Estimation of evapo-transpiration over a water catchment

Evapotranspiration is a key factor to estimate the water quantities involved in the water cycle. For instance, one extimates that 60% of rain water is evapo-transpirated, and wheat plant releases 500mm of water through evapotraspiration. It is therefore useful to monitor this variable along the agricultural seasons, to estimate the crop water needs and maybe identify the water stress periods and measure their impact.

 


Plant evapo-transpiration process

 

In the framework of the SIRHYUS project, in which CESBIO is deeply involved, a prototype of a processor was developped to estimate evapo-transpiration at the scale of a water catchment. The selected catchment is the Fresquel one, which is a 937 km² catchment, in the South of France, near Carcassonne and its famous medieval fortress. The main crops there are cereals, sunflower, vineyards, and, to a lesser extent, corn and rapeseed.


Study zone, the Fresquel catchment

 

As already explained in the post that describes the Sat-irr model, the FAO-56 (Allen & al. 1998) was used and spatialised. The FAO-56 models the E.T. of any crop type is equal to the reference E.T. (written E.T0), multiplied by an empirical crop factor KC. E.T.0 is itself computed with the de Penman-Monteith equation. The crop coefficient KC depends on the biological features of the plant (height, leaf surface, photosynthesis type…) and of its development stage.

 

The Penman-Monteith relies on weather data (temperature, humidity etc.) which are available through the global weather analyses (NCEP, ECMWF) in quasi real time. Some python scripts were developped to automatise the data download.These algorithms are available here.

 

The Landsat Images provided by the THEIA land data center after atmospheric correction, were used to control the value of the Kc coefficient as a function of the plant phenological cycle : the NDVI, computed from and red and near-infrared bands extracted from the images allows to monitor the growth of the crops. These images are also used to obtain land cover maps, as detailed here, and to associate a crop coefficient to each pixel.

 

It is then possible to obtain evapo-transpiration maps for all the catchment,and to provide them through a website (click on evapo-transpiration). The next figure is a screen copy of this web site : on each pixel of the catchment, it is possible to read the whole year evapo-transpiration profile, sampled every 8 days.

 


Screen copy of the evapo-transpiration web page. The bottom plot provides the evapo-transpiration of several crops as a function of time (light green, meadows, red, vineyards, purple, sunflower, and pink, vegetables).

 

These maps are further processed to obtain soil water content maps on the catchment area.


The bottom plot provides the soil water content  (%) as a function of time..

 

Several validation campaigns were lead on the CESBIO sites in Lamasquère and Auradé near Toulouse, between 2006 and 2011. The plot below shows a comparison between the terrain measured evapo-transpiration, and the one modelled by our processing,  for a corn plot.

 


Comparison of terrain ET, in black and ET modelled through remote sensing data (in red) in mm. RMSE is 0.27 mm.

.

As the risk of water shortages is becoming more frequent, such a work allows to better understand the water needs at the scale of a catchment, and the knowledge of the ground water content can be used to optimise irrigation and spare some of this precious resource. With the arrival of Sentinel-2, and with its more frequent observations, such a monitoring will be more accurate and reliable.

 

 

 

 

Estimation de l'évapotranspiration à l'échelle d'un bassin versant.

=>

L’évapotranspiration est un facteur clé pour estimer les quantités mises en jeu dans le cycle de l’eau. On estime par exemple que 60% des quantités d’eau de pluie sont évapotranspirées, et par exemple, un plan de blé rejette environ 500mm d'eau par an via le processus d'évapotranspiration.  Les volumes en question sont donc très importants. Suivre l’évolution de cette variable au cours d’une campagne agricole permet à la fois d'estimer les besoins en eau des plantes, mais aussi d’identifier des périodes de stress hydrique et d’en estimer spatialement l’importance. Le suivi de cet indicateur constitue un enjeu crucial dans la gestion de la ressource en eau à l’échelle de la parcelle mais aussi du bassin versant.

Schéma explicatif du processus d'évapotranspiration des plantes

 

 

Dans le cadre du projet SIRHYUS mené en partie au CESBIO, un prototype de chaîne de traitement de données spatiales a été développé afin d’apporter des éléments de réponse à cette problématique à l’échelle d’un bassin versant. La zone d’étude retenue est le Fresquel, un bassin versant de 937 km², situé entre Castelnaudary (le cassoulet) et Carcassonne (la forteresse). Les principales cultures présentes sur ce bassin sont les suivantes : céréales, tournesol, vigne et -dans une moindre mesure- maïs et colza.

 

Zone d'étude : le bassin versant du Fresquel

Comme dans l’article présentant le modèle Sat-irr, le modèle FAO-56 (Allen & al. 1998) a été utilisé en ajoutant un module spatial. Le modèle FAO-56 propose la modélisation de l’ET de tout type de plante en modulant -via un coefficient empirique KC- l’ET de référence (noté ET0), elle-même calculée avec l’équation de Penman-Monteith. Ce coefficient KC dépend des propriétés biologiques de la plante (hauteur, taille des feuilles, type de photosynthèse…) et de son stade de développement.

