Kotchi2004 MemoireMaitrise

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 131

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/304347274

DÉTECTION DU STRESS HYDRIQUE PAR THERMOGRAPHIE INFRAROUGE:


Application à la culture de la pomme de terre

Thesis · November 2004


DOI: 10.13140/RG.2.1.4909.5280

CITATIONS READS

8 11,781

1 author:

Serge Olivier Kotchi


Public Health Agency of Canada
40 PUBLICATIONS 159 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Environmental/Remote-sensed early warning indicators of MBD risk View project

Earth observation indicators development for local characterization of Lyme disease risk factors View project

All content following this page was uploaded by Serge Olivier Kotchi on 23 June 2016.

The user has requested enhancement of the downloaded file.


SERGE OLIVIER KOTCHI

DÉTECTION DU STRESS HYDRIQUE PAR


THERMOGRAPHIE INFRAROUGE
Application à la culture de la pomme de terre

Mémoire présenté
à la Faculté des études supérieures de l'Université Laval
dans le cadre du programme de maîtrise en sciences géomatiques
pour l’obtention du grade de Maître ès Sciences (M.Sc.)

FACULTÉ DE FORESTERIE ET GÉOMATIQUE


UNIVERSITÉ LAVAL
QUÉBEC

NOVEMBRE, 2004

© Serge Olivier Kotchi, 2004


Résumé
Le déficit hydrique affecte plusieurs variables physiologiques de la plante et est synonyme
de baisse de rendement et de qualité pour des végétaux de grande culture tels que la pomme
de terre. Dès lors, l’irrigation devient une solution préconisée. Celle-ci doit cependant
permettre d’appliquer seulement la quantité d’eau dont la plante a besoin pour éviter le
lessivage des fertilisants et pesticides pouvant contaminer la nappe phréatique.

Depuis plus de vingt ans, la télédétection infrarouge thermique a permis de développer


plusieurs outils de détection du stress hydrique. À travers des indices alliant des capteurs et
des modèles tels que le CWSI (Crop Water Stress Index), la télédétection est utilisée pour
répondre au besoin de dosage contrôlé des nouvelles pratiques agricoles et assurer une
meilleure gestion de l’irrigation. Du fait des portions de sol visibles, les cultures
partiellement couvrantes peuvent engendrer des erreurs d’estimation dans l’utilisation de
ces indices. L’utilisation de radiomètre imageur allié à l’imagerie visible permet de palier à
cette faiblesse. Le but de nos travaux est le développement d’un indicateur de l’état
hydrique de la culture, accessible par thermographie infrarouge, permettant la détection
précoce et la prévention du stress hydrique.

Des mesures de température ont été effectuées en serre sur deux variétés de pomme de terre
avec le radiomètre imageur ThermaCAM SC 2000. Des mesures répétées ont été prises sur
des plants induits en stress hydrique et des plants témoins à plusieurs stades de
développement de la culture. L’étude a montré une détection hâtive du déficit hydrique par
thermographie infrarouge ainsi que l’influence du stress sur les variables biophysiques
(température foliaire, surface foliaire, photosynthèse et conductance stomatique) et le
rendement. La différence de température entre le couvert végétal et l’air (Tc – Ta) est
fortement corrélée au stress hydrique. Elle a été associée à la surface foliaire pour
développer l’Indice de Stress Hydrique Surfacique (ISHS). Les résultats obtenus avec
l’ISHS pour la détection du stress hydrique sont très encourageants.
ii

Abstract
Water stress affect the yield and the crop quality. For more than twenty years, remote
sensing allowed several tools developments to assess water stress detection using sensors
and model such as Crop Water Stress Index (CWSI). Sparse crop can generate error in the
interpretation of this index. The use of an imaging-radiometer combined to a high spatial
resolution visible image help to remove this weakness. This study present a new water
stress index based in the use of infrared thermography.

A first dataset was taken from greenhouse experimental set up on potatoes species (Highlite
and Chieftain) using an hand-held imaging-radiometer (ThermaCAM SC 2000). Repeated
measurements were made for water-stress induced plants and for well irrigated plants at
different growing stages. The study showed that an early detection of water deficit by
infrared thermography is possible as well as the detection of the significant response of
plant to heat stress and leaf area change based on water stress intensity. Temperature
differences between crop canopy and air (Tc - Ta) are strongly correlated with the water
stress. The study has permitted the development of a new index named Area Water Stress
Index (AWSI) and the results obtained with this index for water stress detection are very
encouraging.
Avant-Propos
Ce mémoire n’aurait pas pu être effectué sans le Programme Canadien de Bourses de la
Francophonie (PCBF) de l’Agence Canadienne de Développement International (ACDI). Je
remercie l’agence d’exécution du PCBF, le Cégep Saint-Jean-Sur-Richelieu, pour l’accueil
et le suivi qui m’a été offert durant tout mon séjour académique au Québec.

Merci à Jae-Dong Jang et à Simon Roy pour leur apport dans la programmation du
traitement des thermographies sous les logiciels FORTRAN et MATLAB. Sans toi le plan
d’expérience qui a sous-tendu les travaux en serre aurait été « tout croche », sans toi
plusieurs des aspects agronomiques reliés à ce travail m’auraient échappés, sans toi les
corrections de ce mémoire n’auraient pas été complètes, reçois toute ma reconnaissance et
toute ma sympathie Marie-Christine Bélanger! Je tiens également à vous dire merci, Marie-
Amélie et Ludovic, pour votre support lors de la collecte des données en serre. Vous avez
pris du temps pour réviser la grammaire et l’orthographe de ce mémoire, Jude et Sandrine,
recevez toute ma sympathie!

Un grand merci à mon directeur de recherche, le Docteur Alain A. Viau. Merci Alain pour
tes judicieux conseils et ta disponibilité tout au long de mon programme de maîtrise.

Merci aux étudiants et aux professeurs du Centre de Recherche en Géomatique (CRG) et du


Laboratoire de Géomatique Agricole et Agriculture de Précision (GAAP) pour
l’environnement de travail chaleureux dont j’ai bénéficié et pour l’aide que j’ai obtenu de
vous.

Je voudrais te signifier toute ma reconnaissance, chère Cécile, pour ton soutien et ta


persévérance durant tous ces moments d’absence.

À tous ceux et toutes celles qui, de près ou de loin, ont contribué à la réalisation de cette
étude, je vous prie de recevoir mes sincères remerciements!
« À la mémoire de mon père et
aux sacrifices inoubliables de ma mère »
Table des matières
Résumé ...............................................................................................................i

Abstract .............................................................................................................ii

Avant-Propos .................................................................................................. iii

Table des matières............................................................................................v

Liste des tableaux ......................................................................................... viii

Liste des figures ...............................................................................................ix

Liste des abréviations.....................................................................................xii

Liste des symboles ........................................................................................ xiii

Introduction ......................................................................................................1

Chapitre 1 - Contexte et problématique de l’étude.......................................3


1.1 L’eau et l’agriculture ....................................................................................................3
1.2 Du statut hydrique de la plante à l’état thermique du couvert végétal .........................5
1.2.1 L’importance de l’eau pour la plante.....................................................................5
1.2.2 Le stress hydrique et ses conséquences .................................................................6
1.3 Les outils de détection du stress hydrique ....................................................................7
1.4 Les indices de végétation associés au stress hydrique..................................................8
1.5 La température du couvert végétal comme indicateur de l’état hydrique...................10
1.5.1 Principes physiques..............................................................................................10
1.5.2 Température de surface et température de couvert ..............................................13
1.6 Les indices spectraux IRT de détection du stress hydrique ........................................14
1.6.1 Canopy Temperature (CT)...................................................................................14
1.6.2 Temperature Stress Day (TSD)............................................................................14
1.6.3 Stress Degree-Day (SDD)....................................................................................15
1.6.4 Temperature Condition Index (TCI)....................................................................15
1.6.5 Canopy Temperature Variability (CTV)..............................................................16
1.6.6 Crop Water Stress Index (CWSI) .........................................................................16
1.6.7 Water Deficit Index (WDI) ..................................................................................19
1.7 Mesure de la température par thermographie infrarouge...........................................22
1.7.1 Principe ................................................................................................................22
1.7.2 Applications .........................................................................................................24
1.7.3 Limitations ...........................................................................................................25
Chapitre 2 - Hypothèses et Objectifs de recherche.....................................28
2.1 Objectifs de l’étude.....................................................................................................28
vi

2.2 Hypothèses de recherche ............................................................................................29


Chapitre 3 - Matériel et méthodes ................................................................30
3.1 La pomme de terre comme matériel végétal...............................................................30
3.1.1 Reproduction et stades de développement...........................................................30
3.1.2 Besoins en eau .....................................................................................................32
3.2 Site et dispositif expérimental....................................................................................34
3.3 Outils et méthodologie expérimentale ........................................................................36
3.3.1 Observations météorologiques.............................................................................39
3.3.2 Caractérisation de l’état hydrique et thermique du sol ........................................39
3.3.3 Mesure des variables écophysiologiques.............................................................40
3.3.4 Spectroscopie visible et infrarouge......................................................................42
3.3.5 Acquisition et traitement des thermographies .....................................................43
3.3.6 Calcul et cartographie des indices .......................................................................50
3.3.7 Analyse de précision des thermographies et des indices. ....................................50
3.4 Étalonnage de la caméra infrarouge thermique ..........................................................53
3.5 Méthode d’analyse statistique.....................................................................................56
3.5.1 L’analyse de variance ou ANOVA......................................................................57
3.5.2 Mesure d’une différence significative entre les traitements ................................57
Chapitre 4 - Résultats et discussions ............................................................59
4.1 Effets du stress hydrique sur les indicateurs biophysiques et le rendement ...............59
4.1.1 La thermographie du couvert végétal ..................................................................59
4.1.2 La photosynthèse .................................................................................................66
4.1.3 La conductance stomatique..................................................................................66
4.1.4 Le taux de chlorophylle .......................................................................................68
4.1.5 La surface foliaire ................................................................................................69
4.1.6 Impact du stress hydrique sur le rendement selon le stade de développement de
la plante.........................................................................................................................71
4.2 Création d’un masque pour différencier le sol et la végétation sur les thermographies
par l’usage de la signature spectrale du couvert végétal...................................................73
4.3 Influence de l’angle de visée sur la détection des plants stressés...............................78
4.4 Évaluation des indices spectraux IRT existants..........................................................80
4.5 L’indice de stress hydrique surfacique (ISHS) ...........................................................87
Conclusion.......................................................................................................94

Bibliographie...................................................................................................96

Annexe 1 : Les Flux d’énergie à la surface ................................................102

Annexe 2 : Programme MATLAB pour le calcul et la cartographie des


indices (Tc – Ta) et ISHS à partir de la thermographie du couvert végétal
........................................................................................................................106
vii

Annexe 3 : Programme SAS pour l’analyse de variance (ANOVA) sur


mesures répétées avec la procédure GLM.................................................109

Annexe 4 : Signature spectrale des plants témoins et des plants induits en


stress au début et à la fin de différents stades d’induction du stress
hydrique ........................................................................................................110

