L'utilisation des aéronefs sans pilote en agriculture: un exemple d'application pour le dépistage des cultures de pommes de terre

Transcription

1 L'utilisation des aéronefs sans pilote en agriculture: un exemple d'application pour le dépistage des cultures de pommes de terre ERWAN GAVELLE et JERÔME THÉAU Département de géomatique appliquée, Université de Sherbrooke mai 2015

2 2 /45 Ces travaux ont étéréalisés grâce àune aide financière du Programme de soutien à l innovation en agroalimentaire, un programme issu de l accord du cadre Cultivons l avenir conclu entre le ministère de l Agriculture, des Pêcheries et de l Alimentation et Agriculture et Agroalimentaire Canada.

3 3 /45 Partenaires : - Patrick Ménard, analyste en géomatique, Centre de géomatique du Québec, Saguenay, Qc. - Linda Roberge, directrice générale, Compagnie de recherche Phytodata Inc., Sherrington, Qc. - Richard Wieland, directeur de la recherche, Agrinova, Alma, Qc. -Joël Avenel, coordonateur, Centre québécois de formation en aéronautique, St Honoré, Qc.

4 4 /45 Référence àciter: Gavelle, E. et Théau, J. (2015) L'utilisation des aéronefs sans pilote en agriculture: un exemple d'application pour le dépistage des cultures de pommes de terre. Université de Sherbrooke, 45 p. Pour plus de détails sur ce projet, vous pouvez consulter le document suivant: Gavelle, E. (2015) Surveillance phytosanitaire des cultures de pommes de terre à l aide de la télédétection par aéronef sans pilote, Mémoire de maîtrise, Département de géomatique appliquée, Université de Sherbrooke, 79 p.

5 5 /45 CONTEXTE Source : avenir-alancienne.com Source : www3.syngenta.com Source : La pomme de terre est sujette àun grand nombre de maladies et de ravageurs qui nuisent àson développement.

6 6 /45 CONTEXTE Source : Girard M.C. et Girard C.M. (1999) Traitement des données de télédétection, Éditions Dunod, Paris, 530 p. Source: Jones et al Thermal infrared imaging of crop canopies for the remote diagnosis and quantification of plant responses to water stress in the field. Functional Plant Biology, 36, La télédétection permet de discriminer l état de santéde la végétation dans différentes parties du spectre électromagnétique soit: le visible-proche infrarouge (àgauche) et l infrarouge thermique (à droite)

7 7 /45 CONTEXTE Les plateformes traditionnelles offrent des résolutions spatiales et temporelles limitée que les aéronefs sans pilote (ASP) pourraient aider àcombler. Source: inconnue

8 8 /45 CONTEXTE Source : Source : inconnue Source : Source : Source : Source : Source : L utilisation des ASP en agriculture est en plein essor. De nombreuses plateformes sont actuellement disponibles sur le marché

9 9 /45 OBJECTIFS DU PROJET OBJECTIF GÉNÉRAL Développer un outil d aide à la surveillance de cultures de pommes de terre basé sur la télédétection, économique et opérationnel sur le terrain, en appui aux méthodes traditionnelles de dépistage. OBJECTIFS SPÉCIFIQUES 1) Automatiser une chaîne de traitement d imagerie, appliquée à l agriculture, acquise à partir d un aéronef sans pilote. 2) Appliquer des indices basés sur l imagerie visible-proche infrarouge et infrarouge thermique pour la détection de stress dans la culture de la pomme de terre. 3) Développer un outil d aide à la décision en appui aux méthodes de dépistage actuelles. 4) Evaluer le potentiel des ASP pour le suivi des cultures de pommes de terre.

