- Site officiel

DES PROJETS NATIONAUX

L'UMR Tetis conduit des projets de recherche nationaux en collaboration avec ses tutelles ainsi que des agences nationales et des instituts de recherche.
Les domaines de recherche de l'UMR sont multiples : le traitement de séries temporelles d'images satellites, la modélisation, la cartographie des milieux naturels, etc.
 
SAMSAM
Satellite time series Analysis and Modelling for Smal Agriculture Maping.

 

Objectif du projet

Les espaces agricoles façonnés par les agricultures paysannes, et caractérisés par des exploitations et parcelles de petite taille restent complexes à cartographier par imagerie satellitaire. L’observation de ces systèmes par voie satellitaire est en effet contrainte par de nombreux facteurs (champs de taille inférieure à celle du pixel, forte fragmentation du paysage, grande hétérogénéité intra-parcellaire et des pratiques culturales, synchronisation des phénologies des agrosystèmes et des écosystèmes liée au régime des précipitations), auxquels s’ajoutent, en milieu tropical, la nébulosité qui impacte les images optiques.

En proposant des spécifications techniques adaptées au suivi fin des surfaces continentales, la mission Sentinel-2 va permettre d’améliorer considérablement les capacités d’observation et de caractérisation des surfaces agricoles. Le gain attendu est particulièrement important pour cette agriculture de subsistance aux caractéristiques paysagères souvent complexes. Si les premiers travaux de préparation de la mission Sentinel-2 (projet S2-Agri) (Inglada et al. 2015 ; Bontemps et al., 2015), utilisant la méthode d’ensemble Random Forest appliquée à l’échelle du pixel, montrent de bons résultats de cartographie des principales cultures dans le cas d’agricultures intensives (précision globale >80%), les résultats restent largement améliorables (précisions globales autour de 50%) dans le cas de paysages d’agriculture familiale comme ceux du Burkina Faso ou de Madagascar (sites JECAM gérés par le CIRAD).
L’intégration de données THRS et auxiliaires (MNT), ainsi que l’utilisation d’une approche objet ont permis une amélioration significative des résultats de classification des cultures (précision globale de près de 65%) (Lebourgeois et al., 2017). Toutefois, les précisions atteintes ne sont pas satisfaisantes pour une utilisation opérationnelle ou le calcul de statistiques agricoles surfaciques.

Cette proposition vise à lever les limites des méthodes existantes de caractérisation des espaces agricoles lorsqu'elles sont appliquées aux petites agricultures du sud.
La piste explorée combine deux sources d'améliorations possibles :
          i) l'utilisation conjointe de deux résolutions temporelles et spatiales, où les images de résolution spatiale fine mais peu fréquentes (e.g. PLEIADES, SPOT6/7) apportent la structure du paysage agricole, alors que la série temporelle d'image de résolution moins fine mais plus fréquente (e.g. Sentinel2) apporte les signatures temporelles des entités du paysage liées à leur fonctionnement ;
          et ii) la modélisation de dynamiques spatiales intégrant des connaissances a priori (formalisées en règles expertes), de différentes disciplines (agronomiques, géographiques, socioéconomiques) pour mieux interpréter les structures et les signatures temporelles des éléments du paysage en prenant en compte les stratégies et pratiques des agriculteurs.


L’objectif de ce projet est de développer et de tester une nouvelle démarche de traitement des séries temporelles d’images satellite basée sur une plateforme de modélisation intégrant des données multicapteurs et les contraintes liées à l’interaction homme - environnement pour mieux caractériser les petites agricultures du Sud.

Nous proposons d’étudier et cartographier les paysages agricoles complexes à partir de données multi-sources et en intégrant de façon originale de la connaissance a priori, de nature agronomique, géographique ou socio-économique, sur le fonctionnement de ces systèmes.
Une approche explicitement pluridisciplinaire est donc nécessaire pour répondre à la problématique suivante : comment formaliser des connaissances hétérogènes, multi-échelles et pluridisciplinaires pour mieux exploiter l’information contenue dans les images satellites ?
Au cours de ce projet, nous proposons ainsi une approche systémique et un cadre d’analyse des images de télédétection original basé sur l’utilisation de la modélisation des processus à l’œuvre dans les paysages agricoles. A l’aide du langage de modélisation de dynamiques spatiales Ocelet (Degenne et al, 2010), nous décrirons d’une part, les structures spatiales sur lesquelles s’appuie l’organisation de l’espace agricole, et d’autre part, l’utilisation des terres agricoles qui intègre les stratégies d’agriculteurs (connaissances formalisées), et qui est à l’origine des dynamiques temporelles observées sur les images satellite.
Il sera pertinent de découpler la description de la structure des paysages agricoles, accessible à partir de l’analyse d’images de très haute résolution spatiale (PLEAIDES, SPOT 6/7), acquises peu fréquemment, de son fonctionnement, que peut révéler l’analyse des séries temporelles d’images de haute résolution spatiale et haute répétitivité (Sentinel-2, Landsat).

Les résultats attendus en fin de projet sont :
          (i) une méthode d'analyse combinant des images satellite haute et très haute résolution spatiale à différentes dates, et des connaissances a priori provenant de différentes disciplines intégrées dans une modélisation de dynamiques spatiales pour caractériser des paysages de petites agricultures
         et (ii) une plateforme de modélisation mettant en œuvre cette méthode, et utilisable ailleurs que sur le site d'étude du projet. Ces travaux seront réalisés sur le site JECAM d’Antsirabe (Madagascar) au sein du dispositif de recherche en partenariat « Systèmes de Production d’Altitude et Durabilité » (DP SPAD ), en lien avec le programme THEIA CES-OSO et l’ART Sud « Océan Indien » (GEODEV). Une attention particulière sera portée à la généricité de la méthode développée afin qu’elle puisse être appliquée à d’autres systèmes agricoles

 

INFOS PROJET

Date de fin de projet :
 01/01/2017
Date de fin de projet : 31/12/2019
Partenaires/organismes associés :  CIRAD, FOFIFA (Centre National de la recherche Appliquée au développement Rural à Madagascar), FIFAMANOR (Centre de recherche et de développement rural pour l’agriculture et l’élevage)
Leader du projet : Valentine Lebourgeois
Autres équipes impliquées : UMR ART-DEV (Acteurs, ressources et territoires dans le Développement), UPR AIDA (Agroécologie et Intensification Durable des cultures Annuelles), UMR AGAP (Amélioration Génétique et Adaptation des Plantes Tropicales et Méditerranéennes)
Axe(s) de recherche TETIS : Traitement d’image, Modélisation spatiale
Responsable projet TETIS : Valentine Lebourgeois
Autres participants TETIS : Danny Lo Seen, Arthur Crespin-Boucaud, Agnès Bégué, Stéphane Dupuy, Pascal Degenne
Organisme porteur au sein de TETIS : CIRAD
Pays, région d’étude : Madagascar, Région du Vakinankaratra
Source de financement : CNES