Un algorithme permet aux agriculteurs de surveiller les cultures en temps réel

Les agriculteurs de partout aux États-Unis pourront surveiller leurs cultures en temps réel, grâce à un nouvel algorithme mis au point par des chercheurs du Centre d’excellence en sciences géospatiales de l’Université d’État du Dakota du Sud.

Il y a deux ans, Yu Shen, assistant de recherche au GSCE, et Xiaoyang Zhang, professeur au Département de géographie et des sciences géospatiales et codirecteur du GSCE, ont commencé à étudier s’il était possible de rendre la surveillance des cultures plus efficace.

« Auparavant, la progression des cultures était surveillée en observant visuellement les plantes », a expliqué Shen.

La surveillance des cultures nécessite actuellement environ 5 000 journalistes de partout aux États-Unis qui remplissent des enquêtes hebdomadaires basées sur des observations visuelles des champs dans leur région du pays.

Sur la base de définitions standard, les journalistes estiment la progression des cultures à travers leurs stades de développement tout en fournissant également des évaluations subjectives de l’état des cultures. Ces enquêtes sont ensuite soumises au Service national des statistiques agricoles, qui crée des rapports hebdomadaires sur l’avancement des récoltes classés par État.

Les agriculteurs s’appuient sur ces rapports, qui constituent actuellement les meilleures informations sur l’avancement des cultures sur le terrain disponibles au niveau régional et national et sont distribués par le Département américain de l’Agriculture.

Ce processus, bien qu’assez précis, prend du temps, est coûteux et subjectif.

Shen et Zhang pensaient que les données de télédétection satellitaire opportunes pourraient être utilisées pour créer un système de surveillance plus efficace. Les observations satellitaires sont utilisées depuis longtemps pour analyser la phénologie historique des cultures, c’est-à-dire les étapes de développement de la croissance des cultures, de la plantation à la récolte. Cependant, leur utilisation pour développer un système de surveillance des cultures en temps quasi réel n’avait pas été largement étudiée.

« Nous pensions pouvoir améliorer le suivi des cultures en le rendant plus efficace en termes de temps et d’argent », a déclaré Shen. « Nous avons proposé d’utiliser des observations satellitaires opportunes pour développer un algorithme opérationnel. »

En fusionnant les observations spatiales de 30 mètres des satellites en orbite polaire de Landsat, Sentinel-2 et les observations temporelles du satellite géostationnaire, l’équipe de recherche a pu calculer le développement spatial et temporel élevé de la verdure des cultures pour des cultures opérationnelles en temps quasi réel. surveillance.

Cette étude a été publié dans la revue Télédétection de l’environnement.

« Nos résultats fournissent un timing précis pour la phénologie des cultures », a déclaré Shen. « Ces informations peuvent aider à guider les agriculteurs dans la gestion de leurs cultures. »

Contrairement aux travaux antérieurs, ce nouvel algorithme peut surveiller la croissance des cultures à l’échelle d’un champ de 30 mètres.

Il peut calculer six dates d’étapes de transition de croissance des cultures : le début de la saison de croissance (début de la verdeur), le milieu du printemps (date de la mi-phase de verdissement), le début de la maturité (le début de la verdeur approchant du maximum), le début de l’automne. (début de la verdeur commençant à diminuer), milieu de l’automne (date de la phase de mi-sénescence) et fin de la saison de croissance (début de la verdeur atteignant le minimum) – avant que l’événement phénologique ne se produise avec une précision croissante autour et après l’événement. .

Ces dates de transition sont appliquées pour déterminer les stades de croissance des cultures, tels que les moments de semis, de levée, de soyage, de pâte, de bosselage, de maturité et de récolte du maïs.

L’équipe de recherche a passé beaucoup de temps à valider les résultats de l’algorithme en comparant les prévisions avec les mesures réelles au niveau du sol de la saison de croissance du maïs et du soja 2020 dans l’Iowa. Ils ont constaté que les capacités de prévision en temps réel étaient conformes aux rapports d’avancement (distribués par l’USDA) de la même année.

« Grâce aux prévisions pour chaque champ, la surveillance en temps quasi réel de la phénologie des cultures offre des informations robustes sur la progression des cultures, réparties dans l’espace, depuis les champs locaux jusqu’à l’ensemble de l’État », a déclaré Shen. « Il s’agit d’une grande amélioration par rapport aux rapports sur l’état des récoltes du Service national des statistiques agricoles. »

Les résultats de cet algorithme fourniront des mesures précises de la phénologie des cultures, a déclaré Shen, qui guideront les agriculteurs dans la gestion de leurs cultures.

« Par exemple, notre algorithme fournira le moment où la verdure des cultures atteint son maximum », a déclaré Shen. « Cette étape est la fenêtre pendant laquelle les agriculteurs doivent irriguer. Nous serons en mesure de prédire quand cette étape se produira avant qu’elle ne se produise. Ils pourront planifier leur irrigation à l’avance. »

Shen prédit que ces informations aideront également à estimer la taille du rendement avant la récolte.

Zhang indique que l’algorithme doté de codes informatiques opérationnels est appelé à devenir un nouvel outil géospatial permettant de surveiller la progression et l’état des cultures en temps quasi réel. Cet outil sera éventuellement livré à l’USDA pour être intégré aux systèmes opérationnels existants en vue d’une utilisation généralisée. Les utilisateurs pourront voir les conditions de culture de chaque champ grâce à une carte interactive.

Les futures pistes de recherche verront l’équipe étudier les moyens d’améliorer la précision de l’algorithme pour les prédictions à court terme. Les applications de cet outil géospatial aux échelles nationale et mondiale pourraient aider à évaluer la sécurité alimentaire mondiale.