La télédétection appliquée à la viticulture - agrotic.org©lédétection... · Pech Rouge (48 ha) 0.5 m. Extrait image Recoupement de 60 % b. Avions 2. Les différentes plateformes

Bruno TISSEYRE - Regione Sicilia Juillet 2014 1

La télédétection appliquée à laviticulture

Principe et états de lieux

Bruno TISSEYREProfesseur Montpellier SupAgro


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),


1. Les indices de végétation (IV) les plus courants

http://agrifish.jrc.it/marsstat/db_and_infrastructures/EVMI_remote_sensing_data.pdf


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





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



- Simple Ratio (SR) : NIR/R (Jordan 1969),SR : élevé pour la végétation (faible pour l ’eau)

: peut-être élevé pour le sol



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




- Simple Ratio (SR) : NIR/R (Jordan 1969),




- 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




- Normalised difference vegetation index (NDVI)(Tucker, 1979),




- Green Normalised difference vegetation index (GNDVI)(Gitelson et al., 1996),

GNIR

GNIRGNDVI

Même information que le NDVIValeurs négatives possibles




- Green Normalised difference vegetation index (GNDVI)(Gitelson et al., 1996),





- Difference vegetation index (DVI) : NIR- R(Tucker, 1969)



- Green Plant Cell Density (GPCD) : G/R- Greeness index




Modified simple Ratio (MSR) (Chen, 1996)


1

18.0

RNIR

RNIR

MSR


Soil Adjusted vegetation index (SAVI) (Huete, 1988)


LRNIR

LRNIRSAVI 1 1,0L

L=0.2 L=0.5 L=0.8


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



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)



d. Précisions sur le GLCV


d. Précisions sur le GLCV





2. Les différentes plateformes / capteurs

Bruno TISSEYRE AgroTIC 2008-2009

- Satellites,- Avion,- Drônes,- Autres capeurs (embarqués)


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



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)



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





IRS-1C P 5,8 m 1:12 500

IKONOS P



1:20000.8 m4 m


0.5/2 m

1:20001:2000

Utilisationpossible pour laVP

a. Satellites





IRS-1C P 5,8 m 1:12 500

IKONOS P



1:20000.8 m4 m


0.5/2 m

1:20001:2000

Utilisationpossible pour laVP

Utilisationpossible pour lemonitoring de lavigne à grandeéchelle

a. Satellites



a. Satellites


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.


Exemple : image ModisCartes de la Côte des Blancs (Champagne).Valeurs de NDVI à la date du 18 juin 2008

Source : A. Deblangey

a. Satellites



Evolution type du NDVI mesurépar le satellite MODIS

Comparaison des évolutions duNDVI sur 4 années au niveau de larégion Côtes des Blancs


a. Satellites



Carte des valeurs de NDVI au jour 129pour l’année « normale » (gauche) etl’année 2007 (droite).


a. Satellites



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



Exemple d’images

Domaine INRAPech Rouge (48 ha)0.5 m.Trois images nécessairesRecoupement de 60 %

b. Avions



Exemple d’images

Domaine INRAPech Rouge (48 ha)0.5 m.Extrait imageRecoupement de 60 %

b. Avions



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



Source A. Matese

Un modèle commerciale à inventer

c. Drônes



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



Exemple de montage sur un enjambeur

Source C. Monget



- Le greenseeker (Ntech): mesure la réflectance de la végétation dans le R et dans leProche IR afin de calculer un indice similaire au NDVI


Drissi et al., 2009



- 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 : Tuohy M. NZ centre for precision agriculture



- Le crop circle : mesure la réflectance de la végétation dans le G et dans le ProcheIR afin de calculer un indice similaire au GNDVI


-Le grape sense (lincoln venture) : acquisition d’images (visible) à partir du rang.

