La classification et l’identification des cultures par la télédétection

RAPPORT DE RECHERCHE
La classification et l’identification des cultures par la télédétection
Module « télédétection optique »
Filière Géoinformation
Faculté des sciences et techniques Tanger
07-06-2015
Réalisé par : DICHRI Omaima & ELASRI Abdessadek.
Demandé par : Mme.wahbi.

1 |Télédétection optique G é o i n f o r m a t i o n 2 è m e a n n é e
Sommaire
Introduction....................................................................2
spécification de la végétation .........................................3
Suivi de l'état des cultures ..............................................8
Estimation des rendements agricoles...........................16
La télédétection pour reconnaître les cultures.............19
conclusion.....................................................................23

Introduction
Une grande partie de notre alimentation est assurée par les produits issus de l'agriculture. La production
de denrées alimentaires de qualité et en quantité suffisante est essentielle pour le bien-être des gens
partout dans le monde. Les plantes cultivées, tout comme les êtres vivants, ont besoin d'eau et de
nutriments pour croître. Elles sont également sensibles aux phénomènes météorologiques extrêmes, aux
maladies et aux prédateurs. La télédétection peut fournir des données très utiles pour identifier et
surveiller les cultures. Quand ces données sont organisées avec d'autres types de données dans un
Système d'Information Géographique (SIG), elles deviennent un outil puissant d'aide à la décision pour
tout ce qui touche aux cultures et aux pratiques culturales.
Qui a besoin de télédétection en agriculture ?
Les gouvernements peuvent utiliser des données satellitaires pour prendre des décisions importantes à
propos des politiques agricoles qu'ils vont adopter ou pour résoudre les crises ou les problèmes agricoles
nationaux. Les fermiers peuvent aussi récolter de nombreuses informations utiles par le biais d'images
d'observation de la Terre. Ils peuvent ainsi mieux gérer leurs propres cultures, mieux suivre l'état de
santé de leurs plantes et mieux réagir en cas de problème.
Dans cette recherche, nous t'invitons à apprendre :
 comment la végétation interagit avec le spectre électromagnétique
 comment traiter les images satellitaires pour qu'elles fournissent de l'information sur les
cultures.
 comment identifier des problèmes de cultures grâce à la télédétection.
 comment combiner télédétection et SIG.

Spécification de la végétation
a) La signature spectrale de la végétation.
La végétation couvre une énorme portion de la surface émergée de la Terre. Ses rôles dans la
régulation de la température globale, dans l'absorption de CO2 et dans d'autres fonctions importantes
en font un type de couvert du sol particulièrement important et intéressant. La télédétection profite de
la manière particulière dont la végétation réfléchit le rayonnement électromagnétique incident pour
obtenir de l'information sur la végétation.
Structure cellulaire d'une feuille et son interaction avec le
rayonnement électromagnétique. La plus grande partie de la
lumière visible est absorbée, tandis que presque la moitié du
rayonnement proche infrarouge est réfléchi.
On trouve deux couches de cellules différentes sous
l'épiderme supérieur (la fine couche de cellules qui
forme la surface de la feuille). La couche supérieure
est le parenchyme palissadique constitué de cellules
allongées disposées les unes à côté des autres dans le
sens vertical. Dans cette couche se trouve la plupart
de la chlorophylle, une protéine qui va capter l'énergie
solaire pour alimenter le processus de la
photosynthèse. La couche inférieure est le
parenchyme lacuneux (ou spongieux) constitué de
cellules à formes irrégulières et d'espaces vides qui
favorisent la circulation des gaz.
En plus de la chlorophylle, le parenchyme palissadique
contient d'autres pigments comme les caroténoïdes, les anthocyanes et d'autres. Ces pigments
absorbent aussi la lumière. Grâce à eux la plupart de la partie visible du rayonnement électromagnétique
est absorbée, surtout dans les régions bleue et rouge. L'absorption dans le vert est légèrement moins
forte, ce qui explique que la végétation nous apparaisse verte. En conséquence, il y a très peu d'énergie
visible qui échappe au parenchyme palissadique et qui est réfléchie vers le ciel.
D'autre part, la lumière proche infrarouge n'est pas affectée par ces pigments et pénètre presque
complètement au travers du parenchyme palissadique. Arrivée dans le parenchyme lacuneux, la
présence de cavités remplies d'air provoque une réfraction de ce rayonnement dans toutes les
directions. Au total, environ la moitié du rayonnement proche infrarouge ressort de la feuille par
l'épiderme inférieur et l'autre moitié par l'épiderme supérieur, vers le ciel.
Les capteurs qui enregistrent l'énergie réfléchie dans les régions du visible et du proche infrarouge du
spectre vont donc capter un signal très faible dans les régions du bleu et du rouge, un signal un peu plus
important dans le vert et un signal fort dans le proche infrarouge. Si on représente la force du signal dans
chacune de ces régions, on obtient le graphe suivant:

Signature spectrale de la
végétation. La végétation a
une faible réflectance dans
le visible et une réflectance
élevée dans le proche
infrarouge.
b) Indices de végétation
Le 'red edge'.
Les régions rouge et proche infrarouge du spectre électromagnétique sont adjacentes (le rouge se situe
approximativement entre 600 et 700 nm de longueur d'onde et le proche infrarouge commence à 700
nm et s'étire jusqu'à 1200 nm de longueur d'onde). La faible réflectance de la végétation dans le rouge
est donc immédiatement suivie par une augmentation importante de la réflectance dans le proche
infrarouge. Cette brusque augmentation de la réflectance entre 690 et 730 nm de longueur d'onde est
appelée le 'red edge' (littéralement: le bord rouge).
Déplacement du 'red edge' causé par une modification de la
concentration en chlorophylle. Une concentration élevée en
chlorophylle augmente l'absorption dans la région rouge et
déplace le 'red edge' vers les plus grandes longueurs
d'ondes.
L'image ci-contre montre les réflectances de
trois canopées de plantes similaires. Leur seule
différence est leur concentration en chlorophylle.
Les courbes rouge, jaune et verte proviennent
respectivement de plantes à faible, moyenne et haute concentration en chlorophylle. Quand la
concentration en chlorophylle augmente, l'absorption dans la région rouge du spectre augmente aussi,
ce qui génère une plus faible réflectance. En supplément, le puits d'absorption (la région du spectre où
on note de l'absorption) s'élargit. Cela provoque le déplacement du 'red edge' vers les plus grandes
longueurs d'ondes (vers le proche infrarouge) et lui donne une pente moins abrupte.
Evolution des indices de végétation.
La plupart des indices de végétation sont basés sur la différence de réflectance dans le visible et dans le
proche infrarouge. Comme la chlorophylle se trouve dans toutes les plantes et qu'elle a une absorption
caractéristique dans le rouge, c'est souvent cette partie de la région visible du spectre qui est choisie,
plutôt que d'utiliser toute la région visible.
L'indice de végétation par différence normalisée (NDVI)
La première fois que les réflectances dans le rouge et dans le proche infrarouge ('near-infrared', NIR)
ont été combinées, c'était pour mesurer l'indice de surface foliaire ('Leaf Area Index', LAI) dans les
canopées forestières (Jordan, 1969). Ce premier indice utilisait le rapport PIR/rouge et fut appliqué plus

