La classification et l’identification des cultures par la télédétection

RAPPORT DE RECHERCHE La classification et l’identification des cultures par la télédétection

Module « télédétection optique »

Filière Géoinformation

Faculté des sciences et techniques Tanger

07-06-2015

Réalisé par : DICHRI Omaima & ELASRI Abdessadek.

Demandé par : Mme.wahbi.

1 |Télédétection optique G é o i n f o r m a t i o n 2 è m e a n n é e

Sommaire

Introduction .................................................................... 2

spécification de la végétation ......................................... 3

Suivi de l'état des cultures .............................................. 8

Estimation des rendements agricoles ........................... 16

La télédétection pour reconnaître les cultures ............. 19

conclusion ..................................................................... 23


Introduction

Une grande partie de notre alimentation est assurée par les produits issus de l'agriculture. La production de denrées alimentaires de qualité et en quantité suffisante est essentielle pour le bien-être des gens partout dans le monde. Les plantes cultivées, tout comme les êtres vivants, ont besoin d'eau et de nutriments pour croître. Elles sont également sensibles aux phénomènes météorologiques extrêmes, aux maladies et aux prédateurs. La télédétection peut fournir des données très utiles pour identifier et surveiller les cultures. Quand ces données sont organisées avec d'autres types de données dans un Système d'Information Géographique (SIG), elles deviennent un outil puissant d'aide à la décision pour tout ce qui touche aux cultures et aux pratiques culturales.

Qui a besoin de télédétection en agriculture ? Les gouvernements peuvent utiliser des données satellitaires pour prendre des décisions importantes à propos des politiques agricoles qu'ils vont adopter ou pour résoudre les crises ou les problèmes agricoles nationaux. Les fermiers peuvent aussi récolter de nombreuses informations utiles par le biais d'images d'observation de la Terre. Ils peuvent ainsi mieux gérer leurs propres cultures, mieux suivre l'état de santé de leurs plantes et mieux réagir en cas de problème. Dans cette recherche, nous t'invitons à apprendre :

comment la végétation interagit avec le spectre électromagnétique

comment traiter les images satellitaires pour qu'elles fournissent de l'information sur les cultures.

comment identifier des problèmes de cultures grâce à la télédétection.

comment combiner télédétection et SIG.


Spécification de la végétation

a) La signature spectrale de la végétation.

La végétation couvre une énorme portion de la surface émergée de la Terre. Ses rôles dans la régulation de la température globale, dans l'absorption de CO2 et dans d'autres fonctions importantes en font un type de couvert du sol particulièrement important et intéressant. La télédétection profite de la manière particulière dont la végétation réfléchit le rayonnement électromagnétique incident pour obtenir de l'information sur la végétation.

Structure cellulaire d'une feuille et son interaction avec le rayonnement électromagnétique. La plus grande partie de la lumière visible est absorbée, tandis que presque la moitié du

rayonnement proche infrarouge est réfléchi. On trouve deux couches de cellules différentes sous l'épiderme supérieur (la fine couche de cellules qui forme la surface de la feuille). La couche supérieure est le parenchyme palissadique constitué de cellules allongées disposées les unes à côté des autres dans le sens vertical. Dans cette couche se trouve la plupart de la chlorophylle, une protéine qui va capter l'énergie solaire pour alimenter le processus de la photosynthèse. La couche inférieure est le parenchyme lacuneux (ou spongieux) constitué de cellules à formes irrégulières et d'espaces vides qui favorisent la circulation des gaz. En plus de la chlorophylle, le parenchyme palissadique

contient d'autres pigments comme les caroténoïdes, les anthocyanes et d'autres. Ces pigments absorbent aussi la lumière. Grâce à eux la plupart de la partie visible du rayonnement électromagnétique est absorbée, surtout dans les régions bleue et rouge. L'absorption dans le vert est légèrement moins forte, ce qui explique que la végétation nous apparaisse verte. En conséquence, il y a très peu d'énergie visible qui échappe au parenchyme palissadique et qui est réfléchie vers le ciel. D'autre part, la lumière proche infrarouge n'est pas affectée par ces pigments et pénètre presque complètement au travers du parenchyme palissadique. Arrivée dans le parenchyme lacuneux, la présence de cavités remplies d'air provoque une réfraction de ce rayonnement dans toutes les directions. Au total, environ la moitié du rayonnement proche infrarouge ressort de la feuille par l'épiderme inférieur et l'autre moitié par l'épiderme supérieur, vers le ciel. Les capteurs qui enregistrent l'énergie réfléchie dans les régions du visible et du proche infrarouge du spectre vont donc capter un signal très faible dans les régions du bleu et du rouge, un signal un peu plus important dans le vert et un signal fort dans le proche infrarouge. Si on représente la force du signal dans chacune de ces régions, on obtient le graphe suivant:


Signature spectrale de la végétation. La végétation a une faible réflectance dans le visible et une réflectance élevée dans le proche infrarouge.

b) Indices de végétation

Le 'red edge'. Les régions rouge et proche infrarouge du spectre électromagnétique sont adjacentes (le rouge se situe approximativement entre 600 et 700 nm de longueur d'onde et le proche infrarouge commence à 700 nm et s'étire jusqu'à 1200 nm de longueur d'onde). La faible réflectance de la végétation dans le rouge est donc immédiatement suivie par une augmentation importante de la réflectance dans le proche infrarouge. Cette brusque augmentation de la réflectance entre 690 et 730 nm de longueur d'onde est appelée le 'red edge' (littéralement: le bord rouge).

