Mise au point et évaluation de méthodes de prévision de rendement de la canne à sucre en Guadeloupe à partir d'un modèle de croissance (MOSICAS) et d'imagerie satellitales : Programme européen DOCUP 2000-2006. Contrat d'entreprise du Cirad-Ca - 3ème tranche - Année 2006. Programme de travaux d'appui au développement de la canne à sucre en Guadeloupe

Meffre Bénédicte. 2006. Mise au point et évaluation de méthodes de prévision de rendement de la canne à sucre en Guadeloupe à partir d'un modèle de croissance (MOSICAS) et d'imagerie satellitales : Programme européen DOCUP 2000-2006. Contrat d'entreprise du Cirad-Ca - 3ème tranche - Année 2006. Programme de travaux d'appui au développement de la canne à sucre en Guadeloupe. Toulouse : ENSAT, 72 p. Mémoire : Ecole nationale supérieure agronomique de Toulouse

Titre anglais : Development and assessment of sugar cane yield forecasting methods based on crop growth model MOSICAS or remote sensing technology

Résumé : Dans un contexte difficile où la culture de la canne à sucre joue un rôle socio-économique prépondérant en Guadeloupe, la prévision du rendement devient nécessaire. Afin de répondre à cette problématique deux méthodes distinctes de prévisions de rendement sont actuellement utilisées à La Réunion et à La Guadeloupe. Elles ont été affinées sur les conditions environnementales spécifiques de la Guadeloupe. La première utilise le modèle biophysique de croissance de canne à sucre MOSICAS. Elle est basée sur des simulations de croissance, et complétée par l'ajustement de l'historique de production à l'aide d'une régression linéaire multiple. L'amélioration de cette méthode a consisté à augmenter l'historique de production à neuf années de données de production et utiliser une méthode plus rigoureuse de sélection des variables explicatives. La fiabilité de cette méthode a été évaluée sur les données de la récolte de 2006. Après modification, cette dernière présente un bon pouvoir prédictif sur l'ensemble de la Guadeloupe et à d'autres échelles : le bassin cannier de Basse Terre et l'exploitation de Gardel. En revanche en ce qui concerne les autres zones étudiées des améliorations sont encore à apporter tels que valeur de la réserve utile, la fiabilité des données de production et/ou compléter les historiques des stations météorologiques. La deuxième méthode est basée sur une régression linéaire entre les données issues du traitement d'images satellites (NDVI) et le rendement. Nous avons calculé un nouveau modèle d'ajustement du rendement fonction de l'indice de végétation normalisé (NDVI) et de l'age de la culture, intégrant deux années de récoltes de l'exploitation de Gardel. Le pouvoir prédictif de cette méthode est évalué sur un troisième cycle de récolte. Celui-ci semble moindre mais pourrait être encore amélioré en ajoutant les données des prochaines récoltes et par la prise en compte de facteurs supplémentaires tels que la variété de la canne. En effet les réponses spectrales de chaque variété peuvent être différentes. Les améliorations apportées aux deux méthodes ont permis un gain de 2.6 points d'erreur relative sur prévision de la récolte 2006 à l'ensemble de la Guadeloupe pour la première méthode, et un gain de 6.57 points sur la valeur de l'écart type de l'ajustement du rendement pour la deuxième méthode. Coupler ces deux méthodes pourrait permettre d'augmenter la fiabilité des prévisions de rendement par l'utilisation des données satellitales pour réajuster le modèle de croissance.

Résumé (autre langue) : Facing economical difficulty, sugarcane production in Guadeloupe needs to enhance productivity. Yield forecasting is helpful for the production management. Therefore, two methods of yield prediction, currently used in Reunion and Guadeloupe, were modified for a better fit with Guadeloupean environmental conditions. First method uses the sugarcane crop growth model Mosicas, which is based on growth simulation complemented with historical data. This method was fitted by using a larger set of historical data (nine crop years) and a rigorous method for selecting non dependant variables used for crop estimation. Modifications made were tested on the 2006 crop. Modified method has a good predictive capacity for total of the Guadeloupean crop and also on smaller area as Basse Terre or the Gardel zone. On the other hand improvement is necessary for the other studied areas by data adjustment such as the soil useful water reserve capacity, by controlling the rehabilitee of the historical crop data or by complementing historical weather data. The second method is based on a linear regression between the normalized vegetation index (NDVI) resulting from remote sensing processing and yield. By using two years crop yield data combined with the satellite picture, we calculated a new fitted crop yield model as a function of the NDVI and the age of the crop on the date of satellite picture processing. Predictive capacity of this model was evaluated on a third set of data. Result showed that this method have a lower predictive capacity than the one using Mosicas. However, the model could be improved by using data of the next crops and by taking into account additional factors such as sugarcane varieties, which spectral response may be differ. Improvements made allowed a gain of 2.6 points of relative error for the 2006 crop yield prediction for the first method and a gain of 6.57 points on the standard deviation value of the fitting for the second method. Using bath methods together could increase reliability of the yield forecasting by using the satellite data to adjust the crop growth model.

Mots-clés Agrovoc : Saccharum officinarum, technique de prévision, rendement, modèle de simulation, croissance, télédétection, technique analytique

Mots-clés géographiques Agrovoc : Guadeloupe, France

Classification Agris : U30 - Méthodes de recherche
F01 - Culture des plantes
A01 - Agriculture - Considérations générales

Auteurs et affiliations

• Meffre Bénédicte, CIRAD-CA-UPR Systèmes canniers (GLP)

Source : Cirad - Agritrop (https://agritrop.cirad.fr/534714/)

Métriques

[ Page générée et mise en cache le 2024-03-23 ]