Estimation spatialisée des rendements et composantes du bilan carbone du colza via une approche combinant télédétection satellitaire à haute résolution et modélisation agronomique

MASTER 2 Mention GAED - Spécialité TELENVI (Télédétection/Environnement)

Master

English. The age of technology is opening up a great opportunity for progress in the agricultural and environmental world. Scientists interested in remote sensing, agronomy and digital technology have grouped together in the "Colza Digital" project with the aim of setting up a real-time monitoring system for rapeseed (Brassica Napus L.) crops. This work is part of this context and its contribution is in the use of an agronomic model driven by high spatial and temporal resolution remote sensing data (SAFY-CO2 (Pique et al., 2020a and b)). The objective of this work is to estimate the components of the carbon balance (GPP, NEE, Reco), biomass and yields of rapeseed crops with an accuracy of 10m. The approach adopted in this study is to constrain the model to reproduce with minimum error the spatio-temporal dynamics of rapeseed through the vegetation index (GAI) from satellite which takes into account the stress effects of the crop implicitly. The satellite GAI is used to calibrate the six (6) phenological parameters and the light efficiency parameter. The validation is done on a dataset acquired since 2005 on the Auradé site.The SAFY-CO2 model is able to reproduce the GAI dynamics over the four (4) years studied (2008-2009; 2010-2011; 2012-2013; 2017-2018) with relatively satisfactory statistical performances (R² between 0.54 and 0.95 and RMSE between 0.15 m-².m-² and 0.8 m-².m-²). The dynamics of the CO2 flux components (GPP, NEE, Reco) are very well reproduced by the model with few errors. As for the biomass, SAFY-CO2 manages to estimate it well over three (3) years even if the average performance over the four (4) years remains very satisfactory (R²: 0.86 and RMSE: 321.5 g.m-²). The advantage of this method is that it does not require a lot of input data, which makes it easy to spatialise at the pixel, plot or even global scale.

French. L’ère de la technologie ouvre une grande voie vers le progrès dans le monde agricole et environnemental. Les scientifiques s’intéressant à la télédétection, à l’agronomie et au numérique se sont groupé autour du projet « Colza Digital » dans l’optique de mettre en place un dispositif de suivi en temps réel la culture du colza. Ce travail s’inscrit dans ce contexte et sa contribution réside dans l’utilisation d’un modèle agronomique piloté par des données télédétection haute résolution spatiale et temporelle (SAFY-CO2 (Pique et al., 2020a et b)). L’objectif visé est d’estimer les composantes du bilan carbone (GPP, NEE, Reco), la biomasse et les rendements de la culture du colza avec une précision de 10m. L’approche adoptée dans cette étude est de contraindre le modèle à reproduire avec le minimum d’erreurs la dynamique spatio-temporelle du colza à travers l’indice de végétation (GAI) dérivé du satellite qui tient en compte les effets de stress de la culture de manière implicite. Le GAI satellite est utilisé pour calibrer les 6 paramètres phénologiques et le paramètre d’efficience de la lumière. La validation se fait sur un jeu données acquises depuis 2005 sur le site d’Auradé.Le modèle SAFY-CO2 arrive à reproduire la dynamique du GAI sur les quatre (4) années étudiées (2008-2009 ;2010-2011 ;2012-2013 ;2017-2018) avec des performances statistiques relativement satisfaisantes (R² compris entre 0.54 et 0.95 et des RMSE comprises entre 0.15 m-².m-² et 0.8 m-².m-²). Les dynamiques des composantes de flux CO2 (GPP, NEE, Reco) sont très bien reproduites par le modèle avec très peu d’erreurs. Quant à la biomasse, SAFY-CO2 arrive à bien l’estimer sur trois (3) années même si la performance moyenne sur les quatre (4) années reste très satisfaisante (R² : 0.86 et RMSE : 321.5 g.m-²). L’avantage de cette méthode est qu’elle ne nécessite pas beaucoup de données d’entrées ce qui lui confère la facilité d’être spatialisée à l’échelle du pixel, de la parcelle voir à large échelle.