Thèse Fusion des Observations Satellitaires Smos et Nisar pour la Caractérisation des Milieux Humides et l'Amélioration du Suivi de l'Humidité des Sols dans les Régions Boréales et Subarctiques H/F - Doctorat.Gouv.Fr

Établissement : Université de Toulouse École doctorale : SDU2E - Sciences de l'Univers, de l'Environnement et de l'Espace Laboratoire de recherche : CESBIO - Centre d'Etudes Spatiales de la BIOsphère Direction de la thèse : Arnaud MIALON ORCID 0000000179700701 Début de la thèse : 2027-09-01 Date limite de candidature : 2026-11-23T23:59:59 Les régions boréales et subarctiques constituent l'un des principaux réservoirs d'eau douce et de carbone de la planète et jouent un rôle déterminant dans les rétroactions entre les surfaces continentales et le climat. Elles sont caractérisées par une forte hétérogénéité des paysages, résultant de l'alternance de forêts, de lacs, de tourbières, de marais et de zones temporairement inondées. Ces milieux humides exercent une influence majeure sur les échanges d'eau, d'énergie et de carbone avec l'atmosphère et contrôlent en partie les émissions naturelles de méthane. Dans un contexte d'amplification du réchauffement climatique aux hautes latitudes, leur évolution représente un enjeu majeur pour la compréhension des changements environnementaux en cours.
Les observations satellitaires en bande L offrent des capacités uniques pour le suivi de l'humidité des sols grâce à leur faible sensibilité aux conditions atmosphériques et à leur capacité de pénétration dans le couvert végétal. Depuis 2009, la mission SMOS [1] fournit une série temporelle globale de températures de brillance qui constitue aujourd'hui une référence pour l'estimation de l'humidité des sols à l'échelle mondiale. Toutefois, la résolution spatiale des observations, de l'ordre de plusieurs dizaines de kilomètres, limite fortement leur utilisation dans les régions boréales où l'organisation spatiale des paysages est particulièrement complexe. Les milieux humides, souvent distribués sous la forme d'une mosaïque de petites unités paysagères, sont imparfaitement représentés dans les modèles d'émission et dans les algorithmes d'inversion, ce qui se traduit par des biais importants dans les produits d'humidité des sols [2,3].
L'arrivée de la mission NISAR [4] constitue une opportunité majeure pour dépasser ces limitations. Les observations radar en bande L, acquises à haute résolution spatiale, permettront de caractériser avec une précision inédite les eaux de surface et les milieux humides des hautes latitudes. Leur combinaison avec les observations passives de SMOS ouvre ainsi la voie au développement de nouvelles approches de fusion de données capables de mieux représenter l'hétérogénéité des surfaces continentales et d'améliorer les produits géophysiques dérivés des observations en bande L.
L'objectif de cette thèse est de développer une approche intégrée combinant les observations issues de SMOS et de NISAR afin d'améliorer la caractérisation des milieux humides, d'augmenter la résolution spatiale des produits SMOS et de produire une nouvelle série temporelle d'humidité des sols adaptée à l'étude des changements environnementaux dans les régions boréales et subarctiques.
Boreal and subarctic regions constitute one of the world's largest reservoirs of freshwater
and carbon and play a fundamental role in land-atmosphere feedbacks within the
climate system. These regions are characterized by highly heterogeneous landscapes,
composed of a complex mosaic of forests, lakes, peatlands, marshes, and seasonally
flooded areas. These wetlands exert a major influence on the exchanges of water, energy,
and carbon with the atmosphere and partially control natural methane emissions. In the
context of accelerated climate warming at high latitudes, understanding their evolution
has become a key challenge for assessing ongoing environmental change.
L-band satellite observations provide unique capabilities for monitoring soil moisture
owing to their low sensitivity to atmospheric conditions and their ability to penetrate
vegetation canopies. Since 2009, the SMOS mission [1] has provided a global time series
of brightness temperatures that has become a benchmark dataset for global soil moisture
estimation. However, the relatively coarse spatial resolution of these observations, on the
order of several tens of kilometers, severely limits their applicability in boreal regions,
where landscape organization is highly heterogeneous. Wetlands, which are often
distributed as a mosaic of small landscape units, are inadequately represented in
emission models and inversion algorithms, leading to significant biases in soil moisture
retrieval products [2,3].
The launch of the NISAR mission [4] offers a major opportunity to overcome these
limitations. High-spatial-resolution L-band radar observations will enable unprecedentedcharacterization of surface water and wetlands across high-latitude regions. Their
combination with passive SMOS observations opens the way to the development of new
data fusion approaches capable of better representing land surface heterogeneity and
improving geophysical products derived from L-band observations.
The objective of this PhD project is to develop an integrated framework combining
observations from the SMOS and NISAR missions to improve wetland characterization,
enhance the spatial resolution of SMOS-derived products, and generate a new soil
moisture time series specifically designed for investigating environmental changes in
boreal and subarctic regions. - To better characterise high-latitude wetlands using multi-sensor satellite observations
- To improve the quality of SMOS satellite data at high latitudes by fusing passive and active L-band observations
- To study changes in soil moisture in boreal and subarctic regions in order to better understand the impacts of climate change on the hydrological functioning of high-latitude ecosystems. This thesis relies on
· remote sensing data, passive microwave observations from the SMOS satellite;
· radar measurements (L band L) from NISAR mission ;
· radar measurements (C band) from Sentinel-1 mission ;
· global data of land cover classes and fraction of open water ;
· in situ data
Les développements méthodologiques s'appuieront :
- sur les modèles d'émission micro-onde existants, en particulier LMEB,
- ainsi que sur des approches de fusion de données multi-capteurs comme des algorithmes d'intelligence artificielle.

Étudiant.e ayant validé un niveau Bac +5 en physique, géosciences, sciences de l'environnement (universitaire ou écoles d'ingénieurs) avec un excellent dossier académique. Compétences en Python, R ou Matlab attendues, avec une appétence pour la télédétection et les milieux naturels. Des connaissances en machine learning/deep learning seraient un plus. L'étudiant devra pouvoir lire et rédiger facilement des documents scientifiques en anglais (niveau d'anglais requis : C1). Le candidat doit être autonome, motivé.e tout en sachant travailler en équipe.

Application link : https://edd-projets.utoulouse.fr/

• Python
• Anglais
• Machine learning
• MATLAB