Global mapping of root zone soil moisture at subkilometric resolution - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Global mapping of root zone soil moisture at subkilometric resolution

Cartographie de l'humidité de sol en zone racinaire à l'échelle globale et avec une résolution kilométrique

Roiya Souissi
  • Fonction : Auteur
  • PersonId : 1248201
  • IdRef : 269226788

Résumé

In a global context of climate change and water insecurity, soil moisture is an important land parameter for applications strongly dependent on water resources such as agriculture. Given its role in the soil-vegetation-atmosphere interactions, it is recognized as an essential climate variable (ECV). Root-Zone Soil Moisture (RZSM) is of particular interest since plants extract water and nutrients from the root zone. Over the past decades, remote sensing techniques have been employed to observe surface soil moisture (SSM). However, they do not allow the retrieval of RZSM due to the shallow penetration depth of the current sensors. In addition to direct measurements and indirect in-situ measurements, RZSM can be estimated via physically-based models, data assimilation techniques or data-driven methods. This thesis is structured in three axes and is centered on the prediction of RZSM at large scales and subkilometric resolutions using Artificial Neural Networks (ANNs). The first part focuses on the prediction of RZSM at different locations around the world using an ANN model based on only in-situ SSM information. A transferability study of the approach as well as the contribution of each soil moisture network were conducted. Overall, the model proved to be reliable in areas of strong seasonal dynamics but less efficient in areas where the link between surface and the root zone is weak, namely in regions of high evaporation rates. The second axis aims at complexifying the method in order to improve the performances there where the first approach was lacking. A hybridization of the method was conducted by feeding physical process-related variables to the ANN model, namely the soil moisture index (SWI), evaporation efficiency and the normalized difference vegetation index (NDVI). The results demonstrated that the ANN model composed of SSM features and all process-related variables was reliable in predicting RZSM. The individual impact of each variable on the quality of predictions was also highlighted via a climate analysis. The last axis concerns RZSM spatial mapping over continental Europe at a subkilometric resolution using the locally-trained ANN model of the second axis. RZSM 1 km maps were produced based on SSM 1 km data provided by the Copernicus SSM1km product and process-related variables. For validation purposes, 9 km and 36 km RZSM maps were also produced based on other SSM products. The 1 km RZSM product was consistent with the validation data over some areas but constrained by the C-band limitations (product SSM1km) over complex sceneries. The 9 km and 36 km RZSM maps which were generated by the same ANN model highlight the impact of data quality on the quality of the predictions. Overall, we demonstrated the feasibility of spatializing RZSM at large scales and subkilometric resolution from a locally-trained ANN model. More qualitative SSM data are expected from future missions and are promising for the enhancement of the prediction product.
Dans un contexte global de changement climatique et de défis liés à l'insécurité hydrique, l'humidité du sol est bel et bien une variable de fort intérêt pour des applications dépendant des ressources en eau telle que l'agriculture. Vu son rôle majeur dans les interactions sol-végétation-atmosphère, elle est reconnue comme une variable climatique essentielle (ECV). L'humidité du sol de la zone racinaire (RZSM) est particulièrement intéressante car les plantes extraient l'eau et les nutriments de la zone racinaire. Au cours des dernières décennies, les techniques de télédétection ont permis d'observer l'humidité du sol de surface (SSM) mais ne permettent pas l'acquisition de la RZSM vu la profondeur de pénétration limitée des capteurs actuels. Outre les mesures directes et les mesures indirectes in-situ, la RZSM peut être estimée via des méthodes basées sur la modélisation physique, techniques d'assimilation de données ou des méthodes basées sur les données. Cette thèse est structurée en trois axes et se focalise sur la prédiction de la RZSM à large échelle et à résolution subkilométrique en utilisant les réseaux de neurones artificiels (ANN). La première partie est centrée autour de la prédiction de la RZSM à différents endroits du monde à l'aide d'un modèle ANN qui se base uniquement sur des données in-situ de la SSM. Une étude de transférabilité de l'approche ainsi que de la contribution de chaque réseau d'humidité a été conduite. Dans l'ensemble, le modèle s'est avéré fiable dans les zones à fortes dynamiques saisonnières mais moins performant dans les zones où le lien entre surface et zone racinaire s'affaiblit telles que les zones à forts taux d'évaporation. Le deuxième axe vise à complexifier la méthode pour améliorer les performances là où la première approche est insuffisante. Une hybridation de la méthode est effectuée en alimentant le ANN par des variables liées aux processus physiques, à savoir l'indice d'humidité des sols (SWI), une efficacité d'évaporation et l'indice de végétation par différence normalisée (NDVI). Les résultats ont montré que le modèle ANN composé des entrées SSM et de toutes les variables liées aux processus était plus fiable pour prédire la RZSM. L'impact individuel de chaque variable sur la qualité des prédictions a été également mis en évidence via une analyse climatique. Le dernier axe concerne la cartographie de la RZSM à l'échelle de l'Europe continentale et à résolution subkilométrique en utilisant le modèle ANN localement entraîné du deuxième axe. Des cartes de la RZSM à 1 km ont été produites à partir de données SSM à 1 km fournies par le produit Copernicus SSM1km et à partir des variables liées aux processus. En guise de validation, des cartes RZSM à 9 km et 36 km ont été aussi produites à partir d'autres produits SSM. Le produit RZSM à 1 km était en accord avec les données de validation sur certaines régions mais contrarié par les limitations de la bande C (produit SSM1km) sur les scènes complexes. Les cartes RZSM à 9 km et 36 km, générées par le même modèle ANN, soulignent l'impact de la qualité des données sur les prédictions. Dans l'ensemble, on a démontré la faisabilité de spatialiser la RZSM à large échelle et à résolution subkilométrique à partir d'un modèle ANN localement entraîné. Des données plus qualitatives de la SSM sont attendues de prochaines missions satellitaires et constituent une piste d'amélioration de l'approche.
Fichier principal
Vignette du fichier
2022TOU30246a.pdf (17.48 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04073394 , version 1 (18-04-2023)

Identifiants

  • HAL Id : tel-04073394 , version 1

Citer

Roiya Souissi. Global mapping of root zone soil moisture at subkilometric resolution. Earth Sciences. Université Paul Sabatier - Toulouse III, 2022. English. ⟨NNT : 2022TOU30246⟩. ⟨tel-04073394⟩
75 Consultations
27 Téléchargements

Partager

Gmail Facebook X LinkedIn More