Digital soil mapping of the soil available water content using legacy pedological data : Languedoc littoral plain application | Cartographie numérique du Réservoir Utile en eau des sols à partir de données pédologiques anciennes : application à la plaine littorale Languedocienne

English. Soil available water capacity (SAWC) refers to the soil capacity to store water for plants. SAWC plays an important role on many ecosystem services such as food security and flood and gas regulation. SAWC is also crucial for planning and optimizing soil irrigation at local scale. Thus, it is essential to understand the SAWC spatial distribution. However, current soil databases do not provide mapping of SAWC that is both comprehensive and accurate enough for use at plot scale. This limitation could be overcome by using the considerable repository of legacy soil data, undigitized, as learning data for a digital soil mapping model. BRL Exploitation (BRLE), thus, has 228,000 soil observations on its irrigated perimeter (6,636 km² in the Languedoc coastal plain). The aim of this thesis was to develop a useful digital mapping methodology for the SAWC based on these legacy soil data. As the SAWC is a functional soil property involving several soil properties over several depths, the first work of this thesis focused on the impact of the inference trajectory used on the prediction performance of the SAWC, an inference trajectory being defined by the order in which the operations of computation of the SAWC on a given soil layer, aggregation of soil layers and mapping are performed, to finally obtain a prediction of the SAWC. Taking the example of Languedoc-Roussillon, 18 inference trajectories using the pedological data available in the Regional Pedological Referential to produce a prediction of the SAWC, were tested. The best prediction performance was obtained by the trajectory calculating then mapping the SAWC for four distinct soil layers and finally combining these four layers. Then, the functionalities of the SAWC prediction model were complemented by a prediction of the associated uncertainties, which is important data for decision support. These uncertainties were predicted by an error propagation model using the spatialization errors of SAWC on the four separately spatialized ground layers - each estimated using a Quantile Random Forest - and taking into account the error correlations of these components. The use of this model has shown a good ability to estimate and map the uncertainty of predictions, in a context of low overall prediction performance of the SAWC.The last step of this thesis was devoted to the use of legacy data from BRL Exploitation to feed a digital soil mapping model at local scale, taking the example of the commune of Bouillargues. The increase in spatial density by adding auger holes to the set of soil profiles, associated with the addition in the learning algorithm of data representing the geographical position of the auger holes, has considerably improved the spatial resolution, the prediction performance of the SAWC and the accuracy of the associated uncertainty maps. However, SAWC characterization errors on these auger holes were found to be a limiting factor in the prediction performance of the SAWC and its uncertainty. A better consideration of these errors would be necessary to improve the current results.The thesis work has enabled the design and testing of an approach to enhance the use of legacy soil data in a digital soil mapping approach applied to the useful reservoir. A computer processing chain aimed at deploying the approach on the whole irrigated perimeter was developed and a cost/benefit study was carried out. The automation, at least partial, of the auger hole data entry operations appears to be a necessary condition for the production of a map of the SAWC on a plot scale over the whole of the BRLE irrigated perimeter.

French. Le réservoir utile du sol (RU) désigne la capacité des sols à stocker l'eau pour les plantes. Le RU joue un rôle majeur dans de nombreux domaines tels que la production alimentaire et la régulation des inondations. Le RU est également un élément essentiel pour prévoir et optimiser l'irrigation des sols localement. Par conséquent, il est primordial de connaitre avec précision les variations spatiales du RU. Cependant, les bases de données pédologiques actuelles ne fournissent pas une cartographie du RU qui soit à la fois exhaustive et suffisamment précise pour être utilisée à l'échelle de la parcelle. Cette limite pourrait être levée en utilisant le gisement considérable de données pédologiques anciennes non numérisées comme données d'apprentissage d'un modèle de cartographie numérique des sols. Ainsi, la société BRL Exploitation (BRLE) dispose sur son périmètre irrigué (6 636 km2 en plaine littorale Languedocienne) de 228 000 observations de sol. L'objectif de cette thèse a été de développer une méthodologique de cartographie numérique du réservoir utile à partir de ces données pédologiques anciennes. Le RU étant une propriété fonctionnelle de sol impliquant plusieurs propriétés de sol sur plusieurs profondeurs, les premiers travaux de cette thèse ont porté sur l'impact de la trajectoire de calcul utilisée sur les performances de prédiction du RU, une trajectoire étant définie par l'ordre selon lesquels sont effectuées les opérations de calcul du RU sur une couche de sol donné, d'agrégation des couches de sol et de spatialisation, afin d'obtenir une prédiction du RU. En prenant l'exemple du Languedoc-Roussillon, 18 trajectoires utilisant les données pédologiques disponibles dans le Référentiel Régional Pédologique pour produire une prédiction du RU ont été testées. La meilleure performance de prédiction a été obtenue par la trajectoire de calcul calculant puis spatialisant les RU pour quatre couches de sol distinctes et combinant enfin ces quatre couches. Ensuite, les fonctionnalités du modèle de prédiction du RU ont été complétées par une prédiction des incertitudes associées, essentielle à l'aide à la décision. Ces incertitudes ont été prédites par un modèle de propagation d'erreurs utilisant les erreurs de spatialisation du RU sur les quatre couches de sol spatialisées séparément - estimées par une forêt aléatoire quantile - et prenant en compte les corrélation d'erreurs de ses composants. L'utilisation de ce modèle a montré une bonne aptitude à estimer et spatialiser l'incertitude de prédictions, dans un contexte de faible performances de prédiction du RU.La dernière étape a été consacrée à l'utilisation de données anciennes de BRLE pour alimenter un modèle de cartographie numérique des sols à l'échelle locale, en prenant l'exemple de la commune de Bouillargues. L'augmentation de densité spatiale par l'ajout de sondages au jeu de profils de sol, associée à l'ajout dans l'algorithme d'apprentissage de données représentant la position géographique des sondages, a considérablement amélioré la résolution spatiale, les performances de prédictions du RU et la précision des cartes d'incertitude. Cependant, les erreurs de caractérisation du RU sur ces sondages ont été constatées comme un facteur limitant les performances de prédictions du RU et de son incertitude. Une meilleure prise en compte de ces erreurs serait nécessaire pour améliorer les résultats actuels.Les travaux de thèse ont permis de concevoir et de tester une démarche visant à valoriser l'utilisation des données pédologiques anciennes dans une approche de cartographie numérique des sols appliquée au RU. Une chaîne de traitement informatique visant à déployer la démarche sur l'ensemble du périmètre irrigué a été développée et une étude de coût/bénéfice a été réalisée. L'automatisation, au moins partielle de la saisie des sondages apparaît une condition nécessaire à la réalisation d'une carte du RU à l'échelle parcellaire sur tout le périmètre irrigué de BRLE.