L'utilisation d'images satellites pour l'agriculture
Par leur grande couverture géographique et les appareils scientifiques embarqués, les satellites sont bien adaptés à l'observation des cultures à large échelle. Par exemple, l'analyse de la lumière visible et des infrarouges réfléchis par les plantes permet de connaître leur stade de développement et de déceler d'éventuels stress. Facteur déterminant : l'accès à l'imagerie satellitaire est aujourd'hui démocratisé. Par exemple, les images des satellites de la constellation Sentinel-2 sont disponibles gratuitement pour tous et en temps réel.
Les enjeux de l'estimation de la gravité de jaunisse
Lorsque les symptômes de jaunisse sont déclarés, il est trop tard pour intervenir sur les pucerons. Toutefois, la quantification de la surface touchée est loin d'être inutile. Pour le projet SEPIM (Surveillance, Evaluation, Prévision, Interpolation et Mitigation des risques relatifs à la jaunisse de la betterave) du PNRI, les images satellites serviront tout d'abord à identifier, à l'échelle de la France entière, tout au long de la campagne, les parcelles de betteraves atteintes par la jaunisse ainsi que les gradients d'infestation. Ces données compléteront les mesures effectuées sur le terrain, et feront avancer les travaux de compréhension des facteurs déterminants de l'épidémie. Enfin, sous réserve de travaux complémentaires, la mesure précise de la surface parcellaire touchée et l'estimation de l'impact sur le rendement, pourront être utiles dans le cadre de démarches assurantielles.
Des premiers résultats prometteurs
.png)
Les diagrammes en boites représentent la distribution du paramètre modélisant la probabilité d’infection par la jaunisse. En accord avec les observations, le modèle prédit des probabilités plus importantes pour les parcelles atteintes et ce, aussi bien pour les données d’entraînement (couleur noire) que de validation (couleur rouge). Les cartes montrent les gravités observées et prédites de manière géographique (la taille des cercle est proportionnelle à la gravité). Cela permet de vérifier que le modèle arrive bien à prédire la variabilité spatiale de la maladie à large et à petite échelle et ne s’éloigne pas trop de la réalité terrain.
De nombreux indices de végétation issus de la littérature ont été calculés à partir des images satellites ciblant les parcelles observées sur le terrain. A l'instar du très classique NDVI (Normalized Difference Vegetation Index), ces indices sont calculés sur la base de formules développées pour refléter l'état d'une variable biophysique (biomasse, humidité, teneur en chlorophylle, ...). Différentes approches statistiques ont ensuite été testées afin d’identifier les indices les plus corrélés avec la notation de gravité réalisée sur la parcelle. Des améliorations ont été réalisées en associant, pour chaque parcelle, les indices calculés au niveau de la parcelle et des variables agrégeant les indices à différentes échelles spatiales autour de la parcelle cible, c’est-à-dire en prenant en compte des informations issues des parcelles plus ou moins proches. A ce jour, le R² est d'environ 0.6 ce qui témoigne d'une bonne qualité de modélisation. On note un bon pouvoir de discrimination entre parcelles sévèrement touchées et parcelles moins gravement touchées. Mais le travail continue et l’on peut espérer améliorer les performances de la reconstruction de l’état sanitaire des parcelles à partir des images satellitaires, et ce en exploitant la répétition dans le temps des observations des parcelles, en intégrant au jeu de données d’apprentissage des parcelles avec très peu de symptômes (observées avant l’interdiction des NNi) pour renforcer le pouvoir de discrimination entre parcelles indemnes et parcelles affectées par la jaunisse, ou encore en explorant l’utilisation de modélisation alternatives du lien entre observations de terrain et images satellites.
Cet article a été co-rédigé par Samuel Soubeyrand - INRAE
