Table of Contents
Introduction à l'imagerie multispectrale de l'UAV dans l'agriculture
En équipant ces plates-formes de capteurs multispectraux, les agriculteurs, les agronomes et les ingénieurs civils peuvent recueillir des données bien au-delà de ce que l'œil humain peut percevoir. L'imagerie multispectrale capture la lumière réfléchie des plantes et du sol sur plusieurs bandes de longueurs d'onde étroites, généralement bleues, vertes, rouges, rouge et quasi infrarouges (NIR). Cette information spectrale est ensuite transformée en indices de végétation tels que l'indice de végétation de différence normalisée (NDVI), qui fournit une mesure quantitative de la santé des plantes. La capacité de couvrir des centaines d'acres en un seul vol et de produire des orthomosaïques haute résolution fait de l'imagerie multispectrale de l'UAV un outil pratique et évolutif pour les projets d'agriculture civile à grande échelle.
Les enquêtes terrestres traditionnelles sont intensives en main-d'oeuvre, lentes et ne fournissent souvent que quelques échantillons ponctuels par champ. L'imagerie satellitaire, bien qu'elle soit plus large, souffre d'une résolution spatiale plus faible et de temps de revisite peu fréquents. Les VAU comblent cette lacune en offrant une résolution au centimètre et un programme de vol à la demande. Cet article explore les fondements techniques, les applications clés, les avantages, les défis et les orientations futures de l'utilisation de l'imagerie multispectrale des VAU dans l'agriculture civile.
Principes fondamentaux de la technologie d'imagerie multispectrale
Fonctionnement des capteurs multispectraux
Contrairement aux caméras RGB standard qui n'enregistrent que la lumière rouge, verte et bleue, les capteurs multispectrales ajoutent des bandes dans les plages infrarouges proches infrarouges et parfois thermiques. Chaque bande correspond à une plage de longueurs d'onde spécifique choisie pour sa pertinence pour la végétation ou l'analyse du sol. Par exemple, la bande de bordure rouge (700-730 nm) est particulièrement sensible à la teneur en chlorophylle, tandis que la bande NIR (750-900 nm) met en évidence des changements dans la structure des cellules foliaires. Lorsque la lumière solaire frappe une feuille, la végétation saine absorbe la lumière la plus visible pour la photosynthèse, mais reflète une grande partie des rayonnements NIR. Cette différence constitue la base d'indices comme NDVI : (NIR-Rouge) / (NIR + Rouge).
Types de capteurs multispectraux pour UAV
Plusieurs caméras multispectrales commerciales sont disponibles pour l'intégration de l'UAV. Les appareils Micasense RedEdge, le Parrot Sequoia+ et le DJI-P4 Multispectral sont couramment utilisés en agriculture. Ces capteurs comprennent généralement cinq ou six bandes : bleu, vert, rouge, rouge, bord, NIR, et parfois une bande thermique. Ils sont légers (moins de 200 grammes) et équipés de mécanismes de volets globaux pour éviter toute distorsion en vol. Certains modèles intègrent également des capteurs de lumière en descente (DLS) pour compenser les changements de la lumière solaire, assurant la cohérence radiométrique entre les lignes de vol. Pour la surveillance du sol, les capteurs avec capacité thermique peuvent détecter des déficits d'humidité et des variations de température dans le sol nu.
Flux de travail pour l'acquisition et le traitement des données
Le flux de travail pour l'imagerie multispectrale UAV comporte plusieurs étapes :
- Planification de vol:[ À l'aide de logiciels tels que DJI Pilot, Pix4Dcapture ou DroneDeploy, les opérateurs définissent la zone d'enquête, les pourcentages de chevauchement (90% vers l'avant, 75% vers le côté), l'altitude (généralement 30–120 mètres) et la distance d'échantillonnage au sol (GSD).
- Collection de données: L'UAV vole de façon autonome, captant des images à un intervalle prescrit. Un panneau d'étalonnage (cible de réflectivité) est image avant ou après le vol pour permettre l'étalonnage radiométrique.
- Image Pointage et orthorectification: Un logiciel de photogrammétrie comme Pix4Dmapper, Agisoft Metashape ou DJI Terra transforme les images brutes en un modèle orthomosaïque géoréférencé et en un modèle numérique de surface (DSM).
- Indices de végétation calculatrice: L'orthomosaique est traité pour générer des cartes d'indices—NDVI, NDRE (Différence normale Red Edge), SAVI (Indice de végétation ajusté par le sol), etc. Ces cartes mettent en évidence la variabilité de la santé des cultures, de l'état des nutriments et de la teneur en eau.
