Félicitation à Roiya Souissi pour sa soutenance de thèse intitulée: Cartographie de l’humidité de sol en zone racinaire à l’échelle globale et avec une résolution kilométrique.

Roiya a brillamment soutenu sa thèse le Mercredi 14 Décembre 2022 à 9h30 en salle de conférence du CESBIO

Composition du jury :

• Mme Catherine OTTLE (CNRS, Rapporteure)
• M. Niko VERHOEST (Ghent University, Rapporteur)
• Mme Chiara CORBARI (Polytechnic university of Milan, Examinatrice)
• M. Lionel JARLAN (IRD, Examinateur)
• M. Marwan FAHS (Université de Strasbourg, Examinateur)
• M. Philippe MAISONGRANDE (CNES, Invité)
• M. Mehrez ZRIBI (IRD, Directeur de thèse)
• M. Ahmad AL BITAR (CNRS, Co-directeur de thèse)

Résumé :
Dans un contexte global de changement climatique et de défis liés à l’insécurité hydrique, l’humidité du sol est bel et bien une variable de fort intérêt pour des applications dépendant des ressources en eau telle que l’agriculture. Vu son rôle majeur dans les interactions sol-végétation-atmosphère, elle est reconnue comme une variable climatique essentielle (ECV). L’humidité du sol de la zone racinaire (RZSM) est particulièrement intéressante car les plantes extraient l’eau et les nutriments de la zone racinaire. Au cours des dernières décennies, les techniques de télédétection ont permis d’observer l’humidité du sol de surface (SSM) mais ne permettent pas l’acquisition de la RZSM vu la profondeur de pénétration limitée des capteurs actuels. Outre les mesures directes et les mesures indirectes in-situ, la RZSM peut être estimée via des méthodes basées sur la modélisation physique, techniques d’assimilation de données ou des méthodes basées sur les données.
Cette thèse est structurée en trois axes et se focalise sur la prédiction de la RZSM à large échelle et à résolution sub-kilométrique en utilisant les réseaux de neurones artificiels (ANN).
La première partie est centrée autour de la prédiction de la RZSM à différents endroits du monde à l’aide d’un modèle ANN qui se base uniquement sur des données in-situ de la SSM. Une étude de transférabilité de l’approche ainsi que de la contribution de chaque réseau d’humidité a été conduite. Dans l’ensemble, le modèle s’est avéré fiable dans les zones à fortes dynamiques saisonnières mais moins performant dans les zones où le lien entre surface et zone racinaire s’affaiblit telles que les zones à forts taux d’évaporation.
Le deuxième axe vise à complexifier la méthode pour améliorer les performances là où la première approche est insuffisante. Une hybridation de la méthode est effectuée en alimentant le ANN par des variables liées aux processus physiques, à savoir l’indice d’humidité des sols (SWI), une efficacité d’évaporation et l’indice de végétation par différence normalisée (NDVI). Les résultats ont montré que le modèle ANN composé des entrées SSM et de toutes les variables liées aux processus était plus fiable pour prédire la RZSM. L’impact individuel de chaque variable sur la qualité des prédictions a été également mis en évidence via une analyse climatique.
Le dernier axe concerne la cartographie de la RZSM à l’échelle de l’Europe continentale et à résolution subkilométrique en utilisant le modèle ANN localement entraîné du deuxième axe. Des cartes de la RZSM à 1 km ont été produites à partir de données SSM à 1 km fournies par le produit Copernicus SSM1km et à partir des variables liées aux processus. En guise de validation, des cartes RZSM à 9 km et 36 km ont été aussi produites à partir d’autres produits SSM. Le produit RZSM à 1 km était en accord avec les données de validation sur certaines régions mais contrarié par les limitations de la bande C (produit SSM1km) sur les scènes complexes. Les cartes RZSM à 9 km et 36 km, générées par le même modèle ANN, soulignent l’impact de la qualité des données sur les prédictions. Dans l’ensemble, on a démontré la faisabilité de spatialiser la RZSM à large échelle et à résolution subkilométrique à partir d’un modèle ANN localement entraîné. Des données plus qualitatives de la SSM sont attendues de prochaines missions satellitaires et constituent une piste d’amélioration de l’approche.