ROUMIGUIE Antoine

Cet article vise à comparer les variations annuelles de la production herbagère, dérivées du satellite et in situ, sur neuf exploitations agricoles situées en France. Durant trois années successives (2016, 2017, 2018), un dispositif expérimental dense a permis de caractériser la variabilité de la production des prairies, à travers un relevé régulier réalisé sur plus de 169 parcelles. Allant de 4,1 à 11,2 t.ha -1 , les productions annuelles ont été dérivées de plusieurs dizaines de milliers de mesures, et combinées pour dériver les variations annuelles de production. Cet ensemble de données unique a été comparé à un indice de production des prairies, dérivé de l'utilisation combinée d'images satellites à moyenne résolution et de données météorologiques. Un haut niveau de précision est observé entre les variations annuelles de la production des prairies obtenues in situ et par satellite, avec un R 2 de 0,76 et une déviation maximale de 16,3%. Enfin, un focus sur les cartes obtenues au niveau national permet d'analyser le contexte des 3 années étudiées.

Pas de résumé disponible.

Les prairies peuvent contribuer à apporter des solutions aux défis économiques et environnementaux actuels auxquels sont confrontés les éleveurs. Les agriculteurs ont des exigences élevées lorsqu'ils cherchent des méthodes pour améliorer la gestion des prairies et la sécurité des systèmes fourragers. Dans les années 1980, divers outils ont été mis au point pour faciliter et améliorer la gestion des pâturages. Aujourd'hui, ils sont peu utilisés car ils demandent souvent beaucoup de temps, sont difficiles à utiliser et sont coûteux. Les outils de mesure et de communication récemment mis au point (par exemple, les smartphones et les tablettes dotés de la technologie WIFI et intégrant les technologies Bluetooth et GPS) présentent un grand potentiel pour aider les agriculteurs à gérer leurs prairies avec plus d'efficacité et de précision. À moyen terme, la télédétection et l'accès à des images à haute résolution à partir de satellites ou de drones offrent de nouvelles possibilités.

La méthode indicielle est envisagée dans le domaine de l’assurance agricole pour mesurer l’impact du climat sur la production agricole. Elle est susceptible de caractériser l’impact de l’évènement aléatoire que constitue la sécheresse ou une inondation. Dans une moindre mesure, cette méthode peut concerner d’autres évènements climatiques comme le gel. Jusqu’à maintenant les déploiements de ces méthodes indicielles ont été basés sur des données issues des postes de mesures du réseau météorologique d’un pays. Il s’agissait surtout de la pluviométrie, de la température et dans certains cas de l’évapotranspiration potentielle. Ce type de mesures est bien maîtrisé sur le plan technique et accepté par les professionnels de l’assurance comme de leurs clients. Cependant, ces mesures sont difficilement spatialisables si le nombre de points d’observation n’est pas suffisant ou le milieu complexe sur le plan climatique. Avec le développement de la télédétection satellitaire, on dispose d’un ensemble de données aux caractéristiques variables (résolutions spatiale, spectrale et temporelle) et complémentaires permettant un suivi continu de l’état de la végétation sur de grandes surfaces et à une échelle plus ou moins fine (supérieure au kilomètre à quelques centaines de mètres). Dans le travail de thèse proposé, l’objectif est d’analyser comment la télédétection peut être intégrée à une assurance de type indiciel. Le cadre d’application de la thèse est l’assurance fourrage en France.

Une assurance indicielle est proposée en réponse à l'augmentation des sécheresses impactant les prairies. Elle se base sur un indice de production fourragère (IPF) obtenu à partir d'images satellitaires de moyenne résolution spatiale pour estimer l'impact de l'aléa dans une zone géographique définie. Le principal enjeu lié à la mise en place d'une telle assurance réside dans la bonne estimation des pertes subies. Les travaux de thèse s’articulent autour de deux objectifs : la validation de l'IPF et la proposition d'amélioration de cet indice. Un protocole de validation est construit pour limiter les problèmes liés à l'utilisation de produit de moyenne résolution et au changement d’échelle. L'IPF, confronté à des données de référence de différentes natures, montre de bonnes performances : des mesures de production in situ (R² = 0,81. R² = 0,71), des images satellitaires haute résolution spatiale (R² = 0,78 - 0,84) et des données issues de modélisation (R² = 0,68). Les travaux permettent également d'identifier des pistes d'amélioration pour la chaîne de traitement de l'IPF. Un nouvel indice, basé sur une modélisation semiempirique combinant les données satellitaires avec des données exogènes relatives aux conditions climatiques et à la phénologie des prairies, permet d'améliorer la précision des estimations de production de 18,6 %. L’ensemble des résultats obtenus ouvrent de nombreuses perspectives de recherche sur le développement de l'IPF et ses potentiels d'application dans le domaine assurantiel.

