De la modélisation des processus de surface à l'assimilation des données de
2.4 Présentation du travail
Les parties précédentes se sont attachées, d'une part à présenter les différents concepts sur lesquels reposent la modélisation TSVA et, d'autre part à montrer comment les paramètres et les variables d'état de ces modèles pouvaient être réajustés par assimilation de données de télédétection dans un schéma de surface. Toutefois, la mise en œuvre de procédures d'assimilation dans les modèles TSVA peut s'avérer particulièrement délicate dans le cas d'un modèle fortement non linéaire (Evensen, 1997). De fait, encore peu de procédure d'assimilation ont été mises en œuvre à l'heure actuelle sur les modèles TSVA reposant sur une discrétisation du sol. D'un autre côté, ces modèles sont des outils fortement intéressants, et ceci quel que soit leur domaine d’application. Leur fonctionnement nécessite la prescription d'un jeu important de paramètres (plusieurs dizaines), notamment dans la description du sol. La détermination expérimentale de ces paramètres requiert de lourds moyens in situ et en laboratoire, pour un résultat restant fortement entaché d'incertitudes. Ceci a pour conséquence de dégrader les potentialités de ces modèles et de limiter leur utilisation à l'échelle de la parcelle. Or, la majeure partie des études hydro-météorologiques concernent des échelles spatiales plus importantes. La télédétection représente dans ce contexte un moyen d'estimer ces paramètres.
L'objectif principal de ce travail est de déterminer les potentialités des données acquises par télédétection dans différents domaines spectraux pour une meilleure modélisation des processus de surface à l'échelle de la parcelle à l'aide d'un modèle TSVA discrétisé. Le modèle SiSPAT (Simple Soil Plant Atmosphere Transfer, Braud et al., 1995a) a été retenu dans ce travail. Le choix de ce modèle a été orientée autour de trois de ses principales caractéristiques.
• Le modèle appartient à la catégorie des modèles "bi-couches". Ceci est important pour la simulation de la température de brillance, et par conséquent pour sa future assimilation dans le schéma de surface.
• Le modèle appartient à la catégorie des modèles "discrétisés". Ceci est important pour la simulation des échanges hydriques dans le sol. Sa capacité de gestion fine de l'humidité du sol représente un atout non négligeable pour l’assimilation de l’humidité superficielle du sol accessibles par télédétection micro-ondes (notamment entre deux observations satellites lors d’une assimilation séquentielle).
• Le modèle prend en compte un nombre importants de processus biologiques et physiques. Ceci est particulièrement important dans un contexte d’étude à l’échelle de la parcelle agricole. Plus particulièrement, SiSPAT décrit de manière détaillée le profil racinaire qui se développe tout au cours du cycle végétal.
La question sous-jacente à ce travail consiste ainsi à déterminer quelles informations peut apporter la télédétection sur le fonctionnement d'un modèle TSVA complexe. Au cours de la synthèse des applications mises en œuvre dans ce contexte, il a particulièrement été montré que :
• Le domaine solaire apporte principalement une information sur les propriétés structurelles et biophysiques du couvert végétal. L'apport de ces données sur les modèles de croissance de la végétation a ainsi largement été démontré (cf. § 1.3.2.1), et a permis d'estimer plusieurs paramètres contrôlant le développement phénologique du couvert. Dans un cas d'étude d'un modèle TSVA, l'indice foliaire LAI est le principal paramètre susceptible d'être ajusté par assimilation des réflectances (ou des NDVI). C'est pourquoi une attention toute particulière a été accordée à ce domaine spectral. Par ailleurs, un modèle TSVA nécessite dans son calcul du bilan d'énergie, un modèle de TR fonctionnant dans le domaine solaire. La prise en compte d'un modèle plus détaillé que celui actuellement introduit dans SiSPAT devrait permettre de mieux estimer l'albédo du couvert sur l'ensemble du spectre solaire, de mieux prendre en compte l'évolution phénologique de la végétation et de simuler les réflectances directionnelles. Dans cet objectif, une version récente du modèle turbide SAIL (Verhoef, 1984) a été utilisée. Cette version, appelée 2M-SAIL et développée à l'INRA Avignon (Weiss et al., 2001) a la principale originalité de prendre en compte différents organes végétaux dans des états phénologiques distincts. Dans notre cas d'étude de deux cultures de blé, la couche de végétation jaune qui se développe régulièrement au cours du cycle végétal a ainsi été prise en compte.
