Présentation au CESBIO " 08/03/2021"
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Présentation au CESBIO
« 08/03/2021»
Sujet de post-doc: Utilisation d’images Sentinel 1 pour
l’estimation de la biomasse et du rendement du blé: Applications
au Sud-Ouest de la France
Azza Gorrab
Email: azzagorrab@gmail.com
Directeur de post-doc: Fréderic Baup
1Projet POMME-V
27/02/2020
Azza GORRAB
2007 - 2010: Diplôme National d’Ingénieur, Institut National
Agronomique de Tunisie (INAT)
Spécialité : Sciences du Sol et Environnement
2010 - 2012: Mastère de recherche, Option : Agronomie, Sol et Environnement, INAT.
2013 - 2016: Doctorat en cotutelle entre l’Université Paul Sabatier de Toulouse III et
l’Université de Carthage/INAT.
Activités de recherche: Caractérisation des états des surfaces agricoles – Télédétection
(RADAR) et SIG – Modélisation dans le domaine de l'agronomie (sol-plante et eau).
Directeurs de Mastère - thèse:
Mehrez Zribi , Directeur de Recherches (CNRS, CESBIO)
Zohra Lili Chabaane , Professeur (INAT/Université de Carthage)
Février 2017– Octobre 2019 : Assistante contractuelle de l’Enseignement Supérieur Agricole, INAT
Novembre 2019 – Novembre 2020 : Post-doc au laboratoire CESBIO – Auch
Directeur de post-doc: Frédéric Baup
Sujet: Utilisation d’images Sentinel 1 pour l’estimation de la biomasse et du rendement du blé.
Applications au Sud-Ouest de la France 2Plan de l’exposé
1 Contexte
2 Base de données in situ / radar
3 Analyse des données
Analyse temporelle des paramètres biophysiques du blé
Analyse temporelle des signaux rétrodiffusés
43 Méthodologie
53 Résultats et discussion
Scenario A / B: effet de l’orbite
Scenario C: effet de l’irrigation
Scenario D: effet des périodes végétatives
63 Conclusions / Perspectives 3Contexte
Blé: Changement Climatique
- Une des ressources alimentaires les plus importantes au monde
(production moyenne de 762,7 Mt pour 2020 (FAO) • Phénomènes de chaleur extrême
- la production annuelle française (blé tendre 37 Mt / blé dur 2 Mt) • Sècheresse
• Déficit prolongé de précipitation
[2006-2050]
Pertes de rendements > 10 %
Baisse de la disponibilité en eau
Altération de la qualité des sols
Baisse spectaculaire des rendements agricoles
80 % des régions producteurs de blé de
France avec le changement climatique
Le recours à l’observation et la modélisation de fonctionnement des cultures à l’échelle
régionale et de la parcelle
enjeu agro-environnemental majeur dans l’adaptation des cultures au changement
climatique 4Besoin d’estimer les paramètres biophysiques du blé
Information de 1er Ordre
Modèles agronomiques, prévision de rendements,
hydrologiques de prévision du bilan hydrique…
Application de la télédétection RADAR
Insensibilité aux perturbations de l’atmosphère et aux
conditions de luminosité (Nuages, Pluies, Jour, Nuit …)
Forte sensibilité aux propriétés diélectriques et
géométriques (sol, végétation)
Très hautes résolutions temporelles + spatiales
analyse fine : parcellaire, suivi de la dynamique de
végétation durant son cycle cultural…
Objectif: Explorer le potentiel des images Sentinel-1 (multi-temporelle et multi-configuration) pour
l’estimation des principaux paramètres du blé d’hiver (masse sèche et fraiche, contenu en eau et hauteur).
5Base de données in situ
Vaste zone d’étude (surface = 16 000 km²)
Sud-Ouest de la France (Nouvelle-Aquitaine et Occitanie)
Réseau de stations météorologiques (source: ACMG + CESBIO)
Variables : la hauteur, la biomasse (sèche et fraiche) et le contenu
en eau de blé (5 échantillons de 50 cm de longueurs prélevés)
Date d’échantillonnage
ID_PARC Culture IRRIGATION surface (ha)
[Début DOY- Fin DOY]
So Blé tendre N [64, 84, 105, 133, 148, 176] 10.9
Se Blé tendre N [48, 75, 104, 125, 147, 172, 188] 11.5
Ch Blé tendre Y [55, 82, 110, 130, 148, 172] 7.6
Co_8 Blé dur Y [64, 84, 105, 133, 148, 169, 179] 16.9
Co_8bis Blé dur N [70, 84, 105, 133, 148, 169, 179] 1.8
Co_9 Blé dur Y [64, 84, 105, 133, 148, 169, 179] 12.9
Co_11 Blé tendre N [64, 84, 105, 133, 148, 169, 179] 4.1 6Base de données satellitaires
Mission Sentinel-1A
Lancement Avril 2014
Fréquence Bande C : 5.405 GHz
Type image Ground Range Detected (GRD)
Fauchée 250 km
Répétitivité 12 j
Résolution spatiale (range*azimuth) ~ 20 x 22 m² (IW)
Nombre de vue équivalente (ENL) 4.4
Polarisation VV, VH
Orbite relative 30 132
Direction ASCENDENT ASCENDENT
Angle d’incidence - moyenne (°) 33.6° 43.4°
Heure Acquisition (UTC) 17:55 17:47