 

L’équation de Penman-Monteith nécessite en entrée des données météorologiques (température, humidité etc.) qu’il est possible d’obtenir via des modèles globaux (NCEP, ECMWF) en quasi  temps réel. Afin d’automatiser entièrement la réception de ces données, des algorithmes ont été développés en python. Ils sont disponibles ici.

 

Les images landsat fournies par le centre de donnéeq Theia ont été utilisées pour ajuster le coefficient KC au plus proche du cycle phénologique des plantes. L'utilisation de ces images satellitaires fournit en effet une vision synoptique et quasi temps réel du développement des cultures de la zone étudiée : le NDVI calculé à partir des bandes rouge et InfraRouge, interpolé sur l’ensemble de la saison agricole permet de suivre en temps réel et de façon spatialisée les stades de croissance réels des cultures. Ce recours aux images multitemporelles permet alors d’obtenir une meilleure estimation de l’ET.

 

La connaissance des cultures agricoles sur le bassin permet alors la spatialisation de l’ensemble du modèle en attribuant à chaque pixel, les coefficients culturaux de l’espèce identifiée sur la carte d’occupation du sol.


Ainsi il est possible d'obtenir des cartes d'estimation de l'évapotranspiration à l'échelle d'un bassin versant, disponibles via une interface Web, (rubrique "Evapotranspiration"). La figure suivante est une capture d'écran de l'interface Web produite au CESBIO : sur chaque pixel du bassin versant il est possible d'obtenir la chronique de l'évapotranspiration estimée sur l'ensemble de l'année écoulée, au pas de temps 8 jours et sur l'année entière.

 

Capture écran de l'application web "évapotranspiration". Le graphique au bas de l'image représente l'évapotranspiration de différentes espèces en fonction du temps (vert clair : prairies permanentes, rouge : vignes, violet : tournesol, rose : légumes/fleurs...).

 

Il est ensuite possible de dériver de ce produit des cartes de quantité d'eau dans le sol sur l'ensemble de la zone étudiée.

Représentation de la quantité d'eau dans le sol après calcul du bilan hydrique : le graphique sur le bas de l’image affiche la quantité d’eau présente dans le sol (%) en fonction de la date (jour)).

 

Ces produits modélisés permettent d'estimer en quasi temps réel la quantité d'eau présente dans la zone racinaire du sol de la région étudiée. Cet estimation est importante car elle permet également d'optimiser les apports en eau et ainsi d'économiser cette ressource. Les résultats sont consultables sur le même lien que pour les cartes d'évapotranspiration.

 

Plusieurs campagnes de validation du modèle utilisé dans ce projet ont été menées à Lamasquère et Auradé (les deux sites pilotes du CESBIO) entre 2006 et 2011. Ces études ont permis de tester les performances du modèle utilisé pour modéliser l'évapotranspiration. La figure suivante permet de visualiser la comparaison entre l'évapotranspiration mesurée in situ sur le site test de Lamasquère en 2008 et l'évapotranspiration modélisée.

 

Comparaison entre l'ET observée (courbe noire) et l'ET modélisée (courbe rouge)

.

Face aux nouveaux challenges actuels que sont l'économie de la ressource en eau et la lutte contre le changement climatique et ses répercussions notamment sur le cycle de l'eau, la gestion optimale des ressources en eau est de nos jours un défi important.

Ce travail permet de mieux connaître et appréhender les quantités d'eau évapotranspirées par chaque type de plante à l'échelle d'un bassin versant et ainsi d'estimer les besoins en eaux des bassins versants. La connaissance de l'état hydrique des sols permet également d'optimiser les apports en eau et ainsi d'économiser cette ressource.

Ce travail s’insère dans la perspective de l'arrivée prochaine des images du satellite Sentinel-2 qui permettra d'obtenir des résultats de modélisation encore plus précis du fait de sa période de revisite très courte. La surface opérationnelle sera également accrue : ainsi la fiabilité générale des modélisations sera augmentée.

 

 

 

SAT-IRR: Satellite for Irrigation Scheduling

=>

Suite à l'expérience de pilotage d'irrigation menée au Maroc lors de l'expérience SPOT4-Take5 (Le Page et al, 2014), un outil Web d'aide à la prise de décision d'irrigation est en cours de développement (http://osr-cesbio.ups-tlse.fr/Satirr). L’outil est fonctionnel sur trois tuiles Landsat8 situées à Marrakech au Maroc, Kairouan en Tunisie, Toulouse en France.

 

L'outil s'adresse à des irrigants :  après avoir dessiné sa parcelle sur un fond cartographique, l’utilisateur répond à 4 questions. Il choisit sa culture parmi 7 options actuellement renseignées (maïs, blé, olivier…), son sol parmi les 12 sols type de l’USDA, sa date de semis et son mode d’irrigation (gravitaire, aspersion ou goutte à goutte). Cette initialisation sommaire est suffisante pour lancer le service, mais l’utilisateur pourra modifier à tout moment les contours de sa parcelle ou affiner la paramétrisation s’il connaît bien le sol, les particularités de sa culture, etc.

