Upload
dokhanh
View
218
Download
1
Embed Size (px)
Citation preview
Bruno TISSEYRE - Regione Sicilia Juillet 2014 1
La télédétection appliquée à laviticulture
Principe et états de lieux
Bruno TISSEYREProfesseur Montpellier SupAgro
Bruno TISSEYRE - Regione Sicilia Juillet 2014 2
Plan de la présentation
- Les différents Indices de Végétation (IV),- Les différentes plateformes, capteurs,- Relation entre IV et paramètres du vignoble,- Facteurs de conduites qui affectent l’IV,- Quels produits (et traitements associés),
Bruno TISSEYRE - Regione Sicilia Juillet 2014 3
1. Les indices de végétation (IV) les plus courants
http://agrifish.jrc.it/marsstat/db_and_infrastructures/EVMI_remote_sensing_data.pdf
Bruno TISSEYRE - Regione Sicilia Juillet 2014 4
Bande panchromatique
Canal 1 Canal 2 Canal 3
Réflectance (%)
Longueur d'onde (m)0.45 0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90
Eau
Végétation
0
10
20
30
40
50
60
70
80
90
100
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 5
Bande panchromatique
Canal 1 Canal 2 Canal 3
Réflectance (%)
Longueur d'onde (m)0.45 0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90
Eau
Végétation
0
10
20
30
40
50
60
70
80
90
100
a. Détecter et mettre en évidence la végétation (biomasse)
NIR
R
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 6
- Simple Ratio (SR) : NIR/R (Jordan 1969),SR : élevé pour la végétation (faible pour l ’eau)
: peut-être élevé pour le sol
Bande panchromatique
Canal 1 Canal 2 Canal 3
Réflectance (%)
0.45 0.50 0.55 0.60 0.65 0.70 0.75 0.80 0.85 0.90
Eau
Végétation
0
10
20
30
40
50
60
70
80
90
100
NIR
R
a. Détecter et mettre en évidence la végétation (biomasse)
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 7
- Simple Ratio (SR) : NIR/R (Jordan 1969),
a. Détecter et mettre en évidence la végétation (biomasse)
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 8
- Normalised difference vegetation index (NDVI)(Tucker, 1979),
RNIR
RNIRNDVI
Il est corrélé au LAI (leaf area index), avec problèmes desaturation.La normalisation permet de travailler sur des valeurs qui nedépassent pas 1.Valeurs négatives possibles
a. Détecter et mettre en évidence la végétation (biomasse)
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 9
- Normalised difference vegetation index (NDVI)(Tucker, 1979),
a. Détecter et mettre en évidence la végétation (biomasse)
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 10
- Green Normalised difference vegetation index (GNDVI)(Gitelson et al., 1996),
GNIR
GNIRGNDVI
Même information que le NDVIValeurs négatives possibles
a. Détecter et mettre en évidence la végétation (biomasse)
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 11
- Green Normalised difference vegetation index (GNDVI)(Gitelson et al., 1996),
a. Détecter et mettre en évidence la végétation (biomasse)
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 12
a. Détecter et mettre en évidence la végétation (biomasse)
- Difference vegetation index (DVI) : NIR- R(Tucker, 1969)
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 13
- Green Plant Cell Density (GPCD) : G/R- Greeness index
a. Détecter et mettre en évidence la végétation (biomasse)
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 14
Modified simple Ratio (MSR) (Chen, 1996)
a. Détecter et mettre en évidence la végétation (biomasse)
1
18.0
RNIR
RNIR
MSR
Bruno TISSEYRE - Regione Sicilia Juillet 2014 15
Soil Adjusted vegetation index (SAVI) (Huete, 1988)
a. Détecter et mettre en évidence la végétation (biomasse)
LRNIR
LRNIRSAVI 1 1,0L
L=0.2 L=0.5 L=0.8
Bruno TISSEYRE - Regione Sicilia Juillet 2014 16
b. Les indices liés pour le sol (élimination du sol)
Indice de brillance :
22 RNIRIB
Indice de cuirasse :
)1003 RVIC
Sol/végétation
Sol nu/bati
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 17
c. Les fournisseurs de données
Satellites (ex. Oenoview)
Aérien (ex. Specterra, avion jaune, etc.)
