Suivi de l’humidité du sol par télédétection de parcelles agricoles de l’Ecole Supérieure d’ingénieur de Medjez-el-Bab (Tunisie)

Details

Supervisors

Vanclooster, Marnik

Faculty

Faculté des bioingénieurs

Degree label

Master [120] : bioingénieur en sciences et technologies de l'environnement, à finalité spécialisée

Abstract

En Tunisie, la gestion des ressources en eau représente un défi majeur en raison de l’importance du secteur agricole pour l’économie. Ce secteur est particulièrement impacté par des sécheresses de plus en plus marquées. En effet, la zone d’étude située dans le bassin versant de la Medjerda, région aride du nord de la Tunisie, est très sensible au contexte du changement climatique. Le mémoire s’inscrit dans le cadre du projet SMART Medjerda. L’objectif général du projet consiste à augmenter la résilience de la gestion des ressources en eau en Tunisie pour faire face au changement climatique et aux pressions de plus en plus fortes exercées sur elles. Cette augmentation de la résilience est réalisée par le renforcement de la capacité d’observation et de la surveillance des ressources en eau. Le projet cible les ressources hydriques du bassin de Siliana. L’objectif général du mémoire est de tester et valider la performance de la télédétection et de modèles agro-hydrologiques pour estimer la distribution spatiale de l’humidité du sol à l’échelle de la parcelle. Pour ce faire, une analyse spatio-temporelle de mesures in-situ (prises entre le 16 et le 27 février 2024) de l’humidité du sol a d’abord été réalisée. Ensuite, deux modèles ont été utilisés et comparés aux mesures de terrains afin d’analyser leur performance. Le premier modèle s’appuie sur la synergie entre le Water Cloud Model (WCM) et l’Integral Equation Model (IEM) qui utilise des images optiques de Sentinel-1 pour extraire le NDVI et des images radars de Sentinel-2 pour extraire l’angle d’incidence et le coefficient de rétrodiffusion VV pour estimer l’humidité du sol. Ces estimations sont ensuite comparées avec les mesures de terrain. Les résultats obtenus suggèrent que le modèle a du mal à représenter la réalité de terrain (R² = 0.32 et 0.31 et RMSE = 6.78% et 10.89% pour le 22 et le 26 février). D’autres paramètres tels que la rugosité de surface ou encore la température et les précipitations pourraient être intégrés dans le modèle pour améliorer sa précision. Ensuite le modèle AquaCrop a été utilisé pour estimer l’humidité du sol en prenant en compte divers facteurs environnementaux et de gestion, tels que l'irrigation, le type de sol, le climat, et les pratiques culturales. Les résultats obtenus (R² proche de 0 et RMSE variant entre 2.64% et 5.39%) de la comparaison avec les mesures de terrain suggèrent qu’il faudrait augmenter le nombre de paramètres d’entrée du modèle pour augmenter son exactitude.