 

Dans un premier temps le serveur se charge de faire une approximation d’un comportement

satirr_screenshot

Screenshot from SAT-IRR web interface. The four icons allow modifying the plot parameters and contours, input irrigation, and consulting the results as graphs or tables. The graph results show a small Openlayers window with the last NDVI image, the sequence of NDVI thumbnail images, and 4 graphics: The “atmospheric part (rainfall, Reference Evapotranspiration and actual evapotranspiration), the second graph shows the status of the soil water content separated in three layers, the third graph shows the evolution of Basal Crop Coefficient and Fraction Cover, and the last graph is NDVI. The blue square at the right of the graphs are projections for the next month, including the green bars which are irrigation recommendations

moyen de la plante. Pour cela, une climatologie mensuelle est compilée (moyenne multi-annuelle de paramètres météo) puis interpolée au pas de temps journalier, alors que le comportement moyen de la plante est tiré des tables du document FAO-56 « FAO Irrigation and Drainage n°56: Guidelines for Computing Crop Water Requirements » (Allen et al, 1998). Dans un second temps, les images satellites déjà présentes sur le serveur sont examinées puis les relations entre NDVI et Coefficient Cultural de Base (Basal Crop Coefficient, Kcb) et le pourcentage de la couverture du sol par la végétation (Fraction cover, Fc) sont déterminées à chaque date disponible en faisant une moyenne sur la parcelle.

 

La météo passée est renseignée par les mesures effectuées sur la station synoptique de l’Organisation Mondiale Météorologique la plus proche, et synthétisée quotidiennement sous la forme de l’évapotranspiration de référence (ET0) et de la pluie. Enfin, des prévisions météo sont obtenues grâce à l’API de l’Institut Météorologique Norvégien.

 

Finalement, un bilan hydrique très proche de celui décrit dans la méthode FAO-56 est calculé en combinant ainsi comportement cultural et climatologie type, imagerie satellitaire, mesures et prévisions météo ainsi que projection dans le futur du développement de la culture. Le but étant bien évidemment de proposer une date et dose d’irrigation.

 

En plus de mettre à jour la météo (mesures et prévisions), le serveur vérifiera chaque jour la disponibilité de nouvelles images (uniquement Landsat8 pour le moment). Si une nouvelle image est disponible, elle est téléchargée, corrigée des effets atmosphériques en utilisant les informations fournies par le photomètre du réseau Aeronet le plus proche en utilisant le code SMAC (Rahman & Dedieu, 1994), puis un masque de nuage est créé et le NDVI est calculé. Cette image est stockée alors que le fichier original est jeté pour ne pas encombrer le serveur.

 

L’ensemble paramétrisation/mesures/prévision est stocké sur une base postgres/postgis qui fait le lien avec une interface web. L’utilisateur peut consulter les résultats sous forme de tableaux ou de graphes, et rajouter ses propres irrigations dans une autre interface dédiée.

 

Bien que l’interface soit encore un peu fruste, nous envisageons surtout des développements du côté serveur:

  • Adaptation à Sentinel-2 : à priori le passage à S2 ne devrait pas poser de soucis. Il faudra cependant adapter le calcul des tuiles à télécharger, le code de téléchargement, ainsi que la lecture du format.
  • Utilisation de Sentinel-1: Dans l’état actuel, le bon fonctionnement du bilan hydrique repose sur l’information réelle de l’irrigation que doit fournir l’utilisateur. Nous prévoyons de tester l'utilisation d’images S1 pour déterminer les dates d'irrigation.
  • Accès à des stations agro-météo locales : Dans le cadre du développement du Système d’Information Environnemental au Cesbio, la télémétrie de plusieurs stations météo se met petit à petit en place (par exemple voir http://trema.ucam.ac.ma (Jarlan et al, 2015)), nous comptons rendre ces stations accessibles à travers un service web normalisé du type Sensor Web.
  • Introduction de réseau d’irrigation collective. Les travaux de thèse de Kharrou (2013) et Belaqziz (2013, 2014) ont montré que la télédétection spatiale peut servir à optimiser les tours d’eau sur un secteur irrigué. Nous comptons donc offrir la possibilité d’introduire un ensemble de parcelle pour l’associer à un réseau de distribution et proposer in fine un arrangement optimisé du tour d’eau. Cependant, à l’heure actuelle, cet objectif est plutôt de l’ordre du défi !
  • Nous travaillons actuellement sur une procédure d'estimation du rendement du blé avec la télédétection spatiale (Thèse J. Toumi) et espérons ainsi introduire une estimation précoce du rendement dans cet outil.

Si vous souhaitez essayer l'outil, inscrivez-vous, c'est gratuit. Si les régions de test ne vous conviennent pas, contactez-moi!