tard à des données Landsat/MSS de la NASA. Des études ultérieures ont montré que la version
normalisée de ce rapport était plus performante dans certains cas, et l'indice de végétation par
différence normalisée ('Normalised Difference Vegetation Index', NDVI) fut peu à peu introduit. Cet
indice est le rapport de la différence entre la réflectance dans le proche infrarouge et dans le rouge, sur
la somme des deux. Sa valeur varie entre -1 (pas de végétation) et +1 (végétation abondante).
NDVI = (NIR - Rouge) / (NIR + Rouge)
Le NDVI peut être corrélé à de nombreuses propriétés des plantes. Il a été, et est encore aujourd'hui,
utilisé pour caractériser l'état de santé des plantes, pour repérer les changements phénologiques, pour
estimer la biomasse verte et les rendements et dans bien d'autres applications.
Cependant, le NDVI possède aussi certaines faiblesses. Les conditions atmosphériques et les fines
couches nuageuses peuvent influencer le calcul du NDVI à partir de données satellitaires. Quand la
couverture végétale est faible, tout ce qui se trouve sous la canopée influence le signal de réflectance qui
sera enregistré. Il peut s'agir de sol nu, de litière végétale ou d'un autre type de végétation. Chacun de
ces types de couvert du sol aura sa propre signature spectrale, différente de celle de la végétation qu'on
souhaite étudier.
Voyons ce à quoi ressemble le NDVI calculé à partir d'une image satellitaire. Cette image de la région du
nord-Ouest du Péloponnèse (en Grèce) fut acquise par l'instrument Landsat TM avec une résolution
spatiale de 30 m.
L'image en couleurs naturelles (Rouge-Vert-Bleu), la
composition 'infrarouge fausses couleurs' (PIR-Rouge-
Vert) et l'image correspondant à l'indice de
végétation par différence normalisée de parcelles
agricoles du Nord-Ouest du Péloponnèse en Grèce,
sur base de données Landsat TM.
L'image de gauche est une composition en
vraies couleurs (les bandes rouge, verte et
bleue du capteur sont associées aux couleurs rouge, verte et bleue de l'écran). Les champs cultivés
apparaissent donc en vert. Les nuances de vert diffèrent selon les champs et indiquent qu'il s'agit de
cultures différentes ou de cultures à différents stades de croissance. Les sols nus apparaissent en brun.
L'image du milieu est une composition 'infrarouge fausses couleurs' (les bandes proche infrarouge, rouge
et verte du capteur sont associées aux couleurs rouge, verte et bleue de l'écran). Ici, la végétation est
représentée par des hautes valeurs dans le proche infrarouge, qui apparaît en rouge sur l'image. Les sols
nus apparaissent en cyan, parce qu'ils ne possèdent pas de végétation qui leur donnerait une couleur
rouge à l'écran. L'image de droite est le calcul du NDVI pour chaque pixel de l'image. Les pixels sombres
indiquent un faible NDVI, les pixels clairs un NDVI élevé et les pixels gris sont synonymes de NDVI
moyens.
L'indice de teneur en eau par différence normalisée (NDWI).
Suivant le même principe que le NDVI, l'indice de teneur en eau par différence normalisée ('Normalised
Difference Water Index', NDWI) utilise la bande proche infrarouge et une bande de l'infrarouge à courtes
longueurs d'onde ('short-wave infrared', SWIR) (Gao, 1996). Au lieu de la bande rouge, où la réflectance
est affectée par la chlorophylle, le NDWI utilise une bande de l'infrarouge à courtes longueurs d'onde
(entre 1500 et 1750 nm), où l'eau possède un pic d'absorption. La bande du proche infrarouge ('near-
infrared', NIR) est la même que celle du NDVI car l'eau n'absorbe pas dans cette région du spectre
électromagnétique.
NDWI = (NIR - SWIR) / (NIR + SWIR).
Voyons ce à quoi ressemble le NDWI calculé à partir de la même image satellitaire Nord-Ouest du
Péloponnèse:

L'image en couleurs naturelles (Rouge-Vert-Bleu),
la composition 'infrarouge fausses couleurs' (PIR-
Rouge-Vert) et l'image correspondant à l'indice de
teneur en eau par différence normalisée de
parcelles agricoles du Nord-Ouest du Péloponnèse
en Grèce, sur base de données Landsat TM.
L'image en noir et blanc, à droite,
correspond au calcul du NDWI pour
chaque pixel de l'image. Comme avec
l'image du NDVI, les pixels sombres
correspondent aux valeurs les plus faibles et les pixels clairs aux valeurs les plus élevées. Il faut
remarquer que la mer (dans le coin gauche de l'image) a des valeurs élevées alors que pour le NDVI elle
apparaissait en tons sombres. On peut constater que les parcelles agricoles ont toutes des valeurs
élevées de NDWI, ce qui suggère qu'elles sont correctement irriguées. Les champs non cultivés (sols nus)
apparaissent en noir, ce qui indique qu'ils sont les plus secs puisqu'ils ne reçoivent pas d'irrigation.
La droite du sol
Les sols nus possèdent une signature spectrale spécifique qui permet de les distinguer des autres types
d'occupation du sol. Dans la région visible et proche infrarouge, la réflectance augmente
proportionnellement avec la longueur d'onde. Mais le taux d'augmentation dépend de nombreux
facteurs. La texture et la structure du sol influencent la réflexion (qui peut être diffuse ou lambertienne).
Les sols qui ont une teneur en eau et en matière organique élevées absorbent plus et auront une
réflectance générale plus faible.
Néanmoins, la relation entre la réflectance dans le rouge et dans l'infrarouge est relativement constante
pour un type de sol donné. Si on collecte de nombreuses mesures spectrales d'un même sol, à différents
taux d'humidité, et qu'on représente sur un graphe la réflectance dans le rouge et dans le proche
infrarouge de chaque mesure, on obtient ce type de graphe:
Exemple d'une droite de sol entre
réflectance dans le rouge et dans le proche
infrarouge.
La réflectance dans le rouge et
dans le proche infrarouge varient
de manière proportionnelle lorsque
la teneur en eau change. Ces deux
paramètres sont donc corrélés et
ils ont une relation linéaire. Cela
signifie que quand l'un varie,
l'autre variera en fonction de la
relation qui les lie. La ligne qui
décrit cette relation est appelée la
droite du sol ('soil line'), elle est
caractéristique à chaque sol.
Les indices de végétation qui prennent le sol en considération

