Estimation spatialisée de la biomasse et des besoins en eau des cultures à l'aide de données satellitales à hautes résolutions spatiale et temporelle : application aux agrosystèmes du sud-ouest de la France

par Martin Claverie

Thèse de doctorat en Télédétection de la biosphère continentale-Modélisation

Sous la direction de Valérie Demarez et de Benoît Duchemin.

Soutenue en 2012

à Toulouse 3 .

mots clés

• Télédétection
• Biomasse
• Agrosystèmes
• Evapotranspiration
• Modèle de culture
• Irrigation
• Indice de surface foliaire
• Biomasse -- Analyse
• Télédétection
• Écologie agricole

Résumé

Il existe un lien étroit entre les agrosystèmes et les cycles du carbone (processus de séquestration du carbone dans les sols) et de l'eau (systèmes de production par irrigation). Cette thèse contribue à l'analyse et la validation des méthodes de quantification, sur de grandes surfaces, de la biomasse (cycle du carbone) et des besoins en eau (cycle de l'eau) des agrosystèmes. Pour répondre à cet objectif, des données de télédétection sont assimilées dans un modèle de cultures, SAFY (Simple Algorithm For Yield Estimate), au travers d'une variable biophysique clés, le GAI (Green area index). Des méthodes d'estimation in situ (par proxy-détection) et spatialisées (par inversion de modèles de transfert radiatif) du GAI sont, tout d'abord, étudiées et validées. Les séries temporelles de GAI déterminées à partir des données de télédétection sont ensuite utilisées pour étalonner le modèle SAFY, conduisant à des estimations spatialisées de biomasse et des besoins en eau des cultures. Ces estimations sont validées par confrontation à un dispositif expérimental mis en place entre 2006 et 2010 et situé dans le sud-ouest de la France. Les cultures étudiées sont des cultures d'été non irriguées (tournesol) et irriguées (maïs, soja). Les données de télédétection utilisées pour estimer les séries temporelles de GAI sont issues du capteur Formosat-2. Ces données sont particulièrement pertinentes car elles combinent une haute résolution spatiale (8 m) et une haute fréquence temporelle (1 jour), indispensables pour le suivi des surfaces agricoles.

Titre traduit

Crop biomass and water needs estimation from high spatial and temporal resolutions remote sensing data : application to southwest France agrosystems

Résumé

There is a close relationship between agrosystems (or agroecosystems) and carbon (soil carbon sequestration process) and water (irrigation management systems) cycles. This PhD thesis contributes to the analysis and the validation of methods for quantification of agrosystems biomass (carbon cycle) and water needs (water cycle) over large land surfaces. To this end, remote sensing data are assimilated within a crop model, SAFY (Simple Algorithm For Yield Estimate), through a key biophysical variable, the GAI (Green area index). GAI in situ (proxy-detection) and spatialized (inversion of radiative transfer models) estimation methods are first assessed. Secondly, remote sensed time series of GAI are used for the calibration of the SAFY crop model in order to deliver spatial estimates of crop biomass and water needs. These estimations are validated, through direct comparison with an experimental system which is located in the southwest of France and run from 2006 to 2010. Studied crops are maize and soybean, which are irrigated, and also sunflower, which is non-irrigated. Remote sensing data used to estimate the time series of GAI are taken from Formosat-2 sensors. Such data are particularly relevant for the crop monitoring because they combine high spatial resolution (8 m) and high temporal frequency (1 day).