary Satellites:
the Heliosat Project
L. DIABATÉ, H. DEMARCO, N. MICHAUD-REGAS and L. WALD

Centre de Télédétection et d'Analyse des Milieux Naturels, Ecole Nationale
Supérieure des Mines de Paris, Sophia-Antipolis, 06560 Valbonne (France)
(ReceivedJune 17, 1987)
. . .
The goals of the Heliosat Project of Ecole Nationale Supérieure des Mines de Paris
are: (i) t6. design a system for the estimation of incident solar radiation at ground
leve! from images of the Earth acquired by geostationary satellites, (ii) to produce
detailed maps of the spatial distribution of the global radiation and (iii) to improve
the system depending upon the results and progress in science.
Among the numerous methods already developed, one of them has been selected
for its accuracy as weil as for its simplicity. It has been tested during 30 consecutive
months beginning January 1983. ·
Operations were performed in a completely automatic, unmanned fashion and -
trades-off between routine and. accuracy have been adopted. Areas under concern
were Europe and Central-West Africa (1984 only).
This paper presents the results of the tests conducted during 1983. Measurements
of sixteen pyronometers were compared three t_imes a day to the estimates of the
. selected method. Different comparisons are presented.
The error in the reconstruction of both the instantaneous hourly global radiation
Gh and the monthly average of Gh is less than 0.06 kwh/m 2 • Wh en compared to
other methods, Heliosat ranks as one of the most accurate.
KEY WORDS: method of cano; albedo; anisotropy
261
262 L. DIABATÉ et al.
1 INTRODUCTION
A great number of studies clearly demonstrate that satellite data

can be used succesfully for mapping both the global radiation at
ground level and the cloud converage over very large areas. 1•2 •3•4 •5 •6
This research phase must now be followed by an operational one
for routine p~oduction of global radiation maps or derived data
(cloud coverage, albedo). The first effort reported was by Gautier7
who mapped the hourly global irradiation during three months.
Now many works are in progress for much longer periods. For
example, the French Meteorological Office undertook its routine in
1983 and the German Meteorological Office in 1984.
One of the purposes of the Heliosat project is to define an
operational tool for routine production of radiation maps. Since it
bas been shown 1 •3 that besides their use in solar climatology such
maps are of great interest in various domains ranging from solar
building architecture to agrometerolc;>gy, sorne specifications were
drawn to meet these goals. This tool must be cheap, very simple,
easy to use and to maintain. lt also must comprise a direct reception
.for Earth observing geostationary satellites (Meteosat, GMS,
GOES). Besides the model for the conversion of satellite data into
global radiation maps, it must also provide sorne capacities in image
processing, colour display and print-outs.
This paper presents the method selected among the most known
and deals with the results of a test conducted during the whole year
1983. The method chosen derives closely from the method of
Cano. 1 •3 •8 Measurements of sixteen pyranometers from the French·
Meteorological Office net were compared three times a day to the
estimates provided by the satellite data.
The symbols used in this paper follow the recommendations of
the Commission of the European Communities. 9
2 CHOICE OF A METHOD
Most available methods were examined 10 according to the above

specifications. The first cri teri on deals with accuracy. Table 1
compares the accuracy obtained by various authors in the re-
construction of the instantaneous hourly global radiation Gh from
-----------------------------~---~"' ·.~· ·~·· ,,.;;:,_···· ·~=·
TABLE 1
Comparison of the accuracy in the retrieval of the global radiation from statellite data according to various authors
Slots in UT
Authors and~ Ali hours Number of
period of~ 6-7 8-9 10-11 11-12 12-13 14-15 16-17 mixed stations
Moser June 1979 0.04 0.07 0.09 - 0.09 0.07 0.05 - 23
and
Raschke 1 April1982 - 0.06 - 0.08 - 0.06 - - 80
May 1979 - - - - - - - 0.12 27
Cano 1
April1982 - 0.06 - 0.07 - 0.05 - - 80
Reinhardt .
and April1982 - 0.10 - 0.13 - 0.10 - - 80
Schwarzmann 1
Dedieu et al. 11 - - - 0.12
12
Marullo 18/7/83 - - - - - - - 0.07 1
and Viola
(method of Gautier)
~
w
satellite data. Sorne of the published results cannot be compared to