Références:

  1. Le Page M., J. Toumi, S. Khabba, O. Hagolle, A. Tavernier, M. Kharrou, S. Er-Raki, M. Huc, M. Kasbani, A. Moutamanni, M. Yousfi, and L. Jarlan, “A Life-Size and Near Real-Time Test of Irrigation Scheduling with a Sentinel-2 Like Time Series (SPOT4-Take5) in Morocco,” Remote Sens., vol. 6, no. 11, pp. 11182–11203, Nov. 2014.
  2. Allen R., L. Pereira, D. Raes, and M. Smith, FAO Irrigation and Drainage n°56: Guidelines for Computing Crop Water Requirements, no. 56. FAO, 1998, pp. 273–282.
  3. Rahman H. and G. Dedieu, “SMAC: a simplified method for the atmospheric correction of satellite measurements in the solar spectrum,” Int. J. Remote Sens., vol. 15, no. 1, pp. 123–143, 1994.
  4. Kharrou M.H., M. Le Page, A. Chehbouni, V. Simonneaux, S. Er-Raki, L. Jarlan, L. Ouzine, S. Khabba, and A. Chehbouni, “Assessment of Equity and Adequacy of Water Delivery in Irrigation Systems Using Remote Sensing-Based Indicators in Semi-Arid Region, Morocco,” Water Resour. Manag., vol. 27, no. 13, pp. 4697–4714, Sep. 2013.
  5. Belaqziz S., S. Mangiarotti, M. Le Page, S. Khabba, S. Er-Raki, T. Agouti, L. Drapeau, M. H. Kharrou, M. El Adnani, and L. Jarlan, “Irrigation scheduling of a classical gravity network based on the Covariance Matrix Adaptation – Evolutionary Strategy algorithm,” Comput. Electron. Agric., vol. 102, pp. 64–72, Mar. 2014.
  6. Belaqziz S., S. Khabba, S. Er-Raki, L. Jarlan, M. Le Page, M. H. Kharrou, M. El Adnani, and A. Chehbouni, “A new irrigation priority index based on remote sensing data for assessing the networks irrigation scheduling,” Agric. Water Manag., vol. 119, pp. 1–9, Mar. 2013.
  7. Jarlan L., S. Khabba, S. Er-raki, M. Le Page et al, “Remote sensing of water resources in semi-arid Mediterranean basins: The Joint International Laboratory TREMA,” Int. J. Remote Sens., vol. (under review), 2015.

SAT-IRR: Satellite for Irrigation Scheduling

=>

Following the irrigation scheduling experiment in Morocco during the SPOT4-Take5 experiment (Le Page et al, 2014), a Web tool owing to help the irrigation decision making is under development (http://osr-cesbio.ups-tlse.fr/Satirr). The tool is functional on three Landsat8 tiles: Marrakech in Morocco, Kairouan in Tunisia, Toulouse, France.

 

As the tool is addressing irrigators, the idea is to set an irrigated plot of the simplest and fastest possible way. After drawing his plot on a base map, the user answers to 4 questions. He chose his culture among 7 options currently parameterized (corn, wheat, olive ...), its soil among the 12 USDA typical soils, the sowing date and irrigation method (flooding, sprinkler or drip). This rough initialization is adequate launch the service although, at any time, the user can change the plot contours or refine parameterization if he knows the soils, the peculiarities of its crop, etc.

satirr_screenshot

Screenshot from SAT-IRR web interface. The four icons allow modifying the plot parameters and contours, input irrigation, and consulting the results as graphs or tables. The graph results show a small Openlayers window with the last NDVI image, the sequence of NDVI thumbnail images, and 4 graphics: The “atmospheric part (rainfall, Reference Evapotranspiration and actual evapotranspiration), the second graph shows the status of the soil water content separated in three layers, the third graph shows the evolution of Basal Crop Coefficient and Fraction Cover, and the last graph is NDVI. The blue square at the right of the graphs are projections for the next month, including the green bars which are irrigation recommendations

Initially the server makes an approximation of an average behavior of the plant. For this, a monthly climatology is compiled (multi-annual average of weather parameters) and then interpolated to daily values, while the average behavior of the plant is extracted from FAO-56 Tables "FAO Irrigation and Drainage No. 56 : Guidelines for Computing Crop Water Requirements" (Allen et al, 1998). In a second step, the satellite images already on the server are examined and the relationship between NDVI and Basal Crop coefficient (Kcb) and percent of ground covered by vegetation (Fraction cover, Fc) are determined at each date by averaging on the plot.
Past weather is populated by measurements on the nearest synoptic station of the World Meteorological Organization and synthesized in the form of daily reference evapotranspiration (ET0) and rainfall. Forecasts are obtained by the API of the Norwegian Meteorological Institute.
Finally, a water balance very close to the one described in the FAO-56 is calculated by combining typical crop behavior and climate, satellite imagery, weather data and forecasts and projection into the future of crop development. The goal is to propose a date and dose of irrigation.

