M3 : Science ouverte pour les ressources en eau

Quels outils et jeux de données sont disponibles pour quantifier la quantité et la disponibilité de l’eau ?

Le troisième module de notre curriculum en science climatique ouverte se concentre sur la manière de démarrer un projet de science computationnelle reproductible, en utilisant les ressources en eau comme exemple thématique. À la fin de ce module, vous devriez être capable de :

• Décrire les principaux flux et réservoirs du cycle hydrologique terrestre ;
• Savoir où accéder à des données télédétectées ou modélisées sur les anomalies de stockage d’eau, l’évapotranspiration et l’humidité du sol ;
• Calculer un bilan hydrique.

Contenu

1. Créer un environnement logiciel de recherche
2. Analyser un cube de données globales de précipitations
3. Suivre les modifications du code de recherche
4. Créer un bilan hydrique à l’échelle d’un bassin
5. Documenter notre flux de travail de bilan hydrique

Prise en main

Voir notre guide d’installation ici.

Vous pouvez exécuter les notebooks de ce dépôt en utilisant Github Codespaces ou comme conteneur Dev VSCode. Une fois votre conteneur lancé, démarrez Jupyter Notebook avec :

# Créez votre propre mot de passe lorsqu’on vous le demande
jupyter server password

# Puis lancez Jupyter Notebook ; entrez votre mot de passe lorsqu’on vous le demande
jupyter notebook

Les bibliothèques Python nécessaires pour les exercices peuvent être installées avec le gestionnaire pip :

pip install xarray netcdf4 dask

Les données nécessaires pour cette leçon peuvent être téléchargées ici, depuis Zenodo.

Résultats d’apprentissage

Ce cours couvre les Compétences fondamentales en science des données computationnelles :

• Choisir des noms de fichiers significatifs (CC1.3)
• Documenter les relations entre code, résultats et métadonnées (CC1.5)
• Utiliser un gestionnaire de paquets pour installer et gérer les dépendances logicielles (CC1.10)
• Comprendre les tableaux multidimensionnels (CC2.3)
• Pouvoir faire évoluer un flux de travail computationnel (CC2.6)
• Choisir des noms de variables clairs et informatifs (CC3.8)
• Comprendre les versions logicielles et leur gestion (CC4.4)
• Utiliser des assertions pour vérifier les hypothèses à l’exécution (CC4.7)
• Écrire de courtes fonctions simples sans effets secondaires (CC4.9)

En outre, les apprenants verront comment :

• Installer et gérer des paquets Python
• Fusionner plusieurs fichiers HDF dans un xarray.Dataset
• Extraire une sous-partie d’un xarray.Dataset en utilisant un shapefile ESRI
• Découper et reprojeter des données raster à partir d’un shapefile ESRI
• Calculer un bilan hydrique en utilisant les données de précipitations, d’évapotranspiration et de ruissellement
• Utiliser Git et Github pour suivre et sauvegarder les modifications du code de recherche

Jeux de données climatiques utilisés

• Totaux mensuels de précipitations issus de NASA IMERG-Final
• Données annuelles d’évapotranspiration du produit MODIS MOD16 de la NASA
• Anomalies de stockage d’eau terrestre des missions NASA GRACE et GRACE-FO
• Données de ruissellement de la base HYSETS

Remerciements

Ce curriculum a été rendu possible grâce à une subvention du programme NASA Transition to Open Science (TOPS) Training (80NSSC23K0864), faisant partie du programme TOPS de la NASA.