Prétraitements des images:
n=17
Google Earth Engine:
n=17
- Elimination du bruit thermique
- Calibration radiométrique
- Correction géométrique
7Analyse des évolutions temporelles des paramètres du blé
Ecart-type
Max~9290 g.m-2 (j=133)
Max ~ 5800 g.m-2 (j=147)
> 3450 g.m-2
Max ~2070 g.m-2 (sature)
Max =94 cm
Max =80% Max =84 cm
Ecart-type (++) :
dates (semis, croissance ou
développement), variété du
blé…
8Dynamiques temporelles des signaux rétrodiffusés (VV, VH, VH+VV, VH-VV) Période Signal ( σ ) Paramètres de végétation Commentaires DOY < 53 σ ~ varie peu He
Evolutions temporelles des cumuls (VV, VH, VH+VV, VH-VV)
Cumuls: Variabilité saisonnière Indépendante de cycle de croissance du blé
≠
Signaux rétrodiffusés: dépendance des stades phénologiques
10Méthodologie
Biophysical parameters:
SAR data: , , , Height (He)
Total Dry Mass (TDM)
Cumulative SAR data: , , , Total Fresh Mass (TFM)
Water content (WC)
A B C D
Impact of
Combining two orbits Impact of orbit pass Impact of irrigation phenological periods
Irrigated, O30 Irrigated P[1], O30
O30 and 132 O30 Rainfed P[1], O30
Rainfed, O30
Irrigated P[2], O30
Irrigated, O132 Rainfed P[2], O30
O132 Rainfed, O132
Irrigated P[1], O30
Rainfed P[1], O30
Irrigated P[2], O132
Rainfed P[2], O132
Empirical relationships (statistical parameters R2 et rRMSE)
11Plan de l’exposé
1 Contexte
2 Base de données in situ / radar
3 Analyse des données
Analyse temporelle des paramètres biophysiques du blé
Analyse temporelle des signaux rétrodiffusés
43 Méthodologie
53 Résultats et discussion
Scenario A / B: effet de l’orbite
Scenario C: effet de l’irrigation
Scenario D: effet des périodes végétatives
63 Conclusions / Perspectives 12Scénario (A et B): Effet de l’orbite
R²< 0.2
Pas de corrélations avec VH+VV
Pas d’effet d’orbite (sensibilité angulaire)
R²> 0.75
rRMSE < 50%
Améliorations significatives des corrélations
Tendances linéaires similaires des cumuls /
(He et TDM) tout au long du cycle de blé
13Scénario (C): Effet de l’irrigation
Pas de corrélations avec VH+VV
R²< 0.3
R²> 0.9 R²> 0.9
R²> 0.75 R²> 0.75 Meilleures avec P irriguées
Intérêt d’utiliser les cumuls
Pour la cartographie des surfaces irriguées,
Yann Pageot et al.2020 ont observés des
sensibilités des indices cumulés, dérivés des
images S1 (VV, VH), à l’irrigation
rRMSEScénario (D): Effet de la période végétatif
Identification de 2 périodes végétatives : P[1] et P[2]
15Scénario (D): Effet de la période végétatif
Effet de la période P[1]:
0.92
Performances des indices non
(9.5 %) cumulés dépendent des périodes,
0.8 des irrigations et de l’angle
(24.2 %) d’incidence:
0.78
(26.5 %) O132 (Ө=43,4°) + P irriguées +
P[1] : He, TDM, TFM
Ө40°:la diffusion du couvert
végétal (Brown et al.2003; Mattia
0.93 0.92 0.93 0.92 et al.,2003; Veloso et al.,2017)
0.87 0.87
rRMSE < 30%
rRMSE < 30% WC est constant jusqu’au stade
floraison (DOY=120)
16Scénario (C): Effet de la période végétatif
Effet de la période P[2]:
Corrélations significatives avec les
R²> 0.65 indices non cumulés
rRMSE < 20%
O30 (33,6°) + P irriguées + P[2] :
He, TDM, WC
Ө>39°: saturation du signal +
couvert végétal bien développé (El
Hajj et al., 2018)
R²> 0.7 R²> 0.6 Changement du comportement de
rRMSE < 10% rRMSE < 10% WC à partir de la floraison->
Assèchement de la culture
Signal moins absorbé par la
végétation
17Meilleures sensibilités des cumuls avec les paramètres du blé
-> Bonne estimation tout au long du cycle végétatif
-> Meilleur sur les P irriguées
-> WC : estimation limitée et dépend de la P[2] 18Approche multi-annuelle - Sélection 8 P de blé (
Conclusions / Perspectives
Importance de considérer les effets: Configuration radar (Orbite, polarisation) +
(approche non cumulée) Pratiques agricoles (irrigation..) +
Périodes végétatives
Par rapport aux travaux antérieurs les indices cumulés dérivés des images radars
Indices de végétation: NDVI, MTCI… (S1) ont montré les meilleures corrélations
Indices polarimétriques: entropy, alpha.. avec tous les paramètres du blé.
Ratios (VH/VV)
Elargir l’analyse des sensibilités des indices
Approches développées sur le blé cumulés ou non sur d’autres cultures (colza,
maïs, soja…)
20Remerciements: Nous souhaitons remercier
- la Fondation STAE (Projet Pomme V) d’avoir financer ce contrat de post-doc
- le laboratoire CESBIO et l’ACMG (Agen) de nous avoir fourni les données
- l’ACMG d’avoir financer la publication de l’article
21Vous pouvez aussi lire
