Cartographie multi-échelle de l’état de vergers par acquisitions drone multimodales
Résumé
Face à la croissance démographique mondiale, l’un des enjeux cruciaux de notre époque est l’approvisionnement alimentaire. Ce défi implique de concilier une production suffisante et de qualité, des pratiques durables et une économie viable, et ce, dans un contexte de réchauffement climatique. Dans les vergers, les pratiques agroécologiques telles que l’optimisation de la gestion des intrants (fertilisation, pesticides, irrigation) et la sélection de variétés résilientes apportent des réponses à ce défi en permettant de mieux faire face aux stresses biotiques (maladies et ravageurs) et abiotiques (stress hydrique, stress azoté). Afin d’évaluer l’état et le fonctionnement des vergers de manière non destructive et à haute répétitivité temporelle, une solution est le recours à des données de télédétection optique accessibles à différentes échelles spatiales, de l’individu à la parcelle. En effet, elles permettent de remonter aux propriétés biochimiques (pigments, contenu en eau…) et structurelles qui sont reliées à l’activité physiologique (photosynthèse, transpiration). À partir d’acquisitions aéroportées/satellitaires, ayant des résolutions spatiales (déca)métriques, l’échelle de l’arbre individuel n’est pas toujours atteignable, mais si c’est le cas, il est possible d’étudier la variabilité inter-individus au sein d’un verger. Avec l’essor d’acquisitions drone à l’échelle centimétrique voire millimétrique, on a maintenant accès à une richesse d’informations à l’échelle feuille qui nous permet de passer à la variabilité intra-individu, ce qui peut permettre des traitements spatialisés plus adaptés à chaque arbre. Certaines problématiques qui en découlent sont : l’efficacité des post-traitements pour faire de la fusion de données à partir d’acquisitions provenant de différents capteurs, la prise en compte des effets directionnels (anisotropie des propriétés optiques foliaires, répartition angulaire des feuilles et des autres éléments de la couronne d’un arbre) tant optiques que géométriques, et la construction de modèles pertinents entre les métriques optiques de télédétection et les variables de végétation observées. L’objectif de cette nouvelle thèse est d’évaluer l’apport de données multimodales drone pour une meilleure caractérisation de l’état sanitaire et nutritionnel des arbres en verger. Des vergers de pêchers et d’abricotiers seront survolés par des drones à voilure tournante équipés d’une caméra hyperspectrale, d’une caméra multispectrale polarisée et d’un LiDAR-3D. La démarche se déroule en trois étapes pour affiner la précision d’estimation des propriétés biochimiques foliaires : • Évaluation avec des données hyperspectrales : appui sur des méthodes d’inversion avec des approches empiriques (type machine learning) et hybrides (en utilisant des codes de transfert radiatif à l’échelle de la feuille), ces résultats serviront de référence puisqu’ils ne corrigent pas des effets directionnels. • Évaluation de l’apport de données LiDAR : prise en compte de métriques angulaires pour corriger les effets directionnels dans les deux approches d’inversion précédentes. • Évaluation de l’apport de données polarimétriques : calcul du degré linéaire de polarisation (DOLP) et de la réflectance non polarisée pour une meilleure prise en compte des effets directionnels et ainsi potentiellement, une meilleure estimation des traits en s’affranchissant des effets directionnels de surface optiques et géométriques. Préalablement à l’échelle terrain, des travaux sont en cours de réalisation en conditions maîtrisées afin d’obtenir une première calibration des méthodes d’inversion, tant empiriques que hybrides, à partir de données hyperspectrales acquises en laboratoire. Un jeu de données a été constitué à partir de 155 feuilles prélevées sur 39 rameaux en vergers d’abricotiers (INRAE Bellegarde) et de pêchers (INRAE Avignon). La réflectance et transmittance directionnelle-hémisphérique des feuilles ont été mesurées à l’aide d’un spectroradiomètre Perkin Elmer (400-2500 nm). Ces données ont été complétées de mesures de certains traits biochimiques (SPAD, contenu en eau et matière sèche, …). A l’échelle du rameau, les teneurs pigmentaires (chrolophylles, caroténoïdes, composés phénoliques) et le contenu azoté ont été également mesurés. Ensuite à partir de ce jeu de données, la méthodologie pour estimer les différentes variables biochimiques s’appuiera sur [1] et se déclinera selon : (i) une méthode empirique basée sur la Partial Least Square Regression (PLSR), (ii) une méthode physique via l’inversion itérative des modèles de transfert radiatif foliaire PROSPECT-D [2] et PROSPECT-PRO [3], et (iii) une méthode hybride qui combine les deux précédentes. Les premiers résultats seront présentés dans ce poster. La mise à l’échelle de ces travaux en conditions extérieures viendra à partir des futures acquisitions drone prévues cette année. D’autres types de données pourront alors être évalués en complément de celles hyperspectrales. Ces travaux sont financés par l’ANR CANOP (ANR-22-CE04-0002).