Ces travaux ont pour objectif général d'améliorer la représentation spatio-temporelle des processus hydrologiques de surface à partir de modèles dont la complexité est adaptée aux informations disponibles par la télédétection multi-capteur/multi-résolution. Nous avons poursuivi des développements méthodologiques (désagrégation, assimilation, modélisation du bilan d'énergie) autour de l'estimation de l'humidité du sol dans le contexte de la gestion des ressources en eau dans les régions semi-arides. Récemment, des missions spatiales permettent d'observer l'humidité des sols en surface; notamment avec le capteur AMSR-E (Advanced Microwave Scanning Radiometer-EOS) et la mission SMOS (Soil Moisture Ocean Salinity). Toutefois la résolution spatiale de ces capteurs est trop large (> 40 km) pour des applications hydrologiques. Afin de résoudre le problème d'échelle, l'algorithme de désagrégation DisPATCh (Disaggregation based on Physical and Theoretical Scale Change) a été développé en se basant sur un modèle d'évapotranspiration. Dans la première partie de thèse, l'algorithme est appliqué et validé sur le bassin du Murrumbidgee (sud-est de l'Australie) avec une résolution spatiale cible de 1 km à partir des données de LST (Température de surface) et NDVI (indice de végétation) issues de MODIS (MODerate resolution Imaging Spectroradiometer) et de deux produits d'humidité du sol basse résolution : SMOS et AMSR-E. Les résultats montrent que la désagrégation est plus efficace en été, où la performance du modèle d'évapotranspiration est optimale. L'étude précédente a notamment mis en évidence que la résolution temporelle des données DisPATCh est limitée par la couverture nuageuse visible sur les images MODIS et la résolution temporelle des radiomètres micro-ondes (3 jours pour SMOS). Dans la deuxième partie, une nouvelle approche est donc développée pour assurer la continuité temporelle des données d'humidité de surface en assimilant les données DisPATCh dans un modèle dynamique de type force-restore, forcé par des données météorologiques issus de ré-analyses, dont les précipitations. La méthode combine de manière originale un système variationnel (2D-VAR) pour estimer l'humidité du sol en zone racinaire et une approche séquentielle (filtre de Kalman simplifié) pour analyser l'humidité du sol en surface. La performance de l'approche est évaluée sur deux zones: la région Tensift-Haouz au Maroc et la région de Yanco en Australie. Les résultats montrent que le couplage désagrégation/assimilation de l'humidité du sol est un outil performant pour estimer l'humidité en surface à l'échelle journalière, même lorsque les données météorologiques sont incertaines. Dans la troisième partie, une méthode de correction des effets topographiques sur la LST est développée dans le but d'étendre l'applicabilité de DisPATCh aux zones vallonnées ou montagneuses qui jouent souvent le rôle de château d'eau sur les régions semi-arides. Cette approche, basée sur un modèle de bilan d'énergie à base physique, est testée avec les données ASTER (Advanced Spaceborne Thermal Emission Reflection Radiometer) et Landsat sur la vallée d'Imlil dans le Haut Atlas Marocain. Les résultats indiquent que les effets topographiques ont été fortement réduits sur les images de LST à ~100 m de résolution et que la LST corrigée pourrait être utilisée comme une signature de l'état hydrique en montagne. Les perspectives ouvertes par ces travaux concernent la correction/désagrégation des données de précipitations et l'estimation des apports par l'irrigation pour une gestion optimisée de l'eau. / This thesis aims to improve the spatio-temporal resolution of surface water fluxes at the land surface-atmosphere interface based on appropriate models that rely on readily available multi-sensor remote sensing data. This work has been set up to further develop (disaggregation, assimilation, energy balance modeling) approaches related to soil moisture monitoring in order to optimize water management over semi-arid areas. Currently, the near surface soil moisture data sets available at global scale have a spatial resolution that is too coarse for hydrological applications. Especially, the near surface soil moisture retrieved from passive microwave observations such as AMSR-E (Advanced Microwave Scanning Radiometer-EOS) and SMOS (Soil Moisture and Ocean Salinity) data have a spatial resolution of about 60 km and 40 km, respectively. In this context, the downscaling algorithm "DISaggregation based on Physical And Theoretical scale Change" (or DisPATCh) has been developed. The near surface soil moisture variability is estimate within a low resolution pixel at the targeted 1 km resolution based on an evapotranspiration model using LST (Land surface temperature) and NDVI (vegetation index) derived from MODIS (MODerate resolution Imaging Spectroradiometer) data. Within a first step, DisPATCh is applied to SMOS and AMSR-E soil moisture products over the Murrumbidgee river catchment in Southeastern Australia and is evaluated during a one-year period. It is found that the downscaling efficiency is lower in winter than during the hotter months when DisPATCh performance is optimal. However, the temporal resolution of DisPATCh data is limited by the gaps in MODIS images due to cloud cover, and by the temporal resolution of passive microwave observations (global coverage every 3 days for SMOS). The second step proposes an approach to overcome these limitations by assimilating the 1 km resolution DisPATCh data into a simple dynamic soil model forced by reanalysis meteorological data including precipitation. The original approach combines a variational scheme for root-zone soil moisture analysis and a sequential approach for the update of surface soil moisture. The performance is assessed using ground measurements of soil moisture in the Tensift-Haouz region in Morocco and the Yanco area in Australia during 2014. It is found that the downscaling/assimilation scheme is an efficient approach to estimate the dynamics of the 1 km resolution surface soil moisture at daily time scale, even when coarse scale and inaccurate meteorological data including rainfall are used. The third step presents a physically-based method to correct LST data for topographic effects in order to offer the opportunity for applying DisPATCh over mountainous areas. The approach is tested using ASTER (Advanced Spaceborne Thermal Emission Reflection Radiometer) and Landsat data over a 6 km by 6 km steep-sided area in the Moroccan Atlas. It is found that the strong correlations between LST and illumination over rugged terrain before correction are greatly reduced at ~100 m resolution after the topographic correction. Such a correction method could potentially be used as a proxy of the surface water status over mountainous terrain. This thesis opens the path for developing new remote sensing-based methods in order to retrieve water inputs -including both precipitation and irrigation- at high spatial resolution for water management.
| Identifer | oai:union.ndltd.org:theses.fr/2016TOU30193 |
| Date | 18 November 2016 |
| Creators | Malbéteau, Yoann |
| Contributors | Toulouse 3, Merlin, Olivier, Jarlan, Lionel |
| Source Sets | Dépôt national des thèses électroniques françaises |
| Language | French |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.0025 seconds