Estimation des teneurs en carbone organique des sols agricoles par télédétection par drone

Résumé

La matière organique (MO) est un élément important de la fertilité des sols cultivés. Les mesures de réflectance ont déjà
été utilisées avec succès pour prédire la teneur en carbone organique (CO) des sols agricoles, soit au laboratoire sur
des échantillons de sols séchés, soit directement au champ à l'aide de spectro-radiomètres de terrain ou grâce à des
images satellitaires. Cette étude propose une méthode de prédiction spatialisée du CO des sols, à partir d'imagerie
drone. Une parcelle agricole de 13 ha « la Grande Borne », située dans la plaine de Versailles (78), a été suivie en avril
2013, peu avant le semis alors qu'elle était encore en sol nu. Le drone AIRINOV® utilisé était équipé de la caméra
multispectrale quadri-bande multiSPEC 4C® (550nm, 660nm, 735 nm et 790 nm) et évoluait à une altitude de 150 m.
Vingt-trois placettes de contrôle au sol, réparties dans la parcelle, ont été délimitées par des cibles géolocalisées
centimétriquement par DGPS et ont fait l'objet de mesures synchrones au vol drone : mesures spectrales de terrain
(ASD FieldSpec 3®), mesures de rugosité par une méthode photogrammétrique, prélèvements d'échantillons de sol
pour analyse de la composition chimique et de la teneur en eau. Les images obtenues d'une résolution de 15cm ont été
géoréférencées avec une précision infra-pixellaire. Les spectres de terrain ont été agrégés sur les bandes spectrales de
2
la multiSPEC® 4C afin de valider par régression linéaire la qualité des données de réflectance du drone. Les R
obtenus, entre 0,8 et 0,9 selon les bandes, ainsi que l'erreur comprise entre 1 et 3% en réflectance, ont montrés la
fiabilité du capteur multiSPEC 4C®. La teneur en CO a ensuite été estimée par régression des moindres carrés partiels
(PLSR) à partir des mesures spectrales sur les 23 placettes. L'erreur quadratique moyenne de validation croisée
(RMSECV) par la méthode LOO (Leave One Out) était de 1,97 g de CO par kg de sol. Un second modèle intégrant la
correction des effets de l'humidité et de la rugosité sur la réflectance, a permis d'améliorer la qualité de la prédiction de
18% avec une RMSECV de 1,61 g/kg. Le modèle a enfin été spatialisé sous SIG et comparé à de simples interpolations
spatiales des analyses de sol.