Modélisation des changements d’occupation et d’usage des sols par télédétection : application à l’agriculture irriguée (Inde)

par Amit kumar Sharma

Projet de thèse en Geographie

Sous la direction de Samuel Corgne et de Laurence Hubert-Moy.

Thèses en préparation à Rennes 2 , dans le cadre de École doctorale Sciences humaines et sociales (Rennes) depuis le 01-10-2014 .


  • Résumé

    Cette thèse s’inscrit le programme de recherche AICHA/CEFIPRA, dans lequel le LETG Rennes COSTEL intervient dans le Work Package 3 et étudie les impacts des dynamiques spatiales et temporelles des changements d’occupation et d’usage des sols sur la durabilité des systèmes agraires à l’échelle d’un bassin versant expérimental (labellisé INRA). Nous évaluons ainsi l’apport de la combinaison de données satellitaires multi sources pour la modélisation des changements d’occupation et d’usage des sols et leurs interactions avec la ressource en eau. Nous utiliserons ainsi des images satellitaires optiques pour la reconstruction des trajectoires d’occupation des sols sur un bassin versant localisé au sud-ouest de l’Inde sur les quatre dernières décennies. Ainsi, il s’agira de caractériser non seulement les changements d’occupation et d’usage des sols mais également les pratiques agricoles associées (irrigation), les stades phénologiques des cultures (début de croissance, pic de croissance, sénescence…), les rotations et successions culturales (périodes sans culture, jachères, inter-cultures…). Ces données serviront, dans le cadre du programme AICHA, à mieux calibrer les modèles (agronomique, hydrologiques, climatiques, socio-économique…) visant à une meilleure compréhension et gestion des territoires. Les territoires d’agriculture irriguée sont en effet déjà touchés par les effets du changement global (climatique, démographique, économique, social…) avec notamment des impacts majeurs sur l’environnement (pollution de la ressource en eau, des sols, désertification, déforestation, baisse de la biodiversité…) menaçant la pérennité même des sociétés. La « durabilité » des territoires agricoles passera ainsi nécessairement par une plus fine connaissance et compréhension des dynamiques spatio-temporelles qui interagissent avec l’environnement et les sociétés.


  • Résumé

    My research will focus on Study of Land use /land cover (LULC) change dynamics and its impact on climate change using remote sensing and in-situ observation. In last four decades farmers of India are switching towards Irrigated crops as it is facilitating them to grow more cash crops like Turmeric, Banana, Garlic, ginger, Onion, etc., which has a direct impact on water and energy budget by intensive pumping of groundwater. This resulted in an increase of irrigated area by 23 %. As my experimental watershed is in semi-arid zone, acquiring temporal optical satellite images throughout the Kharif and Rabi season is difficult due to cloud formation. So we will use high resolution synthetic aperture radar (SAR) images under VIGISAT program, for better land use classification and for better crop yield estimation that fills the gap of optical satellite imageries. From a methodological point of view, many scientific challenges are also up to model changes in occupancy and land use (Betbeder et al, 2014; Corgne et al, 2014.). Thus in satellite imagery classifications very high spatial and temporal resolution will require innovative methodological developments based on algorithms including classification manager of the information multi-temporal and multi source, a higher spectral and spatial wealth. From new graphical representation modes "spatial temporality" will also be developed to represent the phenology or cultural practices such as irrigation an example. About modeling occupancy changes and land use, it will have to incorporate a spatially level of information on the characterization of land use, cultural practices. It will thus represent spatial and temporal variability of human actions under multiple constraints (environmental and socio-economic) and to study their interactions with the environment. In this perspective, we will favor a spatially explicit modeling based on cellular automata and multi-agent systems. Unlike conventional approaches, the space is not considered as a structural element of the model, but as a forcing data resulting from a combination of phenomena operating at different spatial and temporal scales (Tissot et al., 2005). This modeling will, among other spatially formalize factors driving land use changes interact with changing environmental constraints, especially climate change at fine scales. The results produced at the field scale will provide local players and managers different adaptation scenarios of agricultural territories to climate change.