Fermer

BOSCO

Le projet BOSCO a co-construit un service d’estimation de teneur en eau sur le territoire breton à très haute résolution spatiale et temporelle, pertinente pour la gestion agricole et des ressources en eau. Ce service intègre des outils diagnostique et des produits dérivés (teneur en eau sur l’épaisseur racinaire, estimation de la recharge) pour l’appui aux politiques publiques.

Observatoire Spatial du Contenu en Eau des Sols en Bretagne

 

Projet terminéLa région Bretagne dispose désormais d’un outil pour le suivi de l’humidité des sols bretons via la plateforme en accès libre BOSCO. En posant les bases de la connaissance sur la période 2017-2022, l’outil renforce les données régionales sur l’estimation de la teneur en eau des sols pour une meilleure évaluation des bénéfices des politiques publiques en matière de gestion des ressources en eau, pollution nitrate gestion des aléas (sècheresse, calamités agricoles, inondation, mouvements de terrain).

PRÉSENTATION

L’eau est une ressource essentielle pour les humains et les écosystèmes : stockée temporairement dans les milieux souterrains, elle est consommée par la végétation et s’écoule vers les rivières au travers de nappes de versants. En Bretagne, 75% des ressources en eau sont issues d’eaux de surface, soutenues par un ensemble de petites nappes dans la partie altérée des roches cristallines. L’extension de la durée des périodes sans précipitations induit des sècheresses agricoles et hydrologiques (y compris en hiver), mettant sous pression les systèmes d’alimentation en eau, les schémas de gestion agricole et les efforts de restauration du bon état écologique des écosystèmes aquatiques (figure 1). Cette évolution marquée depuis les années 2000 nécessite également d’adapter les outils de gestion, qui doivent se baser sur des observations dynamiques du contenu en eau des sols à une échelle pertinente, en complément des autres informations météorologiques et d’architecture des milieux. Jusqu’à présent, les outils de gestion s’appuient soit sur des observations ponctuelles ou intégratives (par « masse d’eau »), soit sur des modélisations comme la chaine SIM de Météo-France. Cependant, sa résolution spatiale (64 km²), ne permet pas de répondre aux besoins des gestionnaires, notamment à l’échelle de la parcelle (figure 2).

Évolution des températures et précipitations estivales sur 12 stations bretonnes depuis 1955

Figure 1 : Évolution des températures et précipitations estivales sur 12 stations bretonnes depuis 1955. La température augmente de 3.5°C par 100 ans. L’impact du changement climatique sur les précipitations estivales se traduit par 2 régimes de précipitations : des années 1960 à 2000, des températures chaudes étaient liées à des précipitations plus importantes, mais depuis les années 2000, les années chaudes sont déficitaires en eau. © Geosciences Rennes

Le projet BOSCO consiste à :

  1. déployer un produit satellitaire validé (CES humidité très haute résolution spatiale de THEIA) pour le suivi de la teneur en eau des sols sur la région Bretagne en accès ouvert ;
  2. proposer des indicateurs pertinents à l’échelle locale et régionale et des produits dérivés pour définir la disponibilité de l’eau et ainsi répondre aux besoins de l’agriculture, de la gestion des ressources et du suivi des écosystèmes;
  3. développer une plateforme de diffusion et de visualisation intégrée (approche Copernicus régional GéoBretagne) pour former et accompagner les acteurs dans l’appropriation des produits. Ainsi ces données homogènes et accessibles permettront de standardiser les analyses, d’assurer leur transparence et d’accompagner les territoires dans leurs nouvelles compétences (e.g. GEMAPI).
Distribution teneur en eau par parcelle

Figure 2 : Distribution de la teneur en eau par parcelle sur le bassin du Meu-Canut, à l’Ouest de Rennes, estimée par le produit CES THEIA « Teneur en eau à très haute résolution spatiale ». Le carré blanc correspond à la grille d’analyse et de modélisation SAFRAN/SIM2 pour l’estimation des forçages météorologiques et de teneurs en eau du sol (Soil Water Index). Noter le besoin de haute résolution spatiale pour cerner le comportement de ces systèmes hydrologiques à fine échelle. © Geosciences/CES THEIA

