Safa Bousbih a brillamment soutenu sa thèse le 16/12/2019

Titre: Synergie optique/radar pour l’estimation des états de surface continentale

La soutenance s’est tenue à 10h dans la salle de conférence du CESBIO (Rez-de-chaussé).

Le jury était composé par:
Mme Simonetta PALOSCIA, Rapporteure
Mme Sihem BEN ABDALLAH, Rapporteure
M. Hamadi HABAEIB, Examinateur
M. Nicolas BAGHDADI, Examinateur
M. Laurent POLIDORI, Examinateur
M. Christian Walter, Examinateur
M. Mehrez ZRIBI, Directeur de thèse
Mme Zohra LILI-CHABAANE, Co-directrice de thèse

résumé:

L’agriculture en Tunisie fait partie des secteurs importants sur lesquels reposent l’économie du pays. Elle revêt également son importance par sa contribution à la sécurité alimentaire. Dans un contexte de gestion des ressources naturelles, la caractérisation et le suivi des états de surface est indispensable, particulièrement dans les régions semi-arides où plusieurs contraintes freinent le développement agricole (période de sécheresse, conflits sur le partage des eaux, manque de ressources, surexploitations des nappes, etc.). En Tunisie, près de 80 % des ressources en eau disponibles sont utilisées par l’agriculture avec une efficacité limitée. Là, où les ressources en eau sont très limitées, l’estimation de l’état hydrique de surface est particulièrement nécessaire pour établir les décisions adéquates pour une meilleure gestion de cette ressource. Dans ce contexte, la télédétection fournit une base fondamentale de données pour l’observation de la surface et constitue un outil majeur pour l’acquisition d’informations à distance.

Les travaux réalisés au cours de cette thèse sur la plaine de Kairouan, au Centre de la Tunisie et caractérisée par un climat semi aride, contribuent à l’évaluation du potentiel des nouveaux capteurs satellitaires Sentinel-1 (S-1) et Sentinel-2 (S-2) pour la caractérisation des états de surface, spécifiquement l’humidité du sol dans un contexte de gestion durable des ressources en eau et en sol. En effet, ces nouveaux systèmes offrent aujourd’hui des produits opérationnels avec une forte répétitivité temporelle et des résolutions spatiales métriques permettant un suivi régulier. Dans notre contexte, les données radars sont particulièrement sensibles aux conditions de surface, précisément à l’humidité du sol, à la rugosité de surface et à la végétation. Ils se dévoilent comme les outils les plus prometteurs pour un suivi précis à l’échelle de la parcelle ou régionale. Ce travail comprend deux principales parties qui relient directement l’humidité du sol (variable clé pour différents processus) à l’irrigation dans un premier temps, puis à la texture du sol. L’approche adoptée combine les mesures expérimentales à l’utilisation de données de la télédétection multi-capteurs en synergie, ainsi à la modélisation et à la cartographie.

La thèse se structure en trois volets. Le premier volet de ce travail évalue le potentiel des données radars en bande C pour une large base de données. Les résultats ont montré à travers des études du comportement et de modélisation que le signal radar permet de suivre la dynamique temporelle et spatiale de l’humidité du sol sur des parcelles de céréales. Le second volet, consiste à évaluer l’utilisation conjointe de données optiques et radars afin de pouvoir prédire l’état hydrique de surface sur une couverture végétale. Avec une précision de l’ordre de 6 vols. %, une cartographie de l’humidité du sol est alors proposée à haute résolution spatiale, en inversant le modèle de rétrodiffusion « Water Clould Model » (WCM). Ensuite, nos recherches se sont progressivement orientées vers une cartographie des zone irriguées et non-irriguées en utilisant des paramètres statistiques (moyennes et variances) à partir de séries temporelles d’indice de la végétation (Normalized Difference Vegetation Index, NDVI) et des produits d’humidité du sol. La cartographie des zones irriguées s’est basée sur des algorithmes de classification, qui ont permis de déduire que l’humidité du sol était le meilleur indicateur pour l’irrigation avec une précision globale de 77%. Le troisième volet de la thèse repose sur un deuxième produit dérivé également de l’humidité du sol et des données du moyen infrarouge dérivé des images S-2: la teneur en argile du sol. Des algorithmes de classifications tels que les Random Forest (RF) ou les Support Vector Machine (SVM) ont permis de prédire des classes de texture du sol sur toutes la zone d’étude. Les résultats de cette étude ont permis de comparer la performance des algorithmes et la pertinence des indicateurs utilisés.

Les résultats obtenus au cours de ce travail mettent en évidence l’intérêt des données multi-capteurs et la pertinence des informations satellitaires pour le suivi des surfaces dédiées à l’agriculture, offrant la possibilité de les appliquer dans des modèles de prévision agricole pour différents usages.