 

In addition to updating the weather (measures and forecasts), the server will check every day for the availability of new images (only Landsat8 for the time being). If there is availability, the tile is downloaded, it is then corrected for atmospheric effects using the information provided by the nearest photometer from the Aeronet network using the SMAC code (Rahman & Dedieu, 1994), then a cloud mask is created and NDVI is calculated. This image is stored as the original file is discarded to not overload the server.
All parameterization / measures / prediction are stored in a postgres / postgis database that links with a web client interface. The user can view the results in tables or graphs, and add its own irrigation in another dedicated interface.
While the interface is still a little rough, we are essentially considering developments on the server side:

  • Adaptation to Sentinel-2: the transition to S2 should not be a hassle. However, it will be necessary to adjust the calculation of the tiles to download, the download code and format reading.
  • Use of Sentinel-1: In the current state, the well-performance of water balance is based on the actual information of irrigation provided by the user. We plan to test the use of S1 images to determine the irrigation dates.
  • Access to local agro-weather stations: As part of the development of the Environmental Information System in Cesbio, telemetry of several weather stations has been settled up (eg, see http://trema.ucam.ac .ma) (Jarlan et al, 2015), we have to make these stations accessible through a standardized web service like Sensor Web.
  • Introduction of collective irrigation network. The PhD work of Kharrou (2013) and Belaqziz (2013, 2014) have shown that remote sensing can be used to optimize water rotations of an irrigated command. We plan to offer the possibility of introducing a set of plots to associate it with a distribution network and ultimately offer an optimized arrangement of the water rotation. However, at present, this goal is more into the order of a challenge!
  • We are currently working on a procedure to introduce wheat yield using remote sensing data (J. Toumi PhD Thesis) and further expect to input an early wheat yield prediction into the tool.

If you want to try it out, be my guest, it's free. If you want to try it out on other regions, please contact me!

 

References:

  1. Le Page M., J. Toumi, S. Khabba, O. Hagolle, A. Tavernier, M. Kharrou, S. Er-Raki, M. Huc, M. Kasbani, A. Moutamanni, M. Yousfi, and L. Jarlan, “A Life-Size and Near Real-Time Test of Irrigation Scheduling with a Sentinel-2 Like Time Series (SPOT4-Take5) in Morocco,” Remote Sens., vol. 6, no. 11, pp. 11182–11203, Nov. 2014.
  2. Allen R., L. Pereira, D. Raes, and M. Smith, FAO Irrigation and Drainage n°56: Guidelines for Computing Crop Water Requirements, no. 56. FAO, 1998, pp. 273–282.
  3. Rahman H. and G. Dedieu, “SMAC: a simplified method for the atmospheric correction of satellite measurements in the solar spectrum,” Int. J. Remote Sens., vol. 15, no. 1, pp. 123–143, 1994.
  4. Kharrou M.H., M. Le Page, A. Chehbouni, V. Simonneaux, S. Er-Raki, L. Jarlan, L. Ouzine, S. Khabba, and A. Chehbouni, “Assessment of Equity and Adequacy of Water Delivery in Irrigation Systems Using Remote Sensing-Based Indicators in Semi-Arid Region, Morocco,” Water Resour. Manag., vol. 27, no. 13, pp. 4697–4714, Sep. 2013.
  5. Belaqziz S., S. Mangiarotti, M. Le Page, S. Khabba, S. Er-Raki, T. Agouti, L. Drapeau, M. H. Kharrou, M. El Adnani, and L. Jarlan, “Irrigation scheduling of a classical gravity network based on the Covariance Matrix Adaptation – Evolutionary Strategy algorithm,” Comput. Electron. Agric., vol. 102, pp. 64–72, Mar. 2014.
  6. Belaqziz S., S. Khabba, S. Er-Raki, L. Jarlan, M. Le Page, M. H. Kharrou, M. El Adnani, and A. Chehbouni, “A new irrigation priority index based on remote sensing data for assessing the networks irrigation scheduling,” Agric. Water Manag., vol. 119, pp. 1–9, Mar. 2013.
  7. Jarlan L., S. Khabba, S. Er-raki, M. Le Page et al, “Remote sensing of water resources in semi-arid Mediterranean basins: The Joint International Laboratory TREMA,” Int. J. Remote Sens., vol. (under review), 2015.

Take5 goes to the movies

=>

How to go from 1 image every 5 days to 24 images per second ?

It was possible, thanks to CNES funding, thanks to an imaginative producer, Gérard Dedieu (who does not smoke cigars yet), thanks to a talented film director and scenarist, Thierry Gentet (the only film director who understands space mechanics), and thanks to his team, Mira Production, who are even able to shoot beautiful images in our  ... splendid CESBIO offices, and thanks to a series of promising actors and actresses Anne Jacquin, Valérie Demarez, Virginie Lafon, Valery Gond, Jean-Pierre Dedieu, and another one, the last one, who cannot say a full sentence before the 5th take.

 

We hope this little film will help you understand or explain the possibilites and opportunities offered by multi-temporal images at a high resolution, and that it will give you ideas to use the new SPOT5 (Take5) data.

 

Take5 fait du cinéma

=>

Comment passer d'une image tous les 5 jours à 24 images par secondes ?

C'est possible, grâce au soutien financier du CNES, grâce à un producteur plein d'idées, Gérard Dedieu (qui ne fume pas encore le cigare), grâce à un scénariste-réalisateur de talent (Thierry Gentet), le seul réalisateur de cinéma qui comprend la mécanique spatiale,  et grâce à son équipe (Mira Production) qui sait même mettre en valeur les ... magnifiques bureaux du CESBIO, et enfin grâce à une brochette d'actrices et d'acteurs de premier rôle, enfin dont c'était souvent le premier rôle : Anne Jacquin, Valérie Demarez, Virginie Lafon, Valery Gond, Jean-Pierre Dedieu et un autre, le dernier, qui n'arrive pas à faire une phrase complète avant la 5e prise.