Pour atténuer les impacts de la réduction de la productivité des prairies françaises liée au climat, un nouveau régime d'assurance base les indemnités versées aux agriculteurs sur un indice de production fourragère (IPF) dérivé du spectroradiomètre imageur à résolution modérée (MODIS). L'objectif de cette étude est de comparer plusieurs approches pour dériver l'IPF à partir de données satellitaires afin d'évaluer si de meilleures relations avec la productivité du fourrage peuvent être atteintes. Les approches évaluent la productivité des pâturages en utilisant cinq facteurs d'entrée estimés à partir de données de télédétection et de données auxiliaires, c'est-à-dire : (1) fraction du rayonnement photosynthétiquement actif absorbé (fAPAR). (2) estimations de l'efficacité d'utilisation du rayonnement. (3) estimations de la PAR. (4) la modélisation de la sénescence des feuilles. et (5) la modélisation de la saison de croissance. Toutes les combinaisons possibles de ces cinq facteurs, y compris les différentes modalités d'estimation de certains d'entre eux, conduisent à 768 modèles. Les résultats des modèles sont comparés aux estimations de production des prairies de référence fournies par un modèle mécaniste (système Information et Suivi Objectif des Prairies -ISOP) pour un échantillon de 25 régions fourragères en France pour les années 2003, 2007, 2009, 2011 et 2012 (contenant une année humide, deux années normales et deux années sèches). Les résultats ont révélé que : (1) le modèle de base basé sur l'intégrale saisonnière de la fraction de la couverture végétale verte (fCover) présente une relation linéaire raisonnable avec les estimations de production (erreur quadratique moyenne normalisée SRMSE = 0,57 et coefficient de détermination - R-2 = 0,68). (2) la performance du modèle de base s'améliore avec une fonction quadratique (SRMSE = 0,54 et R-2 = 0,71). (3) 34 modèles sont plus performants que le modèle de base. Nous suggérons donc de remplacer le modèle de base par le modèle le plus performant (SRMSE = 0,42 et R-2 = 0,83) dans le produit d'assurance. Ce modèle intègre le fCover quotidien avec un indice de stress hydrique et les additionne sur une période de suivi variable dans l'espace et le temps caractérisée par les indicateurs phénologiques début de saison et fin de saison dérivés du profil annuel du fCover.

Une assurance indicielle est en cours de développement pour estimer et suivre la production fourragère en France en temps quasi-réel. Elle est basée sur un indice de production fourragère (FPI) dérivé de l'intégrale de la fraction de la couverture végétale verte (fCover), obtenue à partir de séries temporelles à moyenne résolution spatiale. Cet article présente la première étape de la validation scientifique mise en œuvre. Les parcelles de prairie, le protocole de terrain établi pour collecter les données de production de biomasse, et la méthode utilisée pour obtenir la fCover sont décrits. Les mesures locales au sol de la production de biomasse sont comparées aux valeurs de l'IPF obtenues à partir d'images spatiales à haute résolution. Les divergences entre les deux variables sont quantifiées par le coefficient de détermination, l'erreur quadratique moyenne et l'erreur quadratique moyenne normalisée. Premièrement, les fCover dérivés des quatre capteurs sont cohérents, ce qui démontre la capacité de l'algorithme utilisé à fournir une méthode cohérente de calcul des fCover. Deuxièmement, pour l'ensemble des données, le diagramme de dispersion entre l'IPF et la biomasse montre une corrélation acceptable (R-2=0,75) améliorée lorsqu'on ne prend en compte que les données enregistrées jusqu'au maximum de production (R-2=0,81). Troisièmement, l'analyse effectuée sur l'échelle des parcelles, les espèces d'herbe, la période de fauche ou les conditions climatiques révèle une variabilité sur les coefficients de régression indiquant que d'autres variables explicatives devraient être intégrées pour mieux calculer l'IPF.

