Spatialisation de successions culturales à partir d’images HRV de SPOT pour une intégration dans un modèle agro-hydrologique
Résumé
La spatialisation des successions culturales constitue une des entrées fondamentales du modèle agro-hydrologique SWAT qui est mis en œuvre sur un bassin versant d’étude de 385 km2 (La Moine, France). L’objectif de cette étude est d’évaluer le potentiel de l’imagerie satellitaire pour l’identification de ces successions sur deux années consécutives et de tester leur intégration dans le modèle. Pour ce faire, nous avons opté pour une approche diachronique avec sept images HRV(XS) de SPOT et combinant différentes méthodes de classifications. La couverture spatiale obtenue est associée aux pratiques agricoles issues d’enquêtes sur le terrain pour être incorporée dans le modèle. L’évaluation de la classification à partir des images HRV s’avère satisfaisante avec une précision globale de 91,2 % concernant la séparation de l’espace agricole et de 84,7 % concernant l’identification des successions. Les résultats de simulations avec le modèle indiquent un indice de Nash de 0,82 entre les écoulements estimés et observés. Quant aux nutriments azotés et phosphorés, malgré une faible fréquence de mesures, les dynamiques de flux dans les cours d’eau sont assez bien reproduites par le modèle. L’estimation des risques de transfert en fonction des différentes successions culturales montre l’intérêt de prendre en compte les successions plutôt qu’une simple cartographie des cultures afin d’améliorer le diagnostic des risques de pollution agricole. Cette expérience invite à une réflexion sur une approche transversale de mobilisation de données agricoles applicable à de grandes surfaces et sur le nécessaire compromis entre la précision de l’information et la faisabilité de son acquisition.
Abstract
The spatialization of crop rotations is one of the major inputs for the SWAT agro-hydrological model that we operate on a river basin area of 385 km2 (La Moine, France). In this study, we evaluate the potential of satellite imagery to identify those crop rotations for two successive years with a multiseasonal analysis based on seven HRV-XS SPOT images. The spatial layer produced is associated to agricultural practices based on field surveys before being integrated in the model. The classification with the HRV images proves to be satisfactory with a global accuracy of 91,2 % for the separation of agricultural areas and of 84,7 % for the identification of the rotations. Results based on the model simulations provide a Nash index at 0,82 between simulated and observed flows. Beside a low frequency of measurements, the dynamic of nitrogenized and phosphorated nutrients in the river is also rather well simulated by the model. The estimate of the transfer risks according to the various rotations demonstrates the interest to integrate them rather than a simple map of the cultures in order to improve the diagnosis concerning the risks of agricultural pollution. This experience leads us to thing about an operational approach for mobilizing agricultural data at a regional scale. It also highlights the vital compromise between information accuracy and its data availability.
Lire l’article

PDF de 20 pages, tel qu’imprimé dans la revue, pages 231 à 250. En libre accès.
Pas encore de consultation enregistrée.