HAL Id: hal-02595965
https://hal.inrae.fr/hal-02595965
Submitted on 15 May 2020HAL is a multi-disciplinary open access
archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Elaboration d’une méthode de cartographie de
l’humidité des sols à partir d’images satellitaires radars
M. El Hajj
To cite this version:
M. El Hajj. Elaboration d’une méthode de cartographie de l’humidité des sols à partir d’images satellitaires radars. Sciences de l’environnement. 2011. �hal-02595965�
SYSTEMES
D'INFORMATIONS
LOCALISÉES
POUR
L'AMÉNAGEMENT
DES TERRITOIRES
Directeur du projet :
Nicolas
BAGHDADI(Cemagref) Tuteur SILAT :Nicolas DEVAUX (SupAgro)
Rapporteurs :
Jean-Stéphane BAILLY (ENGREF)
Sylvain LABBÉ (Cemagref)
Septembre 2011.
M
M
M
aa
a
ss
s
tt
t
èè
è
rr
r
ee
e
S
S
S
pp
p
éé
é
cc
c
ii
i
aa
a
ll
l
ii
i
ss
s
éé
é
dd
d
ee
e
ll
l
aa
a
C
C
C
oo
o
nn
n
ff
f
éé
é
rr
r
ee
e
nn
n
cc
c
ee
e
dd
d
ee
e
ss
s
G
G
G
rr
r
aa
a
nn
n
dd
d
ee
e
ss
s
éé
é
cc
c
oo
o
ll
l
ee
e
ss
s
Elaboration d’une méthode de cartographie de
l’humidité des sols à partir d’images
satellitaires radars
Mohammad El Hajj
CemOA : archive ouverte d'Irstea / Cemagref2
Sujet : Elaboration d’une méthode de cartographie de l’humidité des sols à partir d’images satellitaires radars. Contexte : La dégradation du sol est un problème majeur qui affecte la productivité des sols, elle décrit l’effet de la
pression humaine et l’agressivité climatique. L’étude de l’humidité est largement utilisée pour lutter contre la dégradation des sols, en particulier la sécheresse, la désertification dans les écosystèmes semi-arides, et l’érosion par ruissellement dans les écosystèmes tempérés.
Cette étude s’inscrit dans la cadre de deux projets Biocrust (ANR) et Climb (FP7). Le projet Biocrust a pour objectif l’étude des croûtes microbiotiques qui sont un bon indicateur de la dégradation des sols en zones sahéliennes. Quant au projet Climb, il a pour but de développer des outils novateurs pour évaluer les risques et la vulnérabilité de la ressource en eau face au changement climatique. Pour ces deux projets, notre tâche consiste à fournir des cartes d’humidité du sol.
Objectifs: L’objectif global de cette étude est d’élaborer un outil de cartographie de l’humidité des sols. Une
analyse de la corrélation entre le signal radar en bandes L et C (longueur d’onde d’environ 25 cm et 6 cm, respectivement) et les caractéristiques physiques du sol (humidité, rugosité) sera effectuée pour le développement d’une méthode appropriée d’estimation de l’humidité. Deux zones d’étude ont été choisies qui diffèrent par leurs caractéristiques climatiques :
- Zone semi-aride (Burkina Faso):
1- Etablir une relation entre les coefficients de rétrodiffusion issus d’un capteur en bande L (PALSAR/ ALOS) et l’humidité estimée à partir d’un capteur radar basse résolution ASCAT.
2- Inverser la relation sur les images PALSAR pour cartographier l’humidité du sol à des échelles fines (sols nus ou avec un peu de végétation). Au préalable des images optiques seront utilisées pour cartographier les sols nus.
- Zone tempérée (Bassin du Thau-France) :
1- Utiliser le modèle de rétrodiffusion radar IEM (Integral Equation Model) pour simuler des coefficients de rétrodiffusion radar en bande C.
2- Comparer les valeurs simulées avec les valeurs mesurées à partir d’un capteur radar polarimétrique en bande C (Radarsat-2) afin de valider le modèle.
3- Créer une base de données de signaux simulés à partir d’IEM et estimer les paramètres du sol (humidité et rugosité) par une recherche de correspondance entre les signaux mesurés et ceux simulés (Table de correspondance).
Livrable : Rapport écrit qui explique en détail les objectifs mentionnés ci-dessus et les résultats obtenus. Confidentialité
:
Aucune clause restrictive.Lettre de mission
Commanditaire Tuteur Auditeur SILAT
Nicolas BAGHDADI
CEMAGREF-UMR TETIS Maison de la Télédétection 500 rue Jean-François Breton 34093 Montpellier Cedex 5,France Mél : nicolas.baghdadi@teledetection.fr Tel. (33) 4 67 54 87 24
Nicolas DEVAUX UMR LISAH (INRA) Montpellier SupAgro 2, Place Pierre Viala 34060 MONTPELLIER Cedex 1
Mél:nicolas.devaux@supagro.inra.fr Tél : (33) 4 67 54 87 44
Mohammad EL HAJJ : Chef de projet Maison de la télédétection 500, rue Jean-François BRETON 34093 Montpellier Cedex 5 Mél :mohammad.elhajj@hotmail.com Tél : (33) 6 13 77 67 37 CemOA : archive ouverte d'Irstea / Cemagref
3
Table des matières
1. INTRODUCTION ...5
2. LE CONTEXTE SCIENTIFIQUES, ET REGLEMENTAIRE...6
2.1. Projet BioCrust...6
2.3. Projet FP7 Climb...7
2.4. Zones d’étude...8
2.4.1 Burkina Faso...8
2.4.2 Bassin du Thau...8
PARTIE I : CARTOGRAPHIE DE L’HUMIDITE DU SOL SUR BURKINA FASO ...9
I.1. OBJECTIVE...9
I.2. MATERIEL ET METHODE...9
I.2.1. Images optiques...9
I.2.1.1 Correction géométrique...9
I.2.1.2 Corrections radiométriques...10
I.2.1.3 Utilisation des images optiques....10
I.2.1.4. Extraction des sols nus...11
I.2.2. Images Radars...11
I.2.2.1 Corrections radiométriques...12
I.2.2.2 Correction géométrique...12
I.2.3. Données météorologiques ...13
I.2.4. Données d’humidité ASCAT...13
I.3. ÉVOLUTION DE L’HUMIDITE ASCAT EN COMPARAISON AUX CARTES DE NDVI ET DE PRECIPITATIONS...13
I.4. METHODOLOGIE DE CARTOGRAPHIE DE L’HUMIDITE DU SOL ...19
I.4.1. Relation entre signal PALSAR et humidité du sol...20
I.4.2. Inversion de la relation obtenue ...20
I.5. RESULTATS ET DISCUSSION ...21
I.5.1. Simulations à partir du modèle IEM...21
I.5.2. Relation entre le signal PALSAR et l’humidité ASCAT: cas de données mono-date...21
I.5.3. Relation entre le signal PALSAR et l’humidité ASCAT: Cas de données mutli-date ...22
I.5.4 Inversion de la relation pour Cartographie de l’humidité du sol ...23
PARTIE II : CARTOGRAPHIE DE L’HUMIDITE SUR LE BASSIN DE THAU ...26
II.1. OBJECTIF ...26 CemOA : archive ouverte d'Irstea / Cemagref
4
II.2. METHODOLOGIE ...26
II.3. VALIDATION DES DONNEES ASCAT ...26
II.4. ESTIMATION DE L’HUMIDITE A PARTIR DE DONNEES RADARSAT-2 ...29
CONCLUSION ET PERSPECTIVE...30 REFERENCES BIBLIOGRAPHIQUES...32 ANNEXE 1 ...35 ANNEXE 2 ...43 REVUE BIBLIOGRAPHIQUE ...58 RESUME : ...61 ABSTRACT: ...61 CemOA : archive ouverte d'Irstea / Cemagref
5
1. Introduction
La dégradation du sol est un problème majeur qui affecte la productivité des sols, elle décrit l’effet de la pression humaine et l’agressivité climatique. L’étude de l’humidité est largement utilisée pour lutter contre la dégradation des sols, en particulier la sécheresse, la désertification dans les écosystèmes semi-arides, et l’érosion par ruissellement dans les écosystèmes tempérés.