the others because of their nature or of the units they are expressed
in.2,4,s .
The following criteria deal with computing-time, possible level of
automatization, the kind of data required by the model and
real-time and operational constraints.
Physical modelling needs powerful computer and time. For
example the model of Moser and Raschke 13 requires about 2 hours
torun on a mainframe (CDC -Cyber) 1 or 20 hours on a minicompu-
ter (DEC PDP) 14 while the physico-statistical model of Cano runs
on a minicomputer (HP 1000) in about 20 minutes. 1 Most of the
methods using physical modelling also require data not available
from the weather satellites. At last most of the methods require
accuracy in calibration of the satellite data which · cannot be
provided during a long period.
The above considerations make us choose the method of Cano. It
is one of the most accurate. 1 •1° Furthermore it ·is easy to implement
and it l'tins in a short time. It needs only data from the weather
satellites and its own computation of an updated map of ground
albedo makes it accept without any change in accuracy the
variations in calibration of the satellite data.
3 SHORT DESCRIPTION OF THE METHOD OF CANO
The method of Cano has been abundantly described 1 •3 •8 •10 and here
is only provided a short description of it.
The basic remote sensing data are taken from the geostationary
satellite Meteosat observations, both in the visible and the thermal
infrared spectral ranges. Each satellite image is pre-processed using
geometrie correction with landmark correlation, noise filtering, and
normalization of digital counts · by the direct spectral irradiance
which would be measured on an horizontal plane located at each
pixel un der clear sky.
Because the digital counts can be directly related to the upward
radiance, this normalization is equivalent to the computation of a
bidirectional reflectance factor. Furthermore, since most continental
surfaces may be considered as lambertian for the observation angles
un der con cern (except for water and snow) within a sm ali error, the
ESTIMATING INCIDENT SOLAR RADIATION 265
transformation is equivalent to the computation of an image of the

albedo of the system clear sky-ground (planetary albedo for clear
sky) with variable cloudiness. In fact, the exact relationship
between the upward radiance and digital count is unknown, because
the satellite Meteosat has no calibration. However, for con-
venierice, we will call albedo the quantity resulting from the
normalization, which is proportional to the actual albedo.
The basic idea of the method is that the amount of the cloud
cover over a given area statistically determines the global radiation
for that area. Thus the processing is divided in two steps. A cloud
cover index is derived for each location (i, j) called a pixel, of the
original satellite image and subsequently used in a second s!ep for a
statistical estimation of the global radiation.
The model makes use of the clear sky model of Bourges 15 for
which the global radiation at ground Ge at instant t is:
Gc(t) = 0.7/0i(sin v)1. 15 (1)
where l 0i is the extraterrestrial solar irradiance for the day under
concern, normal to bearn and vis the elevation of the sun.
' Therefore the irradiance measured by the satellite sensor in
absence of clouds and coming from the system clear sky-ground of
albedo p(t) may be expressed in the following:
E(t) = p(t)O. 7/0i(sin v)1.1 5 • (2)
In preparation to the determination of the cloud cover index, a
reference map of the planetary albedo for clear sky is computed.
Given a time-series of images, it is evaluated at each pixel in a
recursive fashion by minimizing the variance between the measured
radiances and the radiances resulting from the clear sky model, the
cloudy cases being eliminated at each step. This reference map is
then daily updated.
The cloud cover index n'(i, j) at point (i, j) for given time t is
defined as a function of the characteristic reference albedo p(i, j),
the apparent albedo at the same point as measured by the satellite
p'(i, j), and the average albedo of the.cloud tops Pc· lt is computed
for each pixel using the following formula:
n'(i, j) = (p'(i, j)- p(i, j))f(Pc- p(i, j)). (3)
The reference albedo of the Europe area is determined m the
previous step for each 5 x 5 km 2 pixel of the Meteosat image by