 

Nous espérons que ce film vous aidera à comprendre ou à expliquer les intérêts et enjeux de l'imagerie multi-temporelle à haute résolution.

 

 

 

 

Feedback on the irrigation scheduling experiment using remote sensing images

=>

CESBIO contributes to an international joint laboratory in Morocco, called TREMA, "Télédétection et Ressources en Eau en Méditerranée semi-Aride", which means "Remote Sensing and Water Resources in Semi-Arid Mediterranean". This year, this laboratory has embarked on an ambitious experiment of irrigation scheduling by satellite imagery, on a wheat plot near Marrakech. This experiment was already described in March, and it gave very promising results.


The main objective of the experiment was to see if  the logistics of irrigation scheduling by water balance model were feasible in real conditions. For this, a farmer accepted to play our game on two four hectares plots of wheat: Irrigation of the reference plot was driven by the farmer in the usual way. The test plot irrigations was driven by our tool SAMIR (FAO-56 model forced by satellite imagery).

 

Since the sowing late December to the harvest in early June, a weather station installed on a reference culture has given us the daily reference evapo-transpiration measurements. On the other hand, to control a posteriori the quality of our estimates of water requirements for irrigation, two flux measuring stations were set up. We also acquired a series of images SPOT5 early in the season to compensate for the slightly late start of SPOT4 experience (TAKE5) which began in February.

 

In addition to a clear weather throughout the season, we were able to benefit from the excellent work of the SPOT4 (TAKE5) team which provided us with the georeferenced images very quickly. The NDVI evolutions were thus available in a relatively short time. As an end user, the Office of Agricultural Haouz allowed us to perform the irrigation of the test plot in the best conditions while being subjected to the constraints of the canal system.

On the ground, everything did not work as well as we planned. Following a misunderstanding with the farmer, we completely missed the second irrigation and the fertilizer application was not timely. Indeed, the study plot is installed on a heavy clay soil that forms a crust. We were not aware that, a few days after sowing, a specific irrigation is needed to ease the emergence of plants. On the other hand, the farmer applied nitrogen fertilizer on two plots just after irrigation of the reference parcel and relatively far from the irrigation of the test plot. Under these conditions the nitrogen is relatively less soluble, and our test plot lacked fertilizers.

Our experiment has been seriously hampered by the misunderstandings with the farmer. But despite the bad start, the experiment was pursued to its end.

 

This plot shows the changes throughout the course of the experiment of the water supply from rainfall and irrigation, the evapo-transpiration ETobs measured in the field and the Evapo-Transpiration ET estimated by SAMIR model, using the vegetation status from SPOT4 (Take5) images. On this plot, the dates of irrigation were suggested by the model.

 

To our surprise, the results are extremely promising. Indeed, despite a 20% lower biomass compared to the plot driven by the farmer, we got a equivalent performance in grain yield. This can be explained by the fact that, although the average number of wheat blades was much lower on the test plot, it is very likely that the reference plot, irrigated by the traditional method, has suffered water stress in late March limiting the filling of grain.

 

 

This full-scale experiment finally turned out to be very instructive. First,  imaging/weather/irrigation logistics worked great : the weather data transmission, the reception and the geometric and radiometric correction of images, the model runs and  irrigation decision were largely automated. The SPOT4 (Take5) data, that prefigure those of Sentinel-2, proved perfectly suited to this application. Unfortunately, the clay crust has severely limited the emergence of culture. Yet this phenomenon, well-known to our farmer, taught us to cultivate humility ;-) , and we will consider the introduction of the risk in a decision support system. Finally, the functional constraints of the gravity irrigation system have taught us that our tool should be more flexible to recommend an irrigation period instead of a single date, and that we should link the service to weather forecasts.

 

Following this experiment, we started developing a Web service (SAT-IRR) that should shortly provide the essential functions of an irrigation decision support with a simplified interface.

 

Retour sur le pilotage en temps réel de l'irrigation d'une parcelle par télédétection

=>

Le CESBIO contribue à un laboratoire mixte international au Maroc, baptisé TREMA, "Télédétection et Ressources en Eau en Méditerranée semi-Aride". Cette année, ce laboratoire s'est lancé dans une expérience ambitieuse de pilotage de l’irrigation par imagerie satellitaire, sur une parcelle de blé dur près de Marrakech. Nous vous en parlions au mois de mars. Cette expérience s'est révélée très encourageante.

 

L’objectif principal de l’expérience était de vérifier si nous pouvions assumer la logistique de pilotage de l’irrigation par un modèle de bilan hydrique dans des conditions réelles. Pour cela, un agriculteur s’est prêté à notre jeu en proposant deux parcelles de blé dur de quatre hectares : L'irrigation de la parcelle de référence était pilotée par l’agriculteur selon sa méthode habituelle. La parcelle d’essai était pilotée par l’outil SAMIR (modèle FAO-56 forcé par l’imagerie satellitaire).