Déplacement du 'red edge' causé par une modification de la concentration en chlorophylle. Une concentration élevée en chlorophylle augmente l'absorption dans la région rouge et déplace le 'red edge' vers les plus grandes longueurs d'ondes. L'image ci-contre montre les réflectances de trois canopées de plantes similaires. Leur seule différence est leur concentration en chlorophylle. Les courbes rouge, jaune et verte proviennent

respectivement de plantes à faible, moyenne et haute concentration en chlorophylle. Quand la concentration en chlorophylle augmente, l'absorption dans la région rouge du spectre augmente aussi, ce qui génère une plus faible réflectance. En supplément, le puits d'absorption (la région du spectre où on note de l'absorption) s'élargit. Cela provoque le déplacement du 'red edge' vers les plus grandes longueurs d'ondes (vers le proche infrarouge) et lui donne une pente moins abrupte. Evolution des indices de végétation. La plupart des indices de végétation sont basés sur la différence de réflectance dans le visible et dans le proche infrarouge. Comme la chlorophylle se trouve dans toutes les plantes et qu'elle a une absorption caractéristique dans le rouge, c'est souvent cette partie de la région visible du spectre qui est choisie, plutôt que d'utiliser toute la région visible. L'indice de végétation par différence normalisée (NDVI) La première fois que les réflectances dans le rouge et dans le proche infrarouge ('near-infrared', NIR) ont été combinées, c'était pour mesurer l'indice de surface foliaire ('Leaf Area Index', LAI) dans les canopées forestières (Jordan, 1969). Ce premier indice utilisait le rapport PIR/rouge et fut appliqué plus


tard à des données Landsat/MSS de la NASA. Des études ultérieures ont montré que la version normalisée de ce rapport était plus performante dans certains cas, et l'indice de végétation par différence normalisée ('Normalised Difference Vegetation Index', NDVI) fut peu à peu introduit. Cet indice est le rapport de la différence entre la réflectance dans le proche infrarouge et dans le rouge, sur la somme des deux. Sa valeur varie entre -1 (pas de végétation) et +1 (végétation abondante). NDVI = (NIR - Rouge) / (NIR + Rouge) Le NDVI peut être corrélé à de nombreuses propriétés des plantes. Il a été, et est encore aujourd'hui, utilisé pour caractériser l'état de santé des plantes, pour repérer les changements phénologiques, pour estimer la biomasse verte et les rendements et dans bien d'autres applications. Cependant, le NDVI possède aussi certaines faiblesses. Les conditions atmosphériques et les fines couches nuageuses peuvent influencer le calcul du NDVI à partir de données satellitaires. Quand la couverture végétale est faible, tout ce qui se trouve sous la canopée influence le signal de réflectance qui sera enregistré. Il peut s'agir de sol nu, de litière végétale ou d'un autre type de végétation. Chacun de ces types de couvert du sol aura sa propre signature spectrale, différente de celle de la végétation qu'on souhaite étudier. Voyons ce à quoi ressemble le NDVI calculé à partir d'une image satellitaire. Cette image de la région du nord-Ouest du Péloponnèse (en Grèce) fut acquise par l'instrument Landsat TM avec une résolution

spatiale de 30 m. L'image en couleurs naturelles (Rouge-Vert-Bleu), la composition 'infrarouge fausses couleurs' (PIR-Rouge-Vert) et l'image correspondant à l'indice de végétation par différence normalisée de parcelles agricoles du Nord-Ouest du Péloponnèse en Grèce, sur base de données Landsat TM.

L'image de gauche est une composition en vraies couleurs (les bandes rouge, verte et

bleue du capteur sont associées aux couleurs rouge, verte et bleue de l'écran). Les champs cultivés apparaissent donc en vert. Les nuances de vert diffèrent selon les champs et indiquent qu'il s'agit de cultures différentes ou de cultures à différents stades de croissance. Les sols nus apparaissent en brun. L'image du milieu est une composition 'infrarouge fausses couleurs' (les bandes proche infrarouge, rouge et verte du capteur sont associées aux couleurs rouge, verte et bleue de l'écran). Ici, la végétation est représentée par des hautes valeurs dans le proche infrarouge, qui apparaît en rouge sur l'image. Les sols nus apparaissent en cyan, parce qu'ils ne possèdent pas de végétation qui leur donnerait une couleur rouge à l'écran. L'image de droite est le calcul du NDVI pour chaque pixel de l'image. Les pixels sombres indiquent un faible NDVI, les pixels clairs un NDVI élevé et les pixels gris sont synonymes de NDVI moyens. L'indice de teneur en eau par différence normalisée (NDWI). Suivant le même principe que le NDVI, l'indice de teneur en eau par différence normalisée ('Normalised Difference Water Index', NDWI) utilise la bande proche infrarouge et une bande de l'infrarouge à courtes longueurs d'onde ('short-wave infrared', SWIR) (Gao, 1996). Au lieu de la bande rouge, où la réflectance est affectée par la chlorophylle, le NDWI utilise une bande de l'infrarouge à courtes longueurs d'onde (entre 1500 et 1750 nm), où l'eau possède un pic d'absorption. La bande du proche infrarouge ('near-infrared', NIR) est la même que celle du NDVI car l'eau n'absorbe pas dans cette région du spectre électromagnétique. NDWI = (NIR - SWIR) / (NIR + SWIR). Voyons ce à quoi ressemble le NDWI calculé à partir de la même image satellitaire Nord-Ouest du Péloponnèse:


L'image en couleurs naturelles (Rouge-Vert-Bleu), la composition 'infrarouge fausses couleurs' (PIR-Rouge-Vert) et l'image correspondant à l'indice de teneur en eau par différence normalisée de parcelles agricoles du Nord-Ouest du Péloponnèse en Grèce, sur base de données Landsat TM.

L'image en noir et blanc, à droite, correspond au calcul du NDWI pour chaque pixel de l'image. Comme avec l'image du NDVI, les pixels sombres

correspondent aux valeurs les plus faibles et les pixels clairs aux valeurs les plus élevées. Il faut remarquer que la mer (dans le coin gauche de l'image) a des valeurs élevées alors que pour le NDVI elle apparaissait en tons sombres. On peut constater que les parcelles agricoles ont toutes des valeurs élevées de NDWI, ce qui suggère qu'elles sont correctement irriguées. Les champs non cultivés (sols nus) apparaissent en noir, ce qui indique qu'ils sont les plus secs puisqu'ils ne reçoivent pas d'irrigation. La droite du sol Les sols nus possèdent une signature spectrale spécifique qui permet de les distinguer des autres types d'occupation du sol. Dans la région visible et proche infrarouge, la réflectance augmente proportionnellement avec la longueur d'onde. Mais le taux d'augmentation dépend de nombreux facteurs. La texture et la structure du sol influencent la réflexion (qui peut être diffuse ou lambertienne). Les sols qui ont une teneur en eau et en matière organique élevées absorbent plus et auront une réflectance générale plus faible. Néanmoins, la relation entre la réflectance dans le rouge et dans l'infrarouge est relativement constante pour un type de sol donné. Si on collecte de nombreuses mesures spectrales d'un même sol, à différents taux d'humidité, et qu'on représente sur un graphe la réflectance dans le rouge et dans le proche infrarouge de chaque mesure, on obtient ce type de graphe:

Exemple d'une droite de sol entre réflectance dans le rouge et dans le proche

infrarouge. La réflectance dans le rouge et dans le proche infrarouge varient de manière proportionnelle lorsque la teneur en eau change. Ces deux paramètres sont donc corrélés et ils ont une relation linéaire. Cela signifie que quand l'un varie, l'autre variera en fonction de la relation qui les lie. La ligne qui décrit cette relation est appelée la droite du sol ('soil line'), elle est caractéristique à chaque sol.

