Soutenance de thèse de Pierre Lalluet : « Estimation de l’eau agricole basée sur la télédétection : de l’irrigation au drainage »

(English below)

Date: Lundi 13 novembre 2023 à 13h30

Lieu : Salle de conférence du CESBIO, Toulouse

Composition du jury :

Mme Flora BRANGER (INRAE, Rapportrice)
M. Frédéric FRAPPART (INRAE, Rapporteur)
Mme Valérie DEMAREZ (Université Toulouse 3, Examinatrice)
Mme Sabine SAUVAGE (CNRS, Invitée)
M. Olivier MERLIN (CNRS, Directeur de thèse)
M. Josep Maria VILLAR (Université de Lérida, Co-directeur de thèse)

Résumé :
L’eau utilisée pour l’irrigation représente 70 % de l’eau douce mobilisée sur Terre. Pourtant, très peu d’informations sur l’irrigation sont disponibles à toutes les échelles spatiales. De plus, l’impact des activités d’irrigation sur les écosystèmes situés à l’aval n’est pas toujours évalué car le drainage des périmètres irrigués est encore peu suivi. Dans ce contexte, cette thèse s’est attachée à proposer des outils combinant des données de télédétection et un modèle (SAMIR) de bilan d’eau des cultures pour estimer l’irrigation et le drainage des périmètres irrigués. Ces outils ont été calibrés et validés sur le périmètre d’Algerri-Balaguer (AB) de 80 km² situé dans le nord-est de l’Espagne, où des données d’irrigation et de drainage sont disponibles sur quelques parcelles expérimentales et à l’échelle du périmètre. D’abord, la sensibilité de SAMIR a été analysée avec la méthode Sobol sur 10 sites et 37 saisons agricoles. Sur les 12 paramètres analysés, deux intègrent l’essentiel de la sensibilité de SAMIR. Un proxy de la sensibilité de SAMIR permet de prédire avec une bonne précision lequel est le plus sensible pour un site donné. Ensuite, une nouvelle approche de simulation de l’irrigation basée sur l’assimilation de données d’irrigation a été développée pour inverser les paramètres d’irrigation de SAMIR. Le seuil de déclenchement et la dose d’irrigation ont été inversés au pas de temps mensuel à partir des données d’irrigation du périmètre d’AB de 2019. Ces paramètres ont ensuite été appliqués sur cinq années (2017 à 2021) et ont permis de très bien reproduire l’irrigation hebdomadaire observée (coefficient de corrélation r de 0.95 ± 0,02). Puis, la méthode précédente a été adaptée pour remplacer en entrée du schéma d’assimilation les données d’irrigation par des données d’humidité du sol à haute résolution (15 m) dérivées de Sentinel-1. Cette approche a montré des résultats très encourageants pour l’année 2019 (RMSD de 6.7 mm/semaine), et des performances supérieures à celles obtenues avec un module d’irrigation classique. Enfin, la précision (avec une calibration à partir de données de terrain) et l’exactitude (avec une calibration par défaut) de quatre modèles de drainage parcimonieux (deux à quatre paramètres sensibles) ont été évaluées. Les quatre modèles affichent une très bonne précision (KGE (Q0.5) de 0.77 en moyenne), et le plus simple, RU-Reservoir, est le plus précis (KGE (Q0.5) de 0.87). Cependant, un seul modèle, SAMIR-Reservoir, est capable de reproduire (grossièrement) le drainage observé lorsqu’il est calibré par défaut, sans données de drainage. L’ensemble de ces travaux ouvrent des perspectives prometteuses pour le suivi des flux d’eaux agricoles en zone irriguée en utilisant la télédétection.

************************************************************************************************

Abstract:
Water used for irrigation represents 70% of global freshwater consumption. Yet very little information on irrigation is available at any spatial scale. Furthermore, the impact of irrigation activities on downstream ecosystems is not often assessed, as drainage from irrigated perimeters is still poorly monitored. In this context, this thesis aimed to develop tools combining remote sensing data and a crop water balance model (SAMIR) to estimate irrigation and drainage of irrigation districts. These tools were calibrated and validated on the 80 km² Algerri-Balaguer (AB) irrigation district in northeastern Spain, where irrigation and drainage data are available on a few experimental plots and at the district scale. First, the sensitivity of SAMIR was analyzed using the Sobol method on 10 sites and 37 agricultural seasons. Of the 12 parameters analyzed, two account for most of SAMIR’s sensitivity. A SAMIR sensitivity proxy can predict with good accuracy which is the most sensitive for a given site. Next, a new irrigation simulation approach based on irrigation data assimilation was developed to invert SAMIR’s irrigation parameters. The trigger threshold and the irrigation dose were inverted on a monthly basis using the 2019 irrigation data from the AB district. These parameters were then applied over five years (2017 to 2021), resulting in a very good simulation of the observed weekly irrigation (correlation coefficient r of 0.95 ± 0.02). Then, the previous method was adapted to replace irrigation data with high-resolution soil moisture data (15 m) derived from Sentinel-1 as inputs to the assimilation scheme. This approach has shown very encouraging results for 2019 (RMSD of 6.7 mm/week), and better performance than that obtained with a classic irrigation module. Finally, the precision (with calibration using field data) and accuracy (with default calibration) of four parsimonious drainage models (two to four sensitive parameters) were evaluated. All four models showed very good precision (KGE (Q0.5) of 0.77 on average), and the simplest, RU-Reservoir, was the most precise (KGE (Q0.5) of 0.87). However, only one model, SAMIR-Reservoir, was able to reproduce (roughly) the drainage observed when calibrated by default, without drainage data. Taken together, this work presents promising prospects for monitoring agricultural water flows in irrigated areas using remote sensing data.