Dans le but de réduire les émissions de gaz à effet de serre, le projet ANR Soilμ3D (2015-2019) compte utiliser des modèles 3D de simulation de la dégradation microbienne de la matière organique à l'échelle de ces micro-habitats pour porter les hétérogénéités identifiées à l'échelle des micro-habitats aux échelles du profil de sol. Deux de ces modèles permettent de modéliser la dégradation de la matière organique sous l’activité des micro-organismes du sol en incluant explicitement la structure 3D du sont utilisés dans le cadre du Projet Soilµ3D.
Dans cet étude le travail qu’on m’a confié est de déterminer quel est l’impact de l’utilisation des modèles LBM et MOSAIC sur la représentation de la structure du sol et sur la distribution des phases liquides et gazeuses au sein de la porosité du sol. Pour mener à bien ce travail j’ai été amené à coder une nouvelle version de MOSAIC avec le logiciel pour R pour pallier des inconvénients la version originale de MOSAIC mais aussi pour avoir le même résultat que LBM pour le calcul de la porosité. Les résultats obtenus ont permis de voir des différences relativement importantes entre LBM et MOSAIC sur toutes les images. Ils ont permis de voir également qu’il est nécessaire d’avoir des résolutions suffisantes pour modéliser finement les saturations d’eau.
En perspective, il peut être important d’optimiser le code de la version modifiée de MOSAIC pour améliorer les temps de calcul mais de traiter plus d’images et des images différentes de types de sol pour affiner les résultats.
32
Liste des Figures
Figure 1. Structure des sols, de la mégastructure à la microstructure (d’après M. Lacoste, Structure et microstructure des sols, Cours de M1, Université d’Orléans). ... 5 Figure 2. Développement des racines et structure du sol ... 5 Figure 3. Principe de fonctionnement d’un tube à rayons X ... 7 Figure 4. Tomographe de la plateforme CIRE (INRA, Centre Val de Loire, Nouzilly)... 8 Figure 5. Microtomographe de l’Université d’Abertay (Dundee, Ecosse) ... 9 Figure 6.Les différentes étapes du traitement d'image ... 14 Figure 7. Coupe de l'échantillon Lusignan_B1_T5 avant (gauche) et après conditionnement (droite) 15 Figure 8. Image Lusignan_B1_T5 avant (gauche) et après(droite) segmentation par la méthode de l’indicateur de Krigeage (blanc = matrice du sol, noir = porosité) ... 17 Figure 9. Exemple d’application du modèle LBM pour simuler la répartition des phases aqueuse et gazeuse au sein de la porosité. a) Image WO_MLH_micro3d_1_H2046 (sélection 2) segmentée (blanc = matrice du sol, noir = porosité), b) Après application de LBM avec une saturation de 25 % en eau, c) Après application de LBM avec une saturation de 50 % en eau, d) Après application de LBM avec 80 % de saturation en eau (rouge = phase gazeuse, bleu = phase liquide). ... 20 Figure 10.Les différentes étapes du recodage de MOSAIC ... 22 Figure 11. Espace poral de l'image WO_MLH_micro3d_1_H2048 (sélection1). Gauche : espace porale de l’image segmentée (blanc = porosité). Droite : modélisation de son espace poral par des sphères grâce au modèle MOSAIC (les sphères noires représentent donc la porosité). ... 23 Figure 12. Exemple d’application du modèle MOSAIC modifié pour simuler la répartition des phases aqueuse et gazeuse au sein de la porosité. a) Image WO_ML_micro3d_hor_1_H2046 (sélection 2) segmentée avant l’application de MOSAIC (gris= matrice du sol, vert = porosité), b) porosité totale de l'image après application du modèle MOSAIC modifié (gris= matrice du sol, vert = porosité), c) Rayon (µm) attribué à chaque voxel de l’espace poral à partir des sphères décrivant cet espace poral, d Répartition de la phase aqueuse (en vert) au sein de la porosité pour une pression de 0.67 Pa ... 24 Figure 13. Ecarts à la saturation en eau ciblée en fonction du modèle utilisé (toutes images
