Assimilation de données LAI et de biomasse sèche à partir d'images optiques et SAR dans un modèle agro-météorologique pour estimer le rendement du soja.

Résumé La surveillance des cultures à une échelle fine et l'estimation du rendement des cultures sont cruciales d'un point de vue environnemental car elles fournissent des informations essentielles pour combiner une production alimentaire accrue et une gestion durable des paysages agricoles. L'objectif de cet article est d'estimer le rendement du soja à l'aide d'un modèle agro-météorologique contrôlé par des images satellites multipolarisées optiques et/ou radar à synthèse d'ouverture (SAR). Les données satellitaires et terrestres ont été collectées sur sept exploitations agricoles en activité. Les images optiques et SAR ont été acquises par les satellites Formosat-2, Spot-4, Spot-5 et Radarsat-2 pendant le cycle de végétation du soja. Un indice de végétation (NDVI) a été dérivé des images optiques, et les coefficients de rétrodiffusion et les indicateurs polarimétriques ont été calculés à partir des images Radarsat-2 quad-pol complètes. Une normalisation angulaire des données SAR a été effectuée pour minimiser les effets de l'angle d'incidence sur les signaux SAR en utilisant les complémentarités fournies par les données SAR et optiques. Les meilleurs résultats sont obtenus lorsque le modèle est contrôlé par l'indice de surface foliaire (LAI) dérivé de l'indice de végétation triangulaire modifié (MTVI2) ou par le coefficient de rétrodiffusion SAR. {\sigma _{^{\circ}{textsc{vv}}}} ({text{LAI}}_{text{MTVI2}} ou ( {text{LAI}}_{\sigma ^{\circ}{textsc{vv}}} ) et la biomasse sèche (DB) dérivée de la matrice SAR de Pauli T33 ({text{DB}}_{text{T}}33}) ({text{r}}^{2} gt 0.83), démontrant la complémentarité des données optiques et SAR.