- NDVI,- SR,- GLCV (Green leaf cover fraction)
- NDVI,- SR, (PCD : plant cell density),- Autres (en fonction de la demande et capteur)
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 18
d. Précisions sur le GLCV
Bruno TISSEYRE - Regione Sicilia Juillet 2014 19
d. Précisions sur le GLCV
1. Les indices de végétation (IV) les plus courants
Bruno TISSEYRE - Regione Sicilia Juillet 2014 20
- Les différents Indices de Végétation (IV),- Les différentes plateformes, capteurs,- Relation entre IV et paramètres du vignoble,- Facteurs de conduites qui affectent l’IV,- Quels produits (et traitements associés),
Bruno TISSEYRE - Regione Sicilia Juillet 2014 21
2. Les différentes plateformes / capteurs
Bruno TISSEYRE AgroTIC 2008-2009
- Satellites,- Avion,- Drônes,- Autres capeurs (embarqués)
Bruno TISSEYRE - Regione Sicilia Juillet 2014 22
Geostationnary Satellite(meteorology and communication use)
Satellites of earth observation(helio-synchron)
High elevation planes
Medium elevation planesBallon
Helicopter – UAV/drones
36000 km
500 - 1000 km
10 - 12 km
1200 - 3500 m
100 - 1000 m
Elevation
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 23
a. Satellites
Les caractéristiques des satellites pour l’utilisation en agriculture- Résolution spectrale,- Résolution spatiale,- Temps de revisite,- Emprise spatiale (fauchée),- Conformation du capteur (satellite agile, dépointage, etc.)- Satellites dédiés à l’agriculture ou pas (acquisition au stade optimal)
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 24
Capteur Résolution Echelle max
SPOT P 10 m 1:25 000SPOT XS 20 m 1:50 000LANDSAT TM 30 m 1:100 000LANDSAT MSS 80 m 1:250 000NOAA 1 km 1:1 000 000
IRS-1C P 5,8 m 1:12 500
IKONOS P
2 m 1:2 500IKONOS MS
8 m 1:10 000FOMOSAT MSFORMOSAT
1:20000.8 m4 m
Pléiades P/MSQuickBird P/MS 0.6/2.6 m
0.5/2 m
1:20001:2000
a. Satellites
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 25
Capteur Résolution Echelle max
SPOT P 10 m 1:25 000SPOT XS 20 m 1:50 000LANDSAT TM 30 m 1:100 000LANDSAT MSS 80 m 1:250 000NOAA 1 km 1:1 000 000
IRS-1C P 5,8 m 1:12 500
IKONOS P
2 m 1:2 500IKONOS MS
8 m 1:10 000FOMOSAT MSFORMOSAT
1:20000.8 m4 m
Pléiades P/MSQuickBird P/MS 0.6/2.6 m
0.5/2 m
1:20001:2000
Utilisationpossible pour laVP
a. Satellites
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 26
Capteur Résolution Echelle max
SPOT P 10 m 1:25 000SPOT XS 20 m 1:50 000LANDSAT TM 30 m 1:100 000LANDSAT MSS 80 m 1:250 000NOAA 1 km 1:1 000 000
IRS-1C P 5,8 m 1:12 500
IKONOS P
2 m 1:2 500IKONOS MS
8 m 1:10 000FOMOSAT MSFORMOSAT
1:20000.8 m4 m
Pléiades P/MSQuickBird P/MS 0.6/2.6 m
0.5/2 m
1:20001:2000
Utilisationpossible pour laVP
Utilisationpossible pour lemonitoring de lavigne à grandeéchelle
a. Satellites
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 27
a. Satellites
2. Les différentes plateformes / capteurs
Intérêt de certains satellites qui fournissent des imagesgratuitement
Moderate-Resolution Imaging Spectroradiometer(MODIS)Une résolution spatiale de 250 m.Les différents spectromètres prennent une image complète dela Terre tous les 1 ou 2 jours.