Notre étude se déroule sur deux zones:
1- Burkina Faso : La cartographie de l’humidité au Burkina Faso a pour objectif de suivre l’évolution de la croûte biologique. La croûte biologique encore appelée croûte microbiotique se développe dans les milieux humides et se retrouve en surface de certains sols des zones semi-arides à arides voire désertiques et notamment en zone sahélienne. Ses fonctions écologiques ont été mises en évidence notamment dans la lutte contre la dégradation des sols au Sahel. L’étude de cette croûte est importante à la fois pour comprendre le processus de sa mise en place, les conditions environnementales nécessaires à son maintien mais aussi pour éclaircir ses fonctions de façon plus précise
2- Bassin de Thau : La cartographie de l’humidité dans cette zone sert à alimenter les modèles hydrologiques. En effet, l’humidité du sol joue un rôle important dans les processus hydrologiques incluant l’infiltration, l’évaporation et l’écoulement. Le bilan hydrique du sol conditionne le fonctionnement hydrologique des bassins versants et constitue un élément important en modélisation des hydrosystèmes.
Notre mission est composée de deux parties :
1- la première partie consiste à développer une méthodologie sur des images satellitaires radars d’environ 70 km x 60 km chacune. La cartographie est une cartographie régionale sur une zone d’étude d’environ 70 km x 230 km situé en Burkina Faso.
2- la seconde partie consiste à utiliser une modèle physique et des images radars pour cartographier l’humidité du sol sur une zone d’étude d’environ 15 km x 28 km situé au Sud de la France (bassin de Thau). L’étude s’appuie sur des données radars et des vérités terrains récoltées sur le bassin du Thau en 2010 et 2011.
La mission se déroule du 1er avril à fin Septembre 2011 au CEMAGREF1 dans les locaux de la Maison de la Télédétection à Montpellier.
1 CEMAGREF : Institut de recherche en sciences et technologies pour l’environnement.
CemOA
: archive
ouverte
d'Irstea
6
2. Le contexte Scientifiques, et réglementaire
Une première étude effectuée en 2010 a montré la faisabilité de la cartographie de l’humidité du sol en zones sahéliennes à partir d’images satellitaires radars (Baghdadi et al., 2011). Des images radar TerraSAR-X (bande X, 3 cm de longueur d’onde) à 1 m de résolution ont été utilisées sur les deux sites d’étude de Bani et Tamou au Niger (10 km x 10 km) pour le développement d’une méthodologie de cartographie de l’humidité. Les résultats ont montré que l’utilisation de deux images radars, une acquise en saison sèche (humidité nulle) et une autre en saison de pluie, est nécessaire pour une cartographie précise de l’humidité sur des sols nus avec peu de végétation.
Des cartes d’humidité ont été produites sur les deux sites d’étude à 12 dates entre juillet et octobre 2009 (six dates pour chaque site) avec des résolutions spatiales de 100m x 100m et 500m x 500m. En effet, la cartographie de l’humidité à partir d’images radars ne peut pas se faire pixel par pixel mais seulement sur un ensemble de pixel moyenné à cause du bruit présent sur les images radars, appelé speckle. De plus, la cartographie de l’humidité est valable seulement pour des sols nus ou avec un peu de végétation.
Cette méthodologie a été soumise au journal « Remote Sensing » et a été acceptée pour publication (Baghdadi et al., 2011). Les cartes d’humidité ont été livrées à SIRS1 pour les intégrer dans leur méthodologie de cartographie des zones favorables au développement des croûtes biologiques.
Cette étude inscrit dans la cadre de deux projets Biocrust (ANR2) et Climb3 (FP7). Le projet Biocrust a pour objet l’étude des croûtes microbiotiques qui est un indicateur de la dégradation des sols en zone sahélienne. Quant au projet Climb, il a pour but de développer des outils novateurs pour évaluer les risques et la vulnérabilité de la ressource en eau face au changement climatique. Pour ces deux projets, notre tâche consiste à fournir des cartes d’humidité du sol.
2.1. Projet BioCrust
Le projet BioCrust (vulnérabilité des croûtes biologiques et dégradation des sols en zone sahélienne) datant de 2008 est un projet ANR. Le programme concerné s’intitule « Vulnérabilité : Milieux, Climat et Sociétés ». BioCrust est financé à hauteur de 861 959 euros pour une durée de 36 mois à compter du 1er janvier 2009. Le projet BioCrust concerne la dynamique spatio-temporelle des croûtes biologiques avec notamment l’utilisation de la télédétection. L’objectif est de proposer un outil pour le suivi de la dégradation des sols. Les croûtes biologiques vont être utilisées comme indicateur de l’altération des écosystèmes sahéliens notamment face aux variations des conditions climatiques et à la pression humaine croissante.
Le projet BioCrust s’appuie sur un réseau de collaboration qui regroupe des laboratoires de recherche publics et privés basés en France et à l’étranger. Le Cemagref est l’un de ces laboratoires.
Le projet comporte quatre axes de recherche. Le premier axe concerne la caractérisation des croûtes biologiques afin de pouvoir évaluer la sensibilité de ces croûtes au changement climatiques et aux changements d’usage des terres. Cela comprend l’étude des caractéristiques physiques, chimiques et biologiques des croûtes et donc
1 Bureau d’étude sur les Systèmes d’Information à Référence Spatiale.
2 Agence Nationale de Recherche : agence publique de financement de projets de recherche 3 CLimate Induced changes on the hydrology of Mediterranean Basins
CemOA
: archive
ouverte
d'Irstea
7
également la connaissance des microorganismes présents ainsi que l’étude des substrats sur lesquels ces croûtes évoluent. Le deuxième axe
concerne l’intégration spatiale et la
modélisation des fonctions écologiques des croûtes biologique. Il consiste en l’utilisation de l’imagerie satellite et le traitement géostatistique des données collectées sur le terrain dans le but notamment d’élaborer des cartes et outils nécessaires au suivi de l’évolution des croûtes. C’est au sein de cet axe que s’inscrit notre travail de recherche. Le troisième axe se consacre à la validation des outils d’intégration et de spatialisation à l’échelle régionale. Il s’agit de valider puis vérifier à l’échelle régionale des outils de spatialisation mis en place à l’échelle locale. Cette étape est nécessaire pour permettre le suivi de l’évolution de la répartition des croûtes. Enfin, le dernier axe concerne la valorisation et la dissémination des résultats de recherche et des connaissances. Il comprend également une enquête sur les perceptions des acteurs locaux vis-à-vis des croûtes biologiques et leur sensibilité face aux changements climatiques et aux changements d’usage de terres puis l’élaboration d’outils de transfert de connaissances scientifiques.Les résultats du projet contribueront à la compréhension des processus microbiologiques à la surface des sols. Cela pourrait faciliter le développement d'indicateurs régionaux de dégradations des sols qui serviraient à identifier les zones à haut risque d'érosion avant qu'il ne soit trop tard pour intervenir.
