Les capteurs micro-ondes passifs SMOS et SMAP fournissent des données d'humidité du sol (SM) à une résolution d’environ 40 km avec un intervalle de 2 à 3 jours à l'échelle mondiale et une profondeur de détection de 0 à 5 cm. Ces données sont très pertinentes pour les applications climatiques et météorologiques. Cependant, pour les applications à échelle régionales (l'hydrologie) ou locales (l'agriculture), des données de SM à une haute résolution spatiale (typiquement 100 m ou plus fine) seraient nécessaires. Les données collectées par les capteurs optiques/thermiques et les radars peuvent fournir des indicateurs de SM à haute résolution spatiale, mais ces deux approches alternatives ont des limites. En particulier, les données optiques/thermiques ne sont pas disponibles sous les nuages et sous les couverts végétaux. Quant aux données radar, elles sont sensibles à la rugosité du sol et à la structure de la végétation, qui sont tous deux difficiles à caractériser depuis l'espace. De plus, la résolution temporelle de ces données est d’environ 6 jours.
Dans ce contexte, la ligne directrice de la thèse est de proposer une nouvelle approche qui combine pour la première fois des capteurs passifs micro-ondes, optiques/thermiques et actifs micro-ondes (radar) pour estimer SM sur de grandes étendues à une résolution de 100 m chaque jour. Notre hypothèse est d'abord de nous appuyer sur une méthode de désagrégation existante (DISPATCH) des données SMOS/SMAP pour atteindre la résolution cible obtenue par les radars. À l'origine, DISPATCH est basé sur l'efficacité d'évaporation du sol (SEE) estimée sur des pixels partiellement végétalisés à partir de données optiques/thermiques (généralement MODIS) de température de surface et de couverture végétale à résolution de 1 km. Les données désagrégées de SM sont ensuite combinées avec une méthode d'inversion de SM basée sur les données radar afin d'exploiter les capacités de détection des radars Sentinel-1. Enfin, les capacités de l'assimilation des données satellitaires de SM dans un modèle de bilan hydrique du sol sont évaluées en termes de prédiction de SM à une résolution de 100 m et à une échelle temporelle quotidienne.
Dans une première étape, l'algorithme DISPATCH est amélioré par rapport à sa version actuelle, principalement 1) en étendant son applicabilité aux pixels optiques entièrement végétalisés en utilisant l'indice de sécheresse de la végétation basé sur la température et un produit de couverture végétale amélioré, et 2) en augmentant la résolution de désagrégation de 1 km à 100 m en utilisant les données optiques/thermiques de Landsat (en plus de MODIS). Le produit de SM désagrégé à la résolution de 100 m est validé avec des mesures in situ collectées sur des zones irriguées au Maroc, indiquant une corrélation spatiale quotidienne variant de 0,5 à 0,9.
Dans un deuxième étape, un nouvel algorithme est construit en développant une synergie entre les données DISPATCH et radar à 100 m de résolution. En pratique, le produit SM issu de DISPATCH les jours de ciel clair est d'abord utilisé pour calibrer un modèle de transfert radiatif radar en mode direct. Ensuite, le modèle de transfert radiatif radar ainsi calibré est utilisé en mode inverse pour estimer SM à la résolution spatio-temporelle de Sentinel-1. Sur les sites de validation, les résultats indiquent une corrélation entre les mesures satellitaires et in situ, de l'ordre de 0,66 à 0,81 pour un indice de végétation inférieur à 0,6.
Dans une troisième et dernière étape, une méthode d'assimilation optimale est utilisée pour interpoler dans le temps les données de SM à la résolution de 100 m. La dynamique du produit SM dérivé de l'assimilation de SM DISPATCH à 100 m de résolution est cohérente avec les événements d'irrigation. Cette approche peut être facilement appliquée sur de grandes zones, en considérant que toutes les données (télédétection et météorologique) requises en entrée sont disponibles à l’échelle globale. |
SMOS and SMAP passive microwave sensors provide soil moisture (SM) data at ~40 km resolution every 2-3 days globally, with a 0-5 cm sensing depth relevant for climatic and meteorological applications. However, SM data would be required at a higher (typically 100 m or finer) spatial resolution for many other regional (hydrology) or local (agriculture) applications. Optical/thermal and radar sensors can be used for retrieving SM proxies at such high spatial resolution, but both techniques have limitations. In particular, optical/thermal data are not available under clouds and underplant canopies. Moreover, radar data are sensitive to soil roughness and vegetation structure, which are challenging to characterize from outer space, and have a repeat cycle of at least six days, limiting the observations' temporal frequency.
In this context, the leading principle of the thesis is to propose a new approach that combines passive microwave, optical/thermal, and active microwave (radar) sensors for the first time to retrieve SM data at 100 m resolution on a daily temporal scale. Our assumption is first to rely on an existing disaggregation method (DISPATCH) of SMOS/SMAP SM data to meet the target resolution achieved by radars. DISPATCH is originally based on the soil evaporative efficiency (SEE) retrieved over partially vegetated pixels from 1 km resolution optical/thermal (typically MODIS) surface temperature and vegetation cover data. The disaggregated SM data is then combined with a radar-based SM retrieval method to exploit the sensing capabilities of the Sentinel-1 radars. Finally, the efficacy of the assimilation of satellite-based SM data in a soil water balance model is assessed in terms of SM predictions at the 100 m resolution and daily temporal scale.
As a first step, the DISPATCH algorithm is improved from its current version by mainly 1) extending its applicability to fully vegetated optical pixels using the temperature vegetation dryness index and an enhanced vegetation cover product, and 2) increasing the targeted downscaling resolution from 1 km to 100 m using Landsat (in addition to MODIS) optical/thermal data. The 100 m resolution disaggregated SM product is validated with in situ measurements collected over irrigated areas in Morocco, showing a daily spatial correlation in the range of 0.5-0.9.
As a second step, a new algorithm is built on a synergy between DISPATCH and radar 100 m resolution data. In practice, the DISPATCH SM product available on clear sky days is first used to calibrate a radar radiative transfer model in the direct mode. Then the calibrated radar radiative transfer model is used in the inverse mode to estimate SM at the spatio-temporal resolution of Sentinel-1. Results indicate a positive correlation between satellite and in situ measurements in the range of 0.66 to 0.81 for a vegetation index lower than 0.6.
As a third and final step, an optimal assimilation method is used to interpolate 100 m resolution SM data in time. The assimilation exercise is undertaken over irrigated crop fields in Spain. The analyzed SM product derived from the assimilation of 100 m resolution DISPATCH SM is consistent with irrigation events. This approach can be readily applied over large areas, given that all the required input (remote sensing and meteorological) data are available globally. |