WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Application des methodes d'évaluation de rendements agricoles à l'aide des images NDVI

( Télécharger le fichier original )
par Mourima Mai Moussa
Centre régional Agrhymet de Niamey-NIGER - Rapport de consultation 2005
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

3.1.4. Résultats, analyses et discussions

Le NDVI (Normalised Difference Vegetation Index) est un bon indicateur de la productivité des récoltes surtout dans les zones ou il dépend fortement des conditions environnementales. Ainsi comme dans le cas de la première étude, les comparaisons entre NDVI, précipitations et rendements ont été limitées aux circonscriptions (provinces pour le Burkina et départements pour le Sénégal) qui sont caractérisées par une forte variabilité. Le choix des différentes circonscriptions s'est basé sur leurs variabilités saisonnières et interannuelles des NDVI (Gilabert et al.1993), ainsi que sur la durée moyenne de la saison pluviale qui nous ont permis de caractériser les zones agricoles.

Le traitement des données a été fait en utilisant différents types d'images NDVI à savoir la série GAC corrigée fournie par la NOAA jusqu'en 2002 et la série NOAA LAC du CRA sur la même période.

3.1.4.1. Méthode Fabio Maselli

Il convient tout d'abord de faire un bref aperçu sur le principe même de cette méthodologie. Il consiste à considérer le NDVI maxi relevé en fin Juillet, le cumul de précipitations à la première décade de Juillet et le rendement final. Ce choix s'explique pour plusieurs raisons. En effet la troisième décade de juillet est considérée comme étant la période la plus variable en terme de précipitation et précède juste le mois d'août où l'activité végétative est importante. En général, si la saison des pluies commence tardivement ou si la précipitation est au dessous de la moyenne, il n y a plus assez de temps pour le développement complet des plantes vers la fin de la saison de croissance et la production finale est basse (Sivakumar, 1989). En conséquence, l'hypothèse est que l'état de la végétation en fin juillet est fortement sensible aux précipitations des mois précédent et est lié à la production finale.

Ainsi pour la corrélation, nous considérons le NDVI maxi relevé en fin Juillet, le cumul des précipitations jusqu'à la première décade de Juillet et le rendement final.

~ Comparaison entre NDVI et données au sol

Cette comparaison a été faite, d'une part entre les images NDVI à savoir la série GAC fournie par la NOAA corrigée et non corrigée, la série NOAA LAC de la troisième décade de juillet et les précipitations recueillies deux décades au paravent, et d'autre part entre ces mêmes valeurs de NDVI et le rendement final.

Les figures 8 et 9 nous donnent le rapport existant entre les valeurs de NDVI maximum relevées en fin juillet et les cumuls de précipitation recueillis jusqu'à la première décade de Juillet.

Nous récapitulons les résultats de cette première analyse dans les tableaux 2et 3.

Tableau N°2 : cas du Sénégal

Type d'images
NDVI

Relation
NDVI/Pluies(x/y)

Coefficient de
corrélation(r)

Erreur standard

LAC

Y= 311.59X - 6.1973

0.7048

41.97mm

GAC corrigées

Y=212.81X+16.179

0.7193

42.47mm

GAC non corrigées

Y= 418.89X+57.21

0.6843

44.34mm

 

Tableau N°3 : cas du Burkina Faso

Type d'images
NDVI

Relation
NDVI/Pluies

Coefficient de
corrélation(r)

Erreur standard

LAC

Y= 582.87X-15.142

0.8046

51.08mm

GAC corrigées

Y=586.16X+93.848

0.7237

59.56mm

GAC non corrigées

Y=511.01X-75.802

0.7192

59.699mm

 

Les variables NDVI et précipitation sont liés entre elles avec un coefficient de corrélation de 0.7048 pour le Sénégal et 0.8046 pour le burkina Faso pour ce qui est des images LAC. Ceci confirme les résultats des autres recherches que pendant cette date, le NDVI est fortement lié aux précipitations antérieures dans les régions semi-arides (Seguin et al.1989, Malo and Nicholson ).

350

300

250

200

150

100

50

0

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8

y = 212.81x + 16.179
R2 = 0.5175

NDVI GAC corrigées fin Juillet

350

300

250

200

150

100

50

0

y = 311.59x - 6.1973
R2 = 0.4968

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

NDVI LAC fin Juillet

600

500

400

300

200

100

0

y = 418.89x + 57.21
R2 = 0.4684

0 0.2 0.4 0.6 0.8 1 1.2

NDVIgac non corrigées fin Juillet

Figure N°8 : Régression linéaire entre les images NDVI fin Juillet et le cumul de précipitations à la
première décade de Juillet pour le Sénégal pendant la période de 1990 à 2002

y = 582.87x - 15.142
R2 = 0.6475

0 0.2 0.4 0.6 0.8 1

NDVI Lac fin Juillet

700

600

500

400

300

200

100

0

700

600

500

400

300

200

100

0

y = 428.11x + 8.233
R2 = 0.51 94

0 0.2 0.4 0.6 0.8 1

NDVIgac corrigées fin Juillet

700

600

500

400

300

200

100

0

y = 511.01x - 75.802
R2 = 0.5173

0 0.2 0.4 0.6 0.8 1

NDVI Gac non corrigées Juillet

Figure N°9 : Régression linéaire entre les images NDVI fin Juillet et le cumul de précipitations à la
première décade de Juillet pour le Burkina Faso pendant la période de 1990 à 2002

Le rapport existant entre les valeurs de NDVI maximum et le rendement final des différents départements du Sénégal et des provinces du Burkina Faso est représenté sur les figures 10 et 11. Nous constatons que le rapport entre le NDVI et le rendement des récoltes n'est pas très bien défini (tableaux 4 et 5), avec coefficient de corrélation qui varie de 0.6496 pour les images LAC à 0.560 pour les images GAC non corrigées. Cette différence observée entre les deux variables peut avoir probablement une origine géographique, dérivant des conditions environnementales différentes. En effet, il a été démontré que le NDVI mesuré à un moment précis d'une saison est linéairement corrélé à la production végétale totale et au rendement des récoltes (Tucker et al. 1985, Prince 1991).