2.3. Projet FP7 Climb
Le consortium de Climb est composé de 19 partenaires de 9 pays (
(Allemagne,
Egypte, Tunisie, Turquie,
France,
Italie, Autriche,
Palestine
, Canada). Le projet Climb a commencé en janvier 2010 pour une durée de 48 mois.Le but du projet CLIMB est de développer des outils d’avant-garde pour réduire les incertitudes dans les analyses des impacts du changement climatique, et d’appliquer ces outils pour évaluer les risques et la vulnérabilité de la ressource en eau dans différentes régions du bassin méditerranéen. Cela permettra de créer et de mettre en œuvre des stratégies d’adaptation pour une gestion durable des ressources en eau. Le projet combine des mesures de terrain, la télédétection, la modélisation hydrologique, et des études socio-économiques, et utilise des techniques nouvelles et robustes pour intégrer l’information dérivée de ces différentes sources.
Les sites d'étude sont situés en Italie (Sardaigne), France (bassin de Thau), Turquie (baie d'Izmit), Tunisie (Chiba), Egypte (Delta du Nil), et Palestine (bande de Gaza). Le plan de travail est ciblé aux bassins versants sélectionnés.
CemOA
: archive
ouverte
d'Irstea
8
2.4. Zones d’étude
2.4.1 Burkina Faso
La zone d’étude pour la cartographie régionale est située au Burkina Faso à la frontière avec le Niger
(figure1).
Cette zone est composée principalement
de
terres arables et de sols nus.
Figure 1: Localisation de la zone d’étude (Burkina Faso)
2.4.2 Bassin du Thau
La zone d’étude se situe dans la région de Languedoc Roussillon au sud de la France (figure 2). Ce bassin versant présente des caractéristiques particulièrement intéressantes. En effet, il est représentatif, d’une part, du contexte périméditerranéen et, d’autre part, d’une large variété des principales questions scientifiques liées à l’eau, tant du point de vue de sa ressource que de celui de son usage.
Figure 2: Localisation de la zone d’étude (Bassin du Thau)
CemOA
: archive
ouverte
d'Irstea
9
Partie I : Cartographie de l’humidité du sol sur Burkina Faso
I.1. Objective
L’objectif est de développer une méthodologie pour cartographier l’humidité du sol sur une échelle
régionale.
I.2. Matériel et Méthode
I.2.1. Images optiques
Des images optiques issues des satellites UK-DMC
1et Landsat 5 et 7 ont été acquises sur la zone d’étude.
Ces images ont respectivement 37 m et 30 m de résolution spatiale. La date et les caractéristiques des
images optiques sont données dans le Tableau 1. La date des images a été choisie proche de celle des
images radar.
Tableau 1 : Liste des images optiques utilisées.
I.2.1.1 Correction géométrique
Pour géoréférencer les images LandSat, nous avons utilisé les images DMC acquises sur la même zone
et qui ont été géoréférencées avec une grande précision par l’équipe du SIRS . Chaque image LandSat a
été géoréférencée en repérant des points stratégiques (une cinquantaine répartis sur l’image). La difficulté
vient du fait que sur notre zone il n’y a pas réellement de croisement de route et que les points d’eau ne
sont pas totalement fiables puisque leur étendue varie au cours de l’année. Une interpolation par
convolution cubique a été utilisée. Cette méthode permet de conserver la géométrie des éléments (Centre
Canadien de Télédétection, 2005). Sur nos images, le système de projection utiliser est UTM (Universal
Transverse Mercator), zone 31° Nord et le système géodésique est WGS 84 (World Geodesic System of
1984).
Les images sont alors parfaitement superposables et les interprétations visuelles sont donc possibles. La
précision de géoréférencement est estimée à 38m.
1 United Kingdom- Disaster Monitoring Constellation
Date Satellite Capteur Bandes Résolution
07-Oct-08 Land Sat 5 ETM+ Bleu, Vert, 30 m
16- Mar-09 Land Sat 5 ETM+ Bleu, Vert, 30 m
03-Jui-09 Land Sat 5 TM Bleu, Vert, 30 m
02-Oct-09 Land Sat 5 TM Bleu, Vert, 30 m
18-Jul-09 UK-DMC SLIM 6 MIR, Rouge, 37 m
22-Sep-09 UK-DMC SLIM 6 MIR, Rouge, 37 m
CemOA
: archive
ouverte
d'Irstea
10
I.2.1.2 Corrections radiométriques
Pour corriger radiométriquement les images LandSat, la première étape consiste à convertir les comptes
numériques (
Qcal, sans unité) pour chaque bande spectrale en radiance spectrale en utilisant leur gain
respectif (Eq.1) :
(
λ)
λ λ λ λ λλ
max
min
min
min
min
max
L
Qcal
Qcal
Qcal
Qcal
L
L
L
−
+
−
−
=
(1)
où
Lλest la Radiance spectrale (en
W
m
−2sr
−1µ
m
−1),
L
max
λet
L
min
λles radiances spectrales
maximales et minimales respectivement (en
−2 −1 −1m
sr
m
W
µ
),
Qcal
max
λet
Qcal
min
λles comptes
numériques correspondant à Lmax et Lmin et Qcal le compte numérique du pixel ij pour une bande
spectrale donnée.
La radiance spectrale doit être ensuite convertie en réflectance (Eq.2) pour tenir compte de l’angle solaire
et de la distance terre-soleil, cela a pour effet de réduire la variabilité entre les scènes :
s
Esun
d
L
θ
π
ρ
λ λ λ*
cos
2∗
∗
=
(2)
Où
ρ
λest la réflectance (sans unité),
Lλla radiance spectrale (équation 1),
dla distance terre-soleil en
unités astronomiques (ua),
Esunλl’irradiance solaire moyenne extra-atmosphérique (
wm−2µ
m−1) et
s
θ
l’angle zénithal solaire en degrés. La réflectance est une mesure de l’albédo d’un objet (d’une surface)
exprimant sa capacité à réfléchir la lumière solaire selon une longueur d’onde donnée.
I.2.1.3 Utilisation des images optiques.
Pour l’estimation de l’humidité du sol, nous nous intéressons aux sols nus ou aux zones avec peu de
végétation. En effet, le signal radar n’atteigne pas le sol en présence d’une forte végétation. Pour éliminer
les zones qui ne sont pas concernées par la cartographie de l’humidité des sols, nous avons utilisé l’indice
de végétation normalisé (NDVI) calculé sur les images optiques de réflectance
. Cet indice est le plus
souvent utilisé pour cartographier les sols nus avec peu de végétation :
NDVI= (
ρ
PIR -ρ
R)/ (ρ
PIR +ρ
R)(3)
• ρ
PIRcorrespond à la réflectance dans la bande du proche-infrarouge (0,76 < λ< 0,90 m)
• ρ
Rcorrespond à la réflectance dans bande Rouge (0,63 < λ< 0,69 m).
CemOA
: archive
ouverte
d'Irstea
11
I.2.1.4. Extraction des sols nus
La gamme de valeurs de NDVI correspondant aux sols nus a été déterminée par photo-interprétation des
cartes de NDVI. Le seuil obtenu est de l’ordre de 0.17 (0 < NDVI< 0.17). En effet, il est presque
identique sur toutes les images optiques (la borne supérieure varie entre 0.14 et 0.17).
Etant donné que les images optiques ont une résolution de 30 m x 30 m et que les images radars sont
d’une résolution de 12.5 m x 12.5 m, nous avons effectué un rééchantillonnage des cartes de NDVI (plus
proche voisin) sous ARCMAP de façon à obtenir des pixels de 12.5 m x 12.5 m. Sous ERDAS, quatre
masques de sols nus ont ainsi été créés à partir des quatre images LandSat. Ces masques seront utilisés
pour ne tenir en compte dans le calcul de l’humidité du sol que des pixels de sols nus. Les cartes de NDVI
sont ensuite codées en 0 et 1, avec la valeur 1 pour les sols nus et 0 pour le reste (végétation et eau).