- Analyse et rapports : Les cartes d'index sont importées dans le SIG ou le logiciel de gestion agricole (p. ex. QGIS, ArcGIS, FarmWorks) pour créer des cartes d'ordonnance pour les applications à taux variable, identifier les zones problématiques et suivre les changements au fil du temps.
Pour en savoir plus sur NDVI de la USGS
Demandes dans le cadre de projets d'agriculture civile
Surveillance de la santé des cultures et détection du stress
Le stress hydrique, les carences en nutriments (en particulier l'azote), les infestations de parasites et les maladies peuvent se manifester par des changements subtils dans la réflectance spectrale. Par exemple, la carence en azote réduit la teneur en chlorophylle, diminue l'absorption rouge et diminue les valeurs de NDVI. En effectuant des missions régulières (hebdomadaires ou bihebdomadaires), les agronomes peuvent créer des séries chronologiques de cartes qui révèlent des points chauds et permettent des dépistages ciblés.
Analyse des sols et préparation des terres
Avant la plantation, l'imagerie multispectrale et thermique peut évaluer les propriétés du sol. La réflectance du sol à la nuance dans les bandes visibles et les bandes NIR est en corrélation avec la teneur en matière organique, la texture et l'humidité. Par exemple, les sols à haute matière organique semblent plus foncés et ont une réflectance NIR plus faible. Les zones de compactage du sol conservent souvent l'humidité différemment, visibles dans l'imagerie thermique comme zones plus froides ou plus chaudes.
Agriculture de précision et technologie à taux variable
Les cartes d'indices multispectraux servent de base à la production de cartes d'ordonnances. Par exemple, une carte d'ordonnance sur l'azote peut être créée à partir des valeurs de l'indice NDRE ou de la chlorophylle, les zones à faibles indices reçoivent des taux d'azote plus élevés, tandis que les zones à indice élevé ne reçoivent pas grand-chose. Cette approche non seulement réduit les coûts des intrants, mais minimise les ruissellements environnementaux.
Prédiction du rendement et modélisation des cultures
Les indices de végétation accumulés au fil du temps, en particulier aux stades phénologiques clés comme la floraison ou le remplissage des grains, sont fortement corrélés avec le rendement. Lorsqu'ils sont combinés aux données météorologiques et aux cartes des sols, les données basées sur l'UAV peuvent produire des prévisions de rendement exactes à moins de 5 à 10 % des récoltes réelles.
Gestion de l'irrigation et efficacité de l'utilisation de l'eau
Les capteurs multispectraux thermiques détectent la température de la canopée, inversement liée au taux de transpiration. Les cultures stressées par l'eau ferment les stomates, ce qui entraîne une température plus élevée des feuilles. L'indice de stress hydrique (ICRS), dérivé des mesures de température thermique et de température de l'air, indique où l'irrigation est nécessaire.
Avantages par rapport aux méthodes traditionnelles de surveillance
Résolution spatiale et temporelle
L'imagerie multispectrale UAV offre une combinaison unique de haute résolution spatiale (2-10 cm GSD) et de couverture temporelle flexible. Les satellites peuvent être revisités tous les 5-16 jours et être obstrués par les nuages. Les campagnes aériennes sont coûteuses et programmées semaines à l'avance. Avec un UAV, une équipe peut voler le même champ le même jour où il pleut, si nécessaire, en captant des données avant que les conditions changent.
Rentabilité
Pour les champs de quelques centaines d'hectares, la surveillance basée sur l'UAV est moins chère que les avions habités et souvent moins chère que les prélèvements intensifs au sol, lorsque la main-d'oeuvre, le temps et l'équipement sont comptabilisés. Un seul quadricopter avec un coût multispectral de caméra entre 10 000 $ et 30 000 $, tandis que les abonnements logiciels et la formation ajoutent des coûts récurrents.
Sécurité et accessibilité
Les UAV éliminent la nécessité pour les travailleurs de traverser des champs à pied ou dans des véhicules, réduisant les risques de chaleur, de produits chimiques ou de terrains accidentés. Les zones inondées, boueuses ou escarpées deviennent accessibles depuis l'air.
Intégration et automatisation des données
Les plateformes logicielles modernes de l'UAV s'intègrent parfaitement aux systèmes d'information de gestion agricole (FMIS). Les cartes orthomosiques et les cartes d'index traitées peuvent être téléchargées sur des tableaux de bord en nuage, où les algorithmes identifient automatiquement les zones problématiques et envoient des alertes aux appareils mobiles.
Défis et considérations
Restrictions réglementaires
Chaque pays a sa propre réglementation sur l'altitude de vol (souvent limitée à 120 m/400 pi au-dessus du sol), au-delà des opérations de la ligne de visibilité visuelle (BVLOS) et de la licence de pilote.Dans les projets d'agriculture civile qui couvrent de vastes zones contiguës, les vols de BVLOS seraient plus efficaces, mais les dérogations sont actuellement difficiles à obtenir dans de nombreux pays.
