Modélisation de la réflectance spectrale et directionnelle des sols en fonction de la teneur en eau

Soil water content (SMC) is a key variable at the Earth's surface. Its estimation is essential in many fields such as agriculture, hydrology, climate, defense or planetology. Since the 1970s, airborne or satellite remote sensing has established itself as an effective tool for mapping soil water content over large areas. Water can be detected at different depths depending on the wavelength range: solar range (0.3-3 μm), thermal infrared range (3-12 μm), or microwave range (0.5-100cm).The solar domain, which is the subject of this work, gives access to surface humidity because the depth of penetration of light into the ground does not exceed one to two millimeters. The main objective of this thesis is to develop a physical model, taking into account the spectral and directional effects, validated on a wide variety of soils, which makes it possible to relate the reflectance of the soil in the solar domain to its humidity. A new version of the MARMIT model called MARMIT-2 has been developed. This represents a wet ground like a dry ground surmounted by a thin layer of a mixture of water and mineral particles, this mixture constituting a major specificity of MARMIT-2. Spectral reflectance of moist soil is expressed as a function of soil reflectance dry and three input parameters: the thickness of the water layer, the cover fraction of the water layer and the volume fraction of soil particles in the water layer. MARMIT-2 was tested on a database of 225 soil samples whose reflectance spectra were measured in the laboratory at several humidity levels. The prediction of wet soil reflectance spectra has been improved, with an RMSE going from 2.2% for MARMIT to 0.9% for MARMIT-2.Considering that these "smooth" samples are not representative of the much more complex natural soils, and in order to adapt MARMIT-2 to airborne or satellite hyperspectral images, we studied the directional effects of soil roughness on the reflectance by performing BRF (bidirectional reflectance function) simulations of rough and humid soils using the DART-Lux ray-tracing software developed at CESBIO. We consider DTMs (digital terrain model) of artificial and real terrain cut into micro-facets. The optical properties of the facets are represented by isotropic or anisotropic models, and the variation of the parameters of these models makes it possible to simulate the RCW of soils at different humidity levels. A coupling between spectral and directional effects is proposed to simulate reflectance spectra of rough ground at different humidity levels and under different illumination and observation conditions.After studying the link between the MARMIT-2 parameters and the SMC for the soil samples in the database, the SMC could be estimated with a root mean square error of 3.6%. An example of data mapping, the SMC could be estimated with a root mean square error of 3.6%. An example of soil moisture mapping is given, using a hyperspectral image of agricultural soil acquired with a VNIIR-SWIR camera placed about 15 m above the ground.La teneur en eau des sols (SMC pour soil moisture content) est une variable clé à la surface de la Terre. Son estimation est essentielle dans de nombreux domaines tels que l'agriculture, l'hydrologie, le climat, la défense ou la planétologie. Depuis les années 1970, la télédétection aéroportée ou satellitaire s'est imposée comme un outil efficace pour cartographier la teneur en eau des sols sur des zones étendues. L'eau peut être détectée à différentes profondeurs selon le domaine de longueurs d'onde : domaine solaire (0.3-3 μm), domaine infrarouge thermique (3-12 μm), ou domaine micro-ondes (0.5-100 cm).Le domaine solaire, qui fait l’objet de ce travail, donne accès à l'humidité de surface car la profondeur de pénétration de la lumière dans le sol n’excède pas un à deux millimètres. L'objectif principal de cette thèse est de développer un modèle physique, prenant en compte les effets spectraux et directionnels, validé sur une grande diversité de sols, qui permette de relier la réflectance du sol dans le domaine solaire à son humidité. Une nouvelle version du modèle MARMIT appelée MARMIT-2 a été développée. Celle-ci représente un sol humide comme un sol sec surmonté d'une fine couche d'un mélange d'eau et de particules minérales, ce mélange constituant une spécificité majeure de MARMIT-2. La réflectance spectrale du sol humide s’exprime en fonction de la réflectance du sol sec et de trois paramètres d'entrée : l'épaisseur de la lame d'eau, la fraction de couverture de la lame d’eau et la fraction volumique de particules de sol dans la lame d'eau. MARMIT-2 a été testé sur une base de données de 225 échantillons de sol dont les spectres de réflectance ont été mesurés en laboratoire à plusieurs niveaux d'humidité. La prédiction des spectres de réflectance des sols humides a été améliorée, avec un RMSE passant de 2.2 % pour MARMIT à 0.9 % pour MARMIT-2.Considérant que ces échantillons « lisses » ne sont pas représentatifs des sols naturels, beaucoup plus complexes, et dans le but d'adapter MARMIT-2 aux images hyperspectrales aéroportées ou satellitaires, nous avons étudié les effets directionnels de la rugosité du sol sur la réflectance en effectuant des simulations de BRF (bidirectional reflectance function) de sols rugueux et humides à l'aide du logiciel de lancer de rayons DART-Lux développé au CESBIO. Nous considérons des MNT (modèle numérique de terrain) de terrains artificiels et réels découpés en micro-facettes. Les propriétés optiques des facettes sont représentées par des modèles isotropes ou anisotropes, et la variation des paramètres de ces modèles permet de simuler la BRF des sols à différents niveaux d'humidité. Un couplage entre les effets spectraux et directionnels est proposé pour simuler des spectres de réflectance d'un sol rugueux à différents niveaux d'humidité et dans différentes conditions d'illumination et d'observation.Après avoir étudié le lien entre les paramètres de MARMIT-2 et le SMC pour les échantillons de sols de la base de données, le SMC a pu être estimé avec une erreur quadratique moyenne de 3.6%. Un exemple de cartographie de données, le SMC a pu être estimé avec une erreur quadratique moyenne de 3.6%. Un exemple de cartographie de l'humidité du sol est donné, en utilisant une image hyperspectrale d'un sol agricole acquise avec une caméra VNIIR-SWIR placée à environ 15 m de hauteur au-dessus du sol