ARTICLE
Auteur(s) : Vincent
Simonneaux1, Michel
Lepage1, Dorian
Helson1, Jérome Metral1, Sonia
Thomas1, Benoît Duchemin1, Mohamed
Cherkaoui2, Hakim Kharrou2, Brahim Berjami3,
Abdelghani Chehbouni1
1CESBIO Unité mixte de recherche (CNRS, UPS,
CNES, IRD) 18, avenue Edouard-Belin 31401 Toulouse France
2ORMVAH Office régional de mise en valeur
agricole du Haouz Marrakech Maroc
3ABHT Agence de bassin hydrologique du Tensift
Marrakech Maroc
Introduction
Les zones arides et semi-arides du bassin méditerranéen sont
l’objet de tensions environnementales importantes, du fait de leur
grande fragilité écologique et de la rareté des ressources en eau.
La croissance et la transformation des besoins des populations
accentuent la pression sur les ressources naturelles et peuvent
engendrer des phénomènes de dégradation du milieu, souvent
amplifiés par les changements climatiques.
Le projet SudMed, actuellement en cours à Marrakech (Maroc),
développe des méthodologies intégrant des informations de terrain,
des mesures satellitaires et des modèles physiques pour la gestion
durable des ressources hydriques d’un bassin-versant semi-aride, le
Tensift [1]. L’accent est mis sur l’estimation de
l’évapotranspiration (ET) de la végétation, variable clé du bilan
hydrique des cultures, et donc de l’optimisation de
l’irrigation.
Site de l’étude
Le bassin-versant du Tensift est constitué d’une vaste plaine
semi-aride recevant environ 240 mm de précipitations
annuellement, pour une ET potentielle de 1 500 mm. Cette
plaine est adossée au Haut-Atlas, culminant au Toubkal à 4
167 m, qui reçoit environ 500 mm de précipitations, dont
une partie sous forme de neige. Ce massif constitue ainsi le «
château d’eau » du bassin du Tensift, en alimentant des cours d’eau
permanents coulant vers la plaine, ainsi que la nappe localisée
sous la plaine. L’ensemble du bassin est caractérisé par la rareté
et la forte irrégularité spatiotemporelle des ressources en eau,
contrainte à laquelle s’ajoutent, depuis quelques années, des
périodes de sécheresse récurrentes. L’agriculture irriguée,
concentrée dans la plaine du Haouz (environ 200 000 ha), est
de loin le plus gros consommateur d’eau de la région, puisqu’elle
utilise environ 85 % des ressources totales mobilisées.
La gestion rationnelle de l’eau d’irrigation revêt donc une
importance primordiale pour satisfaire les besoins en eau de tous
les utilisateurs, et ce de manière durable.
Pilotage de l’irrigation : les informations
nécessaires
Les besoins en information pour un meilleur pilotage de
l’irrigation dépendent de l’échelle de gestion considérée. Pour
l’agriculteur cultivant quelques parcelles, l’information clé est
la consommation des cultures au jour le jour, qui permet d’ajuster
les apports d’eau, à condition d’en disposer à volonté. Pour
estimer ces besoins, l’agriculteur peut en principe implémenter des
méthodes simples, comme la méthode FAO (Food and Agriculture
Organization) [2], à condition d’avoir accès à des données
climatiques et de pouvoir quantifier la végétation présente dans
ses champs. Cette estimation des besoins peut être encore améliorée
si l’agriculteur dispose de mesures d’humidité du sol. Dans ce
contexte local, le facteur limitant réside plus dans la maîtrise
d’une technique d’estimation des besoins que dans les données
nécessaires. Inversement, pour le gestionnaire régional de
l’irrigation, l’information nécessaire est nettement plus
importante et moins accessible. Il s’agit, à l’échelle de
secteurs d’irrigation, de savoir ce qui a été consommé depuis le
début d’une saison, de connaître la consommation à un instant donné
ou encore d’estimer ce qui sera nécessaire pour terminer la saison.
L’eau agricole étant souvent issue de barrages de capacité
d’approvisionnement limitée, ces informations sur le bilan hydrique
permettraient d’optimiser la distribution pour répondre au mieux
aux besoins. De plus, les eaux de surface étant le plus
souvent insuffisantes, l’irrigation sollicite souvent les nappes
phréatiques pour compléter les apports. Les bilans hydriques
agricoles sont donc utiles aux agences de bassins pour estimer les
prélèvements souterrains, permettre un meilleur contrôle des nappes
et accéder à une modélisation hydrologique globale des
bassins-versants. Pour répondre à ces besoins d’information à
l’échelle régionale, le projet SudMed développe l’application
informatique SAMIR (satellite monitoring of irrigation), outil
d’aide à la gestion de l’irrigation à vocation opérationnelle fondé
sur l’utilisation de séries d’images satellitaires. SAMIR permet de
réaliser une estimation spatialisée de l’ET et du bilan hydrique
des cultures à l’échelle des périmètres irrigués, et d’en déduire
les apports en irrigation. Nous présentons dans cet article les
grands principes de fonctionnement de cet outil.
