Surveiller les parcelles agricoles, suivre leur évolution et repérer les problèmes avant l’apparition de symptômes visibles est essentiel pour réussir une récolte. Les progrès technologiques permettent de photographier les exploitations du monde entier à l’aide de satellites, rendant ainsi le suivi simple et abordable. L’indice de végétation le plus utilisé par les agriculteurs est l’indice de végétation par différence normalisée (NDVI) ; le suivi des images NDVI en agriculture peut renseigner sur la santé des plantes.
Qu’est-ce que l’imagerie NDVI, que signifient les valeurs du NDVI et à quoi sert-elle ?
Le NDVI est une méthode de télédétection qui permet d’estimer la santé des cultures et leur biomasse. Cet indice mesure la différence entre la réflectance de la végétation dans le visible et dans le proche infrarouge. La réflectance des cultures dépend de la surface foliaire, de la teneur en chlorophylle, de l’âge des feuilles, de la densité du couvert végétal et du type de sol. Le NDVI est souvent utilisé avec des images satellitaires à haute résolution prises depuis l’espace. Les satellites ont contribué à le rendre plus accessible aux agriculteurs du monde entier : toute personne disposant d’une connexion Internet peut désormais y accéder. Le suivi du NDVI pour évaluer la santé des cultures existe depuis des décennies. Il ne s’est toutefois popularisé que récemment, grâce aux satellites et aux photographies aériennes à haute résolution qui permettent des observations fréquentes. Il fournit une estimation précise de la biomasse végétale et de l’indice de surface foliaire (LAI), sans collecte de données au sol ni interprétation manuelle.
Comment calcule-t-on le NDVI ?
Le NDVI se calcule à l’aide de la formule suivante :
NDVI = (NIR-Red) / (NIR+Red)
Dans cette formule, NIR désigne la lumière proche infrarouge et Red la lumière rouge visible. Les valeurs du NDVI vont de -1 à 1. Les zones de sable, de roche ou de neige affichent des valeurs de 0,1 ou moins. Une végétation clairsemée, comme des cultures en sénescence, présente des valeurs intermédiaires comprises entre 0,2 et 0,5. Des valeurs élevées, de 0,6 à 0,9, correspondent à une végétation dense.
Comment obtenir des images NDVI ?
Agrio est une application pour Android et iOS. Avec Agrio, le suivi des parcelles devient très simple et ne nécessite aucune connaissance préalable. Les applications comme Agrio vous permettent de dessiner vos parcelles sur la carte pour lancer leur suivi. Une fois leur emplacement défini, vous recevez régulièrement des images et leur interprétation.
Comment lire et analyser les images NDVI ?
L’examen des images NDVI permet de mieux comprendre l’état des parcelles et de repérer les zones susceptibles de présenter un stress. Observez, par exemple, les nuances de vert de l’image ci-dessous : elles montrent différents stades de développement des plantes selon les parcelles, ainsi que des variations au sein de chacune d’elles.

Remarquez les taches vertes isolées dans les zones autrement orangées : elles indiquent le développement d’adventices.
En comparant les images NDVI de jours consécutifs, on peut repérer les zones qui n’évoluent pas comme prévu et nécessitent une attention immédiate. Examinez, par exemple, l’image ci-dessous et ses taches rouges dans des parcelles à un stade précoce de développement, dont le NDVI devrait donc augmenter au fil du temps.

