Le travail de cette thèse s'inscrit dans le cadre du projet MAISEO qui associe, entre autres partenaires, la CACG, gestionnaire de l'eau sur des bassins hydrographiques du Sud-Ouest, Météo-France et le CESBIO. Un des objectifs est de proposer des méthodes innovantes et opérationnelles pour l'estimation des besoins en eau des cultures à l'échelle d'un territoire. Il s'agit de fournir au gestionnaire des outils qui lui permettront de mieux gérer la demande en eau d'irrigation liée à la culture dominante présente dans le Sud-Ouest de la France: le maïs. L'objectif de la thèse consistait à estimer les rendements et les besoins en eau du maïs sur de grandes surfaces. Pour cela, nous avons utilisé un modèle agro-météorologique couplé à l'imagerie satellitaire optique. De nombreuses images à haute résolution spatiale et temporelle provenant de différents capteurs ont été utilisées, préfigurant l'arrivée des données Sentinel-2 lancé en 2015. Il s'agissait dans un premier temps de coupler les données satellitaires avec le modèle SAFY (Simple Algorithm For Yield estimates, Duchemin et al., 2008a), qui simule le développement des plantes en se basant sur la théorie des efficiences (Monteith, 1972), afin d'estimer la biomasse et le rendement du maïs. De nombreuses données terrain ont permis de valider les sorties du modèle. A l'échelle régionale, les résultats ont été agrégés et comparés aux statistiques départementales Agreste. Les résultats ont conduit à proposer une nouvelle version du modèle SAFY permettant de prendre en compte la variation temporelle de l'efficience de conversion de la lumière effective (ELUE) et de la surface spécifique foliaire (SLA). Cette modification permet une meilleure prise en compte de la dynamique de croissance de la végétation et une amélioration de l'estimation du rendement tant à l'échelle locale que régionale. La méthode de calibration a également été améliorée afin de limiter le recours aux données in situ difficilement accessibles sur de grandes surfaces. Nous avons pu mettre en évidence l'apport de la double logistique, utilisée pour interpoler les profils temporels de NDVI. Cette interpolation a permis d'affiner la délimitation du cycle cultural et de contraindre plus précisément certains paramètres du modèle comme la date de levée. Une fois contraint par les données satellitaires, le modèle SAFY est capable de reproduire les rendements sur les deux départements avec une bonne précision et ce sans prendre en compte l'évolution du stock d'eau dans le sol (Battude et al., 2016) / This Ph.D. thesis is part of the MAISEO project associating partners among them: the CACG, managing the water supply of several watersheds located in the south west of France, the Meteo-France center and the CESBIO. One of the goals is to develop innovative and operational tools to estimate crops' water needs at the territory scale. The aim is to provide managers tools to better manage the water supplies linked to the predominant crop encountered in south west of France: maize. The objective of the thesis was to estimate the yield and water requirements of maize crop over large areas. For this purpose, we used an agro-meteorological model coupled to optical satellite imagery. Numerous high spatial and temporal resolution images from different sensors have been used, prefiguring the arrival of the Sentinel-2 data launched in 2015. The first part was to combine remote sensing data with the SAFY (Simple Algorithm For Yield estimates) crop model (Duchemin et al., 2008a) that simulates plant development based on Monteith theory (Monteith, 1972) in order to accurately estimate maize biomass and yield. Numerous field data have been used for the validation at local scale. At regional scale, the results have been aggregated and compared to Agreste yield statistics provided by the French government. Results led us to propose a new formulation of the SAFY model taking into account the temporal variation of the effective light use efficiency (ELUE) and of the specific leaf area (SLA). This modification allows a better simulation of the crop growth dynamics and an improvement of yield estimates at the local and regional scale. Furthermore, we changed the calibration method in order to limit the use of in situ data that are difficult to access over large areas. We also highlighted the contribution of the double logistic function, used to interpolate the NDVI time series. This interpolation enables an accurate determination of the crop growing season and it allows constraining some model parameters such as the emergence date. The SAFY model constrained by remote sensing data is able to well reproduce the yield for the two departments without taking into account the evolution of the soil water storage (Battude et al., 2016)
| Identifer | oai:union.ndltd.org:theses.fr/2017TOU30037 |
| Date | 03 February 2017 |
| Creators | Battude, Marjorie |
| Contributors | Toulouse 3, Demarez, Valérie, Escadafal, Richard |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0019 seconds