iterative detection and elimination of cloudy areas. The computa-
tion of cloud albedo, Pc, is performed using the inverse of the
previous algorithm retaining only the cloudy areas. The histogram
of this "only cloud" image provides an estimation of Pc using mode
computation.
This cloud cover index ranges from 0 to 1 and can be interpreted
as the percentage of the cloud cover per pixel. It also provides an
indicator of the transmission of an atmospheric column above the
pixel, with low values corresponding to a high transmission factor. ,
The cloud cover index determination relies on a reliable reference
albedo map, which is affected by seasonal variations. In order to
take these variations into accoùnt, the reference albedo map is
updated during the processing by weight averaging a new cloud free
pixel with previously determined cloud free pixels.
However this method does not perform properly when the
reference albedo is of the same order of magnitude as the albedo of
the clouds. Over Europe, this is specifically the case over snowy
areas. In this case, Cano proposes an alternate cloud index which is
defined usin~ the radiance R 1(i, j) measured by the satellite in the
thermal infrared spectral band:
n 11 (i, j) = (R 1(i, j)- Rs)I(Rc- Rs) (4)
where Re is the radiance of the clouds, and Rs the radiance of
cloud-free snow areas, both determined using image histogram in
the thermal infrared. However no further study of this alternate
approach was performed. In this case the cloud index may become
negative in case of temperature inversion in the lower atmosphere.
Also there must be an objective procedure to .decide which of the
two approaches should be adopted. None of these problems is
presently addressed and the method here described does not use
this alternative.
The total atmospheric transmission factor K(i, j) is defined as the
ratio of global radiation at ground on a horizontal surface G(i, j) to
the horizontal irradiance outside- the atmosphere G0(i, j):
K(i, j) = G(i, j)/G0 (i, j). (5)
Refering to the above definition of the cloud index, the global
ground irradiation at time t is expressed as a linear combination

Gr(i, j) = nr(i, j)Gb(i, j) + (1- nr(i, j))Gc(i, j) (6)
where Gb and Ge are the global ground irradiation for overcast and
clear skies, respectively.
For· each of these extreme conditions, one can define a transmis-
sion factor, respectively Kb and Kc, which is supposed to be
constant for a given hour. This hypothesis leads to the following
linear relation:
Kr(i, j) = n'(i, j)Kb(i, j) + (1- n'(i, j))Kc(i, j)
= n'(i, j)(Kb(i, j)- Kc(i, j)) + Kc(i, j) (7)
= a(i, j)n'(i, j) + b(i, j). (8)
The coefficients a(i, j) and b(i, j) define a linear regression between
the global transmission factor K'(i, j) and the cloud cover index
nr(i, j). Once these coefficients are known at the ground stations, a
method of interpolation between the stations is applied in order to
define the complete field of coefficients a and b for the studied area
and for each hour interval.
4 DESCRIPTION OF THE PROCESSING STEPS
In order to compute both hourly global radiation and monthly

hourly global radiation, the processing steps of Heliosat are the
followings: acquisition, navigation, computation of cloud index and
albedo, computation of solar global radiation.
In 1983 three times a day an image of Europe was acquired at 9 h
18 UT, 12 h 18 UT and 15 h 18 UT by the mean of a Secondary
Data User Station (SDUS). This station provides an analog image
which is stored onto the harddisk of a micro-computer after its
digitization by a board especially designed in this purpose. Since the
Heliosat method compares two albedo images pixel per pixel, it
thus requires very accurate navigation. This is performed automati-
cally using landmarks, the accuracy being less than 0.5 pixel.
Th en· the noise in the image· is removed by a median filter and the
normalized image is computed. It is compared to the map of
268 L. DIABA TÉ et al.
reference albedo to provide the cloud cover index image. At the

same time, the reference albedo of the "instantaneous" cJoud free
pixels is updated by. weight ave'raging the latter with previously
determined cloud free pixels.
If the relationship between the cloud cover index n 1(i, j) and the
global transmission factor K 1(i, j) is known, then the cloud cover
index image is converted into the hourly global radiation image
Gh(i, j) and further into the monthly average hourly global radia-
tion image Gh(i, j).
It was not the case in 1983 since at that time we aimed at the
knowledge of both the relationship between n and K and its
accuracy. Thus regarding the 1983 data we face the weil known but
still unanswered problem of comparing satellite results to ground
measurements. How to compare time-averaged pin-point data
(pyranometers) to instantaneous space-avéraged data (satellite)? To
solve this problem, we make use of the so-called "frozen tur-
bulence" hypothesis which says that the optical characteristics of the
atmosphere are uniformly advected by the main flow. lt thus allows
the average in time to be transformed into the average in space.
However we did not take into account the anisotropy of the main
flow and the cloud cover indexes are averaged within the neigh-
bourhood of the location of the pyranometers before being com-
pared to the ground measurements. ·
5 RESULTS AND DISCUSSION
In 1983, cloud cover ·index images over Europe were computed

