{"id":7291,"date":"2020-04-20T13:29:17","date_gmt":"2020-04-20T12:29:17","guid":{"rendered":"https:\/\/innovatione.eu\/2020\/04\/20\/indices-de-vegetation-dans-lagriculture-de-precision\/"},"modified":"2020-04-20T13:29:17","modified_gmt":"2020-04-20T12:29:17","slug":"indices-de-vegetation-dans-lagriculture-de-precision","status":"publish","type":"post","link":"https:\/\/innovatione.eu\/fr\/2020\/04\/20\/indices-de-vegetation-dans-lagriculture-de-precision\/","title":{"rendered":"INDICES DE V\u00c9G\u00c9TATION DANS L’AGRICULTURE DE PR\u00c9CISION"},"content":{"rendered":"

Introduction<\/strong><\/p>\n

Comme indiqu\u00e9 dans les publications pr\u00e9c\u00e9dentes, l’agriculture de pr\u00e9cision est actuellement tr\u00e8s en vogue. Cette m\u00e9thodologie permet de mesurer et de g\u00e9rer la variabilit\u00e9 des propri\u00e9t\u00e9s du sol, c’est-\u00e0-dire la variabilit\u00e9 spatiale, afin d’accro\u00eetre l’efficacit\u00e9 de la production et de r\u00e9duire l’impact environnemental. Pour cette raison, il est n\u00e9cessaire de d\u00e9finir deux concepts de grande importance, qui sont la variabilit\u00e9 spatiale, qui exprime les diff\u00e9rences de production dans un m\u00eame champ, \u00e0 la m\u00eame saison et \u00e0 la m\u00eame r\u00e9colte ; et la variabilit\u00e9 temporelle, qui se r\u00e9f\u00e8re aux changements de production dans un m\u00eame champ, mais \u00e0 des saisons de r\u00e9colte diff\u00e9rentes. Il est donc \u00e9tabli qu’elle correspond \u00e0 un ensemble de technologies qui permettent l’application variable d’intrants agricoles tels que les engrais ou les pesticides, en fonction des besoins et\/ou du potentiel productif des diff\u00e9rents secteurs de la parcelle, pr\u00e9alablement d\u00e9finis. Il ne s’agit pas seulement de mesurer cette variabilit\u00e9, mais aussi de mettre en \u0153uvre une s\u00e9rie de pratiques qui s’effectuent en fonction de cette variabilit\u00e9. L’observation de l’existence de la variabilit\u00e9 en ce qui concerne les propri\u00e9t\u00e9s ou les d\u00e9terminants de la production n’est pas nouvelle, mais la diff\u00e9rence r\u00e9side dans la capacit\u00e9 \u00e0 l’identifier, la quantifier et la cartographier.<\/p>\n

Cette m\u00e9thodologie peut \u00eatre divis\u00e9e en quatre phases : collecte des donn\u00e9es, traitement et interpr\u00e9tation des informations, prise de d\u00e9cision et action sur le terrain. Sur cette base, une s\u00e9rie de pratiques sont d\u00e9finies dans un cycle visant \u00e0 remplacer la recommandation habituelle, utilis\u00e9e dans l’agriculture traditionnelle, d’intrants bas\u00e9s sur des valeurs moyennes par une recommandation beaucoup plus pr\u00e9cise de gestion localis\u00e9e, qui tient compte des variations de rendement de toute la surface de l’exploitation. Cette combinaison optimise l’utilisation des intrants en d\u00e9posant dans le sol la quantit\u00e9 de semences que chaque point supporte, la quantit\u00e9 de nutriments n\u00e9cessaires et, en outre, la lutte contre les mauvaises herbes, les parasites et les maladies n’est effectu\u00e9e que l\u00e0 o\u00f9 il y a une r\u00e9elle demande de contr\u00f4le. Les pratiques de gestion localis\u00e9es ne sont pas seulement bas\u00e9es sur des cartes de productivit\u00e9 ou de fertilit\u00e9 des sols. Les d\u00e9cisions peuvent \u00eatre prises \u00e0 partir d’une base de donn\u00e9es ou d’informations obtenues au moment m\u00eame o\u00f9 les actions doivent \u00eatre men\u00e9es, gr\u00e2ce \u00e0 des capteurs en temps r\u00e9el.<\/p>\n

En r\u00e9sum\u00e9, l’adoption de l’agriculture de pr\u00e9cision, comprise comme un concept, est un outil \u00e0 fort potentiel pour rationaliser le syst\u00e8me de production agricole moderne, car elle optimise la quantit\u00e9 de produits agrochimiques appliqu\u00e9s aux sols et aux cultures, parmi de nombreux autres \u00e9l\u00e9ments, r\u00e9duisant les co\u00fbts de production, ainsi que les niveaux de pollution environnementale et am\u00e9liorant la qualit\u00e9 des r\u00e9coltes.<\/p>\n

