Utilisation de la télédétection pour la cartographie des systèmes de culture intégrés : contribution au suivi de l'agriculture bas carbone dans l'Etat du Mato Grosso, Brésil

Pour atteindre ses engagements internationaux de réduction des émissions de gaz à effet de serre, le Brésil a un projet appelé Plan ABC (Agriculture Bas Carbone). Parmi les stratégies d'intensification durable de l'agriculture, l'Etat incite l'adoption de systèmes intégrés agriculture-élevage-forêt. Toutefois, il est nécessaire de créer des mécanismes de suivi de l'adoption de ces nouvelles pratiques. L'objectif général de la thèse est de développer une méthodologie de cartographie annuelle à l'échelle régionale des systèmes intégrés de type agriculture-élevage (iLP) à partir de séries temporelles d'images satellite MODIS, afin de contribuer à l'établissement d'un protocole de suivi de l'agriculture à faibles émissions de carbone. Le travail est divisé en trois étapes : la mise au point de la stratégie de classification des systèmes intégrés, l'application à l'échelle régionale et l'analyse thématique des cartes obtenues. La zone d'étude est l'État du Mato Grosso, le plus grand producteur national de soja, et qui offre une grande diversité de milieux naturels permettant d'évaluer les méthodes dans des contextes et années climatiques différents. La stratégie de classification a été mise au point dans une zone au nord de l'État. Les résultats montrent que les pré-traitements de type lissage du signal temporel ou calcul d'indices phénométriques détériorent la précision des classifications des systèmes de culture, que l'utilisation de séries temporelles d'indices de végétation permettent d'obtenir de bons scores de classification (précision globale : OA = 0.96) et enfin que l'algorithme Random Forest est légèrement plus performant que SVM (Support Vector Machine). La stratégie a été ensuite appliquée au Mato Grosso, à 7 campagnes agricoles (2012-2019) et 6 régions climatiques, selon une approche hiérarchique en 4 niveaux. Les résultats montrent que l'utilisation d'une base de données d'apprentissage unique (échantillons de différentes années et régions) pour classer chaque région et années individuellement permet d'obtenir des précisions proches que l'utilisation d´une base de données acquise dans chaque région et pour chaque année. Le nombre élevé d'échantillons dus au regroupement compense en grande partie la variabilité spatio-temporelle des classes. La carte des systèmes de culture du niveau 2 (monocultures SC et cultures séquentielles DC) a OA moyenne de 0.89 sur la période étudiée et présente une bonne stabilité interannuelle: OA entre 0.86 et 0.96 ; au niveau 3: OA = 0.84, les DC sont séparées en 3 classes (soja-coton, soja-céréale et le système intégré iLP soja-brachiaria) ; au niveau 4 (OA=0.77), la classe iLP est séparée en iLP1 (soja- bracharia) et iLP2 (soja-bracharia en association avec du maïs). Les F-score des classes de systèmes de culture DC, iLP et iLP1 ont une précision proche (0.89, 0.85 et 0.84) et la classe iLP2 (0.63). L'analyse des cartes annuelles des systèmes de culture des campagnes agricoles de 2012-13 à 2018-19 montre une augmentation de 66% de la superficie en cultures séquentielles, y compris les iLP, et une réduction de 19% de la monoculture. Ces résultats témoignent de l'intensification agricole en cours dans l'État. L'intensification durable basée sur les systèmes intégrés à plus que doublé pendant la même période passant de 18.6% (1.1 Mha) à 28.9% (2.6 Mha). En conclusion, la méthode développée nous a permis de relever quatre défis majeurs: cartographier des systèmes complexes (passer de l'occupation des sols à l'utilisation des sols), à l'échelle régionale, de façon rétrospective et traiter un grand volume de données grâce aux outils du Big Data. Alors, il est prévu de tester cette approche sur l'ensemble du corridor du soja, pour aboutir à terme à un outil opérationnel de suivi territorial et d'analyse de l'adoption des pratiques d'intensification durable.