Annexe 5 : Variation des indicateurs thermographiques, des paramètres


météorologiques et des indices par plant aux différentes dates du stade
d’initiation des tubercules ...........................................................................113
Liste des tableaux
Tableau 1: Variables biophysiques estimables par télédétection............................................8
Tableau 2: Résumé d’indices de végétation définis à partir de données de télédétection. .....9
Tableau 3 : Dates d’arrêt de l’apport en eau des plants induits en stress hydrique. .............36
Tableau 4 : Les variables des conditions d’état du système SVAT et leur acquisition. ......38
Tableau 5 : Espace de résolution de la caméra de thermographie infrarouge ThermaCAM
SC 2000.........................................................................................................................45
Tableau 6 : Valeurs expérimentales de l'émissivité du couvert végétal (ε). .........................47
Tableau 7 : Valeurs d’émissivité de quelques types de végétation.......................................48
Tableau 8: Spécifications technique du corps noir SR-80LT. ..............................................53
Tableau 9: Probabilités (Pr) associés à une différence significative dans la mesure de Tc
selon les différents stades phénologiques d'induction du stress hydrique, la position
spatiale (blocs), la variété et le traitement. ...................................................................62
Tableau 10: Corrélation entre la température du couvert (Tc) et le potentiel hydrique du sol
à différents stades d'induction .du stress.......................................................................64
Tableau 11: Rendement des plants aux différents stades d’induction du stress hydrique....72
Tableau 12: Probabilités (Pr) associées à une différence significative entre les plants
témoins et les plants induits en stress hydrique selon les indices IRT. ........................82
Tableau 13: Probabilités associées à une différence significative de l’indice ISHS entre les
plants témoins et les plants induits en stress aux stress développement des feuilles et
initiation des tubercules. ...............................................................................................90
Tableau 14: Variation des indicateurs par plant au cours du stade d’initiation des
tubercules. ...................................................................................................................114
Liste des figures
Figure 1: Répartition des terres irriguées au Canada vers la fin des années 90......................3
Figure 2: Diffusion de la vapeur d’eau par les stomates ouverts............................................5
Figure 3: Influence du stress hydrique sur les variables d'état de la plante. ...........................6
Figure 4: Spectre électromagnétique. ...................................................................................10
Figure 5: Déplacement du maximum d'émission vers les courtes longueurs d'onde des corps
de plus en plus chaud. ...................................................................................................12
Figure 6 : Relation entre le VPD et (Ts-Ta) permettant le calcul du CWSI.........................18
Figure 7: Mise en évidence de la température composite mesurée par radiothermométrie..19
Figure 8: Illustration du WDI calculé par la méthode du trapèze.........................................21
Figure 9 : De la scène thermique à la thermographie. ..........................................................23
Figure 10 : Caméra de thermographie infrarouge ThermaCAM® SC 3000 (FLIR Systems
Inc., MA, USA).............................................................................................................24
Figure 11: Applications de la thermographie, a) Suivi de l'incubation d’œufs, b)
Cartographie des températures de surface, c) Détection d’une fuite d'air frais à
l'intérieur d'une résidence en hiver, d) Suivi du niveau d'huile dans un transformateur,
e) Détection de maladie des feuilles. ............................................................................25
Figure 12 : Composition de la radiation infrarouge thermique reçue par un capteur
thermique. .....................................................................................................................26
Figure 13 : Stades de développement de la pomme de terre. ...............................................32
Figure 14 : Plan d’expérience. ..............................................................................................35
Figure 15 : Organisation des plants en serre.........................................................................35
Figure 16 : Variables d'état du système Sol-Végétation-Atmosphère (SVAT). ...................37
Figure 17 : Station agro-météorologique LI-COR................................................................39
Figure 18 : Mesure de l'humidité du sol par tensiométrie.....................................................40
Figure 19 : Mesure des échanges gazeux avec le LI-6400. ..................................................41
Figure 20 : Mesure du taux de chlorophylle avec le SPAD (chlorophyllmeter SPAD502,
Minolta Caméra, Japan). ..............................................................................................42
Figure 21 : LI-3000A pour la mesure de la surface foliaire. ................................................42
Figure 22 : Mesure de réflectances avec l’ASD FieldSpec Pro FR......................................43
Figure 23 : Caméra de thermographie infrarouge ThermaCAM SC 2000 (FLIR Systems).44
Figure 24: Entrées et sorties de la caméra de thermographie infrarouge..............................45
Figure 25: Émissivité de l'eau dans l'infrarouge thermique à différents angles d'observation.
......................................................................................................................................46
Figure 26 : Géométrie de visée avec la caméra de thermographie infrarouge. α : angle de
visée, dh : distance horizontale, dv : distance de visée (mesurée à partir de l’objectif
de la caméra), ha : hauteur d’appareil, hp : hauteur de la plante.................................49
Figure 27 : Cartographie des indices avec MatLab. (a) : thermographie, (b): algorithme, (c):
carte d’indice.................................................................................................................50
Figure 28 : De la séquence de thermographies (a) à une thermographie moyenne (b). .......51
Figure 29: Corps noir SR-80LT............................................................................................53
Figure 30: Thermographie infrarouge du corps noir (avec Tcn = 20 °C).............................54
Figure 31: Variation de la température moyenne de la surface du corps noir observée par
thermographie durant 212 secondes avec un pas de temps de 1 seconde (avec une
température du corps noir portée à 16 °C)....................................................................55
x

Figure 32: Relation entre la température du corps noir et sa température moyenne mesurée
par la caméra infrarouge. ..............................................................................................56
Figure 33 : Analyse de variance pour mesures répétées avec la procédure GLM de SAS...58
Figure 34: Détection précoce de plants en stress hydrique par thermographie infrarouge...60
Figure 35: Variation de la température du couvert végétal des plants témoins et des plants
induits en stress aux différents stades d'induction du stress hydrique (les flèches
représentent des moments d’irrigation des plants témoins)..........................................61
Figure 36: Évolution du potentiel hydrique du sol des plants témoins et des plants induits en
stress hydrique au stade d'initiation des tubercules. .....................................................64
Figure 37: Variation de la température du sol (Tsol) et de la température foliaire (Tc) des
plants témoins et des plants induits en stress................................................................65
Figure 38: Mise en évidence de la température du sol sur la thermographie. ......................65
Figure 39: Évolution comparée de la photosynthèse des plants témoins et des plants induits
en stress au développement des feuilles et à l’initiation des tubercules. ......................66
Figure 40: Évolution comparée de la conductance stomatique des plants témoins et des
plants induits en stress au développement des feuilles et à l’initiation des tubercules.67
Figure 41: Relation entre la conductance stomatique, la photosynthèse et la température
foliaire...........................................................................................................................68
Figure 42: Évolution comparée du taux de chlorophylle des plants témoins et des plants
induits en stress au développement des feuilles et à l’initiation des tubercules. ..........69
Figure 43: Évolution de la surface foliaire des plants témoins et des plants induits en stress
aux stades de développement des feuilles et d’initiation des tubercules. .....................70
Figure 44: Baisse de la surface foliaire avec la sévérité du stress hydrique observable par
thermographie. ..............................................................................................................70
Figure 45: Baisse de la surface foliaire des plants sous stress et des plants témoins au cours
du stress floraison. ........................................................................................................71
Figure 46 : Impact du déficit hydrique sur le rendement aux différents stades phénologiques
d'induction du stress (% par rapport à la masse totale des tubercules frais).................73
Figure 47: Découpage et rééchantillonnage de l'image visible pour permettre sa
superposition à la thermographie..................................................................................74
Figure 48: Variation de la signature spectrale de la végétation selon le LAI et différents
niveaux de stress hydriques. .........................................................................................74
Figure 49: Variation de la signature spectrale du couvert végétal au cours du stress
développement des feuilles...........................................................................................75
Figure 50: Variation de la signature spectrale du couvert dans le bleu, le vert et le rouge
durant le stress développement des feuilles..................................................................76
Figure 51: Identification de la végétation sur une image visible à partir de ses propriétés
spectrales.......................................................................................................................77
Figure 52 : Procédure de différenciation du sol et de la végétation sur les thermographies.
a) Image visible découpée et rééchantillonnée. b) Identification de la végétation sur a)
à travers sa signature spectrale. c) Création du masque de la végétation. d) Application
du masque sur la thermographie. e) Couvert végétal isolé sur la thermographie. ........77
Figure 53 : Thermographies d'un couvert sous différents angles de visée (les angles sont
mesurés par rapport à la verticale)................................................................................79
Figure 54 : Variation de la température de plants témoins et de plants induits en stress sous
différents angles de visée..............................................................................................79
xi

Figure 55 : Probabilités associées à une différence significative entre les traitements à


différents angles de visée..............................................................................................80
Figure 56: Variation des indices IRT aux différents stades phénologiques d’induction du
stress hydrique. DF : développement des feuilles, IT : Initiation des tubercules, Fl :
Floraison, Fr : Fructification.........................................................................................81
Figure 57: Indicographie de (Tc - Ta). .................................................................................84
Figure 58: Relation entre la différence de température (Tc - Ta) et le DPV ayant permis le
calcul de CWSI à tous les stades phénologiques d’induction du stress........................86
Figure 59: Indicographie de CWSI.......................................................................................86
Figure 60: Identification des paramètres de calcul de l’indice ISHS sur la thermographie du
couvert végétal..............................................................................................................88
Figure 61: Variation de l’indice ISHS des plants témoins et des plants induits en stress au
stade de développement des feuilles (DF) et à l’initiation des tubercules (IT). Les
flèches représentent des dates d’irrigation....................................................................90
Figure 62: Variation de l’indicographies de (Tc – Ta) et des valeurs de l'ISHS des plants du
bloc A durant le stade d’initiation des tubercules.........................................................91
Figure 63: Variation de l’indicographie d’un couvert mixte (bloc B) au cours du stress
initiation des tubercules. ...............................................................................................92
Figure 64: Variation de l’ISHS comparativement à (Tc – Ta) et la surface foliaire durant le
stress développement des feuilles. ................................................................................93
Figure 65: les différentes composantes du rayonnement net. Rg est la rayonnement solaire
global, αs.Rg est le rayonnement solaire réfléchi par la surface, Ra est le rayonnement
atmosphérique incident, ρs.Ra est le rayonnement atmosphérique réfléchi par la
surface et εs.σ.T4s est le rayonnement émis par la surface à la température Ts..........102
Figure 66: les différentes composantes du bilan d’énergie. Rn : rayonnement net (échanges
radiatifs). G : flux de chaleur dans le sol (échanges conductifs). H : flux de chaleur
sensible (échanges convectifs). LE : flux de chaleur latente (échanges convectifs). .105
Figure 67: Signature spectrale des plants témoins et des plants induits en stress au début et
à la fin du stade développement des feuilles...............................................................111
Figure 68: Signature spectrale des plants témoins et des plants induits en stress au début et
à la fin du stade floraison............................................................................................111
Figure 69: Signature spectrale des plants témoins et des plants induits en stress au début et
à la fin du stade fructification. ....................................................................................112
Liste des abréviations
AAC Agriculture et Agroalimentaire Canada
ANOVA ANalysis Of VAriance
AFNOR Association Française de Normalisation
ARVI Atmospherically Resistant Vegetation Index
AVHRR Advanced Very High Resolution Radiometer
CIP Centre International de la Pomme de terre
CNRS Centre National de la Recherche Scientifique (France)
CTV Canopy Temperature Variability
CT Canopy Temperature
CWSI Crop Water Stress Index
DPV Déficit de Pression de Vapeur de l’air
FAO Food and Agriculture Organization of the United Nations
FOV Field Of View
FPA Focal Plane Array
GAAP Laboratoire de Géomatique Agricole et Appliquée
GESAVI Generalized Soil-Adjusted Vegetation Index
ISHS Indice de Stress Hydrique Surfacique
IFOV Instantaneous Field Of View
INRA Institut National de la Recherche Agronomique (France)
LAI Leaf Area Index
NDVI Normalized Difference Vegetation Index
NOAA National Oceanic and Atmospheric Administration
PIR Proche Infrarouge
PVI Perpendicular Vegetation Index
SAVI Soil Adjusted Vegetation Index
SDD Stress Degree-Day
SVAT Sol-Végétation-ATmosphère
TCI Temperature Condition Index
TIMS Thermal Infrared Multispectral Scanner
TSAVI Transformed Soil Adjusted Vegetation Index
TSD Temperature Stress Day
USWCL U.S. Water Conservation Laboratory
VIN Vegetation Index Number
VCI Vegetation Condition Index
VPD Vapor Pressure Deficit
WDI Water Deficit Index
Liste des symboles
aR,PIR Pente de la droite des sols dans l’espace (R, PIR)
B Réflectance dans le bleu
bR,PIR Ordonnée à l’origine de la droite des sols dans l’espace (R, PIR)
c Vitesse de la lumière : 3x108 m.s-1
Cc Capacité volumétrique de l’air (J°C-1m-3)
CO2 Dioxyde de carbone
Cv Capacité volumique de l’air (J°C-1m-3)
γ Constance psychrométrique (kPa°C-1)
γ* γ (1 + rcp/ra), (kPa°C-1)
e Pression de vapeur de l’air (mb)
es Pression de vapeur saturante (mb)
ε Émissivité du corps
fc Fraction de couverture de la végétation
G Flux de chaleur dans le sol (Wm-2)
h Constante de Planck : 6.63x10-34 Js
Hr Humidité relative de l’air
λ Longueur d’onde (m)
λmax Longueur d’onde du maximum d’émission (m)
λEp Flux de chaleur latente potentielle (λEr pour tout rc = rcp), (Wm-2)
λEr Flux de chaleur latente actuelle (λEr pour tout rc), (Wm-2)
∆ Pente de la courbe VPD / Ta (kPa°C-1)
∆ε Incertitude sur l’émissivité
∆Ts Incertitude sur la température de surface (°C)
k Constante de Boltzmann : 1.38x10-23 J.K-1
L Paramètre caractérisant le sol et son degré de couverture
Lintr, atm Luminance intrinsèque de l’atmosphère
M Exitance du corps (Wm-2)
Mb Exitance du corps noir (Wm-2)
Mcn Exitance du corps noir équivalent (Wm-2)
O2 Dioxygène
σ Constante de Stefan-Boltzmann : 5,67032.10-8 Wm-2K-4
σ Écart-type
Pr Probabilité associée à l’observation de la statistique de test F
ra Résistance aérodynamique (sm-1)
rc Résistance du couvert au transport de la vapeur (sm-1)
rcl Résistance de couvert minimum, où rcl = rcp (sm-1)
rcp Résistance du couvert à l’évapotranspiration potentielle (sm-1)
rcu Résistance avec fermeture presque complète des stomates (sm-1)
rcx Résistance de couvert maximale (sm-1)
R Réflectance dans le rouge
Rn Rayonnement net (Wm-2)
S Radiation mesurée par la caméra de thermographie infrarouge
SFi Surface foliaire élémentaire (à l’échelle du pixel)
SFs Σ SFi pour lesquels (Tc – Ta) >= -0.6 °C
xiv

