Gains :
- Capacité à expliquer ce que mesurent le NDVI et d’autres indices de végétation et quel indice est approprié dans quelle situation.
- Capacité à interpréter des cartes d'index produites à partir d'images satellite/drone à l'aide de l'IA et à prioriser les zones de stress
- Capacité à éliminer les fausses alarmes en vérifiant les anomalies d'index avec le contrôle sur le terrain, la météorologie et la phénologie
La navigation oculaire dans un champ est à la fois lente et trompeuse sur de grandes zones : l’œil se fatigue, s’y habitue et passe à côté de motifs plus larges. Cependant, vue depuis l’espace ou depuis un drone, la santé de la végétation devient une carte numérique et les zones stressées sont clairement révélées, trop tôt pour que l’œil puisse s’en apercevoir. Le principal outil pour cette transformation sont les indices de végétation : des formules qui convertissent la vitalité de la plante en un nombre à partir du rapport des différentes bandes lumineuses de l'image. Cette unité présente l'indice le plus courant, le NDVI, et ses frères et sœurs, explique la différence entre satellite et drone et vous montre comment interpréter et, surtout, vérifier ces cartes avec l'intelligence artificielle.
Comprenons d'abord la physique. Une feuille saine et photosynthétique absorbe intensément la lumière rouge (car la chlorophylle l’utilise) et réfléchit fortement la lumière proche infrarouge (NIR ; la bande au-delà du rouge, invisible à l’œil). À mesure que la plante devient stressée et perd de la chlorophylle, elle absorbe moins de rouge et reflète moins le NIR. Le NDVI (Normalized Difference Vegetation Index) mesure exactement cette différence :
NDVI = (NIR - Rouge) / (NIR + Rouge)
Le résultat est compris entre -1 et +1. Le sol nu et l'eau donnent des valeurs proches de 0 ou négatives ; plante clairsemée 0,2-0,4 ; la couverture dense et saine est comprise entre 0,7 et 0,9. Le NDVI ne mesure pas directement le rendement, les maladies ou l’humidité du sol, mais uniquement la densité de la couverture verte et vivante. Un NDVI faible est un avertissement, pas un diagnostic.
Pourquoi un seul index ne suffit-il pas ?
Le NDVI est fort mais présente deux faiblesses. Le premier est la saturation : lorsque la couverture devient très dense (par exemple, un maïs bien développé), le NDVI culmine à 0,8-0,9 et n'indique pas une augmentation supplémentaire de la biomasse. Le deuxième est l’effet sol : en couverture clairsemée, la couleur du sol de fond fausse l’indice. C'est pourquoi différents indices ont été développés pour différentes situations. Le tableau ci-dessous résume les plus utilisés ; L'indice que vous choisissez dépend de votre question.
indice
A quoi ça sert
remarque
NDVI
Viabilité générale de la couverture
Fournit une saturation dans une couverture dense
NDRE (bord rouge)
Azote/chlorophylle dans une couverture dense
Sensible au NDVI en période tardive
GNDVI (Vert)
Statut chlorophylle/azote
Utilise du ruban vert
SAVI
Couverture clairsemée, sol nu
Corrige l'effet du sol
NDWI/NDMI
Teneur en eau des plantes/sol
Plus proche du stress hydrique
MAISON
Couverture dense, ambiance corrigée
Réduit la saturation
Indice : « Quel indice ? » La réponse à la question est la phase de développement du produit. SAVI au début (couverture clairsemée) ; NDRE/GNDVI dans la surveillance renforcée de la couverture dense et de l’azote ; En cas de stress hydrique, le NDWI/NDMI est souvent plus informatif que le NDVI.
Satellite ou drone ?
Les deux ressources ne sont pas concurrentes mais complémentaires. Les satellites (par exemple Sentinel-2, Landsat) couvrent de vastes zones à intervalles réguliers, gratuitement ou à moindre coût, mais leur résolution est grossière (pixels 10-30 m) et les nuages peuvent obscurcir l'image. Le drone offre une très haute résolution (pixels et centimètres) et vole tous les jours, mais il occupe une petite surface et le vol et le traitement nécessitent de la main d'œuvre. La stratégie pratique est multiple : scanner toute la ferme avec un satellite et trouver les zones suspectes, puis examiner ces zones de près avec un drone, et enfin se rendre sur le terrain.
Comment l’intelligence artificielle interprète-t-elle la carte d’index ?
L'intelligence artificielle est précieuse pour interpréter non pas l'image elle-même, mais les résumés numériques qui en découlent : moyennes régionales, évolution dans le temps, différence avec les régions voisines. Par exemple, si vous donnez à l'IA un résumé tel que « L'extrémité nord du NDVI de la parcelle 3 a diminué de 0,72 à 0,48 au cours des 12 derniers jours, l'extrémité sud est stable », cela vous aidera à prioriser les causes possibles et à élaborer un plan de contrôle sur le terrain. Mais rappelez-vous : le « pourquoi » suggéré par l’IA est une liste d’hypothèses. Un NDVI faible peut être causé par un stress hydrique, une maladie, une carence en nutriments, une levée peu fréquente, des dommages causés par la grêle, l'ombre des nuages ou un sol fraîchement labouré. Seuls le terrain, la météorologie et la phénologie les distinguent.
Trois mini-cases : en chiffres
Cas 1 – Capture précoce du stress. Dans un champ de maïs, le NDVI satellite était inférieur de 0,15 point à celui de la zone environnante dans la section sud-ouest de 8 décares du champ. L'ingénieur s'est rendu dans cette zone ; J'ai trouvé un bouchon dans la conduite d'irrigation et le défaut a été réparé 6 jours avant l'apparition des symptômes visibles (décoloration). La perte de productivité estimée a été évitée.
