Monitoring crops water needs at high spatio-temporal resolution by synergy of optical/thermal and radar observations

par Abdelhakim Amazirh

Thèse de doctorat en Surfaces et interfaces continentales, hydrologie

Sous la direction de Abdelghani Chehbouni.

  • Titre traduit

    Suivi des besoins en eau des cultures à haute résolution spatio-temporelle par synergie des observations optiques/thermiques et radar


  • Résumé

    L'optimisation de la gestion de l'eau en agriculture est essentielle dans les zones semi-arides afin de préserver les ressources en eau qui sont déjà faibles et erratiques dues à des actions humaines et au changement climatique. Cette thèse vise à utiliser la synergie des observations de télédétection multispectrales (données radar, optiques et thermiques) pour un suivi à haute résolution spatio-temporelle des besoins en eau des cultures. Dans ce contexte, différentes approches utilisant divers capteurs (Landsat-7/8, Sentinel-1 et MODIS) ont été developpées pour apporter une information sur l'humidité du sol (SM) et le stress hydrique des cultures à une échelle spatio-temporelle pertinente pour la gestion de l'irrigation. Ce travail va parfaitement dans le sens des objectifs du projet REC "Root zone soil moisture Estimates at the daily and agricultural parcel scales for Crop irrigation management and water use impact: a multi-sensor remote sensing approach" (http://rec.isardsat.com/) qui visent à estimer l'humidité du sol dans la zone racinaire (RZSM) afin d'optimiser la gestion de l'eau d'irrigation. Des approches innovantes et prometteuses sont mises en place pour estimer l'évapotranspiration (ET), RZSM, la température de surface du sol (LST) et le stress hydrique de la végétation à travers des indices de SM dérivés des observations multispectrales à haute résolution spatio-temporelle. Les méthodologies proposées reposent sur des méthodes basées sur l'imagerie, la modélisation du transfert radiatif et la modélisation du bilan hydrique et d'énergie et sont appliquées dans une région à climat semi-aride (centre du Maroc). Dans le cadre de ma thèse, trois axes ont été explorés. Dans le premier axe, un indice de RZSM dérivé de LST-Landsat est utilisé pour estimer l'ET sur des parcelles de blé et des sols nus. L'estimation par modélisation de ET a été explorée en utilisant l'équation de Penman-monteith modifiée obtenue en introduisant une relation empirique simple entre la résistance de surface (rc) et l'indice de RZSM. Ce dernier est estimé à partir de la température de surface (LST) dérivée de Landsat, combinée avec les températures extrêmes (en conditions humides et sèches) simulée par un modèle de bilan d'énergie de surface piloté par le forçage météorologique et la fraction de couverture végétale dérivée de Landsat. La méthode utilisée est calibrée et validée sur deux parcelles de blé situées dans la même zone près de Marrakech au Maroc. Dans l'axe suivant, une méthode permettant de récupérer la SM de la surface (0-5 cm) à une résolution spatiale et temporelle élevée est développée à partir d'une synergie entre données radar (Sentinel-1) et thermique (Landsat) et en utilisant un modèle de bilan d'énergie du sol. L'approche développée a été validée sur des parcelles agricoles en sol nu et elle donne une estimation précise de la SM avec une différence quadratique moyenne en comparant à la SM in situ, égale à 0,03 m3 m-3. Dans le dernier axe, une nouvelle méthode est développée pour désagréger la MODIS LST de 1 km à 100 m de résolution en intégrant le SM proche de la surface dérivée des données radar Sentinel-1 et l'indice de végétation optique dérivé des observations Landsat. Le nouvel algorithme, qui inclut la rétrodiffusion S-1 en tant qu'entrée dans la désagrégation, produit des résultats plus stables et robustes au cours de l'année sélectionnée. Dont, 3,35 °C était le RMSE le plus bas et 0,75 le coefficient de corrélation le plus élevé évalués en utilisant le nouvel algorithme.


  • Résumé

    Optimizing water management in agriculture is essential over semi-arid areas in order to preserve water resources which are already low and erratic due to human actions and climate change. This thesis aims to use the synergy of multispectral remote sensing observations (radar, optical and thermal data) for high spatio-temporal resolution monitoring of crops water needs. In this context, different approaches using various sensors (Landsat-7/8, Sentinel-1 and MODIS) have been developed to provide information on the crop Soil Moisture (SM) and water stress at a spatio-temporal scale relevant to irrigation management. This work fits well the REC "Root zone soil moisture Estimates at the daily and agricultural parcel scales for Crop irrigation management and water use impact: a multi-sensor remote sensing approach" (http://rec.isardsat.com/) project objectives, which aim to estimate the Root Zone Soil Moisture (RZSM) for optimizing the management of irrigation water. Innovative and promising approaches are set up to estimate evapotranspiration (ET), RZSM, land surface temperature (LST) and vegetation water stress through SM indices derived from multispectral observations with high spatio-temporal resolution. The proposed methodologies rely on image-based methods, radiative transfer modelling and water and energy balance modelling and are applied in a semi-arid climate region (central Morocco). In the frame of my PhD thesis, three axes have been investigated. In the first axis, a Landsat LST-derived RZSM index is used to estimate the ET over wheat parcels and bare soil. The ET modelling estimation is explored using a modified Penman-Monteith equation obtained by introducing a simple empirical relationship between surface resistance (rc) and a RZSM index. The later is estimated from Landsat-derived land surface temperature (LST) combined with the LST endmembers (in wet and dry conditions) simulated by a surface energy balance model driven by meteorological forcing and Landsat-derived fractional vegetation cover. The investigated method is calibrated and validated over two wheat parcels located in the same area near Marrakech City in Morocco. In the next axis, a method to retrieve near surface (0-5 cm) SM at high spatial and temporal resolution is developed from a synergy between radar (Sentinel-1) and thermal (Landsat) data and by using a soil energy balance model. The developed approach is validated over bare soil agricultural fields and gives an accurate estimates of near surface SM with a root mean square difference compared to in situ SM equal to 0.03 m3 m-3. In the final axis a new method is developed to disaggregate the 1 km resolution MODIS LST at 100 m resolution by integrating the near surface SM derived from Sentinel-1 radar data and the optical-vegetation index derived from Landsat observations. The new algorithm including the S-1 backscatter as input to the disaggregation, produces more stable and robust results during the selected year. Where, 3.35 °C and 0.75 were the lowest RMSE and the highest correlation coefficient assessed using the new algorithm.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Autre version

Cette thèse a donné lieu à une publication en 2019 par Université Toulouse 3 à Toulouse

Monitoring crops water needs at high spatio-temporal resolution by synergy of optical/thermal and radar observations


Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université Paul Sabatier. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.

Consulter en bibliothèque

Cette thèse a donné lieu à une publication en 2019 par Université Toulouse 3 à Toulouse

Informations

  • Sous le titre : Monitoring crops water needs at high spatio-temporal resolution by synergy of optical/thermal and radar observations
  • Détails : 1 vol. (208 p.)
La version de soutenance de cette thèse existe aussi sous forme papier.

Où se trouve cette thèse\u00a0?

Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.