Estimation de la biomasse fourragère et du couvert végétal dans les prairies à l’aide de l’imagerie par UAV

Les prairies comptent parmi les écosystèmes les plus répandus sur Terre. Elles représentent un élément clé de la sécurité alimentaire mondiale, en plus de fournir des services écologiques liés à la protection contre l’érosion, au maintien de l’habitat faunique, à la séquestration du carbone et à la captation de l’eau. La plupart de ces écosystèmes sont en mauvais état, principalement à cause du surpâturage. Les outils et les méthodes actuellement disponibles pour le suivi des pâturages reposent principalement sur des relevés de terrain qui sont longs et difficiles à généraliser à l’ensemble de la parcelle. La présente étude visait à mettre à l’essai et à comparer trois approches fondées sur l’imagerie multispectrale acquise par des véhicules aériens sans pilote (UAV) pour estimer la biomasse fourragère (FM) ou la couverture végétale dans un pâturage pendant une saison de croissance complète. Chaque méthode présentait des avantages techniques et des limites qui les qualifient pour différentes applications liées à la production de fourrage, à la surveillance des prairies ou à la gestion des pâturages en climat tempéré. La première approche a généré un modèle d’estimation de la biomasse fondé sur le volume. Ce modèle n’est pas très sensible aux faibles niveaux de végétation, mais il est exact pour les estimations de FM supérieures à 0,5 kg/m2. Cependant, il faut un modèle numérique de terrain fiable. La deuxième approche a utilisé l’indice de végétation par différence normalisée dans la bande verte (GNDVI) pour générer un modèle de prédiction de la biomasse par régression qui estime avec exactitude les niveaux de FM inférieurs à 3 kg/m2. Cependant, une validation plus poussée serait nécessaire pour confirmer l’efficacité et l’exactitude du modèle pour mesurer les petites variations de biomasse liées au broutage par les animaux et déterminer s’il peut être utilisé pour l’estimation de leur consommation de fourrage. La dernière approche est fondée sur une classification du couvert végétal à partir du regroupement des valeurs du GNDVI en quatre classes. Cette approche est plus qualitative que les autres, mais plus robuste et généralisable. Il semble prometteur pour la surveillance de la dégradation du couvert végétal et suffisamment simple et ajustable pour être utilisé par les producteurs dans un contexte commercial.