II.1 Suivi global des surfaces continentales
II.1.2 Estimation de l’humidité du sol à l’échelle globale : travaux de Wagner
Chapitre II – Les diffusiomètres spatiaux pour le suivi des surfaces continentales
ont déjà été comparées au NDVI par Choudhury (1987), Becker et Choudhury (1988) et Prince et Choudhury (1989). Leur forte sensibilité à l’eau leur permet de détecter les zones inondées, alors que les données ERS y sont peu sensibles. L’analyse des variations spectrales des trois capteurs permet de séparer trois types de zones : les régions arides (déserts), les zones couvertes par la végétation et les zones inondées.
Les auteurs observent que la différence ∆e = eV – eH à 37 GHz, où eV est l’émissivité en polarisation verticale et eH l’émissivité en polarisation horizontale, augmente quand la surface est inondée, alors que le σ 0 et le NDVI varient en fonction de paramètres liés à la masse végétale (Prigent et al., 2001b). La densité de végétation est estimée à partir des valeurs de σ 0 et de NDVI. Sous l’hypothèse que ∆e varie linéairement avec la fraction de pixel inondée, des estimations de la durée d’inondation sont obtenues. Du fait du manque de données terrain représentatives, ces résultats font l’objet de comparaisons qualitatives avec les estimations existant dans la littérature.
Papa et al. (2003) ont également observé la réponse à l’échelle globale de l’altimètre radar Topex-Poseidon sur les surfaces continentales. Leurs travaux abordent une physique du signal différente de celle des radars à visée latérale, néanmoins leur démarche est analogue à celle utilisée pour le suivi des surfaces continentales à l’aide des diffusiomètres. Ces travaux sont détaillés dans l’annexe B.
II.1.2 Estimation de l’humidité du sol à l’échelle globale : travaux de
Chapitre II – Les diffusiomètres spatiaux pour le suivi des surfaces continentales
En se basant sur une relation linéaire entre σ 0 (normalisé à 40° d’incidence) et l’humidité du sol , l’humidité relative de la couche de surface du sol (assimilable au degré de saturation de la couche) est donnée, pour un sol non gelé et en l’absence de neige, par :
) , 40 ( ) , 40 (
) , 40 ( ) , 40 (
0 sec 0
0 sec 0
t t
t m t
hum
s σ σ
σ σ
−
= − (II.2)
où )σhum0 (40,t représente la valeur maximale de σ 0(40) et est associé à un sol saturé en eau.
De même, σsec0 (40,t) représente la valeur minimale de σ 0(40) et est associé à un sol totalement sec (Wagner et al., 1999b ; Wagner et al., 1999c). A partir des séries temporelles de ms et d’un modèle simple d’infiltration, la tendance de l’humidité dans le profil de sol est estimée à l’aide d’un indice d’eau dans le sol (Soil Water Index, SWI), défini par :
∑
∑
−
−
−
−
=
i
T t t i
T t t i s
i i
e e t m t
SWI ( )/
/ )
) (
( )
( (II.3)
où ti (≤ t) est une date d’acquisition WSC et T un temps caractéristique.
Les humidités estimées font l’objet de comparaisons qualitatives avec des cartes d’humidités mesurées sur le terrain (Wagner et al., 1999a ; Wagner et al., 1999c), comme sur la figure II.3, ou bien avec des données de précipitations (Wagner et al., 1999b ; Wagner et Scipal, 2000), les auteurs soulignant la difficulté de valider quantitativement leurs résultats du fait de la forte variabilité spatiale et temporelle de l’humidité de surface. De fait, les estimations issues des données WSC, représentatives d’une cellule de résolution de 50 km de diamètre, sont difficilement comparables avec des mesures de terrain nécessairement ponctuelles.
Les humidités estimées à l’échelle globale sont évaluées par comparaison avec l’humidité du sol mensuelle simulée par un modèle global de dynamique de la végétation (Sitch et al., 2003), et avec des mesures de précipitations mensuelles, à travers l’étude des anomalies de pluviométrie (Wagner et al., 2003). Les auteurs constatent que la corrélation entre les anomalies de pluviométrie et les anomalies de SWI est liée au nombre de stations météorologiques disponibles (r augmente avec le nombre de stations). L’étude de la corrélation entre le SWI et l’humidité du sol simulée permet d’identifier les régions posant
Chapitre II – Les diffusiomètres spatiaux pour le suivi des surfaces continentales
Figure II.3 – Cartes d’eau disponible pour les plantes en Ukraine. La colonne de gauche montre les estimations obtenues à partir des données WSC, la colonne de droite les cartes obtenues par interpolation (méthode du plus proche voisin) de mesures effectuées sur des champs de maïs et de blé. Les stations de mesures sont représentées par des croix (d’après Wagner et al., 1999c)
Chapitre II – Les diffusiomètres spatiaux pour le suivi des surfaces continentales
L’inconvénient des méthodes empiriques est qu’elles ne permettent pas d’analyser les mécanismes de diffusion qui influencent le signal à l’échelle d’une cellule de résolution. Ici, la même méthode est utilisée pour l’estimation de l’humidité du sol sur des surfaces caractérisées par des mécanismes de diffusion très différents (régions boréales, tempérées, semi-arides). Elle repose sur des hypothèses contraignantes : en tout point du globe (excepté les déserts et forêts tropicales humides, non étudiés), l’influence de la végétation est considérée négligeable et la saturation en eau du sol ainsi que sa sécheresse totale à l’échelle d’une cellule de résolution WSC doivent être atteintes au moins une fois sur la période d’étude. Ces hypothèses ne sont pas toujours vérifiées, notamment sur les régions sahéliennes semi-arides. De plus, les auteurs étudient l’influence de la végétation à partir de son évolution temporelle moyenne (Wagner et al., 1999b), ce qui ne permet pas de tenir compte de la forte variabilité interannuelle de la production de masse herbacée. Enfin, l’hypothèse selon laquelle la végétation peut être négligée va à l’encontre des résultats théoriques connus. Cependant, la sensibilité des données WSC à l’humidité du sol et à la végétation, ainsi que la corrélation généralement observée entre ces deux variables, font que les cartes d’humidité du sol fournies par cette méthode représentent certainement une estimation de ce paramètre. Elles pallient l’absence de ce type de données à l’échelle globale et sont accueillies favorablement par la communauté scientifique.
Chapitre II – Les diffusiomètres spatiaux pour le suivi des surfaces continentales