10 10 /45 SITES D ÉTUDE

11 11 /45 MATÉRIEL D ACQUISITION CAPTEURS ADC Lite Tetracam Visible proche-infrarouge : Vert (520 à 600 nm), Rouge (630 à 690 nm) et PIR (760 à 900 nm) Résolution : 3,2 mégapixels Résolution spatiale : 6 cm à 150 m d altitude (500 pieds) TAU 640 FLIR Infrarouge thermique de 7,5 µm à 13,5 µm (format vidéo) Résolution : 0,3 mégapixels Résolution spatiale : 14 cm à 150 m d altitude (500 pieds)

12 12 /45 MATÉRIEL D ACQUISITION ANNÉE 1 L obtention hors-délai du certificat d opérations aériennes spécialisées a nécessité l utilisation d un aéronef avec pilote dans des conditions de vol proches de celles d un ASP (altitude, vitesse) ANNÉE 2

13 13 /45 MÉTHODOLOGIE Recherche bibliographique Équipement et acquisition d imagerie Mesures terrain Année 1 CALIBRATION ESTIMATION DES PARAMÈTRES BIOPHYSIQUES Station au sol + GPS Système Aéronef Sans Pilote Images visibles proche infrarouge Prétraitements ( Radiométriques et géométriques) Traitements ( Indices de végétation) Cibles (points de contrôle) LAI Chlorophylle Biomasse Corrélations images / mesures terrain Estimation des paramètres biophysiques

14 14 /45 MÉTHODOLOGIE Équipement et acquisition d imagerie Système Aéronef Sans Pilote Mesures terrain Cibles (points de contrôle) Données de dépistage Année 2 PRODUCTION DE CARTES DE DÉPISTAGFE Station au sol + GPS Images thermiques Prétraitements ( Radiométriques et géométriques) Traitements ( Indices de végétation) Élaboration des cartes zonales (Classification supervisée) Images visibles procheinfrarouges Validation de la classification

15 15 /45 ACQUISTION D IMAGERIE Date de vol Nb de champs Surface survolée Altitude Résolution ADC Lite Résolution TAU 640 Nombre de sites mesurés Année ha 800 pi (250 m) 0,12 m 0,30 m ha 800 pi (250 m) 0,12 m 0,30 m ha 800 pi (250 m) 0,12 m 0,30 m ha 800 pi (250 m) 0,12 m 0,30 m ha 800 pi (250 m) 0,12 m 0,30 m ha 800 pi (250 m) 0,12 m 0,30 m 21 Année ha 400 pi (125m) 0,06 m 0,15 m ha 400 pi (125m) 0,06 m 0,15 m ha 400 pi (125m) 0,06 m 0,15 m 60

16 16 /45 ACQUISITION D IMAGERIE Schéma du principe de recouvrement des images par ligne de vol.

17 17 /45 ACQUISITION D IMAGERIE Exemples d images acquise au-dessus d une parcelle de pomme de terre en Montérégie dans le visible-proche infrarouge (composéfausses couleurs, àgauche) et l infrarouge thermique (àdroite).

18 18 /45 ACQUISITION D IMAGERIE TETRACAM ADC Lite FLIR TAU 640 Corrections radiométriques Corrections géométriques Vignetage Normalisation des bandes Correction BRDF Mosaïquage Géoréférencement Transformation en températures Mosaïquage Géoréférencement

19 19 /45 VIGNETAGE Défaut optique qui correspond à un assombrissement des angles d une image. Celui-ci est dûàunéclairement hétérogène du plan focal d un objectif (Zheng et al.,2009). Image originale Image corrigée Champ de vision circulaire de l'objectif et image conservée par le capteur Histogrammes des valeurs de niveaux de gris pour la bande PIR del image originale (transectrouge) et de l image corrigée pour le vignetage (transect bleu). La différence est illustrée en grisé.