Intérêt pour des études régionales.
Bruno TISSEYRE - Regione Sicilia Juillet 2014 28
Exemple : image ModisCartes de la Côte des Blancs (Champagne).Valeurs de NDVI à la date du 18 juin 2008
Source : A. Deblangey
a. Satellites
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 29
Evolution type du NDVI mesurépar le satellite MODIS
Comparaison des évolutions duNDVI sur 4 années au niveau de larégion Côtes des Blancs
Source : A. Deblangey
a. Satellites
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 30
Carte des valeurs de NDVI au jour 129pour l’année « normale » (gauche) etl’année 2007 (droite).
Source : A. Deblangey
a. Satellites
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 31
Les caractéristiques des avions pour l’utilisation en agriculture- Résolution spectrale (dépend des capteurs embarqués),- Résolution spatiale (adaptable, dépend des capteurs et altitude de prise de vue),- Temps de revisite (souple),- Traitement de correction à prendre en compte en fonction zone/résolution
- Correction radiométrique,- Mosaïquage (cf. Images suivantes)
b. Avions
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 32
Exemple d’images
Domaine INRAPech Rouge (48 ha)0.5 m.Trois images nécessairesRecoupement de 60 %
b. Avions
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 33
Exemple d’images
Domaine INRAPech Rouge (48 ha)0.5 m.Extrait imageRecoupement de 60 %
b. Avions
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 34
Exemple d’images
Domaine INRAPech Rouge (48 ha)0.3 m.Extrait image
Domaine INRAPech Rouge (48 ha)0.5 m.Extrait image
b. Avions
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 35
Source A. Matese
Un modèle commerciale à inventer
c. Drônes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 36
Proxi-détection- Le greenseeker (Ntech): mesure la réflectance de la végétation dans le R et dans leProche IR afin de calculer un indice similaire au NDVI
Sources : http://www.ntechindustries.com/RT100-data-mapping.html
capteur optique portable à base de diodes électroluminescente (LED) émettant une lumière à haute densitédans le rouge (660 nm +/- 10 nm) et dans le proche infrarouge (770 +/- 15 nm). Un récepteur à photodiode àsilicium mesure la quantité de lumière réfléchie par la cible (10 mesures par seconde)
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 37
Exemple de montage sur un enjambeur
Source C. Monget
d. Autres plateformes
2. Les différentes plateformes / capteurs
- Le greenseeker (Ntech): mesure la réflectance de la végétation dans le R et dans leProche IR afin de calculer un indice similaire au NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 38
Drissi et al., 2009
d. Autres plateformes
2. Les différentes plateformes / capteurs
- Le greenseeker (Ntech): mesure la réflectance de la végétation dans le R et dans leProche IR afin de calculer un indice similaire au NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 39
Sources : Tuohy M. NZ centre for precision agriculture
d. Autres plateformes
2. Les différentes plateformes / capteurs
- Le crop circle : mesure la réflectance de la végétation dans le G et dans le ProcheIR afin de calculer un indice similaire au GNDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 40
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
Sources : J.P. Praat (lincoln venture)
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 41
Image
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 42
Image Image analysis
ColourSegmentation
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 43
Image
threshold
Image analysis
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 44
Image
Parameters
- canopy area- Porosity (holes)
- stem diameter (in winter)
counting
Image analysis
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 45
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 46
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 47
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 48
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 49
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 50
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 51
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 52
Source : Pratt and Bollen, 2004
Vitesse : 6 km/h
Comparison between theporosity of the canopy andthe NDVI image of a samegrapefield.
