Réf ABG-135738
ADUM-69177 Sujet de Thèse
16/02/2026 Contrat doctoral
Université de ToulouseLieu de travail
TOULOUSE – Occitanie – FranceIntitulé du sujet
Suivi multi-capteurs des petits réservoirs agricoles tropicaux : Apport de la mission SWOT et caractérisation des incertitudes sur la surface en eau // Multi-sensor monitoring of small agricultural reservoirs in tropical regions: Contributions of the SWOTChamps scientifiques
- Terre, univers, espace
Mots clés
Hydrologie, Agriculture, Multi-capteur, incertitude, zones tropicales, petits réservoirs
Hydrology, Agriculture, Multi-sensor, Uncertainty, Tropical regions, Small reservoirs
Description du sujet
Les petits réservoirs agricoles constituent une composante clé des systèmes hydriques en zones tropicales semi-arides, où ils assurent le stockage de l’eau pour l’irrigation, l’abreuvement et la résilience face à la variabilité climatique. Bien que leur nombre soit estimé à plusieurs millions à l’échelle mondiale, leur suivi demeure limité en raison de leur petite taille, de leur forte dynamique saisonnière et de la diversité des contextes agro-hydrologiques. La quantification robuste de leur surface en eau et de son évolution temporelle représente pourtant un enjeu majeur pour la gestion durable des ressources en eau et la modélisation hydrologique régionale.
La mission satellitaire SWOT (Surface Water and Ocean Topography) offre une capacité inédite de mesure de l’élévation des surfaces en eau continentales. Toutefois, SWOT n’a pas été initialement conçue pour l’observation des petits réservoirs agricoles, dont les dimensions sont souvent proches ou inférieures aux seuils de résolution nominale de la mission. Si l’estimation directe des surfaces en eau par SWOT reste limitée, notamment en raison des effets de dark water, ses mesures altimétriques représentent une source d’information précieuse pour contraindre et évaluer les dynamiques hydrologiques de ces réservoirs.
Cette thèse vise à exploiter de manière conjointe les données SWOT, les surfaces en eau dérivées des capteurs optiques et radar à résolution décamétrique (Sentinel-2, Sentinel-1, et données commerciales le cas échéant), ainsi que des données bathymétriques à haute résolution disponibles au CESBIO pour plus de retenues collinaires. Ces bathymétries, obtenues par stéréoscopie Pléiades, permettront d’établir des relations surface–élévation–volume et de servir de référence pour des exercices de cross-calibration et de validation multi-capteurs.
Les travaux s’articuleront autour de trois axes principaux. Le premier consistera à analyser les performances respectives des produits SWOT et des surfaces en eau issues des données Sentinel dans des contextes tropicaux contrastés, en identifiant les facteurs contrôlant les erreurs et les limites d’utilisabilité. Le deuxième axe portera sur l’adaptation des algorithmes SWOT développés pour les grandes surfaces en eau, afin d’améliorer l’exploitation des mesures altimétriques sur de petits objets hydrologiques. Enfin, le troisième axe visera à développer un cadre méthodologique de propagation et de comparaison des incertitudes entre données optiques, radar et altimétriques, en intégrant explicitement les contraintes bathymétriques.
En combinant des observations multi-capteurs et des données de référence uniques, cette thèse contribuera à étendre l’exploitation scientifique de la mission SWOT au suivi des petits réservoirs agricoles, tout en fournissant des outils méthodologiques transférables pour le suivi opérationnel des surfaces en eau continentales dans les régions tropicales vulnérables.
————————————————————————————————————————————————————————
————————————————————————————————————————————————————————
Small agricultural reservoirs are a key component of water management systems in semi-arid tropical regions, where they provide essential water storage for irrigation, livestock, and climate resilience. Although their number is estimated in the millions worldwide, monitoring these reservoirs remains challenging due to their small size, strong seasonal variability, and the diversity of agro-hydrological contexts. Robust quantification of their water surface area and temporal dynamics is therefore crucial for sustainable water resource management and regional hydrological modeling.
