2005-11-16T23:59:59Z
2024-03-26T21:20:27Z
Assimilation variationnelle d'observations de télédétection dans les modèles de fonctionnement de la végétation : utilisation du modèle adjoint et prise en compte de contraintes spatiales
2005
2005-01-01
La gestion de l'environnement et des ressources disponibles nécessite de caractériser l'état de la végétation. Les modèles agronomiques simulent le fonctionnement du couvert à partir du climat, des pratiques culturales et des propriétés de la plante et du sol. Le projet ADAM, dans lequel s'inscrit cette thèse, a pour objectif de combiner les données de télédétection avec l'information fournie par les modèles agronomiques afin de participer au raisonnement des cultures et à l'évaluation de l'environnement. Sur un modèle d'étude, nous avons proposé une approche originale d'assimilation simultanée sur une scène, en imposant des contraintes sur les paramètres en fonction de leur variabilité au niveau du pixel, de la parcelle, de la variété. . . La taille de l'espace de contrôle est ainsi diminuée par rapport à un problème résolu pixel par pixel et qui se trouve être mal posé lorsque l'on dispose de peu d'observations. Cette technique a permis d'améliorer fortement l'estimation des paramètres d'entrée et de réduire la fréquence temporelle d'observation. Nous avons ensuite étudié la faisabilité d'une telle méthode sur un modèle mécaniste complexe de fonctionnement de la végétation (STICS), dont la différentiation a présenté des difficultés théoriques et pratiques. En effectuant une analyse de sensibilité utilisant le modèle adjoint de STICS, nous avons pu hiérarchiser ses paramètres selon leur influence sur la croissance de la culture. Nous avons démontré la faisabilité d'une technique d'assimilation avec contraintes dans STICS, ce qui permet d'envisager de nombreuses applications dans le domaine agronomique.
Environment and resources management requires characterizing vegetation status. Crop models simulate canopy functioning from climate, cultural practices and plant / soil properties. The ADAM project, in which this thesis fits, aims at combining remote sensing data with information provided by agronomic models, in order to take part in crops reasoning and environment assessment. Through a study model, we proposed an original approach of simultaneous assimilation on a scene, by applying constraints on model parameters according to their variability linked to the pixel, the field, the cultivar. . . The dimension of the control space is thus decreased, as compared to a pixel by pixel solved problem, the latter being ill-posed when few observations are available. This technique allowed both improving strongly retrievals of canopy biophysical variables and reducing the satellite temporal frequency. We then studied the feasibility of applying such a method for a complex mechanist crop model (STICS), which differentiation presented theoretical and practical difficulties. Developing a sensitivity analysis using the STICS adjoint model, we could perform a hierarchical sort of its parameters according to their influence on crop growth. We proved the feasibility of an assimilation technique with spatial constraints in STICS model, which makes it possible to consider many applications in agronomic research.
Lauvernet, Claire
Le Dimet, François-Xavier
Baret, Frédéric
Grenoble 1