{"id":2635,"date":"2021-02-04T18:28:47","date_gmt":"2021-02-04T18:28:47","guid":{"rendered":"http:\/\/mag.inrameknes.info\/?p=2635"},"modified":"2021-02-04T18:28:47","modified_gmt":"2021-02-04T18:28:47","slug":"faisabilite-et-apports-de-lagriculture-de-precision-dans-le-secteur-oleicole-par-salma-el-iraqui-el-houssaini","status":"publish","type":"post","link":"https:\/\/mag.inrameknes.info\/?p=2635","title":{"rendered":"FAISABILITE ET APPORTS DE L\u2019AGRICULTURE DE PRECISION DANS LE SECTEUR OLEICOLE. Par Salma El Iraqui El Houssaini*"},"content":{"rendered":"
\"Dr

Dr Salma Iraqui El Houssa\u00efni, Chercheuse entomologiste en Protection des Plantes –\u00a0CRRA Mekn\u00e8s<\/p><\/div>\n

L\u2019agriculture de pr\u00e9cision (AP) est un nouveau concept, fond\u00e9 sur l\u2019int\u00e9gration de l\u2019information num\u00e9rique pour caract\u00e9riser un syst\u00e8me de production agricole dans toute sa variabilit\u00e9 spatiale. Elle a connu un v\u00e9ritable essor ces derni\u00e8res ann\u00e9es et a permis l\u2019av\u00e8nement d\u2019outils de gestion int\u00e9ressants pour les producteurs. Ces derniers permettent de g\u00e9n\u00e9rer des indicateurs sur la v\u00e9g\u00e9tation (densit\u00e9\u0301 et charge), la pr\u00e9sence d\u2019un stress (hydrique, nutritionnel et\/ou sanitaire) et m\u00eame de raisonner l\u2019itin\u00e9raire et la date de la r\u00e9colte et ce en identifiant les variations spatiales et temporelles dans une m\u00eame parcelle (variabilit\u00e9 intra-parcellaire). Les informations fournies par ces outils technologiques, repr\u00e9sentent des donn\u00e9es cruciales permettant au producteur d\u2019ajuster, de moduler et d\u2019optimiser son syst\u00e8me de production dans le but d\u2019am\u00e9liorer la productivit\u00e9 et la rentabilit\u00e9 (Robert, 2000; McBratney et al. 2005). C\u2019est un concept caract\u00e9ris\u00e9 par: (i) le d\u00e9veloppement massif de syst\u00e8mes automatiques de mesure\u00a0; qu\u2019ils soient fixes (station m\u00e9t\u00e9orologique, capteurs pour la caract\u00e9risation du sol et de la plante), embarqu\u00e9s sur machine (capteurs de rendement, de biomasse, de chlorophylle), ou a\u00e9roport\u00e9s (drones, avions, satellites); (ii) la g\u00e9o-localisation syst\u00e9matique de ces informations gr\u00e2ce a\u0300 l\u2019utilisation du syst\u00e8me de positionnement absolu (Global Positioning System<\/em>\u00a0; GPS) et (iii) le d\u00e9veloppement de syst\u00e8mes permettant de stocker, de visualiser, de manipuler et d\u2019\u00e9changer de gros volumes d\u2019informations.<\/p>\n

En pratique, l’AP est un ensemble de m\u00e9thodes bas\u00e9es sur l\u2019acquisition de l’information. Elle permet de diagnostiquer, d\u2019identifier certains probl\u00e8mes, de valider qu\u2019ils ont bien \u00e9t\u00e9 r\u00e9solus et par cons\u00e9quent d\u2019optimiser les performances d’une exploitation agricole et ce sur plusieurs axes. D’abord sur un plan technique en optimisant les performances agronomiques d\u2019une culture; sur un plan \u00e9conomique en maximisant le gain et la rentabilit\u00e9 \u00e9conomique de l’exploitation et sur un plan environnemental en limitant l\u2019utilisation excessive des intrants.<\/p>\n