SFt Surface foliaire totale


Sat Radiation atmosphérique
Sc Radiation provenant de la cible
Sr Radiation réfléchie
T Température absolue du corps noir (°K)
Ta Température de l’air (°C)
Tc Température du couvert végétal (°C)
TCN Température émise par l’émetteur du corps noir (°C)
Tct Température d’un couvert végétal témoin (°C)
To Température du sol (°C)
Ts Température de surface (°C)
Tthermo Température du corps noir observée par thermographie (°C)
(Tthermo)corrigé Tthermo corrigée par la régression (°C)
V Réflectance dans le vert
VPD Déficit de pression de vapeur de l’air (kPa)
Wλb Radiation du corps noir (Wm-2µm-1)
Introduction
Les avantages qu’offrent les mesures optiques et thermiques pour l’agriculture sont
multiples. De la détection de stress (Goel et al., 2003; Seelan et al., 2003; Zhang et al.,
2003; Smith et al., 2004) à l’estimation du rendement des cultures (Wiegand et al., 1983;
Hatfield and Pinter, 1993; Moran et al., 1994; Irmak et al., 2000; Orta et al., 2003; Yuan et
al., 2004), l’information issue de la télédétection a fait l’objet de plusieurs études portant
sur la caractérisation de l’état des surfaces agricoles et des cultures. Dans cette vision
globale, la réponse thermique des végétaux sous différentes conditions hydriques est une
voie de recherche fortement exploitée pour le suivi de l’irrigation et la prévention des
conditions de sécheresse. En effet, la mesure directe des variables écophysiologiques
(conductance stomatique et activité photosynthétique) pour identifier l’état hydrique de la
plante est coûteuse en temps et délicate à mettre en œuvre (Luquet, 2002). Plusieurs études
ont relié le bilan thermique des couverts végétaux aux processus physiologiques que sont
l’évapotranspiration et la photosynthèse (Wiegand et al., 1983; Moran et al., 1994; Yuan et
al., 2004). Des méthodes utilisées pour estimer et mesurer ce bilan, la télédétection
infrarouge thermique présente l’avantage de la rapidité et de la facilité d’acquisition. Ceci a
conduit au développement de plusieurs indicateurs de stress hydrique basés sur la relation
qui existe entre la température, les propriétés optiques des végétaux et leur état hydrique.
L’utilisation de ces indicateurs en agriculture de précision se heurte à plusieurs limites. La
plupart des indicateurs a été développée en utilisant des mesures satellitaires et aéroportées
pour établir des diagnostics à l’échelle régionale. Or, les facteurs environnementaux qui
conditionnent la transpiration au niveau de la plante ainsi que la structure du couvert
végétal exigent des mesures plus précises à l’échelle spatiale. L’exploitation de capteurs
optiques et thermiques implique de considérer leur résolution spectrale et spatiale ainsi que
leur position par rapport au soleil pour ne pas limiter les informations qu’ils délivrent et qui
sont utilisées pour les indicateurs. Or, un défi en agriculture de précision est de pouvoir
localiser de façon adéquate les différents changements dans une culture. Les capteurs de
télédétection offrent la possibilité de collecter ces informations de façon exhaustive et à
moindre coût, à différentes échelles et sans être en interaction directe avec les surfaces
observées. Les capteurs satellitaires permettent des mesures à l’échelle régionale, et leurs
résolutions (spatiale et temporelle) actuelles n’offrent pas toujours une meilleure
2

caractérisation de la culture à l’échelle intra-parcellaire. Cette situation nous amène à nous


orienter vers des capteurs aéroportés et embarqués (ou montés sur des unités mobiles) pour
aller chercher des informations à des échelles plus fines, au niveau de la parcelle ou de la
plante. Ce projet vise à développer un outil diagnostic pour la détection précoce et la
prévention du stress hydrique chez la pomme de terre, par la mise au point d’un indicateur
de l’état hydrique directement accessible par thermographie infrarouge embarquée au
travers des mesures multidirectionnelles de la température.
Chapitre 1 - Contexte et problématique de l’étude

1.1 L’eau et l’agriculture


Le souci de produire mieux et en plus grande quantité pour nourrir une population de plus
en plus croissante a engendré un usage fréquent de l’irrigation en milieu agricole. Durant
les trente prochaines années, 80% des ressources vivrières nécessaires à l’alimentation
mondiale proviendront de l’agriculture irriguée (FAO, 1993). Celle-ci est à la base de la
sécurité alimentaire dans plusieurs pays et est fortement subventionnée dans plusieurs
régions du monde. Au Canada 60% des terres irriguées se situent en Alberta (Figure 1). Au
Québec, la région de la Montérégie enregistre 40% des superficies irriguées. L’insuffisance
ou la mauvaise répartition des précipitations combinée au besoin d’assurer une stabilité de
la production entraîne une augmentation des surfaces irriguées (Tsé Bi, 1999).

Figure 1: Répartition des terres irriguées au Canada vers la fin des années 90.
Atlas du Canada (2004).

Les surfaces d’eau sur le globe sont largement supérieures à la superficie des terres
émergées. Cependant, moins de 1% de l’eau disponible est utile à la consommation
humaine. Deux tiers des eaux en provenance des cours d’eau, des lacs et des couches
aquifères sert à l’irrigation. Aujourd’hui, l’agriculture irriguée est le premier consommateur
d’une ressource dont la qualité et la disponibilité se hissent au centre des débats
internationaux.
4

L’utilisation de l’irrigation en agriculture coûte chère pour l’environnement et la santé


humaine. Plusieurs évaluations citent l’agriculture comme l’une des principales sources de
pollution de l’eau (Zalidis et al., 2002; Heathwaite, 2003; Thorburn et al., 2003). Environ
70% des eaux détournées de leur parcours normal sont destinées à l’agriculture irriguée
(FAO, 1993). La pratique de l’agriculture intensive fait souvent appel à une utilisation
répétée d’intrants et à une irrigation importante. Les surfaces d’eau, les cours d’eau et les
eaux souterraines sont alimentés par l’eau de pluie, le ruissellement et l’infiltration de l’eau
superficielle. Dans son parcours, cette eau se charge de particules organiques et minérales,
de bactéries et de sels, ainsi que de plusieurs autres éléments solubles. Le mauvais drainage
associé à l’irrigation entraîne l’augmentation de la salinité ainsi que la pollution des cours
d’eau et de la nappe phréatique par un accroissement de la teneur en nutriments (FAO,
1993), augmentant ainsi les risques de maladies hydriques (choléra, fièvre typhoïde, etc) et
par conséquent des coûts élevés pour la santé (CNRS, 2004).

Les intrants deviennent de plus en plus chers, les ressources en eau de moins en moins
disponibles et les coûts d’irrigation de plus en plus élevés. Comment produire davantage de
manière durable avec moins d’eau ? il est donc nécessaire que des méthodes et des outils
soient proposés afin de réduire la consommation en eau de l’agriculture irriguée ainsi que
ses impacts sur l’environnement, tout en maintenant la sécurité alimentaire des populations.
D’où l’importance d’appliquer les doses requises pour les cultures aux bons moments et
aux bons endroits. Cette solution est prise en compte par les pratiques récentes de
l’agriculture de précision (Seelan et al., 2003).

L’agriculture de précision peut être définie comme une approche «état-diagnostic-réponse»


appliquée spécifiquement à des relations de cause à effet à diverses échelles d’espace, de
temps et de composition dans la production (Viau, 2000). Elle vise à ajuster les pratiques
agricoles aux propriétés du sol et aux besoins des plantes qui sont variables à l’intérieur des
champs, ce qui diffère du traitement uniforme appliqué dans les systèmes conventionnels
(Viau, 2000). Le dosage contrôlé des intrants porte principalement sur l’application de la
chaux, des engrais, des pesticides, de l’eau, des semences et de l’énergie fossile, le travail
du sol et les améliorations foncières (Parent, 2000). Un défi en agriculture de précision est
de pouvoir localiser de façon adéquate les différents changements dans la culture. Ces
5

changements, dans le cas d’un manque d’eau, sont induits par une perturbation du cycle de
l’eau au niveau de la plante.

1.2 Du statut hydrique de la plante à l’état thermique du couvert


végétal

1.2.1 L’importance de l’eau pour la plante


Les besoins de la plante se limitent à l’eau et aux substances minérales du sol, ainsi qu’au
CO2 et O2 de l’atmosphère. Sa matière fraîche est composée d’environ 70 à 80% d’eau
(Heller et al., 1993). L’eau peut être perdue par toutes les surfaces de la plante, cependant
les stomates demeurent la principale voie d’émission de la vapeur d’eau (85 à 100%). Les
stomates (Figure 2) sont des ouvertures microscopiques dans l'épiderme des feuilles
permettant la transpiration et assurant les échanges gazeux entre la plante et l'atmosphère.
La transpiration se manifeste par une perte d’eau sous forme de vapeur d’eau entraînant un
refroidissement des tissus de la plante. Près de 98% de l’eau absorbée par la plante est
perdue par la transpiration. Cette perte est inévitable car les stomates doivent s’ouvrir pour
permettre l’entrée du CO2 et assurer la photosynthèse. De plus, elle entraîne une absorption
supplémentaire d’eau et favorise l’absorption et la circulation des éléments minéraux. Les
stomates se ferment dès que, pour une cause ou pour une autre (sécheresse de l’air,
température excessive, baisse de l’absorption par l’effet du froid, etc.), le déficit hydrique
devient trop important. L’eau participe à la qualité et au rendement de la production
agricole. L’irrigation vient compenser le manque ou l’insuffisance d’eau lorsque le contexte
climatique ne le permet pas.