État de l’art
Des outils existent déjà, qui permettent un calcul du bilan
hydrique d’un couvert végétal. Ainsi, GAPS [3] et BUDGET [4]
utilisent des modèles de transfert sol-végétation-atmosphère (TSVA)
plus ou moins complexes à l’échelle de la parcelle. Plus
simplement, le modèle CROPWAT [5] implémente la méthode FAO.
Les deux premiers modèles nécessitent des données d’entrée
trop complexes pour être spatialisés de manière opérationnelle.
Inversement, CROPWAT présente un formalisme suffisamment simple
pour être spatialisé, mais le développement réel de la végétation,
variable critique qui conditionne le coefficient cultural, n’est en
général pas connu en tout point, mais seulement estimé pour chaque
culture.
Les applications offrant une réelle spatialisation de l’ET,
prenant en compte notamment la spatialisation de la phénologie des
couverts végétaux, sont nettement plus rares. Or, la télédétection
spatiale offre maintenant une information spatialisée et actualisée
concernant la végétation. Les images satellitaires permettent,
en effet, de distinguer différents types d’occupation du sol.
Les séries temporelles d’images renseignent de plus sur le
développement réel de la végétation, notamment par le biais
d’indices de végétation comme le NDVI (Normalized Difference
Vegetation Index). Cette information est bien corrélée à l’activité
photosynthétique des végétaux, elle-même déterminante de l’ET.
La disponibilité limitée et le coût des données haute
résolution spatiale (10-30 m) et temporelle (10-20 jours
effectifs) ont longtemps été un frein à ce type de valorisation,
mais ils devraient rapidement devenir plus accessibles (Mission
Formosat, Venμs/GMES en projet).
Parmi les modèles utilisant les images satellitaires pour
quantifier la végétation, le projet DEMETER développe un système
d’aide à la conduite de l’irrigation basé sur le calcul de l’ET par
la méthode FAO [6]. Cet outil utilise des séries temporelles
d’images issues de différents capteurs (Terra ASTER, SPOT, Landsat
TM, etc.) pour fournir périodiquement des coefficients culturaux
destinés à être distribués aux agriculteurs. Cet outil ne calcule
pas le bilan hydrique de la culture, qui nécessiterait la prise en
compte de l’eau du sol. Des modèles plus complexes intègrent
le bilan hydrique du sol. Zhang et Wegehenkel [7] proposent une
approche basée sur la méthode FAO forcée par des images basse
résolution MODIS et introduisent un modèle de sol empirique en
trois réservoirs. La modélisation du bilan hydrique des
cultures, ainsi réalisée, est englobée dans un modèle complet de
bassin-versant, incluant fonte de neige et débits à l’exutoire.
Minacapilli et al. [8] proposent le système SIMODIS fondé sur une
implémentation simple de la méthode FAO forcée par des images
satellitaires, associé à un modèle physique de sol dont les
paramètres hydrodynamiques sont déterminés par calibration sur des
états hydriques observés.
L’information thermique fournie par certains capteurs (Landsat,
ASTER, AVHRR) permet d’estimer un bilan énergétique de la surface
et d’en déduire le flux d’ET instantané, par exemple grâce à la
méthode SEBAL [9]. Ces méthodes ne permettent cependant pas, à
elles seules, une intégration temporelle suffisante pour le
contrôle du bilan hydrique de la végétation. Il faut, pour
cela, disposer entre deux observations d’une modélisation assez
robuste pour interpoler l’ET. L’utilisation de modèles de culture
permet d’atteindre ce but, mais est complexe à mettre en œuvre et
nécessite des données détaillées inaccessibles sur de grandes
surfaces. Il est, en revanche, relativement aisé de se baser
sur une modélisation type FAO pour faire cette interpolation, en
quantifiant la végétation par des indices de type NDVI.
Les estimations instantanées de flux, fourni périodiquement
par la voie thermique, sont alors potentiellement très utiles pour
contrôler le modèle FAO comme cela a été montré par Er-Raki et al.
[10].