L'indice de végétation perpendiculaire ('Perpendicular Vegetation Index', PVI) de Richardson et
Wiegand (1977) utilisait les bandes rouges et infrarouges pour calculer la distance perpendiculaire entre
un point de végétation sur le nuage de points d'un graphe NIR/Rouge et la droite du sol. Comme la
végétation possède une plus grande réflectance dans le proche infrarouge et une plus faible réflectance
dans le rouge comparée au sol, un point de végétation sera dans le coin supérieur gauche du nuage de
points. A mesure que la végétation augmente en densité, le point de végétation bougerait vers le coin
supérieur droit, en s'éloignant de la droite du sol.
La faiblesse de l'indice de végétation perpendiculaire réside dans la supposition qu'il n'y a qu'un seul
type de sol sous la végétation. Ce n'est pas toujours le cas, deux types de sols peuvent coexister sur une
petite surface, par exemple un mélange de sol et de roche. Huete (1988) proposa alors l'indice de
végétation ajusté pour le sol ('Soil-Adjusted Vegetation Index', SAVI) pour résoudre ce problème. Le SAVI
est un indice hybride entre le NDVI et le PVI. Sa formule ressemble au PVI:
SAVI = ((NIR-Rouge) / (NIR+Rouge+L)) * (1+L).
"L" est un facteur de correction dont la valeur dépend du couvert végétal. Pour un couvert végétal
totalement fermé, il vaut zéro et le SAVI est alors équivalent au NDVI. Pour un couvert végétal très faible,
il vaut 1. Huete (1988) suggéra que la valeur de 0.5 soit utilisée quand le type de couvert végétal était
inconnu, puisque 0.5 représente un couvert végétal moyen.
D'autres indices, comme l'indice de végétation ajusté pour le sol transformé ('Transformed Soil-Adjusted
Vegetation Index', TSAVI; 1991) et l'indice de végétation ajusté pour le sol modifié ('Modified Soil-
Adjusted Vegetation Index', MSAVI;1994) ont progressé dans la même voie en introduisant différents
facteurs d'ajustement. Ces indices sont plus performants que le SAVI dans certains cas. D'autres indices
de végétation plus spécifiques ont été également été proposés. Ils utilisent des données à haute
résolution spectrale (c'est-à-dire des bandes très étroites du spectre) et s'intéressent particulièrement au
contenu en chlorophylle et à la vigueur des plantes. Parmi eux, l'indice réflectance photochimique
('Photochemical Reflectance Index', PRI), l'indice du rapport pigment chlorophylle normalisé
('Normalised Pigment Chlorophyll Ratio Index', NPCI;1994) et l'indice de la teneur en chlorophylle de la
canopée ('Canopy Chlorophyll Content Index', CCCI;2000).
Les indices de végétation réduisent l'information spectrale contenue dans certaines gammes de
longueur d'onde à une valeur unique qui représente une propriété ou une caractéristique
particulière de la végétation. La plupart des indices combinent deux caractéristiques de la végétation: sa
réflectance élevée dans le proche infrarouge (causée par la réfraction du rayonnement au niveau de la
structure cellulaire des feuilles) et sa faible réflectance dans le rouge (causée par l'absorption
chlorophyllienne). Dans les cas où la couverture végétale n'est pas complète, la contribution du sol sous-
jacent à la réflectance totale doit être prise en compte. Certains indices de végétation ont été
spécialement définis pour pouvoir traiter ces cas.

Suivi de l'état des cultures
1. Qu'est-ce qui stresse les plantes ?
a) Les facteurs qui affectent les signatures spectrales des cultures
Les végétaux ont une façon particulière de réfléchir le rayonnement électromagnétique. Cette
caractéristique unique est appelée la 'signature spectrale' de la végétation. La réflectance de la
végétation est très faible dans les régions bleue et rouge du spectre électromagnétique, légèrement plus
élevée dans la région verte (c'est pourquoi nous voyons les végétaux en vert) et la plus haute dans le
proche infrarouge (invisible à l'œil nu). Pour plus d'informations sur la signature spectrale de la
végétation, voir la partie précédente !
Perte de chlorophylle dans une feuille (chlorose).
La croissance normale d'une plante est
perturbée quand celle-ci traverse une période
de stress. Le métabolisme d'une plante
stressée ne fonctionne pas correctement pour
différentes raisons. Lorsqu'une plante est
stressée, elle présente généralement certains
symptômes visibles mais aussi d'autres
symptômes invisibles à l'œil nu. Les
symptômes de stress peuvent apparaître chez
toutes les plantes d'un champ ou seulement
dans certaines portions et ce, en fonction de
la cause (ou des causes) du stress.
Exemple : Une invasion d'insectes commence
à une extrémité d'un champ et va
graduellement s'étendre sur tout le champ.
Par contre, un phénomène comme la compaction du sol peut seulement affecter une partie du champ et
aura donc une influence uniquement sur les plantes poussant sur cette portion.
Le stress peut être causé par de nombreux facteurs externes :
 Manque d'eau (sécheresse).
 Carence en nutriments.
 Concentration élevée en composés chimiques dangereux (toxicité).
 Acidité ou salinité extrêmes du sol.
 Infections fongiques, bactériennes ou virales.
 Attaques d'insectes ou d'autres organismes, sur les parties aériennes ou sur les racines de la
plante.
 Températures extrêmes (chaleur ou gel).
 Asphyxie des racines ou manque de place pour le développement correct des racines (p.ex. sols
argileux saturés en eau ou sols compactés).
 Manque de lumière.
 Dégâts structurels causés par les conditions météos (vent, neige, glace).
 Compétition avec d'autres plantes pour l'accès à la lumière, aux nutriments, à l'eau ou à l'espace
de croissance.

