Innovative Use of Earth Observation and Land Surface Modeling for Tracking the Effects of Irrigation on the Terrestrial Water Cycle

In recent years, human water needs have been steadily increasing and they are currently dominated by agricultural activities for food production worldwide. Furthermore, the increase in population and climatic change are expected to raise the current demand of water highlighting the necessity for more efficient irrigation systems. In this context, the combined effect of human pressure (i.e. irrigation) and the increase of extreme natural phenomena, such as drought events, has a strong impact on the global water budget with a local depletion of water resources, especially groundwater. However, our understanding of the impact of human activities on the water cycle is challenged by the lack of data (such as irrigation benchmark data) and by the difficulty of land surface models (LSM) to represent human processes like irrigation. These knowledge gaps affect water and food security, because they undermine both the ability to accurately monitor and forecast drought events, and the capacity to safely manage water resources. This thesis aims at shedding light on the utility of new earth observation (EO) data to characterize agricultural drought conditions and to detect water cycle modifications induced by anthropogenic activities like irrigation in order to help models to improve their ability to more realistically represent the terrestrial water cycle. Based on that, this research work tries to address two main important research questions: What is the added value of new EO data (i.e., satellite-based soil moisture) in drought monitoring and to which extent are these data able to provide potential information on crop production with respect to LSMs? Can the new generation of high resolution EO data help LSMs to better represent the impact of human activities like irrigation on the terrestrial water cycle? To answer question (1) the activity focuses on the use of an innovative long-term record of satellite-based soil moisture for the development of a standardized agricultural drought index for a regional scale analysis. The novelty of this research is to establish the relation between drought indices and crop yields, through a comparison with a benchmark crop dataset, as well as to analyze the additional information contained in satellite observations about agricultural productivity and water uses as compared to ground-based rainfall and modeled soil moisture. The main findings highlight the crucial role of soil moisture in limiting the crop productivity during drought periods and consequently its key contribution for agricultural drought analysis. Another important aspect highlighted in the results is that satellite estimates of soil moisture contain added information about both water scarcity conditions and anthropogenic impacts on water resources (i.e., irrigation), compared to soil moisture estimates based on model simulations (which do not account for human-related processes). Those outcomes strongly link the agricultural drought analysis with the second part of this research. To answer question (2), the activity explicitly focuses on the quantification of the water used for agricultural purposes. Hydrological studies are converging on the synergistic use of models and satellite data to detect and quantify irrigation. The parameterization of irrigation in large-scale LSMs is improving but not sufficient by themselves to provide correct irrigation estimates, because they are still hampered by the lack of information about dynamic crop rotations, and by out-of-date maps of irrigated areas as well as unknown timing and amount of irrigation. On the other hand, satellite observations are directly affected by, and hence potentially able to detect, irrigation. Therefore, combining LSMs and satellite information through data assimilation (DA) can offer the optimal solution to quantify water used for irrigation at the desired spatio-temporal scale. This research aims at building an innovative and reliable DA system able to investigate the potential of high-resolution microwave EO data from the Sentinel-1 mission to improve irrigation quantification. The main assumption is that the joint update of soil moisture and vegetation model states, through the ingestion of 1-km radar backscatter, can improve irrigation estimation. This is a topic which was not investigated in previous literature. In this context, the optimization of a coupled system comprising a LSM and a backscatter observation operator, is firstly investigated. Results highlight the importance of equipping the LSM with an irrigation scheme to avoid strong biases between satellite observations and backscatter model predictions over intensively irrigated areas, where anthropogenic activities cannot be neglected. Secondly, backscatter observations are assimilated in the calibrated DA system, taking into account the effects of different backscatter polarizations. DA introduces both improvements and degradations in soil moisture, vegetation and irrigation estimates. The spatial and temporal scale of the results have a large impact on the analysis and more contradicting results are found for an analysis at the plot scale, which highlights the need for very high-spatial resolution EO data and model parameterizations. Above all, this study sheds light on the limitations resulting from poorly-parameterized irrigation schemes included in LSMs which prevents large improvements in the irrigation simulation due to DA and points out on future implementations and input developments needed to improve LSM estimates of hydrological variables. The research activities focus on regions characterized by a significant human pressure on the terrestrial water cycle. The first part includes the Karnataka and Maharashtra states, located in central India, whereas the second part includes irrigated areas with a different climate in Europe, i.e. Po Valley, in northern Italy, and Niedersachsen in Germany. Il fabbisogno idrico è in costante aumento e attualmente dominato dalle attività agricole finalizzate alla produzione di cibo a scala globale. Si prevede inoltre che l'aumento della popolazione globale in condizioni di cambiamento