Etude de la banque de graines du sol par imagerie hyperspectrale proche infrarouge et chimiométrie

Abstract

La banque de graines du sol joue un rôle important dans la dynamique des forêts tropicales. Les méthodes actuelles permettant de la quantifier et de la caractériser sont souvent très contraignantes. Ce travail examine le potentiel d’utilisation de l’imagerie hyperspectrale proche infrarouge (HIS-NIR) pour identifier et quantifier les graines présentes dans les sols des forêts d’Afrique centrale. Trois espèces typiques de la banque de graines du nord de la République du Congo ont été ciblées : Milicia excelsa, Musanga cecropioides et Nauclea diderrichii. Cinq modèles utilisant l’algorithme PLS-DA ont été assemblés en cascades afin de classifier les spectres parmi sept classes (céramique et tapis, terre, déchets et les trois espèces de graines). Les résultats obtenus par tous les modèles séparément ont été très bons et l’utilisation d’imagerie hyperspectrale pour la discrimination des graines et l’identification des espèces s’avère très prometteuse. Ce-pendant, appliquée à des échantillons de sols prélevés sur le terrain, la méthode semble surestimer la densité réelle. Plusieurs pistes d’amélioration sont suggérées.

The soil seed bank plays an important role in the dynamics of tropical forests. Current methods to quantify and characterize them are often very limiting. This work analyses the potential of using hyperspectral near-infrared (HIS-NIR) imagery to identify and quantify seeds present in Central African forest soils. Three typical seed bank species from the northern Republic of Congo have been selected : Milicia excelsa, Musanga cecropioides and Nauclea diderrichii. Five models using the PLS-DA algorithm have been assembled in cascades to classify the spectra among seven classes (Ceramic and conveyor band support, soil, waste and the three seed species). The results obtained by all models separately were very good, and the use of HIS-NIR for seed discrimination and species identification shows great promise. However, when applied to some soil samples collected in the field, the method seems to overestimate the actual density. Several avenues for improvement are suggested.