Félicitation à Nesrine Farhani qui a soutenu brillamment sa thèse intitulée: « Apport de la télédétection et des variables auxiliaires dans l’étude de l’évolution des périodes de sécheresse »

La soutenance s’est tenue en distanciel ce lundi 7 février.

Cette thèse était en co-tutelle entre l’Université Paul Sabatier, Toulouse III & Institut National Agronomique de Tunisie (Tunis).

Membres du Jury:
Yves Tramblay (HSM, Montpellier, rapporteur)
Etienne Leblois (INRAE, Lyon, rapporteur)
Sihem Ben Abdalleh (CERTE, Tunis, rapporteure)
Lionel Jarlan (CESBIO, Toulouse, examinateur et président du jury)
Hedia Chakroun (ENIT, Tunis, examinatrice)
Julie Carreau (Polytechnique Montréal, Montréal, invitée)

Directeurs de thèse:
Gilles Boulet (CESBIO, Toulouse) et Zora Lili-Chabaane (INAT, Tunis)

Résumé de la thèse:

La surveillance des sécheresses dans les régions arides et semi-arides est cruciale car ses conséquences pour l’agriculture peuvent être dramatiques. Afin d’aider les décideurs à établir de bonnes pratiques de gestion de la ressource en eau et d’atténuation du risque de sécheresse, nous nous intéressons à l’analyse des indices de stress hydrique.
À cette fin, un modèle de bilan d’énergie à double source permet, en combinant de l’information satellitaire (température de surface, albédo et indice foliaire) et de l’information météorologique (température et humidité relative de l’air, vitesse du vent, rayonnement global), de simuler l’évapotranspiration ainsi que le stress hydrique. Ces deux variables doivent être fournies d’une façon continue et sur une longue période temporelle pour une analyse adéquate des périodes de sécheresse. Or, les réseaux d’observations météorologiques sont parfois insuffisants (faible densité des sites instrumentés et périodes d’observation courtes et souvent non-concomitantes). Notre premier objectif est alors de simuler des scénarios de différentes variables climatiques afin de les prolonger. Nous avons adapté un générateur de conditions météorologiques « MetGen » qui permet de combler les lacunes présentes sur une période d’observation et de projeter des scénarios sur une période distincte de la période d’observation. MetGen exploite, parmi ses co-variables, les données de réanalyse météorologique qui fournissent des variables à faible résolution spatiale (environ 31 km), comme source d’information importante. Nous comparons cette méthode avec des méthodes de correction de biais (univariée et multivariée) qui exploitent également les données de réanalyse. Cette approche statistique est évaluée selon sa capacité à bien reproduire (1) les variables météorologiques et (2) les variables simulées par le modèle de bilan d’énergie à double source SPARSE. Les analyses, menées avec les données des stations météorologiques in-situ, ont permis de valider MetGen sur une période de validation (2011-2016). Nous avons utilisé alors cette méthode pour simuler des données climatiques sur toute la période d’étude (2000-2019). Cette série ainsi que celle provenant des réanalyses brutes (ERA5) sont utilisées comme forçages climatiques de SPARSE, afin de simuler deux indices de stress à une échelle kilométrique, SI_ERA5 et SI_SWG. Les évolutions temporelles de ces deux indices sont comparés avec d’autres indices standardisés issus de différentes longueurs d’onde: le NDVI issu du domaine visible/proche infrarouge, le SWI du domaine micro-onde et un indice standardisé de précipitations UPI qui est utilisé comme une référence régionale. Cette analyse est effectuée en termes de pertinence, de cohérence et de précocité pour la détection de la sécheresse agronomique. SI_ERA5 et SI_SWG ont montré de bonnes performances pour la détection du stress, à la fois à l’échelle régionale et locale. C’est particulièrement le cas pour et SI_SWG en ce qui concerne sa précision et sa capacité à détecter le stress hydrique d’une façon précoce. Ces analyses sont effectuées pour le bassin versant semi-aride du Merguellil situé au centre de la Tunisie.