climatico aumenterà l'attuale prelievo di acqua mettendo in evidenza la necessità di sistemi di irrigazione più efficienti. Il forte impatto dell'irrigazione sul bilancio idrico globale è evidenziato anche da un generale esaurimento delle risorse idriche a larga scala, soprattutto per quel che riguarda le acque di falda. La riduzione delle risorse idriche è il risultato dell'effetto combinato dell'attività antropica e del cambiamento climatico. Tuttavia, la capacità di quantificare l'impatto umano, ed in particolare l'impatto delle pratiche agricole, sul ciclo idrologico è limitata dalla mancanza di dati osservati (principalmente dati di irrigazione) e dalla difficoltà che i modelli di superficie terrestre (LSM) hanno nel rappresentare pratiche antropiche. Queste limitazioni hanno un impatto significativo sulla sicurezza idrica e alimentare, minando la capacità di monitorare e prevedere eventi di siccità, così come la capacità di gestire in sicurezza la risorsa idrica. Questa tesi mira a far luce sull'utilità di innovativi dati satellitari di rilevamento da remoto per caratterizzare la siccità agricola e per quantificare cambiamenti del ciclo idrologico indotti da attività antropiche, in particolare l'irrigazione, al fine di aiutare i modelli a migliorare la loro capacità di rappresentare più realisticamente il ciclo idrologico terrestre. Sulla base di ciò, l'attività di ricerca affronta due importanti tematiche: Qual è il valore aggiunto di dati satellitari di ultima generazione (nello specifico l'umidità del suolo da satellite) nel monitoraggio della siccità e in che misura questi dati sono in grado di fornire informazioni potenziali sulla produttività delle colture rispetto ai dati ottenuti da LSM? Dati satellitari ad alta risoluzione possono aiutare a rappresentare l'impatto delle attività umane sul ciclo idrologico terrestre nei LSM? Per rispondere alla domanda (1) un innovativo dataset di umidità del suolo da satellite a lungo termine è stato selezionato per lo sviluppo di un indice standardizzato di siccità agricola da utilizzare in un'analisi a scala regionale. L'aspetto innovativo di questa ricerca è quello di stabilire la relazione tra indici di siccità agricola e dati di raccolto, nonché di analizzare le informazioni aggiuntive contenute nelle osservazioni satellitari riguardo la produttività agricola e l'uso antropico di acqua, rispetto a dati in situ di precipitazione e all'umidità del suolo modellata. I risultati principali evidenziano il ruolo cruciale dell'umidità del suolo nel limitare la produttività delle colture durante i periodi siccitosi e di conseguenza il contributo chiave di questa variabile climatica per l'analisi della siccità agricola. Un altro aspetto importante che si evidenzia nei risultati è il grado di informazione contenuto nelle stime di umidità del suolo ottenute da dati satellitari, sia sulle condizioni di scarsità d'acqua che sull'impatto delle attività umane sul ciclo idrologico, rispetto alle stime di umidità del suolo modellato. Tali risultati collegano fortemente l'analisi della siccità agricola alla seconda parte di questa ricerca. Per rispondere alla domanda (2) l'attività si è concentrata esplicitamente sulla quantificazione della risorsa idrica utilizzata a scopo agricolo. Negli ultimi anni, gli studi idrologici stanno convergendo sull'uso sinergico di modelli e dati satellitari per rilevare e quantificare l'irrigazione. La parametrizzazione dell'irrigazione nei LSM su larga scala è migliorata nell'ultimo decennio, ma non è ancora sufficiente a fornire stime corrette di irrigazione, in quanto ostacolata dalla mancanza di informazioni aggiornate sulla rotazione annuale delle colture, aree irrigue e dal fatto che tempi e quantità di irrigazione sono essenzialmente sconosciuti. D'altra parte, le osservazioni satellitari sono direttamente influenzate dall'irrigazione e quindi potenzialmente in grado di rilevarla. Pertanto, l'assimilazione di tali dati (DA) all'interno di modelli può offrire la soluzione ottimale per quantificare l'acqua utilizzata a scopo irriguo alla scala spazio-temporale desiderata. Questa ricerca mira dunque a costruire un sistema di DA innovativo in grado di studiare il potenziale delle osservazioni satellitari alle microonde ad alta risoluzione della missione Sentinel-1 per migliorare la quantificazione dell'irrigazione. L'ipotesi principale è che aggiornando congiuntamente gli stati di umidità del suolo e vegetazione di un LSM, attraverso assimilazione di dati radar di retrodiffusione (backscatter) alla risoluzione di 1 km, possa migliorare l'irrigazione. Tale aspetto non è stato precedentemente analizzato in letteratura. Nell'ambito di questa attività è stato quindi sviluppato un sistema che accoppia un LSM ed un operatore di osservazione (observation operator) per l'assimilazione di dati di backscatter. I risultati evidenziano l'importanza di dotare il LSM anche di uno schema di irrigazione per ridurre significativamente il bias tra osservazioni satellitari e previsioni del modello su aree intensamente irrigate, dove le attività antropiche hanno un ruolo non trascurabile. Una volta calibrato il sistema, le osservazioni di backscatter sono state assimilate, tenendo conto dell'effetto delle diverse polarizzazioni del segnale osservato. L'assimilazione sembra introdurre sia miglioramenti che riduzione delle performance nelle stime di umidità del suolo, vegetazione ed irrigazione. È inoltre possibile osservare come la scala spaziale e temporale dell'analisi abbia un forte impatto sui risultati. In tal senso, l'attività fa luce su vantaggi e limitazioni derivanti dall'uso di schemi di irrigazione caratterizzati da una parametrizzazione semplice, mettendo in evidenza gli step futuri necessari per migliorare la stima di irrigazione e delle variabili idrologiche. L' attività di ricerca è stata svolta su due regioni caratterizzate da una significativa pressione umana sul ciclo idrologico. Nella prima parte si fa riferimento agli stati di Karnataka e Maharashtra, situati nell'India centrale, mentre la seconda parte della ricerca è stata realizzata su aree irrigate in Europa, caratterizzate da condizioni climatiche differenti, ovvero, la Valle del Po, nell'Italia settentrionale, ed il sito di Niedersachsen in Germania.