Classes ou zones de modulation ?
La modulation intra-parcellaire est une pratique commune en Agriculture de Précision. L’objectif est de délimiter des zones de gestion dans les parcelles qui seront le lieu d’applications différenciées ou modulées. Les stratégies de modulation les plus fréquentes sont liées à la fertilisation, au semis ou encore à l’irrigation. Pour produire des cartes de modulation, deux approches sont généralement adoptées. La première met en oeuvre des méthodes de classification de données alors que l’autre utilise plutôt une stratégie de segmentation de données. La description précise des méthodes de segmentation et classification existantes n’est pas l’objet de ce post. L’objectif est ici plutôt de montrer les avantages et inconvénients de ces méthodes pour la création de classes et de zones de gestion en agriculture de précision.
Méthodes de classification
En utilisant une méthode de classification, la variable d’intérêt est classifiée par rapport à la distribution de ses données. Ces méthodes ont pour vocation de regrouper les observations entre elles de façon optimale de façon à minimiser la variance intra-classe et de maximiser la variance inter-classe. En d’autres mots, l’objectif est de trouver les groupes de données les plus homogènes qui sont significativement différents des autres groupes. Les algorithmes de classification comme le k-moyennes ou le c-moyennes diffus (le dérivé du k-moyennes en logique floue) sont largement reportés dans la littérature. En plus de classifier chaque observations (comme le k-moyennes le fait déjà), l’approche du c-moyennes diffus associe à chaque observation une probabilité d’appartenance à chaque classe préalablement établie. Cela permet de savoir si une observation appartient sans aucun doute à une classe ou si sa classification peut être sujette à discussion. Les méthodes de classification fournissent généralement les meilleurs regroupements de données parce que c’est ce pourquoi ces méthodes ont été mises en place. Néanmoins, d’un point de vue spatial, les zones de gestion résultantes de ces méthodes de classification sont souvent fortement fragmentées parce qu’aucune information spatial n’a été prise en compte.
En fait, ces méthodes de classification produisent ce que l’on appelle plus communément des classes de gestion et pas des zones de gestion. Une zone de gestion est une entité spatiale contigue sur laquelle une stratégie de gestion particulière est mise en place. Une classe de gestion regroupe toutes les zones de gestion qui vont recevoir la même stratégie de gestion. Il est nécessaire de délimiter des zones qui soient le moins fragmentées possible de manière à ce que la modulation intra-parcellaire soit réalisable d’un point de vue pratique.
Il est clair que les résultats des algorithmes de classification peuvent être améliorés par des méthodes de pré- ou post-traitement comme (i) avec l’utilisation de filtres spatiaux pour lisser l’information et limiter l’effet de fragmentation ou (ii) avec l’intégration des coordonnées spatiales dans les algorithmes de classification. Néanmoins, la qualité et la pertinence de telles méthodes peut être sujette à débat.
Méthodes de segmentation
Pour pallier à aux limites de la classification présentées précédemment, des méthodes de segmentation (issues du domaine du traitement d’images) ont été proposées pour délimiter des zones de modulation. Ces techniques ont été créées à l’origine pour détecter des objets contigus dans les images. Les approches les plus utilisées ont pour objectif de soit (i) faire grossir de manière itérative des zones de petite taille en zones plus large (méthodes par croissance de région, fusion et quadtree…) ou (ii) détecter en premier les contours des régions d’intérêt dans les images (approches par détection de contours). Ces méthodes ont l’avantage de produire des zones de gestion moins fragmentées et plus opérationnelles. Malgré tout, ces approches peut être un peu plus complexes à implémenter. A noter que certaines approches de segmentation demandent une supervision manuelle, ce qui peut être problématique pour une intégration dans une chaîne de traitement automatique et opérationnelle.
Un besoin en cartes de modulation opérationnelles
Il est fondamental de réfléchir aux cartes de modulation de manière opérationnelle. En effet, c’est une machine qui va réaliser les applications; il faut donc que les cartes de modulation prennent en compte les caractéristiques de la machine et de la modulation
Par exemple, il n’y a pas d’intérêt à créer des zones de gestion différenciée dont la taille est inférieure à l’empreinte spatiale de la machine (ex : la largeur d’épandage lors d’une application de fertilisation).
Il peut aussi être intéressant de prendre en compte la précision d’application à laquelle une machine est capable d’arriver. Certaines machines ont des niveaux d’application particuliers et ne peuvent pas appliquer des stratégies différentes de ces niveaux d’application.
Par exemple, un pulvérisateur peut être capable de fertiliser avec des pas de 10 ou 20 unités d’azote. Entre ces niveaux, il n’y a aucun intérêt à différencier des unités de modulation.
Un autre critère d’intérêt est le temps de latence des machines. En effet, un certain temps peut être nécessaire pour passer une dose d’application à une autre. Ce temps de latence peut être dû au type de machine utilisé, à l’application à réaliser ou encore à la vitesse de déplacement de la machine.
Par exemple, un épandeur à engrais solide peut avoir besoin de quelques secondes pour passer d’une application A à une application B
Plus l’expertise sera prise en compte (expertise agronomique (l’expertise de l’agriculteur est très importante à considérer!), expertise sur les caractéristiques machines), plus la carte de modulation sera pertinente. Il ne faut pas oublier qu’il n’y a pas d’intérêt à produire une carte d’application extrêmement précise si la machine sensée réaliser la modulation n’est pas capable de suivre cette carte. Les résultats pourraient être bien différents de ceux attendus.
Soutenez les articles de blog d’Aspexit sur TIPEEE
Un p’tit don pour continuer à proposer du contenu de qualité et à toujours partager et vulgariser les connaissances =) ?
