Caractérisation de la dynamique de compétition entre froment d'hiver et adventices en essai agroécologique par imagerie à deux échelles

Abstract

La compréhension des dynamiques de compétition entre les cultures et les adventices est cruciale pour développer des systèmes agronomiques durables. Le phénotypage par imagerie offre un moyen non-destructif de caractériser ces interactions. Dans le cadre de ce travail, vingt quadrats ont été suivis durant six semaines à l’aide d’images terrestres RVB et aériennes multispectrales. Un indicateur de pression adventice a été développé, égal au rapport des fractions de couvert végétal des adventices et du froment. Pour ce faire, douze variables de couleur et de texture ont été extraites de superpixels, calculés sur les images terrestres à l’aide d’un groupement itératif linéaire simple. Deux modèles de différenciation culture / adventices ont ensuite pu être entrainés, suggérant une meilleure identification après la floraison des adventices. La pression sur le froment a présenté deux périodes d’augmentation : lors de la première, les adventices s’étendaient sur le plan horizontal mais aussi en hauteur ; lors de la seconde, leurs fleurs se développaient ce qui leur a permis de prendre de plus en plus d’espace. Différents indices de végétation ont été extraits des images aériennes et comparés à l’indicateur de pression issu des images terrestres. Aucun d’entre eux ne s’est avéré efficace pour estimer la pression au sol. Cependant, une régression linéaire multiple alimentée par les valeurs de réflectances dans plusieurs bandes spectrales a suggéré que la pression adventice pouvait être prédite à partir des images aériennes. La principale perspective de ce travail est l’acquisition d’informations supplémentaires, notamment à l’aide de capteurs 3D et hyperspectraux.

Understanding the dynamics of competition between crops and weeds is crucial to developing sustainable agronomic systems. Imaging phenotyping offers a non-destructive means of characterizing these interactions. Twenty quadrats were monitored over a six-week period using RGB terrestrial and multispectral aerial imagery. A weed pressure indicator was developed, equal to the ratio of the vegetation cover fractions of weeds and wheat. To this end, twelve color and texture variables were extracted from superpixels, calculated on terrestrial images using a simple linear iterative clustering. Two crop/weed differentiation models were then trained, suggesting better identification after weed flowering. The pressure on wheat showed two periods of increase: during the first, weeds expanded both horizontally and in height; during the second, their flowers developed, enabling them to take up more and more space. Various vegetation indices were extracted from aerial images and compared with the pressure indicator derived from terrestrial images. None of them proved effective in estimating ground pressure. However, multiple linear regression fed by reflectance values in several spectral bands suggested that weed pressure could be predicted from aerial images. The main perspective of this work is the acquisition of additional information, notably using 3D and hyperspectral sensors.