Innovatief gebruik van aardobservaties en landoppervlaktemodellering voor het traceren van de effecten van irrigatie op de terrestrische watercyclus

De vraag naar water blijft stijgen. Wereldwijd is het vooral de landbouw die grote hoeveelheden water vraagt om voedselproductie te garanderen. Bovendien dreigen de populatiegroei en klimaatveranderingen de waterbehoeften nog te versterken, waardoor efficiënte irrigatiesystemen steeds belangrijker worden. De globale waterverdeling staat onder druk van zowel menselijke activiteiten (e.g. irrigatie) als van toenemende extreme natuurverschijnselen (e.g. droogtes), met lokaal een vermindering van watervoorraden in bijvoorbeeld het grondwater. Onze kennis over de impact van menselijke activiteiten is echter beperkt door het gebrek aan data (e.g. irrigatie referentie data) en de gebrekkige weergave van menselijke processen zoals irrigatie in landoppervlakte modellen (LM). Dit gebrek aan inzicht vormt een bedreiging voor water en voedselveiligheid, omdat we zonder dit inzicht droogtes niet goed kunnen voorspellen en opvolgen, en watervoorraden niet goed kunnen beheren.

Deze thesis wil het nut van nieuwe aardobservatie (AO) data bestuderen voor het karakteriseren van droogtes en het detecteren van veranderingen in de watercyclus door menselijke activiteiten, zoals irrigatie. Deze data kunnen dan vervolgens numerieke modellen helpen om de watercyclus beter te simuleren. Dit onderzoek behandelt twee belangrijke onderzoeksvragen:

Wat is de toegevoegde waarde van recente AO data, i.e. satelliet-gebaseerd bodemvocht, voor het monitoren van droogtes, en wat is het potentieel van deze AO data vergeleken met LSM schattingen van bodemvocht voor gewas voorspellingen?

Kunnen hoge-resolutie AO data LMs helpen om menselijke activiteiten, zoals irrigatie, beter te schatten in de terrestrische watercyclus?

De eerste vraag (1) wordt in deze thesis beantwoord door lange-termijn satelliet data van bodemvocht te gebruiken voor de berekening van een gestandaardiseerde landbouwkundige droogte-index op een regionale schaal. Dit onderzoek verbindt droogte-indexen met gewasopbrengsten, via een vergelijking met veld data van gewassen. De resultaten tonen ook dat bodemvocht een limiterende factor is voor gewasproductie tijdens droogtes en dus effectief kan gebruikt worden in landbouwkundige droogte analyses. Daarnaast wordt aangetoond dat, vergeleken met in situ neerslag data en gemodelleerd bodemvocht, satelliet data bijkomende informatie bevatten over landbouw productiviteit en watergebruik. Satelliet schattingen van bodemvocht bevatten meer informatie over zowel watertekorten als menselijke invloeden op watervoorraden (e.g. irrigatie) dan modelsimulaties van bodemvocht (die geen menselijke activiteiten bevatten). Dit maakt de brug naar het tweede deel van dit onderzoek.

De tweede vraag (2) gaat in op de begroting van het watergebruik voor landbouw toepassingen. Hydrologische studies convergeren naar het idee dat modellen en satellietdata in synergie moeten gebruikt worden om irrigatie te detecteren en de hoeveelheden irrigatiewater te schatten. De parameterizatie van grootschalige LMs is momenteel niet toereikend om irrigatie nauwkeurig te schatten, omdat er geen dekkende informatie is over gewasrotaties, omdat er geen goede kaarten zijn waarop geïrrigeerde land fracties zijn aangeduid, of omdat er te weinig veld data zijn om het ogenblik van de toepassing en de hoeveelheid aan irrigatie te kalibreren. Satelliet data zijn direct beïnvloed door irrigatie en zouden dus mogelijk irrigatie kunnen detecteren. Het combineren van LMs en AO data via data assimilatie (DA) kan een optimale oplossing bieden om het watergebruik voor irrigatie te schatten op de gewenste ruimtelijke en temporele schaal. In dit onderzoek is een innovatief DA systeem opgezet om het potentieel van hoge-resolutie microgolf data van de Sentinel-1 satelliet te gebruiken voor irrigatie schatting. De aanname is dat de gezamenlijke toestandupdate van bodemvocht en vegetatie de irrigatie schatting van verbeteren na de opname van 1-km observaties van radar terugkaatsing. Dit is niet eerder beschreven in de literatuur. Een eerste stap in de ontwikkeling van het DA systeem is de koppeling van het LM met een radar terugkaatsing observatiemodel (observation operator). Hierbij is het belangrijk dat een ruwe schatting van irrigatie door het LM wordt gesimuleerd om grote persistente verschillen in terugkaatsingen van de satelliet data en model voorspellingen te beperken over intens geïrrigeerde gebieden. In een tweede stap worden de radar observaties geassimileerd in het LM, dat uitgerust is met een ruwe irrigatie simulatiemodule en een gekalibreerd terugkaatsing observatiemodel. De assimilatie van terugkaatsingobservaties in verschillende polarisaties is bestudeerd, en zowel verbeteringen als degradaties van schattingen voor bodemvocht, vegetatie en irrigatie zijn bekomen. De ruimtelijke en temporele schaal van de resultaten heeft een grote invloed op de interpretatie van de resultaten. Op de veldschaal zijn de resultaten het meest tegenstrijdig, wat een nood voor zeer hoge resolutie AO data en model parameters aangeeft. Deze studie toont bovenal aan dat er beperkingen zijn in de efficiëntie van het DA systeem door een gebrekkiger parameterizatie van de irrigatiemodule in LMs. De implementatie en input voor deze irrigatiemodules moet in de toekomst dus verbeteren.

Het onderzoek focust op twee gebieden met een belangrijke druk van menselijke activiteiten op de watercyclus. Het eerste deel van de thesis gaat over de Karnataka en Maharashtra staten in centraal India. Het tweede deel dekt geïrrigeerde gebieden met verschillende klimaten in Europa, i.e. de Po vallei in noord Italië en Niedersachsen in Duitsland.