Estimation de l'humidité du sol à l'aide d'images RADARSAT-2 et de réseaux de neurones : application aux bassins versants Trent et Severn, Ontario

摘要

L’humidité du sol joue un rôle important dans le partitionnement de l’eau entre l’infiltration et le ruissellement de surface, qui influence directement les débits en rivière et les niveaux des réservoirs. La connaissance de la distribution spatiale de l’humidité du sol permet donc d’optimiser les différents usages de la ressource en eau en périodes sèches et d’aider la prévision et la gestion d’inondations lors de fortes pluies. La grande variabilité spatiale de l’humidité du sol rend toutefois difficile l’utilisation de capteurs in situ pour en faire le suivi sur de grands territoires tels que les bassins versants. La télédétection peut apporter une valeur ajoutée de par son potentiel pour estimer l’humidité du sol à l’échelle du bassin versant.Le présent projet porte sur l’estimation de l’humidité du sol dans les bassins versants Trent et Severn en Ontario qui possèdent une superficie combinée de 18 360 km². L’approche adoptée est basée sur les réseaux de neurones artificiels (RNA). Deux approches ont été évaluées. La première, l’approche polarisation simple et double utilise uniquement des données radar acquises en polarisation HH ou HV. La seconde approche, soit l’approche polarimétrique, utilise des données en polarisation HH, HV et VV en plus de paramètres polarimétriques. Au total, 37 images RADARSAT-2 ont été acquises en différentes polarisations et résolutions spatiales entre les mois de mai 2012 et août 2013. En plus des coefficients de rétrodiffusion radar, des données de pente, de texture du sol et de végétation ainsi que des paramètres obtenus suite à une décomposition polarimétrique de la cible ont été utilisés comme intrants aux RNA. Des cartes d’humidité du sol moyenne et d’incertitude, représentant, dans l’ordre, la moyenne et l’écart-type des estimations faites par les 30 RNA sélectionnés, ont été produites. Les performances et les cartes obtenues ont été analysées afin de déterminer l’approche la plus avantageuse pour cartographier l’humidité du sol à l’échelle du bassin versant.Ce projet de recherche a illustré le potentiel, mais aussi les enjeux, liés à l’estimation de l’humidité du sol à l’échelle du bassin. Il a été démontré que, dans un contexte opérationnel, l’approche polarisation simple et double est la plus avantageuse. Les cartes d’humidité produites avec l’approche polarimétrique, plus coûteuses, n’ont pas montré d’améliorations statistiquement significatives par rapport à l’approche polarisation simple et double. De tous les RNA testés, celui offrant la meilleure performance utilise l’angle d’incidence et les coefficients de rétrodiffusion radar HH et HV comme données d’entraînement. Il a aussi été démontré que l’incertitude sur l’estimation de l’humidité du sol est étroitement liée aux données d’entraînement. Le recours à des variables statiques dans le temps, comme la texture du sol, a affecté négativement et de manière importante les cartes d’humidité du sol, et ce, malgré de bonnes performances selon des critères statistiques comme le coefficient de Pearson et l’erreur quadratique moyenne. L’analyse visuelle des cartes d’humidité du sol demeure donc un moyen privilégié pour évaluer la performance des RNA.Des pistes de recherche sont suggérées en vue d’améliorer la performance des RNA. Une première avenue serait le recours à une plus grande quantité de données pour leur entraînement, qui pourraient être générées à partir de modèles de rétrodiffusion à base physique. On pourrait également corriger les coefficients de rétrodiffusion pour diminuer l’influence de la végétation sur le signal rétrodiffusé avant l’entraînement des réseaux.