Skip to Main content Skip to Navigation
Theses

Estimation of surface roughness over bare agricultural soil from Sentinel-1 data

Résumé : La télédétection spatiale est d’une importance primordiale pour la cartographie et la surveillance des problèmes environnementaux. Son intérêt réside dans la capacité des capteurs satellitaires spatiaux à fournir des informations globales et permanentes de la planète, aux échelles locale à globale. La télédétection radar a montré son grand potentiel ces dernières années dans la caractérisation des états de surface du sol. L’état de la surface du sol, et en particulier l’humidité et la rugosité, exerce une influence fondamentale sur la répartition de la pluie entre infiltration, rétention superficielle et ruissellement. Il a un rôle essentiel dans les processus hydrologiques de surface et ceux associés à l’érosion et aux processus d’évapotranspiration. La caractérisation et la prise en compte de ces conditions de surface constituent actuellement un enjeu important pour la modélisation à base physique des processus hydrologiques ou pour le couplage surface-atmosphère. Dans ce cadre et depuis plusieurs années, plusieurs études scientifiques ont montré le potentiel des données micro-ondes actives dans l’estimation de l’état hydrique du sol et de sa rugosité de surface.Les nouveaux systèmes radar (SAR ʺSynthetic Aperture Radarʺ) ont permis d’ouvrir de nouvelles perspectives pour l’observation de la terre grâce à l’amélioration de la résolution spatiale (métrique sur TerraSAR-X et COSMO-SkyMed) et temporelle (TerraSAR-X, COSMO-SkyMed, Sentinel-1). La disponibilité depuis peu des nouveaux capteurs radar bande C Sentinel-1 (Sentinel-1A et Sentinel-1B) rend indispensable l’évaluation des données Sentinel-1 pour la caractérisation des états de surface du sol et en particulier la rugosité de surface.Le travail de thèse se structure en trois parties. La première partie consiste à évaluer les modèles de rétrodiffusion de radar les plus utilisés (IEM, Oh, Dubois and AIEM) en utilisant un large ensemble de données de SAR et des mesures expérimentales des paramètres du sol. Cette évaluation permet de trouver le modèle de rétrodiffusion le plus robuste qui simule le mieux le signal radar afin de l'utiliser par la suite dans la procédure d'inversion du signal radar pour estimer la rugosité du sol. Le deuxième axe de recherche de cette thèse consiste à proposer un modèle de rétrodiffusion radar semi-empirique pour les polarisations HH, HV et VV. Ce nouveau modèle sera construit à l'aide d'une grande base de données réelle. Ce nouveau modèle sera également utilisé dans la procédure d'inversion du signal radar pour estimer la rugosité du sol. Le dernier axe de cette thèse consiste à construire une méthode d’inversion du signal radar en utilisant les réseaux de neurones afin d’évaluer le potentiel des données Sentinel-1 pour l’estimation de la rugosité des sols en milieux agricoles. Ces réseaux de neurones seront entrainés à l'aide d'un ensemble de données synthétiques élaborées à partir des modèles de rétrodiffusion radar choisis (IEM calibré par Baghdadi et du nouveau modèle proposé) et validés en utilisant deux ensembles de données: un ensemble de données synthétiques et une base de données réelle (images Sentinel-1 et mesures in situ d’humidité et de rugosité du sol). La base de données réelle a été collectée en Tunisie (Kairouan) et en France (Versailles).
Document type :
Theses
Complete list of metadatas

Cited literature [163 references]  Display  Hide  Download

https://tel.archives-ouvertes.fr/tel-02293194
Contributor : Abes Star :  Contact
Submitted on : Friday, September 20, 2019 - 4:15:09 PM
Last modification on : Thursday, July 2, 2020 - 1:59:42 PM
Document(s) archivé(s) le : Sunday, February 9, 2020 - 3:58:34 AM

File

69681_CHOKER_2018_archivage.pd...
Version validated by the jury (STAR)

Identifiers

  • HAL Id : tel-02293194, version 1

Collections

Citation

Mohammad Choker. Estimation of surface roughness over bare agricultural soil from Sentinel-1 data. Computational Geometry [cs.CG]. AgroParisTech, 2018. English. ⟨NNT : 2018AGPT0001⟩. ⟨tel-02293194⟩

Share

Metrics

Record views

288

Files downloads

213