Grâce aux technologies de l’information et aux systèmes de positionnement par satellites (GNSS), l’agriculture de précision raffine l’échelle d’observation et d’intervention, du champ à la plante individuelle. La télédétection, notamment à travers les images satellitaires, a également permis de surveiller l’évolution de la culture, avec une fréquence temporelle et une résolution spatiale accrues.
La vigueur de la culture est un paramètre crucial de la fertilisation, permettant d’optimiser l’apport en intrants et de générer des retombées économiques et environnementales. Plusieurs manières d’estimer la vigueur sont possibles. Pour une culture en rangs comme le maïs (Zea Mays L.), nous avons privilégié la biomasse qui servira de proxy à la vigueur.
Notre étude s’appuie sur l’hypothèse que l’avènement des drones agricoles ouvrira la voie à une meilleure estimation de la vigueur. Nous supposons que la flexibilité de la plateforme combinée avec la très haute résolution spatiale (THRS) des images droniques permettra un suivi plus précis de l’évolution de la vigueur, tant dans l’espace que dans le temps – conditions critiques pour le déploiement de l’agriculture de précision.
Les recherches des 15 dernières années s’appuient sur le drone pour collecter des images THRS, dont le traitement fait appel principalement à la méthode des indices de végétation, tel le NDVI. Plusieurs questions se posent :
– Le recours au NDVI est-il la manière la plus efficiente d’exploiter la THRS des images droniques ? Si non, comment exploiter autrement et mieux cette imagerie ?
– Attendu les contraintes de temps, la quantité de données et les impératifs logistiques, la méthode de traitement adoptée sera-t-elle suffisamment robuste ? Les concepts utilisés seront-ils simples et compréhensibles pour obtenir l’adhésion des utilisateurs finaux, c’est-à-dire les agriculteurs ?
– Les capteurs à bord des drones pouvant être orientés assez librement, quels sont les effets des angles de visée sur les résultats ?
D’abord, nous avons évalué la pertinence de l’approche classique, consistant à utiliser l’indice NDVI pour déterminer les paramètres de la culture. Pour cela, la plateforme dronique est comparée avec le capteur de proximité GreenSeeker. Il en découle que le drone se montre moins performant que le GreenSeeker pour l’estimation de la biomasse du maïs.
Nous avons ainsi délaissé l’approche classique et opté pour un indicateur de surface apparente, extrait à l’aide des techniques de vision par ordinateur appliquées à des images RGB. Cette méthode tire profit de la THRS offerte par l’imagerie dronique et produit un proxy robuste de la biomasse, au niveau surfacique (par mètre carré) et linéaire (par rang).
Nous avons aussi constaté que les résultats n’étaient pas affectés par les angles d’acquisition des images (au nadir et obliques). Partant, cette recherche ouvre la perspective à des applications de la dronautique en agriculture de précision, pour l’estimation de la vigueur et d’autres paramètres fondamentaux entrant dans les algorithmes d’optimisation des intrants. Elle offre également la possibilité d’imaginer des plateformes non-droniques pour l’acquisition des images THRS dans le contexte de la fertilisation. / Thanks to information technologies and GNSS (Global Navigation Satellite System), precision agriculture is refining the scale of observation and intervention, from the field to the individual plant. Remote sensing, in particular through satellite imagery, has also made it possible to monitor the crop dynamics, with increasing time frequency and spatial resolution.
Crop vigor is a crucial parameter allowing the optimization of inputs, and consequently economic and environmental benefits. Several ways to estimate crop vigor are possible. For a row crop such as corn (Zea Mays L.), aboveground biomass has been favored and will serve as a proxy for vigor.
Our study is based on the hypothesis that the recent advent of agricultural UAVs (Unmanned Aerial Vehicles) will pave the way for a better estimation of crop vigor. We assume that the flexibility of the UAV combined with the very high spatial resolution of their images will allow a more accurate monitoring of crop vigor, both in space and time – conditions which are critical for the deployment of precision agriculture.
Research over the past 15 years has relied on the UAV to collect images of very high spatial resolution. However, the processing of those images is mainly based on vegetation indices, especially the NDVI. Several questions arise from the above observations:
– Is the use of NDVI the most efficient way to exploit the spatial resolution of UAV images? If not, is there a better way to exploit this imagery?
– How to respond to time and logistical constraints in the image processing so that it is ultimately adopted by farmers?
– Since UAV-borne sensors can be oriented quite freely, what are the effects of the acquisition angles on the results?
First, we assessed the relevance of the traditional approach which uses the NDVI index to determine crop parameters. To do that, we compared the UAV platform with the GreenSeeker proximal sensor. The results showed that the UAV is less efficient than the GreenSeeker in estimating corn biomass.
We thus moved away from the traditional approach and opted for a method extracting the apparent leaf area, through computer vision techniques applied to RGB images. This method took advantage of the very high spatial resolution offered by UAV images and produced a robust proxy for corn biomass, at the surface (per square meter) and row levels.
We also found that the results were not affected by the acquisition angles of the images (nadir and oblique). Therefore, this research opens the perspective to UAV applications in precision agriculture, for the estimation of vigor and other fundamental parameters used in input optimization algorithms. It also offers the possibility to imagine non-UAV based platforms for the acquisition of very high resolution images in the context of fertilization.
| Identifer | oai:union.ndltd.org:umontreal.ca/oai:papyrus.bib.umontreal.ca:1866/25246 |
| Date | 05 1900 |
| Creators | Khun, Kosal |
| Contributors | Cavayas, François, Codjia, Claude |
| Source Sets | Université de Montréal |
| Language | fra |
| Detected Language | French |
| Type | thesis, thèse |
| Format | application/pdf |
Page generated in 0.0031 seconds