CDD (12 mois) sur financement CNES « Mise en place d’un produit satellite temps-réel d’anomalie d’humidité du sol et de rendement des cultures en Afrique »

Laboratoire d’étude des Transferts en Hydrologie et Environnement (LTHE), Grenoble

La gestion des risques climatiques liés à la production agricole, demeure encore le principal défi en Afrique de l’Ouest. Ces risques incluent des précipitations irrégulières, de longues périodes de sècheresse, des débuts tardifs et fins précoces des saisons pluvieuses. Le changement climatique vient encore accentuer ces risques et rend le secteur agricole encore plus vulnérable (GIEC, 2013).

En Afrique de l’ouest, et particulièrement en zone sahélienne, le facteur limitant le rendement des cultures est la quantité d’eau disponible dans les sols (Churkina and Running, 1998). Le travail proposé dans le cadre du CDD consistera à utiliser les mesures micro-onde du satellite SMOS (Soil Moisture and Ocean Salinity), disponibles depuis 6 ans, afin de proposer un produit opérationnel d’anomalie d’humidité du sol et de rendement des cultures en Afrique sahélienne. Les prédictions de rendements constituent un enjeu important pour tous les pays de la bande sahélienne où le centre AGRHYMET s’appuie sur ces prédictions pour déclencher si besoin la mise en place de l’aide alimentaire. La cartographie de ces prédictions peut également permettre le développement de produits d’assurances agricoles (assurances indicielles), qui sont de plus en plus considérés comme des outils d’adaptation au changement climatique. L’originalité de l’approche proposée consiste à se baser sur une mesure du contenu en eau du sol, qui constitue l’eau efficace pour la croissance des cultures, et non sur les taux de précipitations ou des indices de végétation plus fréquemment utilisés, les premiers n’étant pas toujours corrélés aux besoins effectifs de la végétation, et les deuxièmes trop peu sensibles à la productivité de grains de la plante.

Une chaine de traitement a été développée au LTHE à Grenoble. Le procédé consiste à assimiler les données du satellite SMOS dans un schéma de surface pour dresser des cartes d’humidité du sol à 5 cm de profondeur, puis à en déduire l’humidité à différentes profondeurs (30, 60, 90 cm). Ces cartes permettent ensuite de visualiser, pour une date donnée, les zones en excès ou en déficit d’eau. Les premiers résultats montrent qu’une connaissance de l’humidité du sol à 30 cm de profondeur est un très bon indicateur du rendement agricole du mil au Niger (Gibon et al., 2016).

Le travail du CDD consistera à rendre opérationnel la chaine de traitement afin que des cartes d’anomalies d’humidité du sol à différentes profondeurs soient disponibles sur internet en temps quasi-réel (5 jours de délai). Une mise en place sur une application mobile est également prévue. Dans un deuxième temps, le CDD devra mettre au point des relations statistiques entre l’humidité du sol et le rendement de différentes cultures. Enfin, une amélioration de la résolution spatiale des produits est souhaitée. Cette dernière étape nécessitera l’utilisation d’une mesure satellite supplémentaire de température de surface pour permettre de réduire la résolution de 25×25 km² à 1 km².

Le candidat devra disposer de solides connaissances en informatique (sous Linux), et des compétences en création de site web et applications mobiles.

Début du stage souhaité en novembre 2016. Rémunération sur la base IE du CNRS.

Contact : Thierry PELLARIN (thierry.pellarin@univ-grenoble-alpes.fr)

Références :

Gibon F., T. Pellarin, S. Traore, C. Baron, D. Lo Seen, A. Alhassane, Potential of Soil Moisture to monitor millet yield in Niger, from local to regional scale, submitted to IEEE Journal of selected topics in applied earth observations and remote sensing, 2016

Churkina, G., & Running, S.W. (1998). Contrasting climatic controls on the estimated productivity of global terrestrial biomes. Ecosystems, 1, 206-215

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.