De manière générale, il s'agit des moyens de recueillir des informations par observation à distance du territoire, ainsi que des techniques et connaissances utilisées pour interpréter ces informations. Plus précisément, cela concerne la collecte du rayonnement électromagnétique émis par des capteurs situés sur des plateformes mobiles (satellites) et l'interprétation de ces données.
Figure 1. Schéma général d'acquisition et de traitement des données de télédétection.
Les satellites captent l'énergie réfléchie par la surface terrestre à différentes longueurs d'onde (selon les capteurs embarqués). Le spectre électromagnétique couvre une large gamme de longueurs d'onde.
Figure 2. Spectre électromagnétique.
Chaque longueur d'onde fournit des informations pertinentes pour l'étude de diverses caractéristiques de la surface terrestre. Par exemple, le rayonnement visible (0,4 à 0,7 nanomètre) renseigne sur l'activité photosynthétique des plantes ; le proche infrarouge (NIR, 0,7 à 2,5 nanomètres) permet de caractériser la croissance de la végétation ; l'infrarouge thermique (TIR, 2,5 à 20 nanomètres) caractérise l'état hydrique de la végétation ; et les longueurs d'onde radar (0,5 cm à 1 m) fournissent des informations interprétables pour la caractérisation de l'humidité du sol en surface.
Les satellites collectent des données de réflectivité de surface (pour chaque pixel du terrain) et les stockent dans plusieurs bandes (une bande par longueur d'onde). Ces informations peuvent être représentées de deux manières :
Visualisation d'une combinaison correspondant aux bandes NIR, rouge et verte (appelée fausses couleurs, car elle attribue les données de la bande NIR au canal rouge, celles de la bande rouge au canal vert et celles de la bande verte au canal bleu). Dans cette combinaison, la végétation dense apparaît en nuances de rouge.
Figure 3. Exemple d'une image Sentinel du 2 juin 2023 dans le nord de Badajoz (fausses couleurs).
Un autre exemple, plus proche de la façon dont l'œil humain perçoit les couleurs, correspond à la combinaison des bandes rouges, vertes et bleues (appelée couleur naturelle), dans laquelle une végétation vigoureuse apparaît dans des nuances de vert.
Figure 4. Exemple d'une image Sentinel du 2 juin 2023, dans le nord de Badajoz (couleurs réelles).
La représentation graphique de l'énergie réfléchie en fonction de la longueur d'onde pour un pixel (ou un groupe de pixels) est appelée signature spectrale. Elle est caractéristique de chaque type de couverture terrestre ; par exemple, dans la végétation, la chlorophylle absorbe le rayonnement dans le canal rouge et le réfléchit fortement dans l'infrarouge.
Figure 5. Valeur numérique de la réflectance d'un pixel dans 3 bandes.
La signature spectrale de la végétation à partir des données d'un satellite comme Landsat TM, qui possède 7 bandes (et collecte donc des données à 7 longueurs d'onde), est représentée par une ligne simplifiée par rapport à la représentation continue typique d'autres satellites qui fonctionnent avec beaucoup plus de bandes :
Figure 6. Signature spectrale d'une couverture végétale.
Vous trouverez ci-dessous un tableau récapitulatif des caractéristiques d'une sélection de satellites disposant de données ouvertes et d'archives historiques, avec de multiples applications dans l'agriculture et l'environnement.
| SATELLITE / CAPTEUR | LARGEUR DE L'IMAGE (km) | NOMBRE DE BANDES | TAILLE DES PIXELS | JOURS ENTRE LES IMAGES | DATE DE DÉBUT DU FICHIER |
|---|---|---|---|---|---|
| MODIS Terra-Aqua | 2.330 | 36 bandes (en longueur d'onde : A, V, R, CRI, MRI, T) | 250 m (R, IR) 500 m (A, V, IRC) 1 km (A, V, R, IRC, IRM, T) | Tous les jours | Depuis : 1999 Terra Aqua 2002 |
| Landsat 5 TM | 190 | 7 bandes (A, V, R, CRI, MRI, T) | 30 m Multi 120 m T | 16 | 1984-2013 |
| Landsat 7 EMT+ | 190 | 1 bande PAM Multi-bandes à 8 bandes | poêle de 15 m 30 m Multi 60 m T | 16 | Depuis 1999 |
| Landsat 8 OLI | 190 | 1 bande PAM Multi-bandes à 8 bandes | 15 m pan30 m Multi 100 m T | 16 | Depuis 2013 |
| Sentinel-2 MSI | 290 Carrelage 100×100 | 13 multibandes | 10 m (A, V, IRC) 20 m (BR, IRC, IRM) 60 m (A, IRC, IRM) | 5 | Depuis: 2015 S2A 2017 S2B |
| Sentinel-1 C-SAR | 250 | Double : VV+VH,HH+HV Simple : HH, VV | 5×20 m | 6 | Depuis: 2014 S1A 2016 S1B |
Figure 7. Satellites disposant d'images d'archives ouvertes.
