Estimation des rendements, des besoins et consommations en eau du maïs dans le sud-ouest de la France : apport de la télédétection à hautes résolutions spatiale et temporelle

摘要

Le travail de cette thèse s'inscrit dans le cadre du projet MAISEO qui associe, entre autres partenaires, la CACG, gestionnaire de l'eau sur des bassins hydrographiques du Sud-Ouest, Météo-France et le CESBIO. Un des objectifs est de proposer des méthodes innovantes et opérationnelles pour l'estimation des besoins en eau des cultures à l'échelle d'un territoire. Il s'agit de fournir au gestionnaire des outils qui lui permettront de mieux gérer la demande en eau d'irrigation liée à la culture dominante présente dans le Sud-Ouest de la France: le maïs. L'objectif de la thèse consistait à estimer les rendements et les besoins en eau du maïs sur de grandes surfaces. Pour cela, nous avons utilisé un modèle agro-météorologique couplé à l'imagerie satellitaire optique. De nombreuses images à haute résolution spatiale et temporelle provenant de différents capteurs ont été utilisées, préfigurant l'arrivée des données Sentinel-2 lancé en 2015. Il s'agissait dans un premier temps de coupler les données satellitaires avec le modèle SAFY (Simple Algorithm For Yield estimates, Duchemin et al., 2008a), qui simule le développement des plantes en se basant sur la théorie des efficiences (Monteith, 1972), afin d'estimer la biomasse et le rendement du maïs. De nombreuses données terrain ont permis de valider les sorties du modèle. A l'échelle régionale, les résultats ont été agrégés et comparés aux statistiques départementales Agreste. Les résultats ont conduit à proposer une nouvelle version du modèle SAFY permettant de prendre en compte la variation temporelle de l'efficience de conversion de la lumière effective (ELUE) et de la surface spécifique foliaire (SLA). Cette modification permet une meilleure prise en compte de la dynamique de croissance de la végétation et une amélioration de l'estimation du rendement tant à l'échelle locale que régionale. La méthode de calibration a également été améliorée afin de limiter le recours aux données in situ difficilement accessibles sur de grandes surfaces. Nous avons pu mettre en évidence l'apport de la double logistique, utilisée pour interpoler les profils temporels de NDVI. Cette interpolation a permis d'affiner la délimitation du cycle cultural et de contraindre plus précisément certains paramètres du modèle comme la date de levée. Une fois contraint par les données satellitaires, le modèle SAFY est capable de reproduire les rendements sur les deux départements avec une bonne précision et ce sans prendre en compte l'évolution du stock d'eau dans le sol (Battude et al., 2016). Le second volet consistait à modéliser les besoins et consommations en eau du maïs sur tout le territoire et durant des années climatiques contrastées. Pour cela, nous avons couplé le modèle SAFY à un module de bilan hydrique adapté de la méthode FAO-56 (Allen et al., 1998). Le modèle SAFY-FAO a été calibré et validé sur la parcelle expérimentale de Lamothe pour laquelle nous disposons de données d'évapotranspiration (ETca) acquises en continu par la méthode d'Eddy-Covariance. Les estimations ont été validées sur plusieurs parcelles ainsi que sur trois périmètres irrigués (ASA). Les résultats montrent que le modèle SAFY-FAO est capable de reproduire de façon satisfaisante les consommations en eau des parcelles. Malgré une sous-estimation des consommations pour les trois ASA, le modèle reproduit correctement la variabilité des volumes consommés (Battude et al., 2017, soumis). Nous avons également évalué l'impact de différentes sources d'incertitude sur les sorties du modèle. Le travail effectué a permis une première analyse de l'apport du module hydrique pour l'estimation du rendement et celui-ci ne semble pas apporter d'amélioration significative par rapport aux résultats obtenus avec SAFY. Ces conclusions sont toutefois dépendantes du jeu de données disponible, du modèle et de la méthode de calibration choisie et ce travail nécessite de plus amples analyses et un jeu de données plus conséquent de parcelles non irriguées.