Images hémisphériques et leur analyse pour prévoir le rendement du blé d’hiver. Comment la phase de décroissance de la surface verte de la plante nous renseigne-t-elle sur le rendement final ?

anglais. peer reviewed

français. Le blé d’hiver constitue une culture largement cultivée au Grand-duché de Luxembourg. Une estimation précoce du rendement à l’échelle des régions à travers un système opérationnel serait un atout vu son importance économique. Le développement actuel de modèles pour la prévision des rendements dans les systèmes opérationnels classiques ne traduit cependant pas véritablement la prise en compte de la diminution de la surface verte utile et de sa relation avec des processus biotiques et abiotiques incriminés en situation de production. L’article présente une approche d’estimation du rendement final du blé d’hiver à partir de la cinétique de dégradation de sa surface verte utile suite à l’analyse de photographies hémisphériques. De plus cette approche peut être facilement applicable à l’échelle des régions agricoles. Les modèles issus de cette approche montrent que le rendement final en grains peut être estimé de manière intéressante : avec des coefficients de détermination (R²) allant de 0.73 à 0.86 et des erreurs quadratiques moyennes (RMSE) variant entre 0.43 et 0.56 t/ha. De par sa simplicité et le nombre réduit de variables explicatives du rendement final considérées, cette étude constitue un premier pas dans l’estimation du rendement du blé à échelle globale. Des études sont en cours pour l’application d’une telle approche avec des profils de surface verte utile issus des images satellitaires.

anglais. The prediction of cereal-crop yield is considered as a priority in most crop research programmes due to the relevance of food grain to feeding the world population. Today, a large number of agrometeorological models for crop yield assessment are available with various levels of complexity and empiricism. But, currently the development of wheat yield forecasting models in conventional operational systems do not reflect the loss of active green leaf area and its relation to biotic and abiotic processes implicated in the crop production situation. In 2009 a large field campaign in the Grand-Duchy of Luxembourg was realized to assess the validity of leaf-green-area approach to further improve yield prediction. Hemispherical photography were taken on winter wheat fields during the crop cycle, preferentially from inflorescence emergence to maturity. The variable of interest, the Green Area Index (GAI), was retrieved after image analyses using the CAN-EYE software. The regression-based models calculated with metrics derived from the decreasing curves of GAI showed that final yield could be better estimated with satisfactory precision: range of the coefficient of determination (R²) varies from 0.73 to 0.86 and RMSE (root mean square error) is varying between 0.43 and 0.56 t/ha. The validation of such approach at the scale of an agricultural zone or region is currently under progress, by using green area index temporal profiles and information on the phenology of winter wheat. Such simple models may be considered as a first step towards yield estimation that may be completed by other agrometeorological models in order to provide a better integrated yield assessment.