-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.
d. Autres plateformes
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 53Morlet, 2013
Mesure du diamètre des sarments
d. Autres plateformes
2. Les différentes plateformes / capteurs
-Le physiocap (Force A-CIVC) , frange laser
Bruno TISSEYRE - Regione Sicilia Juillet 2014 54Morlet, 2013
Mesure du diamètre des sarments et du nombre de sarments
d. Autres plateformes
2. Les différentes plateformes / capteurs
-Le physiocap (Force A-CIVC) , frange laser
Bruno TISSEYRE - Regione Sicilia Juillet 2014 55
proxidétection télédétection
• très haute résolution spatiale possible• technologies simples• combinaison de capteurs• modulation temps réel
• intervention mécanique dans la parcelle• mesure non instantanée• couverture incomplète• Coût de traitement
• résolutions spatiales• coûts• contraintes climatiques• enherbement
• préservation du sol et de la culture• caractérisation instantanée• couverture totale de la parcelle• capteurs évolués
+-
e. Réflexion proxi/télédétection
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 56
Clarification sur la notion d’indices de végétation en viticulture
2.5 m
1.7 m
> 3 m.
NDVIs depuis le dessus de la végétationavec des pixels mixts
NDVIs représente une fraction decouvert vert, il varie avec la densité deplantation, mais aussi avec le système deconduite.
e. Réflexion proxi/télédétection
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 57
Lissage, diminution de la résolution
Clarification sur la notion d’indices de végétation en viticulture
e. Réflexion proxi/télédétection
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 58
2.5 m
1.7 m
> 0.01 -0.5 m.
NDVIa depuis le dessus de la végétationmais correspondant à des pixels purs(identification des rangs)
Images d’avions, de drônes
e. Réflexion proxi/télédétection
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 59
Forte vigueur
Zonage des parcelles
Faible vigueur
Very high resolution imagesVine rows segmentation
Source : Lamb et al., 2004
e. Réflexion proxi/télédétection
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 60
2.5 m1.7 m
< 1 cm * 0.5 m.
NDVIp à partir du rang, il correspond àune porosité de la végétation (il estaffecté par le mode de conduite)
Proxi detection
e. Réflexion proxi/télédétection
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 61
Source : Monget C., 2012
e. Réflexion proxi/télédétection
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 62
Le choix des classes, choix du nombre de classes, choix des couleurs
3 classes équidistantes
carte de rendement Grenache
0 16M 1:800
11.00
11.00
11.0011.00
11.00
11.00
11.00
11.00
11.00
11.00
11.00
11.00
11.0011.00
11.0011.00
11.00
11.00
33.00
22.00
11.00
0.00
carte de rendement Grenache
0 16M 1:800
8.25
8.25
8.25
8.25
8.258.25
8.25
8.25
8.25
8.25
8.25
8.25
8.25
8.258.
25
8.25
8.25
8.25
8.25
8.25
8.25
8.25
33.00
24.75
16.50
8.25
0.00
4 classes équidistantes
carte de rendement Grenache
0 16M 1:800
8.50
8.50
8.50
8.50
8.50
8.50
8.50
8.50
8.50
8.50
8.50
8.50
8.50
8.50 8.50
8.508.50
8.50
8.50
8.50
8.50
8.50
8.50
11.00
11.00
11.0
0
11.0
0
11.00
11.00
33.00
11.00
8.50
0.00
3 classes équiprobables
Le choix des couleurs
f. Réflexion sur la présentation des résultats
2. Les différentes plateformes / capteurs
Bruno TISSEYRE - Regione Sicilia Juillet 2014 63
- Les différents Indices de Végétation (IV),- Les différentes plateformes, capteurs,- Relation entre IV et paramètres du vignoble,- Facteurs de conduites qui affectent l’IV,- Quels produits (et traitements associés),
Bruno TISSEYRE - Regione Sicilia Juillet 2014 64
NDVI = ObservationA haute résolution spatiale
Sur végétation saine, il est lié àla quantité de biomasseprésente.
Bruno TISSEYRE - Regione Sicilia Juillet 2014 65
Canopy
Montero et al, 1999,Lamb et al., 2001,Hall et al., 2003,Bramley, 2001,Johnson et al., 2003,Dobrowski et al., 2003,Best et al., 2005,Bramley et al. 2005,Arno et al. 2005,Acevedo et al., 2008,Santesteban etal., 2013,
LAI
Biomasse, PhylloxéraMaturité
Sol, rendementLAI, état hydrique
BiomasseQualité, maturité
Qualité, rendementrendement
Biomasse, état hydriqueÉtat hydrique, rendement
Que dit la littérature ?