• Le domaine de l'infrarouge thermique renseigne principalement sur l'état hydrique du couvert végétal. De plus, les températures de brillance acquises dans ce domaine spectral peuvent évoluer rapidement dans le temps. Comme la résolution temporelle d'acquisition de ces données est compatible avec le pas de temps d'un modèle TSVA, il est particulièrement intéressant d'exploiter les potentialités de ce type de données dans un modèle TSVA. Afin de simuler les températures de brillance directionnelles, un modèle de TR fonctionnant dans le sens direct et développé au CETP (François, 2001), a ainsi été couplé avec le modèle SiSPAT.
• Le domaine des micro-ondes est potentiellement intéressant pour l'estimation du contenu en eau du sol. Dans ce contexte, la radiométrie hyperfréquence en bande L (1.4 GHz) semble la plus prometteuse. Son intérêt a notamment été établi par Schmugge et al. (1974, 1994). La future mission européenne SMOS (Soil Moisture and Ocean Salinity) devrait ainsi permettre d'accéder à l'humidité superficielle du sol avec une précision attendue de 0.04 m3.m-3 (Kerr et al., 2000) pour une répétitivité temporelle maximale de 3 jours et une résolution spatiale variant entre 27 et 60 km. Jusqu'à présent, l'apport de la télédétection en micro-ondes passives a été principalement étudié à partir de mesures locales d'humidité (Calvet et al., 1998 ; Calvet et Noilhan, 2000) ou à partir de radiomètres au sol (Entekhabi et al., 1994 ; Burke et al., 1997). Dans ce travail, comme aucune mesure aéroportée dans le domaine des micro-ondes passives n'était disponible, aucun couplage entre SiSPAT et un modèle de transfert radiatif n'a été mis en œuvre. De manière similaire à Calvet et al. (1998), l'apport de la télédétection en micro-ondes passives sur le modèle SiSPAT a été étudié à l'aide de mesures locales d'humidité superficielle du sol (0-5 cm).
La première partie de ce travail a ainsi été consacré au développement du modèle couplé. Dans un second temps, l'exploitation du modèle a été entreprise. Cette étape a permis de déterminer la robustesse du modèle couplé et d'évaluer l'apport de la télédétection dans l'utilisation d'un modèle TSVA complexe. Deux axes de recherche ont particulièrement été abordés dans ce travail :
• L'étalonnage du modèle à partir de la connaissance des flux de surface et des données accessibles par télédétection prises en compte dans ce travail (humidité superficielle du sol et températures de brillance). Cette phase doit en outre permettre de parvenir à la validation du modèle sur une autre parcelle de blé étudiée lors de la campagne Alpilles-ReSeDA. Par ailleurs, on a particulièrement cherché à déterminer les potentialités du modèle couplé dans un contexte où les paramètres hydrodynamiques du sol n'étaient pas connus expérimentalement.
• L'étalonnage du modèle dans un contexte d'assimilation de données de télédétection.
Pour cela, différentes méthodes d'analyse et d'évaluation du modèle couplé ont été utilisées, dont :
• Une méthode originale d'analyse de sensibilité des paramètres, permettant une analyse intrinsèque du fonctionnement du modèle couplé et préparant de manière optimale les différentes phases d'étalonnage du modèle. Cette étape a non seulement permis de déterminer quels étaient les paramètres les plus influents sur la simulation des différents processus du modèle, mais aussi de réduire fortement leurs gammes de variation.
• Une analyse stochastique permettant de déterminer l'incertitude du modèle, étape indispensable en vue de l'étape ultérieure d'assimilation de données dans le modèle.