Figure 2: Diffusion de la vapeur d’eau par les stomates ouverts.


Rioux (2002).
6

1.2.2 Le stress hydrique et ses conséquences


En situation de déficit hydrique, la plante ferme ses stomates pour réduire ses pertes en eau
(Tardieu and Dreyer, 1997). Cette fermeture va entraîner des modifications physiologiques,
morphologiques et phénologiques (Figure 3). L’entrée du CO2 est également verrouillée
lors de cette fermeture, entraînant une perturbation de l’activité photosynthétique. La
fermeture emprisonne une bonne part de l’énergie destinée à être dissipée par transpiration,
ce qui a pour conséquence l’augmentation de la température foliaire. Le stress hydrique a
ainsi un effet direct sur la température de la végétation. Cette augmentation de la
température foliaire permet à la télédétection1 infrarouge thermique d’avoir accès au statut
hydrique de la plante. Selon son intensité et son apparition dans le développement de la
plante, le stress hydrique peut entraîner ou non une perte de qualité et de rendement dans la
production agricole par la modification de la mise en place des capteurs photosynthétiques,
la répartition des assimilas entre les différents organes (tiges, feuilles et graines), la quantité
de graines récoltées et aussi l’accumulation des composés majeurs (lipides, protéines,
glucides) (INRA, 2002).

Figure 3: Influence du stress hydrique sur les variables d'état de la plante.

1
Dans cette étude, la télédétection est prise au sens propre du terme. C’est à dire l’ensemble des
connaissances et techniques utilisées pour déterminer des caractéristiques physiques et biologiques d'objets
par des mesures effectuées à distance, sans contact matériel avec ceux-ci (Office québécois de la langue
française, 2004).
7

1.3 Les outils de détection du stress hydrique


Les paramètres biophysiques et physiologiques de la plante (photosynthèse, conductance
stomatique, teneur en chlorophylle, potentiel hydrique, etc.), du fait de leur relation avec le
statut hydrique de celle-ci, peuvent être utilisés comme des indicateurs de son état
hydrique. Des appareils existants permettent de mesurer directement ces paramètres dans la
culture, afin d’estimer ses besoins en eau et d’effectuer des prévisions de rendement.
Cependant à l’échelle des champs, ces mesures sont coûteuses en temps et délicates à
mettre en œuvre (Luquet, 2002).

Plusieurs des paramètres biophysiques de la végétation sont estimables par télédétection


(Tableau 1). La contrainte hydrique va conduire la plante à une adaptation de sa
morphologie, ce qui va affecter plusieurs variables biophysiques. Les déficits hydriques
longs se traduisent par des changements progressifs dans la structure de la plante, qui visent
à réduire sa surface transpirante (surface foliaire ou LAI). Le LAI (Leaf Area Index) est la
variable de structure la plus importante. Elle caractérise la taille des surfaces d’échange
(rayonnement, eau, carbone, etc.) avec l’atmosphère. C’est la mesure de la surface totale du
feuillage par unité de surface mesurée au sol (Équation 1). Le LAI affecte le spectre de
réflectance de la végétation, c’est aussi un indicateur de croissance végétale (Centre
Canadien de Télédétection, 2004).

Surface foliaire
LAI = Équation 1
Surface au sol
8

Tableau 1: Variables biophysiques estimables par télédétection.


Adapté de Baret (1999).

Variables
VIS, PIR PIR, MIR IRT MOA MOP
biophysiques

Structure LAI +++ +++ + ++ +


du Taux de couverture ++++ ++++ ++ ++ +
couvert Hauteur du couvert - - - ++ -
Contenu en
Propriété +++ - - - -
chlorophylle
des
Contenu en eau - +++ - +++ +++
feuilles
Température - - ++++ - ++
“ ++++ ” précis et robuste ; “ - ” non estimable par télédétection ; VIS : visible ; PIR :
proche infrarouge ; MIR : moyen infrarouge ; IRT : infrarouge thermique ; MOA : micro-
ondes active ; MOP : micro-ondes passives.

1.4 Les indices de végétation associés au stress hydrique


Les indices de végétation (Tableau 2) sont des mesures radiométriques de la variabilité
spatiale et temporelle de l’activité photosynthétique de la végétation (Caloz and Puech,
1996), cette dernière étant en relation avec les variables biophysiques du couvert telles que
l’indice de surface foliaire (LAI), la biomasse totale, la vigueur de la végétation, etc. Ces
variables sont elles-mêmes en relation avec l’état hydrique de la végétation. Leur calcul est
basé sur des combinaisons, linéaires ou non, de valeur de réflectance ou de luminance
acquises dans plusieurs bandes spectrales. Ces variables s'appuient essentiellement sur les
différences des propriétés optiques de la végétation dans le rouge (R : 600-700 nm) et le
proche infrarouge (PIR : 700-1300 nm). Les réflectances dans le PIR augmentent avec la
présence de la végétation, tandis que celles dans le R diminuent. Plusieurs indices ont été
développés pour réduire l’effet de la fraction de sol visible (Soil adjusted indices : SAVI,
TSAVI, OSAVI). L'indice de végétation le plus couramment utilisé est le NDVI
(Normalized Difference Vegetation Index). L’indice de condition de la végétation (VCI,
9

Vegetation Condition Index, (Kogan, 1995)) conçu pour estimer le stress hydrique est
entièrement basé sur le NDVI (Équation 2).

NDVI − NDVImin
VCI = × 100 Équation 2
NDVImax − NDVImin

NDVImin et NDVImax = minimum et maximum du NDVI mesurés sur une période spécifique de 10 jours sur
plusieurs années.
NDVI = valeurs respectives du NDVI sur les périodes de 10 jours.

Tableau 2: Résumé d’indices de végétation définis à partir de données de télédétection.


Adapté de (Caloz and Puech, 1996; Gilabert et al., 2002).

Indices Références
Sans compensation
PIR
VIN =
R
Person et Miller, 1972
PIR − R
NDVI =
PIR + R
Rouse et al., 1974

Avec compensation des effets du sol


( PIR − aR,PIR R − bR,PIR )
PVI = Richardson et Wiegand, 1977
aR ,PIR 2 + 1

PIR − R
SAVI = (1 + L ) Huete, 1988
PIR + R + L

PIR − R
OSAVI =
PIR + R + Y
Rondeaux, Steven et Baret, 1996
PIR − BR − A
GESAVI =
R+Z
Gilabert et al., 2002

Avec compensation des effets atmosphériques


PIR − RB
ARVI =
PIR + RB
RB = R − γ (B − R ) Kaufman et Tanré, 1992
Lint r .,atm . (R )
γ =
[Lint r .,atm. (B ) − Lint r .,atm. (R )]
Avec compensation des effets du sol et de l’atmosphère
aR ,B ( PIR − aR ,B RB − bR ,B )
TSARVI =
RB + aR ,B PIR − aR ,B bR ,B + 0.08 (1 + aR2 ,B ) Bannari, 1996
RB cf. ARVI

L’utilisation des indices de végétation pour une estimation de l’état hydrique de la


végétation permettrait difficilement une détection du stress hydrique au bon moment
10

(détection hâtive avec la fermeture des stomates). La température foliaire étant d’une part
directement associée au bilan hydrique, et d’autres part mesurable par radiométrie, elle a
donné lieu au développement de plusieurs indices spectraux dans l’infrarouge thermique.

1.5 La température du couvert végétal comme indicateur de


l’état hydrique
Plusieurs méthodes ont été utilisées pour estimer et mesurer la température d’un couvert
végétal, cependant l’utilisation de la télédétection infrarouge thermique est celle qui semble
offrir des voies prometteuses. Elle présente l’avantage de la rapidité et de la facilité
d’acquisition, nécessaire pour un diagnostic hydrique. Lorsque la température d’un corps
augmente, il émet une radiation sous forme de rayonnement électromagnétique. Les
capteurs infrarouges thermiques mesurent cette radiation émise dans la bande infrarouge
(IR, 0.7 à 100µm) du spectre électromagnétique (Figure 4) et la relient à la température du
corps par la loi de Stefan-Boltzmann et la loi de Planck (Gaussorgues, 1999).

Figure 4: Spectre électromagnétique.


Adaptée de http://www.solarproducts.com/charts/diagram.jpg, (2004).

1.5.1 Principes physiques

1.5.1.1 Loi de Planck


La loi de Planck (Max Planck, 1858 – 1947) décrit la luminance émise par le corps noir
(blackbody), en fonction de la longueur d'onde et de la température (Équation 3). Elle est à
la base de la possibilité de la mesure des températures par rayonnement.
11

Wλb = 2πhc 2 Équation 3


⎛ hc ⎞
λ ⎜ e λkT − 1⎟
5
⎜ ⎟
⎝ ⎠
Wλ b = Radiation du corps noir (b) à la longueur d’onde λ (W.m-2.µm-1)
c = Vitesse de la lumière : 3x108 m.s-1
h = Constante de Planck : 6.63x10-34 Js
k = Constante de Boltzmann : 1.38x10-23 J.K-1
T = Température absolue du corps noir (K)
λ = Longueur d’onde (m)

1.5.1.2 Loi de déplacement de Wien


La loi de déplacement de Wien est obtenue par la dérivation de la loi de Planck. Elle donne
la longueur d’onde maximale correspondant au maximum de rayonnement d’un corps noir
en fonction de sa température (Équation 4). La température des couverts de pomme de terre
observés dans notre étude est en moyenne de 293°K, leur maximum de rayonnement se
situe donc dans l’infrarouge thermique (λmax = 9.9 µm), de même la température du soleil
avoisinant 6000°K, sa longueur d’onde maximale d’émission se situe dans le visible (λmax =
0.48 µm). La loi de déplacement de Wien explique ainsi le déplacement vers les courtes
longueurs d’onde d’émission des corps de plus en plus chauds (Figure 5).

λmax = 2897.9 Équation 4


T
λmax = Longueur d’onde du maximum d’émission du corps noir (µm)
T = Température du corps noir (K)
12

Figure 5: Déplacement du maximum d'émission vers les courtes longueurs d'onde des corps
de plus en plus chaud.
Adapté de Flir Systems (2000).

1.5.1.3 Loi de Stefan-Boltzmann


La loi de Stefan-Boltzmann est l'intégration sur l’ensemble des longueurs d’onde de la loi
de Planck (Équation 5). Elle exprime l’énergie totale irradiée par un corps noir pour une
température T donnée. Elle montre également que l’émission d’un corps est fortement
dépendante de la valeur de sa température élevée à la puissance 4.

λ =∞
2πhc 2
Mb = ∫ ⎛ hc ⎞ dλ = σT 4 Équation 5
λ =0 5 ⎜ λkT
λ e − 1⎟
⎜ ⎟
⎝ ⎠
Mb = Exitance du corps noir (W.m-2)
c = Vitesse de la lumière : 3x108 m.s-1
h = Constante de Planck : 6.63x10-34 Js
k = Constante de Boltzmann : 1.38x10-23 J.K-1
T = Température absolue du corps noir (K)
λ = Longueur d’onde (m)
σ = constante de Stefan-Boltzmann : 5,67032.10-8 W.m-2.K-4
13

1.5.1.4 L’émissivité et la radiation des surfaces naturelles


Contrairement à un corps noir, les surfaces naturelles ne sont pas des radiateurs parfaits.
L’expression « corps gris » est d’ailleurs employée dans la littérature pour les désigner.
Pour ces corps, la loi de Stefan-Boltzmann intègre la notion d’émissivité (Équation 6).
L’émissivité mesure l’efficacité de radiation d’un corps naturel par rapport à un corps noir
(Équation 7). Elle varie en fonction de la longueur d’onde et est comprise entre 0 et 1.

