La complémentarité des satellites pour une agriculture de précision


 AHLeGall    27/07/2020 : 12:00

Audrey_Mercier_JARS_2020.jpg

Article dans Journal of Applied Remote Sensing

Évaluation des séries chronologiques Sentinel-1 et -2 pour l'estimation de l'indice de surface foliaire et de la biomasse des cultures du blé et du colza

Dans le domaine de l'agriculture, les satellites d'observation de la Terre sont utilisés pour une très large gamme d’applications et de services : surveillance des cultures, contrôle des surfaces et occupation des sols, irrigation et gestion des cultures en intrants (engrais et produits phytosanitaires). La surveillance des cultures à une échelle fine est essentielle car elle fournit des informations cruciales pour évaluer l'influence de l'augmentation de la production alimentaire sur la gestion durable des paysages agricoles. L’analyse d’images par télédétection est particulièrement utile dans ce cas, du fait de la surface analysable (potentiellement de grandes superficies) et de la fréquence de répétition des observations. Les auteurs de l’étude pilotée par Laurence Hubert-Moy et Audrey Mercier (université Rennes 2, LETG-Rennes) associant également Jacques Baudry (BAGAP, INRAE), l’IRMAR (université de Rennes 1) et le CIRAD, ont évalué le potentiel des images radar SAR (synthetic aperture radar) du satellite Sentinel-1 et des images optiques de Sentinel-2 pour dériver les paramètres biophysiques des cultures de blé et de colza en Bretagne, à partir d’un ensemble de données comportant 29 variables. Article publié en mai 2020 dans Journal of Applied Remote Sensing.


 

La surveillance des cultures est essentielle pour gérer les ressources agricoles – les optimiser - tout en réduisant les impacts environnementaux. En effet, les ressources naturelles (eau, sol, forêt) diminuent progressivement dans un contexte d'intensification agricole, tandis que l'insécurité alimentaire augmente. Le défi consiste donc à développer des pratiques qui soient à la fois économiquement et écologiquement durables, pour répondre aux besoins en matière d'alimentation humaine et animale, de services écosystémiques et de santé humaine. Pour ce faire, les gestionnaires des terres ont besoin d'informations précises et opportunes pour les aider à gérer efficacement les ressources agricoles.

Les paramètres biophysiques des cultures, qui sont des variables clés permettant de relever ce défi, sont indispensables pour plusieurs raisons :

  • comme paramètre de base des modèles pour estimer le rendement des cultures
  • pour prévenir les épidémies de maladies et de parasites, les plantes y étant plus ou moins sensibles à certains stades phénologiques
  • pour optimiser la gestion des ressources en eau en calculant avec précision les besoins des cultures et en synchronisant les calendriers d'irrigation avec les stades de la végétation pendant lesquels les besoins en eau sont moindres
  • enfin, pour diminuer l'utilisation d'engrais.

Les paramètres biophysiques des cultures peuvent également être utilisés comme indicateurs pour étudier les impacts du réchauffement climatique.

La plupart des paramètres biophysiques des cultures couramment utilisés à ces fins (par exemple, l'indice de surface foliaire, la biomasse sèche, la biomasse humide, la teneur en eau) sont obtenus à partir d’enquêtes de terrain qui prennent du temps et ne peuvent donc pas être recueillis à l'échelle plus large du paysage.

Pour dépasser ces limites, les données de télédétection peuvent apporter une solution car elles peuvent être utilisées à la fois pour cartographier de grandes zones, à une échelle fine. La disponibilité gratuite des séries chronologiques du radar SAR Sentinel-1 (S-1) et du radar optique Sentinel-2 (S-2) offre une occasion unique de surveiller les cultures à une fréquence temporelle élevée (tous les 5 jours) et à une résolution spatiale élevée (10 m).

De nombreuses études ont porté sur l'utilisation de données optiques satellitaires (images AVHRR, SPOT, Landsat, MODIS, IRS, IKONOS, QuickBird et Formosat-2, S-2) pour estimer les paramètres biophysiques des cultures, démontrant la haute performance de certaines bandes spectrales, indices de végétation et variables biophysiques. Chaque satellite a ses propres caractéristiques et potentialités : les séries temporelles S-2 ont montré par exemple un grand potentiel pour l'estimation de l'indice d'activité biologique des prairies et des cultures, de la biomasse et des stades phénologiques. Cependant, les données optiques S-2 ont des limites car elles sont sensibles aux conditions météorologiques, ne capturent que les informations du haut du couvert et saturent à des niveaux élevés de biomasse et d'indice de surface foliaire. En revanche, bien que les conditions du sol (rugosité et humidité) affectent le signal SAR S-1, les données SAR peuvent être collectées indépendamment des conditions météorologiques ou de luminosité ; les micro-ondes sont en outre sensibles à la structure interne de la végétation.

