Élaboration d’un produit de l’humidité du sol en zone racinaire pour l’Inde, 1981–2024

Pourquoi l’eau cachée dans le sol compte

Pour des millions d’agriculteurs en Inde, une bonne récolte dépend d’une chose qu’ils ne voient pas directement : l’eau stockée sous leurs pieds. Cette eau cachée à la portée des racines maintient les cultures entre deux pluies, influence la façon dont les vagues de chaleur se ressentent et détermine si une période sèche se transforme en sécheresse dévastatrice. Jusqu’à présent, l’Inde ne disposait pas d’un enregistrement long et détaillé de cette humidité souterraine. L’étude décrite ici comble cette lacune en créant une carte quotidienne de l’humidité du sol en zone racinaire pour l’ensemble de l’Inde de 1981 à 2024, ouvrant de nouvelles possibilités pour une agriculture plus intelligente, de meilleurs avertissements de sécheresse et une vision plus claire des changements climatiques sur les terres.

Regarder sous la surface

La plupart des missions satellites ne détectent que l’humidité proche de la surface du sol, à quelques centimètres de profondeur — trop peu pour refléter ce que vivent réellement les racines des plantes. Ces séries satellitaires ne couvrent en outre qu’environ une décennie, ce qui complique l’analyse des tendances à long terme. Parallèlement, les modèles informatiques qui simulent le mouvement de l’eau dans le sol et les rivières peuvent fonctionner sur plusieurs décennies, mais ils manquent souvent de détails locaux et peuvent sous-estimer la quantité réelle d’eau dans le sol, notamment dans les zones fortement irriguées, aux terrains complexes ou à la végétation dense. Les chercheurs ont cherché à combiner les points forts des deux approches pour reconstruire l’humidité de la zone racinaire (jusqu’à un mètre) à travers l’Inde sur plus de quatre décennies.

Mêler satellites, modèles et météorologie

L’équipe a commencé par un jeu de données météorologiques à haute résolution pour l’Inde, incluant les précipitations et la température quotidiennes, corrigées pour correspondre aux observations au sol. Ils ont injecté ces données dans un modèle détaillé de surface terrestre et d’écoulement fluvial appelé H08, qui simule l’écoulement, l’infiltration dans le sol et le retour de l’eau vers l’atmosphère par évaporation et transpiration des plantes. Cela a produit des séries quotidiennes longues d’écoulement, d’évapotranspiration et d’humidité du sol pour chaque cellule de grille de 0,05° — soit quelques kilomètres de côté — sur les principaux bassins fluviaux de l’Inde. Toutefois, si le modèle reproduisait bien les variations temporelles, il avait tendance à sous-estimer la quantité d’eau stockée dans le sol, en particulier dans les régions plus humides. Pour corriger cela, les chercheurs ont utilisé l’humidité du sol en zone racinaire d’un produit satellite de la NASA (SMAP Level 4), disponible depuis 2015, comme référence fiable.

Apprendre à un modèle à penser comme un satellite

Pour combler l’écart entre les observations satellitaires à court terme et les sorties de modèle à long terme, les scientifiques ont eu recours à l’apprentissage automatique. Pour chaque cellule de grille en Inde, ils ont entraîné un modèle Random Forest — un type d’ensemble d’arbres de décision — afin d’apprendre la relation entre quatre entrées et l’humidité du sol en zone racinaire issue du satellite : humidité du sol modélisée, évapotranspiration modélisée, précipitations de la semaine précédente et température de l’air quotidienne. En se concentrant sur chaque grille séparément, la méthode a préservé les différences locales de climat, de sols et d’usage des terres. Une fois entraîné sur la période 2016–2024, le système d’apprentissage automatique a servi à « rétro-prédire » l’humidité quotidienne du sol jusqu’en 1981, générant un enregistrement continu de 44 ans à la fois physiquement cohérent et ajusté pour correspondre à ce que le satellite aurait observé.

Vérifier la nouvelle carte par rapport à la réalité

Une telle reconstruction n’est utile que si elle correspond au comportement réel, aussi l’équipe a-t-elle testé rigoureusement son produit. D’abord, ils ont vérifié dans quelle mesure le modèle H08 reproduisait les débits fluviaux et l’évaporation mesurés par des satellites, trouvant un accord généralement bon sur des centaines de stations de jaugeage. Ensuite, ils ont évalué l’humidité du sol issue de l’apprentissage automatique par rapport à SMAP lui-même : dans la majeure partie de l’Inde, le nouveau produit suivait très bien le satellite, avec de faibles erreurs et de fortes corrélations. Sur un site d’essai équipé de capteurs enterrés à plusieurs profondeurs, l’humidité reconstituée de la zone racinaire correspondait aux observations avec une grande précision, malgré la différence entre une mesure ponctuelle et une grande cellule de grille. Enfin, ils ont comparé les anomalies d’humidité du sol pendant deux années de sécheresse célèbres, 2002 et 2009, avec des mesures satellitaires indépendantes de l’activité végétale (fluorescence chlorophyllienne induite par le soleil). Les motifs de sécheresse dans le sol et la végétation concordaient bien, montrant que le nouvel ensemble de données capte la façon dont les cultures et la végétation naturelle réagissent au stress hydrique.

Ce que cela signifie pour les agriculteurs et les planificateurs

Le résultat final est une carte publique, quotidienne et en grille, de la quantité d’eau stockée dans le mètre supérieur du sol à travers l’Inde de 1981 à 2024. Pour les non-spécialistes, cela signifie une nouvelle base pour répondre à des questions pratiques : à quel point la sécheresse de cette année est-elle inhabituelle par rapport aux décennies passées ? Quels districts sont les plus vulnérables aux pertes de récolte lors de moussons faibles ? Comment l’irrigation et l’évolution des précipitations ont-elles façonné l’eau souterraine au fil du temps ? Bien que les auteurs mettent en garde que les données sont moins fiables dans les montagnes enneigées et certaines zones fortement irriguées, ils soulignent que cet enregistrement long et détaillé peut déjà soutenir un meilleur suivi des sécheresses, des modèles de cultures et d’eau plus réalistes, et des politiques mieux informées pour la sécurité alimentaire et hydrique dans un monde qui se réchauffe.

Citation: Chuphal, D.S., Abhishek, Kushwaha, A.P. et al. Development of Gridded Root-Zone Soil Moisture Product for India, 1981–2024. Sci Data 13, 560 (2026). https://doi.org/10.1038/s41597-026-06940-x

Mots-clés: humidité du sol, sécheresse, Inde, télédétection, agriculture