Depuis la date de semis fin décembre jusqu’à la récolte en début juin, une station météo installée sur une culture de référence nous a transmis quotidiennement les mesures d’Evapotranspiration de Référence. D’autre part, pour contrôler à posteriori la qualité de nos estimations des besoins en eau d'irrigation, deux stations de flux ont été mises en place. Nous avons également acquis une série d’image SPOT5 en début de saison pour pallier au démarrage un peu tardif de l’expérience SPOT4(TAKE5) qui commençait en février.

 

En plus d’une météo très claire tout au long de la saison, nous avons pu bénéficier de l’excellent travail de l’équipe SPOT4(TAKE5) qui nous a délivré les images géoréférencées très rapidement. Les trajectoires de NDVI ont ainsi pu être corrigées dans un délai relativement court. En fin de chaîne, la relation avec l’Office Agricole du Haouz nous a permis d’effectuer les irrigations de la parcelle d'essai dans les meilleures conditions tout en étant soumis aux contraintes du système de canaux.

 

Sur le terrain, cela n’a pas fonctionné aussi bien que nous le souhaitions. Suite à un malentendu avec l’agriculteur, nous avons complètement raté la seconde irrigation et l'application des engrais n’a pas été opportune. En effet, la parcelle étudiée est installée sur un sol très argileux qui forme une croûte de battance. Une irrigation spécifique, quelques jours après le semis, est nécessaire pour faciliter l’émergence des plantes. D’autre part, l'agriculteur a appliqué l'engrais azoté sur les deux parcelles juste après l'irrigation de la parcelle de référence et relativement loin de l'irrigation de la parcelle d'essai. Sous ces conditions l'azote est relativement moins soluble sur la parcelle étudiée.

 

Notre expérience a donc été sérieusement handicapée par ces malentendus avec l'agriculteur. En dépit de cela, nous avons mené l’expérience jusqu’à sa fin.

Ce graphe fournit les variations tout au long de long de l'expérience des apports d'eau par les précipitations et les irrigations, ainsi que de l'évapo-transpiration ETobs mesurée sur le terrain et de l'observation ET modélisée par le modèle SAMIR, à partir de l'état de la végétation observé par SPOT4 (Take5). Sur cette parcelle, les dates des irrigations ont été préconisées par le modèle.

 

A notre grand étonnement, les résultats sont extrêmement prometteurs. En effet, malgré une biomasse inférieure de 20% par rapport à la parcelle pilotée par l’agriculteur, nous avons obtenu un rendement en grain équivalent. Ceci peut s’expliquer par le fait que, bien que le nombre moyen de talles (les "brins" de blés) fusse très inférieur sur la parcelle d’essai, il est très probable que la parcelle de référence, irriguée, selon la méthode traditionnelle, ait subit un stress hydrique en fin mars limitant ainsi le remplissage des grains.

 

Cette expérience grandeur nature est riche d’enseignements. Tout d’abord, la logistique imagerie-météo-irrigation a très bien fonctionné (télétransmission de la météo, réception et corrections géométriques et radiométriques des images, run du modèle, lancement des irrigations) et peut-être largement automatisée. Les données SPOT4(Take5) qui préfigurent celles de Sentinel-2, avec la météo de cette année, se sont révélées parfaitement adaptées.  Malheureusement, la croûte de battance a fortement limité l’émergence de la culture. Ce phénomène pourtant bien connu de notre agriculteur nous a appris à cultiver l’humilité ;-) et nous devrons envisager l’introduction de ce risque dans un système d’aide à la décision. Enfin, les contraintes fonctionnelles de l’irrigation en système gravitaire nous ont appris que notre outil devra être plus flexible en proposant plutôt une fenêtre de dates plutôt qu’une seule meilleure date d’irrigation, et qu’il devra pouvoir être lié à un ou plusieurs pronostics météo.

 

Suite à cette expérience, nous avons commencé à mettre en place un outil Web (SAT-IRR) qui devrait à court terme offrir les fonctionnalités essentielles pour l’aide à la décision d’irrigation dans une interface simplifiée.

 

Une expérience de pilotage de l’irrigation du blé en conditions réelles à Marrakech

Dans la région sud de la Méditerranée, ainsi que d'autres régions arides et semi-arides, la consommation en eau a augmenté de façon significative au cours des dernières décennies, alors que les ressources en eau disponibles se raréfient. Au Maroc, on estime que 83% des ressources mobilisées sont consacrées à l'agriculture avec une efficacité inférieure à 50%. La région du Haouz, typique du sud des bassins méditerranéens, est caractérisée par un climat semi-aride (l'évapotranspiration potentielle est d'environ 1600 mm/an contre une moyenne de précipitations annuelles de 250 mm). Dans ces conditions, l'irrigation des cultures est inévitable pour permettre la croissance et le développement des plantes. Ainsi, il est nécessaire de développer des méthodes d’irrigation qui permettent d’optimiser l’utilisation des faibles ressources en eau disponibles pour une amélioration et une stabilisation de la production.