Caractéristiques de SAMIR
SAMIR fournit pour chaque pixel, au pas de temps journalier, des
estimations spatialisées de l’ET et du bilan hydrique du couvert.
L’originalité de l’approche est l’utilisation intensive de séries
d’images satellitaires, afin de suivre au mieux le développement
réel de la végétation au cours du temps, et non son développement
supposé. Les images acquises sont également utilisées pour
identifier ou affiner l’identification de l’occupation du sol au
fur et à mesure de leur acquisition. Par rapport aux outils
existants, les spécificités de SAMIR sont l’utilisation d’un
formalisme suffisamment simple pour pouvoir être appliqué sur des
zones étendues. L’utilisation de modèles de cultures pour simuler
le développement de la végétation a donc été écartée dans la phase
actuelle. L’ET des couverts végétaux est calculée selon la méthode
FAO dual-crop coefficient, qui sépare la transpiration de
l’évaporation du sol. Les coefficients culturaux nécessaires
sont déterminés sur la base des NDVI issus des images satellitaires
et interpolés entre les dates d’acquisition des images,
linéairement ou par spline. On distingue différentes classes
d’occupation du sol qui conditionnent la relation entre NDVI et
coefficients culturaux. Le bilan hydrique du sol est réalisé
grâce à la prise en compte d’un modèle de sol empirique en trois
compartiments selon l’approche proposée par Zhang et Wegehenkel
[7].
Bien que la méthode FAO soit moins complexe que les méthodes
basées sur les modèles physiques de type TSVA, sa simplicité et sa
robustesse font qu’elle est bien adaptée à la spatialisation de
l’ET sur de grandes surfaces, pour lesquelles les données exigées
par les modèles plus complexes, concernant en particulier le sol et
la végétation, ne peuvent de fait être obtenues. Cette méthode a
été calée et validée, sur notre zone, pour les cultures dominantes
: olivier, orangers et blé [11]. Son implémentation a été validée à
partir d’une série satellitaire Landsat TM [12], ainsi qu’à partir
de la désagrégation d’images basse résolution MODIS [13].
Méthode de calcul du bilan hydrique
L’ET d’un couvert est la somme de la transpiration de la végétation
et de l’évaporation du sol. La méthode FAO modélise l’ET de
n’importe quel type de végétation en la comparant, via des
coefficients culturaux empiriques, à celle d’un gazon « standard »
bien arrosé, placé dans les mêmes conditions de température,
d’humidité de l’air, de vitesse du vent et de rayonnement solaire.
Cette ET de référence (ET0) représente la « demande climatique » à
un moment donné, elle peut être calculée au moyen de l’équation de
Penman-Monteith [2]. À partir de là, l’ET d’un couvert quelconque,
notée ETR (ET réelle), est obtenue par l’équation suivante :avec :
– Kcb coefficient basal crop déterminant la transpiration de la
fraction de sol couverte par la végétation (fc) ;
– Ks coefficient de stress hydrique ;
– Ke coefficient déterminant l’évaporation de la fraction de sol
nu (1 – fc).
Le calcul de ETR nécessite donc trois types de données : des
variables climatiques pour le calcul de l’ET0, l’occupation du sol
et le développement de la végétation permettant d’estimer les
coefficients culturaux Kcb et Ke. Le coefficient Ks est
calculé à partir de l’état hydrique du sol et permet de réduire
l’évaporation maximale du couvert en conditions bien arrosées,
correspondant à Kcb.
Le module sol de Zhang et Wegehenkel [7] comprend trois
compartiments (figure
1). Le premier compartiment d’épaisseur fixe contrôle
l’évaporation du sol, le deuxième est le compartiment racinaire qui
contrôle la transpiration de la végétation, et dont l’épaisseur est
variable dans le temps, car liée au taux de couverture de la
végétation, lui-même contrôlé par le NDVI. Enfin, le compartiment
profond complète le profil de sol jusqu’à une profondeur fixée à
2 m. Ces trois compartiments se remplissent
successivement lors d’une irrigation ou d’une pluie, le trop plein
du troisième réservoir constituant le drainage profond.
Les teneurs en eau à la capacité au champ et au point de
flétrissement sont définies par l’utilisateur, ainsi que les
coefficients de diffusion permettant des échanges d’eau ascendants
et descendants entre les compartiments en fonction de leurs
différences de teneur en eau. Ce modèle de sol va permettre de
calculer le coefficient Ks selon le remplissage du compartiment
racinaire et, également, d’ajuster le coefficient Ke en fonction du
taux de remplissage du compartiment de surface.
