Imagerie hyperspectrale pour la caractérisation des résidus de culture à la surface des sols.

Hyperspectral imaging for the caracterisation of crop residues on the soil surface

• Auteur / Autrice : Noémie Lafouge
• Direction : Alban Goupil, Sylvie Recous
• Type : Thèse de doctorat
• Discipline(s) : ATS - Automatique et Traitement de Signal
• Date : Soutenance le 11/05/2023
• Etablissement(s) : Reims
• Ecole(s) doctorale(s) : École doctorale Mathématiques Physique Sciences du Numérique et de l'Ingénieur (Reims ; 2018-)
• Partenaire(s) de recherche : Laboratoire : Centre de Recherche en Sciences et Technologies de l'Information et de la Communication (Reims, Marne ; 2004-....)
• Partenaire(s) de recherche : Equipe de recherche : Equipe ATS-CRESTIC
• Jury : Président / Présidente : Ludovic Macaire
• Jury : Examinateurs / Examinatrices : Alban Goupil, Sylvie Recous, Philippe Debaeke, Jérôme Mars, Fabienne Ledroit-Guillon, Brigitte Chabbert, Éric Perrin
• Jury : Rapporteur / Rapporteuse : Philippe Debaeke, Jérôme Mars

Mots clés

Mots clés contrôlés

Plantes -- Analyse

Spectres de fréquences

Imagerie hyperspectrale

Couverture végétale du sol

Paillage

Cycles biogéochimiques

Analyse

Déchets agricoles

Gestion

Résidus de récolte

Mots clés libres

Imagerie hyperspectrale

Résidus de culture

Suivi de la décomposition

Taux de couverture du sol

Segmentation d’images.

Algorithme de démélange spectral

Hyperspectral imaging

Crop residues

Monitoring of decomposition

Soil cover rate

Images segmentation

Spectral unmixing algorithm

Résumé

Dans les agrosystèmes, la gestion des résidus de culture, totalement ou en partie laissés au sol après la récolte, est cruciale. Ils influencent les échanges d'eau et de chaleur entre l'atmosphère et le sol impactant ainsi les cycles biogéochimiques. Selon la nature, la quantité et la gestion du paillis, la dynamique de décomposition et les effets exprimés seront variables. Or, caractériser les paillis et leur évolution durant la dégradation est délicat à mesurer et prédire au champ en raison de la variabilité des quantités, de la répartition et des caractéristiques des résidus. L'objectif est donc de déterminer le taux de couverture (TC) du sol par les paillis et leur état de dégradation par de nouvelles méthodes.Des images hyperspectrales (HS) et RVB de résidus sur le sol sont acquises à basse altitude sous luminosité contrôlée et réelle au champ suivant plusieurs distributions et états de décomposition. Conjointement, les masses des paillis et des analyses chimiques pariétales sont relevées.Le premier axe concerne l’estimation du TC avec les images en conditions contrôlées. Nous proposons puis évaluons des méthodes de segmentation et de classification d’images RVB et HS VNIR permettant d’obtenir le TC et une relation entre lui et masse de résidus. Le deuxième axe concerne la détermination de l’état de décomposition des résidus avec les images en conditions contrôlées. Des classifications sont faites pour comparer le potentiel d’images HS couvrant différentes plages spectrales et isoler des bandes spectrales caractéristiques de l’état de décomposition.Enfin, la méthode est utilisée sur les images au champ afin d’évaluer les perspectives d’amélioration.

In agricultural systems, managing the period between two cash crops including crop residues, totally or partially left on the soil surface after harvest, is crucial. They influence exchanges of water and heat between the atmosphere and the soil, involving impacts on biogeochemical cycles. Depending on the nature, quantity and management method of mulch, soil coverage and decomposition dynamics are different, as are their consequences. However, characterizing mulch and its evolution during degradation is difficult to measure and predict in field because of the masse variability, distribution, and characteristics of the residues. Thus, the aim is to determine the soil cover rate (CR) by crop residues and their levels of decomposition by new methods.Hyperspectral (HS) and RGB images of residues on soil surface are acquired at low altitude under controlled luminosity and in real conditions in the field, following several amounts, repartition of biomass and degradation levels. Simultaneously, the masses of mulch and parietal chemical analyses are recorded.First, we focus on the estimation of the CR with controlled conditions images. Methods for segmentation and classification of RGB and HS VNIR images to obtain CR and a relation linking residue CR and and the biomass amount are proposed and evaluated.Then, we focus on the determination of the degradation level of the residues with the controlled conditions images. Classifications are performed to compare the potential of HS images covering several spectral ranges and highlight spectral bands representatives of the level of decomposition.Finally, the method is used on field images to assess prospects for improvement