Crop Monitoring Using Vegetation and Thermal Indices for Yield Estimates: Case Study of a Rainfed Cereal in Semi-Arid West Africa | Estimation des rendements à partir d'indices de végétation et d'indices de température : etude de cas des céréales pluviales en Afrique de l'Ouest semi-aride

International audience

إنجليزي. For the semi-arid Sahelian region, climate variability is one of the most important risks of food insecurity. Field experimentations as well as crop modelling are helpful tools for the monitoring and the understanding of yields at local scale. However, extrapolation of these methods at a regional scale remains a demanding task. Remote sensing observations appear as a good alternative or addition to existing crop monitoring systems. In this study, a new approach based on the combination of vegetation and thermal indices for rainfed cereal yield assessment in the Sahelian region was investigated. Empirical statistical models were developed between MODIS NDVI and LST variables and the crop model SARRA-H simulated aboveground biomass and harvest index in order to assess each component of the yield equation. The resulting model was successfully applied at the Niamey Square Degree (NSD) site scale with yield estimations close to the official agricultural statistics of Niger for a period of 11 years (2000-21 2011) (r=0.82, pvalue<0.05). The combined NDVI and LST indices based model was found to clearly outperform the model based on NDVI alone (r=0.59, pvalue<0.10). In areas where access to ground measurements is difficult, a simple, robust and timely satellite-based model combining vegetation and 2 thermal indices from MODIS and calibrated using crop model outputs, can be pertinent. In particular, such a model can provide an assessment of the year-to-year yield variability shortly after harvest for regions with agronomic and climate characteristics close to those of the NSD study area.

فرنسي. En région sahélienne semi-aride, la variabilité climatique constitue l'un des risques les plus importants d'insécurité alimentaire. Les expérimentations sur le terrain ainsi que la modélisation des cultures sont des outils utiles pour la surveillance et la compréhension des rendements à l'échelle locale. Cependant, l'extrapolation de ces méthodes à l'échelle régionale reste une tâche difficile. Les observations de télédétection apparaissent comme une bonne alternative ou un complément aux systèmes de surveillance des cultures existants. Dans cette étude, une nouvelle approche basée sur la combinaison d'indices de végétation et thermiques pour l'évaluation du rendement en céréales en culture pluviale dans la région sahélienne a été étudiée. Des modèles statistiques empiriques ont été développés entre les variables MODIS NDVI et LST et le modèle de culture SARRA-H simulé de la biomasse aérienne et de l'indice de récolte afin d'évaluer chaque composante de l'équation de rendement. Le modèle résultant a été appliqué avec succès à l'échelle du site du degré carré de Niamey (DCN) avec des estimations de rendement proches des statistiques agricoles officielles du Niger pour une période de 11 ans (2000-21 2011) (r = 0,82, pvalue <0,05). Le modèle combiné basé sur les indices NDVI et LST s'est révélé nettement supérieur au modèle fondé sur le NDVI seul (r = 0,59, pvalue <0,10). Dans les zones où l'accès aux mesures au sol est difficile, un modèle satellite simple, robuste et opportun combinant végétation et 2 indices thermiques de MODIS et calibré à l'aide des résultats du modèle de culture peut s'avérer pertinent. En particulier, un tel modèle peut fournir une évaluation de la variabilité du rendement d'une année à l'autre peu après la récolte pour les régions présentant des caractéristiques agronomiques et climatiques proches de celles de la zone d'étude du DCN.