Les indices de végétation qui prennent le sol en considération


L'indice de végétation perpendiculaire ('Perpendicular Vegetation Index', PVI) de Richardson et Wiegand (1977) utilisait les bandes rouges et infrarouges pour calculer la distance perpendiculaire entre un point de végétation sur le nuage de points d'un graphe NIR/Rouge et la droite du sol. Comme la végétation possède une plus grande réflectance dans le proche infrarouge et une plus faible réflectance dans le rouge comparée au sol, un point de végétation sera dans le coin supérieur gauche du nuage de points. A mesure que la végétation augmente en densité, le point de végétation bougerait vers le coin supérieur droit, en s'éloignant de la droite du sol. La faiblesse de l'indice de végétation perpendiculaire réside dans la supposition qu'il n'y a qu'un seul type de sol sous la végétation. Ce n'est pas toujours le cas, deux types de sols peuvent coexister sur une petite surface, par exemple un mélange de sol et de roche. Huete (1988) proposa alors l'indice de végétation ajusté pour le sol ('Soil-Adjusted Vegetation Index', SAVI) pour résoudre ce problème. Le SAVI est un indice hybride entre le NDVI et le PVI. Sa formule ressemble au PVI: SAVI = ((NIR-Rouge) / (NIR+Rouge+L)) * (1+L). "L" est un facteur de correction dont la valeur dépend du couvert végétal. Pour un couvert végétal totalement fermé, il vaut zéro et le SAVI est alors équivalent au NDVI. Pour un couvert végétal très faible, il vaut 1. Huete (1988) suggéra que la valeur de 0.5 soit utilisée quand le type de couvert végétal était inconnu, puisque 0.5 représente un couvert végétal moyen. D'autres indices, comme l'indice de végétation ajusté pour le sol transformé ('Transformed Soil-Adjusted Vegetation Index', TSAVI; 1991) et l'indice de végétation ajusté pour le sol modifié ('Modified Soil-Adjusted Vegetation Index', MSAVI;1994) ont progressé dans la même voie en introduisant différents facteurs d'ajustement. Ces indices sont plus performants que le SAVI dans certains cas. D'autres indices de végétation plus spécifiques ont été également été proposés. Ils utilisent des données à haute résolution spectrale (c'est-à-dire des bandes très étroites du spectre) et s'intéressent particulièrement au contenu en chlorophylle et à la vigueur des plantes. Parmi eux, l'indice réflectance photochimique ('Photochemical Reflectance Index', PRI), l'indice du rapport pigment chlorophylle normalisé ('Normalised Pigment Chlorophyll Ratio Index', NPCI;1994) et l'indice de la teneur en chlorophylle de la canopée ('Canopy Chlorophyll Content Index', CCCI;2000).

Les indices de végétation réduisent l'information spectrale contenue dans certaines gammes de longueur d'onde à une valeur unique qui représente une propriété ou une caractéristique

particulière de la végétation. La plupart des indices combinent deux caractéristiques de la végétation: sa réflectance élevée dans le proche infrarouge (causée par la réfraction du rayonnement au niveau de la structure cellulaire des feuilles) et sa faible réflectance dans le rouge (causée par l'absorption chlorophyllienne). Dans les cas où la couverture végétale n'est pas complète, la contribution du sol sous-jacent à la réflectance totale doit être prise en compte. Certains indices de végétation ont été spécialement définis pour pouvoir traiter ces cas.


Suivi de l'état des cultures

1. Qu'est-ce qui stresse les plantes ?

a) Les facteurs qui affectent les signatures spectrales des cultures

Les végétaux ont une façon particulière de réfléchir le rayonnement électromagnétique. Cette caractéristique unique est appelée la 'signature spectrale' de la végétation. La réflectance de la végétation est très faible dans les régions bleue et rouge du spectre électromagnétique, légèrement plus élevée dans la région verte (c'est pourquoi nous voyons les végétaux en vert) et la plus haute dans le proche infrarouge (invisible à l'œil nu). Pour plus d'informations sur la signature spectrale de la végétation, voir la partie précédente !

Perte de chlorophylle dans une feuille (chlorose).

La croissance normale d'une plante est perturbée quand celle-ci traverse une période de stress. Le métabolisme d'une plante stressée ne fonctionne pas correctement pour différentes raisons. Lorsqu'une plante est stressée, elle présente généralement certains symptômes visibles mais aussi d'autres symptômes invisibles à l'œil nu. Les symptômes de stress peuvent apparaître chez toutes les plantes d'un champ ou seulement dans certaines portions et ce, en fonction de la cause (ou des causes) du stress. Exemple : Une invasion d'insectes commence à une extrémité d'un champ et va graduellement s'étendre sur tout le champ.

Par contre, un phénomène comme la compaction du sol peut seulement affecter une partie du champ et aura donc une influence uniquement sur les plantes poussant sur cette portion. Le stress peut être causé par de nombreux facteurs externes :

Manque d'eau (sécheresse).

Carence en nutriments.

Concentration élevée en composés chimiques dangereux (toxicité).

Acidité ou salinité extrêmes du sol.

Infections fongiques, bactériennes ou virales.

Attaques d'insectes ou d'autres organismes, sur les parties aériennes ou sur les racines de la plante.

Températures extrêmes (chaleur ou gel).

Asphyxie des racines ou manque de place pour le développement correct des racines (p.ex. sols argileux saturés en eau ou sols compactés).

Manque de lumière.

Dégâts structurels causés par les conditions météos (vent, neige, glace).

Compétition avec d'autres plantes pour l'accès à la lumière, aux nutriments, à l'eau ou à l'espace de croissance.


b) Quand les champignons attaquent.