M = εσT 4 Équation 6

M = exitance du corps (W.m-2)


ε = émissivité du corps

ε= M Équation 7
MCN

ε = émissivité du corps
M = exitance du corps
MCN = exitance du corps noir équivalent

Dans l’infrarouge thermique, certaines surfaces (eau, basalte, végétation) se comportent


comme des corps noirs et leur émissivité approchent 1.

1.5.2 Température de surface et température de couvert


Pour une meilleure compréhension de ce que mesure le radiomètre, il est nécessaire de
clarifier les expressions : température de couvert végétal (Tc), température de surface (Ts)
et température du sol (To). La température du couvert (Tc, Canopy temperature) a été
définie comme la température radiométrique mesurée dans l’infrarouge thermique (IRT) et
pour laquelle la végétation est dominante dans le champ de vue du capteur, l’effet du sol
étant minime (Moran, 2000). To est la température du sol. Ts est la température de surface,
elle intègre tous les objets présents dans le champ de vue du capteur (sol, végétation, ou
tout autre objet). Kustas et al. (1990) ont défini Ts comme une fonction de Tc et To
(Équation 8).

Ts4 = fcTc4 + (1− fc )To4 Équation 8

fc = Fraction de couverture de la végétation


14

lorsque le sol est totalement couvert par la végétation, alors Ts = Tc.

La plupart des surfaces naturelles, tout comme les végétaux, ont leur maximum d’émission
dans l’IRT. Étant donné que la température des feuilles est directement reliée à l’état
hydrique de la plante, plusieurs indices spectraux ont été développés dans l’IRT pour la
détection du stress hydrique. Ces indices font appel à la température radiométrique mesurée
par télédétection.

1.6 Les indices spectraux IRT de détection du stress hydrique


La température de surface des couverts végétaux a conduit au développement de plusieurs
indicateurs de stress hydrique. Le fondement théorique de ces indicateurs repose sur la
relation existant entre la température des plantes et leur état hydrique.

1.6.1 Canopy Temperature (CT)


L’un des premiers indices spectraux IRT utilisé pour l’évaluation de l’état hydrique de la
plante est la température du couvert (Canopy Temperature (CT), (Berliner et al., 1984;
Moran et al., 2000). Sa détermination nécessite uniquement la mesure de la température par
radiométrie. Cet indice est fortement corrélé au statut hydrique de la plante. Cependant,
faute de valeurs de référence, et étant fortement influencé par les conditions du milieu
(humidité, vent, température ambiante, etc.), son utilisation pour la détection du stress
hydrique et le pilotage de l’irrigation est problématique.

1.6.2 Temperature Stress Day (TSD)


L’absence de valeurs de référence dans l’utilisation de CT comme indicateur de stress
hydrique a amené plusieurs auteurs à développer l’indice TSD (Jackson et al., 1983) à
l’aide de plants de référence à proximité de la culture. Ces plants évoluant dans les mêmes
conditions agrométéorologiques que le champ sont alors bien irrigués tout au long du cycle
cultural. Le TSD (Équation 9) mesure la différence de température entre le couvert végétal
de la culture et le couvert d’une parcelle témoin bien irriguée.
15

TSD = Tc − Tct Équation 9


Tc = Température du couvert (°C)
Tct = Température du couvert témoin (°C)

Lorsque les besoins en eau de la culture sont suffisamment comblés, la valeur de TSD
avoisine 0. Pour des valeurs de TSD supérieures à 0, l’alerte de l’irrigation est donnée.

1.6.3 Stress Degree-Day (SDD)


Le SDD (Idso et al., 1977) repose sur la différence entre la température du couvert et la
température de l’air. Il constitue le premier indicateur tenant compte de la correspondance
entre l’évapotranspiration et la température de surface (Luquet, 2002). Le SDD mesure la
différence cumulative entre la température du couvert et la température de l’air (Équation
10).

n
SDD = ∑ (Tc − Ta )i Équation 10
i =1
Tc = Température du couvert végétal mesurée environ 1 heure après le midi solaire (°C)
Ta = Température de l’air mesurée à 1,50 m au-dessus du sol (°C)
n = Jour n

Le SDD permet de suivre l’état hydrique de la culture et d’effectuer des prévisions de


récolte. Selon une étude effectuée sur le blé en Arizona (Kogan, 1995), lorsque la valeur de
SDD devient positive, cela entraîne une perte de rendement.

1.6.4 Temperature Condition Index (TCI)


L’indice de condition de température ou TCI (Kogan, 1995) (Équation 11) de même que le
VCI (Vegetation Condition Index, Équation 2) sont des indices de sécheresse basés sur la
radiation émise et réfléchie par la couverture végétale (Vogt et al., 2000). Ils sont utilisés
pour estimer la vigueur de la végétation, et par conséquent sa condition hydrique. Ces
indicateurs ont été conçus pour utiliser des mesures satellitaires comme celles du capteur
AVHRR (Advanced Very High Resolution Radiometer) du satellite NOAA (National
Oceanic and Atmospheric Administration). Le TCI varie dans l’intervalle [0, 100].
16

Ts max − Ts
TCI = × 100 Équation 11
Ts max − Ts min

Ts = Température de surface (°C)


Ts max et Ts min = Maximum et minimum de Ts sur plusieurs années (°C)

1.6.5 Canopy Temperature Variability (CTV)


Étant donné que le sol n’est pas homogène à l’intérieur d’un champ, le manque d’eau va
entraîner une variabilité spatiale de la température du couvert. La variabilité de la
température du couvert végétal à l’intérieur d’une parcelle est ainsi utilisée comme un
indicateur de stress hydrique à l’intérieur de cette parcelle (Berliner et al., 1984; Bariou et
al., 1985a; Penuelas et al., 1992; Moran, 2000). Le CTV est l’écart-type de la température
moyenne du couvert (Équation 12).

CTV = σ (Tc ) Équation 12

σ = Écart-type
Tc = Température du couvert végétal (°C)

Lorsque la valeur du CTV excède 0.7, le couvert est considéré en stress hydrique. L’un des
avantages de l’indice CTV est qu’il ne nécessite pas la mesure de la température de l’air, et
peut être calculé avec des valeurs de Tc acquises à partir de capteurs IRT aéroportés sans
correction atmosphérique (Moran, 2000).

Les facteurs environnementaux constituant un frein à ces premiers indices précités, des
modèles plus complexes, alliant la mesure de la température de surface par des capteurs
IRT et la physique de l’évapotranspiration, ont été élaborés. Parmi ceux-ci, citons le Crop
Water Stress Index (Wiegand et al., 1983) et le Water Deficit Index (WDI, (Moran et al.,
1994)) qui sont bien connus.

1.6.6 Crop Water Stress Index (CWSI)


À partir du bilan d’énergie (Annexe 1), Monteith et Szeicz (1962) ont développé une
expression mettant en relation la différence entre la température du couvert végétale et celle
de l’air (Tc –Ta) et la radiation nette, la vitesse du vent, le déficit de pression de vapeur de
17

l’air, la résistance aérodynamique et la résistance du couvert (Équation 13). Cette équation


est la base théorique du développement de l’indice CWSI par Jackson et ses collègues (Idso
et al., 1981a) (Équation 14).

γ ⎛⎜ 1 +
rc ⎞

(Tc − Ta ) = raCRn ⎝ ra ⎠
− VPD Équation 13
∆ + γ ⎜ 1 + ⎟ ∆ + γ ⎛⎜ 1 + c ⎞⎟

c rc ⎞ r
⎝ ra ⎠ ⎝ ra ⎠

Rn = rayonnement net (Wm-2)


Cc = capacité volumétrique de l’air (J °C-1 m-3)
∆ = pente de la courbe mettant en relation la pression de vapeur saturante et la température (kPa °C-1)
VPD = déficit de pression de vapeur de l’air (kPa)
γ = constance psychrométrique (kPa °C-1)
ra = résistance aérodynamique (sm-1)
rc = résistance du couvert au transport de la vapeur (sm-1)

γ ⎜⎛ 1 +
rc ⎞
−γ *
λ Er ⎝ ra ⎟⎠
CWSI _ J = 1 − = Équation 14
λE p
∆ + γ ⎛⎜ 1 + c ⎞⎟
r
⎝ ra ⎠

λ Er = flux de chaleur latente actuelle (λEr pour tout rc), (Wm-2)


λE p = flux de chaleur latente potentielle (λEr pour tout rc = rcp), (Wm-2)
rcp = résistance du couvert à l’évapotranspiration potentielle (sm-1).
⎛ r ⎞
γ * = γ ⎜ 1 + cp ⎟ , (kPa °C-1)
⎝ ra ⎠

Un modèle empirique du CWSI a été développé par Idso (Équation 15). Son calcul fait
appel à deux lignes de base : la ligne de base « non-stressée », qui représente les plants dont
l’apport en eau n’est pas limité, et la ligne de base « du maximum de stress », qui
représente les plants soumis à un déficit hydrique extrême (Figure 6). Le calcul de la ligne
de base fait appel à la relation linéaire qui existe entre (Tc - Ta) et le VPD dans des
conditions d’apports en eau maximales. Plusieurs études expérimentales (Idso, 1982; Jones,
1999) ont montré que la ligne de base « non-stressée » peut varier selon le type de culture
et les conditions agroclimatiques dans lesquelles celle-ci évolue.
18

CWSI _ I = 1 −
λEr = (Tc − Ta )l − (Tc − Ta )r Équation 15
λE p (Tc − Ta )l − (Tc − Ta )u

Où les indices l, u et r indiquent respectivement le minimum, le maximum et la valeur


mesurée de la différence de température (Tc – Ta).

Pour une végétation entièrement couvrante avec suffisamment d’eau :

γ ⎛⎜ 1 +
rcl ⎞
rR ⎝ ra ⎟⎠
(Tc − Ta )l = a n − VPD Équation 16
∆ + γ ⎛⎜ 1 + cl ⎞⎟ ∆ + γ ⎛⎜ 1 + cl ⎞⎟
Cv r r
⎝ ra ⎠ ⎝ ra ⎠
Où rcl = rcp

Pour une végétation entièrement couvrante avec une indisponibilité en eau :

γ ⎛⎜ 1 +
rcu ⎞
raRn ⎝ ra ⎟⎠
(Tc − Ta )u = − VPD Équation 17
∆ + γ ⎛⎜ 1 + cu ⎞⎟ ∆ + γ ⎛⎜ 1 + cu ⎞⎟
Cv r r
⎝ r a ⎠ ⎝ ra ⎠

rcu = résistance du couvert associée à une fermeture presque complète des stomates.

Figure 6 : Relation entre le VPD et (Ts-Ta) permettant le calcul du CWSI.


Adapté de USWCL (2004).

L’utilisation du CWSI a obtenu un succès assez considérable aux États-Unis (Luquet, 2002)
et a conduit à la commercialisation d’instruments de mesures du CWSI au champ. C’est le
cas du radiothermomètre Everest Interscience Model 100.3ZL (Everest Interscience Inc.,
19

AZ, USA). Un des avantages du CWSI est sa relation avec le rendement de la culture. En
effet, le CWSI est négativement corrélé au rendement. Son application à l’échelle locale et
régionale est cependant entravée par la difficulté de mesurer la température des couverts
hétérogènes. La plupart des capteurs infrarouges au sol, aéroportés ou satellitaires mesurent
une température composite du sol et de la végétation (Figure 7). Quand la végétation est
clairsemée, la température du sol domine la température de surface mesurée par le capteur
IRT et biaise l’interprétation du CWSI. À cet effet, Jackson et al. (1983) cités par Moran et
al. (1994), ont émis cet avertissement : « il est important que le sol n’apparaisse pas dans le
champ de vue du thermomètre infrarouge. La température du sol peut être grandement
différente de celle de la végétation et sa présence dans la mesure peut entraîner des erreurs
importantes dans le CWSI ». Selon Moran et al. (1994), une approche de solution serait de
combiner aux mesures de thermographie infrarouge des indices de végétation pour corriger
la fraction de sol visible par le capteur, ou de circonscrire les mesures IRT à l’échelle de la
feuille.