20 20 /45 NORMALISATION DES BANDES Rapport moyen PIR/R : 0,84 PIR/V : 0,69

21 21 /45 MOSAÏQUAGE

22 22 /45 MOSAÏQUAGE Exemple d une mosaïque (composéfausses couleurs) d images acquises au-dessus d une parcelle de pomme de terre en Montérégie

23 23 /45 REFLECTANCE BIDIRECTIONNELLE Méthode de Lelong et al. (2008) : - Sous-échantillonner. Facteur d échelle de 200. Ex = 2000 x 2000 px. 10 x 10 px. (Aggregate) - Filtre gaussien 3 x 3 (Filter LOW, neighborhood) - Extract by mask - Suréchantillonnage à la taille originale (interpolation cubique) - Inversion de l image en soustrayant à Soustraction du minimum pour retour à l origine - Application du filtre à l image Image originale Masque à appliquer Image corrigée

24 24 /45 TRANSFORMATION EN TEMPÉRATURES Niveaux de gris Températures mesurées Canopée ,8 Bache blanche ,7 Sol nu ,2 Bâche noire ,1

25 25 /45 GÉORÉFÉRENCEMENT

26 26 /45 INDICES DE VÉGÉTATION

27 27 /45 Année 1 Recherche bibliographique CALIBRATION ESTIMATION DES PARAMÈTRES BIOPHYSIQUES Équipement et acquisition d imagerie Station au sol + GPS Système Aéronef Sans Pilote Images visibles proche infrarouge Prétraitements ( Radiométriques et géométriques) Traitements ( Indices de végétation) Mesures terrain Cibles (points de contrôle) LAI Chlorophylle Biomasse Corrélations images / mesures terrain Estimation des paramètres biophysiques

28 28 /45 MESURES BIOPHYSIQUES Mesures aléatoires des caractéristiques biophysiques // Indice foliaire (Leaf Area Index) // Teneur en chlorophylle // Température // Poids de la biomasse : humide et sèche // Photographie du quadrat // Point GPS // Poids et calibre des tubercules

29 29 /45 RÉGRESSIONS SIMPLES Coefficients de détermination Indices Biomasse humide Biomasse sèche Température Chlorophylle Luminance LAI NDVI 0,78 0,32 0,06 0,25 0,14 0,05 MSAVI 2 0,81 0,34 0,06 0,26 0,13 0,04 GNDVI 0,53 0,64 0,12 0,05 0,12 0,00 SAVI 0,78 0,31 0,06 0,25 0,14 0,05 RVI 0,61 0,20 0,06 0,19 0,17 0,04

30 30 /45 RÉGRESSIONS MULTIPLES Critère d information d Akaike (AIC) GNDVI MSAVI 2 NDVI RVI SAVI GNDVI 1,00 0,76 0,76 0,73 0,76 MSAVI 2 0,76 1,00 1,00 0,98 1,00 NDVI 0,76 1,00 1,00 0,98 1,00 RVI 0,73 0,98 0,98 1,00 0,98 SAVI 0,76 1,00 1,00 0,98 1,00 Modèle candidat nº 1 : GNDVI + MSAVI 2 Modèle candidat nº 2 : GNDVI + NDVI Modèle candidat nº 3 : GNDVI + SAVI Modèle candidat nº 4 : GNDVI + RVI Paramètre biophysique Biomasse humide Biomasse humide Biomasse humide Biomasse humide Modèle Indices sélectionnés R² ajusté AICc Delta AICc Poids AIC Poids cumulés Ratio 1 GNDVI + MSAVI 2 0,83 18,02 0 0,94 0,94 32,1 2 GNDVI + NDVI 0,82 24,95 6,94 0,03 0,97 32,1 4 GNDVI + SAVI 0,82 25,20 7,18 0, GNDVI + RVI 0,75 81,97 63,95 0 1

31 31 /45 ESTIMATION DE LA BIOMASSE HUMIDE

32 32 /45 ANNÉE 2 PRODUCTION DE CARTES DE DÉPISTAGFE Équipement et acquisition d imagerie Station au sol + GPS Système Aéronef Sans Pilote Images thermiques Prétraitements ( Radiométriques et géométriques) Traitements ( Indices de végétation) Élaboration des cartes zonales (Classification supervisée) Images visibles procheinfrarouges Mesures terrain Cibles (points de contrôle) Données de dépistage Validation de la classification

33 33 /45 PRODUCTION DE CARTES DE DÉPISTAGE 139 sites Prisme Consortium Jeu de dépistage 60 sites Membres du projet

