Il existe peu d’articles scientifiques qui s’intéressent au développement de méthodes d’agriculture de précision pour les cultures spécialisées. Cette article mérite d’être mentionné car il s’intéresse à une question intéressante : le lien entre le rendement d’une culture dont la partie valorisée est souterraine (la carotte) et des informations télédétectées (satellites, spectro- radiomètres portables, etc.). Ces recherches ont été effectuées par des chercheurs australiens, elles viennent d’être publiées dans le journal scientifique « precision agriculture ».

L’étude a exploré le potentiel de capteurs hyperspectraux proximaux et multispectraux (satellites Sentinel-2 et WorldView-3) pour prédire le rendement racines de carottes dans trois régions différentes d’Australie (en terme de variété cultivées, de sol et de climat). L’expérimentation a consisté à collecter la biomasse aérienne (BA) (estimée par des mesures de réflectance du couvert) et les mesures de rendement sur 414 sites d’échantillonnage appartenant à 24 parcelles réparties dans différents états ; Australie occidentale (WA), Queensland (Qld) et Tasmanie (Tas). L’expérimentation a consisté à identifier les meilleures corrélations entre les différents indices de végétation calculés à partir des différentes plateforme et le rendement mesuré. Les auteurs n’ont a priori pas pu identifier de modèle cohérent à l’échelle de l’Australie (résultat non dit) et ont proposé l’étude de modèles locaux (régionaux) visant à expliquer le rendement par des indices de végétation. Une fois étalonnés, les modèles locaux ont été utilisés pour extrapoler les données de rendement estimées. Les résultats montrent que le rendement mesuré est très variable d’une parcelle à l’autre : de 17 à 113 t/ha. La qualité des prédictions parcellaires obtenues varient d’une région à l’autre (elles se situent en moyenne à 10 %) (attention toutefois, à la lecture de l’article il n’a pas été possible de savoir s’il s’agissait de valeurs estimées ou de valeurs prédites avec un échantillon indépendant n’ayant pas servi à l’étalonnage du modèle). Sentinel 2 s’est montré comme un excellent capteur pour effectuer ce type de prédiction (R2<0,57, p<0.05). Les auteurs mentionnent toutefois que la limite importante de ce capteur reste la résolution spatiale de ses images (10 m). Ils ont montré que l’amélioration de la résolution avec un spectro-radiomètre de terrain permettait d’améliorer la qualité de l’estimation.

Ce travail est intéressant car il montre la possibilité (avec une qualité d’estimation discutable) d’estimer de manière non destructive avant récolte la variabilité du rendement des légumes-racines tels que les carottes. Associée à une méthode d’échantillonnage orientée, cette méthode de prévision des rendements pourrait constituer une approche intéressante pour améliorer la logistique de la récolte et les décisions de vente à terme.