Une solution d'assurance basée sur un indice a été développée pour estimer et surveiller la production de fourrage en temps quasi réel en utilisant l'indicateur Forage Production Index (FPI) comme substitut de la production des prairies. Le FPI correspond à l'intégrale de la fraction de la couverture végétale verte dérivée d'images de séries chronologiques à résolution spatiale modérée et a été calculé à l'échelle de 6 km x 6 km. Une approche à plus grande échelle basée sur la validation directe a été utilisée pour comparer l'IPF aux données de biomasse collectées sur le terrain et aux images de séries temporelles à haute résolution spatiale (HR). Le site expérimental était situé dans les départements du Lot et de l'Aveyron, dans le sud-ouest de la France. Les données recueillies comprenaient des mesures de biomasse au sol provenant de parcelles de prairies dans 28 exploitations agricoles pour les années 2012, 2013 et 2014 et des images HR couvrant le département du Lot en 2013 (n = 26) et 2014 (n = 22). La comparaison directe avec le rendement mesuré au sol a conduit à une bonne précision (R-2 = 0,71 et RMSE = 14,5 %). Avec la comparaison indirecte, la relation était encore forte (R-2 allant de 0,78 à 0,93) et informative. Ces résultats mettent en évidence l'effet de la désagrégation, du taux d'échantillonnage des prairies et de l'irrégularité de l'acquisition des images dans la série chronologique des HR. En prévision de Sentinel-2, cette étude fournit des informations précieuses sur les forces et les faiblesses d'un produit d'assurance potentiel basé sur un indice à partir d'images de séries temporelles HR.

La production de fourrage est très sensible à la variabilité et au changement climatique. En particulier, l'augmentation des épisodes de sécheresse extrême rend les revenus des éleveurs instables et imprévisibles. Le suivi de la vigueur de la végétation et de la biomasse pendant la saison de croissance fournit une bonne estimation de la production finale des pâturages. Parmi le large éventail de pratiques de gestion des risques, l'assurance basée sur un indice est un outil pertinent pour réduire les chocs économiques dans les moyens de subsistance agricoles. Ce type d'assurance n'indemnise pas individuellement le client en cas de perte de production, comme c'est le cas habituellement, mais les paiements sont indexés sur un indicateur qui est corrélé à la production. Dans ce travail, nous présentons une solution d'assurance indexée conçue pour estimer et surveiller la production de fourrage en temps quasi réel à l'échelle nationale. Les pertes sont calculées en utilisant une caractérisation biophysique de la végétation à partir de séries temporelles de télédétection. Les producteurs sont indemnisés en fonction de l'écart par rapport à la normale ou à la référence dans une unité géographique définie. Ce produit est développé dans le cadre d'un projet pilote mené par Pacifica Crédit Agricole Assurances et Astrium GEO-Information Services et initié en 2010. Des produits pionniers ont été développés pour fournir une assurance aux agriculteurs sur la base d'indicateurs d'état de la végétation dérivés de séries temporelles d'images télédétectées. Leur analyse met en évidence l'existence de nombreux défis à relever : gérer la résolution spatiale des images satellites et la taille des parcelles de prairie, gérer l'existence de données manquantes dans les séries temporelles en raison de la contamination par les nuages, calibrer le paramètre biophysique en tenant compte des conditions pédologiques et climatiques locales ainsi que de l'effet des capteurs. Le paramètre biophysique utilisé est le fCover obtenu à partir d'une inversion de modèles de transfert radiatif appliquée à une série temporelle d'images MODIS/MERIS multi-capteurs sur 10 jours. L'application du modèle de démixage spectral permet de déterminer une série temporelle de fCover pour la signature des prairies dans une grille de 6*6km couvrant la France. Nous avons utilisé l'intégrale annuelle de fCover comme substitut de la production annuelle de fourrage. Grâce à l'archive de données MODIS/MERIS, la production annuelle de fourrage est calculée depuis 2000. En cas de sécheresse, les agriculteurs sont indemnisés sur la base de la variation observée dans une grille entre la production fourragère annuelle et la moyenne de la production fourragère annuelle des cinq dernières années. Par rapport aux méthodes existantes, cette approche présente trois avancées majeures. L'utilisation d'un paramètre biophysique tel que le fCover permet une cohérence entre les capteurs et dans le temps. La mise en place d'une détection automatique des nuages pour construire des images sur 10 jours améliore la constance de la chaîne de traitement. Le développement d'un algorithme pour remplacer les données manquantes dans les séries temporelles permet d'améliorer la qualité de l'estimation de la production annuelle de fourrage. Enfin, un protocole de validation est mené sur différents sites afin de vérifier la fiabilité de l'estimation de la production fourragère. Il consiste à étudier la relation entre les mesures de biomasse au sol et la production des prairies estimée par fCover. Pour cela, une expérimentation de terrain permet de collecter des données de production sur 275 prairies en 2012 et 541 en 2013.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.

Pas de résumé disponible.