Synergie optique/radar pour l’estimation des états de surface continentale

الموضوعات

زراعة

الملخص

L’agriculture en Tunisie fait partie des secteurs importants sur lesquels reposent l’économie du pays. Elle revêt également son importance par sa contribution à la sécurité alimentaire. Dans un contexte de gestion des ressources naturelles, la caractérisation et le suivi des états de surface est indispensable, particulièrement dans les régions semi-arides où plusieurs contraintes freinent le développement agricole (période de sécheresse, conflits sur le partage des eaux, manque de ressources, surexploitations des nappes, etc.). En Tunisie, près de 80 % des ressources en eau disponibles sont utilisées par l’agriculture avec une efficacité limitée. Là, où les ressources en eau sont très limitées, l’estimation de l’état hydrique de surface est particulièrement nécessaire pour établir les décisions adéquates pour une meilleure gestion de cette ressource. Dans ce contexte, la télédétection fournit une base fondamentale de données pour l’observation de la surface et constitue un outil majeur pour l’acquisition d’informations à distance. Les travaux réalisés au cours de cette thèse sur la plaine de Kairouan, au Centre de la Tunisie et caractérisée par un climat semi aride, contribuent à l’évaluation du potentiel des nouveaux capteurs satellitaires Sentinel-1 (S-1) et Sentinel-2 (S-2) pour la caractérisation des états de surface, spécifiquement l’humidité du sol dans un contexte de gestion durable des ressources en eau et en sol. En effet, ces nouveaux systèmes offrent aujourd’hui des produits opérationnels avec une forte répétitivité temporelle et des résolutions spatiales métriques permettant un suivi régulier. Dans notre contexte, les données radars sont particulièrement sensibles aux conditions de surface, précisément à l’humidité du sol,àla rugosité de surface et à la végétation. Ils se dévoilent comme les outils les plus prometteurs pour un suivi précis à l’échelle de la parcelle ou régionale. Ce travail comprend deux principales parties qui relient directement l’humidité du sol (variable clé pour différents processus) à l’irrigation dans un premier temps, puis à la texture du sol. L'approche adoptée combine les mesures expérimentales à l'utilisation de données de la télédétection multi-capteurs en synergie, ainsi à la modélisation et à la cartographie. La thèsese structure en trois volets. Le premier volet de ce travail évalue le potentiel des données radars en bande C pour une large base de données. Les résultats ont montré à travers des études du comportement et de modélisation que le signal radar permet de suivre la dynamique temporelle et spatiale de l’humidité du sol sur des parcelles de céréales. Le second volet, consiste à évaluer l’utilisation conjointe de données optiques et radars afin de pouvoir prédire l’état hydrique de surface sur une couverture végétale. Avec une précision de l’ordre de 6 vols. %, une cartographie de l’humidité du sol est alors proposée à haute résolution spatiale, en inversant le modèle de rétrodiffusion «Water Clould Model» (WCM). Ensuite, nos recherches se sont progressivement orientées vers une cartographie des zone irriguées et non-irriguées en utilisant des paramètres statistiques (moyennes et variances) à partir de séries temporelles d’indice de la végétation (Normalized Difference Vegetation Index, NDVI) et des produits d’humidité du sol. La cartographie des zones irriguées s’est basée sur des algorithmes de classification, qui ont permis de déduire que l’humidité du sol était le meilleur indicateur pour l’irrigation avec une précision globale de 77%. Le troisième volet de la thèse repose sur un deuxième produit dérivé également de l’humidité du solet des données du moyen infrarouge dérivé des images S-2: la teneur en argile du sol. Des algorithmes de classifications tels que les Random Forest (RF) ou les Support Vector Machine (SVM) ont permis de prédire des classes de texture du sol sur toutes la zone d’étude. Les résultats de cette étude ont permis de comparer la performance des algorithmes et la pertinence des indicateurs utilisés. Les résultats obtenus au cours de ce travail mettent en évidence l’intérêt des données multi-capteurs et la pertinence des informations satellitaires pour le suivi des surfaces dédiées à l’agriculture, offrant la possibilité de les appliquer dans des modèles de prévision agricole pour différents usages.

روابط وملفات

التعريف والنوع

رقم الوثيقة

0aae7017-c4ca-4b5d-bca8-bd4924fed444

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf image

أسماء الملفات

0aae7017-c4ca-4b5d-bca8-bd4924fed444_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":"Mehrez Zribi","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"Safa Bousbih","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Zohra Lili Chabaane","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Synergie optique/radar pour l’estimation des états de surface continentale

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Agriculture is considered as one of the most important sectorsin Tunisiaon which the country's economy is predominately based. It is also important because of its contribution to food security. In the context of natural resource management, the characterization and monitoring of surface statesis essential, particularly in semi-arid regions where several constraints hamper agricultural development (period of drought, conflicts over water sharing, lack of resources, overpumping of groundwater, etc.). In Tunisia, nearly 80% of available water resources are used by agriculture with limited efficiency. Here, with very limited water resources, the estimation of the surface water stateis necessary to establish the appropriate decisions for a better sustainable management. In this context, remote sensing provides a fundamental database for surface observation. It is amajor tool for remote sensing data acquisition. The work carried out during this thesis contributes to evaluate the potential of the new Sentinel-1(S-1)and Sentinel-2 (S-2) satellite for the characterization of surface states, specifically soil moisturein a context of sustainable management of water and soil resources. Indeed, these new systems offer operational products with a high temporal repeatability and metric spatial resolutions allowing regular monitoring. In our context, radar data is particularly sensitive to surface conditions, specifically soil moisture, surface roughness and vegetation cover. They are unveiled as the most promising tools for accurate monitoring at the fieldor regional scale. This work includes two main parts that directly relate soil moisture (key variable for different processes) to irrigation first, and then to soil texture. The approach adopted combines experimental measurements with the use of different remote sensing data in synergy, modeling and mapping. The thesis is structured in three parts. The first part of this work evaluates the potential of C-band radar data for a large database. The results showed through behavioral and modeling studies that the radar signal and spatial dynamics of soil moisture on cereal plots. The second component consists of evaluating the combined use of optical and radar data in order to predict surface water conditions overvegetative cover. With a precision of about 6 vol. %, soil moisture mapping is then proposed at high spatial resolution, by inverting the Water Cloud Model (WCM), a backscattering model for vegetation cover. Then, our research progressively moved towards a mapping of irrigated and non-irrigated areas using statistical parameters (means and variances) from time series of vegetation index (Normalized Difference Vegetation Index, NDVI) and soil moisture products. The mapping of irrigated areas was based on classification algorithms, which led to the conclusion that soil moisture was the most performed indicator for irrigation with an overall accuracy of 77%. The third part of the thesis is based on a second product also derived from soil moisture and mid-infrared band derived from S-2: the clay content of the soil. Classification algorithms such as Random Forest (RF) or Support Vector Machine (SVM) have predicted soil texture classes across the study area. The results of this study allowed comparing the performance of the algorithms and the relevance of the indicators used. The results obtained during this work highlight the interest of multi-sensor data and the relevance of satellite information for monitoring areas dedicated to agriculture, offering the possibility of applying them in agricultural forecasting models for different uses.

إشراف وإعداد

الإشراف

Mehrez Zribi, Zohra Lili Chabaane

الإعداد

Safa Bousbih

الاقتباسات الببليوغرافية