Exploration du potentiel de données d'observations de terrain pour caractériser ou cartographier des propriétés ou des comportements des sols

Exploring the untapped potential of field observations data for characterizing or mapping soil properties and behaviors

• Auteur / Autrice : Anne Richer de Forges
• Direction : Hocine Bourennane, Dominique Arrouays
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'Univers
• Date : Soutenance le 10/12/2024
• Etablissement(s) : Orléans
• Ecole(s) doctorale(s) : École doctorale Énergie, Matériaux, Sciences de la Terre et de l'Univers (Centre-Val de Loire ; 2012-....)
• Partenaire(s) de recherche : Laboratoire : Info&Sols (Orléans ; 2023-....)
• Jury : Président / Présidente : Christian Walter
• Jury : Examinateurs / Examinatrices : Cécile Gomez, Étienne Dambrine, Ary Bruand
• Jury : Rapporteurs / Rapporteuses : Catherine Keller, David Montagne

Mots clés

Mots clés contrôlés

Granulométrie

Géostatistique

Sols -- Analyse

Simulation par ordinateur

Cartographie pédologique

Structures de données (informatique)

Géophysique -- Observations

Cartographie numérique des sols

Mots clés libres

Data science

Texture

Compacité

Observations de terrain

Data science

Soil texture

Soil compacity

Field observations

Résumé

Lors de l'élaboration de cartographies des sols ou de la description des sols sur le terrain, de très nombreuses variables sont observées, collectées et enregistrées en base de données. Au fil du temps, ces données sur les sols deviennent disponibles en masse mais certaines n'ont jamais été étudiées dans leur globalité, ni valorisées pour caractériser ou cartographier des propriétés, des fonctionnements ou des comportements des sols. Ces données sont essentiellement qualitatives et souvent ordinales. L'hypothèse de notre travail est qu'il est possible de catégoriser ces variables, de les mettre en relation avec des données quantitatives et de les valoriser en cartographie des sols par modélisation statistique (ou digital soil mapping : DSM).Nous évaluons le bénéfice de l'apport de ces données incertaines en prenant deux exemples fondés sur la texture et la compacité. Nous simulons les conséquences d'utilisation de la texture de terrain sur la calibration et les performances d'une fonction de pédotransfert. Nous montrons également le potentiel important de cette donnée en DSM, tant comme donnée d'entrée, que comme donnée de validation de prédictions de fractions granulométriques. Cette masse de données, de sources parfois hétégogènes, permet également de révéler des structures spatiales non capturées par les variables quantitatives disponibles. Nous utilisons un test de terrain d'estimation de la compacité des sols pour mettre en évidence des clusters de comportement physique qui sont ensuite interprétés et cartographiés à l'échelle nationale.Par ces exemples, nous démontrons que l'utilisation en masse de données qualitatives peut apporter de nouvelles connaissances et être valorisée par l'exploration et le DSM. Nous confirmons également le potentiel de données issues de la télédétection, telle que la spectrogammamétrie aéroportée, comme covariable pour le DSM de la granulométrie des horizons de surface des sols. Nous montrons en particulier qu'il est possible d'extraire des bases de données des informations utilisables et spatialisables à partir de données qualitatives incertaines, sans nécessairement recourir à de nouvelles acquisitions plus coûteuses.

When carrying soil survey or describing soils in the field, a large number of variables are observed, recorded and stored in databases. Over time, this data on soils becomes available overwhelmingly. However, this data has never been studied in its entirety, nor used to characterize or map soil properties, functioning or behavior. These data are essentially qualitative and often ordinal. The hypothesis of our work is that it is possible to categorize these variables, to relate them to quantitative data and to use them in digital soil mapping (DSM).We evaluate the benefit of the contribution of this uncertain data by taking two examples based on soil texture and compactness. We simulate the consequences of using the hand-feel texture on the calibration and performance of a pedotransfer function. We also show the significant potential of this data in DSM of particle-size fractions, both as input data and as validation data. This mass of data, sometimes from heterogeneous sources, also makes it possible to reveal spatial structures not captured by the available quantitative variables. We use a field test to estimate soil compactness to bring out clusters of physical behavior which are then interpreted and mapped on a national scale.Through these examples, we demonstrate that the mass use of qualitative data can provide new knowledge and be enhanced by exploration and the DSM. We also confirm the potential of data from remote sensing, such as airborne spectrogammametry, as a covariate for the DSM of particle-size of topsoil. In particular, we show that it is possible to extract usable and spatially relevant information from uncertain qualitative data, without necessarily resorting to new, more costly acquisitions.