Using a multiobjective approach to retrieve information on surface properties used in a SVAT model
Résumé
The reliability of model predictions used in meteorology, agronomy or hydrology is partly linked to an adequate representation of the water and energy balances which are described in so-called SVAT (Soil Vegetation Atmosphere Transfer) models. These models require the specification of many surface properties which can generally be obtained from laboratory or field experiments, using time consuming techniques, or can be derived from textural information. The required accuracy of the surface properties depends on the model complexity and their misspecification can affect model performance. At various time and spatial resolutions, remote sensing provides information related to surface parameters in SVAT models or state variables simulated by SVAT models. In this context, the Simple Soil-Plant-Atmosphere Transfer-Remote Sensing (SiSPAT-RS) model was developed for remote sensing data assimilation objectives. This new version of the physically based SiSPAT model simulates the main surface processes (energy fluxes, soil water content profiles, temperatures) and remote sensing data in the visible, infrared and thermal infrared spectral domains. As a preliminary step before data assimilation in the model, the objectives of this study were (1) to apply a multiobjective approach for retrieving quantitative information about the surface properties from different surface measurements and (2) to determine the potential of the SiSPAT-RS model to be applied with "little" a priori information about input parameters. To reach these goals, the ability of the Multiobjective Generalized Sensitivity Analysis (MOGSA) algorithm to determine and quantify the most influential input parameters of the SiSPAT-RS model on several simulated output variables, was investigated. The results revealed the main influential input parameters according to different contrasted environmental conditions, and contributed to the reduction of their a priori uncertainty range. A procedure for specifying surface properties from MOGSA results was tested on the thermal and hydraulic soil parameters, and evaluated through the SiSPAT-RS model performance. Although slightly lower than a reference simulation, the performance were satisfactory and suggested that complex SVAT models can be driven with little a priori information on soil properties, as in a future context of remote sensing data assimilation. Measurement acquired on a winter wheat field of the ReSeDA (Remote Sensing Data Assimilation) experiment were used in this study.
La confiance que l'on peut avoir dans les simulations utilisées en météorologie, agronomie ou hydrologie est en partie liées à une représentation adéquate des bilans d'eau et d'énergie, décrits dans des modèles appelés TSVA (Transfert Sol - Végétation - Atmosphère). Ces modèles nécessitent la spécification d'un grand nombre de propriétés de la surface, qui sont en général obtenues par des méthodes de laboratoires ou des expérimentations de terrain, souvent coûteuses en temps, ou encore déduites d'informations sur la texture du sol. La précision requise sur ces propriétés de surface dépend de la complexité du modèle et leur mauvaise spécification peut affecter les performances du modèle. A différentes résolutions spatiales ou temporelles, la télédétection fournit des informations reliées aux paramètres de surface des modèles TSVA ou à leurs variables d'état. Dans ce contexte, le modèle SiSPAT-RS (Simple Soil Plant Atmosphere Transfer - Remote Sensing) a été développé avec un objectif d'assimilation de données de télédétection. La nouvelle version du modèle à base physique SiSPAT simule les processus de surface majeurs (flux d'énergie, profils de teneur en eau et de température dans le sol) et les variables de télédétection dans le visible, l'infra-rouge ainsi que pour l'infra-rouge thermique. En considérant cette étude comme une étape préliminaire à l'assimilation, ses objectifs sont (1) appliquer une approche multi-objectif pour déterminer une information quantitative sur les propriétés de surface à partir de différentes mesures de surface (2) de déterminer le potentiel du modèle SiSPAT-RS en cas d'application avec peu d'information a priori sur les paramètres d'entrée. Pour cela, nous avons étudié la capacité de la méthode MOGSA (Multi-Objective Genneralizd Sensivitity Analysis) à déterminer et quantifier les paramètres les plus influents du modèle SiSPAT-RS sur différentes variables simulées. Les résultats permettent d'identifier les paramètres les plus influents, selon les conditions environnementales et la méthode contribue à réduire leur intervalle de définition, réduisant ainsi l'incertitude sur leur valeur. Nous avons testé une procédure permettant de spécifier les paramètres décrivant les propriétés hydrodynamiques et thermiques de SiSPAT-RS à l'aide des résultats de l'analyse multi-objectif. La performance de la méthode est satisfaisante et suggère que, même les modèles SVAT un peu complexes, peuvent être utilisés avec une connaissance réduite des propriétés du sol, ce qui sera le cas dans un contexte d'assimilation de données de télédétection. L'étude s'appuie sur des mesures acquises sur un blé d'hiver de l'expérimentation ReSeDA (Remote Sensing Data Assimilation).