Évaluation du potentiel d'une série temporelle d'images multi-sources à haute résolution spatiale pour le suivi des cultures annuelles en petite agriculture familiale : cas du bassin arachidier sénégalais.

Gbodjo, Yawogan Jean Eudes (2018) Évaluation du potentiel d'une série temporelle d'images multi-sources à haute résolution spatiale pour le suivi des cultures annuelles en petite agriculture familiale : cas du bassin arachidier sénégalais. [Mémoire]

[img] Text

Yawogan Jean Eudes.Gbodjo_master2.pdf


Accès : Repository staff only

Télécharger (19MB) | Request a copy
Item Type: Mémoire
Creators: Gbodjo, Yawogan Jean Eudes
Directeur de recherche: Sheeren, David
Divisions: UFR Sciences, Espaces, Sociétés > Département Géographie-Aménagement-Environnement
Diplôme: M2 Sciences Géomatiques en environneMent et Aménagement
Subjects: SCIENCES HUMAINES ET SOCIALES > Statistiques
SCIENCES HUMAINES ET SOCIALES > Agriculture, économie et politique
Uncontrolled Keywords: Intensification écologique, Evaluation spatialisée, Mil, Arachide, Série temporelle multisource (Sentinel-2, RapidEye, PlanetScope), Métriques phénologiques, Estimation des biomasses et rendements.
Mots-clés dans une autre langue: Ecological intensification, Spatial evaluation, Millet, Groundnut, Multisource time series (Sentinel-2, RapidEye, PlanetScope), Phenological metrics, Biomass and Yields estimation.
Abstract: L’intensification écologique des pratiques agricoles est assurément aujourd’hui l’une des voies les plus efficaces pour garantir la sécurité alimentaire de tous, tout en favorisant une agriculture durable préservant les écosystèmes et la biodiversité notamment dans les pays en voie de développement. Le présent travail s’inscrit dans le cadre de recherches portant sur l’évaluation spatialisée des pratiques d’intensification écologique des systèmes de cultures à base de mil et d’arachide, à Diohine (région de Fatick) dans la zone écogéographique du bassin arachider sénégalais. Il a pour objectif d’évaluer les dates de semis et de calibrer des modèles statistiques pour l’estimation de leur biomasses et rendements sur la saison agricole 2017, en se basant sur des métriques phénologiques dérivées de télédétection. Pour ce faire, nous avons utilisé une série temporelle multisource d’images satellitaires incluant des images PlanetScope, RapidEye et Sentinel-2 et un réseau de 47 parcelles. L’indice de végétation NDVI a été calculé pour les différentes images et la série temporelle de NDVI a été lissée et reconstruite avec un pas de temps journalier en employant deux méthodes de lissage : l’algorithme HANTS et la méthode de Whittaker. Les profils temporels de NDVI obtenus par les 2 méthodes étant difficilement dissociables sur base des critères qualitatifs de sélection définis, ils ont été maintenu pour la phase d’évaluation des dates de semis. Cette dernière a montré que la méthode de Whittaker était plus performante que HANTS compte tenu des variabilités plus faibles otbtenues sur les écarts entre dates de semis observées et dates de début de croissance de la végétation extraites (SOS). Pour le reste, les dates de semis ont été estimées avec plus ou moins 5, 10 et 20 jours de décalage respectivement pour les parcelles d’arachide, de mil en culture pure et de mil en culture associée. En ce qui concerne l’estimation des biomasses et rendements, deux indices de végétation ont été comparés : le NDVI et le GDVI.
Résumé dans une autre langue: Nowadays, the ecological intensification of agricultural practices had became undoubtedly one of the most effective way of ensuring food security for all, while promoting sustainable agriculture that preserves ecosystems and biodiversity particularly in developing countries. This work is part of researches on spatial evaluation of the ecological intensification practices of millet and groundnut-based crop systems at Diohine (Fatick region) in the Senegalese groundnut Basin. Its objective is to evaluate sowing dates and to calibrate statistical models for estimating biomass and yields on the 2017 agricultural season, based on phenological metrics. To do this, we used a multisource time series of satellite images including PlanetScope, RapidEye and Sentinel-2 images and a network of 47 field plots. The popular vegetation index NDVI were extracted from the images and the NDVI time series was smoothed and reconstructed with a daily time step using two smoothing methods : HANTS algorithm and Whittaker smoother. The temporal profiles of NDVI obtained by the 2 methods being difficult to dissociate on the basis of our qualitative criteria of selection, we maintained them for the sowing dates evaluation. It was later showed that Whittaker’s method was more efficient than HANTS, given the lower variability obtained on the gap between observed sowing dates and starting dates of growth of vegetation (SOS). For the remainder, we managed to estimate sowing dates with more or less 5, 10 and 20 days of interval, for the groundnut, pure millet and mixed millet plots respectively. With regard to the estimation of biomass and yields, we compared NDVI and GDVI indices.
URI: http://dante.univ-tlse2.fr/id/eprint/6482