The Impact of National Land Cover and Soils Data on SMOS Soil Moisture Retrieval Over Canadian Agricultural Landscapes.

Pacheco, A., McNairn, H., Mahmoodi, A.B., Champagne, C., et Kerr, Y.H. (2015). « The Impact of National Land Cover and Soils Data on SMOS Soil Moisture Retrieval Over Canadian Agricultural Landscapes. », IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 8(11), p. 5281-5293. doi : 10.1109/JSTARS.2015.2417832  Accès au texte intégral (en anglais seulement)

Résumé

Pour assurer une production agricole durable, il est essentiel que l’eau soit disponible en quantité appropriée au bon moment, car trop ou trop peu d’eau est néfaste pour le secteur agricole. L’obtention rapide de données exactes sur l’humidité du sol joue donc un rôle essentiel dans la surveillance des réserves en eau pour le secteur. Les capteurs de micro‐ondes passives, comme le SMOS (Soil Moisture and Ocean Salinity : humidité des sols et salinité des océans), se prêtent bien à cette surveillance sur de vastes paysages grâce à leur capacité de fonctionner dans toutes les conditions météorologiques, leur grande empreinte spatiale, leur haute fréquence de réobservation et la sensibilité des émissions de micro‐ondes à la constante diélectrique du sol. Dans cette étude, nous avons intégré des jeux de données sur la couverture terrestre et les sols du Canada et des données SMOS sur l’humidité des sols pour une région agricole de la province du Manitoba (Canada) et avons comparé les résultats obtenus à des mesures d’humidité du sol faites sur le terrain. La comparaison montre que notre procédure d’estimation de l’humidité du sol est adéquate (R{SUP}2{/SUP} de 0,70 (p < 0,01) et erreur quadratique moyenne (EQM) de 7,15 % avec un biais négatif (sec) de ‐0,05 %). Globalement, l’étude montre que l’intégration de jeux de données nationaux de haute qualité à l’algorithme d’extraction de l’humidité du sol du SMOS n’a pas permis de corriger la sous‐estimation de l’humidité du sol et qu’il faut mener des études approfondies pour comprendre ce biais. En outre, nous avons évalué plusieurs méthodes pour améliorer la représentation statistique de l’humidité du sol mesurée sur le terrain dans la validation de l’extraction des données sur l’humidité du sol du SMOS; il est évident qu’une bonne représentation de l’humidité du sol en fonction de la texture du sol est essentielle pour bien valider ces données.

Date de modification :