Figure 7: Mise en évidence de la température composite mesurée par radiothermométrie.

1.6.7 Water Deficit Index (WDI)


Le concept du trapèze, combinant les indices de végétation spectraux (Tableau 2) et la
température des couverts hétérogènes, est proposé pour permettre une application du CWSI
à la végétation partiellement couvrante. Suivant cette approche, un nouvel indice, le WDI, a
été développé par Moran et al. (1994), pour évaluer le taux d’évaporation des végétations
entièrement et partiellement couvrantes. Le calcul du WDI fait appel à la température et à la
20

réflectance (rouge et proche infrarouge) du couvert, ainsi qu’à un nombre de données


météorologiques du site (la radiation nette, le déficit de pression de vapeur de l’air, la
vitesse du vent et la température de l’air).

Luquet (2002) décrit le calcul du WDI, basé sur la construction, expérimentale ou


théorique, d’un trapèze (Figure 8) dont les quatre sommets correspondent aux conditions
extrêmes de la culture en termes de taux de couverture et de température. La construction
de ce trapèze repose sur l’hypothèse de linéarité à ses bornes. Toutes les combinaisons
entre le taux de couverture et (Tc - Ta) sont supposées contenues dans le trapèze,
permettant alors de calculer le WDI (Équation 22 à Équation 24) de façon similaire au
CWSI, mais pour un taux de couverture donné. Les valeurs des sommets du trapèze sont
calculées (Équation 18 à Équation 21) à l’aide de l’équation du bilan d’énergie (Annexe 1).

1 + rcp ⎞
γ ⎛⎜
ra ( Rn − G ) ⎝ ra ⎟⎠
(Ts − Ta )1 = ×
1 + rcp ⎞
− VPD Équation 18
Cv
∆ + γ ⎛⎜ ⎛ 1 + rcp ⎞
⎟ ∆ + γ ⎜ ra ⎟
⎝ ra ⎠ ⎝ ⎠
Ts = Température de surface (°C)
G = Flux de chaleur dans le sol (Wm-2)
Cv = Capacité volumique de l’air (J °C-1m-3)

(Ts − Ta )2 =
ra ( Rn − G )
×
(
γ 1 + rcx
ra )
− VPD Équation 19
Cv ∆ +γ 1 +
(
rcx
ra ) (
∆ + γ 1 + rcx
ra )
rcx = Résistance de couvert maximale.

ra ( Rn − G ) γ
(Ts − Ta )3 = × − VPD Équation 20
Cv ( ∆ + γ ) (∆ + γ )

ra ( Rn − G )
(Ts − Ta )4 = Cv
Équation 21
21

Figure 8: Illustration du WDI calculé par la méthode du trapèze.


Adapté de Moran et al. (1994).

(Ts − Ta ) − (Ts − Ta )L13


WDI = Équation 22
(Ts − Ta )L 24 − (Ts − Ta )L13

(Ts − Ta ) = (Ts – Ta) pour un pourcentage de couvert donné


(Ts − Ta )L13 = valeur de (Ts – Ta) sur la ligne 1, 3 (très irriguée)
(Ts − Ta )L 24 = valeur de (Ts – Ta) sur la ligne 2, 4 (très sèche)

Graphiquement, la valeur de l’indice WDI est définie par le rapport de distances AC/AB :

AC
WDI = Équation 23
AB

Le rapport de l’évapotranspiration réelle et potentielle équivaut au rapport de distances


CB/AB, d’où :

WDI = 1 −
λ Er
Équation 24
λEp

Le calcul du WDI nécessite de connaître le taux de couverture de la végétation estimable


par télédétection à partir des indices de végétation tels que le NDVI et le SAVI (Tableau 2).
La méthode a été développée afin d’utiliser des mesures satellitaires ou aéroportées.
Cependant, la résolution temporelle et spatiale des mesures satellitaires n’offrent pas
actuellement un suivi rigoureux de l’état hydrique de la culture à l’échelle de la parcelle.
22

Dans les régions arides et semi-arides, la thermométrie infrarouge est un bon indicateur du
stress hydrique des végétaux, cependant elle est confrontée à une sévère limitation en
climat humide et pour des régions soumises à de fortes variations climatiques (Hipps et al.,
1985). En plus de la dimension temporelle et des contraintes météorologiques, le WDI
présente des faiblesses dans le cas de couverts fortement hétérogènes où les effets
d’ombrage peuvent être déterminant dans la caractérisation de la température de surface
(Luquet et al., 2004).

Les limites constatées avec les indicateurs de stress ont conduit au développement de
méthodes 3D qui offrent la possibilité d’étudier la représentativité de l’information
thermique au niveau de la feuille, de la plante et du couvert. Ces approches 3D ont été
développées afin de mieux considérer la complexité des échanges thermiques au sein du
système SVAT (sol-végétation-atmosphère), pour une meilleure évaluation de l’intensité du
stress subi par la culture, sa représentativité dans le couvert et sa signification en terme de
réduction de la transpiration (Luquet et al., 2001; Luquet, 2002). Cependant si cette
méthode s’avère réaliste, elle pose le problème de lourdeur des mesures architecturales
couplées à une digitalisation 3D, qui demande un équipement onéreux et un personnel
qualifié (Luquet, 2002).

Une solution pour palier à la faiblesse des capteurs utilisant la spectroradiométrie


infrarouge thermique dans la mesure de la température des couverts hétérogènes est de faire
appel à des capteurs imageurs. Ces capteurs restituent l’aspect spatial de la mesure, et
permettent d’identifier la végétation sur la scène mesurée. Les caméras de thermographie
infrarouge, de plus en plus utilisées dans l’industrie et le milieu médical, apportent cette
solution.

1.7 Mesure de la température par thermographie infrarouge

1.7.1 Principe
L’Association Française de Normalisation (AFNOR), dans sa norme expérimentale A 09-
400, définit la thermographie comme une « technique permettant d’obtenir, au moyen d’un
appareillage appropié, l’image thermique d’une scène thermique dans un domaine spectral
23

de l’infrarouge » (Caniou, 1991). La thermographie infrarouge est donc un procédé de


télédétection qui fait appel aux lois du rayonnement électromagnétique (§1.5.1) pour
convertir la radiation infrarouge thermique de toute surface d’objets, invisible à l’œil nu, en
image visible (Figure 9). Elle utilise des radiomètres imageurs (caméras infrarouges, Figure
10) au sol ou aéroportés. Le fait que le rayonnement soit une fonction de la température de
surface de l’objet, leur permettent de calculer et d’afficher cette température. Les images
ainsi obtenues permettent de visualiser des différences de température qui autrement
seraient demeurées inaperçues. Contrairement aux caméras classiques qui ne captent que
des longueurs d’ondes comprises entre 0.4 et 0.7 micromètres (bande spectrale du visible),
la caméra infrarouge travaille dans la bande comprise entre 2 et 15 micromètres (infrarouge
thermique). Cette propriété d’imagerie thermique associée à la thermographie infrarouge a
donné lieu à de nombreuses applications.

Figure 9 : De la scène thermique à la thermographie.


Institut de la thermographie (2004).
24

Figure 10 : Caméra de thermographie infrarouge ThermaCAM® SC 3000 (FLIR Systems


Inc., MA, USA).
http://www.flirthermography.com/canada/cameras/camera/1008/, (2004/08/30).

1.7.2 Applications
Les premiers appareils militaires pour la visualisation du rayonnement thermique virent le
jour aux États-Unis, à la fin des années cinquante. Près de dix ans plus tard, les premiers
équipements industriels de mesure étaient conçus et réalisés par la société suédoise AGA
Infrared Systems. Ces appareils furent immédiatement adoptés par le monde médical,
surtout à des fins de détection et de suivi de tumeurs cancéreuses. Aujourd’hui la
thermographie infrarouge connaît de nombreuses applications (Figure 11) dans les
industries du bâtiment, de l’électricité et de la pétrochimie, pour la détection des fuites, le
contrôle de la pollution pétrolière, la surveillance des incendies, l’analyse météorologique,
géographique ou médicale. Elle fait l’objet de plusieurs travaux de recherche dans le milieu
agricole principalement pour la détection du stress hydrique et le suivi de l’irrigation
(Luquet et al., 2003; Chaerle et Straeten, 2001).
25

Figure 11: Applications de la thermographie, a) Suivi de l'incubation d’œufs, b)


Cartographie des températures de surface, c) Détection d’une fuite d'air frais à l'intérieur
d'une résidence en hiver, d) Suivi du niveau d'huile dans un transformateur, e) Détection de
maladie des feuilles.
Adapté de a) Brecht et al. (2002), b) Direction de la technologie (2004), c) Sierra Pacific
Infrared Thermography (2004), d) FLIR Systems (2002), e) Chaerle et Straeten (2001).

1.7.3 Limitations
La radiation mesurée par les caméras de thermographie infrarouge n’est pas seulement
dépendante de la température de l’objet, elle est aussi fonction de l’émissivité (§1.5.1.4 et
§3.3.5.2.3). La radiation de l’objet est influencée par la radiation réfléchie et l’interaction
du rayonnement avec l’atmosphère (Figure 12). La radiation réfléchie est la radiation
incidente sur l’objet, émise par d’autres sources dans son environnement et réfléchie par
celui-ci. L’interaction avec l’atmosphère se situe à trois niveaux (Caniou, 1991) :
26

• L’absorption et la diffusion par les particules atmosphériques provoquent une


atténuation du flux transmis par dissipation de l’énergie.
• L’émission par thermorayonnance sélective des constituants de l’atmosphère, ou
réflexion diffuse sur les particules, entraîne un flux émis qui vient se superposer à
celui de la cible. L’influence de cette émission sur la mesure effectuée par la caméra
est dépendante de l’épaisseur atmosphérique (grandeur d’influence pour les mesures
à longue distance).
• Les mouvements de l’air entraînent des variations locales de température, de
pression et d’humidité, provoquant des fluctuations de l’indice de réfraction de
l’atmosphère. Cette turbulence atmosphérique déforme le front d’onde et infléchit la
trajectoire des rayons énergétiques.

Figure 12 : Composition de la radiation infrarouge thermique reçue par un capteur


thermique.
Adapté de Williams (1988).

Pour des surfaces très réfléchissantes, l’émission due à la réflexion devient très importante ;
aucune mesure par thermographie n’est alors possible, l’émission propre devenant
pratiquement nulle (Gaussorgues, 1999). La détection par thermographie devient également
difficile lorsque la température de l’objet est très proche de celle du milieu ambiant.
Williams (1988) a modélisé la radiation mesurée par la caméra de thermographie infrarouge
selon trois sources d’émission influençant la mesure (Équation 25).

S = Sc + Sr + Sat Équation 25

Sc = Radiation provenant de la cible


Sr = Radiation réfléchie
Sat = Radiation atmosphérique
27

La plupart des caméras de thermographie infrarouge intègrent des procédures de correction


pour réduire ou éliminer l’incertitude induite par les facteurs qui limitent la mesure de
température par radiométrie.
Chapitre 2 - Hypothèses et Objectifs de recherche
Les fondements théoriques et les faiblesses soulevées dans la présentation de la
problématique justifient la mise au point d’un indicateur de stress hydrique qui soit
accessible par télédétection infrarouge thermique, et qui constitue un outil de diagnostic
applicable dans un contexte d’agriculture de précision. Des mesures avec une caméra de
thermographie infrarouge associées à l’imagerie optique pourraient répondre à ce besoin.

