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

3.2.6. Méthodologie SCOT d'évaluation des rendements

L'élaboration de l'information " production de biomasse -rendement " fait à plusieurs approches. Trois classes de modèles de production - rendement se distinguent par les approches suivantes :

~ Modèle empirique (corrélation statistique) qui est facile à mettre en oeuvre mais relativement imprécis, utilisant une carte d'occupation des sols et un indice de végétation (NDVI) : voire méthodes F. Maselli ; Docteur Susanne Groten...;

~ Modèle déterministe très précis mais nécessite beaucoup de données raison pour laquelle son utilisation reste cantonnée aux parcelles expérimentales ;

~ Modèle semi- déterministe qui est à cheval entre les deux modèles. Ce modèle intermediare sera développé dans la présente étude. Ainsi nous pouvons tester l'applicabilité de cette méthode sur le Niger sur trois années retenues sur la base d'une considération qu'une année est moyenne (l'année 2001), une excédentaire (1998) et une moyenne (1994).

i Modèle semi- déterministe

(Modèle de production de Monteith simplifié)

3.2.1.1. Introduction

C'est une méthode couramment utilisée à l'échelle régionale et globale, son succès est dû à sa relative facilité de mise en oeuvre et aux faibles nombres des coefficients et variables utilisées. Il offre aussi l'avantage d'utiliser des pas de temps de l'ordre de dix jours. Mais cette méthode présente un certain nombre d'inconvénients qui limitent son application comme par exemple la non connaissance précise des valeurs d'efficience de conversion et les facteurs intervenant dans cette approche ne peuvent être déterminés que de façon empirique. Par ailleurs elle ne tient pas compte des effets de stress environnementaux (essentiellement le stress hydrique) qui peuvent affecter le fonctionnement des couverts végétaux.

3.2.1.12. Méthodologie

Le modèle de production de Monteith simplifié utilise trois efficiences. La matière sèche totale (MST) produites s'exprime suivant la relation suivante :

MST= ?ea eb ec RG dt = ea eb ec Ó (N DVI - NDVI sol nu)k RG ( k nbre de décades)

· ea, L'efficience d'interception ou d'absorption représente la fraction du rayonnement photo- synthétiquement actif incident absorbé par le couvert. Elle est déterminée de manière empirique par la relation qui consiste à faire correspondre au NDVI du sol une absorption nulle et à un NDVI maximal de 0.7, une absorption maximale de 0.95,

· eb, l'efficience de conversion est le rapport entre la matière sèche produite pendant un laps de temps donné At, et l'énergie photo-synthetiquement active absorbée pendant la même période de temps. Ce coefficient n'est pas normalement constant mais par manque de données terrain, nous avons utilisé une valeur moyenne sur la saison de 1.2g.MJ-1 (Bégué et Myneni, 1996).

· °c , l'efficience climatique est souvent peu variable au cours de la saison. Elle correspond à une valeur moyenne de 0.466 (valeur souvent comprise entre 0.4 et 0.5),

· RG, le rayonnement global (MJ.m-2) supposé constant à l'échelle du pays,

La période d'intégration pour l'application correspond à 15 décades chacune. Elle débute de la deuxième décade de mai et se termine à la première décade d'octobre. La date correspondant la période végétative s'est déduite de l'analyse des profils de NDVI.

L'analyse des profils de NDVI couplée à des données météorologiques (rayonnement global incident, efficience climatique) et agronomiques (efficience photo-chimique) permet ainsi de prévoir les rendements agricoles selon le schéma suivant :

3.2.1.3. Résultats et analyses

Les figures N°15, 16 et puis 17 illustrent respectivement pour les années 1994, 1998 et 2001 respectivement année déficitaire, année excédentaire et année moyenne les résultats des différents rendements obtenus par ce modèle. On remarque que la distribution des valeurs les plus faibles (200 à 450 kg/ha pour l'année déficitaire, de 450 à 650 kg/ha pour l'année moyenne et l'année excédentaire) suit un gradient du nord au centre du pays, et celle des valeurs relativement fortes (450 à 800kg/ha année 1994, 650 à 1000kg/ha année 2001 et 650 à 850 kg/ha année 1998) suit un gradient du centre au sud.

41

Figure N°15 : Niger 1994 (année déficitaire). Rendements estimés (en Kg/ha) avec le modèle semi- déterministe de Monteith

Figure N°17 : Niger 2001 (année moyenne). Rendements estimés (en Kg/ha) avec le modèle semi- déterministe de Monteith

3.2.1.4. Validation

Pour pouvoir bien juger les résultats obtenus à travers le modèle de Monteith, nous avons comparé les différentes sorties du modèle avec les relevés du terrain au niveau des différents départements du Niger. La figure N° 18 nous donne les résultats issus de cette comparaison. Ainsi pour chaque année particulière, nous avons relevé le coefficient de corrélation et l'erreur standard (Tableau N° 12).

Tableau N°12 : Résultats de la validation

Images

Années

ND VI lac

Coefficient de corrélation

Erreur standard

1994 (année déficitaire)

0.74

147.56kg/ha

1998 (année excédentaire)

0.45

256kg/ha

2001 (année moyenne)

0.60

201kg/ha

Nous remarquons que l'année déficitaire 1994 présente le meilleur résultat avec un coefficient de corrélation de 0.74 pour erreur estimée à 147.56kg/ha. Par la suite, nous avons l'année moyenne 2000 avec une corrélation moins bonne de 0.6 pour une erreur de 201 kg/ha et en dernière position l'année excédentaire 1998 avec une faible corrélation de moins de 50% pour une erreur de 201 kg/ha.

1600

1400

1200

1000

400

200

800

600

1600

1400

1200

1000

400

200

800

600

1400

1200

1000

0

400

800

600

200

0

0

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 192021 22 23 24 252627

Réels Estimés ANNEE 1998

7 9 11 13 15 17 19 21 23 25 27 29 31

Réels Estimés ANNEE 1994

Réels Estimés ANNEE 2001

Departements

Departements

Departements

Figure N°18 : Comparaison entre rendements réels et rendements estimés

3.2.1.4. Conclusion

D'une manière générale, à travers les résultats obtenus (figure N°18), nous pouvons dire que le modèle simplifié de Monteith permet de sous dimensionner la prévision des rendements agricoles.

Ainsi selon notre étude, l'utilisation du modèle de Monteith serait plus efficace pour des prévisions des rendements sur des années déficitaires (coefficient r >70%). Cependant pour les trois années particulières nous relevons un coefficient de corrélation moyen de 0.59 pour une erreur de 201 kg/ha.

Le résultat de ce modèle peut bien sure être utilisé pour la prévision et alerte précoce en ce sens qu'il permet de prévoir relativement plus ce qu'il faut pour les aides d'urgence mettant à l'abri les populations vulnérables.

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








"Piètre disciple, qui ne surpasse pas son maitre !"   Léonard de Vinci