Annonce de soutenance de thèse: Thao Nguyen | 18 Décembre

[English below]

Bonjour à toutes et à tous,

C’est avec grand plaisir que je vous invite à ma soutenance de thèse intitulée

« Utilisation de la télédétection pour étudier les impacts du changement climatique sur la riziculture dans le Delta du Mekong au Vietnam« .

La présentation se fera en anglais.

Celle-ci se déroulera le jeudi 18 décembre à 10h (GMT+1) dans la salle des conférences du CESBIO (Rond-Point du Professeur Francis Cambou, 31400, Toulouse).
La soutenance sera également retransmise en visioconférence via le lien suivant :
https://ird-fr.zoom.us/j/95648375665?pwd=BX509bNZfiXuaQ33KxOS8hjZxyte7t.1
Code secret : 005636

Résumé :

Cette thèse présente un cadre intégré de télédétection pour surveiller la dynamique rizicole dans le delta du Mékong vietnamien (VMD) sous les pressions climatiques croissantes. L’étude couvre neuf années de données d’observation terrestre (2016-2024) provenant du SAR bande C Sentinel-1, de l’imagerie optique MSI Sentinel-2, et de la polarimétrie bande L d’ALOS-2 PALSAR-2. En traitant systématiquement les défis spécifiques aux capteurs, cette recherche développe des méthodes robustes pour cartographier la superficie rizicole, l’intensité culturale, la phénologie, les changements d’occupation des sols, et les pratiques de gestion hydrique. L’étude améliore une méthode de classification du riz établie sur le seuillage de l’augmentation maximale saisonnière de rétrodiffusion calculée à partir de séries temporelles Sentinel-1 bande C, en 1) développant des fonctions de seuil adaptées tenant compte de l’angle d’incidence, et 2) détectant automatiquement les dates saisonnières par pixel. Cette méthode améliorée surpasse les techniques traditionnelles à seuil fixe, limitées dans leur réponse à une large gamme d’angles d’incidence, et réduit significativement les taux d’erreur dans les vastes zones. L’évaluation par rapport aux statistiques provinciales montre des précisions de classification de 90 % à travers diverses topographies, comparées à 78,5 % pour l’approche à seuil fixe. Une méthode d’estimation des dates de semis, exploitant l’analyse temporelle du rapport de polarisation VH/VV de Sentinel-1, a été développée et appliquée à 9 années d’acquisitions pour analyser les évolutions locales des dates de semis en relation avec les variations climatiques. Cette analyse révèle une tendance générale vers des semis plus précoces en réponse au stress de sécheresse et de salinité induit par El Niño, ainsi qu’un retard des semis pour éviter les inondations durant les phases La Niña. Les données optiques Sentinel-2 ont été utilisées dans le cadre d’un apprentissage automatique iota² pour une classification efficace d’occupation/couverture des sols (LULC). Un classificateur Random Forest utilisant la réflectance intégrée atteint des précisions globales de 98,6 % à 99,9 % avec des coefficients Kappa supérieurs à 0,85 annuellement. La thèse présente également une analyse polarimétrique bande L des données ALOS-2 PALSAR-2 pour cartographier l’état hydrique à l’échelle parcellaire et identifier les méthodes d’irrigation par mouillage et séchage alterné (AWD). Les classificateurs d’apprentissage automatique utilisent les bandes polarimétriques pour distinguer les champs inondés et non-inondés avec une précision d’environ 75 %. Les résultats indiquent une augmentation de 12,7 % des pratiques AWD à travers les saisons successives dans la province d’An Giang. La recherche documente des changements significatifs dans les pratiques rizicoles du VMD, incluant une réduction substantielle de la triple culture, un doublement des zones de double culture et une quasi-élimination des systèmes de culture simple. La superficie globale de culture rizicole a diminué de 16 % durant la période d’étude, indiquant une optimisation stratégique plutôt qu’un abandon généralisé. Cette recherche fait avancer la télédétection agricole, améliorant notre capacité à relever les défis interconnectés de la sécurité alimentaire, des ressources hydriques et de la résilience climatique.