L'objectif de cette étude était d'évaluer le potentiel croisé des images S-1 et S-2 pour estimer l'indice de surface foliaire, la biomasse sèche, la biomasse humide et la teneur en eau. Les auteurs se sont concentrés sur le blé et le colza, qui sont les deux cultures les plus importantes au monde en termes de surface récoltée (FAO, 2017). Ils ont évalué le potentiel prédictif de 22 variables optiques S-2 (10 bandes spectrales et 12 indices de végétation) et de 7 variables SAR S-1 (2 coefficients de rétrodiffusion, 1 ratio et 4 indicateurs polarimétriques). Les chercheurs ont ainsi réussi à caractériser les paramètres biophysiques des cultures de blé (du tallage à la maturation) et de colza (du développement des feuilles à la maturation).

 

La zone d'étude est située dans la partie sud de la baie du Mont-Saint-Michel (Fig. 1) : site de recherche écologique à long terme (LTER) "Zone Atelier Armorique" pilotée par l’OSUR. Elle fait partie des réseaux européens LTER et internationaux ILTER. La "Zone Atelier Armorique" a été créée en 1993 pour mener des recherches à long terme autour de trois thèmes principaux : (1) la planification, les politiques publiques et la dynamique des paysages ; (2) la relation entre la dynamique spatio-temporelle des paysages et la biodiversité ; (3) et l'influence de la dynamique spatio-temporelle des paysages sur les processus des écosystèmes. Cette zone de 130 km2 a un climat tempéré avec une température moyenne annuelle de 12°C et des précipitations annuelles moyennes de 650 mm. Le maïs, le blé, le colza et l'orge sont les principales cultures de cette zone agricole. Les cultures sont entourées de haies avec des degrés variables, avec notamment une densité du réseau de haies qui s'étend du nord au sud.




JARS 190997 Online Page 04 Image 0001
Figure 1. Locatisation de la zone d’étude (sources: © EuroGeographics for the administrative boundaries; Bing © 2019, Microsoft Corporation © 2019, and DigitalGlobe © CNES 2019 Distribution Airbus DS for aerial photographs).


 

Quatre images optiques S-2 et cinq images SAR S-1 ont été collectées de janvier à juillet 2017 tout au long des cycles de culture du blé et du colza (Fig. 2).Les images S-1 ont été acquises au format Single Look Complex (SLC) avec les polarisations VV et VH. Les auteurs ont utilisé des produits au format SLC, qui conservent l’information de phase, afin de dériver des indicateurs polarimétriques. La résolution spatiale était de 2.3x 13.9 m. Pour les images S-2, 10 bandes avec une résolution spatiale de 10 et 20 m ont été sélectionnées.

Des enquêtes terrain ont été menées sur 3 champs de blé et 3 champs de colza (Fig. 1). Les stades phénologiques ont été identifiés de janvier à juillet 2017 (Fig. 2). L'indice de surface foliaire a été estimé à partir de photographies hémisphériques. Des mesures de la biomasse ont été effectuées, 5 échantillons de blé de 50 cm au sol et 5 plants de colza ont été collectés. La biomasse humide de chaque échantillon a été directement pesée in situ, et la biomasse sèche a été mesurée après le séchage de la culture (four, 65°C, 48 h). La teneur en eau dans la plante est égale  à la biomasse humide moins la biomasse sèche. La figure 3 montre les profils temporels des paramètres du blé et du colza.




JARS 190997 Online Page 05 Image 0001
Figure 2. Jours de l'année des images satellites, enquêtes de terrain et principaux stades phénologiques des cultures de blé et de colza. Le diagramme ombrothermique (Météo France) montre les conditions climatiques pendant l'acquisition des images.




JARS 190997 Fig3
Figure 3. Profils temporels des paramètres de cultures biophysiques des champs de blé et de colza échantillonnés.




Tout d'abord, les auteurs ont prétraité les signaux SAR  S-1 et optiques S-2. Ensuite, ils ont utilisé la régression par processus Gaussien pour estimer l'indice de surface foliaire, la biomasse humide, la biomasse sèche, et la teneur en eau  des cultures de blé et de colza en utilisant les échantillons de terrain et les variables S-1 et S-2.

