Modélisation et suivi de l’humidité des sols agricoles par Télédétection Optique et Radar : Cas de la partie centrale de la région Béni Mellal-Khénifra, Maroc

Abstract

L’agriculture dépend de la quantité d'eau (humidité) dans le sol provenant des précipitations et/ou de l'irrigation. Dans les régions arides et semi-arides comme le Maroc, l’estimation de l'humidité de surface est particulièrement indispensable pour la bonne gestion des ressources agricoles et hydriques et l’amélioration des décisions d'irrigation. Les méthodes classiques de mesure de l'humidité in-situ sont de très haute précision, mais elles nécessitent beaucoup de temps et de moyens, surtout pour les grandes surfaces. Dans ce contexte, la télédétection par satellite offrant une très large couverture spatiale et temporelle constituerait un moyen efficace et moins onéreux permettant de collecter des informations sur l'humidité du sol. Le présent travail de thèse combine les mesures directes de l’humidité du sol à l'utilisation de données de la télédétection optique et radar pour l’estimation, la modélisation et la cartographie de l’humidité de sols agricoles de la partie centrale de la région Béni Mellal-Khénifra. Plusieurs approches liées à la télédétection ont été développées et testées pour l'estimation de l'humidité du sol dans cette étude. Dans un premier volet de ce travail, deux approches différentes basées sur des images optiques Landsat 8 et des données d'humidité mesurées ont été évaluées. La première approche visait à comparer et évaluer la capacité de trois indices spectraux (VSDI : visible and short-wave infrared drought index, SIWSI : short-wave infrared water stress index, et NMDI : normalized multi-band drought index) pour l'estimation et la surveillance de l'humidité de surface du sol. L'indice VSDI a montré une forte relation avec les données de terrain par rapport aux deux autres indices. La deuxième approche consistait à développer un nouveau modèle d'humidité de surface en utilisant une méthode de régression stepwise basée sur les bandes multispectrales du satellite Landsat 8. Les résultats ont montré que le modèle établi est fortement corrélé avec les mesures directes de l'humidité à tous les stades de croissance des cultures avec un R2 de 0,87, 0,85 et 0,89, pour un sol nu, partiellement couvert et entièrement couvert par la végétation, respectivement. La comparaison entre ces approches témoigne de la performance du modèle développé pour l'estimation de l'humidité de surface du sol. Le deuxième volet évaluait une nouvelle approche opérationnelle pour estimer l'humidité de surface du sol à partir des données du spectroradiomètre imageur à résolution moyenne (MODIS) en tenant compte de diverses variables environnementales telles que l'indice de végétation (NDVI), la température de surface du sol (Ts), l'évapotranspiration, les paramètres topographiques et la texture du sol. Un indice d'humidité du sol (SMI) dérivé de l'espace NDVI-Ts est combiné à toutes les autres variables, sur la base d'une régression multiple stepwise, pour développer un nouveau modèle. La performance de ce modèle a été évaluée à l'aide de données mesurées sur le terrain. La précision a été réalisée par la méthode de validation croisée, elle a montré un R2 de 0,70, RMSE de 1,58% et unRMSE de 0,5%. Dans un dernier volet, la synergie entre les données RADAR (SAR: Synthetic-aperture radar) Sentinel-1B et les données optiques Sentinel-2B a été utilisée et explorée afin d'évaluer le potentiel du modèle de nuage d'eau (WCM : water cloud model) pour la récupération de l'humidité de surface. La performance de ce modèle a été évaluée en utilisant la méthode de validation croisée k-fold. Les résultats obtenus ont montré une estimation satisfaisante de l'humidité de surface avec un R² de 0,65 et un RMSE de 1.45%