Une nouvelle méthode basée sur un drone améliore la surveillance de l’uniformité du blé et la prévision du rendement

Une équipe de recherche a mis au point une méthode innovante pour quantifier l’uniformité du blé à l’aide d’une technologie d’imagerie par drone. Cette méthode estime l’indice de surface foliaire (LAI), le SPAD, la couverture végétale fractionnaire et la hauteur de la plante, en calculant 20 indices d’uniformité tout au long de la saison de croissance.

L’indice de LAI de Pielou a montré la plus forte corrélation avec le rendement et la biomasse. Cette approche permet un suivi efficace de l’uniformité du blé, offrant de nouvelles perspectives pour la prévision du rendement et de la biomasse, et a des applications potentielles dans la gestion des cultures et les futurs programmes de sélection du blé.

Le blé est une culture essentielle à l’échelle mondiale, mais la croissance démographique actuelle, les conditions climatiques extrêmes et le changement climatique ont accru les exigences en matière de production de blé. Une structure de population uniforme est essentielle pour obtenir des rendements élevés, mais les conditions inégales du terrain entraînent une concurrence entre les plantes, ce qui empêche l’uniformité.

Les méthodes traditionnelles de mesure de l’uniformité nécessitent beaucoup de travail et sont inefficaces. Les recherches actuelles se concentrent sur l’uniformité spatiale des plantes individuelles et manquent d’évaluations multi-caractéristiques à travers les stades de croissance.

Une étude publié dans Phénomique des plantes le 18 juin 2024, vise à développer une méthode complète pour évaluer l’uniformité du blé tout au long de ses stades de croissance, en utilisant le phénotypage basé sur les drones pour évaluer son impact sur le rendement et la biomasse.

Cette recherche a utilisé une technologie d’imagerie par drone pour estimer les paramètres agronomiques du blé : SPAD, LAI et hauteur de la plante (PH). Le modèle BPNN a démontré une grande précision pour LAI (R2 = 0,889) et SPAD (R2 = 0,804), et l’estimation du PH à partir de nuages ​​de points 3D a également montré une grande précision (R2 = 0,812). Ces estimations précises ont fourni une base pour le calcul des indices d’uniformité.

L’étude a révélé que les indices d’uniformité pour LAI, SPAD, FVC et PH variaient de manière dynamique selon les stades de croissance, les indices se stabilisant généralement après l’épiaison. De plus, les analyses de corrélation ont révélé de fortes corrélations entre des indices spécifiques, tels que LJ pour LAI, et le rendement (r = -0,760) et la biomasse (r = -0,801).

Les modèles de régression linéaire multiple qui intègrent ces indices d’uniformité ont surpassé les modèles basés sur des valeurs moyennes, ce qui a permis d’améliorer la précision des prévisions de rendement (R2 = 0,616) et de biomasse (R2 = 0,798). Cette méthode permet de surveiller efficacement l’uniformité du blé et fournit des informations permettant d’améliorer le rendement des cultures et l’estimation de la biomasse.

Selon le chercheur principal de l’étude, Dong Jiang, « la méthode de surveillance de l’uniformité proposée peut être utilisée pour évaluer efficacement les variations temporelles et spatiales de l’uniformité du blé et peut fournir de nouvelles perspectives sur la prédiction du rendement et de la biomasse. »

En résumé, cette étude a permis de développer une méthode basée sur un drone pour surveiller l’uniformité du blé. Les modèles utilisant des indices d’uniformité ont démontré une plus grande précision que ceux utilisant des valeurs moyennes, offrant des informations précieuses pour la prévision du rendement et de la biomasse. À l’avenir, différents indices d’uniformité peuvent améliorer la gestion et la sélection des cultures.

Les recherches futures devraient explorer la relation entre l’uniformité et la productivité à travers les stades de croissance et valider cette méthode pour d’autres cultures afin d’améliorer les pratiques agricoles.