b) Quand les champignons attaquent.
Dans la photo ci-dessous, certaines portions des feuilles de soja ont été infectées par le champignon
Phakospora (rouille du soja). Les parties infectées sont devenues jaunes, parce que la chlorophylle a été
détruite à ces endroits. Le champignon attaque les cellules en pénétrant par les parois et en utilisant le
contenu et les nutriments des cellules pour se nourrir et se développer.
Effets de la rouille du soja (champignon
Phakospora) sur des feuilles de soja.
Le champignon Cercospora sur une feuille.
Comparaison des feuilles attaquées par Phakospora
et Cercospora :
Différents champignons provoquent différents
symptômes sur les feuilles des plantes. Dans la
photo ci-contre, le champignon Cercospora a infecté
des petites parties de la feuille et l'infection semble
se propager vers l'extérieur de ces taches. A mesure
que l'infection se propage, les cellules perdent leur
chlorophylle et puis se dessèchent et meurent (parties brunes). Dans certains cas, l'apparition de taches
circulaires de cellules mortes est en fait un mécanisme de défense de la plante. Puisque le champignon
se propage de cellule en cellule, la plante peut délibérément provoquer la mort des cellules qui
entourent le point d'infection. Sans cellules vivantes dans lesquelles continuer son infection, le
champignon meurt et sa propagation est stoppée net.

Structure (mycélium) et spores du champignon
Fusarium verticilliodes.
Dans l'image ci-contre, on peut voir les
éléments structurels du champignon
Fusarium verticilliodes et ses sacs à
spores. Les spores sont larguées quand
les conditions de température et
d'humidité sont optimales. Quand elles
atteignent la surface d'une feuille, les
spores produisent une sonde qui pénètre
dans les parois cellulaires. Le
champignon se sert de cette sonde pour
se nourrir des nutriments cellulaires afin
de développer son réseau de mycélium
et de sac à spores, ce qui lui permet de répéter le cycle.
Question: Quelle allure aurait la courbe de réflectance de ces feuilles dans le visible et dans l'infrarouge,
en comparaison avec des feuilles saines ?
Réponse : La signature spectrale des feuilles attaquées par un champignon sera plus élevée dans le rouge
(puisque que les concentrations en chlorophylle ont diminué) et plus basse dans l'infrarouge (à cause de
la perte d'eau et du démantèlement des parois cellulaires).
c) Carences en nutriments.
Le manque de certains éléments nutritifs empêche la
plante de poursuivre une croissance normale. Certains
nutriments sont directement ou indirectement liés à la
production de chlorophylle et leur déficit se remarquera
par une différence de couleur des feuilles. La carence en
azote, par exemple, provoque d'abord le jaunissement de
la feuille autour des vaisseaux (qui constituent le réseau
de transport des nutriments dans la plante). Le
jaunissement s'étend ensuite progressivement au reste de
la feuille, qui devient rouge et puis brune.
Effets de la carence en azote sur les feuilles.

Carence en azote sur des plants de maïs.
Carence en manganèse sur une feuille de rosier.
Contrairement à la carence en azote, la
carence en manganèse apparaît d'abord
comme une chlorose (perte de
chlorophylle) sur le périmètre extérieur de
la feuille. Les zones autour des vaisseaux
sont les dernières à montrer des
symptômes de carence. Quand la carence
se renforce, les tissus jaunis se dessèchent
et meurent en prenant une couleur brun
foncé.
Les carences en azote et en manganèse
présentent une seconde différence (en plus
du moyen de propagation). La carence en
manganèse affecte d'abord les feuilles les
plus jeunes, qui poussent au sommet. Par
contre, la carence en azote a tendance à se
marquer d'abord sur les feuilles les plus
âgées, qui poussent le plus près du sol.
Regarde la photo des deux plants de maïs
en haut: ce sont les feuilles les plus basses
qui sont devenues jaunes le long du
vaisseau central tandis que les feuilles supérieures sont beaucoup plus vertes.
2. Peut-on voir les symptômes de stress par télédétection ?
a) Identifier les plantes stressées.

La chlorophylle est une composante essentielle du processus de photosynthèse. La chlorophylle est le
pigment qui absorbe l'énergie solaire et produit l'énergie suffisante pour que la réaction
photosynthétique ait lieu. Comme elle absorbe de l'énergie, la chlorophylle a un impact important sur la
quantité d'énergie qui sera réfléchie (voir la partie 1 en haut).
La télédétection permet d'estimer directement la quantité de chlorophylle présente dans une plante.
En combinant plusieurs bandes d'une image de télédétection (plusieurs enregistrements simultanés dans
différentes régions du spectre électromagnétique), on peut créer des indices de végétation et les utiliser
pour estimer l'état des cultures.
En utilisant les indices de végétation,
les images de télédétection peuvent
être traitées pour produire des images
classifiées qui montrent directement
les plantes stressées. L'image classifiée
(à gauche) a été produite à partir de
données acquises par le capteur AVIRIS
(Airborne Visible/Infrared Imaging
Spectrometer) monté sur un avion.
En fonction de la réflectance dans le
visible et le proche infrarouge, les
indices de végétation produits nous
donnent une indication de la quantité
de chlorophylle présente dans les
plantes. Avec cette information, nous
pouvons estimer si les plantes sont
stressées et, dans l'affirmative, à quel
point elles sont atteintes. Dans l'image
classifiée ci-contre, les champs ne
contenant pas de végétation verte (sols
nus et végétation sèche) sont en bleu et les champs couverts de végétation apparaissent en vert. Les
parties des champs apparaissant en rouge indiquent que les plantes y sont stressées.
Avant que la concentration en chlorophylle ne chute dans les plantes stressées, le facteur de stress a
déjà commencé à affecter la structure cellulaire des feuilles. Ce premier stade de stress influence la
réflectance de la plante dans l'infrarouge, avant que la perte de chlorophylle ne modifie la réflectance
dans le visible. Les techniques de la télédétection permettent de voir ces changements dans le proche
infrarouge (qui n'est pas visible à l'œil nu) avant même que les symptômes chlorotiques ne commencent
à apparaître. C'est ainsi que ces techniques permettent de détecter précocement si les plantes sont ou
non soumises à un stress.
Parcelles agricoles vues par le
satellite Ikonos (composition en
couleurs naturelles et composition
'infrarouge fausses couleurs').
En compilant les indices de
végétation calculés sur base
de données acquises par des
capteurs à très haute
résolution spatiale (taille du
pixel en-dessous de 10 m, jusqu'à 1 m), on peut repérer les zones où les cultures souffrent d'un certain
stress et estimer la gravité de la situation. Le fait d'être capable d'identifier les zones de stress dans un