Concept cyclique de l\u2019Agriculture de Pr\u00e9cision<\/strong><\/p>\n

G\u00e9n\u00e9ralement, quatre \u00e9tapes sont d\u00e9finies dans la mise en place d\u2019un syst\u00e8me de gestion relevant de l\u2019AP et qui s\u2019av\u00e8rent n\u00e9cessaires a\u0300 la gestion modul\u00e9e des cultures (Figure 1) dont le processus central est le g\u00e9o-r\u00e9f\u00e9rencement des donn\u00e9es r\u00e9colt\u00e9es :<\/p>\n

    \n
  1. L\u2019observation<\/span> : Etape d’acquisition des donn\u00e9es sur le terrain. C’est a\u0300 partir de ces donn\u00e9es, g\u00e9n\u00e9ralement indirectes, mais acquises avec une r\u00e9solution spatiale importante qu’il est possible de construire une d\u00e9marche de gestion spatialis\u00e9e.<\/li>\n
  2. La caract\u00e9risation <\/span>: Etape permettant de transformer en information agronomique les donn\u00e9es obtenues par les capteurs. Une variable est consid\u00e9r\u00e9e comme information agronomique (infestation sanitaire, densit\u00e9 foliaire, stress hydrique, …etc.) lorsqu\u2019elle permet de construire une pr\u00e9conisation ou de prendre une d\u00e9cision sur le terrain.<\/li>\n
  3. L\u2019\u00e9valuation<\/span> : Etape destin\u00e9e a\u0300 produire un conseil technique explicite en se basant sur les informations \u00e9labor\u00e9es lors des \u00e9tapes de l\u2019observation et la caract\u00e9risation (i.e. carte d\u2019apport d’azote en unit\u00e9, carte d\u2019irrigation en mm d\u2019eau \u2026).<\/li>\n
  4. L\u2019application<\/span> : Traitement par lequel un conseil agronomique produit est applique\u0301 in fine <\/em>sur la parcelle par l\u2019op\u00e9rateur.<\/li>\n<\/ol>\n
    \n
    \"Figure<\/a>

    Figure 1. Illustration du concept cyclique de l\u2019Agriculture de Pr\u00e9cision (d\u2019apr\u00e8s McBratney et Taylor, 2000; Mathews, 2013). Ce sch\u00e9ma met l\u2019accent sur l\u2019importance du ge\u0301o-re\u0301fe\u0301rencement, au c\u0153ur des quatre \u00e9tapes fondamentales du processus de la gestion de la variabilit\u00e9.<\/p><\/div>\n<\/div>\n

     <\/p>\n

    Projet MCRDV en cours\u00a0: \u2018\u2019Faisabilit\u00e9 et apports de l\u2019Agriculture de Pr\u00e9cision dans le secteur ol\u00e9icole\u00a0: Mise en place d\u2019un syst\u00e8me de surveillance et d\u2019aide \u00e0 la d\u00e9cision pour une ol\u00e9iculture de pr\u00e9cision\u00a0\u2018\u2019<\/strong><\/p>\n

    A l\u2019Institut National de la Recherche Agronomique (INRA), une \u00e9quipe pluridisciplinaire de chercheurs s\u2019est int\u00e9ress\u00e9e au concept de l\u2019Agriculture de Pr\u00e9cision, particuli\u00e8rement sur l\u2019ol\u00e9iculture. A cet \u00e9gard, un projet MCRDV (M\u00e9canisme comp\u00e9titif de Recherche D\u00e9veloppement et de Vulgarisation, 2020-2022) a \u00e9t\u00e9 initi\u00e9 et dont l\u2019objectif global consiste en l\u2019adoption d\u2019une Ol\u00e9iculture de Pr\u00e9cision dans le contexte marocain. Le but ultime est de disposer d\u2019un outil de surveillance et d\u2019aide \u00e0 la d\u00e9cision et ce en croisant une d\u00e9marche agronomique, le traitement des images multi-spectrales et le syst\u00e8me d\u2019information g\u00e9ographique (SIG).<\/p>\n