2.1 Objectifs de l’étude


La présente étude a pour objectif principal la détection précoce du stress hydrique d’une
culture, telle que la pomme de terre, à l’aide d’un indicateur de l’état hydrique accessible
par thermographie infrarouge. La réalisation de ce projet s’appuiera sur les objectifs
spécifiques suivants:

1. Caractériser l’environnement de la culture par la mesure des variables d’état du


système Sol-Végétation-Atmosphère (SVAT).
2. Étudier les réactions physiologiques de la pomme de terre face au stress hydrique à
travers les variations de la photosynthèse, de la conductance stomatique, de la
concentration en chlorophylle et de la surface foliaire.
3. Mesurer l’impact du stress hydrique sur le rendement des tubercules selon le stade
phénologique d’induction du stress.
4. Simuler la variabilité spatiale d’un champ en effectuant des mesures de
thermographie infrarouge sur des couverts mixtes, composés de plants bien irrigués
et de plants induits en stress hydrique.
5. Identifier les angles de visée qui permettent une meilleure détection des plants en
situation de stress hydrique sur la thermographie, à travers des mesures
multiangulaires d’un couvert mixte.
6. Étudier la variation de la réponse thermique du couvert végétal face au stress
hydrique selon le cultivar, le stade de croissance et la variabilité spatiale.
7. Étudier la variation de la signature spectrale de la végétation selon l’intensité et la
durée du stress hydrique.
8. Créer un masque de la thermographie du couvert végétal à partir de l’imagerie
visible et des caractéristiques spectrales de la végétation dans le visible.
9. Évaluer le potentiel de détection du stress hydrique des indices spectraux
infrarouges thermiques existants, à travers des mesures de thermographie
infrarouge.
10. Combiner la surface foliaire et la différence entre la température du couvert végétal
et la température de l’air au développement d’un nouvel indice de stress hydrique.
29

2.2 Hypothèses de recherche


Les objectifs visés dans cette étude s’articulent autour du fait que la thermographie
infrarouge présente des atouts pour détecter les besoins en eau chez la plante. La mise à
l’épreuve des hypothèses ci-dessous dans la suite de notre travail va montrer pourquoi il est
important de détecter le stress relié au manque d’eau chez une culture comme la pomme de
terre, quels sont les problèmes qui peuvent entraver cette détection et quelles sont les
solutions qui peuvent être apportées.

1. La condition hydrique de la plante est dépendante des conditions hydriques du


système SVAT.
2. Le stress hydrique peut affecter significativement les variables physiologiques, que
sont la température, la photosynthèse, la conductance stomatique, la concentration
en chlorophylle et la surface foliaire, dans une culture comme celle de la pomme de
terre.
3. Le stress hydrique peut se traduire par une baisse de rendement chez la pomme de
terre.
4. Il est possible de discriminer de façon précoce, dans une culture, les zones en
situation de déficit hydrique de celles qui ne le sont pas, par la mesure de la
température du couvert à partir d’une caméra de thermographie infrarouge.
5. Les angles de visée au voisinage du nadir offrent une meilleure discrimination du
couvert végétal en situation de stress hydrique.
6. La réponse thermique de la culture est variable selon son état hydrique, le type de
couvert, son stade de croissance et sa variabilité spatiale.
7. L’allure générale de la signature spectrale de la végétation dans le visible demeure
constante lors d’une détection hâtive du stress hydrique.
8. L’image visible peut être utilisée pour différencier le sol de la végétation sur la
thermographie.
9. L’utilisation de capteurs imageurs à haute résolution spatiale en thermographie
permet d’améliorer la capacité des indicateurs de stress hydrique existants.
10. La thermographie infrarouge permet une bonne connaissance du bilan thermique à
la surface du couvert végétal.
Chapitre 3 - Matériel et méthodes

3.1 La pomme de terre comme matériel végétal


La pomme de terre (Solanum tuberosum L.), appartient à la famille des solanacées et en est
la plus importante sur le plan alimentaire et économique. Elle est originaire de la cordillère
des andes.

La pomme de terre est l’une des plus importantes et des plus populaires cultures à travers le
monde ( Kashyap et Panda, 2003), elle est cultivée dans quelques 130 pays. La production
mondiale actuelle est d’environ 311 millions de tonnes de tubercules frais pour une
superficie cultivée de 19.2 millions d’hectares (FAO, 2004). Elle est la plus importante
culture légumière au Canada. Au cours de l’année 2000, elle y a généré 33% des revenus de
toutes les récoltes agricoles, soit 670 millions de dollars (AAC, 2000). Dans beaucoup de
régions du monde, on assiste à une augmentation des superficies irriguées. Il existe des
possibilités considérables d’accroissement de la superficie cultivée et de la productivité
dans de nombreux pays en développement, en particulier ceux des climats chauds (CIP,
1999). Selon le CIP (1999), la production de pomme de terre dans les pays en
développement est en expansion depuis la fin des années 1990 : augmentation de 4.5% de
la production annuelle de tubercules et de 2.4% de la superficie ensemencée. Elle est
accompagnée d’une baisse du taux de croissance des superficies en maïs, en blé et en riz,
particulièrement en Asie. L’augmentation des zones irriguées est le principal facteur de
cette expansion.

Plusieurs facteurs influenceront la croissance future de la production de la pomme de terre.


L’escalade du coût de l’énergie et le manque d’eau en Amérique du Nord pourrait
influencer les décisions quant aux superficies irriguées à mettre en culture (Thibault, 2003).

3.1.1 Reproduction et stades de développement


La pomme de terre peut être reproduite par graine (reproduction sexuée) ou par
multiplication végétative. La reproduction par graine est très peu pratiquée dans le milieu
agricole. Les tubercules de pomme de terre qui lui confèrent sa valeur alimentaire et
31

économique sont le plus couramment utilisés comme semence. Le cycle de croissance ou


de développement de la pomme de terre est très court (trois à quatre mois). Il peut être
divisé en plusieurs stades conditionnés par des facteurs génétiques et environnementaux. La
Figure 13 illustre plusieurs étapes importantes dans le cycle de développement de la
pomme de terre. Ces stades sont énumérés de façon détaillée ci-dessous :

- La germination et l’émergence du plantule;


- Le développement des feuilles (30 à 40 jours après l’émergence (JAE));
- La formation des tubercules et l’émergence de l’inflorescence (50 à 60 JAE);
- La floraison et le développement des tubercules (60 à 80 JAE);
- Le développement des fruits et la poursuite du développement des tubercules (70 à 90
JAE);
- La sénescence des feuilles et l’arrêt de développement des tubercules (85 à 130 JAE).

La formation du tubercule est optimale lorsque la température est inférieure à 18°C et que
les jours sont courts (12 h). Au contraire, le développement de l'appareil végétatif est
favorisé par des températures élevées (> 25°C) et des jours longs (entre 14 h et 18 h). Le
plant de pomme de terre se caractérise par un système racinaire superficiel et il est sensible
aux températures élevées.
32

Figure 13 : Stades de développement de la pomme de terre.

3.1.2 Besoins en eau


Plusieurs auteurs s’accordent pour dire que l’irrigation dans la culture de la pomme de terre
est quasi nécessaire (Thibault, 2003; Kashyap et Panda, 2003; Heuer et Nadler, 1998; Tsé
Bi, 1999; Stark et Wright, 1985). L’importance de l’irrigation dans la culture de la pomme
de terre au Québec est mentionnée par Gallichand et Broughton (1993), qui ont observé que
les cultures souffrent de déficit hydrique dans le Sud-Ouest du Québec, concluant que ce
déficit est dû à une mauvaise répartition des précipitations. Ces dernières années, des
conditions climatiques défavorables (sécheresse survenant à des moments critiques de la
production) au Québec, ont provoqué une baisse de rendement considérable, surtout à l’été
33

2002 (30 à 40% ) dans la production de la pomme de terre (Thibault, 2003). Cependant,
l’irrigation de la pomme de terre requiert des coûts élevés et des quantités d’eau
importantes. Ses besoins en eau varient au cours du cycle végétatif et aussi en fonction de
la date de maturité du cultivar, de la densité des plants, de la capacité de rétention d’eau du
sol, des conditions climatiques, des pratiques culturales et du système racinaire. Ils sont
surtout importants au moment de l’initiation des tubercules car un stress hydrique se
manifestant à ce stade peut entraîner une réduction du nombre d’ébauches formées par
plante (Bernhards, 1998) et aussi engendrer des tubercules de moins bonne qualité (Stark
and Wright, 1985). Selon Tsé Bi (1999), les besoins en eau de la pomme de terre sont plus
importants aux phases d’émergence et de croissance des tubercules. Une étude a été menée
sur la réponse de la pomme de terre au stress hydrique sous sept traitements d’irrigation à
quatre stades de croissance ( Kashyap et Panda, 2003). Les résultats obtenus montrent
l’effet de la période d’induction du stress sur le rendement. Un stress hydrique survenant à
la maturation cause moins de pertes de rendement qu’un stress survenant plutôt dans le
développement ou au stade de la formation des tubercules. Selon leurs résultats, il semble
que la période de croissance la plus sensible au stress hydrique soit le début de
développement. L’étude indique également qu’un déficit d’irrigation à des stades de
croissance appropriés peut conduire à une meilleure utilisation de l’eau par la plante, sans
toutefois avoir de conséquences défavorables sur le rendement.

Le tubercule de la pomme de terre est constitué d’eau pour environ les trois quarts de son
poids. La hauteur des plants, la surface foliaire et le poids des tubercules frais sont
significativement réduits par la salinité et le manque d’eau (Heuer and Nadler, 1998). Le
manque d’eau peut réduire le volume du feuillage par la diminution ou l’arrêt de la
croissance des feuilles et aussi accélérer la sénescence des feuilles les plus basses. Il est
maintenant connu qu’une exposition précoce à la sécheresse, avant l’initiation des 2stolons
affecte le poids des tubercules (Heuer and Nadler, 1998). Selon le stade phénologique de la
pomme de terre, le déficit hydrique entraîne :

- une réduction du nombre de tubercule lors de l’initiation des tubercules,


- une réduction et non uniformité du calibre des tubercules au stade de grossissement,

2
Extrémités renflées des tiges souterraines où se forment les tubercules.
34

- une accélération des effets néfastes des ravageurs comme le verticillium et les
nématodes,
- une non uniformité de la maturité des tubercules,
- une perte de qualité (galles, fente de croissance, cœur creux, etc).

Un excès d’eau limite, quant à lui, le développement des racines et retarde la maturité. Il
peut causer le pourrissement des plants ou des tubercules-fils. La production de pommes de
terre sous irrigation est en forte expansion dans l'Ouest canadien. Les producteurs
appliquent des engrais et des pesticides afin d'obtenir des rendements élevés. Toutefois, le
lessivage de ces produits dans l'eau souterraine est souvent considéré comme le plus grand
risque de la culture sous irrigation, particulièrement lorsque la conduite des cultures n’est
pas effectuée adéquatement ( AAC, 2004).

