Reconstructing environmental fields with analogues and geostatistics. Data-driven approaches for hydrological modelling and remote sensing gap-filling applications

Pour étudier l’environnement, on utilise souvent des cartes ou des séries de cartes : pluie, température, évapotranspiration, occupation du sol ou images satellites. Ces données permettent de comprendre l’évolution de l’eau, de la végétation ou des paysages, mais elles sont souvent incomplètes, trop limitées dans le temps, ou disponibles à une résolution insuffisante. L’objectif de cette thèse est ainsi de reconstruire ces données manquantes tout en gardant des cartes réalistes, avec des valeurs cohérentes, des structures spatiales plausibles et une évolution temporelle crédible.

Une première approche utilisée est celle des analogues. Le principe est de chercher des situations climatiques observées qui ressemblent à celle que l’on veut reconstruire, puis d’utiliser les données observées lors de ces situations. Cette méthode est testée sur le bassin de la Volta, en Afrique de l’Ouest, pour reconstruire l’évapotranspiration, les précipitations et la température. Les résultats montrent que les données reconstruites sont de bonne qualité et qu’elles peuvent même être utilisées pour faire fonctionner et calibrer un modèle hydrologique au-delà de la période couverte par les observations originales.

Des variantes plus complexes sont ensuite testées pour tenter d’améliorer la méthode des analogues : comparer les situations climatiques plus finement, adapter les prédicteurs localement, ou chercher les analogues sur des zones plus petites. Ces choix rendent la méthode plus flexible, mais ils ne donnent pas forcément de meilleurs résultats. Une reconstruction trop locale peut créer de nouvelles cartes, mais aussi produire des discontinuités et perdre une partie de la cohérence spatiale. Les analogues simples restent donc une base solide, même s’ils ont tendance à lisser la variabilité dans l’espace et le temps et les valeurs extrêmes.

Pour représenter l’incertitude et produire des cartes moins lissées, des méthodes géostatistiques sont ensuite utilisées. chessQS est développé pour combler les lacunes dans de très grandes images, puis combiné aux analogues pour reconstruire l’évapotranspiration sur le bassin de l’Ebre, en Espagne. Dans ce cas, chessQS apporte beaucoup de flexibilité mais ne fait pas mieux que les autres méthodes. Anchor Sampling, une autre méthode géostatistique spatialement ancrée, donne un meilleur compromis : il évite de lisser les cartes, garde une meilleure variabilité temporelle et aide à mieux préserver certains extrêmes.

Le message principal de la thèse est qu’il n’existe pas une méthode idéale pour reconstruire des données environnementales. Les analogues sont simples, robustes et efficaces, mais peuvent trop lisser les résultats. Les méthodes plus complexes sont utiles pour des objectifs précis, comme représenter l’incertitude, augmenter la variabilité ou mieux conserver les extrêmes. Le bon choix dépend donc de ce que l’on veut privilégier : précision globale, structures spatiales, dynamique temporelle, extrêmes, incertitude ou coût de calcul.