three times a day. Routine began January 10 and w_as only
interrupted during May 1983 due to malfunctions in the receiving
deviee. Ali these images were archived. The coïncident measure-
ments of sixteen pyranometers were collected within the French
Meterological Office net and the corresponding global transmission
factor was computed.
The relationship between n and K was estimated statistically by
cornpu ting the parameters of the first inertial axis:
n =AK+B.
Various tests have been ~chieved. We compare K and n over a
period of one month for each month of 1983 except May, and then
over the year. These comparisons were made for each ground
station and for ali the stations merged together and also for each of
the three hours and for the three hours merged together. Su ch tests
will enhance the variations both in time and space of the relation-
ship between K and n.
5.1 Comparison over a period of one month

Figures la, b and c show the correlation coefficient between K and
n for each month, each hour and each station and ali the stations
merged. They demonstrate the validity of the assumption of the
existence of linear relation between the global atmospheric trans-
mission factor K and the cloud cover index n.
As an average the correlation coefficient is better for the middle
of the day. For the first slot (9-10 h UT), the absolute value of the
correlation coefficient is higher than O. 7 for 79% of the stations and
higher than 0.6 for 87% of the stations. For the second slot (11-12 h
UT), the percentages are 83% and 91% respectively and for third
slot (15-16 h UT), 74% and 82% respectively.
The r.m.s. error is shown in Figures 2a, b, c. It is initially given in
the same unit than K. It has been converted into Wh/m 2 by
multiplying it by the horizontal hourly radiation outside the
a 1.o ~-----------.--------,
:..
:· .. ..
iD
.. ;Il ·~
~ ~
.. : ~ .
6
•.
:·
: a
;•
0.!1 D
oL------------------~----~~-~
.J FMAM.J.J A.DND
FIGURE 1 Variations of the absolute value of the correlation coefficient of K and

n versus month for each station. The square means ali stations merged together. a)
9-lOh UT.
b 1.0 . - - - - - - - - - - - - - - - - - - - - ,
:·
.. t. :... ['
:
r? F
... :c .. :•.g ~ a'· :···
::.
1? i.
Co
•D
. a
0.5
0~--------------------~:--~~~:----~
F M A M ~ ~ A B 0 N 0
c 1. 0 r----,.-----:---------:-----,
..
... .
: "
~ f. ~j" -
â "' ·a
~
a
a
i.
0.5
0~~-----------------------~-*----~
~ F M. A M ~ ~ A B 0 N 0
FIGURE 1 (Continued) 'Variations of the absolute value of the correlation

coefficient of K and n versus month for each station. The square means ali stations
merged together. b) 12-13 h UT; c) 15-16 h UT.
atrnosphere Goh cornputed for the location 46°N, 5°E (Table II).
The variations of the r.rn.s error are sirnilar· to those of G0h,
peaking in June and decreasing till Decernber. Thus the discrepancy
between the actual and the estirnated atrnospheric transmission
factor K is rnainly constant throughout the year.
No trend showing the role of a particular station is displayed. The
results show hornogeneity in timè and space.
0.100
!j:, a
:a
:
0.050
i:.-
r
0
.... F M A M .... .... A
• 0 N D
'.......E
~
~
.'lt
0.100
.. ':
.. '? "'
..
.. D
..
:p '? :p
0.050 :.:
:a
::=a :·
~-
r
\D !b
!p
0
.... F M A M .... .... A
• 0 N 0
FIGURE2 Variation of the r.m.s. error versus month for each station. The square
means ali stations merged together. a) 9.10 h UT; b) 12-13 h UT.
0.100
.a
: :D !
0.0!!0 r
ÎD
i. ... :
FIGURE 2 (Continued) Variation of the r.m.s. error versus month for each
station. The square means ali stations merged together. c) 15-16 h UT.
At that time of the study, we have a relationship between K and

n per hour, per station and per month. Keeping in mind the scopes
of the Heliosat project, we have investigated the possibilities of
reducing this great number of relationships to a very few without a
significant loss of accuracy.
TABLE II
Values of Goh (in kWh/m 2 ) for different slots and months
~
~
January
9-10hUT 12-13 h UT 15-16 h UT
0.360 0.520 0.210