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 66
43 parcelles (1 ha.)Sur des sols représentatifs
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 67
« COL »
Sol : colluvions,Argiles sur calcaire
43 parcelles (1 ha.)3 types de sols
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 68
« CLA »
Soil :calcaire/Marnes
43 parcelles (1 ha.)Sur des sols représentatifs
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 69
« LIT »
Sols profonds,sableux,
43 parcelles (1 ha.)Sur des sols représentatifs
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 70
2 images aériennes R,G, B, NIR of 1 m. (1999-2006)
R,G,NIR imagePixel resolution : 1*1 m.
Indice de Biomasse NDVI
Pour 43 parcelles :
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 71
-Calcul du semi variogramme et de l’indice Oi (Pringle, 2003),-Rangement des parcelles en fonction de la variabilité intra-parcellaire,-Sélection de 9 parcelles (3 parcelles sur chaque unité de sol).
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 72
- Deux sites/ parcelle définis en fonction des images
- H (high NDVI zone)- L (low NDVI zone)
- Geolocalisation des sites
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 73
- sur chaque site, mesure de :- la surface du palissage (SFE),- l’état hydrique des plantes (potentiel hydrique de baseà deux dates différentes juillet/aoùt),- le rendement,- la qualité de la vendange (sucre, coleur, pH, aciditétotale, etc.),- la résistivité apparente des sols.
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 74
Analyse encomposantePrincipale
P11
P11
P22
P22
P61
P61
P63
P63
P69P69
P76
P76
P90
P90P95
P95
P96
P96
-3
-2
-1
0
1
2
3
-6 -4 -2 0 2 4 6
-- AXIS_1 (45%) -->
-- AX
IS_2
(19%
) -->
Cla_HCla_L
Col_HCol_L
Lit_HLit_H
Facteurr 1 andfacteur 2 :64 % de la variabilité
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 75
P11
P11
P22
P22
P61
P61
P63
P63
P69P69
P76
P76
P90
P90P95
P95
P96
P96
-3
-2
-1
0
1
2
3
-6 -4 -2 0 2 4 6
-- AXIS_1 (45%) -->
-- AX
IS_2
(19%
) -->
Cla_HCla_L
Col_HCol_L
Lit_HLit_HLow
NDVI
highNDVI
Factor 1
Analyse encomposantePrincipale
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 76
T_Anthocyanins
TPI
Yield
T_acidity
pH
Brix
PD_LWP2
PD_LWP1
G_rate
NDVI_b
NDVI_a
SE_resistivityC_area
C_thick
C_height
-1
-0.75
-0.5
-0.25
0
0.25
0.5
0.75
1
-1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1
-- AXIS_1 (45%) -->
-- AX
IS_2
(19%
) -->
Facteur 1
Vigueur/NDVI
Contrainte hydrique
Analyse encomposantePrincipale
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 77
Conclusion 1
- La contrainte hydrique explique l’expression végétative(SFE, rendement, croissance du tronc, etc.),
- Le NDVI est corrélé au paramètres d’expression végétative et devigueur,
- Le NDVI est une bonne information pour définir des zones où lescontraintes hydriques sont différentes,
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 78
T_Anthocyanins
TPI
Yield
T_acidity
pH
Brix
PD_LWP2
PD_LWP1
G_rate
NDVI_b
NDVI_a
SE_resistivityC_area
C_thick
C_height
-1
-0.75
-0.5
-0.25
0
0.25
0.5
0.75
1
-1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1
-- AXIS_1 (45%) -->
-- AX
IS_2
(19%
) -->
NDVI_99
NDVI_06
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 79
Conclusion 2
- zones of NDVI sont stables dans le temps (relation avec le sol ?)
