Caractérisation de l'état de surface des sols nus agricoles par imagerie radar TerraSAR-X

Английский. In the context of sustainable development, soil and water resources management is a key issue from not only the environmental point of view, but also from a socioeconomic perspective. Soil moisture, roughness, composition, and slaking crusts are some key variables used to understand and model natural hazards, such as erosion, drought and floods. For agricultural bare soils (most subject to runoff), numerous studies have already shown the potential of C-band RADAR data for the mapping of soil moisture and roughness. However, the application of these methods in operational settings remained limited. In this context, , the first objective of this thesis was to analyse the sensitivity of X-band TerraSAR-X sensors to soil surface characteristics (SSC) at high spatial and temporal resolutions. Different TerraSAR-X configurations were evaluated and results were used to define the optimal instrumental configuration for the characterization of each SSC parameter. The comparison of TerraSAR-X sensor sensitivity with equivalent levels recorded with the C-band sensor showed that the TerraSAR-X sensor is undoubtedly the most suitable of the two when estimating and mapping soil moisture at a fine scale (50 m²). The second objective of this work was to develop a method to estimate and map soil moisture levels of agricultural bare soil. To achieve this goal, methods that are commonly used to retrieve soil moisture from C-band, have been tested on X-band data. The accuracy of soil moisture estimations using an empirical algorithm was determined, and validated successfully over numerous study sites. A mapping process based uniquely on TerraSAR-X data, both for bare soil detection and for the estimation of soil moisture content, was developed. This innovative chain of " automatic and autonomous" mapping processing steps should enable the utilization of TerraSAR-X data for the mapping of soil moisture levels in operational conditions.

Французский. Dans un contexte de développement durable, la gestion des sols et des ressources en eau est un enjeu primordial non seulement d'un point de vue environnemental mais aussi socio-économique. L'humidité, la rugosité, la composition et la structure du sol sont des variables clés pour la compréhension et la modélisation des catastrophes naturelles telles que l'érosion, la sécheresse ou les inondations. Pour des sols nus agricoles (très propices au ruissellement), de nombreuses études ont déjà montré le potentiel des données RADAR acquises en bande C pour la cartographie de l'humidité et la rugosité du sol. Cependant l'application de ces méthodes dans un cadre opérationnel était limitée. Dans ce contexte, les travaux de cette thèse présentent un premier volet sur l'analyse de la sensibilité aux états de surface (EDS) du sol du signal en bande X du capteur TerraSAR-X à très haute résolution spatiale et temporelle. Différentes configurations TerraSAR-X ont été analysées et les résultats ont permis de définir les configurations instrumentales optimales pour caractériser chaque paramètre d'EDS du sol. La comparaison de la sensibilité du capteur TerraSAR-X à celle des capteurs en bande C montre que le capteur TerraSAR-X est sans conteste le plus adapté pour estimer et cartographier l'humidité du sol à des échelles fines (50 m²). Le second volet était de développer une méthode permettant d'estimer et de cartographier l'humidité des sols nus agricoles. Dans ce but, les méthodes d'inversion généralement utilisées en bande C ont été testées sur les données en bande X. La précision sur les estimations d'humidité issues de l'algorithme d'inversion du signal TerraSAR-X a été déterminée et l'applicabilité de la méthode sur de nombreux sites d'étude a été testée avec succès. Une chaine de traitements cartographiques allant de la détection des sols nus à l'estimation de l'humidité et ne nécessitant qu'une seule image TerraSAR-X a été développée. Cette chaine innovante de traitements cartographiques " automatique et autonome " devrait permettre d'utiliser les données TerraSAR-X pour cartographier l'humidité du sol en mode opérationnel.