February 0.535 0.690 0.390
March 0.830 0.900 0.440
April 1.020 1.055 0.590
May
June 1.140 1.185 0.760
July 1.115 1.165 0.755
August 1.020 1.080 0.640
September 0.890 0.920 0.460
October 0.695 0.720 . 0.220
No vern ber 0.520 0.530 0.170
December 0.115 0.485 0.115
5.2 Comparisons over a period of one year
The analyses have been conducted by taking into account ali the
available data of each month despite the bad data of April 9-10 h
UT which result in an increase of the r.m.s error. Analyses have
been performed as previously described: for each station and ali
stations merged, for each hour and the three hours merged.
Figures 3a, b, c display the relationships between K and n, ali
stations merged over period of one year, for each hour.
The absolute value of the correlation coefficient is equal to
respectively 0.73, 0.79 and 0.78 for respectively slot 9-10 h UT,
12-13 h UT and 15-16 h UT. It is slightly better for the last two
slots th an for the first.
One notes that sorne points in Figures 3 are far from the line
representing the relationship. These points must be caretully
examined and may indicate a particular type or type of clouds:
cirrus, 10 sub-pixel or broken clouds.
The r.m.s. error in the retrieval of K is a bit less than 7% and is
constant for the three hours. Multiplying it by the yearly average of
G~h for each slot gives the r.m.s. error in the retrieval of Gh. Values
of Goh used are respectively 0.8, 0.87 and 0.39 kWh/m 2 and the
corresponding r.m.s. error are 0.053, 0.059 and 0.0027 kWh/m 2 •
These values compare very favorably to those reported by other
authors as indicated in Table I. We must stress that the model of
Cano was developed using the raw digital data· coming from
Meteosat while this study reports on analog data collected by a
SDUS and digitized by ourselves. This enhances the insensibility of
Heliosat to change in signal level and confirms our choice of the
basic model.
Figure 3d displays the relationship between K and n, ali stations
merged over a period of one year and ali the hours merged. The
correlation coefficient is equal to -0.75 and the r.m.s. error in K is
7%. If an average value of 0.687 kWh/m 2 is taken for G0 h, the
r.m.s. error in Gh is 0.064 kWh/m2 • Thus merging the three hours
together increases the r.m.s. error. Consequently we decided that
Heliosat will comprise a relationship per hour and within the hour
the same relationship whatever the geographical location is.
Consistently these relationships must be restricted to France until
further studies demonstrate their geographical extensions.
a
CLOUD INDE)( <n>
A -8.13
B 87.~2
nuMh•r of S&MPl•s 3286
corr•lation co•ffici•nt -8.73
standard d•viation of M 66.13
188 .... :.. '·..:

·, .... ·
58
·· ·-·. \?:r;.J';1:~-:~n~;:;~~i~;.I~;g~.{~;M;~. ;· :. ,.
28111. 4H 6H
TRAHSMITTAHCE )( UMMI ()()
Slot <~-1111h UT) ali stations _.rg•d
b
CLOIID INDE)( <n>
A -8.14
B 182.38
OUMher Of S~Mpl•s 37~6
correlation co•Cfici•nt -8.7~
standard deviation of M 67.47
Hl"
.....
...
~
488 6H
" TRAHSMJTTAHCE )( 111188 <K>
FIGURE 3 Relationship between K and n over a period of one year, ali stations
merged. a) 9-10 h UT; b) 12-13 h UT.
c
CLOUD 1 NDE)( <n l
n=A•I< + B
A -9.14
B 91.89
nuMb~r of saMPl•s 2479
correl~tion coeffici•nt -9.78
stan~ard deviation of 1< 68.54
499 699
TRANSMITTANCE X 1999 (}()
Slot <15-16h UT> ali stations ~erged
d
CLOUD 1 HDt:)( <n)
A -9.14
B 95.11
nuMber or saMples 9552
correlation coefficiPnt -9.75
stan~ard deviation or }( 66.81
TRANSMJTTANCE X 1999 (}()
FIGURE 3 (Continued) Relationship between K and nover a period of one year,

ali stations merged. c) 15-16 h UT; d) three hours merged.
The regression coefficients A and B previously determined