Consortium

Développé par le CNRS, l’INRAE et l’Institut Agro Rennes-Angers, l’outil a été coconstruit avec des utilisateurs finaux en charge de la gestion des risques et la mise en œuvre des politiques publiques afférentes à l’agriculture, la gestion des ressources, la protection des écosystèmes (DREAL, BRGM, Météo France, Eau du bassin Rennais, chambre d’agriculture). Le projet s’est également appuyé sur des « facilitateurs », c’est-à-dire des centres d’expertise qui participent activement à l’usage et la valorisation des données satellitaires (GIS BRETEL), la diffusion des données par des outils accessibles (GéoBretagne) et la valorisation des données environnementales auprès des territoires (GIP OEB, Observatoire de l’Environnement en Bretagne). La région Bretagne offre un contexte très favorable, car elle est très impliquée dans le développement des outils de surveillance spatiale, et investie dans le développement d’une politique régionale d’atténuation du changement climatique. Le projet s’inscrit dans la convention cadre CNES-Région Bretagne et contribuera au développement de l’institut IRISPACE (Institut Régional d'Innovation Spatiale) qui débutera en 2021.

Site(s) d’application

Région Bretagne, France

DONNÉES

Satellite

  • Sentinel- radar
  • Sentinel-2 multispectral

Autres

  • DREAL : Données Registre parcellaire général et Débit des rivières
  • METEO-France : Précipitations, évapotranspiration
  • Observatoires au sol : teneur en eau, données géophysiques, estimation de recharge

Méthodologie

Pour estimer la teneur en eau à très haute résolution spatiale et temporelle à l’échelle de la Bretagne, l’algorithme de BOSCO s’appuie principalement sur la constellation de satellites issue du programme Européen Copernicus. Il combine les données Sentinel-1 (radar, sensible à l’humidité) et Sentinel-2 (optique/NDVI, état de la végétation) au sein d’un réseau de neurones pour estimer la teneur en eau des sols sur une épaisseur de ~5 cm avec une précision de ~5% volumique5. L’estimateur est basé sur les réalisations d’un modèle physique, calibré sur 10 ans de données collectées dans différents contextes climatiques et de sol. L’approche n’est pas sensible à la couverture nuageuse. La singularité de ce produit reste son échelle spatiale, la parcelle, pertinente pour des questions de gestion agricole et des ressources en eau, et son échelle temporelle (2 jours), pertinente pour la compréhension les écoulements d’eau. L’estimation des teneurs en eau sur la zone racinaire et de la recharge nécessite des forçages météorologiques (Analyse Safran) qui seront mis à disposition par Météo France, des informations sur le type de sol (GéoBretagne) et les données dé débit pour calibration (DREAL).

La validation des produits satellitaires et dérivés s’appuie sur les observatoires de l’environnement « au sol » bretons, réunis dans une plateforme d’observation soutenue par les laboratoires de l’INRAE et du CNRS (UMS OSUR et UMS IUEM), et associés aux infrastructures de recherche OZCAR et RZA. Les outils et données de mesure de teneur en eau (par drone, suivis continu), les informations locales (pédologie, …) et l’expertise sur le fonctionnement des systèmes observés seront mis à disposition pour validation à fine échelle. Météo-France fournira également les sorties du modèles SIM et notamment l’indice d’humidité des sols SWI pour la validation des produits bruts et dérivés à large échelle.

Enfin, pour visualiser l’évolution de l’humidité des sols de surface, l'objectif a été d’appliquer la méthode opérationnelle d’estimation et de cartographie de l’humidité des sols sur la région Bretagnedéveloppée à l’INRAE (UMR TETIS). Cette méthode est basée sur l'utilisation d'images satellitaires des nouveaux systèmes d’observation de la Terre Copernicus radar et optique Sentinel-1 et Sentinel-2 (données gratuites et libres d’accès). Ces nouveaux capteurs qui fournissent des données avec des résolutions spatiales et temporelles élevées ont permis d’ouvrir de nouvelles opportunités pour cartographier l’humidité des sols en milieu agricole. Les estimations d’humidité correspondent à l’humidité de la première couche du sol (5-10 cm). Les cartes d'humidité sont établies à l’échelle de la parcelle pour les années 2017, 2018, 2019, 2020 et 2021 (sur les parcelles agricoles et prairies en excluant les vignes et les arbres fruitiers). De plus, des cartes de l’indice NDVI (information spatialisée sur l'état de développement de la végétation) sont calculées à partir des images optiques Sentinel-2.

Bosco Tuiles S1

Cartographie de l’humidité des sols

Le suivi spatio-temporel de l'humidité du sol dans les zones agricoles est d'une grande importance pour de nombreuses applications, notamment celles liées au cycle continental de l'eau. L'utilisation de capteurs in situ assure cette surveillance mais cette technique est très coûteuse et elle ne peut être réalisée que sur une très petite zone agricole, d'où l'importance de la télédétection spatiale qui permet désormais une cartographie opérationnelle à grande échelle de l'humidité du sol à forte résolution spatio-temporelle.