    Ce projet se propose d\u2019instaurer le concept d\u2019une Ol\u00e9iculture de Pr\u00e9cision dans nos vergers moyennant un suivi de la culture de l\u2019olivier depuis la floraison jusqu\u2019\u00e0 la r\u00e9colte. Ainsi, les activit\u00e9s entreprises se sont focalis\u00e9es, dans un premier temps, sur l\u2019\u00e9tude des images multi-spectrales obtenues \u00e0 travers plusieurs survols du drone (espac\u00e9s dans le temps: \u00e0 un mois ou 45 jours d\u2019intervalle selon le stade de la culture) et sur le suivi des diff\u00e9rents param\u00e8tres (agronomiques, physiologiques, sanitaires, etc.) pouvant influencer la production. La juxtaposition et la confrontation de ces deux approches permettront de v\u00e9rifier, d\u2019une part, l\u2019int\u00e9r\u00eat d\u2019avoir recours aux techniques de l\u2019agriculture de pr\u00e9cision et d\u2019autre part, la compl\u00e9mentarit\u00e9 des deux m\u00e9thodes et leur corr\u00e9lation permettront de mettre au jour des outils de suivi et d\u2019intervention fiables, rapides et pointus, mis \u00e0 profit de l\u2019ol\u00e9iculteur marocain.<\/p>\n

    L\u2019\u00e9tude est en sa phase initiale (premi\u00e8re ann\u00e9e du projet) et est men\u00e9e dans une oliveraie de 22 ha \u00e0 Rass Jerry (r\u00e9gion de Mekn\u00e8s, 33\u00b045’37.4″N\/5\u00b041’28.9″W), plant\u00e9e essentiellement par la picholine marocaine, conduite en goutte \u00e0 goutte et o\u00f9 la fertigation est adopt\u00e9e. Apr\u00e8s les premiers survols du drone, des indices ont \u00e9t\u00e9 d\u00e9riv\u00e9s\u00a0\u00e0 partir des bandes spectrales \u00e0 savoir le NDVI (Normalized Difference Vegetation Index<\/em>), le GNDVI (Green Normalized Difference Vegetation Index<\/em>) et le NDRE (Normalized Difference RedEdge Index<\/em>). Les r\u00e9sultats pr\u00e9liminaires ont montr\u00e9 l\u2019int\u00e9r\u00eat de l\u2019imagerie pour l\u2019estimation du bilan hydrique au sein de la parcelle. Le comptage des arbres par imagerie a\u00e9rienne, faisant \u00e9liminer les arbres manquants et les zones non plant\u00e9es au sein de la parcelle, a permis d\u2019estimer les besoins globaux en eau \u00e0 77.860 m3<\/sup>, soit 24.330 m3<\/sup> de moins que ce qui a \u00e9t\u00e9 calcul\u00e9 par la m\u00e9thode conventionnelle. En effet, le processus a permis de d\u00e9nombrer 7164 arbres avec des canop\u00e9es allant de 3,5 m2<\/sup> \u00e0 17 m2<\/sup>, une moyenne de 10,8 m2<\/sup>\u00b1 2,4 m2<\/sup>, ce qui indique une bonne vigueur en g\u00e9n\u00e9ral avec une h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 tr\u00e8s marqu\u00e9e (Figure 2). L\u2019imagerie a permis de r\u00e9ajuster les valeurs du coefficient de r\u00e9duction (kr) appliqu\u00e9 \u00e0 l\u2019\u00e9vapotranspiration de la culture (ETC), via le zonage de la variabilit\u00e9 intra-parcellaire du taux de couverture du sol par la frondaison.<\/p>\n

    \"Figure

    Figure 2. Etape d\u2019individualisation des arbres dans le verger.<\/p><\/div>\n