Dans la photo ci-dessous, certaines portions des feuilles de soja ont été infectées par le champignon Phakospora (rouille du soja). Les parties infectées sont devenues jaunes, parce que la chlorophylle a été détruite à ces endroits. Le champignon attaque les cellules en pénétrant par les parois et en utilisant le contenu et les nutriments des cellules pour se nourrir et se développer.

Effets de la rouille du soja (champignon Phakospora) sur des feuilles de soja.

Le champignon Cercospora sur une feuille.

Comparaison des feuilles attaquées par Phakospora et Cercospora :

Différents champignons provoquent différents symptômes sur les feuilles des plantes. Dans la photo ci-contre, le champignon Cercospora a infecté des petites parties de la feuille et l'infection semble se propager vers l'extérieur de ces taches. A mesure que l'infection se propage, les cellules perdent leur chlorophylle et puis se dessèchent et meurent (parties brunes). Dans certains cas, l'apparition de taches circulaires de cellules mortes est en fait un mécanisme de défense de la plante. Puisque le champignon se propage de cellule en cellule, la plante peut délibérément provoquer la mort des cellules qui entourent le point d'infection. Sans cellules vivantes dans lesquelles continuer son infection, le champignon meurt et sa propagation est stoppée net.


Structure (mycélium) et spores du champignon Fusarium verticilliodes.

Dans l'image ci-contre, on peut voir les éléments structurels du champignon Fusarium verticilliodes et ses sacs à spores. Les spores sont larguées quand les conditions de température et d'humidité sont optimales. Quand elles atteignent la surface d'une feuille, les spores produisent une sonde qui pénètre dans les parois cellulaires. Le champignon se sert de cette sonde pour se nourrir des nutriments cellulaires afin de développer son réseau de mycélium et de sac à spores, ce qui lui permet de répéter le cycle. Question: Quelle allure aurait la courbe de réflectance de ces feuilles dans le visible et dans l'infrarouge, en comparaison avec des feuilles saines ? Réponse : La signature spectrale des feuilles attaquées par un champignon sera plus élevée dans le rouge (puisque que les concentrations en chlorophylle ont diminué) et plus basse dans l'infrarouge (à cause de la perte d'eau et du démantèlement des parois cellulaires).

c) Carences en nutriments.

Le manque de certains éléments nutritifs empêche la plante de poursuivre une croissance normale. Certains nutriments sont directement ou indirectement liés à la production de chlorophylle et leur déficit se remarquera par une différence de couleur des feuilles. La carence en azote, par exemple, provoque d'abord le jaunissement de la feuille autour des vaisseaux (qui constituent le réseau de transport des nutriments dans la plante). Le jaunissement s'étend ensuite progressivement au reste de la feuille, qui devient rouge et puis brune.

Effets de la carence en azote sur les feuilles.


Carence en azote sur des plants de maïs. Carence en manganèse sur une feuille de rosier.

Contrairement à la carence en azote, la carence en manganèse apparaît d'abord comme une chlorose (perte de chlorophylle) sur le périmètre extérieur de la feuille. Les zones autour des vaisseaux sont les dernières à montrer des symptômes de carence. Quand la carence se renforce, les tissus jaunis se dessèchent et meurent en prenant une couleur brun foncé. Les carences en azote et en manganèse présentent une seconde différence (en plus du moyen de propagation). La carence en manganèse affecte d'abord les feuilles les plus jeunes, qui poussent au sommet. Par contre, la carence en azote a tendance à se marquer d'abord sur les feuilles les plus âgées, qui poussent le plus près du sol. Regarde la photo des deux plants de maïs en haut: ce sont les feuilles les plus basses qui sont devenues jaunes le long du

vaisseau central tandis que les feuilles supérieures sont beaucoup plus vertes.

2. Peut-on voir les symptômes de stress par télédétection ?

a) Identifier les plantes stressées.


La chlorophylle est une composante essentielle du processus de photosynthèse. La chlorophylle est le pigment qui absorbe l'énergie solaire et produit l'énergie suffisante pour que la réaction photosynthétique ait lieu. Comme elle absorbe de l'énergie, la chlorophylle a un impact important sur la quantité d'énergie qui sera réfléchie (voir la partie 1 en haut). La télédétection permet d'estimer directement la quantité de chlorophylle présente dans une plante. En combinant plusieurs bandes d'une image de télédétection (plusieurs enregistrements simultanés dans différentes régions du spectre électromagnétique), on peut créer des indices de végétation et les utiliser pour estimer l'état des cultures.

En utilisant les indices de végétation, les images de télédétection peuvent être traitées pour produire des images classifiées qui montrent directement les plantes stressées. L'image classifiée (à gauche) a été produite à partir de données acquises par le capteur AVIRIS (Airborne Visible/Infrared Imaging Spectrometer) monté sur un avion. En fonction de la réflectance dans le visible et le proche infrarouge, les indices de végétation produits nous donnent une indication de la quantité de chlorophylle présente dans les plantes. Avec cette information, nous pouvons estimer si les plantes sont stressées et, dans l'affirmative, à quel point elles sont atteintes. Dans l'image classifiée ci-contre, les champs ne contenant pas de végétation verte (sols

nus et végétation sèche) sont en bleu et les champs couverts de végétation apparaissent en vert. Les parties des champs apparaissant en rouge indiquent que les plantes y sont stressées. Avant que la concentration en chlorophylle ne chute dans les plantes stressées, le facteur de stress a déjà commencé à affecter la structure cellulaire des feuilles. Ce premier stade de stress influence la réflectance de la plante dans l'infrarouge, avant que la perte de chlorophylle ne modifie la réflectance dans le visible. Les techniques de la télédétection permettent de voir ces changements dans le proche infrarouge (qui n'est pas visible à l'œil nu) avant même que les symptômes chlorotiques ne commencent à apparaître. C'est ainsi que ces techniques permettent de détecter précocement si les plantes sont ou

non soumises à un stress. Parcelles agricoles vues par le satellite Ikonos (composition en couleurs naturelles et composition

'infrarouge fausses couleurs'). En compilant les indices de végétation calculés sur base de données acquises par des capteurs à très haute résolution spatiale (taille du

pixel en-dessous de 10 m, jusqu'à 1 m), on peut repérer les zones où les cultures souffrent d'un certain stress et estimer la gravité de la situation. Le fait d'être capable d'identifier les zones de stress dans un


champ permet à l'agriculteur de repérer les problèmes et de les résoudre par une action localisée (p.ex. en irrigant ou en appliquant des pesticides uniquement là où c'est nécessaire). En complément aux capteurs à très haute résolution spatiale, les capteurs à haute résolution spectrale (c'est-à-dire qui enregistrent dans de nombreuses bandes du spectre électromagnétique) sont également très utiles. Le fait de pouvoir acquérir des données dans la région du proche infrarouge (infrarouge à courtes longueurs d'onde) nous donne des informations sur la concentration en certains composés biochimiques, comme la cellulose, l'azote, l'eau et les sucres.