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 80
T_Anthocyanins
TPI
Yield
T_acidity
pH
Brix
PD_LWP2
PD_LWP1
G_rate
NDVI_b
NDVI_a
SE_resistivityC_area
C_thick
C_height
-1
-0.75
-0.5
-0.25
0
0.25
0.5
0.75
1
-1 -0.75 -0.5 -0.25 0 0.25 0.5 0.75 1
-- AXIS_1 (45%) -->
-- AX
IS_2
(19%
) -->
Factor 2
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 81
Conclusion 3
- Il faut prendre des précaution sur l’utilisation du NDVI pourdéfinir des zones de qualité au niveau du vignoble,
- Le NDVI doit être utilisé pour définir des zones d’expressionvégétative différentes avec un impact possible sur la qualité. Uneexpertise agronomique doit absolument être inclue dans l’analyse.
En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 82
Remarques détection des maladies
1993 1994Couvert dense
Couvert faible
Suivi du phylloxera dans la napa vallée (projet grape, Nasa)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 83
Source : Lamb/mimeau 2003- CSIRO
Remarques détection des maladiesUne analyse systématique en Australie (interprétation experte)
3. Relation entre le NDVI et les paramètres du vignoble
Bruno TISSEYRE - Regione Sicilia Juillet 2014 84
- Les différents Indices de Végétation (IV),- Les différentes plateformes, capteurs,- Relation entre IV et paramètres du vignoble,- Facteurs de conduites qui affectent l’IV,- Quels produits (et traitements associés),
Bruno TISSEYRE - Regione Sicilia Juillet 2014 85
Il existe peu d’études dans ce domaine : beaucoup de projet portés par desvignobles qui ont des modes de conduites très homogénes,
Question posée par :
L’Institut Français de la Vigne et du Vin (IFV),en lien avec Jean-Christophe Payan et Elian Salançon
Le syndicat du cru de Tavel
Contexte du projet
Le zonage hydrique d’une zone peut se faire en utilisant les potentiels hydriques.Cependant, l’obtention de ces données est contraignante et onéreuse.
Objectif général du projet
Proposer un zonage hydrique à l’échelle de toute une appellation de manière simple,rapide et peu onéreuse grâce à l’utilisation de données à haute résolution.
En vue de
Prévoir une modulation de l’irrigation selon des zones à comportement hydriquehomogène.
Syndicat du cru de Tavel
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 86
Étude réalisée sur le domaine desLauzes qui représente un tiers de lasurface totale, soit environ 350 ha
TAVEL
TAVEL
Lauzes
Galets
Sables
Colluvions
Carte présentant les différentesunités pédologiques du domaine de
Tavel
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 87
Une image aérienne acquise par l’Avion Jaune en août 2009 et traitée parOenoview qui permet de calculer le GLCV (Green Leaf Cover Value)
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 88
150 points de mesures retenus pour l’évaluation du mode de conduite :
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 89
Evaluation du mode de conduite
Différents critères ont été pris en compte dansl’évaluation du mode de conduite :
le mode de conduite en lui même
l’enherbement de l’inter-rang
l’âge de la vigne
l’orientation des rangs
mesure de l’inter-rang
mesure de l’inter-pied
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 90
Source : image aérienne acquise par l’Avion Jaune en août 2009 et traitée par Oenoview qui permet decalculer le GLCV (Green Leaf Cover Value)
GLCV élevé
GLCV faible
Plus la teinteest verte, plusla fraction decouvert vert estélevée
Peut-on, à partir du GLCV, déterminer des zones àcomportement hydrique homogène ?
Utilisation envisagée du GLCV
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 91
Conduite de la vigne
Enherbement
Un contexte complexe : peut-on comparer les données deGLCV entre parcelles ?