Cas 2 – Fausse alerte. Le NDVI a chuté soudainement à une seule date satellite dans une parcelle de blé. AI a parlé de "maladie possible". Cependant, la météorologie a montré de gros nuages ce jour-là ; Dans l’image suivante sans nuages, le NDVI était revenu à la normale. L’ombre du nuage était une fausse alerte ; La décision n’a pas été prise sur la base d’une seule date, mais plutôt d’une série chronologique.
Cas 3 - Sélection d'index. Dans un champ de betterave sucrière développé, le NDVI était saturé à 0,85 partout et ne montrait aucune différence d'azote. Lors du passage à l’indice NDRE, une carence en chlorophylle a été observée dans la moitié Est du champ ; L'analyse des feuilles a confirmé une carence en azote et un pansement ciblé a été appliqué sur cette zone.
Invite faible/Invite forte
Invite faible :
Y a-t-il un problème avec cette carte NDVI ? Que dois-je faire?
Invite puissante :
Votre rôle : Agronome assisté par télédétection. Je vous donne un résumé des séries temporelles NDVI et NDRE par région (date, région, valeur moyenne). Tâche : - Énumérez les régions présentant un DÉCLIN significatif avec l'ampleur et la durée de la diminution. - Donnez 2 à 4 hypothèses de causes POSSIBLES pour chaque région (eau/maladie/nutriment/sol/nuage). - Écrivez en une phrase comment je vais le vérifier sur le terrain pour chaque hypothèse. liste de contrôle prioritaire ver.Data : [résumé de la série chronologique]
L'invite puissante transforme l'IA d'une machine de diagnostic en un assistant de plan de priorisation et de vérification ; écrit clairement sur le piège à date unique et la limite de diagnostic.
Quatre modèles copiables
1) Consultation sur la sélection d’indices :
Culture : [culture], stade de développement : [stade], ma question : [stress hydrique / azote / vigueur générale]. Expliquez brièvement les 2 indices de végétation les plus adaptés à cette situation, pourquoi et leur avantage par rapport au NDVI. Écrivez également les formules.
2) Résumé des anomalies des séries chronologiques :
Dans le tableau région-date-NDVI ci-dessous : indiquez séparément : (a) les baisses de plus de 0,1 et durant au moins 2 dates consécutives, (b) les sauts d'une seule date. N'ajoutez pas de commentaires, extrayez simplement le tableau.
3) Plan de contrôle sur le terrain :
Élaborez un plan d'excursion sur le terrain pour les zones prioritaires suivantes : notez les mesures (humidité, échantillon de feuilles, vérification des racines) que je prendrai dans chaque zone et pourquoi elles sont nécessaires. Recommander des points GPS au centre régional.
4) Filtre de fausses alarmes :
Liste de contrôle pour exclure cette baisse du NDVI avant de prendre une décision : nuage/ombre, angle de l'ombre, récolte/libération, date du capteur, cohérence de la zone voisine. Cochez chaque élément « a-t-il été vérifié ? Présent comme.
Erreurs courantes
- Prendre des décisions basées sur une seule date. Les nuages, les ombres et l'atmosphère déforment l'image unique ; regardez toujours la série chronologique.
- NDVI faible = confondu avec une maladie. L'index n'en dit pas la raison ; Les problèmes d’eau, de nutriments, de sol et d’exutoires entraînent le même déclin.
- Ignorer la saturation. Le NDVI culmine dans une couverture dense ; Passez à NDRE/GNDVI dans la surveillance de l’azote.
- Oublier la résolution. Un pixel satellite de 10 m peut cacher une petite zone de contrainte ; Posez le drone à l'endroit suspect.
- Sauter le terrain. La carte est un index ; Le diagnostic se fait dans le sol et les feuilles.
Remarque : La carte d'index répond à la question « où devriez-vous chercher », et non à la question « quel est le problème ». Traduire le tableau directement en décision concernant un médicament ou un engrais présente le risque d’intervenir pour une mauvaise cause.
En résumé
Les indices de végétation traduisent la vigueur des plantes en nombres à partir du rapport des différentes bandes lumineuses ; Bien que le NDVI soit le plus courant, il ne convient pas à toutes les situations en raison de la saturation et des effets du sol – ses frères et sœurs tels que NDRE, SAVI, NDWI sont plus forts sur certaines questions. Le satellite est le balayage large, le drone est l’inspection minutieuse et le terrain est la couche de vérification finale. L'IA est précieuse pour hiérarchiser les résumés d'index et établir un plan de validation ; Mais un indice faible est une hypothèse et non un diagnostic. Ne tombez pas dans le piège de la date unique, choisissez l'index par question et testez chaque signal sur le terrain.
Tâche de candidature
Préparer un petit tableau contenant au moins trois valeurs NDVI datées et, si possible, NDRE pour une parcelle (réelles ou représentatives) ; mettre une baisse délibérée dans une région et un saut ponctuel dans une date. Donnez-le à l'IA avec les modèles « Résumé des anomalies de séries chronologiques » et « Filtre de fausses alarmes » dans cette unité. Dans le résultat, évaluez si l'IA peut séparer la chute réelle du rebond du nuage, si elle tente d'établir un diagnostic, et notez la métrique que vous examinerez sur le terrain pour chaque région.
liste de contrôle
- [ ] J'ai consciemment choisi l'index (NDVI/NDRE/SAVI/NDWI) approprié à ma question.
- [ ] J'ai basé la décision sur la série chronologique, pas sur une seule image.
- [ ] J'ai filtré les chutes soudaines en cas de nuages/ombres/dérives.
- [ ] J’ai pris les raisons avancées par l’IA comme des hypothèses et non comme des diagnostics.
- [ ] J'ai prévu une mesure de vérification sur le terrain pour chaque zone prioritaire.