(Figures 3a toc) are now used to estimate Gh. These estimates are
averaged per month and compared to the actual monthly average as
measured by the pyranometers. The discrepancy between these two
data sets which is characterized by the r.m.s. error amounts to
0.066 kWh/m 2 for slot 9-10 UT, 0.060 kWh/m2 for slot 12-13 h UT
and 0.026 kWh/m 2 for slot 15-16 h UT.
6 CONCLUSION
The Heliosat method derives closely from the mode} of Cano. This
latter bas been slightly modified mainly to decrease the time it
requires to run on a micro-computer without a noticeable loss of
accuracy.
This study shows that the relationship between the global
transmission factor and the cloud cover index:
i) is linear in essence,
.ii) does not depend upon the geographical location (at !east for
France),
iii) does not depend upon the month,
iv) does depend upon the moment of the day.
In fact these conclusions must be slightly corrected. These
regression coefficients likely depend upon the sun elevation. We
find they are dependant upon the hour of the day and independent
upon the month or the location. This only reflects that the variation
of the sun elevation v is greater during the day than the variation of
v as a function of the month or of the location under the conditions
encountered in France. This results in a slight increase in the r.m.s.
error when the stations or the months are merged together and in a
noticeable increase if the hours are merged togeth~r. Study is now
in progress to determine the dependency of the relationship
between K and n upon v.
This study also demonstrates that over the year 1983 the error in
the reconstruction of both the instantaneous hourly global radiation
Gh and the monthly average of Gh is Jess than 0.06 kWh/m 2 • When
compared to other methods, Heliosat ranks as one of the most
accurate.
Heliosat was routinely operated in Ecole Nationale Supérieure
FIGURE 4 Yearly average of the global radiation over Europe for slot 12-13 h UT
and for year 1983. Radiation increases from black to white .
..
.,
des Mines de Paris from January 1983 till August 1985. It is now
available as a commercial product and is now currently used within
the French Agency for Energy since January 1987. As an example
of the outputs of the Heliosat system, Figure 4 displays the map of
the global radiation over Europe for slot 12-13 h UT averaged over
the year 1983. The resolution is 5 x 5 km 2 • The values indicated in
this map are in good agreement with those reported by the French
Meteorological office in its 10 years statistical compilation. 16 This
map as weil as others are available on floppy disks for IBM-PC
compatibles.
Acknowledgements
This study was partly supported by Agence Française pour la Maîtrise de l'Energie.
H. Demarcq was granted by Fondation Feucherolles.
References
1. W. Grüter, H. Guillard, W. Moser, J. M. Monget, W. Palz, E. Raschke, R. E.
Reinhardt, P. Schwarzmann and L. Wald, So/ar Radiation Data from Satellites
Images, Solar Energy R & D in the European Community Series F, Solar

