Estimation spatialisée de l'évapotranspiration à l'aide de données infra-rouge thermique multi-résolutions

Dans un contexte de réchauffement climatique, l'estimation de l'évapotranspiration (ET) sur des paysages agricoles présente un enjeu considérable pour la gestion des ressources en eau aux échelles du parcellaire et des bassins versants. L'ET peut être estimée de façon spatialisée en combinant la modélisation des transferts d'énergie et d'eau à l'interface sol-végétation-atmosphère (SVAT), et l'utilisation de données satellitaires. En particulier les données infra-rouge thermique (IRT) permettent d'évaluer la température de surface (TS) et constituent une information précieuse pour la résolution des bilans d'énergie. Dans ce contexte cette thèse s'intéresse à l'intercomparaison multi-résolutions de 2 approches : 1. En simulant avec TSEB [Norman et al., 1995a], un modèle de bilan d'énergie en surface (SEB) forcé directement avec des données IRT de résolutions hectométrique à kilométrique. Il est conçu pour être piloté par télédétection mais simplifié et donc limité. 2. En agrégeant les estimations à haute résolution spatiale (à l'échelle de la parcelle agricole) issues du modèle SEtHyS [Coudert et al., 2006], un modèle plus complexe qui inclue la résolution du bilan d'eau et qui peut être contraint par des données IRT. Il nécessite la connaissance d'un plus grand nombre de paramètres et d'entrées ce qui rend sa spatialisation plus délicate. Dans une première partie des données in-situ recueillies sur 3 sites expérimentaux en France et au Maroc ont permis d'étalonner les modèles, d'évaluer leurs performances et d'effectuer des analyses de sensibilité pour différents cas de figure (climat tempéré ou semi-aride, type de culture, stade phénologique, stress hydrique...), et ainsi mettre en évidence leurs domaines de validité et préparer la phase de spatialisation. Dans une seconde partie, un outil a été développé afin de gérer de façon semi-automatisée les simulations spatialisées multi-résolutions de l'ET avec les 2 approches. Des scénarios de spatialisation ont été testés (variabilité sur les contenus en eau du sol, la profondeur de sol, et le forçage météorologique), et une méthode innovante a été proposée afin d'inverser des quantités d'irrigation à partir de l'information relative contenue dans une image de TS. Cette partie a permis de mettre en place les premières briques d'un travail exploratoire et ouvre des perspectives intéressantes quant à l'assimilation de données pour le suivi de l'irrigation, mais aussi pour l'étude de l'impact de la spatialisation des pluies, de l'impact des pentes sur le transfert radiatif, et l'amélioration des produits ET à basse résolution spatiale.In a global warming context, estimation of evapotranspiration (ET) over agricultural landscapes is of great interest for water resources management at crop and watershed scales. ET can be estimated spatialy by combining soil-vegetation-atmosphere transfer (SVAT) modeling, and satellite data. In particular, thermal infra-red (TIR) data allows retrieving surface temperature (LST) which is a precious information regarding energy budgets solving. In this context, this thesis focuses on multi-resolutions intercomparison of 2 approaches: 1. By simulating with TSEB [Norman et al., 1995a], a surface energy budget (SEB) model forced directly with TIR data at hectometric and kilometric resolutions. It is designed to be driven with remote sensing data, but simplified and thus limited. 2. By agregating high spatial resolution (crop scale) estimations from SEtHyS [Coudert et al., 2006] model, a more complex model which solves water budget and can be constrained by TIR data. It requires more parameters and inputs which make it trickier to spatialize. In a first part in-situ data acquired over 3 experimental sites in France and Morocco allowed calibration, performances evaluation and sensitivity analyses of models for various cases (temperate and semi-arid climate, kind of culture, phenological stage, hydric stress...), which highlighted their domains of validity and prepared spatialization phase. In a second part, a tool was developed in order to handle semi-automatically spatialized multiresolutions ET estimations with both approaches. Spatialization scenarios were tested (variability of soil water contents, soil depth, and meteorological forcing) and an innovative method was proposed to inverse irrigation amounts from relative information available among a LST image. This part allowed to implement the first bricks of an exploratory work and open interesting perspectives regarding data assimilation for irrigation monitoring, but also for studying impact of spatialization of rain, impact of slopes on radiative transfer, and enhancement of low spatial resolution ET products