I.2.2. Images Radars
Les capteurs radars sont des capteurs tout temps avec des acquisitions quelles que soient les conditions
météorologiques. De plus, le signal radar est très sensible aux caractéristiques du milieu (humidité et
rugosité du sol). La profondeur de pénétration de l’onde radar augmente avec la longueur d’onde et
diminue avec l’humidité du sol. Dans cette étude régionale, nous avons choisi de travailler sur des images
en bande L (PALSAR/ALOS) pour une question de disponibilité des données. La longueur d’onde radar
en bande L (~25 cm) permet une forte contribution du sol même sur un sol avec une faible couverture
végétale.
PALSAR/ALOS est un capteur RSO (Radar à Synthèse d’Ouverture) capable d’acquérir des images à 25
m de résolution en mode standard (d’autres modes sont disponibles qui permettent d’acquérir des images
avec des résolutions de 12.5 et 100m). Avec ce mode standard, la taille des pixels est de 12.5 m x 12.5 m
et les images font environ 70 km x 60 km. Seize images PALSAR ont été acquises sur la zone d’étude.
Cependant, quatre images sont nécessaires pour couvrir la zone d’étude et les seize images correspondent
donc à 4 dates d’acquisition dont une en saison sèche
(cf. Tableau 2). Les images sont acquises avec deux
polarisations HH et HV à l’exception de l’image de mars 2009 qui est seulement en polarisation HH.
L’angle d’incidence radar est d’environ 39°.
Date
d’acquisition Saison d’acquisition Heure d’incidence Angle Polarisations
17-Oct-08 Pluie 22:37 38.7° HH, HV
04-Mar-09 Sèche 22:39 38.7° HH
20-Jul-09 Pluie 22:40 38.7° HH, HV
20-Oct-09 Pluie 22:40 38.7° HH, HV
Tableau 2 : Liste des images PALSAR/ALOS. Il y a 4 scènes pour chaque date. TU : Temps Universel.
CemOA
: archive
ouverte
d'Irstea
12
Avant d’appliquer l’approche de cartographie de l’humidité, une série de prétraitements a été effectuée
sur les images brutes PALSAR: calibration radiométrique et géoréférencement.
I.2.2.1 Corrections radiométriques
Le but de l’étalonnage radiométrique des images radar est de transformer le compte numérique des pixels
en une grandeur physique qui est le coefficient de rétrodiffusion. Cette étape est relativement simple pour
les images PALSAR car il suffit de retirer 83 dB du compte numérique en decibels. Le calcul du
coefficient de rétrodiffusion (σ°) s’effectue comme suit:
σ
i°
dB=10*log
10(
DNi²) – 83
Où
DNiest la valeur du pixel
iou compte numérique.
I.2.2.2 Correction géométrique
Pour le géoréférencement de nos images radars, nous avons utilisé les images optiques SLIM 6 acquises
sur la même zone et géoréférencées avec une bonne précision par nos partenaires du SIRS. Chacune des
16 images radar a été géoréférencée en repérant des points homologues (une cinquantaine répartis sur
l’image). La précision de géoréférencement est estimée à 34 m.
Comme les images optiques et radars ne sont pas parfaitement superposables (RMS de géoréférencement
de l’ordre de 40 m), il est donc très probable que certains pixels de végétation ne soient pas masqués.
Pour prendre en compte l’erreur de géoréférencement des images et éliminer complètement les pixels de
végétation, nous avons utilisé la fonction Neiberhood Analysis sous ARCMAP avec une fenêtre 5x5
pour coder en 0 les pixels qui entourent la végétation
(figure 3). Cette opération maximise les pixels de
végétation mais diminue le risque d’utiliser des pixels de végétation dans l’inversion du signal radar sur
les sols nus.
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1
Figure 3: Fonction Neiberhood Analysis sous ARCMAP.
CemOA
: archive
ouverte
d'Irstea
13
I.2.3. Données météorologiques
Des données météorologiques acquises par le capteur TRMM (The Tropical Rainfall Measuring Mission) à
une échelle régionale ont été utilisées. Le satellite TRMM a été lancé en 1977 et placé sur une orbite basse
de 350 km d’altitude et un angle de 35° avec l’équateur. Pour estimer la précipitation, le satellite TRMM
combine des données issues d’un capteur Micro-onde (TRMM Microwave Imager, TMI), d’un capteur radar
(Precipitation Radar, PR), et d’un capteur en visible et proche infrarouge (Visible and InfraRed Scanner
VIRS). Les données utilisées dans cette étude correspondent à des produits tri-horaires TRMM 3B42 à une
résolution spatiale de 0,25° x 0.25° (Simpson et al., 1996 ; Jobard, 2001).
I.2.4. Données d’humidité ASCAT
Des données d’humidité à faible résolution spatiale estimées à partir du capteur radar ASCAT ont
également été analysées dans le cadre de cette étude régionale. ASCAT (Advanced SCATterometre) est
un capteur actif en bande C (5.6 GHz), embarqué sur la plateforme du satellite METOP-A (Satellite
Météorologique Polaire Opérationnel). Le satellite METOP a été lancé le 19 octobre 2006 à 16:28 UTC et
placé sur une orbite polaire héliosynchrone à environ 880 km d’altitude. Il traverse l’équateur autour de
09:30 (orbite descendante) et 21:30 (orbite ascendante) heure locale solaire. ASCAT observe 82% du
globe chaque jour avec une résolution spatiale de 25 km (ré-échantillonnée à 12.5 km).
L'humidité surfacique du sol SSM (0-5cm) est calculée à partir des coefficients de rétrodiffusion radar
mesurés par ASCAT en utilisant une approche empirique de détection de changement, développée à
l’Université Technologique de Vienne (TU-Wien) par Wagner et son équipe (Wagner et al., 1999). Cette
approche est basée sur l’hypothèse que sur une longue série de mesures, la rétrodiffusion la plus élevée
correspond à une valeur d’humidité maximale alors que la rétrodiffusion la plus faible correspond à une
humidité minimale du sol. Une relation linéaire est ensuite utilisée pour interpoler les valeurs entre les
deux limites. Le résultat est une observation, défini grossièrement comme le degré de saturation du sol,
avec des valeurs entre 0% (minimum d’humidité) et 100% (maximum d’humidité). Les valeurs peuvent
être converties en humidité volumique du sol si les paramètres d’humidité du sol sont connus (humidités
minimale et maximale).
I.3. Évolution de l’humidité ASCAT en comparaison aux cartes de NDVI
et de précipitations
Pour analyser l’évolution de l’humidité calculée à partir de données ASCAT
(Figure 4, Annexe 1), des
données de NDVI de résolution 250 m x 250 m fournies par le capteur MODIS
(Figure 5, Annexe1)en
plus des données de précipitations
(figures 6 et 7, Annexe 1)ont été utilisées. Le capteur ASCAT
fonctionne en bande C. Cette bande ne permet pas d’atteindre le sol en présence d’une végétation
importante. Pour cela, on s’intéresse à analyser les cartes d’humidité en fonction du NDVI. Les cartes
CemOA
: archive
ouverte
d'Irstea
14
d’humidité et de NDVI
montrent
que les valeurs d’humidité du sol sont très fortes pour les pixels avec
une forte couverture forestière (partie sud de la zone d’étude). Cette constatation laisse penser que
l’estimation ASCAT de l’humidité n’est pas fiable pour ses pixels (Dharssi et al., 2010)
Des données de précipitations cumulées sur la semaine précédant la date d’acquisition des données ASCAT
ainsi que des données de précipitation le jour des acquisitions ASCAT ont été utilisées pour analyser
l’évolution de l’humidité en fonction des précipitations. Les cartes de précipitations cumulées sur la semaine
précédant l’acquisition radar sont bien corrélées avec les cartes d’humidité
(figures 4 et 7, Annexe 1).Par
contre, la précipitation journalière n’explique pas la variation de l’humidité du sol sur les images radar
(figures 4 et 6, Annexe 1).