On considère, pour le compartiment racinaire, qu’une partie de
la réserve utile est « facilement utilisable », correspondant à un
stress nul (Ks = 1). À partir de là, si le dessèchement se
poursuit, le stress s’accentue linéairement jusqu’à vider la
réserve utile (Ks = 0). Un raisonnement analogue permet de définir
le coefficient d’évaporation Ke, constant et maximal, tant qu’on se
situe dans une réserve « facilement évaporable » (Ke = 1), et
décroissant ensuite linéairement pour atteindre la valeur Ke = 0,
lorsque le réservoir est vide.
À chaque itération, SAMIR calcule le bilan hydrique pour chaque
pixel d’occupation du sol selon l’équation (2). On notera que les
transferts latéraux ne sont pas pris en compte, considérant qu’ils
sont négligeables dans les zones irriguées concernées par cette
modélisation.
Avec :
– DP drainage profond du sol ;
– ΔSW variation du contenu en eau total du sol (0 à 2 m)
;
– R pluie ;
– I irrigation.
Données en entrée et en sortie
de SAMIR
Module climat
Le module climat permet d’utiliser des statistiques des valeurs
moyennes de l’ET0 spatialisées au pas de temps journalier, publiées
par la FAO (logiciel LocClim). Il est également possible
d’introduire des séries ponctuelles issues de stations de mesure,
avec interpolation spatiale si plusieurs stations sont disponibles
en utilisant la méthode de la pondération par la distance inverse.
Malgré l’aspect souvent grossier des résultats, cette méthode a
l’avantage de fonctionner pour un nombre quelconque de stations
d’entrée et de fournir des valeurs extrapolées réalistes qui ne
sortent pas du domaine défini par les valeurs d’entrée, limitant
ainsi les valeurs extrêmes que peut induire, par exemple, la
méthode des splines. Enfin, SAMIR accepte des champs journaliers
des variables climatiques générés par des modèles climatologiques,
tels que ALADIN de la DMN (Direction de météorologie nationale
marocaine), selon une grille régulière de 16 km.
Les pluies nécessaires au bilan hydrique sont introduites sous
forme de données stationnelles qui seront alors interpolées
spatialement.
Module sol
Le module sol nécessite de définir des teneurs en eau à la capacité
au champ et au point de flétrissement. Ces valeurs peuvent
être considérées comme constantes sur la zone et définies par
l’utilisateur. Il est également possible d’introduire une
carte pédologique comportant des unités de sol, pour lesquelles les
teneurs en eau sont définies par horizon, SAMIR se chargeant alors
de générer les propriétés moyennes des trois compartiments sol. À
chaque modification de la profondeur racinaire, les propriétés des
deux horizons inférieurs sont actualisées.
L’occupation du sol nécessaire à la spécification des relations
NDVI-Kcb doit être fournie par l’utilisateur qui peut la réaliser
au préalable par les méthodes de son choix. Dans un contexte
pleinement opérationnel, si l’on se situe en cours de saison
agricole, un problème de temporalité se pose pour ce type
d’information. En effet, l’occupation du sol ne peut, en général,
être cartographiée de manière fiable par télédétection qu’à partir
du moment où une quantité suffisante d’information est disponible,
c’est-à-dire un certain nombre d’images, donc plutôt en fin de
saison. Il est ainsi délicat d’utiliser SAMIR en début de
saison, car des incertitudes existent quant à l’occupation du sol,
qui ne se dissipent qu’au fur et à mesure de l’acquisition
d’images.
Module phénologie
Le module phénologie offre la possibilité de fixer arbitrairement
des profils type de Kc tels que ceux fournis par la méthode FAO.
Toutefois, l’intérêt de SAMIR est d’utiliser des séries d’images
satellitaires pour renseigner cette phénologie, typiquement une
image tous les 15 jours, au cours de la saison végétative.
Cette méthode a été utilisée par d’autres auteurs sur un nombre
plus réduit d’images haute résolution [8, 14]. Différentes
relations linéaires entre le NDVI et le Kcb existent ou peuvent
être estimées à partir des données de la littérature [14-16]. Elles
peuvent être exprimées sous la forme suivante :où NDVImin et
A dépendent de la végétation considérée.