L'image ci-contre est une image satellite QuickBird classifiée en utilisant les indices de végétation. Les plantes en bonne santé sont indiquées en vert. La santé des plantes décline quand la couleur tend vers le jaune. Les plantes stressées apparaissent en rouge. Les zones grises sont des champs non cultivés. En fonction des formes des zones de stress on peut identifier les causes des stress. Variations de la santé d'une culture au sein d'un champ, sur base de données QuickBird.

b) Estimer la teneur en eau par télédétection.

Tout comme de nombreux organismes, les plantes ont besoin d'eau pour survivre. L'eau est utilisée dans de nombreux processus biochimiques essentiels mais elle est aussi le "moyen de transport" des éléments nutritifs, depuis le sol vers toutes les parties de la plante. L'eau rentre dans la plante par les racines, passe par les tissus conducteurs (vaisseaux) de la tige principale et des branches et termine son voyage dans les feuilles. L'eau est ensuite relâchée dans l'atmosphère en passant par des petits pores situés sur les feuilles, appelés les stomates. Ce processus est décrit comme la transpiration végétale.

Stomate sur une feuille de tomate. Tous les processus biologiques qui ont lieu dans une plante produisent de la chaleur. Cette chaleur est captée par l'eau et évacuée hors de la plante quand elle transpire par ses feuilles. Quand il n'y a pas assez d'eau et que la plante est en situation de stress, elle ne parvient plus à perdre de la chaleur assez rapidement par la transpiration. Le résultat est que la température de la plante monte. Cette augmentation de température peut être détectée par télédétection, en utilisant les parties du spectre électromagnétique qui sont sensibles à la chaleur. Dans l'image ci-dessus, on peut voir que la teneur en eau à l'intérieur d'un même champ peut être très variable. Les pixels

bleus représentent les plantes avec une bonne teneur en eau, les pixels verts les plantes à teneur en eau moyenne et les pixels rouges les plantes qui souffrent d'un manque d'eau. Cette variabilité est due aux caractéristiques du sol qui peuvent différer d'une section à l'autre du champ, le sol pouvant être soit très, soit très peu capable d'absorber l'eau et de la fournir aux plantes.


Un des inconvénients de cette technique apparaît quand la couverture végétale est partielle. Quand la végétation ne recouvre pas totalement le sol, la température du sol affecte fortement le signal thermique enregistré par le capteur. Quand cela arrive, on peut facilement confondre les zones de sol chaud à faible couvert végétal et les zones de plantes souffrant de stress hydrique. Cependant, si on a une idée de la quantité de végétation présente et, plus particulièrement, de la quantité de surface de feuilles par unité

de sol (mesuré par l'indice de surface foliaire ou 'leaf area index', LAI), on peut corriger les mesures effectuées par télédétection et réduire les effets du sol quand la couverture végétale est partielle.

c) Suivre l'irrigation. Quand penses-tu que le champ qui apparaît dans les images ci-dessous a été irrigué ?

La télédétection peut fournir des données très fréquentes, ce qui permet de suivre de près l'évolution de processus qui se déroulent en un court laps de temps. Dans l'exemple au-dessus, on peut observer les effets de l'irrigation sur la teneur en eau des plantes. L'irrigation a eu lieu entre le 24 juin et le 19 juillet, ce qui explique la forte teneur en eau détectée sur la deuxième image. La quantité d'eau dans les plantes va ensuite diminuer graduellement, à mesure que l'été cède sa place à l'automne. Quand on regarde l'image du 24 juin, la tâche en forme de X est absente. Cela pourrait indiquer qu'il y a un facteur supplémentaire qui provoque une baisse plus rapide de la teneur en eau au milieu de chaque quart de disque par rapport aux autres parties du champ. Il est possible que le 24 juin il n'y avait pas encore de végétation, les graines avait été semées mais n'avaient pas encore germé. Ensuite, la végétation a commencé à se développer et à perdre de l'eau par évapotranspiration. En général, la végétation saine a une meilleure évapotranspiration que la végétation malade ou stressée.

d) Combattre les maladies et les ravageurs. En plus de pouvoir identifier les plantes souffrant d'un manque d'eau ou de nutriments, la télédétection peut aussi aider à protéger les cultures des attaques de ravageurs (dont les insectes), de champignons ou de bactéries. En combinant le savoir agricole et les images de télédétection, il est possible de générer des alertes précoces qui préviennent de la présence de ravageurs ou de maladies. Ces alertes vont permettre


d'agir de façon adéquate à un stade précoce de l'attaque et ainsi éviter que les cultures ne soient détruites. Cette image (ci-dessous) multi spectrale identifie les plants de Cotton qui ont bénéficié de conditions favorables et qui ont grandi plus vite que les autres. Ces plants (qui apparaissent en rouge) sont les cibles les plus probables d'insectes ou de maladies. Ce genre de carte permet de n'appliquer des pesticides que dans les zones en rouge, ce qui réduit le coût du traitement et, surtout, la quantité de produits chimiques libérée dans l'environnement. Il est également possible d'évaluer l'étendue des dégâts causés par un ravageur ou une maladie. On

utilisera alors des méthodes similaires à celles utilisées pour identifier les plantes stressées. Les symptômes des attaques de ravageurs ou de maladies sont généralement la perte de chlorophylle, qui peut être repérée par télédétection (voir pages précédentes). Spatial-carte du delta du Mississipi, indiquant les zones les plus probables où les insectes pourraient attaquer.

Une larve de papillon mangeant une feuille. Ce genre de dégâts peut être détecté par télédétection, en estimant la perte de surface foliaire.