Les auteurs ont extrait les coefficients de rétrodiffusion des images S-1, σ0VH et σ0VV et ont calculé un rapport en divisant σ0VH par σ0VV. Ils ont également dérivé des indicateurs polarimétriques : la puissance diffusée appelée span dans le cas d'un système radar polarimétrique, et l'entropie de Shannon (SE) (caractère aléatoire de la diffusion d'un pixel). Cette dernière se compose de l’intensité, SEi, et du degré de polarisation, SEp. Enfin, SE, SEi et SEp ont été normalisés en SEi norm et SEp norm.

Les auteurs ont calculé 12 indices de végétation qui sont fréquemment utilisés pour surveiller les paramètres biophysiques des cultures dans des études utilisant les données S-2. Ces indices sont les suivants : Greeen-Normalized Difference Vegetation Index  (GNDVI), Inverted Red-Edge Chlorophyll Index (IRECI), Modified Chlorophyll Absorption in Reflectance Index (MCARI), Modified Soil-Adjusted Vegetation Index (MSAVI), MERIS Terrestrial Chlorophyll Index (MTCI), Normalized Difference Index (NDI), Normalized Difference Vegetation Index (NDVI), Pigment Specific Simple Ratio (PSSRa), Red-Edge Inflation Point (REIP) index, S-2 Red-Edge Position (S2REP) index, Soil-Adjusted Vegetation Index (SAVI) et Weighted Difference Vegetation Index (WDVI).

Enfin, ils ont appliqué une méthode spline pour interpoler quotidiennement les 10 bandes spectrales et les 12 indices de végétation dérivés des images S-2 pour faire correspondre les dates d'acquisition S-1.

Au total, les auteurs ont prétraité 110 variables S-2 (10 bandes spectrales et 12 indices de végétation × 5 dates) et 35 variables S-1 (2 coefficients de rétrodiffusion, 1 rapport de rétrodiffusion et 4 indicateurs polarimétriques × 5 dates).

Les régressions par processus Gaussien ont été réalisées en utilisant les paramètres biophysiques des cultures des champs de blé et de colza échantillonnés et les variables S-1 et S-2. La régression par processus Gaussien est une approche probabiliste non paramétrique de la régression. Les modèles de régression par processus Gaussien ont été calibrés et validés à l'aide de 10 validations croisées répétées à 3 reprises. Pour chaque relation, les auteurs ont calculé le R² ajusté et l'erreur quadratique moyenne relative (rRMSE). Ils ont également calculé les moyennes et les écarts types du R² ajusté et du rRMSE  entre les 10 répétitions.

Les résultats montrent que les meilleurs modèles basés sur S-2 ont été obtenus en utilisant la bande verte, les bandes infrarouge et les indices de végétation pour la teneur en eau du blé, l'indice de surface foliaire et la biomasse respectivement, et les bandes SWIR pour la biomasse du colza (Fig. 4 et 5). Plus précisément, concernant le blé, la réflectance du proche infrarouge augmente avec la teneur en chlorophylle, les valeurs les plus faibles de l'indice de surface foliaire ont été observées pendant la maturation et les plus élevées pendant l'élongation de la tige et l'inflorescence. La teneur en eau a diminué avec les bandes vertes de l'inflorescence au tallage. Les valeurs de biomasse sèche et de biomasse humide étaient élevées à la maturation, tandis que les valeurs des indices MTCI et WDVI étaient faibles lorsque le blé était de couleur brune. La réflectance SWIR diminuait lorsque la biomasse du colza augmentait.




JARS 190997 Fig4
Figure 4. Meilleures relations obtenues entre l’indice de surface foliaire, biomasse sèche, biomasse humide et teneur en eau du blé et les variables S-2.




JARS 190997 Fig5
Figure 5. Meilleures relations obtenues entre l’indice de surface foliaire, biomasse sèche, biomasse humide et teneur en eau du colza et les variables S-2.



 

Concernant les modèles basés sur S-1, le rapport σ0VH:σ0VV était la variable la plus pertinente pour l'indice de surface foliaire du blé et la biomasse du colza, et la contribution de la polarisation de l'entropie de Shannon la plus performante pour la teneur en eau du blé (Fig. 6 et 7). En ce qui concerne les cultures de blé, le rapport σ0VH:σ0VV a augmenté avec l'indice de surface foliaire et s'est saturé lorsque l'indice de surface foliaire était élevé. Des études antérieures ont démontré la pertinence des rapports de polarisation pour l'estimation de l'indice de surface foliaire du blé. Il y avait une relation sigmoïdale et positive entre la teneur en eau  et la polarisation de l’entropie, parce que l'augmentation de la teneur en eau de la culture de blé a induit une plus faible pénétration des ondes dans le sol.

