Spatialisation des données de teneurs en eau à l'échelle de la parcelle agricole, par tomographie de résistivité électrique et méthodes géostatistiques.

Water content’s distribution is a significant parameter but hard to acquire using measures only provided by direct measurements technics (e.g. TDR probe) This measurement is difficult to be extrapolated to heterogeneous soil. Many geophysical methods exist for imaging the subsurface and allow indirect measurement of water content distribution. However, these techniques are indirect and require petrophysical laws between this measurement and water content. Many authors use such laws to convert the physical measurement into water content, even if the results are inaccurate. The purpose of this study is to identify a methodology that enable to use the punctual measurement of water content distribution (TDR method), integrating strictly the geophysical data (electrical resistivity tomography, ERT) using a geostatistical method, called “Bayesian Maximum Entropy” (BME). This method allows integrating many different data sets with different levels of uncertainty, in this way several variables can be included in the spatialization of soil water content. This method has been tested on four hydrodynamic and synthetic models with increasing complexity. The results have been compared with those using the Archie’s law in order to transform geophysical data into water content and a standard technic of spatialization in geophysics: kriging, which does not allow the use of other measurements than the soil water content. The results indicate that BME method creates a more reliable model of water content distribution, closer to the initial one. Careful integration of ERT and TDR measurements is an improvement of standard mapping technic. / La connaissance de la distribution de teneur en eau dans le sous-sol est un paramètre important mais compliqué à acquérir car les techniques de mesures directes ne fournissent que des informations ponctuelles (mesures par sondes TDR) et difficilement extrapolables pour un sol hétérogène. L’essor de la géophysique a permis de mettre en place des méthodes d’imageries du sous-sol permettant de connaître la distribution de teneur en eau, mais ces techniques sont indirectes et nécessitent des lois petrophysiques liant les variables mesurées et la teneur en eau. Néanmoins, beaucoup d’auteurs utilisent de telles lois afin de transformer des mesures physiques en teneur eau, bien que le résultat soit imprécis. C’est pourquoi cette étude cherche à déterminer une méthodologie permettant la spatialisation de données ponctuelles de teneur en eau, en assimilant rigoureusement les informations de mesures de tomographie de résistivité électrique (ERT) grâce à une méthode géostatistique, nommée « Bayesian Maximum Entropie » (BME). Cette méthode permet d’assimiler plusieurs jeux de données différents avec des degrés d’incertitudes différents et ainsi prendre en compte plusieurs variables pour spatialiser la teneur en eau dans le sol. Cette méthode a été testée sur quatre modèles hydrodynamiques synthétiques différents à la complexité croissante. Les résultats ont été comparés à ceux utilisant la méthode de la simple transformation des données géophysiques en teneur en eau par une loi d’Archie, ainsi qu’une technique de spatialisation classique en géophysique : le krigeage, qui ne permet pas de prendre en compte d’autres mesures que celles, ponctuelles, de la teneur en eau. L’analyse des résultats montre une spatialisation plus fidèle au modèle initial de teneur en eau grâce à l’assimilation rigoureuse des données ERT et TDR par la méthode BME, montrant ainsi que la BME permet d’améliorer les techniques de spatialisation standards.