La demande en eau des cultures dépend principalement de deux aspects: les conditions météorologiques et le développement des cultures. De nombreuses recherches ont démontré que l'imagerie optique à partir de satellites d'observation de la terre permet d’estimer précisément l'état des cultures. Associée au calcul d’un bilan hydrique du sol et certains aspects de prévision (météo, développement des plantes), les informations obtenues par télédétection spatiale peuvent être utiles pour la décision d’irrigation. Afin d'obtenir le meilleur rendement, le stress hydrique de la plante doit être évité autant que possible. De même, les dotations en eau ne doivent pas être excessives afin d’éviter les pertes par percolation profonde.

 

Durant la saison du blé d'hiver de 2013, une expérience de pilotage de l’irrigation en conditions réelles se déroule sur une parcelle de 4 hectares de blé située 40 km à l’est de Marrakech. Il s’agit de comparer la stratégie d’ l'irrigation usuellement pratiquée sur un secteur irrigué avec une stratégie d'irrigation pilotée par télédétection. L’imagerie de télédétection est fournie par Spot4 (Take5) et Spot5 (ISIS). La météo est mesurée sur une surface de référence à un kilomètre de la parcelle.

 

L’outil SAMIR (Satellite Monitoring of Irrigation), qui est basé sur la méthode FAO 56, mais en pilotant les coefficients culturaux par l’indice normalisé de végétation (NDVI) est utilisé pour calculer le bilan hydrique de la parcelle au pas de temps journalier. Une climatologie moyenne de la région est utilisée pour la météo à long terme (15 jours), tandis que nous faisons tourner un modèle météo pour le court terme (4 jours). Enfin, le coefficient cultural est lui aussi extrapolé en attendant que de nouvelles images satellites soient disponibles (production, nuage…)

 

Dans le même temps, deux systèmes d’Eddy-Correlation mesurent les flux de la parcelle pilotée et de la parcelle de référence.

 

Les premiers résultats de l'expérience sont convaincants autant du côté de l’estimation de l’évapotranspiration par rapport aux mesures de flux (RMSE = 0.75mm/jour), que des préconisations d’irrigation. Deux "tours d’eau" ont ainsi été lancés dans le cadre de l’expérience en dates du 14 Février et 12 Mars 2013, alors que la parcelle de référence recevait quand à elle 3 tours d’eau pendant la même période.

 

Un grand nombre d’enseignements peuvent dors et déjà être tirés de cette expérience grandeur nature: les aspects pratiques de la mise en œuvre sont dévoilés (télémétrie, répétitivité de l'imagerie, ...) alors que certains indices quant à l'acceptation sociale d'une telle technologie sont mis en évidence comme la simplicité d’utilisation et la flexibilité des préconisations. Restera à démontrer l’impact positif sur la rentabilité de l’eau d’irrigation, seul juge de l’efficacité opérationnelle de cette approche.

Plus d'infos sur le site du LMI TREMA: http://trema.ucam.ac.ma

 

 

Le site Take5 de Midi-Pyrénées - Réunion le 6 février 2013

Le CESBIO s'est bien évidemment mobilisé pour proposer plusieurs sites pour l'expérience Take5. Trois sites ont été proposés et finalement retenus : un site au Maroc, un site en Tunisie et un grand site occupant tout le Sud de la région Midi-Pyrénées, de Cahors jusqu'à la frontière Espagnole. Le site SudMiPy couvre 220*160 km², soit l'emprise de 12 images SPOT.

Les 8 images à l'ouest seront acquises simultanément, le jour 2 du cycle de 5 jours, les 4 images à l'ouest seront acquises le jour 3. Il existe une zone d'intersection qui s'étend de Cahors au Val d'Aran en passant par Montauban, Toulouse, Rieumes et Saint Girons, qui sera observée deux fois lors de chaque cycle de 5 jours, à un jour d'intervalle et sous deux angles assez différents.

Une réunion (invitation) présentant l'expérience Take5 et les activités prévues sur le site SudMiPy aura lieu le 6 février après midi au CESBIO (merci à ceux qui comptent venir de prévenir Jean-François Dejoux)

Jean-François Dejoux a réuni pour cette proposition 12 équipes scientifiques basées en Midi-Pyrénées, qui travailleront sur 7 sujets différents :

  1. Détection de nuages, corrections atmosphériques, produits composites mensuels
  2. Détection de la couverture neigeuse, observation et modélisation du dépôt et de la fonte de la neige, et lien avec le bilan hydrologique de bassins versants
  3. Développement de méthodes automatiques et robustes de classification de l'occupation des sols, permettant de traiter de grandes superficies
  4. Production de cartes d'occupation des sols.
  5. Détection et caractérisation des cultures irriguées dès leur émergence
  6. Production de cartes de rendement, biomasse et évapo-transpiration, bilans hydrologiques à l'échelle de bassins versants
  7. Détection des étendues d'eau, modélisation du signal fourni par le futur satellite SWOT, à partir de l'occupation des sols.

Par ailleurs, sur la même zone, l'INRA de Bordeaux a prévu de travailler sur la date de débourrement de différentes espèces d'arbres dans les Pyrénées, en étudiant la variation de cette date avec l'altitude.

Bien entendu, l'utilisation de ces données n'est pas limitée à ces 7 applications, et les personnes intéressées par ces données sont invitées à nous contacter, et à commencer au plus vite leurs relevés de terrain, les 4 mois de l'expérience Take5 seront vite passés.