Water balance diagnostic and corn yield forecasting : setting up an all-weather service | Diagnostic hydrique et estimation de la production de la culture de maïs : vers la mise en place d'un service tout temps

法语. La thèse répond aux objectifs d'évaluer le potentiel d'estimation de la production de parcelles de maïs, ainsi que de leurs besoins hydriques. Les travaux, validés dans le Sud-Ouest de la France, reposent sur le couplage du modèle agro-météorologique à de l'imagerie satellitaire pour étendre le suivi à une échelle régionale. Le but est de s'affranchir des contraintes nuageuses imposées sur les acquisitions optiques, grâce à l'utilisation du radar Sentinel-1. L'estimation de la production comprend la biomasse sèche (épi, plante) ainsi que le rendement à l'échelle parcellaire. Au-delà des améliorations du modèle, l'assimilation combinée de l'optique et du radar donne de bons résultats et améliore les simulations basées sur l'optique en comblant l'absence de données en début de saison (forte nébulosité). Les résultats de l'estimation du contenu en eau sont plus contrastés. Le détail des erreurs révèle notamment des défauts liés aux propriétés du sol ou aux déclarations des agriculteurs.

英语. The study explores the feasibility to estimate the corn field production and its water needs during the irrigation period. The work, validated in the South-West of France, is based on an agro-meteorological model coupled with satellite imagery to extend monitoring to regional scale. The recent availability of Sentinel-1 radar mission allows monitoring without atmospheric constraints (e.g. clouds) as opposed to optical acquisitions. The estimation of production is linked with dry biomass (ear, plant) and yield data at the field scale. Beyond new improvements, the combination of optical and radar provides accurate results and even improves the estimations based on optical by filling the gaps caused by cloud cover at the beginning of the season. The water needs simulation are more contrasted as a result of the accuracy of the input data. Moreover, some features (e.g. soil properties) can be seen within soil moisture measurements, even though they cannot be modeled.