L'eau est une ressource naturelle, qui depuis des millions d'années participe au cycle de la vie. Mais depuis peu, le changement climatique et les activités humaines remettent en cause l'équilibre du cycle de l'eau, alors même que les besoins en eau ne cesse d'augmenter. En effet, les besoins en eau de l'agriculture représentent 70% de l'utilisation de l'eau douce et ces besoins vont croître avec d'une population mondiale grandissante. Pour préserver cette ressource, il est nécessaire d'améliorer la connaissance sur les surfaces irriguées ainsi que les besoins et consommations en eau des cultures sur de grandes surfaces, mais elle n'est pas simple à appréhender à cause de la forte variabilité spatiale des sols, du climat et des pratiques culturales. La télédétection a un rôle fondamental à jouer et plus particulièrement les données Sentinel-1 et Sentinel-2.
Dans ce contexte, ces travaux de thèse ont vocation à fournir des outils de diagnostics pour d'assurer une gestion optimale de la ressource en eau à l'échelle des bassins versants. Pour cela une approche cartographie des surfaces irriguées en zones tempérées à partir d'images satellites Sentinel-1 & 2 a été développée. Cette approche basée sur le couplage de données satellitaire (optique et radar) et un algorithme de classification supervisée (Random Forest) a permis de cartographier à l'échelle parcellaire les pratiques d'irrigation des cultures d'été sur deux territoires du bassin versant de l'Adour - Garonne (Adour amont et Tarn aval). La méthodologie a pu être validée grâce aux données colletées par les partenaires, soit la CACG, et les chambres d'Agriculture Hautes-Pyrénéens et du Tarn. En parallèle, la méthode a été développée dans un but opérationnel, en prennent en compte les contraintes techniques que les gestionnaires de la ressource en eau peuvent rencontre face à la quantité importante de données, que représente les images satellitaires. Pour cela, l'approche développée se base sur les cumuls mensuels d'indices de végétation et des polarisations radars. L'utilisation de ces cumuls permet de réduire l'utilisation de la ressource informatique, pour générer une carte , tout en conservant les performances de l'approche.
Pour la modélisation des besoins et des consommations en eau du maïs irrigué, le modèle SAMIR a été utilisé. Ce modèle utilise des images satellites d’indice de végétation (NDVI et FCover) pour simuler le bilan hydrique de culture. Il a été appliqué à différentes échelles spatiales et sur différents jeux de données de validation. Le modèle a été calibré et validé sur la parcelle expérimentale de Lamothe pour laquelle nous disposons, depuis 2008, de données d’évapotranspiration réelle (ETR) acquises par la méthode d’Eddy-Covariance. Cette phase de calibration/validation a permis d'apporter des modifications sur l'estimation de l'évaporation du sol et sur le suivi du développement de la végétation. Les estimations des besoins en eau ont ensuite été validées sur un ensemble de parcelles ainsi que sur 4 périmètres irrigués (ASA) et deux périmètres élémentaires (BV Adour amont et Neste). Les résultats montrent que le modèle est capable de reproduire de façon satisfaisante les besoins en eau d'irrigation des parcelles des partenaires lorsque la réserve utile du sol (RUM) est estimée à partir de données GlobalSoilMap et de la profondeur d'enracinement maximale estimer par le Référentiel Régionale Pédologique. A l'échelle des ASA et des BV, le modèle a tendance à sous-estimer les volumes saisonniers. Les résultats illustrent la nécessite d'une bonne estimation de la RUM, à une échelle compatible avec une approche de modélisation du bilan hydrique à la parcelle pour pouvoir estimer correctement les irrigations saisonnières et les volumes.
Ces conclusions sont toutefois dépendantes du jeu de données disponible et du modèle et de la méthode de calibration choisis et ce travail nécessite un jeu de données plus important et de plus amples analyses |
Water is a natural resource that has been part of the life cycle for millions of years. But recently, climate change and human activities have challenged the balance of the water cycle, even as the need for water continues to grow. Indeed, the water needs of agriculture represent 70% of freshwater use and these needs will grow with a growing world population. To preserve this resource, it is necessary to improve knowledge of irrigated areas and the water needs and consumption of crops over large areas, but this is not easy to understand because of the high spatial variability of soils, climate and cultivation practices. Remote sensing has a fundamental role to play and more particularly Sentinel-1 and Sentinel-2 data.
In this context, the aim of this thesis is to provide diagnostic tools to ensure optimal management of water resources at the watershed scale. For this purpose, a mapping approach of irrigated areas in temperate zones from Sentinel-1 & 2 satellite images was developed. This approach, based on the coupling of satellite data (optical and radar) and a supervised classification algorithm (Random Forest), made it possible to map the irrigation practices of summer crops on a parcel scale in two territories of the Adour-Garonne catchment area (Adour amont and Tarn aval). The methodology was validated thanks to the data collected by the partners, i.e. the CACG, and the Hautes-Pyrénéens and Tarn chambers of agriculture. In parallel, the method was developed with an operational aim, taking into account the technical constraints that water resource managers may encounter when faced with the large amount of data represented by satellite images. To this end, the approach developed is based on the monthly aggregations of vegetation indices and radar polarisations. The use of these accumulations reduces the use of computer resources to generate a map, while maintaining the performance of the approach.
The SAMIR model was used to model the water requirements and consumption of irrigated maize. This model uses satellite images of vegetation index (NDVI and FCover) to simulate the crop water balance. It was applied at different spatial scales and on different validation data sets. The model was calibrated and validated on the Lamothe experimental plot for which we have had evapotranspiration (ETR) data since 2008, acquired by the Eddy-Covariance method. This calibration/validation phase allowed us to make modifications to the estimation of soil evaporation and to the monitoring of vegetation development. The estimates of water requirements were then validated on a set of plots as well as on 4 irrigated areas (ASA) and two elementary areas (BV Adour amont and Neste). The results show that the model is capable of satisfactorily reproducing the irrigation water needs of the partners' plots when the available water capacity (AWC) is estimated from GlobalSoilMap data and the maximum rooting depth estimated by the Référentiel Régionale Pédologique. At the ASA and BV scale, the model tends to underestimate seasonal volumes. The results illustrate the need for a good estimation of the AWC, at a scale compatible with a water balance modelling approach at the plot level, in order to be able to correctly estimate seasonal irrigations and volumes.
However, these conclusions are dependent on the data set available and the model and calibration method chosen, and this work requires a larger data set and further analysis. |