Des irrigations distribuées spatialement peuvent être
introduites au pas de temps journalier, SAMIR fournissant alors la
dynamique hydrique du sol et de l’ET, et permettant d’identifier
les éventuelles périodes de stress du couvert. Ce type
d’utilisation pourrait convenir dans une optique de conseil au
déclenchement de l’irrigation à la parcelle, mais ne correspond pas
à l’objectif d’estimation de l’irrigation à l’usage des
gestionnaires. De plus, cette utilisation en mode «
déclenchement » nécessiterait de disposer d’informations nettement
plus précises sur chaque parcelle pour fournir des informations
pertinentes. L’utilisation normale de SAMIR est donc plutôt de
déclencher automatiquement les irrigations, selon différentes
contraintes définies par l’utilisateur concernant la fréquence et
le volume des apports, ainsi que le niveau de stress accepté. On
accède alors à une estimation globale de l’irrigation par zone,
l’enjeu étant de paramétrer correctement le déclenchement de
manière à reproduire le comportement « moyen » des agriculteurs.
Il est alors évident que les irrigations proposées par SAMIR
ne correspondront pas à la chronologie des irrigations réelles, ce
qui n’a pas d’importance ici, puisque notre objectif n’est pas le
conseil à la parcelle.
Le bilan hydrique est ainsi calculé pour chaque jour et pour
chaque pixel. Cependant, compte tenu des incertitudes liées aux
informations utilisées concernant en particulier le compartiment
sol et les irrigations, les résultats doivent donc être considérés
à des échelles spatiales ou temporelles supérieures.
Application à la plaine du Haouz
ET de la saison 2002-2003
L’ET a été estimée sur la plaine du Haouz, pour la saison
2002-2003, sur la base d’une série de neuf images Landsat™.
La zone irrigable couvre environ 2 000 km2,
occupée par 40 % d’arboriculture, dont 80 % d’oliviers, et 60 % de
céréales, dont 75 % de blé. Les étendues emblavées et leur
phénologie sont très variables d’une année à l’autre selon la
pluviométrie du début de saison et la disponibilité de l’eau dans
les barrages. On observe également une très forte variabilité
spatiale selon les pratiques des agriculteurs, liées à leur
technicité et leur accès à l’eau. Dans ce contexte, les images
satellitaires sont particulièrement utiles pour observer
l’extension et le développement effectif des cultures annuelles.
Les images ont été corrigées radiométriquement en réflectance au
sol pour calculer des indices NDVI. Une classification de
l’occupation du sol a été réalisée à partir d’une analyse
déterministe des caractéristiques des profils temporels de NDVI
[12]. Les arbres étant majoritairement sempervirents, ils se
distinguent par des valeurs de NDVI jamais inférieures à un seuil
de végétation. Les annuelles correspondent aux pixels montrant
une période de sol nu et une période de végétation. Enfin, les
pixels de type arbre présentant en plus une forte variation de NDVI
sont assimilés à des arbres associés à une sous-couche d’annuelles.
On aboutit ainsi à une typologie en quatre classes, simple mais
satisfaisante pour l’estimation du bilan hydrique à l’échelle des
secteurs irrigués (sol nu, arbres, arbres avec sous-couche
d’annuelles, annuelles). Du fait de la très forte hétérogénéité
spectrale des classes due à la variabilité susmentionnée des
itinéraires techniques et du développement de la végétation, on a
montré que cette méthode de classification basée sur l’analyse des
profils donne de meilleurs résultats que les méthodes classiques de
type maximum de vraisemblance [12]. De plus, étant basée sur
des critères à base physique, elle est relativement robuste et
potentiellement applicable sans modification à n’importe quelle
série d’images en réflectance sur la même zone.
Les coefficients culturaux ont été estimés à partir de relation
NDVI-Kcb calibrée sur la zone d’étude [11, 16]. Les ET ont été
calculées en supposant un stress nul. Elles ont été validées
ponctuellement avec succès sur trois parcelles de blé disposant de
mesures d’ET réalisée par la méthode des flux turbulents (eddy
correlation) (figure
2). On note une erreur moyenne journalière de 25 %,
diminuant à 18 % à l’échelle hebdomadaire. Une surestimation
moyenne globale de 7 % est observée pour l’ensemble de
160 jours de mesure disponibles pour les trois parcelles.
Les valeurs sont localement affectées d’erreurs parfois
importantes. Ainsi, la figure 2A montre, en début
avril, une période de stress hydrique pour laquelle l’ETR est
inférieure à la valeur estimée, car SAMIR est réglé pour ne pas
produire de stress fort. Inversement, la figure 2B montre, en début
de cycle, une période d’évaporation intense du sol liée à une
irrigation réellement appliquée en début de cycle, qui n’est pas
reproduite par le modèle. SAMIR manque en effet les irrigations
appliquées, alors que la végétation n’est pas encore visible sur
les images. Ce problème au démarrage des cultures annuelles
souligne une lacune importante de l’outil, qui est l’impossibilité
de reconnaître en temps réel l’occupation du sol en début de
saison. Cette limitation est due au retard du signal NDVI par
rapport à l’implantation de la culture. Ce retard est au moins
partiellement rattrapé par la suite, lorsque la végétation est
détectée et que se produit un rattrapage de l’irrigation pour
assurer la croissance de la végétation enfin détectée. Malgré ces
différences locales notables, les résultats montrent la relative
robustesse du calcul d’ET par la méthode FAO sur le long terme.
