26/03/2021 - Des chercheurs de l'UVa ont conçu un nouvel indice amélioré pour prévoir les récoltes par des techniques d'intelligence artificielle.

Menéame

Enquêteurs Laboratoire de télédétection (LATUV) de la Université de Valladolid (UVa) ont conçu un nouvel indice de végétation capable d'améliorer les modèles de prévision des récoltes. La nouvelle technique qu'elle utilise images du satellite Sentinel-2 de l'ESA et techniques d'intelligence artificielle et auto-apprentissage des machines, a été testé avec succès dans la prévision du rendement de la culture de la pomme de terre et du blé.

La production agricole dépend d'un grand nombre de facteurs, humains et environnementaux, qui créent une grande incertitude parmi les agriculteurs. Mais la technologie peut être un allié important pour la réduire. C'est le cas des modèles informatiques qui tentent de simuler le comportement d'une culture dans des conditions spécifiques - par exemple de sol, de climat ou de pratiques agricoles - et, en fonction de cette évolution prévue, d'estimer des productions agricoles.

"Il y a beaucoup de modèles et ils sont souvent spécifiques à chaque type de culture," explique DICYT Diego Gómez, chercheur de LATUV et premier auteur d'études récemment publiées dans les magazines International Journal of Remote Sensing y Agricultural and Forest Meteorology.

Mais ces modèles de croissance traditionnels ont quelques limites, comme "l'impossibilité de modeler la variabilité spatiale à l'intérieur d'une même parcelle" ou la multitude de données d'entrée qu'ils nécessitent et qui "ne sont généralement pas obtenues en raison du coût élevé du temps et de l'argent qu'implique leur collecte."

Ainsi, au cours des dernières années, on parie sur une technologie, la télédétection, qui utilise des images télématiques prises par des capteurs optiques (installés sur des satellites, des avions, des drones, etc.) et qui peut compléter et même remplacer dans certains cas ces modèles traditionnels. Ces images spectrales fournissent des données sur l'état ou la phénologie de la culture - les changements extérieurs visibles du processus de développement de la plante -, qui sont intégrés dans des modèles qui ajustent ces informations d'entrée pour prédire les récoltes.

"Les images télématiques couvrent ce besoin de données d'entrée, permettent d'accéder à des sites distants et ont un faible coût. En outre, ils sont en mesure d'obtenir des informations qui sont liées à la capacité productive de la culture," note le chercheur de LATUV, qui rappelle que l'un des indices de productivité de la culture - formules mathématiques combinant des bandes de végétation multifréquences - les plus utilisés pour estimer la vigoureuxté ou la densité de la végétation - est le NDVI (sigles en anglais de l'indice de végétation de différence standard).

L'utilisation de séries temporelles de cet indice pour produire des modèles prédictifs de récolte est très répandue dans la littérature scientifique. Cet indice utilise la réflescence de la végétation - la capacité de la végétation à refléter la lumière - en deux bandes de fréquences, le rouge et l'infra-rouge proche, qui sont liées à une partie de la lumière utilisée pour la photosynthèse et la structure cellulaire des feuilles, respectivement.

Un nouvel indice de végétation

Les chercheurs de LATUV ont développé un nouvel index appelé PPI basé sur les images du satellite de l'ESA Sentinel-2 qui, en plus de prendre en compte les informations télématiques impliquées dans la photosynthèse - de 400 à 700 nanomètres -, tient compte des informations provenant d'autres zones du spectre électromagnétique -704 nanomètres, bande de Red Edge et 945 nanomètres, bande d'absorption vapeur d'eau -, ce qui peut fournir d'autres informations clés sur l'état de la culture, telles que son stress hydrique - lorsque la plante demande plus de quantité d'eau dont vous disposez.

Les chercheurs ont comparé la capacité prédictive des deux indices de végétation, NDVI et PPI, ainsi que d'autres données provenant d'images satellitaires. À cette fin, ils ont utilisé deux algorithmes d'intelligence artificielle et d'apprentissage de machines (appelés Random Forest et Support Vector Machine) et ont produit divers modèles dans lesquels ils ont combiné ces index avec les autres bandes du satellite.

