Suivi des surfaces rizicoles par télédétection radar

Rice monitoring using radar remote sensing

• Auteur / Autrice : Thi Hoa Phan
• Direction : Mehrez Zribi, Thuy Le Toan
• Type : Thèse de doctorat
• Discipline(s) : Surfaces et interfaces continentales, hydrologie
• Date : Soutenance le 03/12/2018
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Centre d'études spatiales de la biosphère (Toulouse ; 2001-....)

Mots clés

Mots clés contrôlés

Mékong, Delta du

Riziculture

Télédétection en sciences de la Terre

Mots clés libres

Riz

Télédétection radar

Cartographie

Sentinel-1

Suivi de croissance

Rendement

Méthane

Modèle

DNDC

ORYZA2000

Delta du Mékong

Rice

Remote sensing

Radar

Sentinel-1

DNDC

ORYZA2000

Mekong Delta

Résumé

Le riz est la principale denrée de plus de la moitié de la population mondiale et joue un rôle particulièrement important dans l'économie mondiale, la sécurité alimentaire, la consommation d'eau, et le changement climatique. L'objectif de cette thèse consistait à développer des méthodes pour le suivi du riz basées sur des données Sentinel-1 ainsi qu'a utiliser les produits de cartographie obtenus dans diverses applications portant sur la sécurité alimentaire et l'environnement mondial. Plus spécifiquement, l'étude a pour but de fournir des outils pour observer la culture du riz, en produisant la cartographie des surfaces cultivées, celle des stades phénologiques de la plante comprenant le début de la saison, celle des deux principales catégories de variétés de riz à cycle court et cycle long, la hauteur de la plante, et la carte annuelle du nombre de récoltes de riz par an. Ces informations sont nécessaires à l'estimation de la production du riz, et à la gestion des cultures à l'échelle régionale. Nous étudions aussi l'intégration des produits ainsi développés dans un modèle de processus destinés à estimer le rendement du riz, et un modèle permettant la dérivation de l'émission du méthane et le volume d'eau nécessaire à la culture. La région test est l'une des régions rizicoles majeures à l'échelle mondiale, qui est le Delta du Mékong, au Vietnam. Cette région est caractérisée par une grande diversité de pratiques agricoles, du nombre de cultures du riz par an, et dans les calendriers des récoltes. La première phase du travail est la compréhension de la variation temporelle des valeurs de rétrodiffusion radar de Sentinel-1, en polarisation VH et VV. Pour cela, des données de terrain ont été collectées sur 60 champs, sur 5 saisons de riz pendant 2 ans. Les variations temporelles des mesures radar ont été interprétées en fonction de la croissance des plantes le long des stades phénologiques. Les mêmes courbes caractéristiques observées lors des 5 saisons ont suggéré l'utilisation d'une courbe 'type' dans le développement des méthodes pour fournir les produits requis. Les résultats obtenus sur le Delta du Mékong ont été validés à l'aide des données terrain de référence, et sont très satisfaisants : 98% de précision pour la carte riz/non riz, une RMSE de 4 jours pour la date de semis, une RMSE de 0.78 cm pour la hauteur de plante, 91,7% de précision pour la distinction entre deux types de riz (cycle court et cycle long), et 98% de précision sur l'estimation du stade phénologique. Enfin, nous avons évalué l'utilisation de ces produits issus de données Sentinel-1 dans le modèle ORYZA2000 destiné à estimer le rendement du riz, et dans le modèle DNDC destiné à estimer le volume d'eau nécessaire à la culture, ainsi que l'émission de méthane par les rizières. Les résultats, préliminaires, montrent le bon potentiel de l'approche pour fournir le rendement, le bilan d'eau, et les taux d'émission de méthane sur les champs de riz considérés. Cette approche permettrait de faire des analyses de sensibilité, par exemple pour optimiser la gestion d'irrigation afin de réduire la consommation d'eau et l'émission de méthane, tout en préservant le rendement du riz. Ces travaux, qui démontrent le potentiel des données Sentinel-1 pour le suivi du riz à large échelle, seront à compléter afin de réaliser des applications effectives opérationnelles. Il s'agira de renforcer les méthodes et de les tester sur différents systèmes rizicoles, et de poursuive l'étude sur l'intégration de ces produits de télédétection dans les modèles permettant d'évaluer la productivité, les besoins en eau et les émissions des gaz à effet de serre des rizières.

Rice is the primary staple food of more than half of world’s population and plays an especially important role in global economy, food security, water use and climate change. The objective of this thesis was to develop methods for rice monitoring based on Sentinel-1 data and to effectively use the mapping products in various applications concerning food security and global environment. Specifically, the study aims at providing tools for observation of the rice cultivation systems, by generating products such as map of rice planted area, map of rice start-of-season and phenological stages, and map of rice crop intensity, together with rice crop parameters such as category of rice varieties (long or short cycle), and plant height. The information to be provided is necessary for the estimation of crop production, and for the management of rice ecosystems at the regional scale. We also investigated on how the products derived from EO Sentinel-1 data can be integrated in process-based models for rice production estimation and methane emission estimation. The test region is one of the world’s major rice regions: the Mekong River Delta, in Vietnam. This region presents a diversity in rice cultivation practices, in cropping density, from single to triple crop a year, and in crop calendar. The first step was to understand the temporal variation of the backscatter Sentinel-1 backscatter of rice fields, at VH and VV polarizations. For this purpose, in-situ data have been collected on 60 fields during 2 years, for the 5 rice seasons. It was found that backscatter time series of rice fields show very specific temporal behavior, with respect to other land use land cover types. The temporal and polarization variations of the rice backscatter have been interpreted with respect to physical interaction mechanisms to relate the backscatter dynamics to the key phenological stages, when the plants change its morphology and biomass. Because the same trend of temporal curves was observed over 5 rice seasons, it was possible to derive a mean curve to be used in the methodology developed for detecting rice phenology, and deriving information such as the date of sowing, the rice varieties of long and short duration cycle, or plant height, at each SAR acquisition date. The methods have been developed and applied to the Mekong delta. Products validation provides a good agreement with the reference data sets: 98% in rice/non-rice accuracy, the sowing dates RMSE of about 4 days, plant height RMSE of 7.8 cm, the long/short variety map has 91.7% accuracy and for phenology, only one season has been processed with good detection rate of 59/60. Finally, the use of the rice monitoring products as inputs in two process-based models was assessed. The models are ORYZA2000 for rice production estimation and DNDC for methane emission and water demand estimation. Sentinel-1 data retrieved information (sowing date, phenology, long/short variety, plant height) were used as model inputs, giving good agreement with the results making use of ground survey only. Based on the two process models with inputs from Sentinel-1 data, it was possible to have an integrated result on rice yield, water use, and methane emissions. The preliminary results show a good potential for the optimization of water management in rice fields in order to reduce water use and GHG emission, without reducing the yield. To achieve the objective which is the effective use of Sentinel-1 data for rice monitoring for food security and global environment, more works need to be done concerning the consolidation of the rice monitoring method development and the integration of Sentinel-1 derived information in models aiming at estimating and predicting rice production, methane emission and water use