champ permet à l'agriculteur de repérer les problèmes et de les résoudre par une action localisée (p.ex.
en irrigant ou en appliquant des pesticides uniquement là où c'est nécessaire).
En complément aux capteurs à très haute résolution spatiale, les capteurs à haute résolution spectrale
(c'est-à-dire qui enregistrent dans de nombreuses bandes du spectre électromagnétique) sont
également très utiles. Le fait de pouvoir acquérir des données dans la région du proche infrarouge
(infrarouge à courtes longueurs d'onde) nous donne des informations sur la concentration en certains
composés biochimiques, comme la cellulose, l'azote, l'eau et les sucres.
L'image ci-contre est une image
satellite QuickBird classifiée en utilisant
les indices de végétation. Les plantes en
bonne santé sont indiquées en vert. La
santé des plantes décline quand la
couleur tend vers le jaune. Les plantes
stressées apparaissent en rouge. Les
zones grises sont des champs non
cultivés. En fonction des formes des
zones de stress on peut identifier les
causes des stress.
Variations de la santé d'une culture au sein d'un
champ, sur base de données QuickBird.
b) Estimer la teneur en eau par télédétection.
Tout comme de nombreux organismes, les plantes ont besoin d'eau pour survivre. L'eau est utilisée
dans de nombreux processus biochimiques essentiels mais elle est aussi le "moyen de transport" des
éléments nutritifs, depuis le sol vers toutes les parties de la plante. L'eau rentre dans la plante par les
racines, passe par les tissus conducteurs (vaisseaux) de la tige principale et des branches et termine son
voyage dans les feuilles. L'eau est ensuite relâchée dans l'atmosphère en passant par des petits pores
situés sur les feuilles, appelés les stomates. Ce processus est décrit comme la transpiration végétale.
Stomate sur une feuille de tomate.
Tous les processus biologiques qui ont lieu dans une plante
produisent de la chaleur. Cette chaleur est captée par l'eau et
évacuée hors de la plante quand elle transpire par ses feuilles.
Quand il n'y a pas assez d'eau et que la plante est en situation de
stress, elle ne parvient plus à perdre de la chaleur assez
rapidement par la transpiration. Le résultat est que la température
de la plante monte. Cette augmentation de température peut être
détectée par télédétection, en utilisant les parties du spectre
électromagnétique qui sont sensibles à la chaleur.
Dans l'image ci-dessus, on peut voir que la teneur en eau à
l'intérieur d'un même champ peut être très variable. Les pixels
bleus représentent les plantes avec une bonne teneur en eau, les pixels verts les plantes à teneur en eau
moyenne et les pixels rouges les plantes qui souffrent d'un manque d'eau. Cette variabilité est due aux
caractéristiques du sol qui peuvent différer d'une section à l'autre du champ, le sol pouvant être soit
très, soit très peu capable d'absorber l'eau et de la fournir aux plantes.

Un des inconvénients de cette technique
apparaît quand la couverture végétale est
partielle. Quand la végétation ne recouvre
pas totalement le sol, la température du sol
affecte fortement le signal thermique
enregistré par le capteur. Quand cela arrive,
on peut facilement confondre les zones de sol
chaud à faible couvert végétal et les zones de
plantes souffrant de stress hydrique.
Cependant, si on a une idée de la quantité de
végétation présente et, plus particulièrement,
de la quantité de surface de feuilles par unité
de sol (mesuré par l'indice de surface foliaire ou 'leaf area index', LAI), on peut corriger les mesures
effectuées par télédétection et réduire les effets du sol quand la couverture végétale est partielle.
c) Suivre l'irrigation.
Quand penses-tu que le champ qui apparaît dans les images ci-dessous a été irrigué ?
La télédétection peut fournir des données très fréquentes, ce qui permet de suivre de près l'évolution
de processus qui se déroulent en un court laps de temps. Dans l'exemple au-dessus, on peut observer les
effets de l'irrigation sur la teneur en eau des plantes. L'irrigation a eu lieu entre le 24 juin et le 19 juillet,
ce qui explique la forte teneur en eau détectée sur la deuxième image. La quantité d'eau dans les plantes
va ensuite diminuer graduellement, à mesure que l'été cède sa place à l'automne.
Quand on regarde l'image du 24 juin, la tâche en forme de X est absente. Cela pourrait indiquer qu'il y a
un facteur supplémentaire qui provoque une baisse plus rapide de la teneur en eau au milieu de chaque
quart de disque par rapport aux autres parties du champ. Il est possible que le 24 juin il n'y avait pas
encore de végétation, les graines avait été semées mais n'avaient pas encore germé. Ensuite, la
végétation a commencé à se développer et à perdre de l'eau par évapotranspiration. En général, la
végétation saine a une meilleure évapotranspiration que la végétation malade ou stressée.
d) Combattre les maladies et les ravageurs.
En plus de pouvoir identifier les plantes souffrant d'un manque d'eau ou de nutriments, la télédétection
peut aussi aider à protéger les cultures des attaques de ravageurs (dont les insectes), de champignons ou
de bactéries. En combinant le savoir agricole et les images de télédétection, il est possible de générer des
alertes précoces qui préviennent de la présence de ravageurs ou de maladies. Ces alertes vont permettre