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 92
Facteurs testés Le facteur a un effetsignificatif sur la variable
expliquée (GLCV)
Orientation de la vigne parrapport à la plus grande
pente
NON
Orientation des rangs parrapport au nord
NON
Age OUI
Enherbement OUI
Conduite de la vigne(palissé/gobelet)
OUI
Densité Oui
Chaque ANOVA teste si le facteur explicatif (ici les critères de mode deconduite) a un effet significatif sur la variable à expliquée (ici, le GLCV)
Variables testées parANOVA
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 93
1 : jeune vigne (effectif = 7)2 : vigne d’âge moyen et plus (eff :203)3 : vigne avec nombreux manquants (eff:34)4 : abandon/friche (eff:2)
Classe considéréedu facteur explicatif
Valeur du GLCVLecture d’une boite à moustache
GLCVMoyen
GLCV Min
GLCV Max
Amplitudede variation
du GLCV
Effet de l’âge sur le GLCV
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 94
Palissage(effectif: 74 +28)
Gobelet(effectif: 144)
Conduite de la vigne Densité (Pieds/ha )Valeur du GLCV
0-4499 4500-3999 4000-6000
Effet du mode de conduite et de la densité
Attention, facteurs qui ne sont pas indépendants
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 95
Exemple d’effet du mode de conduite
Effet du mode de conduite et de la densité
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 96
Valeur du GLCV
Pas d’enherbementpratiqué
(effectif: 125)
Enherbementpratiqué
(effectif : 120)
*Limites
Photographie aérienne prise en août Observation faites en avril
Hypothèses faites sur l’effet del’enherbement sur le GLCV
(i) Herbe compétition pourla vigne GLCV plus faible
(ii) Enherbement naturel= indicateur du bon état hydrique
du sol Vignes vigoureuses GLCv plus élevé
* Moyennes très procheset Amplitudes de variation quasi-identiques
Effet de l’enherbement sur le GLCV
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 97
Précision sur l’effet de l’enherbement
Cover crop every 3 rows
Time
4. Facteurs du vignoble qui affectent le NDVI
Bruno TISSEYRE - Regione Sicilia Juillet 2014 98
- Les différents Indices de Végétation (IV),- Les différentes plateformes, capteurs,- Relation entre IV et paramètres du vignoble,- Facteurs de conduites qui affectent l’IV,- Quels produits (et traitements associés),
Bruno TISSEYRE - Regione Sicilia Juillet 2014 99
5. Quels produits (et traitements associés)
- Caractériser la variabilité spatiale,
Bruno TISSEYRE - Regione Sicilia Juillet 2014 100
0 9M 1:450
99.63
99.6
3
99.6
3
99.63
99.63
99.6
3
99.63
99.63
99.63
99.63
99.63
99.6
3
99.6
3
99.63
99.63
99.63
99.6
3
99.63
99.63
99.63
99.63
99.63
99.63
99.63 99.63
99.63
99.63
99.63
99.63
99.63
99.63
99.63
99.6
3
99.63
99.63
99.6
3 99.63 99.63
99.63
99.6399.63
99.63
99.63
99.6
3
99.63
99.63
99.63
99.63
99.63
99.63
99.6399.63
99.63
99.6
3 99.63
99.6
3
99.6
3
99.63
99.63 99.63
110.65
99.63
88.61
0 9M 1:450
100.73
100.73
100.73
100.7
3
100.73
100.
73
100.73
100.73
100.
73
100.73
100.
73
100.73
100.73
100.73
100.
73
100.
73
100.73
100.73100.73 100.73
100.73
100.73
100.73
112.59
100.73
88.88
S : structure spatiale M : amplitude de variation
0 10M 1:500
100.
00 100.
00
100.
00
100.0
0
100.
00
100.00 100.00 10
0.00
100.
00
100.00
100.00
100.00
100.00
100.00
100.00
100.00
100.
00100.00100.00
100.
00
100.00
100.00
100.
00
100.0
0
100.00
100.00
100.
00
100.0
0
100.00
100.00
100.00
100.00
100.0
0
100.00
100.00
100.00
100.00
112.90
100.00
87.00
Comment caractériser la variabilité spatiale ?
Pringle et al., 2003),( SMfOi
5. Quels produits (et traitements associés)
Caractériser la variabilité spatiale
Bruno TISSEYRE - Regione Sicilia Juillet 2014 101
Un probléme qui n’a de sens que si l’on prend en compte l’action à réaliser
113.0
99.0
83.8
113.0
100.0
83.8
117.7
100.0
80.0
114.5
100.0
83.0
115.0
99.9
84.8
Des structures spatiales variables d’une parcelle à l’autre
5. Quels produits (et traitements associés)
Caractériser la variabilité spatiale
Comment caractériser la variabilité spatiale ?