Pour le colza, le rapport σ0VH:σ0VV et la polarisation de l’entropie de Shannon ont augmenté à mesure que la biomasse de la culture du colza augmentait. Le colza a une structure complexe, avec des tiges qui se développent sans orientation préférentielle, ce qui entraîne une augmentation du mécanisme de diffusion du volume (VH), tandis que la polarisation VV est particulièrement sensible à la teneur en eau de la végétation. Cependant, Veloso et al.  ont conclu que le rapport σ0VH:σ0VV comparé à σ0VH ou rapport σ0VV seul était généralement plus cohérent pour le colza.

JARS 190997 Fig6
Figure 6. Meilleures relations obtenues entre l’indice de surface foliaire, biomasse sèche, biomasse humide et teneur en eau du blé et les variables S-1.

 

 

JARS 190997 Fig7
Figure 7. Meilleures relations obtenues entre l’indice de surface foliaire, biomasse sèche, biomasse humide et teneur en eau du colza et les variables S-1.





Les résultats des régressions par processus Gaussien obtenus avec les variables S-2 étaient similaires ou supérieurs à ceux obtenus avec les variables S-1 pour estimer les paramètres biophysiques des cultures de blé et de colza (tableau 1). Cette étude a mis en évidence l'importance du rapport σ0VH:σ0VV et de la polarisation de l'entropie de Shannon pour l'estimation de l'indice de surface foliaire et de la teneur en eau du blé (R² adj. > 0,75) et de la biomasse humide et de la teneur en eau du colza (tableau 1). Ces résultats sont très prometteurs, car il est difficile - voire impossible - d'acquérir une série chronologique continue d'images optiques en raison de la dépendance des acquisitions optiques à l'absence de nuages.

 

 

Tableau 1. Coefficient de détermination ajusté (Adj. R2) et erreur quadratique moyenne relative (rRMSE) des meilleures relations entre les paramètres biophysiques des cultures de blé et de colza et les variables S-1 et S-2. PC = paramètres des cultures.

 

S-2

S-1

PC

Feature

Mean Adj. R²

Mean rRMSE

Feature

Mean Adj. R²

Mean rRMSE

Wheat

 

 

 

 

 

 

LAI

Band 8

0.91

0.124

VH:VV

0.91

0.122

DB

WDVI

0.72

0.138

0.55

0.229

WB

MTCI

0.71

0.142

0.66

0.163

WC

Band 3

0.82

0.148

0.78

0.157

Rape

 

 

 

 

 

 

LAI

MTCI

0.68

0.122

VV

0.36

0.167

DB

Band 11

0.85

0.094

VH:VV

0.80

0.095

WB

Band 11

0.77

0.100

VH:VV

0.75

0.105

WC

Band 11

0.60

0.126

VH

0.60

0.114

 


Les études futures pourraient se concentrer sur la comparaison de l'utilisation des bandes C et L pour le blé et le colza, puisque le signal de la bande L a une longueur d'onde plus longue et pénètre donc plus profondément dans la végétation que la bande C.

Cette étude a démontré le potentiel des séries chronologiques SAR S-1 et optiques S-2 pour estimer les paramètres biophysiques des cultures du blé et du colza. Les résultats ont également souligné, pour la première fois, l'importance des indicateurs polarimétriques (entropie de Shannon et span) dérivés des séries temporelles S-1 pour l'estimation des paramètres biophysiques des cultures de blé et de colza.



Référence
Audrey Mercier, Julie Betbeder, Sébastien Rapinel, Nicolas Jegou, Jacques Baudry, Laurence Hubert-Moy, “Evaluation of Sentinel-1 and -2 time series for estimating LAI and biomass of wheat and rapeseed crop types,” J. Appl. Remote Sens. 14(2), 024512 (2020), doi: 10.1117/1.JRS.14.024512

 

 

Contact OSUR
Laurence Hubert-Moy (LETG-Rennes) / @
Audrey Mercier (LETG-Rennes)
/ @
Alain-Hervé Le Gall (OSUR multiCOM) / @