Utilisation conjointe du modèle STICS et de données de télédétection optique pour la détermination des pratiques culturales (semis, apports d’azote) en régions méditerranéennes
Résumé
Cette étude consiste à utiliser les données de télédétection pour obtenir des informations spatialisées sur les dates de semis et sur la fertilisation de la culture de blé dans la région des Alpilles dans le Sud-Est de la France. Le travail a été réalisé en trois étapes:
1) L’indice foliaire (LAI, Leaf Area Index) a été estimé à partir des données de télédétection aéroportée acquises par le capteur PolDER lors de l’expérience Alpilles-ReSeDA. La comparaison du LAI estimé à l’aide du couplage des modèles PROSPECT et SAIL et celui mesuré sur le terrain montre un accord modéré entre estimations et observations (RMSE = 1,30). La prise en compte de l’ensemble des surfaces vertes de la plante (PAI, Plant Area Index), et non pas seulement des feuilles (LAI), permet d’améliorer significativement les résultats (RMSE = 0,41).
2) Le modèle de cultures STICS a été calibré à partir des données collectées sur une parcelle et validé à partir de celles de cinq autres parcelles différant par leurs dates de semis et leurs pratiques culturales. Cette partie de l’étude montre la robustesse du modèle malgré la légère sous estimation du LAI dans le cas des parcelles les plus développées.
3) Un grand nombre de simulations a été effectué en faisant varier les dates de semis, les calendriers et les quantités d’azote apportées. Les LAI simulés ont été comparés à ceux estimés à partir des données de télédétection pour retrouver les scénarios qui reproduisent au mieux les LAI estimés puis déterminer les dates de semis et les quantités d’azote de chaque parcelle. Les résultats sont très bons pour les dates de semis, avec une erreur inférieure à une semaine, tandis que les quantités d’azote simulées sont surestimées par rapport à celles réellement apportées. Sur ce dernier volet, les perspectives d’améliorations de la méthode sont discutées.
Abstract
Crop model is an efficient tool to evaluate the impacts of crop managements on the plants growing. When one wants to assess crop production over a large agricultural area by using such tool, he faces the difficulty of gathering input information for each agricultural units (or fields). Meteorological forcing may be measured in a nearby meteorological station and soil information may be obtained from an existent soil map. The problem is more complex when considering agricultural practices such as sowing date, nitrogen or irrigation supplies, since this information cannot be acquired in a simple way. In the present study, we try to use remote sensing information for deriving spatialized information on sowing date and nitrogen supply for durum wheat cultivated in a small agricultural area, the Alpilles test site, in the South East of France.
1) Leaf Area Index (LAI) was estimated every two or three weeks from remote sensing data acquired by the airborne PolDER sensor in the frame of the Alpilles-ReSeDA experiment. A recently developed algorithm based on coupling PROSPECT and SAIL models was used. LAI estimations were compared to ground measurements of leaf area showing a good agreement (RMSE = 1.30). Accounting for of the PAI (Plant Area Index) instead the LAI improves significantly the results (RMSE=0.41) since the PAI take into account all plants green organs (leafs, stems and ears).
2) The STICS crop model was used to simulate crop growth and yield in relation to meteorological data and nitrogen supplies. It was first calibrated on the data acquired in one field in order to account for the characteristics of the cultivar used in the area. It was then validated against LAI and biomass data acquired in five other fields encompassing large ranges of sowing date and nitrogen supplies. This comparison showed a general agreement despite some underestimations for the largest simulated LAI.
3) A large number of simulations was done by changing the sowing date and the calendar of nitrogen supplies. Simulated LAI were compared to the remote sensed estimation in order to select the simulation scenarios which were giving the best matches and to determine the most probable date of sowing and nitrogen supply calendar for each fields. The results were very good for the sowing date, with an error lower than one week, while they were more contrasted for nitrogen supplies. Concerning the last point, recommendations were discussed to improve developed method.
Lire l’article

PDF de 15 pages, tel qu’imprimé dans la revue, pages 82 à 96. En libre accès.
Pas encore de consultation enregistrée.