Pour la carte d’humidité du mois de Mars (saison sèche), l’ouest de Burkina Faso présente une humidité
entre 5 et 10 % le long du fleuve Niger. Cette humidité est due essentiellement à la présence de zones de
cultures irriguées sur les rives du fleuve
(figure 4).Figure 4 : Données d’humidité fournies par le capteur ASCAT pour les mêmes dates des images PALSAR.
(a) (b) CemOA : archive ouverte d'Irstea / Cemagref
15
Figure 5 : Données de NDVI calculées à partir de données MODIS (250m x 250m) aux dates PALSAR.
(a) (b)
Figure 6 : Pluviométrie enregistrée le jour des acquisitions PALSAR. . (a) (b) CemOA : archive ouverte d'Irstea / Cemagref
16
(c) (d)
Figure 7 : Pluviométrie cumulée sur la semaine précédant les acquisitions PALSAR.
Pour montrer l’évolution de l’humidité pendant l’année 2009, des cartes d’humidité mensuelles
moyennées ont été établies
(figure 8, Annexe 1).Ces cartes montrent que le sol commence à être humide à
partir du mois de mai dans le sud du Burkina Faso alors que le centre et le nord du Burkina n’est humide
qu’à partir du mois de juillet. L’humidité maximale est observée en août et septembre (
figure 8, Annexe 1). De janvier à avril, les zones irriguées apparaissent avec une valeur d’humidité volumétrique entre 5 et
10 %
(figure 8, Annexe 1). CemOA : archive ouverte d'Irstea / Cemagref17
(a) (c)
(b) (d)
Figure 8 : Cartes d’humidité mensuelles moyennées pour l’année 2009.
Pour créer une carte de synthèse annuelle de l’humidité et de la précipitation, nous avons calculé la
moyenne de l’humidité sur l’année 2009. De plus, nous avons établi le cumul de l’humidité et de la
précipitation (
Figure 9).Ces cartes ont montré que l’humidité diminue avec la latitude et est fortement
corrélée avec la carte de précipitation.
CemOA
: archive
ouverte
d'Irstea
18
(a)
(b)
(c)
0 5 10 15 20 25 30 35 40 45 50 Janvier Février Mars Avril Mai Juin Juillet Août Septembre Octobre Novembre Décembre M o is_ 20 09 Humidité Volumique (%) P oin t 1 P oin t 2 P oin t 3(d)
Figure 9 (a) Humidité annuelle moyenne de l’année 2009, (b) Cumul annuel de l’humidité pour l’année 2009, (c) précipitations cumulées de l’année 2009. (d) Evaluation de l’humidité pendant l’année 2009.
Trois localisations ont été choisies (figure 9) pour montrer l’évolution de l’humidité sur un endroit sec (point 1, Lat. 15°N), moyennement humide (point 2, Lat. 13°N) et humide (point 3, Lat. 11°N). Chaque courbe représente l’évolution de l’humidité en fonction du temps pour l’année 2009. On observe que le pic d’humidité correspond bien au pic de précipitation (aout-septembre, figure 9 et figure 10). Par exemple, pour le point 3 on observe que les pics d’humidité et des précipitations se situent en août, ce qui explique que l’humidité du sol est un phénomène instantané qui est corrélé aux précipitations.
CemOA
: archive
ouverte
d'Irstea
19
0 10 20 30 40 50 60 70 80 90 01 /0 1/ 2 00 9 01 /0 2/ 2 00 9 01 /0 3/ 2 00 9 01 /0 4/ 2 00 9 01 /0 5/ 2 00 9 01 /0 6/ 2 00 9 01 /0 7/ 2 00 9 01 /0 8/ 2 00 9 01 /0 9/ 2 00 9 01 /1 0/ 2 00 9 01 /1 1/ 2 00 9 01 /1 2/ 2 00 9 01 /0 1/ 2 01 0 Date (jj/mm/aaaa) P ré c ip ita tio n (m m)(a)
0 10 20 30 40 50 60 70 80 90 0 1/ 01 /2 00 9 0 1/ 02 /2 00 9 0 1/ 03 /2 00 9 0 1/ 04 /2 00 9 0 1/ 05 /2 00 9 0 1/ 06 /2 00 9 0 1/ 07 /2 00 9 0 1/ 08 /2 00 9 0 1/ 09 /2 00 9 0 1/ 10 /2 00 9 0 1/ 11 /2 00 9 0 1/ 12 /2 00 9 0 1/ 01 /2 01 0 Date (jj/mm/aaaa) P ré c ip it at io n (m m )(b)
0 10 20 30 40 50 60 70 80 90 01 /0 1/ 20 0 9 01 /0 2/ 20 0 9 01 /0 3/ 20 0 9 01 /0 4/ 20 0 9 01 /0 5/ 20 0 9 01 /0 6/ 20 0 9 01 /0 7/ 20 0 9 01 /0 8/ 20 0 9 01 /0 9/ 20 0 9 01 /1 0/ 20 0 9 01 /1 1/ 20 0 9 01 /1 2/ 20 0 9 01 /0 1/ 20 1 0 Date (jj/mm/aaaa) P ré c ip ita tio n (m m )(c)
0 10 20 30 40 50 60 70 80 90 01 /0 1/ 2 00 9 01 /0 2/ 2 00 9 01 /0 3/ 2 00 9 01 /0 4/ 2 00 9 01 /0 5/ 2 00 9 01 /0 6/ 2 00 9 01 /0 7/ 2 00 9 01 /0 8/ 2 00 9 01 /0 9/ 2 00 9 01 /1 0/ 2 00 9 01 /1 1/ 2 00 9 01 /1 2/ 2 00 9 01 /0 1/ 2 01 0 Date (jj/mm/aaaa) P ré ci p ita ti o n ( m m )(d)
Figure 10 : Données de précipitation acquises par le satellite météorologique TRMM. (a) pluviométrie moyennée sur des longitudes entre 3°W et 3°E et pour une latitude de 11°N, (b) pluviométrie moyennée sur des longitudes entre 3°W et 3°E et pour une latitude de 13°N, (c) pluviométrie moyennée cumulée sur des longitudes entre 3°W et 3°E et pour une latitude de 15°N, (d) pluviométrie moyennée sur des longitudes entre 3°W et 3°E et pour une latitude de 17°N.
I.4. Méthodologie de cartographie de l’humidité du sol
La relation entre le signal radar et l’humidité du sol peut s’écrire selon une loi linéaire pour des humidités volumique entre 5% et 35% (Ulaby et al.,1978; Dobson et Ulaby, 1986; Moeremans et al., 2000; Baghdadi et al., 2002):
σ°
db= a m
v+b
• σ°db : coefficient de rétrodiffusion radar en décibel
• mv : humidité du sol
•
a : sensibilité du signal à l’humidité, dépend à la fois de l’angle d’incidence du radar et de la polarisation. Ilcorrespond à la sensibilité du signal radar à l’humidité du sol (dB/%).
• b : coefficient principalement contrôlé par l’angle d’incidence, la polarisation et la rugosité de surface du sol.
Cette relation ne prend pas en compte l’effet de la rugosité du sol.