En plus de la perte de chlorophylle, les ravageurs et les maladies peuvent aussi provoquer la destruction de feuilles entières, ce qui génère une réduction de la surface foliaire totale et donc, une réduction de la capacité de la plante à pratiquer la photosynthèse. En estimant le LAI (indice de surface foliaire) de groupes de plantes, il est possible de repérer très tôt les attaques d'insectes et de prévenir les agriculteurs pour qu'ils réagissent à temps. La télédétection permet d'aider à identifier les plantes ou les zones qui ont le plus besoin de fertilisants ou de pesticides. Ce faisant, elle permet de diminuer la quantité de produits chimiques agricoles déversés dans l'environnement.

La télédétection peut fournir des données dans la région du proche infrarouge du spectre, non visible à l'œil nu. Ces données peuvent être combinées avec celles du spectre visible, dans lequel

la chlorophylle absorbe de l'énergie à certaines longueurs d'ondes spécifiques. La combinaison de ces données nous permet d'extraire de l'information pour identifier les plantes soumises à un stress avant même que les symptômes ne soient visibles. La détection précoce de ces plantes permet aux agriculteurs de réagir rapidement pour réduire les dégâts et pour limiter toute perte de rendement.


Estimation des rendements agricoles

1. Estimer combien les cultures vont produire.

a) Pouvons-nous vraiment prévoir quelle sera le rendement d'un champ ?

Avoir une idée de la récolte potentielle très tôt dans la saison de culture est très utile pour les agriculteurs. C'est aussi essentiel pour les pays qui sont très dépendants de leur production agricole, notamment pour satisfaire la demande nationale en produits de l'agriculture et pour générer des revenus via l'exportation de ces produits. Estimer les rendements des cultures, les agriculteurs le font déjà depuis des centaines d'années. Les agriculteurs expérimentés sont toujours capables de prédire (de manière grossière) les rendements finaux de leurs cultures. Cela se fait en observant la vigueur et l'état de santé des plants à la moitié de leur croissance et en prenant en compte les conditions climatiques endurées. Bien sûr, plus les estimations sont proches de la date de récolte, plus elles seront précises puisqu'on dispose alors de plus d'informations sur la façon dont les cultures se sont développées au cours de la saison.

b) Utiliser les données de la télédétection dans l'estimation des rendements.

Comment utiliser les données acquises par télédétection pour estimer les rendements futurs ? Grâce à la manière spécifique dont la végétation réfléchit le rayonnement électromagnétique, on peut se faire une idée de l'état de la végétation en utilisant des données issues de la télédétection. En injectant ces données et d'autres types de données (comme des informations climatiques) dans des modèles complexes, il est possible d'estimer le rendement futur d'un champ et ce, à un stade très précoce de croissance des cultures.

c) Estimer les rendements uniquement sur base des données de la télédétection.

Deux techniques existent pour estimer le rendement d'une culture à partir de données acquises par télédétection. La première utilise uniquement des données de la télédétection tandis que la seconde utilise en plus d'autres types de données, qui sont utilisées comme input dans des modèles de simulation de la croissance des cultures et qui génèrent au final des estimations de rendement. Les deux images ci-dessous sont des compositions 'infrarouges fausses couleurs' (les bandes proches infrarouges, rouge et vertes du capteur sont associées aux couleurs rouge, verte et bleue de l'écran) de la région de Saxe en Allemagne, près de la frontière polonaise. Les données proviennent des satellites SPOT-2 et SPOT-5 et ont été acquises respectivement en mai et en août 2005. Clique sur les titres au-dessus des images pour passer de l'une à l'autre. On peut remarquer que l'image acquise en mai présente plus de "rouge". Une réflectance élevée dans l'infrarouge est généralement associée à la présence de végétation, vu que les plantes réfléchissent beaucoup dans le proche infrarouge. Sur l'image acquise en août par contre, il y a nettement moins de champs qui apparaissent en rouge. Cela s'explique par le fait qu'en mai de nombreux champs ont atteint leur pic de croissance, tandis qu'en août ces champs sont très proches de leur stade de sénescence (ou déjà entrés dedans). Durant ce stade, une plante concentre son énergie dans la production de fruits et non plus dans la production de biomasse verte. En conséquence, la chlorophylle et la structure des


cellules commencent à se déliter et la réflectance dans le proche infrarouge diminue. Les feuilles apparaissent alors jaunes ou brunes à l'œil nu. Les champs cyans (bleus clair) ne contiennent pas de végétation et ont une réflectance dans le proche infrarouge très faible. La couleur "cyan" est une combinaison de bleu et de vert à parts égales, ce qui signifie que les champs sans végétation (c'est-à-dire les sols nus) ont des réflectances similaires dans le vert et dans le rouge. Image SPOT-2 de champs près du lac de Berzordf (mai 2005). Composition 'infrarouge fausses couleurs', données SPOT-5 de champs près du lac de Berzordf.

Comment estimer le rendement d'une culture sur base d'une image de télédétection ? Des chercheurs ont comparé des images satellitaires de champs acquises à différentes dates avec les rendements finaux de ces champs (Idso 1977; Maas, 1988; Serrano 2000; Shanahan 2001). Les images ont été traitées de manière habituelle puis un ou plusieurs indices de végétation ont été calculés et les résultats ont été comparés au rendement effectif du champ. De nombreuses relations entre les

indices de végétation et les rendements ont pu être mises en évidence de cette manière. Le problème est que chacune de ces relations ne fonctionne que pour un type de culture donné, dans une région déterminée et à condition que les images de télédétection soient acquises à des moments précis de la saison de culture. Même lorsque toutes ces conditions sont réunies, la précision de l'estimation varie d'une année à l'autre. L'utilisation des indices de végétation seuls est néanmoins une méthode facile et rapide à mettre en œuvre pour obtenir des estimations "grossières" du rendement d'une culture. Les deux images de gauche sont une composition 'infrarouge fausses couleurs' et le calcul de l'indice de végétation par différence normalisée (NDVI). Dans cette deuxième image, il n'y a qu'une seule valeur associée à chaque pixel, ce qui en fait une image en nuances de gris. Les pixels blancs sont associés à des valeurs élevées et les pixels sombres à des faibles valeurs de NDVI. Le NDVI est l'un des indices les plus souvent utilisés dans les études liées à l'agriculture ou à la végétation en général, surtout quand le couvert végétal est dense.


d) Prédire les rendements agricoles.