Radiation Data, Vol. 4, D. Reidel Publishing Co, (1986).
2. J. D. Tarpley, J. Appl. Meteor., 18, 1172-1183 (1979).
3. D. Cano, J. M. Monget, M. Albuisson, H. Guillard, N. Regas and L. Wald,
Solar Energy, 31, 1, 31-39 (1986).
4. C. Gautier, G. Diak and S. Masse, J. Appl. Meteor., 19, 1005 (1980).
{>. C. Pastre, La Météorologie, 6, 24, 5 (1981).
6. W. Moser and E. Raschke, Met. Rundschau, 36, 33-41 (1983).
7. C. Gautier, J. Appl. Meteor., 21, 51 (1982).
8. D. Cano, Thêse de Docteur-Ingénieur, Ecole Nat. Sup. ·des Télé-
communications (1982).
9. R. Dogniaux, J. M. Grüter, F. Kasten, J. K. Page, C. Perrin De Brichambaut,
F. C. Treble, and W. Palz, /nt. J. Solar Energy, 2, 249-255 (1984).
10. N. Michaud-Regas, Thêse de Doctorat de Sciences, Univ. Paris VII (1986).
11. G.Dedieu, P. Y. Deschamps and Y. H. Kerr, Machine processing of remote/y
sensed data synposium, (1983).
12. S. Marullo and A. Violla, Proceedings of The Fifth Meteosat Scientific User
Meeting, III-11 (1985). ·
13. W. Moser andE. Raschke, J. Climate and Appl. Met., 23, 1, 166-170 (1984).
14. W. Benesch, H. Woick and F. J. Dieckmann, Proceedings of the Fifth Meteosat
Scientific User Meeting, 111-1 (1985). ·
15. G. Bourges, Report of Centre d'Energétique de l'Ecole Nationale Supérieure des
Mines de Paris, (1979).
16. Anonymous, Le gisement solaire en France, n° 6, Ministère des Transports,
Direction de la Météorologie, (1984).
•• 1
1
:
RESUME
Cette thèse a été développée au sein du Projet Heliosat de l'Ecole Nationale Supérieure des
Mines de Paris, avec pour objectifs : (i) la réalisation d'un système d'estimation du
rayonnement solaire au sol à l'aide de données en provenance des satellites géostationnaires ;
(ii) la production en routine de cartes du rayonnement solaire sur une maille très fine au sol ;
(iii) l'amélioration di.t système en fonction des résultats et des progrès scientifiques. '
Nous avons amélioré le modèle original de Cano (1982) et complété sur la base des études
théoriques suivantes : (i) la mise au point d'un modèle de calcul du rayonnement solaire
journalier en moyenne mensuelle ; (ii) l'utilisation du sytème pour n'importe quelle
localisation géographique située dans le champ de vision du capteur du satellite considéré ;
(iii) l'étude des relations existant entre l'indice d'ennuagement et le· coefficient de
transmission globale de l'atmosphère ; (iv) la détermination des rayonnements solaires diffus
et direct basée sur la seule connaissance de données satellitaires.
Cette méthode a été testée sur 30 mois de données satellitaires (12 mois de 1983, Il mois de
1984 et les 7 premiers mois de 1985), les erreurs de reconstitution des rayonnements solaires
global et diffus en horaire instantané étant respectivement de 70 Wh/m 2 et de 99 Whjm 2• Le
rayonnement solaire global journalier mensuel est obtenu à 1Oo/o près de la valeur mesurée au
wl. ·
Enfin nous avons mis en place un système opérationnel à base de micro-ordinateur couplé. à
une station de réception satellitaire et qui utilise la méthode développée pour fournir
automatiquement une cartographie du rayonnement solaire au sol, ainsi que de l'albédo
planétaire et de l'indice d'ennuagement.
Mots clés : Rayonnement solaire, images satellitaires, transmittance atmosphérique globale,

indice d'ennuagement, albédo planétaire, climatologie solaire.
- oüo-
ABSTRACT
This study has been developed withi11 the Heliosat Project of Ecole Nationale Supérieure des
Mines de Paris. The goals of this project are : (i) to design a systein for the estimation of
incident solar radiation at ground le'.(el from images of the Earth acquired by geostationary
satellites ; (ii) to produce detailed maps of the spatial distribution of the global solar
radiation ; and (iii) to improve the sys(em in relation with the results and progress in science.
The original mode! of Càno (1982) has been improved and completed based on the following
theorical studies : (i) calculation of the monthly mean of the daily sum of solar global
radiation ; (ii) use of the system for any geographical area located in the field of view of the
satellite sensor ; (iii) relationships between the global atmospheric transmittance and the cloud
index ; (iv) estimation of both diffuse and bearn parts of the global radiation.
The method has been tested over 30 months of satellite data (12 months in 1983, Il months
in 1984 and 7 months in 1985). The errors in the reconstruction of both of global and diffuse
parts of the instantaneous hour! y global radiation are respectively 70 and 99 Wh/m2 •
In order to provide automatically maps of solar global radiation, planetary albedo and cloud
index, an operational tool has been put together. It is composed of a PC compatible computer
connected to a satellite receiving station and an appropriate software. The software package
has been implemented according to the developed method.
Keywords: Solar radiation, satellites data, global atmospheric transmittance, cloud indèx,
planetary albedo, solar climatology.

