Le désherbage chimique est-il visible depuis l’espace ?

Quand on se balade à la campagne (c’était surtout avant le Covid-19…), ça pique toujours un peu les yeux de voir dans les champs, ces « mauvaises herbes » (ou  adventices pour les intimes) devenues toutes rousses, presque du jour au lendemain. C’est pas que je n’aime pas les rousses, mais je préfère quand même les couleurs naturelles 😉 !

Déformation professionnelle, comme probablement beaucoup des lecteurs de ce blog, la question arrive d’emblée : « Est-ce qu’on le voit sur les images Sentinel-2 ? ». En rentrant, on s’empresse de demander à Sentinel-Hub, notre meilleur ami.

Et bien OUI ! Il est assez aisé de détecter visuellement dans les parcelles agricoles les endroits où des produits phytosanitaires (herbicide en l’occurrence) ont été pulvérisés, en pré-émergence de la culture. Dans les images en fausses couleurs infra-rouges, cela apparaît très nettement : la végétation qui était rouge initialement passe à l’orange, puis marron. Et c’est confirmé par une chute dans le NDVI (assez logique…). On peut donc faire la différence avec une parcelle simplement labourée. En cas de désherbage chimique, le changement de couleur est progressif (et non abrupt) et il est observable dans les séries temporelles. De là à dire qu’on peut l’identifier automatiquement, c’est une autre histoire. Ça demanderait un vrai travail. Sur les 8 semaines d’images analysées, il y en avait assez peu sans nuage, ce qui complique la tâche. Par ailleurs, si les images sans nuage sont trop éloignées dans le temps, l’effet du désherbage chimique devient moins perceptible (empiriquement, d’après les images analysées et la connaissance de terrain,  un décalage de 3 à 4 semaines est encore suffisant). Bien sûr, cela dépend aussi de la superficie de la zone traitée. Souvent, le traitement ne concerne pas l’entièreté de la parcelle. Il peut se limiter aux bordures ou à des endroits envahis d’adventices, bien circonscrits dans la parcelle.

Les images ci-dessous illustrent ces observations. Elles sont localisées dans le Lauragais, une région de coteaux composée principalement de grandes cultures (blé, maïs, colza, tournesol). Dans la première figure, on peut voir une grande parcelle pentue envahie de végétation au 20 février 2020 (couleur rouge dans l’image IRC et valeurs élevées de NDVI en vert foncé à la même date). Après pulvérisation, les adventices en ont pris un coup (!), ce qu’on observe sur le terrain (photo du 3 mars 2020 prise depuis le point blanc localisé dans les images). Le changement est bien visible dans l’image Sentinel-2 du 13 mars 2020 (enfin une sans nuage !) ainsi que dans le NDVI associé. La couleur orange-marron ne saute pas au yeux dans cette capture mais elle est plus évidente depuis le site Sentinel-Hub, selon la date dispo sans nuage… Sur le terrain, les traces du traitement n’ont pas disparu au 28 mars 2020 (oui : j’avais bien mon attestation – le sport individuel est permis pendant le confinement 😉 ).

 

Ci-dessous, des animations (cliquez dessus) mettent aussi en évidence le désherbage chimique sur deux zones différentes, en comparant les images avant/après desherbage :

  

 

  

 

Si vous aimez jouer à « Où est Charlie ? », vous trouverez un équivalent ci-dessous (extrait d’image S2 du 13 mars 2020) : « Où sont les parcelles traitées ? » Enjoy 😉 !

 

Plus d'actualités

Sentinel-2 reveals the surface deformation after the 2025 Myanmar earthquake

Sentinel-2 captured several clear-sky images of Myanmar before and after the 28 March 2025 earthquake. The animation below shows a 5-day apart sequence of images captured by Sentinel-2B and Sentinel-2C (10 m resolution) near the epicenter located close to Mandalay. The surface slip due to the earthquake follows the Sagaing Fault, a major fault in […]

Evolution de l’altitude de la ligne de neige au cours des 41 dernières années dans le bassin versant du Vénéon (Oisans)

Pour contribuer à caractériser les conditions hydrométéorologiques lors de la crue torrentielle qui a frappé la Bérarde en juin, j’ai analysé une nouvelle série de cartes d’enneigement qui couvre la période 1984-2024 [1]. Grâce à la profondeur temporelle de cette série, on constate que l’altitude de la ligne de neige dans le bassin versant du […]

Biophysical parameter retrieval from Sentinel-2 images using physics-driven deep learning for PROSAIL inversion

The results presented here are based on published work: Y. Zérah, S. Valero, and J. Inglada. « Physics-constrained deep learning for biophysical parameter retrieval from sentinel-2 images: Inversion of the prosail model« , in Remote Sensing of Environment, doi: 10.1016/j.rse.2024.114309. This work is part of the PhD of Yoël Zérah, supervised by Jordi Inglada and Silvia Valero. […]

Rechercher