Utilisation de séries temporelles d’images à haute résolution spatiale pour le suivi de biomasse fourragère

=>Le fCover est un paramètre biophysique calculé à partir d’observations satellitaires. Il permet de mesurer la fraction de couvert vert par unité de surface dans des conditions d’observation au nadir. Dans le cadre du produit d’assurance des prairies, ce paramètre est calculé à partir de synthèses décadaires d’images à moyenne résolution spatiale. Nous utilisons l’intégrale du profil annuel de fCover pour estimer la biomasse prairiale et construire l’Indice de Production Fourragère.Notre premier travail de validation consiste tout d’abord à tester la relation existante entre la biomasse prairiale et la somme de fCover calculée sur des images à haute résolution spatiale. Un protocole de mesure terrain (d’après PV PROTIN, 2010. ARVALIS – Institut du Végétal) mis en place sur 6 parcelles de prairies dans la région toulousaine a été réalisé entre les mois de Mars et Juin 2013. Ces parcelles ont été choisies dans le but de faire varier les espèces prairiales et les modes d’exploitation des prairies (Tableau 1). Tous les 15 jours, une série de prélèvements est faite afin de mesurer la biomasse des parcelles à des endroits définis. Au total sur les 6 parcelles, il y a 320 points pour lesquels nous disposons d’une information de production à comparer avec le rendement estimé par télédétection.Les parcelles se situent sur la zone SudMipy définie dans le programme d’acquisition SPOT4(Take5). De ce fait, nous avons pu bénéficier des images acquises dans le cadre de ce programme pour constituer nos séries temporelles sur chaque parcelle. Compte tenu des conditions climatiques du printemps 2013, nous avons du compléter le jeu d’images SPOT-4 (Take5) avec des images acquises par les capteurs Landsat-8, SPOT-6 et Formosat-2. Au final, nous disposons d’une image tous les 15 jours environ (Tableau 1).

Parcelle 1Luzerne7,3FaucheTake 5 : 6 / Spot 6 : 2 / Landsat 8 : 1
Parcelle 2Prairies naturelles9,4FaucheTake 5 : 4 / Spot 6 : 1 / Landsat 8 : 1 / Formosat2 : 4
Parcelle 3Ray-Grass8,6Ensilée début Mai /  Fauché fin JuinTake 5 : 5 / Spot 6 : 3 / Landsat 8 : 1
Parcelle 4Prairies naturelles6,0Fauché fin juinTake 5 : 7/ Spot 6 : 2 / Landsat 8 : 1 / Formosat2 : 1
Parcelle 5Fétuque / Dactyle / Trèfle Blanc11,5Fauche puis pâtureTake 5 : 5 / Spot 6 : 2 / Landsat 8 : 2 / Formosat2 : 1
Parcelle 6Fétuque / Dactyle6,82 fauches, pas de pâturageTake 5 : 3 / Spot 6 : 2 / Landsat 8 : 1 / Formosat2 : 1

Tableau 1 : Caractéristiques des 6 parcelles sélectionnées 

La figure 1 présente le profil moyen de fCover sur la parcelle 4 calculé à partir d’images des différents capteurs utilisés.La figure 2 présente la relation entre la production mesurée aux champs et estimée par télédétection. Le résultat de la régression linéaire entre l’IPF et la production mesurée  montre une corrélation forte entre les deux variables (R² = 0,76; α < 0,0001). Cependant, plus les valeurs de productions sont fortes, plus l’écart à la moyenne des valeurs d’IPF tend à augmenter. Ceci s’explique en partie par la méthode de calcul de l’IPF qui ne prend pas en compte la partie en sénescence du couvert végétal. Il en résulte un écart entre la biomasse mesurée au champs et l’IPF. En résumé, l’utilisation du fCover sur des séries temporelles à haute résolution spatiale montre qu’il est possible d’estimer la production des prairies à ce niveau d’échelle. L’IPF étant calculé à partir d’images à moyenne résolution spatiale, la prochaine étape consistera à exploiter le jeu de données SPOT-4 (Take5) pour valider l’indice sur un territoire représentatif du territoire que pourrait viser le produit d’assurance. Anne JacquinAntoine RoumiguiéUniversité de Toulouse, Institut National Polytechnique de Toulouse, Ecole d’Ingénieurs de Purpan, UMR 1201 DYNAFOR, France.

Plus d'actualités

Near real time snow cover maps in the Copernicus Browser!

Copernicus provides near real time snow cover maps at 20 m resolution (fractional snow cover, code name: FSC OG). These products have been recently reprocessed and are now available through the Copernicus Data Space Ecosystem (CDSE) API and visualization tool, the Copernicus Browser! The latter is very useful to explore the data, for example if […]

Suivi du manteau neigeux dans les parcs naturels des Alpes franco-italiennes

Dans les Alpes, le manteau neigeux est un stock d’eau saisonnier naturel dont dépendent la faune, la flore et les humains pour de multiples usages (refuges, bétail, etc.). Dans le cadre du projet ACLIMO financé par le programme européen Interreg ALCOTRA, le Cesbio a été sollicité pour mettre en oeuvre un outil d’estimation de l’équivalent […]

The missing link to valorize CESBIO’s applicative research works

=>  My colleagues at CESBIO are extremely creative! Over the past ten years, they have developed a wide range of new products and methods for extracting information from Copernicus data. They don’t just develop and validate the method on a few sites; they continue their work until they have produced data for the whole of […]

Rechercher