Détermination Du Rayonnement Solaire À L'aide D'images Satellitaires

Transféré par

Droits d'auteur :

Formats disponibles

Détermination Du Rayonnement Solaire À L'aide D'images Satellitaires

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Détermination Du Rayonnement Solaire À L'aide D'images Satellitaires

Transféré par

Droits d'auteur :

Formats disponibles

Détermination du rayonnement solaire à l’aide d’images

To cite this version:

HAL Id: pastel-00956223

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

L'ECOLE NATIONALE SUPERIEURE DES MINES DE PARIS

DETERMINA TlON DU RAYONNEMENT SOLAIRE

soutenue le 9 Juin 1989, devant le Jury composé de :

MM. R. GICQUEL ........................................ Président

CENTRE DE TELEDETECTION ET D'ANALYSE DES MILIEUX NATURELS

Je remercie, Monsieur R. Gicquel, Directeur du Centre d'Energétique de l'ENSMP, qui a

Monsieur Perrin de Brichambaut, Ingénieur Général · de la Météorologie, apporte l'aval

Je remercie Me:;sieurs L. Elégailt, Professeur à l'Université de Nice, J.-L. Domergue, Chargé

Mes remerciements vont également à Messieurs M. Albuisson, Directeur-adjoint du CTAMN,

Chapitre 1 Introduction Générale........................................................................................... 6

Chapitre 2 : Présentation de la méthode Heliosat ................................................................. 13

Chapitre 3 Détermination du rayonnement global journalier en moyenne

Chapitre 4 Comparaison entre le coefficient de transmission globale et

Chapitre 5 : Quelques exemples de cartes du rayonnement solaire global

Chapitre 6 : Détermination du rayonnement solaire diffus au sol sur plan

Chapitre 7 : Conclusions et perspectives .............................................................................. 196

Chapitre 8 : Références bibliographiques ............................................................................. 200

Annexe [1] : Publication 1 : Une méthode de détermination de la

Annexe (2] : Publication 2 : Description d'un système opérationnel de

Annexe [3] : Publication 3 : Cartographie et étude de la variation

Annexe [4] : Rappel mathématique sur la détermination de l'axe d'inertie

Annexe [5] : Nomenclature des stations de mesurés de la Météorologie

Annexe [6] : Publication 4 : Estimation du rayonnement solaire au sol à

La bonne connaissance du rayonnement solaire dans le temps et dans l'espace requiert

Du fait du nombre insuffisant de stations de mesures pyranométriques, les données de la

La précision des formules du type Angstrôm dépend en partie du lieu de mesure et de la

d'évaluation est estimée entre 10 et 15% en valeur décadaire et entre 7 et 8% en valeur

L'utilisation de données en provenance des satellites météorologiques, tant pour leur

catégorie utilisant un modèle physique. Le principe consiste à modéliser les transferts

- catégorie essentiellement statistique. Le principe consiste à établir une ou plusieurs

(i) mise en forme des données satellitaires (navigation, étalonnage),

(ii) détermination préalable d'une quantité (albédo, luminance, ... ) correspondant à la

(iii) idem à (ii) mais pour un ciel complètement couvert,

(iv) transformation des mesures de télédétection en données relatives à l'ensoleillement au

- réalisation d'un système pour l'estimation du rayonnement solaire au sol à l'aide de

- production en temps réel de cartes, bien détaillées spatialement, du rayonnement solaire au

- amélioration du système en fonction des résultats et des progrès scientifiques.

Les chapitres 4, 5 et 6 sont d'ordre climatologique. Dans le chapitre 4, sont établies

PRESENTATION DE LA METHODE HELIOSAT

La méthode Heliosat pour l'évaluation du rayonnement solaire global au sol à l'aide de

Météosat a été conçu pour trois fonctions (Morgan [22]) :

Notre apport à cette méthode se résume principalement à la conception et réalisation du

La méthode Heliosat, hors rayonnement journalier, se décompose en plusieurs étapes :

- rectification géométrique des images satellitaires et filtrage du bruit,

- construction de la carte d'albédo de référence et sa réactualisation,

- détermination de l'indice d'ennuagement,

- relation entre le coefficient de transmission globale et l'indice d'ennuagement,

- détermination du rayonnement global horaire instantané au sol sur plan horizontal,

2.1 Rectification géométrique et filtrage du bruit de mesure du capteur du satellite

2.2 Construction de la carte d'albédo de référence et sa réactualisation

L'albédo du sol change en fonction de la couverture végétale, . donc des variations

La construction de la carte d'albédo de référence et sa réactualisation passent par plusieurs

- la construction de la carte de luminance normalisée par ciel clair, autrement dit la

- la réactualisation de l'albédo du sol,

La normalisation et la construction de la carte d'albédo sont abondamment discutées dans