Estimation des biais de végétation dépendant du temps dans le produit SMAP de télédétection de l’humidité du sol
Citation
Zwieback, S., Colliander, A., Cosh, M.H., Martínez-Fernández, J., McNairn, H., Starks, P.J., Thibeault, M., Berg, A. (2018). Estimating time-dependent vegetation biases in the SMAP soil moisture product. Hydrology and Earth System Sciences, [online] 22(8), 4473-4489. http://dx.doi.org/10.5194/hess-22-4473-2018
Résumé en langage clair
Le satellite Soil Moisture Active Passive (SMAP) fournit des informations importantes sur l’humidité du sol en surface et dans la zone racinaire à l’échelle mondiale, tous les 2 à 3 jours. Cependant, les erreurs les plus élevées dans les produits de l’humidité du sol obtenus par ce satellite ont été observées sur des terres cultivées annuellement, où la croissance de la végétation varie dans le temps et dans l’espace. Il est important de bien caractériser cette couverture végétale pour obtenir des estimations exactes de l’humidité du sol à partir du satellite SMAP de la NASA. Cette recherche introduit une extension bayésienne à la triple collocation, de sorte que les erreurs systématiques et les termes de bruit ne sont pas constants, mais peuvent varier. Nous avons constaté que ces décalages et ces sensibilités variables dans le temps étaient généralement associés à une correction imparfaite de la végétation. Les variations de sensibilité peuvent être importantes, les variations saisonnières pouvant aller jusqu’à 40 %. Des variations de cette ampleur nuiraient à la comparaison saisonnière de la dynamique de l’humidité du sol et à la détection des événements extrêmes liés à l’humidité du sol. Cette recherche souligne que les biais variables dans le temps peuvent facilement donner lieu à des estimations faussées de l’humidité du sol. À ce titre, ces résultats doivent être pris en compte dans les études d’observation et de modélisation qui utilisent les produits de l’humidité du sol obtenus par SMAP.
Résumé
© Les auteurs 2018. Les produits de télédétection de l’humidité du sol sont influencés par la végétation et la façon dont elle est prise en compte dans l’acquisition, ce qui est une source possible de biais liés aux variables temporelles. Pour estimer de telles structures d’erreur complexes et variables dans le temps à partir de données bruitées, nous introduisons une extension bayésienne à la triple collocation dans laquelle les erreurs systématiques et les termes de bruit ne sont pas constants, mais varient en fonction de variables explicatives. Nous appliquons la technique au produit SMAP (Soil Moisture Active Passive) de télédétection de l’humidité du sol sur les terres cultivées, en supposant que les erreurs dans la correction de la végétation durant l’acquisition laissent une empreinte caractéristique dans la série chronologique de l’humidité du sol. Nous avons constaté que les décalages et les sensibilités variables dans le temps sont généralement associés à une correction imparfaite de la végétation. En particulier, les variations de sensibilité peuvent être importantes, les variations saisonnières pouvant aller jusqu’à 40 %. Des variations de cette ampleur nuisent à la comparaison saisonnière de la dynamique de l’humidité du sol et à la détection des événements extrêmes. De plus, les estimations du couplage végétation-hydrologie peuvent être faussées, car l’humidité du sol obtenue par le produit SMAP a des valeurs de R2 plus élevées avec une approximation de la biomasse que les données in situ, alors que le bruit seul induirait l’effet inverse. Cette observation souligne que les biais variables dans le temps peuvent facilement donner lieu à des résultats faussés et à des interprétations trompeuses. Ils devraient donc être pris en compte dans les études d’observation et de modélisation.