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

3.1.6. Conclusion

Le développement des moyens efficaces de prévision des rendements de récolte est un défi pour les pays du Sahel, où la productivité de l'agriculture de subsistance est toujours assujettie à des adversités atmosphériques ou des attaques parasites. En effet, plusieurs études ont été menées sur la possibilité d'utiliser des données NDVI convenablement traitées pour faire des prévisions. Ainsi dans le présent travail deux méthodes ont été développées. Celle de l'ITC à travers Dr Susanne Groten et celle du Cesia par Fabio Maselli. Ces méthodes utilisées nous ont permis d'effectuer une estimation précoce des productions au niveau des provinces pour le Burkina Faso et des départements pour le Sénégal. Cette estimation est de très grande importance pour les pays en question ou la productivité de l'agriculture de subsistance peut être très fortement influencé par des conditions météorologiques variables. La lenteur de la circulation de l'information à l'intérieur de ces pays et la rareté de celles qui parviennent aux pays développés aggrave encore le problème.

La méthodologie appliquée est basée sur la corrélation entre les valeurs de NDVI maximum par décade et les rendements finaux. La procédure de standardisation utilisée, élimine la majeure partie des informations qui ne sont pas intéressante, liées aux variations spatiales du territoire.

A travers l'analyse des corrélations, la meilleure période pour la prévision des rendements a été identifiée à la fin Août ( méthode S.Groten).

On observe une assez bonne corrélation entre les NDVI Lac et la pluviométrie d'une part et les rendements d'autre part avec la méthode développé par l'ITC (Méthode GROTEN). Ceci peut s'expliquer à la résolution relativement faible des images NDVI lac 1.1km*1.1km et à leur fréquence d'acquisition élevée par rapport à celle des NDVI Gac.

Cependant l'influence de la correction sur l'effet sol apportée aux images NDVI Gac se fait fortement sentir parce ça a permis d'améliorer les différentes corrélations. L'application de la procédure de corrélation des images NDVI Lac avec les rendements a permis d'obtenir des valeurs de r tournant autour de 70% avec une erreur approximative de 80 kg /ha. Des tels résultats peuvent être considérés suffisant pour des applications opérationnelles dans des cas de système d'alerte précoce (Hutchison,1991).

Ce modèle de prévision pourra cependant être amélioré en utilisant des données NDVI Lac corrigées de l'effet sol et une carte d'occupation des sols permettant de discriminer les zones occupées par les cultures.

En définitif, il serait hasardeux de comparer les deux méthodes. En effet pour les systèmes de l'alerte précoce la méthode qui donne les résultats dès le mois de juillet sur les rendements peut aussi être intéressante. Compte tenu que les périodes sur lesquelles portent les deux méthodes sont différentes, il ne faut pas les comparer. En effet la méthode Groten s'avance plus dans la campagne pour les prévisions, et au mois d'août concerné, il y a aussi d'autres outils pas des moindres. Donc loin de pouvoir dégager la suprématie d'une méthode sur l'autre nous suggérons au Centre Régional Agrhymet de prendre en compte ses deux méthodes dans le calendrier des crises alimentaires afin d'avoir une confirmation des estimations faites en juillet dès le mois d'Août.

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








"Un démenti, si pauvre qu'il soit, rassure les sots et déroute les incrédules"   Talleyrand