    Il ressort \u00e9galement que les images multi-spectrales renseignent amplement sur la variabilit\u00e9 intra-parcellaire qui peut caract\u00e9riser un verger. En effet, les diff\u00e9rents indices calcul\u00e9s (NDVI, NDRE, GNDVI) ont permis un zonage de la parcelle en secteurs diff\u00e9rents les uns des autres et ce pour chaque survol effectu\u00e9. Cette variabilit\u00e9, s\u2019est exprim\u00e9e \u00e9galement au niveau du facteur temps, car les autres survols ayant lieu \u00e0 un mois d\u2019intervalle les uns des autres, ont renseign\u00e9 sur la baisse du NDVI (Figure 3). Les travaux sont en cours pour pouvoir expliquer les causes de cette variabilit\u00e9 observ\u00e9e au sein du verger et \u00e9valuer les cons\u00e9quences sur la production.<\/p>\n

    \"Figure

    Figure 3. Variabilit\u00e9 intra-parcellaire dans le verger apr\u00e8s classification de l\u2019indice NDVI en trois cat\u00e9gories (faible, moyen et \u00e9lev\u00e9) pour deux survols cons\u00e9cutifs.<\/p><\/div>\n

    Les visites r\u00e9guli\u00e8res du site de l\u2019\u00e9tude ont permis de relever certains probl\u00e8mes phytosanitaires, notamment la maladie de l\u2019\u0153il de paon et certains ravageurs dont les plus importants sont la c\u00e9cidomyie des \u00e9corces, l\u2019hyl\u00e9sine et la mouche de l\u2019olivier. Les diff\u00e9rentes prospections ont \u00e9tay\u00e9 la variabilit\u00e9 intra-parcellaire relev\u00e9e par imagerie. En effet, pour l\u2019incidence, la s\u00e9v\u00e9rit\u00e9 et l\u2019indice de l\u2019\u0153il de paon, il a \u00e9t\u00e9 relev\u00e9 que certaines zones du verger sont plus touch\u00e9es que d\u2019autres. Une variabilit\u00e9 qui est expliqu\u00e9e par les conditions topographiques et spatiales du verger et qui sont \u00e0 l\u2019origine de microclimats favorisant ou d\u00e9favorisant la maladie (\u00e0 l\u2019exemple de zones humides ou arbres charg\u00e9s non a\u00e9r\u00e9s). L\u2019\u00e9tude pr\u00e9voit, dans les campagnes agricoles \u00e0 venir, d\u2019\u00e9tablir des mod\u00e8les de pr\u00e9diction de maladies et de certains sympt\u00f4mes en se basant sur \u00a0les n\u00e9o-canaux d\u00e9riv\u00e9s (NDVI, NDRE et\/ou GNDVI).<\/p>\n

    \u00a0<\/strong>Perspectives<\/strong><\/p>\n

    Ces r\u00e9sultats pr\u00e9liminaires restent des \u00e9bauches de travail pour les deux prochaines ann\u00e9es. Les mod\u00e8les restent \u00e0 affiner et \u00e0 valider. Et c\u2019est la prise d\u2019images multi-spectrales avec une haute r\u00e9solution jointe au suivi du terrain qui aideraient \u00e0 \u00e9laborer des mod\u00e8les de pr\u00e9diction pour un certain nombre de param\u00e8tres pouvant impacter la production. La corr\u00e9lation de l\u2019imagerie \u00e0 l\u2019aspect des maladies est un d\u00e9fi lanc\u00e9 dans le cadre de cette recherche, dans la mesure que dans la litt\u00e9rature, les recherches dans ce sens sont peu nombreuses particuli\u00e8rement sur olivier. Finalement, et dans un premier temps, on pourrait confirmer que les images multi-spectrales, renseignent bel et bien sur la variabilit\u00e9 intra-parcellaire dans un verger d\u2019olivier. C\u2019est une donn\u00e9e tr\u00e8s importante \u00e0 exploiter au niveau des grands vergers car elle permet \u00e0 l\u2019ol\u00e9iculteur de moduler et de raisonner ses interventions en fonction des particularit\u00e9s de son site. L\u2019imagerie multi-spectrale permet \u00e9galement d\u2019estimer, avec pr\u00e9cision, le bilan hydrique d\u2019une parcelle et donc d\u2019irriguer de mani\u00e8re efficiente. Les r\u00e9sultats obtenus dans cette premi\u00e8re ann\u00e9e de travail sont prometteurs et ont ouvert plusieurs br\u00e8ches de recherche que l\u2019\u00e9quipe entreprendra dans les ann\u00e9es \u00e0 venir.<\/p>\n

