Associer la télédétection à un modèle de culture pour prédire la biomasse du maïs
Consultez et explorez les numéros parus dans la revue depuis 1959 !
Arvalis travaille au développement du modèle CHN, qui simule le comportement d’une culture en réponse à son environnement. Cela permet de mieux comprendre la relation entre une plante et son système, mais aussi d’appréhender son niveau de production dans ce système et les contraintes qui y sont liées.
Certaines informations nécessaires au bon fonctionnement du modèle sont difficiles à renseigner avec justesse et peuvent être une source d’erreur importante. Plusieurs études récentes ont montré qu’en intégrant des données mesurées sur la parcelle d’intérêt en cours de campagne au modèle, les erreurs de prédictions pouvaient être largement corrigées. Ceci concerne notamment des mesures permettant une caractérisation de l’état de la culture et de son potentiel de production, par exemple le LAI (Leaf Area Index, qui est une expression de la surface foliaire par surface de sol). Cette étude montre l’intérêt de l’assimilation de mesures de LAI pour l’amélioration des prédictions du modèle CHN en s’intéressant particulièrement aux mesures permises par les imageries satellites, une mesure universelle et facilement accessible.
Baumont M., Bonnard A., Piquemal B., Deswarte J-C., (2021). « Associer la télédétection à un modèle
de culture pour prédire la biomasse du maïs». Fourrages 247, 27-32
Combining remote sensing with a crop model to predict corn biomass
Arvalis is developing the CHN model, which simulates the behavior of a crop in response to its environment. This makes it possible to better understand the relationship between a plant and its system, but also to understand its level of production in this system and the related constraints.
Some of the information needed for the model to work properly is difficult to provide accurately and can be a source of signi ficant error.
Several recent studies have shown that by integrating data measured on the plot of interest during the season into the model, prediction errors can be largely corrected. This concerns in particular measurements allowing a characterization of the state of the crop and its production potential, for example the LAI (Leaf Area Index, which is an expression of the leaf area per soil surface). This study shows the interest of assimilating LAI measurements to improve the predictions of the CHN model, with a particular interest in measurements allowed by satellite imagery, a universal and easily accessible measure.
Prix : 10€