Bien que SAMIR n’utilise pas les irrigations réelles mais des
irrigations estimées, les valeurs d’ET calculées sont très voisines
des valeurs réelles, hors périodes particulières
susmentionnées.
L’utilisation de Kcb issus de télédétection fournit ainsi une ET
nettement plus proche de la réalité que l’ET calculée à partir des
valeurs de la FAO relative aux conditions idéales de croissance
(figure 3), et
cela, d’autant plus que les cultures du Haouz souffrent souvent de
divers stress (azote, eau, etc.) qui limitent leur développement
[17].
Estimation des irrigations et des pompages
L’Office régional de mise en valeur agricole du Haouz (ORMVAH)
connaît à l’échelle des secteurs les quantités d’eau-irrigation
délivrées en provenance des barrages, ainsi que les apports mesurés
ou estimés à partir du réseau de seguias traditionnelles. Étant
donné l’insuffisance chronique de la fourniture d’eau assurée par
ces deux ressources, consécutive, notamment aux faibles
remplissages des barrages constatés depuis plusieurs années, de
nombreux exploitants ont massivement recours au pompage dans la
nappe souterraine. Les quantités ainsi prélevées sont une
variable clé pour les gestionnaires de la nappe, mais elles sont
très difficiles à connaître, car elles résultent d’une somme de
forages individuels. Sur la plaine du Haouz, des enquêtes
exhaustives ont été réalisées, entre 2003 et 2006, par l’Agence de
bassin hydraulique du Tensift (ABHT) pour recenser ces forages et
quantifier l’eau extraite. Les évaluations ont été réalisées à
partir des temps de pompages (méthode hydraulique), de l’énergie
consommée (méthode énergétique) et des surfaces irriguées (méthode
agronomique). La différence entre les valeurs d’irrigation
totales estimées par SAMIR et celles mesurées par l’ORMVAH
correspond à ces pompages et peut donc être comparée aux valeurs
issues de l’enquête de l’ABHT. Une estimation des prélèvements dans
la nappe a ainsi été réalisée pour l’année 2002-2003 et comparée
aux valeurs d’enquête correspondant à la méthode agronomique (figure 4). On observe
une relation significative, bien que peu déterminée, entre les
lames d’eau pompées estimées et les valeurs enquêtées
(R2 = 0,5). Les méthodes énergétique et hydraulique
ne donnent aucun résultat significatif. La faiblesse de ces
relations peut s’expliquer par la difficulté à réaliser des
enquêtes de terrain fiables, les agriculteurs étant en général très
peu enclins à déclarer leur usage réel par crainte d’être taxés sur
leur consommation. Par ailleurs, la complexité du réseau de
distribution de l’eau issue des barrages et des seguias fait que
les évaluations des apports de surface par secteur sont
probablement entachées d’erreurs. Enfin, les estimations d’ET
issues de SAMIR sont elles-mêmes imparfaites. La figure 2 montre ainsi une
possible surestimation des valeurs de pompages par SAMIR et une
possible sous-estimation des enquêtes. La corrélation observée
entre ces deux estimations, bien que perfectible, montre toutefois
la pertinence de l’approche.
Perspectives
L’outil actuel SAMIR constitue une plate-forme initiale, et les
perspectives de développement sont nombreuses, en lien avec la
variété des informations satellitaires potentiellement disponibles,
mais néanmoins conditionnées par des développements méthodologiques
plus ou moins complexes. Dans une perspective opérationnelle, la
possibilité de prévision des besoins pour des échéances allant de
la journée à la fin de saison est en cours de développement.
Des prévisions de besoins en eau sont déjà réalisées par
l’ORMVAH en début de saison sur la base des surfaces cultivées des
années précédentes, en se basant sur des besoins en eau arbitraires
des cultures (FAO). Elles sont ajustées deux fois au cours de la
saison d’après les observations de mises en cultures réalisées.