Bruno TISSEYRE - Regione Sicilia Juillet 2014 102
113.0
99.0
83.8
113.0
100.0
83.8
117.7
100.0
80.0
114.5
100.0
83.0
115.0
99.9
84.8
Des structures spatiales variables d’une parcelle à l’autre
Des empreintes spatiales différentes en fonction des machines d’intervention
Gestion del’enherbement
4 m²Petite empreinte
Fertilisation Grosse empreinte45 m²
Un probléme qui n’a de sens que si l’on prend en compte l’action à réaliser.
(Paoli et al., 2010)
5. Quels produits (et traitements associés)
Caractériser la variabilité spatiale
Comment caractériser la variabilité spatiale ?
Bruno TISSEYRE - Regione Sicilia Juillet 2014 103
A
(Paoli et al., 2010)
Un indice pour savoir s’il est possible de gérer la variabilité des parcelles avecles caractéristiques des machines utilisées ?
5. Quels produits (et traitements associés)
Caractériser la variabilité spatiale
Comment caractériser la variabilité spatiale ?
Bruno TISSEYRE - Regione Sicilia Juillet 2014 104
mj+1
mj
mj-1
(Paoli et al., 2010)
Un indice pour savoir s’il est possible de gérer la variabilité des parcelles avecles caractéristiques des machines utilisées ?
5. Quels produits (et traitements associés)
Caractériser la variabilité spatiale
Comment caractériser la variabilité spatiale ?
Bruno TISSEYRE - Regione Sicilia Juillet 2014 105
mj+1
mj
mj-1
- Conflicts or contradictary information on mj
- Problem with representativity of the information source
(Paoli et al., 2010)
Un indice pour savoir s’il est possible de gérer la variabilité des parcelles avecles caractéristiques des machines utilisées ?
5. Quels produits (et traitements associés)
Caractériser la variabilité spatiale
Comment caractériser la variabilité spatiale ?
Bruno TISSEYRE - Regione Sicilia Juillet 2014 106
5. Quels produits (et traitements associés)
Caractériser la variabilité spatiale
Oenoview ®
Bruno TISSEYRE - Regione Sicilia Juillet 2014 107
Un indice d’opportunité qui permet d’ordonner les parcellesde la plus homogène à la plus hétérogène
Intérêt d’une gestion spatialisée
Bruno TISSEYRE - Regione Sicilia Juillet 2014 108
Contrainte : rapidité- > 2000 ha- 2600 parcelles- multispectral image NIR (1 m²) en juillet,- in order to provide vine fieldscharacteristics 8-10 days after,
Overlap shape files of thecooperative with the image
Un exemple : l’organisation des apports des coopératives
Oenoview ®
Bruno TISSEYRE - Regione Sicilia Juillet 2014 109
Première étape (produit commercialisé en 2008) : un outil basé sur latélédétection pour classer les parcelles en fonction de leur variabilité
Inspection parcellaire,- techniciens + contractuels (étudiants),- 3-4 semaines avant les vendanges,
Quality A Quality B Quality C
homogène variable
Quality A+ Quality A ou B
homogéne variable
Quality B Quality C
Un exemple : l’organisation des apports des coopératives
Bruno TISSEYRE - Regione Sicilia Juillet 2014 110
Indice de biomasse(NDVI)
Extraction desinformations Carte de vigueur
Un exemple : l’organisation des apports des coopératives
Bruno TISSEYRE - Regione Sicilia Juillet 2014 111
Carte de vigueur
Calcul d’un indice de variability- pour caractériser la variabilité spatiale des parcelles,- et l’amplitude de variation
Base de donnéesEnvoyée vers la coopérative
Un exemple : l’organisation des apports des coopératives
Bruno TISSEYRE - Regione Sicilia Juillet 2014 112Bayo/photoexplorer
NDVI IGN : 2003
Une aide pour améliorer le positionnement des observations…
Un exemple : l’organisation des apports des coopératives
Bruno TISSEYRE - Regione Sicilia Juillet 2014 113
5. Quels produits (et traitements associés)
- Caractériser la variabilité spatiale,- Les différents types de résultats,