Indices de v\u00e9g\u00e9tation<\/strong><\/p>\n

Comme leur nom l’indique, les indices de v\u00e9g\u00e9tation sont li\u00e9s \u00e0 l’\u00e9tude du couvert v\u00e9g\u00e9tal, qui constitue l’un des premiers axes de recherche dans le cadre de l’\u00e9valuation et de la gestion des ressources naturelles par l’application des techniques de t\u00e9l\u00e9d\u00e9tection, qui \u00e9taient \u00e0 l’\u00e9poque des images satellites obtenues \u00e0 partir du lancement de la s\u00e9rie LANDSAT. Ils sont li\u00e9s \u00e0 un ensemble d’op\u00e9rations alg\u00e9briques, qui sont effectu\u00e9es sur les valeurs num\u00e9riques des diff\u00e9rents pixels, en utilisant deux ou plusieurs bandes appartenant au m\u00eame point. Ils peuvent \u00eatre d\u00e9finis comme le param\u00e8tre obtenu \u00e0 la suite de la combinaison de deux ou plusieurs valeurs de r\u00e9flectance \u00e0 diff\u00e9rentes longueurs d’onde, avec lequel une caract\u00e9ristique sp\u00e9cifique de la culture peut \u00eatre mise en \u00e9vidence, comme l’estimation de la perte de constituants biochimiques de la chlorophylle ou de l’eau ou la d\u00e9tection de changements dans les pigments foliaires ou dans la fluorescence de la chlorophylle. Il est \u00e9tabli que l’indice id\u00e9al est sensible au couvert v\u00e9g\u00e9tal, insensible \u00e0 la luminosit\u00e9 et \u00e0 la couleur du sol et peu affect\u00e9 par les perturbations atmosph\u00e9riques, les facteurs environnementaux et les g\u00e9om\u00e9tries d’\u00e9clairement et d’observation.<\/p>\n

En r\u00e8gle g\u00e9n\u00e9rale, des valeurs d’indice faibles indiquent que la v\u00e9g\u00e9tation de la zone d’\u00e9tude n’est pas tr\u00e8s vigoureuse, tandis que des valeurs plus \u00e9lev\u00e9es indiquent une vigueur \u00e9lev\u00e9e. Ce n’est pas vrai pour tous les indices, puisque dans certains cas, comme les indices RVI et NRVI, qui seront discut\u00e9s plus loin, la valeur de l’indice est inversement proportionnelle \u00e0 la quantit\u00e9 de v\u00e9g\u00e9tation pr\u00e9sente.<\/p>\n

Les indices peuvent \u00eatre class\u00e9s en deux cat\u00e9gories : ceux bas\u00e9s sur la pente et ceux bas\u00e9s sur la distance. Les premiers sont ceux qui utilisent le rapport de la r\u00e9flectance d’une bande \u00e0 l’autre, correspondant g\u00e9n\u00e9ralement au rouge et au proche infrarouge, en raison du contraste \u00e9lev\u00e9 de la r\u00e9flectance de la chlorophylle dans ces deux bandes. Le terme \u00ab\u00a0bas\u00e9 sur la pente\u00a0\u00bb fait r\u00e9f\u00e9rence au fait que, lors de l’analyse des valeurs d’indice r\u00e9sultantes, les pentes des lignes passant par l’origine et les pixels trac\u00e9s sur un graphique sont essentiellement compar\u00e9es, la r\u00e9flectance d’une bande \u00e9tant situ\u00e9e sur l’axe des X et la r\u00e9flectance de l’autre sur l’axe des Y. Dans les indices bas\u00e9s sur la distance, les valeurs de r\u00e9flectance enregistr\u00e9es par les capteurs s\u00e9lectionn\u00e9s sont obtenues \u00e0 partir d’une r\u00e9flectance moyenne de toutes les couvertures situ\u00e9es dans le m\u00eame pixel. Puisqu’ils tentent de s\u00e9parer les informations entre la v\u00e9g\u00e9tation et le sol, on peut \u00e9tablir qu’ils sont bas\u00e9s sur l’utilisation d’une ligne de base et les distances par rapport \u00e0 celle-ci. Le nom de ligne de sol fait r\u00e9f\u00e9rence \u00e0 une \u00e9quation lin\u00e9aire qui d\u00e9crit la relation entre les valeurs de r\u00e9flectance de la bande rouge et du proche infrarouge pour les pixels repr\u00e9sentant le sol. Cette ligne est g\u00e9n\u00e9r\u00e9e en ajustant une r\u00e9gression lin\u00e9aire entre la bande rouge et le proche IR pour un \u00e9chantillon de pixels de sol exempts de tout type de v\u00e9g\u00e9tation. On peut \u00e9galement le faire en g\u00e9n\u00e9rant une carte de dispersion entre la bande IR, situ\u00e9e sur l’axe des Y, et la bande rouge, repr\u00e9sent\u00e9e sur l’axe des X, et en tra\u00e7ant la ligne qui correspond le mieux \u00e0 la base des points du graphique. En proc\u00e9dant ainsi, on peut obtenir la pente et la distance \u00e0 l’origine. Une fois cette relation obtenue, tous les pixels inconnus qui pr\u00e9sentent la m\u00eame relation entre les valeurs de r\u00e9flectance sont suppos\u00e9s \u00eatre des sols nus. Au contraire, celles qui sont \u00e9loign\u00e9es de la ligne de sol et qui ont une r\u00e9ponse de r\u00e9flectance plus \u00e9lev\u00e9e (proche infrarouge) sont consid\u00e9r\u00e9es comme de la v\u00e9g\u00e9tation. Les plans d’eau sont observ\u00e9s comme ayant une r\u00e9flectance rouge plus \u00e9lev\u00e9e.<\/p>\n

Parmi ceux-ci, les plus repr\u00e9sentatifs, c’est-\u00e0-dire les plus utilis\u00e9s en agriculture de pr\u00e9cision, sont pr\u00e9sent\u00e9s ci-dessous.<\/p>\n