Abstract :
[fr] Depuis de nombreuses années, les différents enjeux économiques, géostratégiques et humanitaires liés aux prévisions de la production agricole à l’échelle nationale ou régionale, ont fait du suivi agricole une priorité dans divers programmes de recherches. Pour ce faire, de nombreux modèles agrométéorologiques existent, avec différents niveaux de complexité et d’empirisme. De nos jours, les avancées scientifiques et technologiques devraient permettre une meilleure exploitation des informations sur les variables biophysiques extraites de la télédétection en condition opérationnelle de prévisions de rendements et productions agricoles. Pourtant, l’intégration des facteurs biotiques et abiotiques en condition de production, plus particulièrement en phase de sénescence, reste très peu exploitée. Cette recherche porte sur la mise en place d’une approche d’estimation du rendement du blé d’hiver (Triticum aestivum L.) basée sur sa phase de sénescence et utile dans un contexte opérationnel de prévisions des rendements. Dans un premier temps, la phase de sénescence du blé est analysée et deux fonctions d’ajustement - les fonctions Gompertz modifiée et logistique – sont choisies pour sa modélisation. L’élaboration de modèles basés sur les paramètres caractéristiques de cette phase de sénescence (i.e. valeur maximale du GAI – green area index-, durée de la surface verte et taux de décroissance) est ensuite effectuée pour l’estimation du rendement du blé. Cette approche, la Senescence-based approach for yield estimates (SenAFY), est testée tout d’abord à l’échelle parcellaire par utilisation des valeurs de GAI dérivées de photographies hémisphériques. L’appréciation de la faisabilité et des performances de la SenAFY à cette échelle spatiale ont permis, dans un second temps, sa transposition à une échelle régionale en utilisant des profils temporaux de GAI extraites des images MODIS. Les modèles élaborés à travers cette approche permettent d’estimer de manière satisfaisante les rendements de blé aux deux échelles spatiales considérées. Et plus particulièrement, à l’échelle régionale, l’application de la SenAFY dans l’optique d’une prévision des rendements a fourni des résultats intéressants, montrant ainsi l’exploitabilité de la SenAFY dans d’autres contextes. Cette recherche constitue ainsi une piste ouverte dans la valorisation de récentes techniques de traitement d’images satellitaires de moyenne résolution et l’exploitation d’informations issues de la phase de sénescence du blé en conditions opérationnelles.
[en] Estimation of cereal-crop production is considered as a priority in most crop research programs due to the relevance of food grain to world agricultural production. A large number of agrometeorological models for crop yield assessment are available with various levels of complexity and empiricism. The current development of models for wheat yield forecasts, however, does not always reflect the inclusion of the loss of valuable green area and its relation to biotic and abiotic processes in production situation. At the field level, the close correlation between green leaf area during maturation and grain yield in wheat revealed that the onset and rate of senescence appeared to be important factors for determining wheat grain yield. Earth observation data, owing to their synoptic, timely and repetitive coverage, have been recognized as a valuable tool for crop monitoring at different levels. Our study sought to explore an approach for winter wheat (Triticum aestivum L.) yield forecasts at a regional scale, based on metrics derived from the senescence phase of the green area index (GAI).
The senescence phase of winter wheat was analyzed and its modelling was achieved through two curve-fitting functions (modified Gompertz and logistic function). Metrics derived from these functions and characterizing this phase (i.e. the maximum value of GAI, the senescence rate and the time taken to reach either 37% or 50% of the remaining green surface in the senescent phase) were related to grain yields. The Senescence-based Approach For Yield estimates (SenAFY) was established and first tested at plot scale based on GAI values derived from digital hemispherical photograph. Then, it was applied at a regional scale using GAI temporal profiles retrieved from MODIS data. This second part of our study took advantage of recent methodological improvements in which imagery with high revisit frequency but coarse spatial resolution can be exploited to derive crop-specific GAI time series by selecting pixels whose ground-projected instantaneous field of view is dominated by the winter wheat. The regression-based models derived from the SenAFY provide interesting yield estimates at these two spatial scales. At regional scale, especially, the use of the SenAFY in order to forecast wheat yield gave satisfactory results. Such an approach may be considered as a first yield estimate that could be performed in order to provide better integrated yield assessments in operational systems.