Les limites de l’imagerie NDVI en agriculture
Le NDVI est faiblement corrélé à la teneur en chlorophylle. Cette limite s’accentue aux stades avancés de croissance, lorsque le NDVI atteint la saturation. Celle-ci est due à l’augmentation de la surface foliaire et de la densité du couvert végétal. À ce stade, il faut donc suivre un indice fortement corrélé à la teneur en chlorophylle des feuilles et moins sensible à la structure des feuilles et du couvert.
La chlorophylle joue un rôle essentiel dans la photosynthèse, notamment dans la capture de la lumière. Sa teneur peut donc révéler différents types de stress. D’autres bandes spectrales, comme celle de la bordure rouge, peuvent détecter précocement des changements dans le fonctionnement de la chlorophylle. Ces changements précèdent la diminution effective de sa concentration dans les feuilles ; leur suivi peut ainsi signaler tôt l’apparition d’un stress biotique ou abiotique.
Pourquoi les progrès technologiques rendent-ils le choix d’un indice de végétation particulier moins déterminant ?
Nous savons désormais très bien apprendre aux ordinateurs à reconnaître des motifs dans de grands volumes de données ; il n’est donc plus indispensable de choisir un indice particulier. L’intelligence artificielle peut plutôt analyser l’ensemble du spectre de la lumière réfléchie et en tirer des informations. Autrefois, il fallait définir à l’avance les caractéristiques à utiliser pour entraîner les machines à classer les motifs présents dans les données. Cette époque est révolue : nous savons maintenant programmer la machine pour qu’elle sélectionne les caractéristiques les plus pertinentes pendant l’apprentissage.
Les indices de végétation restent pratiques lorsque des spécialistes examinent les images. Il est difficile, pour un humain, d’interpréter la grande quantité d’informations contenue dans l’ensemble du spectre. Présenter des indices que les experts connaissent reste donc utile. Mais l’étendue des surfaces surveillées et la fréquence élevée des passages des satellites rendent l’analyse manuelle moins adaptée aux agriculteurs et aux agronomes.
Ce qui était au départ un choix imposé par des limites techniques est devenu une convention du secteur.
Utiliser l’intelligence artificielle pour détecter des anomalies dans les images satellitaires
Après avoir présenté les avantages du suivi de la réflectance spectrale, il faut examiner la mise en pratique de cette approche. L’un des défis de l’analyse spectrale appliquée à la détection du stress consiste à identifier précisément, dans les images satellitaires, les motifs qui indiquent que les plantes subissent un stress. Même lorsque l’on acquiert l’expertise nécessaire pour examiner les images manuellement, la tâche devient lourde quand les surfaces couvertes sont importantes.
Les progrès technologiques récents ont favorisé l’utilisation de l’intelligence artificielle en agriculture et contribuent à surmonter ces difficultés. L’intelligence artificielle détecte les anomalies en prenant des décisions à partir de motifs appris dans de vastes jeux de données d’entraînement.

Le développement d’outils de détection précoce peut s’accélérer si l’on parvient à recueillir à faible coût de grandes quantités de données de qualité. Dans ce but, nous avons adopté une approche participative et créé un outil permettant aux agriculteurs d’identifier les maladies des plantes à partir de photos prises avec un smartphone. Ils bénéficient directement de ce service tout en contribuant à entraîner des algorithmes de détection précoce, une capacité susceptible de leur apporter encore plus de bénéfices à long terme. Les images géolocalisées servent de données de référence au sol et nous aident à entraîner les algorithmes à repérer les problèmes directement dans les images satellitaires. Nous présentons à l’ordinateur des images pour lesquelles les zones malades des parcelles sont connues. La collecte d’un grand volume de données de qualité nous permet de progresser rapidement.
Ces données nous permettent d’apprendre les signatures de réflectance caractéristiques de nombreux problèmes affectant les plantes. Nous utilisons ces capacités pour développer des solutions de suivi faciles à utiliser. Avec Agrio, les agriculteurs peuvent surveiller très simplement la santé de leurs parcelles. Il suffit d’indiquer leur emplacement en traçant un polygone qui en représente les limites. Nous lançons ensuite un suivi continu et vous avertissons lorsqu’une nouvelle image est disponible.
En résumé
Le suivi satellitaire est utilisé en agriculture depuis de nombreuses années. Son utilisation pour surveiller les parcelles agricoles a toutefois fortement augmenté au cours de la dernière décennie. Il peut contribuer à augmenter les rendements, à améliorer la précision et à détecter plus tôt les problèmes affectant les cultures.
Notre plateforme donne accès aux images des satellites Sentinel et PlanetScope. Nous leur appliquons notre algorithme pour suivre l’évolution des cultures, repérer les problèmes dans les parcelles et avertir les agriculteurs lorsqu’une intervention est nécessaire.
Nous vous invitons à profiter de ces capacités pour éviter les pertes, mieux cultiver et réduire les pulvérisations.
- Fongicides du soja : quand traiter et quand observer
- Arroser les rosiers en pot sans tâtonner sur un balcon couvert
- Une application médecin des arbres : l’IA transforme l’agronomie
- Mythes du jardinage : faites le point avec un agronome de poche doté d’IA
- Une pluie, cinq cultures : une IA pour les petits exploitants qui connaît toute la ferme