Elles sont le résultat d'opérations mathématiques effectuées entre les valeurs des bandes spectrales des images de départ, afin d'obtenir des images synthétiques qui mettent en évidence les informations d'intérêt concernant la couverture terrestre, en atténuant les problèmes tels que les différences d'éclairage ou le bruit dans les images de départ.
En règle générale, des indices sont appliqués à des séries chronologiques d'images pour analyser l'évolution de différents types de couverture terrestre au fil du temps, que ce soit pour observer la phénologie de différentes cultures, l'état des peuplements forestiers, la zone inondée dans les zones humides, l'évolution des zones touchées par les incendies, etc.
Voici quelques exemples d'indices parmi les plus couramment utilisés :
Il NDVI (Indice de végétation par différence normalisée (D'après Rouse et al., 1973). Il s'agit d'un indice corrélé à l'activité végétale. Ses valeurs varient de -1 à 1, les valeurs les plus élevées correspondant à une végétation vigoureuse. Sa principale limite est sa tendance à la saturation lorsque la végétation est très dense. Il est calculé à l'aide de la relation de bandes suivante.
Figure 8. Visualisation mensuelle de l'indice NDVI dans un système de culture pivot pour le maïs.
Il SAVI (Indice de végétation ajusté au sol. (Huete, 1988). Cet indice, équivalent au NDVI, introduit le paramètre L, qui permet d'ajuster la contribution de la réflectivité du sol. L varie entre 0 et 1, la valeur 0,5 étant utilisée pour les densités de végétation intermédiaires (1 pour les faibles densités et 0,25 pour les fortes densités).
Il NDWI (Indice d'eau à différence normalisée. (Gao, 1996). Il s'agit d'un indice normalisé utilisé pour déterminer la teneur en eau et le stress hydrique de la végétation. Ses valeurs varient de -1 à 1, les valeurs les plus élevées indiquant une teneur en eau plus importante. Il est calculé à partir du rapport des bandes :
Les données de télédétection sont disponibles à intervalles variables selon le satellite (par exemple, Landsat tous les 16 jours, Sentinel-2 tous les 5 jours). Ces données permettent un suivi économique des cultures tout au long de leur cycle de développement. Des études peuvent être menées à l'échelle de la parcelle ou sur de vastes superficies. L'intégration de ces données dans différents modèles agronomiques fournit des résultats utilisables pour la gestion des besoins des cultures (par exemple, le calcul des besoins en irrigation, en engrais et en pesticides).
| 6 avril | 13 juin | 25 juin | 27 août | 8 octobre |
 |  |  |  |  |
| Semis | Développement végétatif | Floraison | Maturation | Récolte |
|---|---|---|---|---|
 |  |  |  |  |
| 0 à 7 jours | 7 à 50 jours 2 mois | 50 à 53 jours | 53 à 110 jours | 110 à 120 jours |
| Avril | Avril – juin | Juin – août | Septembre – octobre |
Figure 9. Visualisation d'images Landsat en correspondance avec les stades phénologiques de la culture du maïs.
Le traitement statistique des informations fournies par les indices de végétation permet d'identifier les problèmes tout au long du développement de la culture, par exemple en comparant, à chaque date, les valeurs des indices dans la zone d'étude avec les valeurs moyennes attendues.
Figure 10. Alertes concernant des problèmes de vigueur dans les parcelles obtenues à partir de l'indice NDVI à différentes dates.
