Étude des dynamiques du réservoir hydrologique continental de surface par réflectométrie GNSS : de l'in-situ au spatial - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Characterization of the land surface water dynamics using in-situ and spaceborne GNSS reflectometry

Étude des dynamiques du réservoir hydrologique continental de surface par réflectométrie GNSS : de l'in-situ au spatial

Résumé

Spatial and temporal variations of the water cycle are still subject to large uncertainties. Yet, freshwater is essential for life on Earth and human populations, for health, industry and agriculture. Natural ecosystems also depend on freshwater availability. The interactions between the energy, water and biogeochemical cycles directly impact the climate. Within the frame of climate change mitigation, public and environmental policies need reliable estimates of water stocks and their dynamics. The knowledge of water levels and flooded extent are required, and the latter is currently poorly constrained. It is particularly the case for the large Amazon and Congo basins, where most remote sensing techniques are limited by dense tropical forests. The only global maps of surface water extent (GIEMS) were derived from passive microwave sensors, and their spatial resolution of 0.25° is too low for many hydrological applications. For this, the contribution of GNSS Reflectometry (GNSS-R) can be very useful. GNSS-R is a remote sensing technique that uses L-band GNSS signals after their reflection on the Earth's surface. These signals dedicated to positioning penetrate well the vegetation layers. The reflected signals are particularly sensitive to the presence of water bodies. Hydrological applications include both the monitoring of water levels at local scale, and the detection of large flooded areas in tropical forests. The latter was made possible by the launch of a spaceborne GNSS-R mission named CYGNSS in 2016, which collects numerous observations over the intertropical band. The different hydrological applications and spatial scales have been the focus of my thesis work. First, I studied water level on rivers monitored by in-situ GNSS-R. Existing methods were developed for oceanic case studies, and limited on rivers due to noisier measurements, a smaller number of GNSS satellites in visibility, as well as faster water level variations. All this generated a lot of noise that I was able to filter out by adding iterative methods to the existing techniques. The result allows to compute river water levels with variations of the reflecting surface up to 1 mm/s. The perspectives are interesting for monitoring flash floods using low cost instrumentation. The second axis of my work consisted in studying flood dynamics over the whole intertropical band with CYGNSS. A first study showed that the CYGNSS-derived parameters detect surface water, despite the influence of other geophysical parameters: soil moisture, biomass, soil or water roughness, among others. A dynamic classification of these variables was performed to extract a 0.1° spatial resolution static map of flooded areas. A second study aimed at extracting weekly water fractions in each pixel from CYGNSS parameters. For this, I implemented a linear regression whose parameters depend on the biomass density (which attenuates GNSS signals). The results show spatial and temporal dynamics very similar to regional reference maps and GIEMS, while pointing out some biases of the latter. CYGNSS water fractions allow an almost exhaustive detection of large flooded areas in the intertropical band, and the study of their seasonal dynamics.
Les variations spatio-temporelles du cycle de l'eau restent aujourd'hui sujettes à de nombreuses incertitudes. Pourtant, la ressource en eau est d'une importance capitale pour la vie sur Terre et les populations humaines, sur les plans sanitaire, de l'industrie et de l'agriculture. Les écosystèmes naturels en dépendent aussi, et les interactions entre les cycles énergétique, hydrologique et biogéochimiques ont des répercussions directes et importantes sur le climat. Dans le cadre de l'adaptation au changement climatique, de nombreuses politiques publiques et actions environnementales ont besoin d'estimations fiables des stocks d'eau et de leur évolution dans le temps. Cela nécessite la connaissance des niveaux d'eau et de l'étendue des zones inondées, qui est actuellement très mal contrainte. En particulier, dans les grands bassins tropicaux de l'Amazone et du Congo, la plupart des techniques de télédétection sont limitées par les denses forêts tropicales. Les seules cartes globales avec des longues séries temporelles ont été dérivées de capteurs micro-ondes passifs (par exemple GIEMS), et leur résolution spatiale de 0,25° est trop faible pour de nombreuses applications hydrologiques. Cette équation en apparence insoluble peut bénéficier de l'apport de la réflectométrie GNSS, ou GNSS-R. Il s'agit d'une technique de télédétection consistant à capter les signaux GNSS en bande L d'ordinaire utilisés pour le positionnement, pénétrant mieux la végétation que les mesures micro-ondes à plus hautes fréquences, après qu'ils aient été réfléchis par la surface terrestre. Les signaux réfléchis sont notamment sensibles à la présence d'objets d'eau. Les applications hydrologiques incluent à la fois le suivi de niveaux d'eau à l'échelle locale, et la détection de grandes zones inondées dans les forêts tropicales. Ce dernier point a été rendu possible par le lancement en 2016 d'une mission GNSS-R spatiale collectant de nombreuses observations sur la bande intertropicale, nommée CYGNSS. Les différentes applications hydrologiques et échelles spatiales ont été au cœur de mon travail de thèse. Tout d'abord, j'ai étudié la problématique locale du suivi des niveaux d'eau sur les rivières par GNSS-R in-situ. Les méthodes existantes étaient développées pour des cas d'étude océaniques, et limitées sur les rivières du fait de mesures plus bruitées, d'un nombre de satellites GNSS visibles plus faible, ainsi que de variations plus rapides des niveaux d'eau. Tout cela engendrait un bruit important que j'ai pu filtrer grâce à l'ajout de méthodes itératives aux techniques existantes. Le résultat permet de calculer les niveaux d'eau des rivières pour des variations de hauteurs d'eau allant jusqu'à 1 mm/s. Cela ouvre des perspectives intéressantes pour le suivi des crues à l'aide d'une instrumentation à bas coût. Le second axe de mon travail a consisté à étudier la dynamique des inondations avec CYGNSS, sur toute la bande intertropicale. Une première étude a permis de constater que les variables dérivées des observations CYGNSS peuvent détecter les eaux de surface, malgré l'influence d'autres paramètres géophysiques: humidité des sols, biomasse, rugosité de la surface réfléchissante (eau ou sol), entre autres. Une classification dynamique de ces variables a permis d'extraire une cartographie à 0,1° de résolution spatiale des zones inondées. Une seconde étude visait ensuite à extraire, à partir des variables CYGNSS, la fraction d'eau contenue dans chaque pixel de manière hebdomadaire. Pour cela, j'ai implémenté une régression linéaire dont les paramètres dépendent de la densité de la biomasse qui atténue le signal GNSS. Les résultats montrent des dynamiques spatiales et temporelles très similaires à plusieurs cartes régionales et à GIEMS, tout en pointant certains biais de ce dernier. Les fractions d'eau CYGNSS permettent une détection presque exhaustive des grandes zones inondées dans la bande intertropicale, et l'étude de leur dynamique saisonnière.

Domaines

Hydrologie
Fichier principal
Vignette du fichier
2022TOU30310b.pdf (10.15 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04368473 , version 1 (01-01-2024)

Identifiants

  • HAL Id : tel-04368473 , version 1

Citer

Pierre Zeiger. Étude des dynamiques du réservoir hydrologique continental de surface par réflectométrie GNSS : de l'in-situ au spatial. Hydrologie. Université Paul Sabatier - Toulouse III, 2022. Français. ⟨NNT : 2022TOU30310⟩. ⟨tel-04368473⟩
111 Consultations
48 Téléchargements

Partager

Gmail Facebook X LinkedIn More