Comme mentionné dans les pages précédentes, pour pouvoir estimer le rendement futur d'une culture sur base de données de la télédétection, il nous faut connaître la relation entre les indices de végétation à un stade de croissance bien précis de la culture et le rendement final. Les données historiques des précédentes saisons de culture peuvent aider à déterminer cette relation; l'estimation sera d'autant plus précise que le nombre de données antérieures sera important. Cependant, deux saisons de culture ne sont jamais pareilles. Les différentes conditions climatiques, la présence et l'intensité de facteurs de stress et les différents traitements appliqués par l'agriculteur varient selon les années et jouent un rôle crucial dans la détermination du rendement final d'une culture. Pour faire des prévisions plus justes, il est essentiel de prendre en compte certains facteurs qui influencent la croissance de la culture et le rendement à venir. Des informations telles que les conditions climatiques ou météorologiques, les propriétés du sol et les pratiques culturales peuvent être combinées avec des données récentes issues de la télédétection pour modéliser la croissance de la culture et estimer le rendement final. Un exemple de cette démarche est le 'Mars Crop Yield Forecasting System' (MYCFS) qui est géré par le service statistiques du MARS ('Monitoring Agriculture with Remote Sensing') qui fait lui-même partie de l'unité responsable de l'agriculture et de la pêche au sein du centre de recherches JRC (Joint Research Centre), piloté par la Commission Européenne. En plus de données météorologiques et des pratiques culturales, des informations géographiques sont aussi inclues dans certains modèles. Par exemple, la pente des champs, couplée à des données sur les propriétés du sol, peut fournir des informations sur le comportement des eaux de surface. Ce comportement peut être très utile quand il s'agit d'estimer les quantités de fertilisants ou de pesticides qui sont acheminées par les eaux de ruissellement. Un système d'information géographique (SIG) est également souvent utilisé pour enregistrer les informations relatives à des champs ou à des zones particulières. Un SIG permet de compiler l'estimation du rendement avec d'autres d'informations comme le(s) type(s) de culture(s), les propriétaires des champs, les propriétés du sol et des données historiques telles que les pratiques culturales d'année en année ou la succession des attaques de ravageurs.

L'enregistrement des limites des parcelles agricoles permet de calculer la superficie d'une parcelle et d'estimer sa production totale. Ces données sont utilisées par l'Union Européenne pour déterminer les subsides à allouer à chaque agriculteur dans le cadre de la politique agricole commune (PAC). Une couche vectorielle montrant les différents champs, superposée à une image satellite en couleurs naturelles.


Les données acquises par télédétection et les indices de végétation dérivés peuvent être utilisés pour estimer des rendements futurs, à condition que la relation entre les indices de végétation

et le rendement d'une culture donnée dans une région donnée ait été établie dans le passé. Il s'agit d'estimations "à la grosse louche" et qui ne sont pas fiables à 100%. Des prédictions plus précises des rendements futurs peuvent être obtenues en utilisant des modèles. Ceux-ci combinent les indices de végétation avec d'autres types de données (météorologie, pratiques culturales, propriétés du sol, etc.). Comme ils prennent en compte des paramètres liés à la localisation des cultures, ces modèles sont mieux adaptés à la prévision de rendement que les indices de végétation seuls.

Identification des cultures.

1. Pourquoi identifier les cultures ?

Pour un gouvernement, il est important de savoir quelles sont les cultures du pays et ce qu'elles vont produire à la prochaine récolte. Cette prévision des rendements est très utile au niveau des finances d'un pays notamment parce qu'elle permet de planifier les budgets d'exportation et d'importation de denrées alimentaires. Une méthode qui permettrait de savoir ce qui est cultivé serait de voyager à travers tout le pays et de noter pour chaque champ quelle culture y a été lancée. Evidemment, cela prendrait un temps fou et risquerait de coûter pas mal d'argent !

Rangée de champs contenant différents légumes.

a) Cartographie des parcelles agricoles.

En observant les différentes sortes de cultures, on peut cartographier les limites des parcelles agricoles. Les limites des champs sont l'information de base qu'on retrouve dans les cartes agricoles (ou cadastre des parcelles agricoles). Ces cartes sont généralement disponibles en format vectoriel et sont directement utilisables dans des systèmes d'information géographique (SIG) avec toute une série d'autres données (noms des propriétaires, types de culture, pratiques agricoles, etc.). Ces cartes peuvent être utilisées par les autorités locales et nationales, notamment pour estimer la proportion du territoire occupée par l'agriculture et pour estimer la superficie cultivée totale pour chaque type de culture.

2. La télédétection pour reconnaître les cultures

a) Comment identifier les types de cultures par télédétection ? Pour le comprendre, voici un exemple tout simple. Rien qu'en regardant l'image satellite ci-dessous, il est possible de faire certaines distinctions entre les cultures qui sont cultivées dans différents champs.


Même si la végétation est en général verte, différentes espèces végétales auront différents "tons" de vert. Ces "tons" peuvent aussi changer au fur et à mesurer que les plantes grandissent, mûrissent et meurent. Ces différentes nuances de vert ne sont toutefois pas faciles à discerner à l'œil nu. Les deux images ci-dessous montrent une partie de l'image originale (à droite). Peux-tu trouver de quelle partie il s'agit ?

La petite image de gauche représente ce que nous pourrions voir à l'œil nu (il s'agit d'une composition en couleurs réelles). La petite image de droite représente ce que nous pourrions voir si nous avions la vision infrarouge (il s'agit d'une composition 'infrarouge fausses couleurs'). L'image en couleurs réelles nous montre le champ du milieu dans un ton uniforme de vert. Dans l'image en fausses couleurs, par contre, on peut voir que ce champ est séparé en deux zones qui ont des tons de rouge différents. Ces deux zones ont des tons différents car leur réflectance dans le proche infrarouge est différente. La végétation possède en général une faible réflectance dans la région du visible du spectre électromagnétique (qui est visible à l'œil nu), avec seulement une faible partie de la bande verte à ne pas être absorbée. La végétation a par contre une réflectance élevée dans le proche infrarouge.

b) Images de télédétection nécessaires pour identifier les cultures.

Champs belges en mai. Les mêmes champs en Août.