L'utilisation des signatures spectrales d'une image multibande d'une date précise, ou d'images de dates différentes, permet de regrouper les pixels aux caractéristiques similaires en classes. Les algorithmes utilisés pour identifier ces pixels similaires sont très variés.
Figure 11. Représentation schématique du processus de classification d'images.
En développant plus particulièrement le cas de l'utilisation des données de télédétection dans les modèles agronomiques tels que ceux utilisés pour calculer les besoins en eau des cultures, nous constatons qu'il existe de multiples modèles pour calculer l'évapotranspiration des cultures (ETc) :
La plupart sont des approximations du bilan énergétique de surface qui utilisent, entre autres, des données de télédétection et des données météorologiques comme intrants.
Parmi eux, le modèle d'Allen permet de dériver le coefficient d'évaporation des cultures de la FAO (Kc) qui intervient dans le calcul de l'évapotranspiration à partir du NDVI, dans les cultures herbacées, avec l'expression : Kc = 1,25 x NDVI + 0,1 (Allen et al., 2008)
À partir de ce coefficient de partage des eaux (Kc) et de l'évapotranspiration potentielle (ETo) obtenue des stations météorologiques, l'évapotranspiration réelle de la culture (ETc) peut être calculée. Ces données peuvent être utilisées :
Au niveau de l'agriculteur : pour planifier l'irrigation (la combinaison des informations fournies par les images satellites, les sondes d'humidité et les prévisions météorologiques permet de demander l'irrigation aux moments les plus opportuns).
Au niveau des organismes de gestion de l'irrigation, pour établir des prévisions et gérer la consommation d'eau tout au long de la saison d'irrigation.
Figure 12. Schéma de calcul du Kc chez les plantes herbacées avec le modèle d'Allen et l'ET dérivé.
Un autre exemple d'utilisation de la télédétection est l'intégration de l'indice NDVI dans les modèles agronomiques pour calculer les valeurs de rendement, comme indiqué ci-dessous dans le modèle d'estimation de la biomasse basé sur l'utilisation de la lumière.
Figure 13. Calcul de la biomasse et du rendement des cultures dérivées du maïs.
Dans ce modèle, l'indice NDVI permet d'estimer le rayonnement absorbé par les plantes tout au long de leur cycle végétatif, ce qui se traduit par une quantification de la biomasse produite et un rendement dérivé en ajustant divers paramètres impliqués dans le modèle.
Parmi les autres applications possibles de la télédétection, on peut citer la détection automatique. des changements, surveillance des inondations, des incendies…
Soutien technique aux communautés d'irrigation
Collaboration avec les irrigants des communautés de Porma, Payuelos et Páramo à León. Depuis la saison 2017, divers produits de télédétection (visualisation d'images en fausses couleurs et en couleurs naturelles, indices de végétation, Kcs des parcelles et images d'alerte de vigueur de la végétation) ont été proposés et mis à la disposition des communautés d'irrigation et des gestionnaires de l'irrigation via une visionneuse.
Figure 14. Programme de visionneuse OPTIREG pour les communautés d'irrigation de León.
Calcul des besoins en eau dans le SIAR
Depuis la campagne de 2016, le calcul des besoins en eau d'irrigation au niveau national est effectué en utilisant comme données de départ, entre autres, les séries d'images Landsat 8 et Sentinel 2 disponibles dans chaque campagne et en générant une série de produits intermédiaires tels que la carte d'utilisation des terres pour l'irrigation, les cartes mensuelles et annuelles de l'ETc et les cartes mensuelles et annuelles des besoins en irrigation.
Figure 15. Présentation des données initiales utilisées dans le projet SIAR et des produits générés.
Suivi des cultures herbacées dans le système d'aide de la PAC
Depuis 1994, des contrôles statistiques partiels des cultures sont effectués sur le terrain, à partir d'images satellites à moyenne et haute résolution, afin de soutenir le système d'aide de la PAC.
Depuis 2019, la disponibilité de données ouvertes avec une résolution et une couverture suffisantes grâce au programme Copernicus permet une surveillance à 100 % de la surface nationale grâce à de nouvelles technologies d'accès et de traitement des données satellitaires dans le cloud.
Figure 16. Présentation des données initiales utilisées dans le projet SIAR et des produits générés.
Français 
Español 
English (UK) 
Català 
Galego 
Euskara