Afin de mieux tenir compte du développement réel des cultures,
nous développons actuellement un outil de prévision de la
phénologie, basé sur les images acquises depuis le début de la
saison. Cette prévision simple est basée sur une extrapolation
graphique à partir des débuts de cycles observés. La qualité
de la projection s’améliore donc avec l’augmentation du nombre
d’images acquises, et on passe ainsi de simples scénarios en début
de saison, à des prévisions plus fines au fur et à mesure de
l’acquisition d’information satellitaire. Il subsiste, dans
tous les cas, une incertitude liée aux capacités de prévision des
modèles météorologiques. Alors qu’il est possible de disposer de
bonnes prévisions à échéance de quelques jours, celles-ci se
dégradent nettement au-delà. Toutefois, dans le contexte d’une
région semi-aride comme la plaine du Haouz, l’ET0 à l’échelle d’une
saison est relativement stable, et l’incertitude affectant le bilan
hydrique concerne plus les précipitations.
Nous avons mentionné précédemment les possibilités offertes par
l’information thermique à haute résolution spatiale (60 m)
pour l’étude du bilan hydrique des surfaces. Il existe
également un potentiel de valorisation de l’information thermique
satellitaire à haute répétitivité temporelle (journalière) et basse
résolution spatiale (résolution 250 à 1 000 m) issue de
satellites comme MODIS ou AVHRR, mais qui nécessite de mettre au
point des méthodes de désagrégation spatiale spécifiques.
Par ailleurs, le satellite SMOS [18] fournira très prochainement
des images micro-ondes passives renseignant sur l’humidité des
sols, même si la très basse résolution spatiale de ces images
(50 km) nécessite également des méthodes de désagrégation
spatiale pour son utilisation en agriculture irriguée.
Concernant l’occupation du sol, le problème d’identification en
début de saison peut être partiellement résolu par la mise au point
de méthodes d’actualisation progressive de ce type d’information.
Ainsi, des cartographies d’années précédentes, utilisées comme
hypothèses de départ en début de saison – éventuellement
choisies selon des scénarios de disponibilités d’eau –
pourraient être actualisées sur la base des images acquises au fil
de la saison. D’autres types d’information satellitaire pourraient
aussi permettre de détecter les cultures dès leur implantation et
résoudre ainsi partiellement le problème du retard de détection lié
au NDVI. Duchemin et al. [19] ont, en effet, montré que des images
haute résolution spatiale (8 m) et très haute résolution
temporelle (deux à trois jours) de type FORMOSAT font apparaître le
travail du sol et les irrigations de présemis associés à la mise en
place des annuelles par des variations importantes et rapides de la
brillance du sol.
Enfin, des études ont montré la possibilité d’utiliser des
images satellitaires basse résolution spatiale pour le suivi de la
végétation et le calcul de son bilan hydrique [13].
Les méthodes proposées s’appuient sur la très haute
répétitivité temporelle de ces capteurs (journalière) et sur des
techniques de désagrégation de l’occupation du sol et des profils
phénologiques associés.
Conclusion
Grâce à l’information qu’elle fournit périodiquement sur le
développement des végétations cultivées, la télédétection est une
source d’information particulièrement utile pour le suivi du bilan
hydrique des surfaces irriguées. Sur cette base, SAMIR constitue
une première version d’un système de suivi de l’irrigation
fournissant des informations utiles pour la gestion de l’eau,
particulièrement dans les régions où l’information sur l’irrigation
est peu disponible. Toutefois, la validation des résultats
nécessite d’importants jeux de données souvent difficiles à réunir.
Un des défis les plus importants à relever pour ce type
d’application est le développement des possibilités de prévision,
nécessaire à son usage pleinement opérationnel, mais tributaire de
nombreuses incertitudes sur les données d’entrée.
Remerciements
Ce travail a été réalisé dans le cadre du projet SudMed, réalisé
conjointement par l’Institut de recherche pour le développement
(IRD, France), la faculté des sciences de Semlalia de l’université
Cadi-Ayyad de Marrakech (FSSM-UCAM), l’Office régional de mise en
valeur agricole du Haouz (ORMVAH, organisme gestionnaire des
périmètres irrigués de la zone) et l’Agence de bassin hydraulique
du Tensift (ABHT). Nous remercions la Communauté européenne pour
son soutien financier au programme PLEIADes, le CNES pour son
soutien financier pour l’acquisition d’images satellitaires SPOT
dans le cadre de l’initiative Isis du CNES
(http://medias.obs-mip.fr/isis), ainsi que le Comité mixte
interuniversitaire francomarocain pour le financement du Programme
d’action intégrée Volubilis MA/148/06. SAMIR est développé sous
ENVI/IDL (© RSI).
Références
1 Chehbouni A, Escadafal R, Duchemin B, et al.
An integrated modeling and remote sensing approach for hydrological
study in arid and semi-arid regions: the SudMed Program. Int J
Remote Sens 2008 ; 29 : 5161-81.