d'agir de façon adéquate à un stade précoce de l'attaque et ainsi éviter que les cultures ne soient
détruites.
Cette image (ci-dessous) multi spectrale identifie les plants de Cotton qui ont bénéficié de conditions
favorables et qui ont grandi plus vite que les autres. Ces plants (qui apparaissent en rouge) sont les cibles
les plus probables d'insectes ou de maladies. Ce genre de carte permet de n'appliquer des pesticides que
dans les zones en rouge, ce qui réduit le coût du traitement et, surtout, la quantité de produits
chimiques libérée dans l'environnement.
Il est également possible d'évaluer l'étendue des dégâts causés par un ravageur ou une maladie. On
utilisera alors des méthodes similaires
à celles utilisées pour identifier les
plantes stressées. Les symptômes des
attaques de ravageurs ou de maladies
sont généralement la perte de
chlorophylle, qui peut être repérée
par télédétection (voir pages
précédentes).
Spatial-carte du delta du Mississipi, indiquant
les zones les plus probables où les insectes
pourraient attaquer.
Une larve de papillon mangeant une feuille. Ce genre de dégâts
peut être détecté par télédétection, en estimant la perte de
surface foliaire.
En plus de la perte de chlorophylle, les ravageurs et
les maladies peuvent aussi provoquer la destruction
de feuilles entières, ce qui génère une réduction de la
surface foliaire totale et donc, une réduction de la
capacité de la plante à pratiquer la photosynthèse. En
estimant le LAI (indice de surface foliaire) de groupes
de plantes, il est possible de repérer très tôt les
attaques d'insectes et de prévenir les agriculteurs
pour qu'ils réagissent à temps.
La télédétection permet d'aider à identifier les
plantes ou les zones qui ont le plus besoin de
fertilisants ou de pesticides. Ce faisant, elle permet de diminuer la quantité de produits chimiques
agricoles déversés dans l'environnement.
La télédétection peut fournir des données dans la région du proche infrarouge du spectre, non
visible à l'œil nu. Ces données peuvent être combinées avec celles du spectre visible, dans lequel
la chlorophylle absorbe de l'énergie à certaines longueurs d'ondes spécifiques. La combinaison de ces
données nous permet d'extraire de l'information pour identifier les plantes soumises à un stress avant
même que les symptômes ne soient visibles. La détection précoce de ces plantes permet aux agriculteurs
de réagir rapidement pour réduire les dégâts et pour limiter toute perte de rendement.

Estimation des rendements agricoles
1. Estimer combien les cultures vont produire.
a) Pouvons-nous vraiment prévoir quelle sera le rendement d'un champ ?
Avoir une idée de la récolte potentielle très tôt dans la saison de culture est très utile pour les
agriculteurs. C'est aussi essentiel pour les pays qui sont très dépendants de leur production agricole,
notamment pour satisfaire la demande nationale en produits de l'agriculture et pour générer des
revenus via l'exportation de ces produits.
Estimer les rendements des cultures, les agriculteurs le font déjà depuis des centaines d'années. Les
agriculteurs expérimentés sont toujours capables de prédire (de manière grossière) les rendements
finaux de leurs cultures. Cela se fait en observant la vigueur et l'état de santé des plants à la moitié de
leur croissance et en prenant en compte les conditions climatiques endurées. Bien sûr, plus les
estimations sont proches de la date de récolte, plus elles seront précises puisqu'on dispose alors de plus
d'informations sur la façon dont les cultures se sont développées au cours de la saison.
b) Utiliser les données de la télédétection dans l'estimation des rendements.
Comment utiliser les données acquises par télédétection pour estimer les rendements futurs ? Grâce à
la manière spécifique dont la végétation réfléchit le rayonnement électromagnétique, on peut se faire
une idée de l'état de la végétation en utilisant des données issues de la télédétection. En injectant ces
données et d'autres types de données (comme des informations climatiques) dans des modèles
complexes, il est possible d'estimer le rendement futur d'un champ et ce, à un stade très précoce de
croissance des cultures.
c) Estimer les rendements uniquement sur base des données de la télédétection.
Deux techniques existent pour estimer le rendement d'une culture à partir de données acquises par
télédétection. La première utilise uniquement des données de la télédétection tandis que la seconde
utilise en plus d'autres types de données, qui sont utilisées comme input dans des modèles de simulation
de la croissance des cultures et qui génèrent au final des estimations de rendement.
Les deux images ci-dessous sont des compositions 'infrarouges fausses couleurs' (les bandes proches
infrarouges, rouge et vertes du capteur sont associées aux couleurs rouge, verte et bleue de l'écran) de
la région de Saxe en Allemagne, près de la frontière polonaise. Les données proviennent des satellites
SPOT-2 et SPOT-5 et ont été acquises respectivement en mai et en août 2005. Clique sur les titres au-
dessus des images pour passer de l'une à l'autre.
On peut remarquer que l'image acquise en mai présente plus de "rouge". Une réflectance élevée dans
l'infrarouge est généralement associée à la présence de végétation, vu que les plantes réfléchissent
beaucoup dans le proche infrarouge. Sur l'image acquise en août par contre, il y a nettement moins de
champs qui apparaissent en rouge. Cela s'explique par le fait qu'en mai de nombreux champs ont atteint
leur pic de croissance, tandis qu'en août ces champs sont très proches de leur stade de sénescence (ou
déjà entrés dedans). Durant ce stade, une plante concentre son énergie dans la production de fruits et
non plus dans la production de biomasse verte. En conséquence, la chlorophylle et la structure des

cellules commencent à se déliter et la réflectance dans le proche infrarouge diminue. Les feuilles
apparaissent alors jaunes ou brunes
à l'œil nu. Les champs cyans (bleus
clair) ne contiennent pas de
végétation et ont une réflectance
dans le proche infrarouge très
faible. La couleur "cyan" est une
combinaison de bleu et de vert à
parts égales, ce qui signifie que les
champs sans végétation (c'est-à-dire
les sols nus) ont des réflectances
similaires dans le vert et dans le
rouge.
Image SPOT-2 de champs près du lac de
Berzordf (mai 2005).
Composition 'infrarouge fausses couleurs',
données SPOT-5 de champs près du lac de
Berzordf.
Comment estimer le rendement
d'une culture sur base d'une image
de télédétection ? Des chercheurs
ont comparé des images
satellitaires de champs acquises à
différentes dates avec les
rendements finaux de ces champs
(Idso 1977; Maas, 1988; Serrano
2000; Shanahan 2001). Les images
ont été traitées de manière
habituelle puis un ou plusieurs
indices de végétation ont été
calculés et les résultats ont été
comparés au rendement effectif du
champ.
De nombreuses relations entre les
indices de végétation et les rendements ont pu être mises en évidence de cette manière. Le problème
est que chacune de ces relations ne fonctionne que pour un type de culture donné, dans une région
déterminée et à condition que les images de télédétection soient acquises à des moments précis de la
saison de culture. Même lorsque toutes ces conditions sont réunies, la précision de l'estimation varie
d'une année à l'autre. L'utilisation des indices de végétation seuls est néanmoins une méthode facile et
rapide à mettre en œuvre pour obtenir des estimations "grossières" du rendement d'une culture.
Les deux images de gauche sont une composition 'infrarouge fausses couleurs' et le calcul de l'indice de
végétation par différence normalisée (NDVI). Dans cette deuxième image, il n'y a qu'une seule valeur
associée à chaque pixel, ce qui en fait une image en nuances de gris. Les pixels blancs sont associés à des
valeurs élevées et les pixels sombres à des faibles valeurs de NDVI.
Le NDVI est l'un des indices les plus souvent utilisés dans les études liées à l'agriculture ou à la végétation
en général, surtout quand le couvert végétal est dense.

