Ce papier, présenté lors de la Conférence Européenne d’Agriculture de Précision (ECPA2017) à Édimbourg, presente une méthodologie pour catégoriser les parcelles à l’échelle régionale selon la variabilité intra-parcellaire (écart-type de l’indice NDVI) à partir d’images satellite d’accès gratuit (Sentinel-2). Ainsi, cette caractérisation peut générer des informations précieuses pour les producteurs, les conseillers et les chercheurs.

D’un point de vue applicatif, cette méthode pourrait être utilisée à l’échelle d’un bassin versant ou d’une coopérative pour identifier les parcelles qui présentent une variabilité importante et où l’intérêt d’appliquer les techniques de l’agriculture de précision peut être plus élevé. Du point de vue de la recherche, cette méthode permet d’identifier les parcelles très hétérogènes pour lesquelles des études spécifiques pourraient être menées afin d’identifier les facteurs qui affectent la production de biomasses dans les conditions considérées.

Abstract : This paper proposes a simple method for categorizing fields on a regional level, with respect to intra-field variations. It aims to identify fields where the potential benefits of applying precision agricultural prctices are highest from an economic and environmental perspective. The categorization is base don vegetation índices derived from Sentinel-2 satellite imagery. A case study on 7678 winter wheat fields is presented, which employs open data and open source software to analyze the satellite imagery. Furthermore, the method can be automated to deliver categorizations at every update of satellite imagery, hence coupling the geospatial data analysis to direct improvements for the farmers, contractors, and consultants.

J.H. Jeppesen, R.H. Jacobsen, R.N. Jorgensen, A. Halberg and T.S. Toftegaard. 2017. Identification of High-Variation Fields based on Open Satellite Imagery. Advances in Animal Biosciences: Precision Agriculture (ECPA), 8:2, pp 388–393