The SWOT (Surface Water and Ocean Topography) satellite mission offers an unprecedented capability to measure the elevation of continental surface waters. However, SWOT was not originally designed to observe small agricultural reservoirs, whose dimensions often approach or fall below the nominal resolution thresholds of the mission. While direct estimation of water surface area from SWOT remains limited—particularly due to dark water effects—its altimetric measurements provide valuable constraints for analyzing reservoir dynamics and improving multi-sensor consistency.
This PhD aims to exploit SWOT data jointly with water surface area products derived from decametric-resolution optical and radar sensors (Sentinel-2 and Sentinel-1, and potentially commercial datasets), as well as high-resolution bathymetric data available at CESBIO for a large number of small reservoirs. These bathymetries, derived from Pléiades stereo imagery, enable the establishment of surface–elevation–volume relationships and provide a unique reference for cross-calibration and validation across multiple sensors.
The research is structured around three main objectives. First, it will assess the respective performances of SWOT altimetric products and Sentinel-derived water surface areas across contrasted tropical environments, identifying key drivers of uncertainty and usability thresholds. Second, it will focus on adapting SWOT downstream algorithms originally developed for large water bodies to improve the exploitation of altimetric measurements over small hydrological features. Third, the thesis will develop a methodological framework to analyze and propagate uncertainties across optical, radar, and altimetric observations, explicitly integrating bathymetric constraints.
By combining multi-sensor satellite observations with unique in situ–derived bathymetric datasets, this PhD will extend the scientific exploitation of the SWOT mission beyond its initial design scope and contribute transferable methodologies for large-scale monitoring of small agricultural reservoirs in vulnerable tropical regions.
————————————————————————————————————————————————————————
————————————————————————————————————————————————————————
Début de la thèse : 01/10/2026
WEB : https://journals.plos.org/water/article?id=10.1371/journal.pwat.0000260
Nature du financement
Contrat doctoral
Précisions sur le financement
Concours pour un contrat doctoral
Présentation établissement et labo d’accueil
Université de Toulouse
Etablissement délivrant le doctorat
Université de Toulouse
Ecole doctorale
173 SDU2E – Sciences de l’Univers, de l’Environnement et de l’Espace
Profil du candidat
Le ou la candidat(e) devra être titulaire d’un diplôme de niveau Master (ou équivalent) en télédétection, géomatique, hydrologie, sciences de la Terre, environnement ou disciplines connexes. Compétences requises: Solides bases en télédétection spatiale, en particulier sur les capteurs optiques et/ou radar. Connaissances en traitement et analyse d’images satellitaires multi-temporelles. Compétences en programmation scientifique (Python, R, ou équivalent) pour le traitement de données et le développement méthodologique. Intérêt pour les problématiques hydrologiques, la gestion des ressources en eau et les systèmes agricoles. Bonnes capacités de rédaction scientifique et de communication orale en français et en anglais. Compétences appréciées Familiarité avec les environnements de calcul scientifique (Linux, HPC). Sensibilité aux problématiques de science ouverte et de reproductibilité. Qualités personnelles Curiosité, Autonomie et rigueur scientifique. Capacité à travailler en équipe dans un environnement de recherche pluridisciplinaire. Motivation pour un projet de recherche appliqué à des enjeux environnementaux et sociétaux forts.
The candidate must hold a Master’s degree (or equivalent) in remote sensing, geomatics, hydrology, Earth sciences, environmental sciences, or a related field. Required skills: Strong background in satellite remote sensing, particularly optical and/or radar sensors. Knowledge of multi-temporal satellite image processing and analysis. Skills in scientific programming (Python, R, or matlab) for data processing and methodological development. Interest in hydrological issues, water resource management, and agricultural systems. Good scientific writing and oral communication skills in both English and French. Desirable skills: Familiarity with scientific computing environments (Linux, HPC). Awareness of open science and reproducibility practices. Personal qualities: Curiosity, autonomy, and scientific rigor. Ability to work in a multidisciplinary research environment. Strong motivation for a research project addressing environmental and societal challenges.
Date limite de candidature: 01/06/2026