34 34 /45 PRODUCTION DE CARTES DE DÉPISTAGE Indices de végétation Sites d entrainement + = Classification supervisée par maximum de vraisemblance Validation

35 35 /45 PRODUCTION DE CARTES DE DÉPISTAGE DISTANCES DE FICHER KERNEL Stress mesurés Nombre de sites GNDVI MSAVI 2 TDVI NDVI RVI SAVI Maladie 25 Non-maladie 114 Ravageur 18 Non-ravageur 121 Problèmes de croissance 81 Bonne croissance 58 Stress 27 Non-stress 112 0,42 4,34 3,90 2,26 1 2, ,03 0,03 0,09 0,03 0,30 0,35 0,63 0,14 0 0,14 0,44 2,11 2,97 1,49 0,77 1,48

36 36 /45 PRODUCTION DE CARTES DE DÉPISTAGE Nombre de sites NDVI GNDVI MSAVI2 SAVI RVI TDVI Maladie ,00 % 100,00 % 100,00 % 100,00 % 80,00 % 95,00 % Non-maladie 40 95,00 % 50,00 % 100,00 % 95,00 % 87,50 % 100,00 % Ravageur ,00 % 94,73 % 5,26 % 100,00 % 100,00 % 84,21 % Non-ravageur 41 68,29 % 46,34 % 9,75 % 53,65 % 51,21 % 95,12 % Mauvaise croissance 51 58,82 % 90,19 % 80,39 % 74,51 % 60,78 % 72,55 % Bonne croissance 9 88,88 % 0,00 % 77,77 % 11,11 % 77,77 % 88,88 % Stress ,00 % 100,00 % 100,00 % 100,00 % 0,00 % 90,00 % Non-stress 40 82,50 % 50,00 % 95,00 % 70,00 % 55,00 % 97,50 %

37 37 /45 PRODUCTION DE CARTES DE DÉPISTAGE

38 38 /45 PRODUCTION DE CARTES DE DÉPISTAGE

39 39 /45 PRODUCTION DE CARTES DE DÉPISTAGE

40 40 /45 PRODUCTION DE CARTES DE DÉPISTAGE

41 41 /45 ANALYSE TECHNICO-ÉCONOMIQUE

42 42 /45 CONCLUSIONS Les résultats confirment que les indices de végétation basés sur les bandes visible/proche-infrarouge (ex : MSAVI2 et NDVI) constituent de bons estimateurs de paramètres biophysiques tels que la biomasse des plants de PDT (R 2 =0.81 et 0.79, respectivement). Ces indices combinés à des indices basés sur l infrarouge thermique ont permis de détecter la présence ou l absence de différents stress (maladie, ravageur, problème de croissance) avec exactitude (entre 73 et 100%). Par contre, l intensité des stress n a pu être détectée avec précision.

43 43 /45 CONCLUSIONS Une analyse technico-économique a montré qu actuellement, la production de cartes de dépistage par ASP restait la solution la plus coûteuse en comparaison avec l imagerie aérienne et satellitaire (environ 2,5 à 3 fois plus cher). L utilisation de l imagerie reste également très coûteuse en comparaison avec le dépistage traditionnel au sol (environ 40 à 125 fois plus cher par unité de surface). Une réduction des coûts de production de ces cartes permettrait une application directe par l industrie (ex: clubs conseils en agroenvironnement, clubs d encadrement techniques, conseillers techniques.).

44 44 /45 CONCLUSIONS L utilisation d ASP pour l acquisition d imagerie constitue cependant une solution flexible sur le terrain et la règlementation de vol tend à s assouplir. Les cartes produites fournissent un portrait intégral et spatialisé d une parcelle à haute résolution ce qui constitue une base de données directement utilisable pour des opérations automatisées telles que des traitements à taux variable. Des recherches supplémentaires permettraient de caractériser l intensité des stress et d intégrer des seuils d intervention aux cartes de dépistage des cultures de PDT. Cette technologie pourrait également être adaptée à d autres types de culture (ex : maraicher, vigne).

45 45 /45 CONTACTS Erwan Gavelle: Jérome Théau: 45