Volume de données et complexité du traitement
Un seul vol multispectral peut capturer des milliers d'images, ce qui entraîne des dizaines de gigaoctets de données brutes. Le traitement nécessite de puissants ordinateurs, un logiciel de photogrammétrie spécialisé et du personnel qualifié. L'étalonnage incorrect ou une mauvaise planification du vol peut conduire à l'orthomosaique avec des artefacts, tels que le baguage ou le désalignement, rendant l'analyse peu fiable.
Sensibilité aux conditions météorologiques et environnementales
Les nuages, la brume ou les changements soudains de l'angle du soleil introduisent une variabilité qui doit être corrigée par des panneaux d'étalonnage radiométriques. Les vents élevés (au-dessus de 20 km/h) réduisent la stabilité et la qualité de l'image. La pluie interdit les vols.
Exigences en matière d'expertise
L'interprétation correcte des données multispectrales exige une connaissance de la physiologie des plantes, des sciences des sols et de la télédétection. La mauvaise interprétation des changements de l'IVDN (p. ex., la confusion entre fermeture du couvert et stress) peut entraîner des erreurs coûteuses.
Études de cas : Mise en oeuvre réussie
Surveillance du blé à grande échelle dans les plaines indo-gangétiques
En Inde, un projet gouvernemental couvrant 100 000 hectares de blé a utilisé des UAV multispectraux pour surveiller l'état de l'azote. Les cartes hebdomadaires du NDRE ont permis aux agriculteurs d'appliquer l'azote seulement lorsque nécessaire, réduisant l'utilisation globale de 18 % tout en augmentant le rendement de 6 % par rapport à l'application générale.
Irrigation de canne à sucre Optimisation au Brésil
Une coopérative de canne à sucre de São Paulo a déployé des UAV multirotors avec des capteurs thermiques pour détecter le stress hydrique. Combinés avec des capteurs d'humidité du sol, les données ont informé le programme d'irrigation qui a réduit la consommation d'eau de 22% sans perte de rendement.
Surveillance de l'érosion des sols dans les terrasses du Rwanda
Après avoir construit des terrasses pour le café et le maïs, l'Office rwandais de l'agriculture a utilisé des enquêtes multispectrales sur les VAU pour suivre la régénération de la végétation et la stabilité du sol. En comparant les indices NDVI et les indices des sols nus sur deux saisons, ils ont identifié les zones nécessitant un entretien avant que l'érosion ne s'aggrave.
Perspectives d'avenir et tendances technologiques
Imagerie hyperspectrale
Bien que la miniaturisation soit actuellement coûteuse et volumineuse, elle sera bientôt pratique pour les UAV. Les données hyperspectrales peuvent distinguer les variétés de cultures, détecter des agents pathogènes spécifiques et cartographier la composition minérale du sol, toutes avec une grande précision.
Intégration de l'IA et de l'apprentissage automatique
Les algorithmes de vision informatisée formés sur des ensembles de données massives peuvent détecter automatiquement les maladies, les mauvaises herbes et les carences en nutriments dans l'imagerie multispectrale.Les modèles d'apprentissage profond, comme les réseaux neuronaux convolutionnels (RCN), peuvent traiter l'orthomosaïque en minutes et produire des cartes de traitement sans intervention humaine.
Opérations de swarm
Les essaims coordonnés de plusieurs drones peuvent couvrir des milliers d'hectares en une seule séance de vol, chaque drone ayant une sous-zone. Les essaims réduisent le temps de vol par unité et fournissent une redondance en cas de défaillance individuelle des drones.
Traitement à bord en temps réel
L'utilisation de drones permet de calculer en temps réel les indices de végétation en vol. L'UAV peut alors ajuster sa trajectoire de vol pour revoir les zones suspectes ou envoyer des alertes immédiates aux équipes au sol.
Évolution de la réglementation
De nombreux pays s'efforcent d'élargir les autorisations BVLOS pour les utilisations agricoles par le biais de cadres axés sur les risques. Des systèmes normalisés d'identification à distance et d'autorisation de vol automatisés (p. ex. UPP – UAS Traffic Management) rendront les opérations UAV à grande échelle plus sécuritaires et plus routinières.
Conclusion
L'imagerie multispectrale de l'UAV s'est révélée être un outil précieux pour la surveillance des cultures et des sols dans les projets d'agriculture civile. En combinant des données spectrales à haute résolution avec des opérations de vol flexibles, elle permet une détection plus précoce du stress, une gestion plus efficace des intrants et des prévisions de rendement plus solides.