Prédiction de l’humidité du sol dans la zone racinaire

Un modèle de réseaux de neurones artificiel (ANN) a été développé pour prédire l’humidité du sol en zone racinaire (RZSM) à partir de données in-situ d’humidité du sol de surface (SSM) ainsi que des variables liées aux processus physiques. En effet, la dynamique de végétation a été intégré au modèle à travers des données de l’indice de végétation par différence normalisée (NDVI) fournies par le Spectromètre imageur à résolution moyenne (MODIS). L’indice d’humidité des sols (SWI) a été calculé par un filtre exponentiel récursif et ajouté au modèle pour illustrer le processus d’infiltration. Le processus d’évaporation a été aussi représenté par une efficacité d’évaporation calculée sur la base d’un modèle analytique simplifié et de données d’évapotranspiration potentielle issues de MODIS. Le modèle a été localement entraîné et testé sur des données provenant de 8 réseaux d’humidité fournies par le International Soil Moisture Network (ISMN) en prenant en compte différents contextes climatiques et types de sol. Une carte globale a été produite pour représenter les variables liées aux processus les plus pertinentes pour la prédiction de la RZSM selon la classe climatique. Les résultats suggèrent par exemple que la variable la plus pertinente pour les zones arides à fort taux d’évaporation était l’efficacité de l’évaporation et que le NDVI était le plus adapté pour les régions agricoles notamment sur la partie intérieure de l’Europe continentale et autour du bassin méditerranéen. Ce modèle localement entraîné a été testé à l’échelle de l’Europe continentale en utilisant des données en entrée issues de la télédétection pour produire des cartes journalières de la RZSM à 1km de résolution spatiale.

Souissi, R., Zribi, M., Corbari, C., Mancini, M., Muddu, S., Tomer, S. K., Upadhyaya, D. B., and Al Bitar, A.: Integrating process-related information into an artificial neural network for root-zone soil moisture prediction, Hydrol. Earth Syst. Sci., 26, 3263–3297, https://doi.org/10.5194/hess-26-3263-2022, 2022.

Plus d'actualités

Formations & jobs

Offre de stage M2/Inge: Cartographie des sols à l’échelle infra-parcellaire par télédétection spatiale

Les analyses de terre en parcelles agricoles sont des outils indispensables de gestion de la fertilité des sols et d’équilibre des cultures implantées. Il s’en réalise plus de 300 000/an en France, uniquement financées par les agriculteurs.L’échantillon prélevé (normativement sur une surface de 100 m2 – NF X 31-100), adressé au laboratoire est supposé être […]

08.12.2022

Publications

Suivi en temps réel de l’enneigement des Alpes

Les satellites d’observation de la Terre permettent de suivre l’état de notre environnement en détail et en temps quasi réel. Cependant, la période d’observation est généralement trop courte pour pouvoir placer ces données dans un contexte climatologique de long terme. Pour palier à cette lacune dans le cas du suivi du manteau neigeux, nous avons […]

22.11.2022

Formations & jobs

Internship Offer: Inversion of satellite images of cities for studying their radiative budget

The radiative balance of cities is of growing interest, as it is a major component of their energy balance. Only remote sensing allows to evaluate it by inversion of satellite images in terms of the optical properties of urban elements (roofs, roads, trees,…). The CESBIO is developing a very original inverse modeling that derives a […]

21.11.2022

Rechercher