d) Prédire les rendements agricoles.
Comme mentionné dans les pages précédentes, pour pouvoir estimer le rendement futur d'une culture
sur base de données de la télédétection, il nous faut connaître la relation entre les indices de végétation
à un stade de croissance bien précis de la culture et le rendement final. Les données historiques des
précédentes saisons de culture peuvent aider à déterminer cette relation; l'estimation sera d'autant plus
précise que le nombre de données antérieures sera important.
Cependant, deux saisons de culture ne sont jamais pareilles. Les différentes conditions climatiques, la
présence et l'intensité de facteurs de stress et les différents traitements appliqués par l'agriculteur
varient selon les années et jouent un rôle crucial dans la détermination du rendement final d'une
culture.
Pour faire des prévisions plus justes, il est essentiel de prendre en compte certains facteurs qui
influencent la croissance de la culture et le rendement à venir. Des informations telles que les conditions
climatiques ou météorologiques, les propriétés du sol et les pratiques culturales peuvent être combinées
avec des données récentes issues de la télédétection pour modéliser la croissance de la culture et
estimer le rendement final.
Un exemple de cette démarche est le 'Mars Crop Yield Forecasting System' (MYCFS) qui est géré par le
service statistiques du MARS ('Monitoring Agriculture with Remote Sensing') qui fait lui-même partie de
l'unité responsable de l'agriculture et de la pêche au sein du centre de recherches JRC (Joint Research
Centre), piloté par la Commission Européenne.
En plus de données météorologiques et des pratiques culturales, des informations géographiques sont
aussi inclues dans certains modèles. Par exemple, la pente des champs, couplée à des données sur les
propriétés du sol, peut fournir des informations sur le comportement des eaux de surface. Ce
comportement peut être très utile quand il s'agit d'estimer les quantités de fertilisants ou de pesticides
qui sont acheminées par les eaux de ruissellement.
Un système d'information géographique (SIG) est également souvent utilisé pour enregistrer les
informations relatives à des champs ou à des zones particulières. Un SIG permet de compiler l'estimation
du rendement avec d'autres d'informations comme le(s) type(s) de culture(s), les propriétaires des
champs, les propriétés du sol et des données historiques telles que les pratiques culturales d'année en
année ou la succession des attaques de ravageurs.
L'enregistrement des limites des
parcelles agricoles permet de calculer
la superficie d'une parcelle et
d'estimer sa production totale. Ces
données sont utilisées par l'Union
Européenne pour déterminer les
subsides à allouer à chaque
agriculteur dans le cadre de la
politique agricole commune (PAC).
Une couche vectorielle montrant les
différents champs, superposée à une image
satellite en couleurs naturelles.

Les données acquises par télédétection et les indices de végétation dérivés peuvent être utilisés
pour estimer des rendements futurs, à condition que la relation entre les indices de végétation
et le rendement d'une culture donnée dans une région donnée ait été établie dans le passé. Il s'agit
d'estimations "à la grosse louche" et qui ne sont pas fiables à 100%. Des prédictions plus précises des
rendements futurs peuvent être obtenues en utilisant des modèles. Ceux-ci combinent les indices de
végétation avec d'autres types de données (météorologie, pratiques culturales, propriétés du sol, etc.).
Comme ils prennent en compte des paramètres liés à la localisation des cultures, ces modèles sont
mieux adaptés à la prévision de rendement que les indices de végétation seuls.
Identification des cultures.
1. Pourquoi identifier les cultures ?
Pour un gouvernement, il est important
de savoir quelles sont les cultures du
pays et ce qu'elles vont produire à la
prochaine récolte. Cette prévision des
rendements est très utile au niveau des
finances d'un pays notamment parce
qu'elle permet de planifier les budgets
d'exportation et d'importation de
denrées alimentaires.
Une méthode qui permettrait de savoir
ce qui est cultivé serait de voyager à
travers tout le pays et de noter pour
chaque champ quelle culture y a été
lancée. Evidemment, cela prendrait un
temps fou et risquerait de coûter pas mal
d'argent !
Rangée de champs contenant différents légumes.
a) Cartographie des parcelles agricoles.
En observant les différentes sortes de cultures, on peut cartographier les limites des parcelles agricoles.
Les limites des champs sont l'information de base qu'on retrouve dans les cartes agricoles (ou cadastre
des parcelles agricoles). Ces cartes sont généralement disponibles en format vectoriel et sont
directement utilisables dans des systèmes d'information géographique (SIG) avec toute une série
d'autres données (noms des propriétaires, types de culture, pratiques agricoles, etc.). Ces cartes peuvent
être utilisées par les autorités locales et nationales, notamment pour estimer la proportion du territoire
occupée par l'agriculture et pour estimer la superficie cultivée totale pour chaque type de culture.
2. La télédétection pour reconnaître les cultures
a) Comment identifier les types de cultures par télédétection ?
Pour le comprendre, voici un exemple tout simple. Rien qu'en regardant l'image satellite ci-dessous, il
est possible de faire certaines distinctions entre les cultures qui sont cultivées dans différents champs.

Même si la végétation est en général verte, différentes espèces végétales auront différents "tons" de
vert. Ces "tons" peuvent aussi changer au fur et à mesurer que les plantes grandissent, mûrissent et
meurent. Ces différentes nuances de vert ne sont toutefois pas faciles à discerner à l'œil nu.
Les deux images ci-dessous montrent une partie de l'image originale (à droite). Peux-tu trouver de quelle
partie il s'agit ?
La petite image de gauche représente ce que nous pourrions voir à l'œil nu (il s'agit d'une composition
en couleurs réelles). La petite image de droite représente ce que nous pourrions voir si nous avions la
vision infrarouge (il s'agit d'une composition 'infrarouge fausses couleurs'). L'image en couleurs réelles
nous montre le champ du milieu dans un ton uniforme de vert. Dans l'image en fausses couleurs, par
contre, on peut voir que ce champ est séparé en deux zones qui ont des tons de rouge différents. Ces
deux zones ont des tons différents car leur réflectance dans le proche infrarouge est différente.
La végétation possède en général une faible réflectance dans la région du visible du spectre
électromagnétique (qui est visible à l'œil nu), avec seulement une faible partie de la bande verte à ne pas
être absorbée. La végétation a par contre une réflectance élevée dans le proche infrarouge.
b) Images de télédétection nécessaires pour identifier les cultures.
Champs belges en mai. Les mêmes champs en Août.
Comment pouvons-nous être sûrs que les différences de réflectance (dans le proche infrarouge) entre
deux champs sont dues au fait que ceux-ci sont couverts de cultures différentes ? Pour identifier une
culture en particulier, il est nécessaire de connaître son cycle de croissance (germination,
développement, pollinisation, maturation, sénescence). Certaines cultures durent quelques mois tandis
que d'autres ont besoin de plus de 6 mois pour compléter leur cycle. Il est également nécessaire de