2 Allen RG, Pereira LS, Raes D, Smith M.
Crop evapotranspiration. Guidelines for computing crop water
requirements. FAO Irrigation and Drainage Paper, no 56. Rome :
FAO, 1998.
3 Buttler IW, Riha SJ. GAPS: a general purpose
simulation model of the soil-plant-atmosphere system, Version 1.1
User’s Manual. Ithaca (État de New York ) : Cornell University
Department of Agronomy, 1989.
4 Raes D, Van Goidsenhoven B, Goris K et al. BUDGET, a
management tool for assessing salt accumulation in the root zone
under irrigation. ICID 4th Inter-regional Conf on Envir-Water,
27-30 Aug 2001, Fortaleza, Brazil.
5 Clarke D, Smith M, El-Askari K. New software
for crop water requirements and irrigation scheduling. J Int
Commission Irrigation Drainage 1998 ; 47 : 45-58.
6 Calera Belmonte A, Jochum A, Cuesta Garcia A,
Montoro Rodríguez A, López Fuster P. Irrigation
management from space: towards user-friendly products. Irrigation
and Drainage Systems 2005 ; 19 : 337-53.
7 Zhang Y, Wegehenkel M. Integration of MODIS data
into a simple model for the spatial distributed simulation of soil
water content and evapotranspiration. Remote Sens Environ
2006 ; 104 : 393-408.
8 Minacapilli M, Iovino M, D’Urso G. A
distributed agro-hydrological model for irrigation water demand
assessment. Agric Water Manage 2008 ; 95 : 123-32.
9 Bastiaanssen WGM. SEBAL-based sensible and latent heat
fluxes in the irrigated Gediz Basin, Turkey. J Hydrol 2000 ;
229 : 87-100.
10 Er-Raki S, Chehbouni A, Hoedjes J,
Ezzahar J, Duchemin B, Jacob F. Improvement of
FAO-56 method for olive orchards through sequential assimilation of
thermal infrared-based estimates of ET. Agric Water Manage
2008 ; 95 : 309-21.
11 Er-Raki S, Chehbouni A, Guemouria N,
Duchemin B, Ezzahar J, Hadria R. Combining FAO-56
model and ground-based remote sensing to estimate water
consumptions of wheat crops in a semi-arid region. Agric Water
Manage 2006 ; 87 : 41-54.
12 Simonneaux V, Duchemin B, Helson D,
Er-Raki S, Olioso A, Chehbouni AG. The use of
high-resolution image time series for crop classification and
evapotranspiration estimate over an irrigated area in central
Morocco. Int J Remote Sens 2007 ; 29 : 95-116.
13 Benhadj I, Duchemin B, Simonneaux V,
Maisongrande P, Khabba S, Chehbouni AG. Automatic
unmixing of MODIS multi-temporal data for inter-annual monitoring
of land use at regional scale (Tensift, Morocco). Int J Remote Sens
2009 ; (sous presse).
14 Ray SS, Dadhwal VK. Estimation of crop
evapotranspiration of irrigation command area using remote sensing
and GIS. Agric Water Manage 2001 ; 49 : 239-49.
15 Choudhury BJ, Ahmed NU, Idso SB,
Reginato RJ, Daughtry CST. Relations between evaporation
coefficients and vegetation indices studied by model simulations.
Remote Sens Environ 1994 ; 50 : 1-17.
16 Duchemin B, Hadria R, Er-Raki S, et al.
Monitoring wheat phenology and irrigation in Center of Morocco: on
the use of relationship between evapotranspiration, crops
coefficients, leaf area index and remotely sensed vegetation
indices. Agric Water Manage 2006 ; 79 : 1-27.
17 Hadria R, Khabba S, Lahrouni A,
Duchemin B, Chehbouni A, Carriou J. Calibration and
validation of the STICS crop model for managing wheat irrigation in
the semi-arid Marrakech-Al-Haouz Plain. Arabian J Sci Eng
2007 ; 32 : 87-101.
18 Kerr YH, Le Vine DM. Foreword to the special
issue on the Soil Moisture and Ocean Salinity (SMOS) Mission. IEEE
Transactions on Geoscience and Remote Sensing 2008 ; 46 :
583-6.
19 Duchemin B, Hagolle O, Mougenot B, et al.
Agrometerological study of semi-arid areas: an experiment for
analysing the potential of FORMOSAT-2 time series of images in the
Marrakech plain. Int J Remote Sens 2008 ; 29 :
5291-300.
|
Version imprimable
Version PDF