Tableau N°4 : cas du Sénégal

Type d'images
NDVI

Relation
NDVI/Rendements(x/y)

Coefficient de
corrélation(r)

Erreur standard

LAC

Y= 2755.2X - 296.25

0.6496

101 kg/ha

GAC corrigées

Y=1678.9X+570.22

0.5982

108kg/ha

GAC non corrigées

Y= 1711.9X+357.78

0.560

156kg/ha

 

Tableau N°5 : cas du Burkina Faso

Type d'images
NDVI

Relation
NDVI/Rendements(x/y)

Coefficient de
corrélation(r)

Erreur standard

LAC

Y= 2802.6X-337.75

0.6353

96.8kg/ha

GAC corrigées

Y=2325.1X+323.08

0.6426

91 .7kg/ha

GAC non corrigées

Y=2735.6X-1 10.92

0.6321

11 0kg/ha

 

3000

2500

2000

1500

1000

500

0

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8

y = 1678.9x + 570.22
R2 = 0.3579

NDVI GAC corrigées fin Juillet

3000

2500

2000

1500

1000

500

0

y = 2755.2x + 296.25
R2 = 0.4221

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7

NDVIlac fin Juillet

3000

2500

2000

1500

1000

500

0

y = 1711.9x + 357.78
R2 = 0.3137

0 0.2 0.4 0.6 0.8 1 1.2

NDVI GAC non corrigées fin Juillet

Figure N°10 : Régression linéaire entre NDVI à la fin du mois de juillet et le rendement final
des récoltes dans les différents départements du Sénégal pendant la période 1990-2002

y = 2802.6x + 337.75
R2 = 0.4037

0 0.2 0.4 0.6 0.8 1

NDVI en fin Juillet

4000

3500

3000

2500

2000

1500

1000

500

0

4000

3500

3000

2500

2000

1500

1000

500

0

y = 2325.1x + 323.08
R2 = 0.413

0 0.2 0.4 0.6 0.8 1

NDVI Gac corrigées fin Juillet

y = 2735.6x - 110.92
R2 = 0.3996

0 0.2 0.4 0.6 0.8 1

NDVI Gac non corrigées fin juillet

4000

3500

3000

2500

2000

1500

1000

500

0

Figure N°10 : Régression linéaire entre NDVI à la fin du mois de juillet et le
rendement final des récoltes dans les différentes provinces du Burkina Faso
pendant la période 1990-2002

Pour pallier aux problèmes d'origine géographique qui affectent considérablement les différentes valeurs des NDVI, une autre méthode a été appliquée. Celle-ci consiste à standardiser les différentes valeurs avant le traitement.

~ Comparaison entre NDVI standardisée et données au sol

Nous récapitulons les résultats de cette opération de standardisation dans deux tableaux différents, l'un pour le Sénégal (tableau N°6) et l'autre pour le Mali (tableau N°7). Pour ce qui des courbes représentatives des différentes fonctions, se référer à l'annexe du document.

Tableau N°6 : Relations entre variables normalisées (NDVI, précipitation et
rendement) pour le cas du Sénégal

Types
d'image
NDVI

Valeurs non Standardisées

Valeurs standardisées

 

NDVI/Rendements

Pluies/NDVI

NDVI/Rendements

 

Erreur
standard

Coef de
corrélation

Erreur
standard

Coef de
corrélation

Erreur
standard

Coef de
corrélation

Erreur
standard

LAC

0.7048

41.97mm

0.6496

101 kg/ha

0.723

0.394

0.687

0.102

GAC
corrigées

0.7193

42.47mm

0.5982

108kg/ha

0.721

0.411

0.613

0.104

GAC non
corrigées

0.6843

44.34mm

0.560

156kg/ha

0.691

0.443

0.601

0.128

 

Tableau N°7 : Relations entre variables normalisées (NDVI, précipitation et
rendement) pour le cas du Burkina Faso

Types
d'image
NDVI

Valeurs non Standardisées

Valeurs standardisées

 

NDVI/Rendements

Pluies/NDVI

NDVI/Rendements

 

Erreur
standard

Coef de
corrélation

Erreur
standard

Coef de
corrélation

Erreur
standard

Coef de
corrélation

Erreur
standard

LAC

0.8046

51.08mm

0.6353

96kg/ha

0.812

0.580

0.682

0.0761

GAC
corrigées

0.7237

59.56mm

0.6426

91kg/ha

0.740

0.579

0.674

0.0906

GAC non
corrigées

0.7192

59.69mm

0.6321

110kg/ha

0.7204

0.561

0.6410

0. 1021

 

Ainsi, l'étalonnage géographique adoptée nous permis de réduire de façon significative l'influence des facteurs environnementaux en améliorant considérablement les corrélations existantes entre les différentes variables.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Ceux qui rêvent de jour ont conscience de bien des choses qui échappent à ceux qui rêvent de nuit"   Edgar Allan Poe