Le jury sera composé de :

– Dominique COURAULT, Rapporteuse, INRAE
– Thierry  PELLARIN, Rapporteur, CNRS – IGE
– Francesco  MATTIA, Rapporteur, Consiglio Nazionale delle Ricerche
– Jean-Louis ROUJEAN, Examinateur, CNRS – CESBIO
– Lionel JARLAN, Directeur de thèse, IRD – CESBIO
– Alexandre BOUVET, Co-directeur de thèse, IRD – CESBIO
– Thuy LE TOAN, Invitée, GlobEO

———–

Hello everyone,

I am very pleased to invite you to my PhD defense entitled

« Use of Remote Sensing to study and monitor rice cultivation in Vietnam Mekong Delta ».

The presentation will be in English.

The defense will take place on Thursday December 18th at 10am (GMT+1) in the CESBIO conference room (Rond-Point du Professeur Francis Cambou, 31400, Toulouse).

The defense will also be broadcast via videoconference at the following link: 
https://ird-fr.zoom.us/j/95648375665?pwd=BX509bNZfiXuaQ33KxOS8hjZxyte7t.1
Secret code : 005636

Abstract:

This doctoral thesis presents an integrated remote-sensing framework for monitoring and understanding the dynamics of rice cultivation in Vietnam’s Mekong Delta (VMD) under increasing pressures from climate change. The work spans nine years of Earth-observation data (2016–2024) from Sentinel-1 C-band SAR, Sentinel-2 MSI optical imagery, and ALOS-2 PALSAR-2 L-band polarimetry. By systematically addressing sensor-specific challenges, this research develops robust and transferable methods for mapping rice area, cropping intensity, phenology, land-use change, and water-management practices at field-to-delta scales. The study improves a rice classification method based on a thresholding of the seasonal maximum backscatter increase calculated from Sentinel-1 C-band time series, by 1) developing tailored threshold functions that take into account the incidence angle, and 2) automatically detecting the season dates on a per-pixel basis. This improved method surpasses traditional fixed-threshold techniques, which are limited in their response at a wide range of incidence angles, and significantly diminishes misclassification rates in large areas. Assessment against provincial rice-area statistics shows classification accuracies of 90% across various topographies, compared to about 78.5% for the fixed-threshold approach. A method to estimate sowing dates, exploiting time-series analysis of the Sentinel-1 VH/VV polarization ratio, has also been developed and applied to 9 years of Sentinel-1 acquisitions to analyze the local evolutions of sowing dates for each rice season in relation to climate variations. This analysis revealed an overall trend towards earlier planting in response to El Niño-induced drought and salinity stress, as well as delaying sowing to avoid flooding during La Niña phases. In addition to the Sentinel-1 SAR data, optical datasets from Sentinel-2 have also been used within the iota² machine-learning framework in order to yield effective land-use/land-cover (LULC) classification and better mask out non-rice classes. A Random Forest classifier utilizing integrated reflectance achieves overall accuracies ranging from 98.6% to 99.9% with Kappa coefficients above 0.85 annually. The resultant annual LULC maps provide a coherent and high-resolution temporal series for environmental modeling and policy formulation. The thesis also presents an L-band polarimetric analysis of ALOS-2 PALSAR-2 data for mapping field-scale water status and identifying Alternate Wetting and Drying (AWD) irrigation methods, which directly relate to methane emissions from rice paddies. Machine learning classifiers utilize polarimetric bands from polarimetric decompositions and intensity signals to distinguish between inundated and non-inundated fields with an accuracy of approximately 75%. The outputs indicate a 12.7% increase in AWD practices across successive seasons in An Giang, highlighting the government’s efforts to implement low-GHG-emission rice production. Additionally, the research documents significant changes in rice-growing practices in the VMD, including a substantial reduction in triple cropping, alongside a doubling of double-cropping areas and a near-complete annihilation of single-cropping systems. The overall rice cultivation area diminished by 16% throughout the research period, indicating strategic land-use optimization rather than widespread abandonment. This research advances agricultural remote sensing, enhancing our capacity to tackle the interrelated challenges of food security, water resources,

Best regards,

Thao Nguyen