connaître à l'avance comment la culture réfléchit dans le proche infrarouge au cours de ses différents
stades de croissance.
Ces deux images 'infrarouge fausses couleurs' montrent les mêmes champs belges à deux moments
différents: en mai et en août. Le signal à l'intérieur de chaque champ est relativement uniforme, ce qui
signifie qu'une seule culture a été plantée dans chaque champ.
Si on regarde les mêmes champs dans les deux images, on peut voir que le signal est différent dans
certains cas. Les champs en rouge (réflectance élevée dans le proche infrarouge) sont remplis de
végétation tandis que ceux en bleu (faible réflectance dans le proche infrarouge) possèdent peu ou pas
du tout de végétation. Dans ce cas, le signal enregistré provient du sol.
A condition de savoir quand chaque culture est plantée et récoltée et de supposer qu'il n'y a pas de
facteurs externes (stress, maladies, etc.) qui ont influencé son développement, on peut estimer le
pourcentage de couverture de la végétation à travers tout le cycle de croissance de chaque culture. Avec
cette information, l'étude de deux images (ou plus) de la même saison de croissance permet d'identifier
quelles cultures ont été plantées dans quel champ.
En analysant la réflectance dans le proche infrarouge, on peut déterminer si un champ contient
beaucoup ou peu de végétation. En combinant cette information avec les dates connues de
germination, de croissance et de récolte de chaque culture, on peut utiliser deux images (ou plus) de la
même saison pour identifier le type de culture présent dans chaque champ. Il suffit de comparer, par
champ, la quantité de végétation présente à des dates fixes (les dates d'acquisition des images) par
rapport aux dates connues de germination, de croissance et de récolte des différentes cultures.
c) Distinguer les types de végétation.
Une canopée forestière. Un type de praire.
Une des méthodes pour différencier deux cultures est de regarder leur réflectance dans le proche
infrarouge. Par contre, si on souhaite différencier des arbres de cultures ou de prairies, on peut utiliser
une autre méthode.
Les deux images montrent une zone
forestière contenant une prairie au milieu.
A part la différence de couleur, quelle autre
différence peux-tu remarquer ?
La prairie a une surface assez lisse tandis
que la forêt a une surface plutôt rugueuse.
Etant donné que la canopée formée par
plusieurs arbres n'est pas plate, la surface

d'un groupe d'arbres contient toujours des ombres. Ces ombres apparaissent dans l'image comme des
petites taches noires et proviennent du fait que moins de lumière les atteint et en est réfléchie. C'est ce
qui donne cette structure rugueuse.
Dans les deux images satellites, la forêt apparaît plus sombre à cause de ces petites ombres. Si on
enlevait toutes les branches d'un arbre et qu'on les étalait à plat sur le sol, la réflectance dans le proche
infrarouge serait plus élevée et cela apparaîtrait en rouge plus soutenu dans l'image.
d) Créer des cartes des parcelles agricoles.
En combinant différentes bandes d'images satellitaires acquises à différentes dates, il est possible de
classer chaque pixel de l'image dans un type de culture. Ce traitement est appelé la classification d'une
image. C'est un traitement assez long, qui demande beaucoup de calculs. Heureusement, de nombreux
logiciels de traitement d'image sont équipés d'algorithmes qui peuvent facilement effectuer ce travail.
Les logiciels prennent en compte toutes les bandes disponibles, regroupent les pixels qui ont des
signatures spectrales similaires dans une même classe et utilisent l'information sur le pourcentage de
couverture végétale pour identifier les types de culture.
Le résultat de ce traitement par classification peut être visualisé sur l'image de droite. Dans cet
exemple, des données acquises par le capteur AVIRIS ont été collectées alors que le capteur se trouvait
monté sur un avion (et non un satellite). Les données acquises par avion ont l'avantage d'avoir une haute
résolution spatiale (autour de 1 m par pixel). Les capteurs montés à bord d'avions ont généralement de
nombreuses bandes. De plus, l'utilisateur peut choisir quand les données seront acquises (par opposition
aux données satellitaires qui sont acquises en fonction d'un plan d'orbite précis).
Partie de la vallée de San Luis vue par un satellite Classification d'une image montrant les différents types de cultures.
(Composition en couleurs réelles).

En utilisant des données multi-temporelles (acquises à différentes dates) sur une saison de
culture, il est possible d'identifier les différents types de cultures. Comment ? Grâce au fait que
le pourcentage de couverture végétale évolue différemment selon les cultures. En plus, les dates de
plantation et de récolte sont également différentes. En combinant ces informations avec des données de
la télédétection, on peut différencier et identifier les différentes cultures. Il faut toutefois garder en tête
que, quand une culture est soumise à un stress, cela influence la réflectance de sa canopée. Dans ce cas,
on pourrait facilement se tromper dans l'identification. Les chances que cela se produise seront plus
faibles si on fait appel à plus de deux images (d'une même saison de culture) pour étayer l'identification.
conclusion
Cette recherche nous a prouvé la précision, la souplesse et la rentabilité de la télédétection par satellite
pour la cartographie de l'occupation du sol et la description fine des caractéristiques liées aux cultures.
Alors en sortant la télédétection des laboratoires, nous avons pu démontrer l'intérêt économique de
cette technique et la possibilité de l'intégrer dans un processus de décision sur plusieurs niveaux.

Webographie
 http://lms.seos-project.eu/learning_modules/agriculture/agriculture-c00-p01.fr.html
 http://ec.europa.eu/research/success/fr/agr/0051f.html
 http://om.ciheam.org/option.php?IDOM=304
 http://e-cours.univ-paris1.fr/modules/uved/envcal/html/rayonnement/2-
rayonnement-matiere/2-7-signatures-spectrales.html

La classification et l’identification des cultures par la télédétection

Contenu connexe

Tendances (20)

En vedette (13)

Similaire à La classification et l’identification des cultures par la télédétection (20)

Plus de Abdessadek ELASRI (6)

La classification et l’identification des cultures par la télédétection