confondues). Le point rouge donne les valeur moyennes obtenues par image. ... 25 Figure 14. Ecarts à la saturation en eau ciblée en fonction du modèle utilisé et en fonction de l’image. Le point rouge donne les valeur moyennes obtenues par image. ... 25 Figure 15. Répartition des phases liquides et gazeuse au sein de la porosité obtenue pour l'image productif2_redo (sélection 1) en utilisant par le modèle MOSAIC modifié (haut) et le modèle LBM (bas). Pour MOSAIC modifié, de gauche à droite : saturations en eau simulée de la porosité de 22.71%, 50.91% et 73.99%). Pour LBM, de gauche à droite : saturation en eau simulée de la porosité de 25 %,50 % et 100 %. Noir = matrice du sol, bleu = phase liquide, rouge = phase gazeuse ... 26 Figure 16.Répartition des phases liquides et gazeuse au sein de la porosité obtenue pour l'image WO_MLH_1_H2046 (sélection 2) en utilisant le modèle MOSAIC modifié (haut) et le modèle LBM (bas). Pour MOSAIC modifié, de gauche à droite : saturations en eau de la porosité de 22.92%, 52.08% et 83.33%). Pour LBM, de gauche à droite : saturation en eau simulée de la porosité de et 25 %,50 % et 100%. Noir = matrice du sol, bleu = phase liquide, rouge = phase gazeuse. ... 26 Figure 17. Résultats obtenus en utilisant les modèles LBM et MOSAIC modifié pour simuler la
répartition des phases liquides et gazeuses au sein de la porosité à partir de six images de différents sol (pour la description des images se référer au Tableau 1). ... 29
33
Liste des Tableaux
Tableau 1. Images traitées et leurs caractéristiques ... 11 Tableau 2. Les différentes rotations culturales sur les parcelles de Lusignan ... 13 Tableau 3. Porosité et saturation en eau après modélisation de répartition des phase liquides et gazeuses avec les modèles LBM et MOSAIC modifié ... 12 Tableau 4.Résultats LBM et MOSAIC modifié sur les deux sélections de l'image LUSIGNANB1T5 ... 16 Tableau 5.Résultats LBM et MOSAIC modifié sur les deux sélections de l'image TEM_205B ... 18 Tableau 6.Résultats LBM et MOSAIC modifié sur les deux sélections de l'image SVC1... 19 Tableau 7.Résultats LBM et MOSAIC sur les deux sélections de WO_MLH_micro3d_1_H2048 ... 21 Tableau 8.Résultats LBM et MOSAIC sur les deux sélections de l'image WO_MLH_mcrio3d_1_H2046 ... 22 Tableau 9.Résultats LBM et MOSAIC modifié sur les deux sélections de l'image Productif2_redo ... 24
34
Références
Baize, D., 2013. Les sols et leurs structures.
Cocquerez, J.-P., Philipp, S., 1995. Analyse d’Images : filtrage et segmentation. Masson. Coleman, K., Jenkinson, D., 1996. RothC 26.3- A model for a turnover of carbone in soil. Dyke, P.T., Kiniry, J.R., Jones, C.A., 1986. CERES-Maize: a simulation model of maize growth
and development. Texas A&M University Press, College Station. Foucault A., Raoult J.F., 2001.Dictionnaire de géologie.5e édition
Feuerle, J., 2016. Segmentation d’images tomographiques d’échantillons de sol (Projet SCANSOL), pp. 30 p.
J. Parton, W., Schimel, D., V. O. N. Cole, C., S. Ojima, D., 1987. Analysis of Factors Controlling Soil Organic Matter Levels in Great Plains Grasslands1, 51.
Monga, O., Bousso, M., Garnier, P., Pot, V., 2008. 3D geometric structures and biological activity: Application to microbial soil organic matter decomposition in pore space. Ecological Modelling 216(3-4), 291-302.
Pot, V., Peth, S., Monga, O., Vogel, L.E., Genty, A., Garnier, P., Vieublé-Gonod, L., Ogurreck, M., Beckmann, F., Baveye, P.C., 2015. Three-dimensional distribution of water and air in soil pores: Comparison of two-phase two-relaxation-times lattice-Boltzmann and morphological model outputs with synchrotron X-ray computed tomography data. Advances in Water Resources 84, 87-102.
Rabot, E., Wiesmeier, M., Schlüter, S., Vogel, H.J., 2018. Soil structure as an indicator of soil functions: A review. Geoderma 314, 122-137.
Rasband, W.S., 1997-2016. ImageJ, U. S. National Institutes of Health, Bethesda, Maryland, USA, https://imagej.nih.gov/ij/
Oh, W. and Lindquist, B. 1999. Image thresholding by indicator Kriging. IEEE Transactions on Pattern Analysis and Machine Intelligence 21: 590602.
Kapur, J.N., Sahoo, P.K., Wong, A.K.C, 1986. A New Method for Gray-Level Picture Thresholding Using the Entropy of the Histogram, Computer Vision, Graphics, Image Processing, vol. 29, pp. 273-285
R Core Team (2018). R: A language and environment for statistical computing. R Foundation for
Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.
Vogel, H.J., Weller, U., Schlüter, S., 2010. Quantification of soil structure based on Minkowski functions. Computers & Geosciences 36(10), 1236-1245.
1