Carte du monde
Agriculture
  Des pâtures durables
  Une vue sur les parcelles
  Radar et cultures
  Subventions agricoles
  Prévision des récoltes
  Résultats
  Team
  Infos
Ecologie et Gestion du Territoire
Interventions humanitaires
Météorologie appliquée
Milieux aquatiques
Planification régionale et locale
Risques environnementaux
Surveillance planétaire
Applications hyperspectrales
Contexte
PREVISION DES RECOLTES
Prédire les années grasses et les années maigres
Au niveau européen, un rapport mensuel appelé MARS bulletin et donnant les résultats attendus pour les récoltes, est rédigé par des experts en agriculture sur base de 2 méthodes:la télédétection et la modélisation de la croissance des cultures.


La télédétection
Au niveau européen, le développement de la végétation pendant la saison agricole est étudié sur base des images NOAA-AVHRR. Partant de ces données obtenues par satellite, on obtient deux indicateurs : la température de surface et le NDVI (Normalised Difference Vegetation Index). Ces indices renseignent directement l’état des cultures et permettent donc la comparaison de différentes récoltes. Les zones de végétation saine ont un NDVI plus élevé. Tout retard de croissance ou de mûrissement des cultures peut-être détecté de cette manière. Sur la figure, la différence (exprimée en pourcentage) de NDVI entre 2 années est représentée (pour juillet). Les zones où le NDVI est supérieur à celui de l’année précédente (écart positif, couleur verte) et les zones où la croissance des cultures est inférieure (écart négatif, couleur rouge-orange) se reconnaissent d’un seul coup d’œil.


NDVI-juillet : pourcentage d’écart entre la
valeur en 1996 par rapport à celle en 1995.
Les zones où le NDVI est plus élevé que
l'année précédente sont de couleur verte
(écart positif), les zones où la croissance
végétale est inférieure sont de couleur
rouge-orange (écart négatif)

Au niveau européen, les récoltes agricoles sont estimées selon deux méthodes séparées : via un modèle de croissance des cultures et à l'aide de données obtenues par satellite

 

La modélisation de la croissance des cultures
Le Crop Growth Monitoring System, CGMS, est un modèle de croissance des cultures spatialisé. Le principe de base de ce modèle de croissance des cultures est présenté schématiquement à la figure. La force mouvante de la croissance végétale est la photosynthèse. La quantité de lumière qu’une plante peut capter dépend de sa surface foliaire (LAI, Leaf Area Index). Une partie des substances produites par la photosynthèse est consommée immédiatement par la plante pour son entretien et sa croissance. La partie résiduelle est transformée en biomasse (feuille, tige, racine, pousses), selon le stade de développement. Le CGMS calcule sur base de modèles et pour chaque culture la biomasse produite en fonction entre autres de la quantité de lumière captée.
Au niveau européen, les données satellites et le CGMS sont utilisés de manière indépendante.

La figure ci-dessous donne une image schématique de l’approche générale européenne. Tous les Etats-membres de l’UE y sont repris. L’UE pense tester également cette méthodologie sur des pays non-européens, entre autres en Afrique. A côté de l’intérêt économique, elle pourrait également servir de système de détection pour des déficits alimentaires (comparable au FAO Early Warning System, mais spécifié par culture et par Kg de rendement par ha).

Schéma simplifié d’un modèle de croissance des cultures.

 

Des chiffres, svp.

Le projet belge part du système de prévision des récoltes européen existant CGMS (Crop Growth Monitoring System). Les banques de données nécessaires doivent être complétées et affinées avec des données physiques typiquement belges (comme par ex. les données concernant les sols) et les paramètres techniques des cultures (ex. : somme des températures nécessaires pour la floraison, la formation de semences, etc.)
Le projet belge vise une intégration des données obtenues par satellite dans le CGMS, celles-ci devenant ainsi un moyen d’aide pour l’évaluation quantitative de la production. Dans l'exemple européen, les données obtenues par satellite sont utilisées dans un sens qualitatif : “croissance relativement supérieure dans une zone déterminée par rapport à une autre” ou “rendement relativement plus faible une année par rapport à une autre”. Dans ce projet par contre, on vérifiera s’il n’est pas possible d’arriver à des déclarations d’un style quantitatif : “ cette région produira environ 2000 tonnes de froment de plus que l’année précédente”. Pour ce faire, il faut partir des séries temporelles fAPAR et des évaluations LAI des images NOAA AVHRR et SPOT VEGETATION.

Le Projet MARS

Au cours de la décennie précédente, chaque Etat-membre de l’UE a collecté ses statistiques agraires d’une manière différente, c’est pourquoi, au niveau européen, il était difficile de comparer les résultats entre-eux.
Afin que l’Union Européenne puisse réaliser sa politique agricole, il faut cependant pouvoir disposer de données précises standardisées concernant l’utilisation agraire des sols, en particulier pour des cultures économiquement importantes, pour lesquelles des subsides sont octroyés sur base de la surface cultivée.
Dans ce contexte, le projet Inventaire Régional (MARS : Monitoring Agriculture with Remote Sensing) a été élaboré qui a pour objectif l’obtention de statistiques précises sur l’utilisation agraire des sols au cours de l'année de la récolte sur base d’une méthode standardisée et avec une précision connue.
L’Inventaire Régional comprend deux parties : les recherches sur le terrain et la télédétection. L’utilisation des images obtenues par satellite permet d’augmenter l’efficience des évaluations de surface.

Une autre activité importante au sein du projet MARS est la surveillance des récoltes. Pour ce faire, on utilise le CGMS (Crop Growth Monitoring System) combiné avec la télédétection pour composer le bulletin MARS mensuel.