Comment pouvons-nous être sûrs que les différences de réflectance (dans le proche infrarouge) entre deux champs sont dues au fait que ceux-ci sont couverts de cultures différentes ? Pour identifier une culture en particulier, il est nécessaire de connaître son cycle de croissance (germination, développement, pollinisation, maturation, sénescence). Certaines cultures durent quelques mois tandis que d'autres ont besoin de plus de 6 mois pour compléter leur cycle. Il est également nécessaire de


connaître à l'avance comment la culture réfléchit dans le proche infrarouge au cours de ses différents stades de croissance. Ces deux images 'infrarouge fausses couleurs' montrent les mêmes champs belges à deux moments différents: en mai et en août. Le signal à l'intérieur de chaque champ est relativement uniforme, ce qui signifie qu'une seule culture a été plantée dans chaque champ. Si on regarde les mêmes champs dans les deux images, on peut voir que le signal est différent dans certains cas. Les champs en rouge (réflectance élevée dans le proche infrarouge) sont remplis de végétation tandis que ceux en bleu (faible réflectance dans le proche infrarouge) possèdent peu ou pas du tout de végétation. Dans ce cas, le signal enregistré provient du sol. A condition de savoir quand chaque culture est plantée et récoltée et de supposer qu'il n'y a pas de facteurs externes (stress, maladies, etc.) qui ont influencé son développement, on peut estimer le pourcentage de couverture de la végétation à travers tout le cycle de croissance de chaque culture. Avec cette information, l'étude de deux images (ou plus) de la même saison de croissance permet d'identifier quelles cultures ont été plantées dans quel champ.

En analysant la réflectance dans le proche infrarouge, on peut déterminer si un champ contient beaucoup ou peu de végétation. En combinant cette information avec les dates connues de

germination, de croissance et de récolte de chaque culture, on peut utiliser deux images (ou plus) de la même saison pour identifier le type de culture présent dans chaque champ. Il suffit de comparer, par champ, la quantité de végétation présente à des dates fixes (les dates d'acquisition des images) par rapport aux dates connues de germination, de croissance et de récolte des différentes cultures.

c) Distinguer les types de végétation.

Une canopée forestière. Un type de praire.

Une des méthodes pour différencier deux cultures est de regarder leur réflectance dans le proche infrarouge. Par contre, si on souhaite différencier des arbres de cultures ou de prairies, on peut utiliser une autre méthode.

Les deux images montrent une zone forestière contenant une prairie au milieu. A part la différence de couleur, quelle autre différence peux-tu remarquer ? La prairie a une surface assez lisse tandis que la forêt a une surface plutôt rugueuse. Etant donné que la canopée formée par plusieurs arbres n'est pas plate, la surface


d'un groupe d'arbres contient toujours des ombres. Ces ombres apparaissent dans l'image comme des petites taches noires et proviennent du fait que moins de lumière les atteint et en est réfléchie. C'est ce qui donne cette structure rugueuse. Dans les deux images satellites, la forêt apparaît plus sombre à cause de ces petites ombres. Si on enlevait toutes les branches d'un arbre et qu'on les étalait à plat sur le sol, la réflectance dans le proche infrarouge serait plus élevée et cela apparaîtrait en rouge plus soutenu dans l'image.

d) Créer des cartes des parcelles agricoles. En combinant différentes bandes d'images satellitaires acquises à différentes dates, il est possible de classer chaque pixel de l'image dans un type de culture. Ce traitement est appelé la classification d'une image. C'est un traitement assez long, qui demande beaucoup de calculs. Heureusement, de nombreux logiciels de traitement d'image sont équipés d'algorithmes qui peuvent facilement effectuer ce travail. Les logiciels prennent en compte toutes les bandes disponibles, regroupent les pixels qui ont des signatures spectrales similaires dans une même classe et utilisent l'information sur le pourcentage de couverture végétale pour identifier les types de culture. Le résultat de ce traitement par classification peut être visualisé sur l'image de droite. Dans cet exemple, des données acquises par le capteur AVIRIS ont été collectées alors que le capteur se trouvait monté sur un avion (et non un satellite). Les données acquises par avion ont l'avantage d'avoir une haute résolution spatiale (autour de 1 m par pixel). Les capteurs montés à bord d'avions ont généralement de nombreuses bandes. De plus, l'utilisateur peut choisir quand les données seront acquises (par opposition aux données satellitaires qui sont acquises en fonction d'un plan d'orbite précis). Partie de la vallée de San Luis vue par un satellite Classification d'une image montrant les différents types de cultures.

(Composition en couleurs réelles).


En utilisant des données multi-temporelles (acquises à différentes dates) sur une saison de culture, il est possible d'identifier les différents types de cultures. Comment ? Grâce au fait que

le pourcentage de couverture végétale évolue différemment selon les cultures. En plus, les dates de plantation et de récolte sont également différentes. En combinant ces informations avec des données de la télédétection, on peut différencier et identifier les différentes cultures. Il faut toutefois garder en tête que, quand une culture est soumise à un stress, cela influence la réflectance de sa canopée. Dans ce cas, on pourrait facilement se tromper dans l'identification. Les chances que cela se produise seront plus faibles si on fait appel à plus de deux images (d'une même saison de culture) pour étayer l'identification.

conclusion

Cette recherche nous a prouvé la précision, la souplesse et la rentabilité de la télédétection par satellite pour la cartographie de l'occupation du sol et la description fine des caractéristiques liées aux cultures. Alors en sortant la télédétection des laboratoires, nous avons pu démontrer l'intérêt économique de cette technique et la possibilité de l'intégrer dans un processus de décision sur plusieurs niveaux.


Webographie http://lms.seos-project.eu/learning_modules/agriculture/agriculture-c00-p01.fr.html

http://ec.europa.eu/research/success/fr/agr/0051f.html

http://om.ciheam.org/option.php?IDOM=304

http://e-cours.univ-paris1.fr/modules/uved/envcal/html/rayonnement/2-rayonnement-matiere/2-7-signatures-spectrales.html

http://lms.seos-project.eu/learning_modules/agriculture/agriculture-c00-p01.fr.html

http://ec.europa.eu/research/success/fr/agr/0051f.html

http://om.ciheam.org/option.php?IDOM=304



Science

La classification et l’identification des cultures par la télédétection