Synthèses de la durée de l’enneigement au 1er avril dans les Pyrénées

Sentinel-2 snow-ice

Simon Gascoin, 20 avril 2019

Le 1er avril est la date souvent utilisée par les hydrologues pour caractériser le stock de neige disponible avant la saison de fonte. A partir des produits neige Theia, j’ai calculé la durée d’enneigement par pixel de 20 m dans les Pyrénées depuis le début de l’année hydrologique (le 1er septembre 2018) jusqu’au 1er avril 2019.

Durée de l’enneigement entre le 01 Septembre 2018 et le 01 Avril 2019


Il est possible de comparer avec les deux années précédentes (voir ici et ici)

Alors que l’enneigement s’annonçait plutôt déficitaire au 1er avril 2019, les chutes de neige tardives du mois d’avril ont changé la donne ! Le diagnostic au 1er avril devra donc être revisité plus tard dans la saison.

Ce travail est effectué dans le cadre du projet CLIM’PY de l’Observatoire Pyrénéen du Changement Climatique (projet FEDER/Poctefa) https://opcc-ctp.org

Merci à Manuel Grizonnet (CNES) et Germain Salgues (Magellium) pour l’implémentation des synthèses annuelles!

Plus d'actualités

Sentinel-2 reveals the surface deformation after the 2025 Myanmar earthquake

Sentinel-2 captured several clear-sky images of Myanmar before and after the 28 March 2025 earthquake. The animation below shows a 5-day apart sequence of images captured by Sentinel-2B and Sentinel-2C (10 m resolution) near the epicenter located close to Mandalay. The surface slip due to the earthquake follows the Sagaing Fault, a major fault in […]

Evolution de l’altitude de la ligne de neige au cours des 41 dernières années dans le bassin versant du Vénéon (Oisans)

Pour contribuer à caractériser les conditions hydrométéorologiques lors de la crue torrentielle qui a frappé la Bérarde en juin, j’ai analysé une nouvelle série de cartes d’enneigement qui couvre la période 1984-2024 [1]. Grâce à la profondeur temporelle de cette série, on constate que l’altitude de la ligne de neige dans le bassin versant du […]

Biophysical parameter retrieval from Sentinel-2 images using physics-driven deep learning for PROSAIL inversion

The results presented here are based on published work: Y. Zérah, S. Valero, and J. Inglada. « Physics-constrained deep learning for biophysical parameter retrieval from sentinel-2 images: Inversion of the prosail model« , in Remote Sensing of Environment, doi: 10.1016/j.rse.2024.114309. This work is part of the PhD of Yoël Zérah, supervised by Jordi Inglada and Silvia Valero. […]

Rechercher