Les images radar sont utilisées depuis longtemps pour estimer et cartographier l'humidité de surface des sols nus. Pour les surfaces avec une couverture végétale, le couplage de données radar et optique est souvent nécessaire pour estimer l'humidité du sol. Les données optiques sont complémentaires des données radar, et leur intérêt réside dans leur potentiel à estimer les paramètres biophysiques de la végétation, par exemple le Leaf Area Index (LAI) et le Normalized Difference Vegetation Index (NDVI). Ces paramètres permettent d'évaluer la contribution de la végétation dans le signal radar rétrodiffusé, et par conséquent d'extraire la contribution du sol pour ensuite l'inverser et estimer l'humidité du sol.

Pour cartographier l'humidité du sol dans le cas d’un sol couvert de végétation, la plupart des études utilisent le modèle semi-empirique Water Cloud développé par Attema et Ulaby en 1978. Généralement, dans ce modèle, le signal radar total rétrodiffusé est modélisé comme la somme du signal rétrodiffusé du sol multiplié par l'atténuation bidirectionnelle, et du signal direct réfléchi par la végétation. Dans la plupart des études, la contribution de la végétation est exprimée par un paramètre biophysique de la végétation (biomasse, LAI, teneur en eau de la végétation, ou NDVI). La contribution du sol est généralement modélisée en fonction de l'humidité et de la rugosité du sol pour des paramètres instrumentaux donnés : angle d'incidence, longueur d'onde et polarisation. Il peut être simulé à l'aide d'un modèle physique de rétrodiffusion radar (Integral Equation Model "IEM" développé par Fung en 1994), ou d'un modèle de rétrodiffusion semi-empirique (par exemple le modèle de Baghdadi, Baghdadi et al., 2016).

Récemment, l'arrivée du satellite radar à synthèse d'ouverture (SAR) Sentinel-1 (S1) a fourni aux utilisateurs des données SAR en libre accès à une résolution spatiale élevée (10 m x 10 m) et avec un temps de revisite élevé (six jours en Europe). La mission S1 de l'Agence spatiale européenne (ESA) est une constellation de deux satellites SAR en orbite polaire (Sentinel-1A et Sentinel-1B) fonctionnant dans la bande C (~ 5,4 GHz). Les données SAR de la mission S1 à des résolutions spatiales et temporelles élevées ont encouragé la cartographie de l'humidité du sol en mode opérationnel.

El Hajj et al. (2017) ont développé une méthode opérationnelle pour cartographier l'humidité de surface du sol (SSM) à l'échelle de la parcelle sur les zones agricoles basée sur le couplage des données S1-SAR et des données optiques Sentinel-2 (S2) en utilisant la technique du réseau neuronal (S²MP). Les cartes S2MP sont produites pour les cultures été-hiver dans les zones agricoles et les prairies (elles ne sont pas produites aux vignobles et aux vergers). Les cartes S2MP sont dérivées pour les images S1 acquises dans les modes d'acquisition ascendant (heure d’acquisition ~ 18:00 TU) et descendant (heure d’acquisition ~ 06:00 TU). Près de 20 images S1 couvrent totalement ou partiellement la plupart des bassins versants en France par mois. Ainsi, une estimation de l’humidité du sol pourra être disponible au maximum tous les 3 ou 4 jours. Le produit final d’humidité a été validé grâce à une grande campagne de terrain près de la ville de Montpellier (près de 500 mesures in situ) et la précision obtenue sur l’humidité volumique est de l’ordre de de 6 vol.%. L’algorithme est en général appliqué tant que l’indice de végétation des parcelles NDVI n’est pas supérieur à environ 0.7. Au-delà de ce seuil, le signal radar n’atteint pas le sol et l’estimation de l’humidité du sol est impossible car le signal radar reçu contient la contribution de la végétation mais pas celle du sol. De plus, l’algorithme est appliqué sur les parcelles avec une pente inférieure ou égale à 20%.