Sources : J.P. Praat (lincoln venture)




Image





Image Image analysis

ColourSegmentation





Image

threshold

Image analysis





Image

Parameters

- canopy area- Porosity (holes)

- stem diameter (in winter)

counting

Image analysis

































Source : Pratt and Bollen, 2004

Vitesse : 6 km/h

Comparison between theporosity of the canopy andthe NDVI image of a samegrapefield.




Bruno TISSEYRE - Regione Sicilia Juillet 2014 53Morlet, 2013

Mesure du diamètre des sarments



-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



-Le physiocap (Force A-CIVC) , frange laser


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



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.




Lissage, diminution de la résolution

Clarification sur la notion d’indices de végétation en viticulture




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




Forte vigueur

Zonage des parcelles

Faible vigueur

Very high resolution imagesVine rows segmentation

Source : Lamb et al., 2004




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




Source : Monget C., 2012




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


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


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





NDVI = ObservationA haute résolution spatiale

Sur végétation saine, il est lié àla quantité de biomasseprésente.


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


43 parcelles (1 ha.)Sur des sols représentatifs

En condition méditerranéenne (non irriguée) (Acevedo et al., 2008)



« COL »

Sol : colluvions,Argiles sur calcaire

43 parcelles (1 ha.)3 types de sols




« CLA »

Soil :calcaire/Marnes





« LIT »

Sols profonds,sableux,





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 :




-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).




- Deux sites/ parcelle définis en fonction des images

- H (high NDVI zone)- L (low NDVI zone)

- Geolocalisation des sites




- 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.




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




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





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





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,




T_Anthocyanins

TPI

Yield

T_acidity

pH

Brix

PD_LWP2

PD_LWP1

G_rate

NDVI_b

NDVI_a


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




Conclusion 2

- zones of NDVI sont stables dans le temps (relation avec le sol ?)




T_Anthocyanins

TPI

Yield

T_acidity

pH

Brix

PD_LWP2

PD_LWP1

G_rate

NDVI_b

NDVI_a


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




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.




Remarques détection des maladies

1993 1994Couvert dense

Couvert faible

Suivi du phylloxera dans la napa vallée (projet grape, Nasa)



Source : Lamb/mimeau 2003- CSIRO

Remarques détection des maladiesUne analyse systématique en Australie (interprétation experte)





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


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



Une image aérienne acquise par l’Avion Jaune en août 2009 et traitée parOenoview qui permet de calculer le GLCV (Green Leaf Cover Value)



150 points de mesures retenus pour l’évaluation du mode de conduite :



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



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



Conduite de la vigne

Enherbement

Un contexte complexe : peut-on comparer les données deGLCV entre parcelles ?



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



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



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



Exemple d’effet du mode de conduite

Effet du mode de conduite et de la densité



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



Précision sur l’effet de l’enherbement

Cover crop every 3 rows

Time





5. Quels produits (et traitements associés)

- Caractériser la variabilité spatiale,


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


Caractériser la variabilité spatiale


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





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)





A


Un indice pour savoir s’il est possible de gérer la variabilité des parcelles avecles caractéristiques des machines utilisées ?





mj+1

mj

mj-1







mj+1

mj

mj-1

- Conflicts or contradictary information on mj

- Problem with representativity of the information source









Oenoview ®


Un indice d’opportunité qui permet d’ordonner les parcellesde la plus homogène à la plus hétérogène

Intérêt d’une gestion spatialisée


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 ®


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



Indice de biomasse(NDVI)

Extraction desinformations Carte de vigueur



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


Bruno TISSEYRE - Regione Sicilia Juillet 2014 112Bayo/photoexplorer

NDVI IGN : 2003

Une aide pour améliorer le positionnement des observations…




- Caractériser la variabilité spatiale,- Les différents types de résultats,

Documents

La télédétection appliquée à la viticulture - agrotic.org©lédétection... · Pech Rouge (48 ha) 0.5 m. Extrait image Recoupement de 60 % b. Avions 2. Les différentes plateformes