Retour sur l’ouverture de la séquence Comprendre et caractériser
Mélodie Fleury et Matéo Petitet, Etudiants AgroParisTech, Dominante IODAA – 3A
Retour sur l‘exposé de la séquence Comprendre et caractériser
Les apports de l’imagerie satellitaire radar par Florence Tupin, Telecom Paris
Une image radar correspond à l’enregistrement par une antenne de la rétrodiffusion par le sol d’une onde électromagnétique (fréquences en GHz, longueurs d’onde en cm) préalablement émise par cette même antenne.
Parmi ses avantages : (i) un capteur fonctionnant à toute heure (source d’éclairage propre) et par tous temps (onde électromagnétique pénétrant les nuages) ; (ii) permettant de classifier des objets (l’analyse d’amplitude permet de caractériser des cultures, de détecter des précipitations par exemple) ; (iii) d’évaluer l’élévation (l’analyse par interférométrie des différences de phases permet ainsi de retraduire la topographie d’un milieu) ; (iv) et de qualifier des propriétés géo-biophysiques tout en étant complémentaires des images optiques (l’analyse polarimétrique est sensible à la croissance des plantes par exemple).
Parmi ses limites : il s’agit de données très bruitées, d’où l’intérêt de recourir à des méthodes d’apprentissage profond pour améliorer les interprétations.
De nouveaux capteurs embarqués sur des constellations de satellites amélioreront la précision spatio-temporelle des données acquises et fourniront à l’avenir des mesures plus fines de la biomasse forestière, en réduisant les incertitudes dans les flux de carbone et de leur dynamique à l’échelle du paysage notamment. D’autres permettront de mieux appréhender l’humidité du sol et de suivre les ressources en eau. Une des perspectives consistera à développer des algorithmes pour extraire les informations des images de façon automatique.
Enfin, le traitement combiné de données radar avec les données optiques offre des perspectives intéressantes pour combler les manques dans les séries temporelles optiques par exemple. Le lancement en 2025 du satellite d’observation européen BIOMASS permettra de cartographier la biomasse des forêts afin d’estimer les quantités de carbone stockées et ainsi évaluer l’impact des forêts sur le cycle du carbone et les changements climatiques. Ce système sera complété par le lancement de ROSE-L et NISAR qui permettront, en utilisant des longueurs d’onde plus grandes, de pénétrer davantage dans la canopée, surtout pendant la phase où la végétation est dense.
Retour sur les cas d’usage de la séquence Comprendre et caractériser
Les apports de l’imagerie satellitaire optique par Anne Dubois, EarthDaily Agro-Geosys
L’imagerie satellitaire optique offre un potentiel considérable, en particulier pour (i) la détection automatique des cultures en saison (en croisant des modèles de deep learning s’appuyant sur des données de réflectance ainsi que des données météo et des modèles Random Forest s’appuyant sur des synthèses décadaires de réflectances) ; (ii) la caractérisation des couverts, cultures intermédiaires et de leur biomasse (grâce à un modèle de machine learning entrainé à partir de jeux de données incluant différentes espèces de couverts et mélanges en France).
La caractérisation de la biodiversité associée aux cultures, telles que les infrastructures agroécologiques, représente un défi technique particulier, en recourant à de la segmentation spatiale et temporelle pour isoler les bords de parcelles et des séries temporelles d’indices de végétation pour bien faire la différence entre objets adjacents. Ainsi les haies de moins de 3 mètres sont ainsi difficiles à distinguer. La détection de la floraison des prairies nécessite également une grande précision.
Différentes méthodes de traitement sont donc utilisées en fonction des objectifs (index de traitement, suivi de cycle phénologique, prédiction de rendement, suivi hydrique, détection de changement…), allant de simples calculs d’indices à des interprétations et modélisations plus complexes : on passe de relations simples de bande à bande et de valeurs seuils, à des algorithmes complexes créés par régressions linéaires, modélisations, etc… Là encore, tout est une histoire de compromis technologiques sachant qu’il n’y a pas de bons modèles sans bonnes données ni vérifications sur le terrain.
A suivre, le projet BioCapital (qui s’inscrit dans le prolongement du projet Agrobiomes) qui vise à produire et suivre des indicateurs servant à la mise en œuvre de systèmes financiers favorables à la biodiversité. Une liste d’indicateurs permis par le potentiel technologique, contrainte par la résolution spatiale, temporelle et spectrale, sera croisée avec les besoins des acteurs de terrain et les exigences de l’ingénierie technique et financière des paiements pour services environnementaux.
A terme, la nouvelle constellation EarthDaily devrait lever certains de ces freins en améliorant la résolution spatiale, temporelle et spectrale, facilitant ainsi une meilleure caractérisation et surveillance des écosystèmes agricoles.