Des études ont montré que pour une polarisation HH, le coefficient de la régression linéaire (a), en bande C est compris entre 0,14 et 0,29 (Le Hégarat et al., 2002 ; Moran et al., 2004) et en bande L entre 0,18 et 0,34 (Morvan
et al., 2011). CemOA : archive ouverte d'Irstea / Cemagref
20
I.4.1. Relation entre signal PALSAR et humidité du sol
Nous avons analysé la relation entre les coefficients de rétrodiffusion PALSAR et les données d’humidité fournies par le capteur ASCAT pour les mêmes dates que les images radar (Tableau 3). Pour ce faire, nous avons multiplié les images radars en linéaire par le masque de sol nu pour éliminer les pixels qui correspondent à la végétation. Après, nous avons calculé la moyenne des coefficients de rétrodiffusion PALSAR sur les mailles ASCAT (12.5 km x 12.5 km).
Il est important dans la comparaison des images PALSAR avec les données ASCAT de prendre la même date car l’humidité du sol évolue fortement avec le temps dans un contexte semi aride. Cependant, pour certaines images PALSAR datées du 20 octobre 2009 (22 h) et 20 juillet 2009 (22 h), les données ASCAT disponibles correspondent au 21 octobre 2009 (10 h) et 21 juillet 2009 (10h), respectivement. Pour ces dates, les données TRMM ne montrent pas de précipitations ce qui rend les données PALSAR et ASCAT comparables.
Images Radars Données ASCAT
Date d’acquisition
jj-mm-aa Heure d’acquisition (TU) Date d’acquisition jj-mm-aa Heure d’acquisition (TU)
17-Oct-08 22:37 17-Oct-08 20:00
04-Mar-09 22:39 04-Mar-09 21:00
20-Jul-09 22:40 21-Jul-09 10:00
20-Oct-09 22:40 21-Oct-09 10:00
Tableau 3 : Dates d’acquisition des images PALSAR et de données ASCAT les plus proches.
Pour éliminer l’effet de rugosité, nous avons utilisé la différence entre une image acquise en saison humide (octobre 2008, juillet 2009, octobre 2009) et une image acquise en saison sèche (mars 2009). La différence du signal en décibel ( σ°) dépend de l’humidité du sol et non plus de la rugosité (Baghdadi et al., 2011), comme le montre la relation suivante :
σ
°db = (a mvsaison humide+b) – (a mvsaison sèche+b) = a (mvsaison humide - mvsaison séche)Pour ce calcul, nous faisons l’hypothèse que la rugosité du sol est identique au cours de l’année, et que l’humidité pendant la saison sèche n’est pas considérée nulle (même si théoriquement elle est supposée égale à 0 %) à cause de la présence des zones irriguées pendant la saison sèche (figures 4 et 8,Annexe 1).
I.4.2. Inversion de la relation obtenue
La relation linéaire σ°db = a (mvsaison humide - mvsaison séche) a été inversée pour cartographier l’humidité avec
différentes résolutions spatiales. Pour ce faire, on calcule la moyenne des σ° sur des mailles de 100 m x 100 m, 500 m x 500 m, 1 km x 1 km, et 12.5 km x 12.5 km avec l’aide de la fonction « Zonale Statistique » sous
ARCMAP. Ensuite, ERDAS a été utilisé pour produire les cartes d’humidité. Notons que pour obtenir l’humidité
pour date de la saison humide, l’humidité moyenne de la saison sèche (mars 2009) a été attribuée à mvsaison séche.
CemOA
: archive
ouverte
d'Irstea
21
I.5. Résultats et discussion
I.5.1. Simulations à partir du modèle IEM
Nous avons simulé avec le modèle IEM les coefficients de rétrodiffusion en polarisations HH et HV (polarisations de nos images PALSAR) pour une rugosité de sol donnée (rms=1 cm, longueur de corrélation=5 cm, fonction d’autocorrélation exponentielle) et avec une incidence radar de 39° (même incidence que les images radar). La Figure 11 montre les relations entre le signal radar simulé avec le modèle IEM en bande L et l’humidité du sol. Les simulations IEM montre que la sensibilité du signal radar en bande L (coefficient a) est de 0.20dB/% en polarisation HH et 0.47dB/% en polarisation HV. y = 0,1977x - 22,493 R2 = 0,9579 -30 -25 -20 -15 -10 -5 0 0 10 20 30 40 Humidité volumique (%) C o ef fi ci en t d e ré tr o d iff u s io n H H (d B ) y = 0,4737x - 48,64 R2 = 0,9629 -50 -45 -40 -35 -30 -25 -20 -15 -10 -5 0 0 10 20 30 40 Humidité volumique (%) C o ef fi ci en t d e ré tr o d iff u s io n H V (d B )
Figure 11 : σ° simulé par IEM en fonction de l’humidité du sol. Fréquence radar=1.27 GHz, incidence =39°, écart type des hauteurs rms=1 cm, longueur de corrélation 5 cm, et fonction d’autocorrélation exponentielle.
I.5.2. Relation entre le signal PALSAR et l’humidité ASCAT: cas de données mono-date
La Figure 12 montre les relations entre le signal PALSAR moyenné sur les mailles ASCAT et l’humidité du sol estimée par ASCAT. La sensibilité (a) du signal radar à l’humidité est de l’ordre de 0.21dB/% et 0.17dB/% pour les polarisations HH et HV, respectivement. Cette valeur est proche de celle obtenue avec le modèle IEM en HH mais assez différente de celle obtenue en polarisation HV. Cette différence en HV est probablement due au mauvais fonctionnement du modèle IEM car la valeur obtenue avec les données ASCAT (a=0.21dB/%) est tout de même très proche de celle rencontrée dans la littérature (entre 0.18 et 0.34dB/%) (Morvan et al., 2011).
CemOA
: archive
ouverte
d'Irstea
22
y = 0,213x - 19,275 R2 = 0,2927 -30 -25 -20 -15 -10 -5 0 0 5 10 15 20 Humidité volumétrique (%) C o ef fi ci en t d e ré tr o d if fu si o n H H ( d B ) 21/10/2009 04/03/2009 17/10/2008 21/07/2009 Linéaire y = 0,1661x - 25,724 R2 = 0,2335 -30 -25 -20 -15 -10 -5 0 0 5 10 15 20 Humidité volumétrique (%) C o ef fi ci en t d e ré tr o d if fu si o n H V ( d B ) 21/10/2009 17/10/2008 21/07/2009 LinéaireFigure 12 : σ° de PALSAR en fonction de l’humidité du sol estimée par ASCAT. Les données PALSAR correspondent à la moyenne des pixels sur les mailles ASCAT.
Pour le mois de juillet (21/07/2009), les résulats montrent que pour certains pixels ASCAT avec de faibles humidités le signal PALSAR en polarisation HH a des valeurs élevées. Cette anomalie est due à la présence des sols nus caillouteux. Les sols nus caillouteux ont des surfaces rugueuses qui produisent des fortes valeurs de rétrodiffusion radar (Figure 13).
(a)
(b)
Figure 13 : Les carrées rouges correspondent aux mailles ASCAT (12.5 km x 12.5 km) avec de faibles valeurs d’humidité ASCAT (<4%) et pour lesquelles les valeurs de rétrodiffusion radar sont élevées (> -17dB). (a) image radar de juillet 2009 en polarisation HH, en noir c’est le masque de végétation, (b) image optique LandSat Juin 2009 composition (PIR_Rouge_Vert).
I.5.3. Relation entre le signal PALSAR et l’humidité ASCAT: Cas de données mutli-date
La différence des signaux PALSAR entre les images de saison humide et l’image de saison sèche (mars 2009) est illustrée sur la figure 14 en fonction de l’humidité (mvsaison humide - mvsaison séche) estimée par le capteur ASCAT.
