Services agricoles

Détection des rizières mises sous eau

Ce service détecte les parcelles mises sous eau en zone rizicole en début de saison agricole. Le traitement s’appuie sur la combinaison d’indices de végétation et d’humidité (NDVI et NDWI), ainsi que sur la transformation de l’image en style HSV (Hue/Saturation/Value) permettant de mettre en évidence la couleur sur une combinaison de trois bandes spectrales faisant ressortir l’eau en bleu. Pour chaque image traitée, l’étendue des zones couvertes d’eau est fournie au format raster, permettant un suivi de l’évolution des zones mises sous eau au cours de la saison. Si des limites de parcelles sont fournies par l’utilisateur, le suivi se limite alors aux parcelles, permettant d’éviter la détection d’eau hors zone rizicole (formations de marres, cours d’eau).

Les images utilisées pour le suivi de la mise sous eau sont les images Sentinel-2 dont la résolution spatiale est de 10 ou 20 m selon les bandes spectrales.

Détection du labour

Ce service détecte les zones en milieu agricole présentant des signes de labourage. Le traitement s’appuie sur la détection de changement entre deux images successives en période de labour et détecte les zones passant d’un brun clair (signe d’un sol nu et sec) à un brun foncé (signe d’une terre retournée et plus humide). Pour chaque paire d’images traitée, l’étendue des zones labourées est fournie au format raster, permettant un suivi de l’évolution du labourage au cours d’une saison. Ce service est relativement sensible à la couverture nuageuse et aux ombres.

Les images utilisées pour le suivi des labours sont les images Sentinel-2 dont la résolution spatiale est de 10 ou 20 m selon les bandes spectrales.

Estimation de la date du début de croissance

Ce service illustre au sein d’un graphique l’évolution de la couverture végétale d’une série de parcelles agricoles. Le service calcule pour chaque date où une image est disponible, la moyenne des pixels des images SAR Sentinel-1 au sein de chaque parcelle dont les limites doivent être fournies. Ces valeurs sont enregistrées dans un tableau permettant d’observer l’évolution du signal sur une saison. De manière générale, en zone agricole, l’intensité des pixels sur une image SAR est corrélée à la présence de végétation.  Ainsi, lorsque le sol est nu, l’intensité SAR est supposée faible, tandis qu’au fur et à mesure que la végétation se développe, l’intensité SAR croît. Le début de la saison agricole et donc marqué par la transition du signal, passant de valeurs basses et stables, à des valeurs qui augmentent avec le temps. Le service propose ainsi d’estimer la date de ce point d’inflexion qui représente un indicateur clé pour le déroulement de la campagne.

Les images utilisées pour l’estimation de la date du début de croissance sont les images Sentinel-1 dont la résolution spatiale est de 10 m.

Estimation de paramètres phénologiques

Ce service calcule pour chaque date où une image est disponible, la moyenne des pixels de NDVI (indice mesurant le taux de végétation par pixel) au sein de chaque parcelle dont les limites doivent être fournies. Ces valeurs sont enregistrées dans un tableau permettant d’observer l’évolution du NDVI sur une saison. L’intensité du NDVI donne une indication sur le stade de culture dans la mesure où plus le NDVI est fort, plus la couverture végétale est dense et verte. Le service de phénologie propose ainsi d’estimer la date de trois indicateurs phénologiques lié à l’évolution du NDVI sur une parcelle lors d’une campagne agricole. Ces indicateurs sont 1) le début de croissance, 2) la date du maximum de croissance, et 3) la date de sénescence.

Les images utilisées pour le suivi de la phénologie sont les images Sentinel-2 dont la résolution spatiale est de 10 ou 20 m selon les bandes spectrales.

Projets de référence

SPACEBEL est un acteur-clé dans le projet NADIRA, une action d’innovation Horizon 2020 dont l’objectif est de développer davantage l’agriculture en Afrique en utilisant des solutions durables d’agriculture numérique. NADiRA intègre l’industrialisation de produits d’Observation de la Terre, de données provenant de capteurs connectés (IoT) et de dispositifs mobiles qui permettent de donner aux parties prenantes les informations-clés pour investir dans des petites exploitations agricoles.