👉 Consulter le rapport de Nicolas BAGHDADI « Estimation de l’humidité du sol et de l’indice de végétation NDVI sur les parcelles agricoles de Bretagne à partir des données satellitaires Copernicus » INRAe

RÉSULTATS - PRODUITS FINAUX

Grâce à une collaboration étroite entre scientifiques et acteurs de terrain, BOSCO a permis de :

  • Développer un produit de teneur en eau des sols en surface à la résolution de la parcelle (unité de gestion) sur l’ensemble de la Bretagne.
    👉 Ce jeu de données homogène et ouvert, permet de favoriser le dialogue entre les différents acteurs pour appréhender les quantités d’eau accessible et appréhender leur partage.

  • Mettre en œuvre la plateforme BOSCO d’exploration de ces données, à la fois dans l’espace et dans le temps.
    👉 L’outil simple de synthèse temporelle, selon les « normales saisonnières », complète les outils de visualisation en proposant des outils d’anticipation. Au point de vue technique, c’est également le premier couplage de deux standards OGC de gestion des données spatiales et temporelles (WMS + SensorThings).

  • Le développement d’un modèle physique simple, qui permet de transformer la teneur en eau de surface à la fois en teneur en eau racinaire (application : agriculture, calamités agricoles, protection des écosystèmes) et en recharge (application : alimentation en eau et protection des écosystèmes).

  • L’élaboration d’indicateurs utiles à la gestion opérationnelle à l’échelle de la parcelle

BOSCO PF

 

◀︎ Interface d’exploration spatio-temporelle des données de teneur en eau sur l’interface BOSCO

Bosco teneur en eau

 

◀︎ Teneur en eau dans l’épaisseur racinaire. En noir, les observations in-situ, en rouge, l’estimation à partir de données de teneur en eau de surface par le modèle simple développé dans BOSCO

BOSCO recharge nappe

 

◀︎ Recharge de la nappe. En noir, le modèle Météo-France SURFEX, considéré comme une référence, en bleu et en vert, deux estimations faites à partir des données de teneur en eau de surface par le modèle simple développé dans BOSCO

Références

doi  BOSCO sur GEO Knowledge Hub du Group on Earth Observations (GEO), un référentiel numérique pérenne : https://doi.org/10.60566/gjf1h-3a910
  • Baghdadi N., Choker M., Zribi M., El Hajj M., Paloscia S., Verhoest N., Lievens H., Baup F., Mattia F., 2016. A new empirical model for radar scattering from bare soil surfaces. Remote Sensing, vol. 8, Issue 11, pp. 1-14. https://doi.org/10.3390/rs8110920

  • Bazzi H., Baghdadi N., Ienco D., El Hajj M., Zribi M., Belhouchette H., Escorihuela M.J., Demarez V., 2019. Mapping Irrigated Areas Using Sentinel-1 Time Series in Catalonia, Spain. Remote Sensing, Remote Sens. 2019, 11, 1836. https://doi.org/10.3390/rs11151836

  • Boken, V.K., Hoogenboom, G., Kogan, F.N., Hook, J.E., Thomas, D.L., Harrison, K.A., 2004. Potential of using NOAA-AVHRR data for estimating irrigated area to help solve an inter-state water dispute. International Journal of Remote Sensing 25, 2277–2286

  • Gao, Q., Zribi, M., Escorihuela, M., Baghdadi, N., Segui, P., 2018. Irrigation Mapping Using Sentinel-1 Time Series at Field Scale.Remote Sensing 10, 1495. https://doi.org/10.3390/rs10091495

  • Hajj M., Baghdadi N., Zribi M., Bazzi H., « Synergic Use of Sentinel-1 and Sentinel-2 Images for Operational Soil Moisture Mapping at High Spatial Resolution over Agricultural Areas », Remote Sensing, 9 (12), 1292, 2017. https://doi.org/10.3390/rs9121292

  • Pageot Y., Baup F., Inglada J., Baghdadi N., Demarez V., 2020. Detection of irrigated and rainfed crops in temperate areas using Sentinel-1 and Sentinel-2 time series. Remote Sens. 2020, 12, 3044. https://doi.org/10.3390/rs12183044

  • Thenkabail, P.S., Schull, M., Turral, H., 2005. Ganges and Indus river basin land use/land cover (LULC) and irrigated area mapping using continuous streams of MODIS data. Remote Sensing of Environment 95, 317–341. https://doi.org/10.1016/j.rse.2004.12.018

PROJETS LIÉS

Les actus du projet

RESSOURCES

Contact

En cochant cette case, je reconnais avoir pris connaissance et accepte les Mentions légales.
CAPTCHA
Cette question sert à vérifier si vous êtes un visiteur humain ou non afin d'éviter les soumissions de pourriel (spam) automatisées.