"L'hypothèse était qu'en utilisant un indice qui utilise d'autres bandes non incluses dans le populaire indice NDVI et, d'autre part, avec une certaine possibilité d'apporter des informations sensibles sur la culture, les modèles prédictifs seraient meilleurs," note Gómez, qui avance que, finalement, la capacité prédictife des modèles "augmentait lorsque l'un ou les deux indices de végétation étaient inclus," ce qui met en valeur "l'utilisation de ces données de manière combinée avec certaines bandes individuelles du satellite."

Prédictions plus précises en culture de pommes de terre

Les résultats montrent que l'indice PPI fournit des informations similaires au NDVI lors de l'utilisation de l'algorithme Support Vector Machine, et il est significativement plus instructif que le NDVI lors de l'utilisation de l'algorithme Random Forest, des résultats prometteurs "qui mettent sur la table un nouvel indice de végétation qui peut améliorer les modèles prédictifs de récolte basés sur des images satellite."

Jusqu'à présent, le nouvel indice a été testé en culture de pommes de terre dans une zone d'étude assez localisée. Après les céréales, la pomme de terre est l'une des cultures alimentaires les plus importantes au niveau mondial. Elle joue un rôle fondamental dans la sécurité alimentaire des pays en développement et joue également un rôle important dans le secteur agricole européen, avec l'Allemagne, la France, les Pays-Bas et la Pologne comme principaux producteurs. Il a également été testé sur du blé avec des données prises au Mexique.

L'objectif de l'équipe est d'accroître le nombre de données pour améliorer la solidité du modèle, de couvrir une zone d'étude plus vaste pour accroître la variabilité spatiale et d'intégrer de nouvelles cultures. Des perspectives qui dépendent de la continuité du financement et qui, à l'avenir, peuvent aider les agriculteurs à prévoir leur récolte de manière plus fiable.

Référence

Gómez, D., Salvador, P., Sanz, J., & Casanova, J. L. (2021). New spectral indicator Potato Productivity Index based on Sentinel-2 data to improve potato yield prediction: a machine learning approach. International Journal of Remote Sensing, 42(9), 3430-3448.

Gómez, D., Salvador, P., Sanz, J., & Casanova, J. L. (2021). Modelling wheat yield with antecedent information, satellite and climate data using machine learning methods in Mexico. Agricultural and Forest Meteorology, 300, 108317.

_______________________________________________

Cristina González Pedraz

Agence DiCYT - Fondation 3CIN

La Universitat Politècnica de Catalunya (UPC) participa en Unite! CONNECT, un programa europeo que busca acortar la distancia entre los resultados de investigación de las universidades y su transformación en empresas y aplicaciones tecnológicas. La iniciativa dispone de un presupuesto de dos millones de euros para los próximos dos años y se desarrolla en el marco de la Iniciativa de...

La fibra óptica hasta el hogar (FTTH) continúa ganando peso en las comunicaciones fijas de España. Según los datos oficiales de telecomunicaciones correspondientes a septiembre de 2026, publicados por la Comisión Nacional de los Mercados y la Competencia (CNMC), el país superó los 18,5 millones de líneas FTTH, después de incorporar 105.280 conexiones netas adicionales durante el mes. El avance...

El Consejo General de la Ingeniería Técnica Industrial de España (COGITI) y la Asociación Española de Normalización (UNE) celebraron este pasado jueves 12 de noviembre de 2026 una jornada técnica para presentar la serie UNE 192014:2026, relativa a procedimientos de inspección reglamentaria de determinadas instalaciones eléctricas de alta tensión, instalaciones cuyos titulares no son entidades de transporte y distribución de...

El Colegio de Ingenieros de Caminos, Canales y Puertos y la Fundación Caminos preparan la duodécima edición del Foro Global de Ingeniería y Obra Pública, que se celebrará el 25 de noviembre de 2026 en Madrid. El tema central será el papel de las infraestructuras críticas en un contexto de nuevos riesgos geopolíticos, exigencias de seguridad y transformación de los...

El Colegio Oficial de Ingenieros Industriales de Madrid (COIIM) organizó este pasado jueves una jornada centrada en el análisis de las posibilidades y los retos de aplicar inteligencia artificial en las empresas de ingeniería,mediante. Con desarrollos centrados en crear estrategias centradas en el análisis de datos, la modernización tecnológica, la automatización de procesos y la transición desde los asistentes conversacionales...