Cette différence permet d’éliminer l’effet de la rugosité du sol et non de le négliger. La différence entre une image de saison humide et une image de saison sèche montre une sensibilité avec l’humidité du sol de l’ordre de
Haute rétrodiffusion
Sol nus caillouteux
CemOA
: archive
ouverte
d'Irstea
23
0.332dB/% en polarisation HH (Figure 14). Pour la polarisation HV, l’image radar du mois de mars (saison sèche) ne dispose pas de cette polarisation.
y = 0,3318x R2 = 0,4929 -2 0 2 4 6 8 10 0 2 4 6 8 10 12 14 16 ∆ humidité volumétrique S a is o n h u m id e S a is o n s é c h e ( d B )
octobre 2008 juillet 2009 octobre 2009 Linéaire
Figure 14 : Différentiel du signal PALSAR (saison humide – saison sèche) en polarisation HH en fonction du différentielle de l’humidité du sol (saison sèche – saison humide). L’humidité est issue des données ASCAT. Chaque point correspond à la valeur sur une maille ASCAT (12.5 km x 12.5 km).
C’est donc la relation σ°db(HH)=0,3318 mv qui sera utilisée pour inverser le signal PALSAR et pour cartographier
l’humidité sur l’ensemble des sols nus de notre zone d’étude.
I.5.4 Inversion de la relation pour Cartographie de l’humidité du sol
Une inversion de la relation σ°db(HH)=0,3318 mv a été réalisée pour cartographier l’humidité des sols avec des
résolutions spatiales de 100, 500,1000 m, et 12500 m (Figure 15, Annexe 2). Pour calculer l’humidité à une date donnée de saison humide, l’humidité moyenne de la saison sèche (mars 2009 ; mv=2.33 %) a été additionnée à mv.
Une cohérence des résultats a été observée quelles que soient la date et la résolution spatiale. Les sols nus à proximité des rivières ou les espaces fourrés sont plus humides que les autres sols nus (figure 16, Annexe 2). Des valeurs d’humidité négatives ont été observées; ces valeurs sont plutôt liées à la présence de zones irriguées en mars, à la présence d’arbres non masqués, et/ou à la précision radiométrique des données radars. En effet les zones irriguées pendant la saison sèche sont plus humides que pendant la saison de pluie (figure 4). De plus, la majorité de ces zones sont situées à proximité des rivières et espaces fourrés (figure 16, Annexe 2). En effet, la précision radiométrique des données radar est de l’ordre de 1 dB. Cette valeur se traduit par une précision sur l’estimation de l’humidité de l’ordre de 3% (0.3318-1).
Des cartes du pourcentage de pixel pris en compte dans le calcul de la moyenne du signal rétrodiffusé ont été réalisées pour associer à chaque estimation d’humidité (sur une maille donnée) une information de fiabilité. En effet, si le nombre de pixels pris en compte dans l’estimation de l’humidité est trop faible, on pourra dire que l’estimation est peu fiable. Au moins 100 pixels sont nécessaires dans chaque maille pour supposer une estimation fiable de l’humidité (figures 15 et 16, Annexe 1). Par exemple, un pourcentage de 25% de pixels de sols nus, sur une maille de 500 m x 500 m, indique que l’estimation de l’humidité a été calculée à partir de 400 pixels (pixels de 12.5 m x 12.5m). CemOA : archive ouverte d'Irstea / Cemagref
24
(a)
(b)
Figure 15 : Résultat de la cartographie de l’humidité du sol sur des mailles de 100 m x 100 m, (a). Le pourcentage de pixels de sols nus pris en compte dans l’estimation de l’humidité est également représenté (b).
(a)
(b)
Figure 16 : Zooms sur les cartes d’humidité du sol présentées en Figure 15 (a) et le pourcentage de pixels de sols nus pris en compte dans l’estimation de l’humidité (b).
CemOA
: archive
ouverte
d'Irstea
25
La figure 17 montre que la contribution de la rugosité sur le signal rétrodiffusé a été éliminée. En effet, l’humidité des sols nus caillouteux est plus faible ou égale à l’humidité des autres sols nus. Ceci explique la fiabilité de la méthodologie adopté pour éliminer l’effet de la rugosité
.
(a)
(b)
(c)
Figure 17 : Résultat de la cartographie de l’humidité sur des mailles de 500 m x 500 m et 1000 m x 1000 m (a et b) en comparaison à la carte d’occupation du sol fournie par SIRS (c).
CemOA
: archive
ouverte
d'Irstea
26
Partie II : Cartographie de l’humidité sur le Bassin de Thau
II.1. Objectif
Cette partie a pour objet d’utiliser le modèle de rétrodiffusion radar IEM (Integral Equation Model) pour estimer l’humidité du sol à partir d’images radar polarimétriques du capteur RADARSAT-2 (bande C). Une première comparaison entre les données d’humidité ASCAT et les mesures terrain permettra d’analyser la précision des données ASCAT. La deuxième partie consiste à inverser les images RADARSAT-2. Le résultat de cette inversion permet de fournir des cartes d’humidité à haute résolution spatiale (taille de pixel de l’ordre de 8 m). En effet, ASCAT est un produit avec basse résolution spatiale mais une très haute résolution temporelle (à la journée) alors que le produit RADARSAT-2 correspond à des estimations d’humidité à haute résolution spatiale mais à faible résolution temporelle (2 cartes d’humidité par mois). Le traitement de données RADARSAT-2 sera effectué dans le cadre d’un CDD qui commencera à la fin de mon stage.
II.2. Méthodologie
On souhaite calculer l’humidité sur les sols nus des champs agricoles. Pour cartographier les sols nus,
des images optiques fournies par le satellite LandSat 5 ont été utilisé
(cf. I.2.1.). Ensuite, Une carte d’occupation des sols a été utilisée pour masquer les autres classes présentent dans notre zone d’étude. Pour calculer l’humidité, un logiciel en cours de développement au Cemagref (UMR TETIS) sera utilisé. Il calcule la moyenne du signal rétrodiffusé sur des mailles, des zones pédologiques ou des parcelles. Ensuite, la moyenne du signal est utilisée pour estimer l’humidité du sol. La technique d’inversion est basée sur des réseaux de neurones et c’est le modèle de rétrodiffusion radar IEM qui est utilisé dans le processus d’inversion. Cette partie n’a pas été abordée dans mon stage. J’ai toutefois comparé les estimations de l’humidité par ASCAT et les mesures terrain.II.3. Validation des données ASCAT
La qualité des estimations ASCAT peut être mauvaise si les mailles ASCAT couvrent d’importantes zones forestières ou des grands étendus d’eau. En effet, la contribution du sol sur le signal ASCAT en bande C est très faible pour les zones forestières (faible pénétration de l’onde radar) et que les surfaces en eau ne correspondent pas à des sols. Le signal ASCAT intègre la contribution de tous les diffuseurs situés dans une maille de 12.5 km x 12.5 km. Ce signal moyen pour une maille donnée peut contenir une part non négligeable de rétrodiffusion par l’eau s’il y a de l’eau ou par la forêt s’il y a de la forêt. Si la part de l’eau ou de la forêt et même de l’urbain est très importante, l’inversion de ce signal peut aboutir à une information sur l’humidité La figure 18 montre que pour les dates 28/09/2010, 01/10/2010, et 28/10/2010 l’humidité ASCAT est de l’ordre de 5 % alors que la mesure terrain est entre 12% et 15%. Pour les mailles 2237405 et 2237409 (présence d’eau, figure 19), les estimations ASCAT sont légèrement moins bons (RMSE ~ 5,2 %) par rapport aux mailles 2242067 et 242071 qui couvrent exclusivement la terre (RMSE ~ 4,4 %).
