Utilisation de la télédétection pour la cartographie des systèmes de culture intégrés : contribution au suivi de lagriculture bas carbone dans lEtat du Mato Grosso, Brésil
Auteur / Autrice : | Patrick Calvano kuchler |
Direction : | Agnès Bégué, Margareth Simoes |
Type : | Projet de thèse |
Discipline(s) : | Géomatique |
Date : | Soutenance en 2021 |
Etablissement(s) : | Paris, AgroParisTech en cotutelle avec Université de l'État de Rio de Janeiro |
Ecole(s) doctorale(s) : | GAIA (Montpellier ; École Doctorale ; 2015-...) |
Partenaire(s) de recherche : | Laboratoire : Territoires, Environnement, Télédétection et Information Spatiale (Montpellier) |
Jury : | Président / Présidente : Margareth Simoes |
Examinateurs / Examinatrices : Agnès Begue, François Laurent, Vincent Dubreuil, Laerte Ferreira, Rodrigo Ferraz | |
Rapporteurs / Rapporteuses : François Laurent |
Mots clés
Résumé
Pour atteindre ses engagements internationaux de réduction des émissions de gaz à effet de serre, le Brésil a mis en place le Plan ABC (Agriculture Bas Carbone). Parmi les stratégies dintensification durable de lagriculture, lEtat incite à ladoption de systèmes intégrés agriculture-élevage-forêt pour lesquels des mécanismes de suivi doivent être mis en place. Lobjectif général est de développer une méthodologie de cartographie annuelle à léchelle régionale des systèmes intégrés de type agriculture-élevage (iLP) à partir de séries temporelles dimages satellite MODIS, afin de contribuer à létablissement dun protocole de suivi de lagriculture à faible émission de carbone. Le travail est divisé en trois étapes : la mise au point de la stratégie de classification des systèmes intégrés, lapplication à léchelle régionale et lanalyse thématique des cartes obtenues. La zone détude est l'État du Mato Grosso qui est le plus grand producteur national de soja et offre une grande diversité de milieux naturels permettant dévaluer les méthodes dans des contextes et années climatiques différents. La stratégie de classification a été mise au point dans une zone au nord de l'État. Les résultats montrent que les pré-traitements de type lissage du signal temporel ou calcul dindices phénométriques détériorent la précision des classifications des systèmes de culture, que lutilisation de séries temporelles dindices de végétation permettent dobtenir de bons scores de classification (précision globale : OA = 0.96) et enfin que lalgorithme Random Forest est légèrement plus performant que SVM. La stratégie a été ensuite appliquée au Mato Grosso, à 7 campagnes agricoles (2012-2019) et 6 régions climatiques, selon une approche hiérarchique en 4 niveaux (niveau 1 = Soja, produit Mapbiomas). Les résultats montrent que lutilisation dune base de données d'apprentissage unique (échantillons de différentes années et régions) pour classer chaque région et années individuellement permet dobtenir des précisions proches de celles obtenues avec des bases de données acquises dans chaque région et pour chaque année. Le nombre élevé déchantillons dus au regroupement compense en grande partie la variabilité spatio-temporelle des classes. La carte des systèmes de culture du niveau 2 (monocultures SC et cultures séquentielles DC) a une OA moyenne de 0.89 sur la période étudiée et présente une bonne stabilité interannuelle ; au niveau 3 (OA = 0.84), les DC sont séparées en 3 classes (soja-coton, soja-céréale et le système intégré iLP soja-brachiaria) ; au niveau 4 (OA = 0.77), la classe iLP est séparée en iLP1 (soja- bracharia) et iLP2 (soja-bracharia en association avec du maïs). Les F-score des classes de systèmes de culture DC, iLP et iLP1 ont une précision proche (0.89, 0.85 et 0.84) et la classe iLP2 (0.63). Lanalyse des cartes annuelles des systèmes de culture des campagnes agricoles de 2012-2013 à 2018-2019 montre une augmentation de 66% de la superficie en cultures séquentielles, y compris les iLP, et une réduction de 19% de la monoculture. Ces résultats témoignent de lintensification agricole en cours dans l'État. L'intensification durable basée sur les systèmes intégrés à plus que doublé pendant la même période passant de 18.6% (1.1 Mha) à 28.9% (2.6 Mha) des surfaces cultivées. En conclusion, la méthode développée nous a permis de relever quatre défis majeurs: cartographier des systèmes complexes (passer de loccupation des sols à lutilisation des sols), à léchelle régionale (diversité des conditions environnementales), de façon rétrospective (en labsence de données in situ correspondantes) et traiter un grand volume de données grâce aux outils du Big Data et aux connaissances expertes sur les systèmes de culture. Il est prévu de tester cette approche sur lensemble du corridor du soja, pour aboutir à terme à un outil opérationnel de suivi territorial et danalyse de ladoption des pratiques dintensification durable.