    Remerciements<\/span><\/strong><\/p>\n

    Les r\u00e9sultats pr\u00e9sent\u00e9s dans cet article, sont le fruit du travail de l\u2019\u00e9quipe du projet MCRDV\u00a0:\u2019\u2019Faisabilit\u00e9 et apports de l\u2019agriculture de pr\u00e9cision dans le secteur ol\u00e9icole\u2019\u2019. Mes vifs remerciements vont \u00e0\u00a0: Dr. Razouk R., Dr. El Bakkali A., Dr. Iaaich H., Dr. Habbadi K., Dr. Bouhafa K., Dr. Douiak A. et Pr. Bajoub\u00a0A. (ENA Mekn\u00e8s), Mr. Benbouazza A., Mr. Alghoum M. <\/strong>pour leur participation au projet et leur fructueux partenariat. Mes vifs remerciements vont \u00e9galement \u00e0 la soci\u00e9t\u00e9 SOWIT<\/strong> pour la qualit\u00e9 de leur service et leur expertise dans le domaine.<\/p>\n

    R\u00e9f\u00e9rences bibliographiques<\/span><\/strong><\/p>\n

    McBratney, A., Whelan, B., Ancev, T., and Bouma, J. (2005). Future directions of precision agriculture. Precision Agriculture, 6 :7-23.<\/p>\n

    Robert, P. (2000). L’agriculture de pr\u00e9cision: les verrous lie\u0301s a\u0300 la technologie et a\u0300 la gestion agronomique. In Agriculture de Pre\u0301cision: Avanc\u00e9es de la recherche technologique et industrielle, 11-29, Dijon, France. Educagri Editions.<\/p>\n

    McBratney, A. and Taylor, J. (2000). PV or not PV? In Proceedings of the 5th International Symposium on Cool Climate Viticulture and Oenology, Melbourne, Australia<\/p>\n

    Mathews, A. J. (2013). Applying Geospatial Tools and Techniques to Viticulture. Geography Compass, 7(1), 22\u201334. doi:10.1111\/gec3.12018.<\/p>\n

    —————————————-<\/p>\n

    * :\u00a0Chercheuse entomologiste en Protection des Plantes, Coordinatrice du projet MCRDV \u2018\u2019Faisabilit\u00e9 et apports de l\u2019agriculture de pr\u00e9cision dans le secteur ol\u00e9icole\u2019\u2019<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

    L\u2019agriculture de pr\u00e9cision (AP) est un nouveau concept, fond\u00e9 sur l\u2019int\u00e9gration de l\u2019information num\u00e9rique pour caract\u00e9riser un syst\u00e8me de production agricole dans toute sa variabilit\u00e9 spatiale. Elle a connu un v\u00e9ritable essor ces derni\u00e8res ann\u00e9es et a permis l\u2019av\u00e8nement d\u2019outils … Continuer la lecture →<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"_links":{"self":[{"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=\/wp\/v2\/posts\/2635"}],"collection":[{"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=2635"}],"version-history":[{"count":9,"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=\/wp\/v2\/posts\/2635\/revisions"}],"predecessor-version":[{"id":2680,"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=\/wp\/v2\/posts\/2635\/revisions\/2680"}],"wp:attachment":[{"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=2635"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=2635"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/mag.inrameknes.info\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=2635"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}