eviter les pièges de l'indce de végétation différentiel normalisé
Comme nous l’avons vu ensemble dans l’article sur le NDVI, c’est un indice très utilisé qui a fait ses preuves depuis longtemps. Cependant comme expliqué l’utilisation de cet indice normalisé peut parfois révéler des résultats erronés ou qui peuvent être mal interprétés. En effet lors de la captation d’images par drone, la réflectance nombreux éléments peuvent venir perturber les capteurs multispectraux.
Les premières captations d’images dans les années 70, les satellites du programme Landsat, remontaient de nombreuses informations aux scientifiques.
Des études ont montré que les résultats pouvaient varier d’une journée sur l’autre. En effet, les scientifiques, se sont rendu compte que les effets atmosphériques pouvaient influer sur les résultats. La composition de l’atmosphère, en particulier en ce qui concerne la vapeur d’eau et les aréoles, peuvent affecter de manière significative les mesure effectuées depuis l’espace.
De plus, les nuages épais peuvent couvrir une partie de l’image relevée par les satellites. Ces gros nuages donnent une signature spectrale caractéristique qu’il est facile d’identifier. En revanche les nuages comme les cirrus, ou de plus petits nuages linéaires dont la taille est inférieur à la surface étudiée, peuvent considérablement contaminer les mesures. De même que les ombres portées au sol sont ainsi sources d’erreur dans l’interprétation des résultats.
Enfin la précision des images remontées par les satellites. Le GSD des satellites est de 10m/pixel, contre 8 cm/ par pixel pour le capteur des drones. C’est pour ces raisons que le drone devient utile, puisqu’il est moins sujet aux effets atmosphériques du fait de l’altitude à laquelle il évolue et plus précis. Les systèmes embarqués gèrent efficacement la différence de rayonnement solaire.
Le NDVI est efficace, mais pas dans toutes les situations.
Quels sont les éléments perturbateurs du NDVI ?
Nous avons listé certains éléments qui peuvent perturber le capteur multispectral lors de vos captations et ainsi rendre vos résultats inutilisables.
- Les eaux stagnantes : elles ont une réflectance faible dans les 2 bandes utilisées pour le calcul. (rouge et NIR)
- Les sols : dans certains cas il présentent une réflectance proche du NIR
- Les nuages : ils génèrent des ombres sur la végétation et peuvent affecter les valeurs NDVI et conduire à de mauvaises interprétations. Aujourd’hui, les drones sont équipés de capteur multispectraux ont un système pyrométrique spectral qui gère les différences de lumière. Ils mesurent le rayonnement solaire, ce qui optimise la précision et la cohérence de la collecte des données.
- Les effets de sol : il a tendance à s’assombrir lorsqu’il est humide, de sorte que la réflectance est directement liée à sa teneur eau. La réponse spectrale à l’humidité n’est pas la même dans les 2 bandes. Le NDVI d’une zone peut sembler changer en raison des variations d’humidité et non en raison des changements de végétation.
- Les différences de capteurs : les capteurs sont différents les uns aux autres. Lors d’une étude, toutes les données doivent être réalisées avec le même capteur.
- Les effets anisotropes : certaines surfaces naturelles ou artificielles peuvent réfléchir une lumière proche de l’indice NDVI
Les capteurs multispectraux actuels sont de plus en plus précis et prennent autant que possible en compte de nombreux facteurs perturbateurs. Malgré tout, le NDVI reste un outil précieux de la surveillance quantitative de la végétation.
Les compétences de C2IA
Nous mettons chaque jour, tout notre savoir-faire en imagerie multispectral par drone. En effet, l’acquisition d’images est importante, mais l’interprétation des résultats l’est encore plus. Cet outil formidable, n’aura aucune valeur sans accompagnement. Nous rédigeons un rapport afin de pouvoir suivre avec vous l’évolution de vos parcelles cartographiées. C2IA est l’un des premiers centres à fournir une analyse complète des résultats. Nous vous accompagnons dans vos projets n’hésitez à nous poser vos questions.