CemOA
: archive
ouverte
d'Irstea
27
maille : 2242067 RMSE = 4,76 % Biais = -0,70 % 0 5 10 15 20 25 30 0 10 20 30 Mesure Terrain H u m id it é A S C A T 28/09/2010 01/10/2010 25/10/2010 27/10/2010 28/10/2010 02/11/2010 04/11/2010 15/11/2010 18/11/2010 maille : 2242071 RMSE = 4,04 % Biais = -1,63 % 0 5 10 15 20 25 30 0 10 20 30 Mesure Terrain H u m id it é A SC A T 28/09/2010 01/10/2010 25/10/2010 27/10/2010 28/10/2010 02/11/2010 04/11/2010 15/11/2010 18/11/2010 maille : 2237405 RMSE = 5,28 % Biais = -1,23 % 0 5 10 15 20 25 30 0 10 20 30 Mesure Terrain H um id it é A S C A T 28/09/2010 01/10/2010 25/10/2010 27/10/2010 28/10/2010 02/11/2010 04/11/2010 15/11/2010 18/11/2010 maille : 2237409 RMSE = 5,20 % Biais = -1,7 % 0 5 10 15 20 25 30 0 10 20 30 Mesure Terrain H u m id it é A S C A T 28/09/2010 01/10/2010 25/10/2010 27/10/2010 28/10/2010 02/11/2010 04/11/2010 15/11/2010 18/11/2010Figure 18 : Comparaison entre les données ASCAT et les mesures Terrain.
Figure 19 : Etendue des mailles par rapport à l’eau.
J’ai pris l’initiative de contacter les fournisseurs des données ASCAT pour discuter avec eux de la fiabilité des données ASCAT sur notre zone d’étude. J’ai présenté nos résultats de la comparaison entre les données ASCAT et les mesures terrain. Leur réponse est que les mesures ASCAT subissent parfois des erreurs pour les mailles qui se situent dans une distance inférieure à 20 km de la zone côtière.
Par la suite, nous avons calculé la moyenne des estimations ASCAT sur 5 jours (±2 jours de la mesure terrain). La figure 20 montre que le calcul de la moyenne des données ASCAT sur cinq jours réduit le biais et le RMSE. Il est donc préférable d’utiliser les moyennes des données ASCAT sur cinq jours au lieu d’utiliser les valeurs ASCAT calculées pour une date précise (à condition que les conditions météorologiques restent stables).
CemOA
: archive
ouverte
d'Irstea
28
0 10 20 30 40 50 60 70 80 01 /0 1/ 20 10 01 /0 2/ 20 10 01 /0 3/ 20 10 01 /0 4/ 20 10 01 /0 5/ 20 10 01 /0 6/ 20 10 01 /0 7/ 20 10 01 /0 8/ 20 10 01 /0 9/ 20 10 01 /1 0/ 20 10 01 /1 1/ 20 10 01 /1 2/ 20 10 01 /0 1/ 20 11 Date (jj/mm/aaaa) précipitation (mm) (somme sur cinq jours) Humidité ASCAT moyennée sur cinq jours (%) Mesures d'humidité maille : 2242067 RMSE = 4,32 % Biais = -0,70 % 0 5 10 15 20 25 30 0 10 20 30 Mesure Terrain H u m id it é A S C A T 28/09/2010 01/10/2010 25/10/2010 27/10/2010 28/10/2010 02/11/2010 04/11/2010 15/11/2010 18/11/2010 maille : 2242071 RMSE = 3,68 % Biais = -0,69 % 0 5 10 15 20 25 30 0 10 20 30 Mesure Terrain Hu m id it é AS CA T 28/09/2010 01/10/2010 25/10/2010 27/10/2010 28/10/2010 02/11/2010 04/11/2010 15/11/2010 18/11/2010 maille : 2237405 RMSE = 3,76 % Biais = -1,33 % 0 5 10 15 20 25 30 0 10 20 30 Mesure Terrain H um id it é A S C A T 28/09/2010 01/10/2010 25/10/2010 27/10/2010 28/10/2010 02/11/2010 04/11/2010 15/11/2010 18/11/2010 maille : 2237409 RMSE = 3,49 % Biais = -1,43 % 0 5 10 15 20 25 30 0 10 20 30 Mesure Terrain H u m id it é A S C A T 28/09/2010 01/10/2010 25/10/2010 27/10/2010 28/10/2010 02/11/2010 04/11/2010 15/11/2010 18/11/2010Figure 20 : Comparaison entre les moyennes ASCAT calculées sur cinq jours et les mesures terrain.
Les résultats issus de la moyenne ont été présentés au fournisseur des données ASCAT pour valider notre approche et le fournisseur a validé cette solution car elle est souvent adoptée pour étudier l’évolution de l’humidité du sol. De plus, la figure 22 montre que les parties Est et Nord-Ouest de l’Hérault conservent leurs valeurs d’humidité en l’absence de précipitation. Ceci est dû à la une forte présence de forêt (Garrigues)
.
Figure 21 : Variation de l’humidité en fonction de la précipitation.
CemOA
: archive
ouverte
d'Irstea
29
Figure 22 : Humidité ASCAT moyennée sur cinq jours.
II.4. Estimation de l’humidité à partir de données RADARSAT-2
La partie estimation de l’humidité du sol à partir des données RADARSAT-2 n’a pas été effectuée dans le cadre de ce stage faute de temps. Elle sera réalisée ultérieurement dans le cadre d’un CDD.
CemOA
: archive
ouverte
d'Irstea
30
Conclusion et perspective
L’objectif de cette étude était de développer une méthodologie pour cartographier l’humidité du sol à partir d’images radars. La première partie consiste à fournir des cartes d’humidité à l’échelle régionale avec comme zone d’étude le Burkina Faso. La deuxième partie de ma mission concerne le suivi de l’humidité du sol sur le bassin de Thau à une échelle spatiale fine. La méthodologie utilisé sur le site Africain utilise la différence entres deux images. L’une acquise en saison sèche et l’autre en saison humide. Cette différence d’image permet d’éliminer la rugosité du sol principale source d’erreur dans l’estimation de l’humidité. Sur le bassin de Thau l’estimation de l’humidité du sol devrait être faite en inversant des images radar polarimétrique grâce à une méthode d’inversion basée sur la table de correspondance ou les réseaux de neurones. Un modèle physique de rétrodiffusion radar(IEM) sera utilisé. Je rappelle que la partie inversion sur le bassin de Thau n’a pas été effectuée faute de temps.
Pour la zone située au Burkina Faso j’ai réussi à réaliser toutes les tâches que nous avait confiées par le directeur du projet. En effet, j’ai fourni des cartes d’humidité du sol à échelle régionale. En revanche, pour la zone Bassin du Thau les objectifs n’ont pas complètement été atteints faute de temps.
La méthodologie développée sur le Burkina n’utilise pas des données d’humidité in situ dans la phase de calibration de la relation ( σ°db= a mv). Des estimations d’humidité à très basse résolution (12.5 km x 12.5 km)
par le capteur ASCAT ont été utilisées pour cette calibration. Une fois cette calibration effectuée nous avons inversé la relation pour estimer l’humidité a des échelles plus fines. Cependant, L’utilisation des données ASCAT a des limites car elles ne sont pas exploitables sur des zones qui contiennent une végétation dense (foret par exemple). Pour le bassin de Thau nous avons validé les données ASCAT en les comparant a des données d’humidité in situ. De plus, toute la base de données (images radars, carte NDVI, Carte ASCAT) est prête pour la cartographie qui sera effectuée ultérieurement.
Des perspectives de travail sont ouvertes concernant l’utilisation de ces cartes d’humidité :
1- Pour la zone d’étude au Burkina Faso afin d’aider à la cartographie des croûtes biologiques. 2- Pour le Bassin de Thau dans le but d’alimenter les modèles hydrologiques.
Les résultats de ce travail seront valorisés dans le cadre d’un CDD qui va démarrer en octobre 2011. Cette expérience me permettra de découvrir l’importance du travail effectué pendant la durée de ma mission SILAT.
CemOA
: archive
ouverte
d'Irstea
