Modeling spectral and directional soil reflectance as a function of moisture content in the solar domain
Modélisation de la réflectance spectrale et directionnelle des sols en fonction de leur teneur en eau dans le domaine solaire
Abstract
Soil moisture content (SMC) is a key variable at the Earth's surface. Its estimation is essential in many fields such as agriculture, hydrology, climate, defense or planetary science. Since the 1970s, airborne or satellite remote sensing has emerged as an effective tool for mapping surface SMC over large areas. Water can be probed at different depths in the soil depending on the wavelength domain: solar domain (0.3-3 µm), thermal infrared domain (3-12 µm), or microwaves domain (0.5-100 cm). The solar domain, which is the subject of this work, gives access to surface moisture because the depth of light penetration in the soil does not exceed one or two millimeters. The main objective of this thesis is to develop a physical model, including spectral and directional effects, validated on a large variety of soils, which links the soil reflectance in the solar domain to its moisture. A new version of the MARMIT model called MARMIT-2 has been developed. It represents a wet soil as a dry soil covered by a thin layer of a mixture of water and mineral particles, this mixture being a major feature of MARMIT-2. The spectral reflectance of the wet soil is expressed as a function of the reflectance of the dry soil and three variable input parameters: the thickness of the water layer, the coverage fraction of the water layer and the volume fraction of soil particles in the water layer. MARMIT-2 was tested on a database of 225 soil samples with reflectance spectra measured in the laboratory at several moisture levels. The prediction of the reflectance spectra of wet soils was improved, with a RMSE of 2.2% for MARMIT versus 0.9% for MARMIT-2. Considering that these "smooth" samples are not representative of natural soils, which are much more complex, and in order to adapt MARMIT-2 to airborne or satellite hyperspectral images, we studied the directional effects of soil roughness on reflectance by performing BRF (bidirectional reflectance function) simulations of rough and wet soils using the DART-Lux ray tracing software developed at CESBIO. We consider DTMs (digital terrain model) of artificial and real terrains cut into micro-facets. The optical properties of the facets are represented by isotropic or anisotropic models, and the variation of the parameters of these models allows to simulate different soil moisture levels. A coupling between spectral and directional effects is proposed to simulate reflectance spectra of a rough soil at different moisture levels in different conditions of illumination and observation. After investigation the relationship between MARMIT-2 parameters and SMC for the soils samples in the database, SMC could be estimated with a root mean square error of about 3.6%. An example of soil moisture mapping is given, using a hyperspectral image of an agricultural field acquired with a VNIR-SWIR camera placed at about 15 m height above the ground.
La teneur en eau des sols (SMC pour soil moisture content) est une variable clé à la surface de la Terre. Son estimation est essentielle dans de nombreux domaines tels que l'agriculture, l'hydrologie, le climat, la défense ou la planétologie. Depuis les années 1970, la télédétection aéroportée ou satellitaire s'est imposée comme un outil efficace pour cartographier la teneur en eau des sols sur des zones étendues. L'eau peut être détectée à différentes profondeurs selon le domaine de longueurs d'onde : domaine solaire (0.3-3 µm), domaine infrarouge thermique (3-12 µm), ou domaine micro-ondes (0.5-100 cm). Le domaine solaire, qui fait l'objet de ce travail, donne accès à l'humidité de surface car la profondeur de pénétration de la lumière dans le sol n'excède pas un à deux millimètres. L'objectif principal de cette thèse est de développer un modèle physique, prenant en compte les effets spectraux et directionnels, validé sur une grande diversité de sols, qui permette de relier la réflectance du sol dans le domaine solaire à son humidité. Une nouvelle version du modèle MARMIT appelée MARMIT-2 a été développée. Celle-ci représente un sol humide comme un sol sec surmonté d'une fine couche d'un mélange d'eau et de particules minérales, ce mélange constituant une spécificité majeure de MARMIT-2. La réflectance spectrale du sol humide s'exprime en fonction de la réflectance du sol sec et de trois paramètres d'entrée : l'épaisseur de la lame d'eau, la fraction de couverture de la lame d'eau et la fraction volumique de particules de sol dans la lame d'eau. MARMIT-2 a été testé sur une base de données de 225 échantillons de sol dont les spectres de réflectance ont été mesurés en laboratoire à plusieurs niveaux d'humidité. La prédiction des spectres de réflectance des sols humides a été améliorée, avec un RMSE passant de 2.2 % pour MARMIT à 0.9 % pour MARMIT-2. Considérant que ces échantillons « lisses » ne sont pas représentatifs des sols naturels, beaucoup plus complexes, et dans le but d'adapter MARMIT-2 aux images hyperspectrales aéroportées ou satellitaires, nous avons étudié les effets directionnels de la rugosité du sol sur la réflectance en effectuant des simulations de BRF (bidirectional reflectance function) de sols rugueux et humides à l'aide du logiciel de lancer de rayons DART-Lux développé au CESBIO. Nous considérons des MNT (modèle numérique de terrain) de terrains artificiels et réels découpés en micro-facettes. Les propriétés optiques des facettes sont représentées par des modèles isotropes ou anisotropes, et la variation des paramètres de ces modèles permet de simuler la BRF des sols à différents niveaux d'humidité. Un couplage entre les effets spectraux et directionnels est proposé pour simuler des spectres de réflectance d'un sol rugueux à différents niveaux d'humidité et dans différentes conditions d'illumination et d'observation. Après avoir étudié le lien entre les paramètres de MARMIT-2 et le SMC pour les échantillons de sols de la base de données, le SMC a pu être estimé avec une erreur quadratique moyenne de 3.6%. Un exemple de cartographie de l'humidité du sol est donné, en utilisant une image hyperspectrale d'un sol agricole acquise avec une caméra VNIR-SWIR placée à environ 15 m de hauteur au-dessus du sol.
Origin : Version validated by the jury (STAR)