L’humidité du sol à été déclarée Essential Climate Variable (ECV) en 2010 par l’European Space Agency (ESA) en support du travail du Groupe d'experts Intergouvernemental sur l'Évolution du Climat (GIEC). Dans des zones vulnérables comme l’Afrique de l’Ouest (agriculture faiblement irriguée et de subsistance, températures extrêmes et forte variabilité des précipitations), la valeur ajoutée d’informations concernant l’humidité du sol est importante, surtout dans un contexte de changement climatique. La première partie de ces travaux de thèse concerne la représentation de l'humidité en profondeur à grande échelle en utilisant le triptyque mesures in-situ/télédétection/modélisation. Ces 3 méthodes présentent chacune des limites: (i) la faible densité des réseaux in-situ (3 sites de mesures sur toute l'Afrique de l'Ouest), (ii) les estimations de SMOS uniquement en surface (0-5 cm) et (iii) les incertitudes des forçages de précipitation temps-réel utilisés dans les modèles de surface. Afin de réduire ces limitations, une méthode d'assimilation (filtre particulaire) des données SMOS à été implémentée dans un modèle de surface empirique (API) et comparées aux mesures in-situ AMMA-CATCH. Les résultats montrent une amélioration des humidités modélisée après assimilation. La seconde partie concerne l'impact des variations d'humidité du sol sur les rendements de mil. Une relation statistique a tout d'abord été déterminée à partir de données de rendements mesurés sur 10 villages autour de Niamey. Les résultats montrent que les anomalies d'humidité du sol sur 20 jours début Juillet et fin Août - mi Septembre (période reproductive et période de remplissage du grain), à une profondeur d'environ 30 cm, expliquent les variations de rendement mesuré à R2=0.77 sur l'ensemble de 9 villages. Cette relation à ensuite été appliquée à l'échelle du Niger à partir de données de rendement issues de la FAO et de cartes d'humidité en profondeur développées dans la première partie de la thèse. Les résultats montrent une corrélation à R2=0.62 sur les années 1998-2014. Puis la méthode a été appliquée à 3 autres pays du Sahel, montrant une corrélation de 0.77. La dernière partie de ces travaux concerne l'exploitation des résidus du schéma d'assimilation afin de réduire les incertitudes sur les précipitations. Les produits de précipitations satellites CMORPH, TRMM et PERSIANN, dans leur version temps-réel ont été comparées à des pluviomètres avant et après assimilation. Le résultat de cette étude montre une nette amélioration des intensités estimées. La méthode a ensuite été appliquée à un produit de précipitation utilisé au centre régional AGRHYMET pour le suivi agricole, le produit TAMSAT.Ces travaux de thèse ont permis d'approfondir les recherches concernant le potentiel des données d'humidité par satellite pour des applications agronomiques. Les perspectives de ces travaux portent principalement sur : (i) l'utilisation d'autres capteurs (SMAP, ASCAT, AMSR) pour augmenter la fréquence des observations d'humidité dans l'assimilation, (ii) sur des méthodes de désagrégation des coefficients pour la correction des précipitations à plus haute résolution spatiale et (iii) sur l'utilisation de données multispectrales (indices de végétation, température du sol, ...) pour un meilleur suivi des rendements. / Soil moisture was declared Essential Climate Variable (ECV) in 2010 by the European Space Agency (ESA) in support of the work of the Intergovernmental Panel on Climate Change (IPCC). In vulnerable areas such as West Africa (poorly irrigated and subsistence agriculture, extreme temperatures and high variability of rainfall), the added value of informations on soil moisture is important, especially in a changing climate. The first part of this thesis concerns the representation of root-zone soil moisture on a large scale using the triptych in-situ measurements / remote sensing / modeling. These 3 methods each have limitations: (i) the low density of in-situ networks (3 measurement sites throughout West Africa), (ii) SMOS estimates only at the surface (0-5 cm) and (iii) the uncertainties of the real-time precipitation forcing used in surface models. In order to reduce these limitations, an assimilation method (particle filter) of SMOS data has been implemented in an empirical surface model (API) and compared to AMMA-CATCH in-situ measurements. The results show an improvement of the humidities modeled after assimilation. The second part concerns the impact of soil moisture variations on millet yields. A statistical relationship was first determined from yield data measured in 10 villages around Niamey. The results show that the 20-day soil moisture anomalies at the beginning of July and the end of August - mid September (reproductive period and grain filling period), at a depth of about 30 cm, explain the variations in yield measured at R2=0.77. This relationship was then applied to the Nigerien scale from FAO yield data and in-depth moisture maps developed in the first part of the thesis. The results show a correlation at R2=0.62 over the years 1998-2015. Then, the method was apply to 3 other sahelian countries, showing a agreement of 0.77. The last part of this work concerns the exploitation of the residuals of the assimilation scheme in order to reduce the uncertainties on the precipitations. The satellite precipitation products CMORPH, TRMM and PERSIANN, in their real-time version, were compared to rain gauges before and after assimilation. The result of this study shows a marked improvement in the estimated precipitations intensities. The method was then applied to a precipitation product used at the AGRHYMET regional center for agricultural monitoring, the TAMSAT product.This thesis work has led to further research into the potential of satellite moisture data for agronomic applications. The perspectives of this work mainly concern: (i) the use of other sensors (SMAP, ASCAT, AMSR) to increase the frequency of the observations of humidity in the assimilation, (ii) on methods of disaggregation of the coefficients for the correction of precipitation at higher spatial resolution and (iii) the use of multispectral data (vegetation indices, soil temperature, ...) for a better monitoring of yields.
Identifer | oai:union.ndltd.org:theses.fr/2018GREAU013 |
Date | 18 May 2018 |
Creators | Gibon, François |
Contributors | Grenoble Alpes, Pellarin, Thierry |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | French |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0031 seconds