Potentiel des images multispectrales acquises par drone dans la détection des zones infectées par la flavescence dorée de la vigne

Potentiality of unmanned aerial vehicle multispectral imagery to detect flavescence dorée grapevine disease

• Auteur / Autrice : Johanna Leslie Albetis de la Cruz
• Direction : Gérard Dedieu, Sylvie Duthoit, Anne Jacquin
• Type : Thèse de doctorat
• Discipline(s) : Sciences de la Terre et des Planètes Solides
• Date : Soutenance le 24/05/2018
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Centre d'études spatiales de la biosphère (Toulouse ; 2001-....) - Dynamiques et écologie des paysages agriforestiers (Castanet-Tolosan, Haute-Garonne ; 2003-....)

Mots clés

Mots clés contrôlés

Drones

Imagerie multispectrale

Flavescence dorée

Mots clés libres

Flavescence dorée

Maladies du bois

Drones

Détection des maladies

Imagerie multispectrale

Paramètres biophysiques

Indices de végétation

Grapevine trunk disease

Unmanne aerial vehicle

Multispectral imageriy

Résumé

Cette thèse aborde le potentiel de la télédétection en tant qu'outil pour la détection automatique de la Flavescence dorée (FD) de la vigne. L'approche repose sur l'analyse des variables (bandes spectrales, indices de végétation et paramètres biophysiques) calculables à partir des images multispectrales à très haute résolution (10 cm) acquises par drone pendant la période d'expression maximal des symptômes. L'analyse de la performance de discrimination des variables est réalisée à partir d'une méthode supervisée basée sur la courbe ROC. Les zones d'entrainement et de validation utilisées dans cette étude ont été acquises sur 14 parcelles situés dans le sud de la France. La performance des variables a été testée sur trois échelles d'analyse (par parcelle, par cépage et par couleur) et pour deux niveaux d'analyse. Le premier niveau d'analyse repose sur le potentiel des variables utilisées dans la détection des zones symptomatiques de la Flavescence dorée des zones asymptomatiques. Le deuxième niveau d'analyse consiste à tester la performance des variables dans la discrimination spécifique la Flavescence dorée (cépages noirs) en faisant une distinction avec les maladies du bois. À l'issue de ces expériences, dans un point de vue méthodologique les résultats ont permis de mettre en évidence (1) une plus faible performance de discrimination pour la discrimination des zones symptomatiques de FD des zones symptomatiques des maladies du bois plus particulièrement à l'échelle par couleur ; (2) la présence des pixels mixtes mal classés plus particulièrement dans les bords des rangs de vigne et (3) une faible discrimination des zones symptomatiques (FD ou MB) avec une proportion du feuillage symptomatique faible (niveau d'infection). Dans un point de vue thématique les résultats obtenus ont mis en évidence les différences dans l'intensité de la coloration anormale des feuilles atteintes de Flavescence dorée en fonction de l'année et leur lien avec la teneur en chlorophylles et anthocyanes des feuilles. Les perspectives ouvertes par ces travaux concernent la création d'un indice spécifique à la Flavescence dorée en fonction de la couleur du cépage (noir ou blanc) ou l'intensité dans la coloration des feuilles (faible ou forte) identifiés à partir des données hyperspectrales et l'amélioration du masquage des pixels mixtes à partir des algorithmes complexes qui prennent en compte la répartition spatiale des pixels dans le feuillage de vigne.

This work investigates the potential of remote sensing as a tool for the automatic detection of Flavescence dorée (FD) grapevine disease. The approach is based on the analysis of variables (spectral bands, vegetation indices, and biophysical parameters) computed from high resolution (10 cm) multispectral images and acquired by Unmanned Aerial Vehicle (UAV) during the period of maximum expression of symptom. The analysis of the variables discrimination performance is evaluated by a supervised method based on the Receiver Operating Characteristic curve (ROC curve). The training and validation areas used in this study were acquired from 14 vineyards located in southern France. The performance of the variables was tested on three different scales of analysis (one by plot, by cultivar and by berry color). Two levels of analysis have been implemented. The first level involves the potential of variables to discriminate Flavescence dorée symptomatic vines areas from asymptomatic ones. The second level of analysis is related to test the performance of the variables for the specific discrimination of Flavescence dorée vines (for the red cultivars) and the discrimination from Grapevine Trunk Diseases (GTD). The results obtained showed (1) a lower discrimination performance for discrimination of FD symptomatic vines areas from GTD symptomatic ones, more pronounced on the color level; (2) the presence of misclassified mixed pixels especially in the edges of the rows of vines and (3) a low discrimination of symptomatic vines areas (FD or MB) with a low proportion of symptomatic foliage (level of infection). From a thematic point of view, the results obtained showed the differences in the intensity of leaf discoloration affected by Flavescence dorée by year and their link with the chlorophylls and anthocyanins content of the leaves. Future prospects for this work concern the creation of a specific Flavescence dorée index depending on the color of the cultivars (red or white) and the intensity of leaf discoloration (attenuated or marked), identified from the hyperspectral data and improving the masking of mixed pixels from complex algorithms that consider the spatial distribution of pixels in the vine foliage.