3.2 Site et dispositif expérimental


Les expériences au cours de cette étude ont été menées en serre du 06 février au 29 avril
2003 à l’Université Laval, Québec, Canada. La stabilité environnementale assurée par la
serre justifie cette première évaluation de la thermographie dans un tel milieu. Une
meilleure identification des potentialités de la thermographie infrarouge pour le suivi de
l’état hydrique de la culture, requiert le contrôle de certains paramètres du milieu, qui
peuvent être imprévisibles (vent, plus, forte chaleur, etc). Le stress hydrique a été induit à
quatre stades de croissance par un arrêt total de l’apport en eau. Les plants de pomme de
terre ont été disposés dans la serre selon un plan factoriel en split-plot (en parcelles
subdivisées, Figure 14). Le plan d’expérience comprend cinq blocs (A, B, C, D, E), dans
lesquels on retrouve deux variétés de pomme de terre (Highlit et Cheiftain), et pour
chacune des variétés, l’induction du stress hydrique est effectuée à quatre stades de
croissance (stade 1, stade 2, stade 3 et stade 4) correspondant respectivement au stade de
développement des feuilles, d’initiation de la tubérisation, de floraison et de fructification
(Figure 15, Tableau 3).
35

SERRE

BLOC A BLOC B BLOC C BLOC D BLOC E

VARIÉTÉ 1 VARIÉTÉ 2

PLANTS PLANTS SOUS


TÉMOINS STRESS

STADE 1 STADE 2 STADE 3 STADE 4

Figure 14 : Plan d’expérience.

Figure 15 : Organisation des plants en serre.


36

Tableau 3 : Dates d’arrêt de l’apport en eau des plants induits en stress hydrique.
Stade de croissance Application de la contrainte hydrique
Arrêt de l’apport en eau
Développement des feuilles 05 mars 2003
Initiation de tubérisation 18 mars 2003
Floraison 10 avril 2003
Fructification 22 avril 2003

3.3 Outils et méthodologie expérimentale


L’étude a été menée en considérant une approche systémique pour caractériser les variables
d’état du système sol-végétation-atmosphère (SVAT). Les mesures de température foliaire
par thermographie infrarouge ont été effectuées à plusieurs niveaux d’échelle (feuille,
plante, bloc de plants) et selon plusieurs angles de visée avec la caméra infrarouge
thermique ThermaCAMTM SC 2000 (Flir system, Boston, USA). Ces mesures ont été prises
au même moment que les mesures d’humidité du sol et les données de la station
météorologique de la serre. Ainsi la caractérisation du système SVAT (Figure 16) est
effectuée par le suivi et les mesures directes des conditions d’état du sol (température et
humidité), de la plante (photosynthèse, taux de chlorophylle, température foliaire, surface
foliaire) et de l’atmosphère (température de l’air, humidité relative de l’air). En plus de la
radiothermométrie, des données de réflectance dans le visible, le proche infrarouge et le
moyen infrarouge ont été prises en utilisant un spectroradiomètre FieldSpec Pro FR
(Analytical Spectral Devices inc., CO, USA) (Tableau 4).
37

Figure 16 : Variables d'état du système Sol-Végétation-Atmosphère (SVAT).


38

Tableau 4 : Les variables des conditions d’état du système SVAT et leur acquisition.
Variable d’état
Appareil de mesure Période ou date Vocation de la
mesurée
utilisé d’acquisition variable
Connaissance des
Température de Station
conditions
l’air. météorologique Li- Continue
atmosphériques.
ATMOSPHÈRE

COR
Humidité Station
relative de l’air. météorologique Li- Continue "
COR
Station Connaissance des
Éclairement
météorologique Li- continue conditions
COR atmosphériques.
Caractéristiques
Réflectance des Pendant
Spectroradiomètre spectrales de la
feuilles. l’acquisition des
ASD végétation.
thermographies.
Activité
Photosynthèse.
LI-6400 " physiologique.

Conductance Conditions hydriques


VÉGÉTATION

stomatique. LI-6400 " des plants.

Teneur en Activité
SPAD "
chlorophylle physiologique.
ThermaCAM SC Mesurer la croissance
Phénologie
2000 " des plants.
Caméra visible
Surface foliaire.
LI-3000 " Croissance des plants.
Température Radiothermomètre Tous les deux
radiométrique ThermaCAM SC jours après l’arrêt
"
(thermographie). 2000 de l’apport en eau

Humidité du sol
Pendant
(potentiel Conditions hydriques
Tensiomètre l’acquisition des
hydrique du sol). du sol.
thermographies.
SOL

Température du Station
Conditions thermiques
sol. météorologique Li- Continue
du sol.
COR
39

3.3.1 Observations météorologiques


Une station agro-météorologique LI-1401 (LICOR Inc., NE, USA) (Figure 17) a permis de
mesurer les données météorologiques à l’intérieur de la serre. Des capteurs installés en
plusieurs points de la serre et rattachés à la station ont collecté l’humidité relative, la
température de l’air, la radiation solaire globale dans la bande spectrale 280-2800 nm, la
radiation photosynthétique active ou PAR (photosynthetically active radiation) dans la
bande 400-700 nm de façon continu.

Figure 17 : Station agro-météorologique LI-COR.


http://www.eurosep.com/Dep_biolog/bvdat61.htm, (2004/08/15).

3.3.2 Caractérisation de l’état hydrique et thermique du sol


L’étude du stress hydrique chez la plante demande une bonne connaissance de l’humidité
du milieu, et en particulier celle du sol. Ce paramètre conditionne directement le potentiel
hydrique de la plante et indirectement la variation de la réponse stomatique à l’éclairement
(Luquet, 2002). Une étude menée en serre sur des plants de coton a démontré qu’il y avait
une relation entre la teneur en eau du sol et le taux de transpiration (Luquet, 2002).

La variation de l’humidité du sol au cours de l’expérience a été mesurée à l’aide de cinq


tensiomètres installés à l’intérieur de pots de plants témoins ainsi que pour chaque
40

traitement (Figure 18). La lecture de l’humidité du sol est effectuée simultanément avec les
mesures de thermographie infrarouge. Au-delà de la connaissance de l’humidité du sol, la
lecture des tensiomètres a permis de gérer l’irrigation en fonction des traitements.

Figure 18 : Mesure de l'humidité du sol par tensiométrie.

Le déficit hydrique entraîne une élévation rapide de la température du sol et de la


végétation (Luquet, 2002). De plus la température du sol influence les processus
biologiques (germination, absorption, etc), les processus physiques (propriétés de l’eau et
du sol, transferts liquides et gazeux) et les processus chimiques (dissolution, nitrification,
etc.). Elle intervient dans les échanges radiatifs et énergétiques (Annexe 1) entre le sol et la
plante. Par ailleurs, c’est un paramètre important pour obtenir un meilleur traitement des
thermographies. La température du sol a été déterminée à partir d’un capteur rattaché à la
station météo et enfouie dans le sol. Elle est mesurée pour chaque plante et elle est prise au
moment de la lecture des thermographies avec la caméra infrarouge.

3.3.3 Mesure des variables écophysiologiques


Plusieurs études ont relié la température de surface des couverts végétaux à la
photosynthèse ainsi qu’aux paramètres caractéristiques tels que le potentiel hydrique
foliaire, la conductance stomatique, la surface foliaire ( Idso et al., 1981; Moran et al.,
1994; Yuan et al., 2004). Le poromètre LI-6400 (LICOR Inc., NE, USA) (Figure 19) a
permis d’effectuer des mesures directes de la photosynthèse, de la conductance stomatique,
41

de la température foliaire ainsi que le déficit de pression de vapeur basé sur la température
foliaire.

Figure 19 : Mesure des échanges gazeux avec le LI-6400.

La mesure de la teneur en chlorophylle des feuilles a été effectuée avec un chlorophylle-


mètre minolta SPAD 502 (Spectrum Technology Inc., IL, USA) (Figure 20). C’est un
radiomètre manuel dont la mesure correspond à un rapport entre les réflectances de la
feuille (Équation 26) dans le rouge (650 nm) et le proche infrarouge (940 nm). Cela revient
à mesurer un indice de végétation de l’état azoté ou chlorophyllien de la feuille (Luquet et
al., 2003).

SPAD = k × log10 ⎛⎜ t
IR / IRo ⎞
⎟ Équation 26
⎝ Rt / Ro ⎠

SPAD = Valeur délivrée par le chlorophylle-mètre (sans unité)


k = Constante
IRt = Transmittance du PIR (950 nm)
IRo = Puissance de lumière du PIR
Rt = Transmittance du R (650 nm)
Ro = Puissance de lumière du R
42

Figure 20 : Mesure du taux de chlorophylle avec le SPAD (chlorophyllmeter SPAD502,


Minolta Caméra, Japan).

La détermination de la surface foliaire a été effectuée par des mesures directes à l’aide
d’un LI-3000A (LICOR inc., NE, USA) (Figure 21). Celui-ci mesure la géométrie des
feuilles (surface, longueur, largeur) avec une résolution de 1 mm2.

Figure 21 : LI-3000A pour la mesure de la surface foliaire.

3.3.4 Spectroscopie visible et infrarouge


Les mesures de thermographie sont accompagnées de mesures de réflectance effectuées
avec un spectroradiomètre FieldSpec Pro FR (Analytical Spectral Devices inc., CO, USA)
43

communément appelé ASD (Figure 22). Cet appareil portable mesure la réflectance dans la
bande spectrale 350-2500 nm, permettant ainsi une couverture du spectre visible, proche
infrarouge et infrarouge moyen. Ce qui permet de nombreuses applications en milieu
végétal. L’apport principal de ces mesures de réflectance est d’étudier la variation de la
signature spectrale du couvert végétal dans le visible, à différents niveaux de carence
hydrique. Cette signature va servir à distinguer la végétation par rapport au sol sur les
thermographies (§4.2). La combinaison des données thermiques et des données visibles a
été souvent effectuée pour les études de bilans énergétique et hydrique à la surface terrestre
(Bonn and Escadafal, 1996).

Figure 22 : Mesure de réflectances avec l’ASD FieldSpec Pro FR.

3.3.5 Acquisition et traitement des thermographies


Les images de thermographie infrarouge ont été acquises par radiothermométrie avec la
caméra ThermaCAMTM SC 2000 (FLIR Systems Inc., Boston, MA, USA) (Figure 23). Les
spécifications techniques de la caméra sont résumées au Tableau 5. Le SC 2000 utilise la
bande spectrale 7.5-13 µm, qui est généralement utilisée pour les objets à température
ambiante. Pour les objets plus chauds il existe des caméras infrarouges qui utilisent la
bande 3-5 µm. Le système d’imagerie de la caméra est une matrice à plan focal (FPA), avec
un détecteur microbolomètre non refroidi 240 × 320 pixels. Les caméras à matrice sont plus
44

récentes et utilisent un ensemble de détecteurs pour former directement une image


infrarouge. Un tel système a comme principal avantage d’être très rapide comparativement
à un système à balayage et permet aussi de limiter le bruit d’acquisition (Gaussorgues,
1999). La caméra a une résolution spatiale (IFOV pour Instantaneous Field Of View) de 1.3
mrad et un champs visuel (FOV pour Field Of View) de 24° × 18° avec un minimum de
distance de visé de 0.3 m, permettant une résolution spatiale maximum de 0.4 × 0.4 mm
(dimension absolue de chaque pixel à une distance de 0.3 m). Sa résolution thermique est
de 0.07°C à 30°C de température ambiante, et la précision de température est d’environ +/-
2°C. Pour mesurer correctement la température, il est nécessaire de corriger les effets
perturbateurs du milieu ambiant. La caméra est conçue pour effectuer automatiquement ces
corrections. Pour cela les paramètres lui permettant d’effectuer ces corrections doivent être
définis avant la prise de mesure (Figure 24). Ces paramètres sont la température de l’air, la
distance de visée, l’humidité relative de l’air, et l’émissivité de l’objet. De plus le logiciel
ThermaCAM Researcher 2001 (FLIR Systems Inc., Boston, MA, USA), conçu pour le
traitement et l’analyse des thermographies, permet d’effectuer la correction de ces
paramètres après l’enregistrement des images. La vision numérique intégrée à la caméra lui
permet en plus des thermographies, de délivrer une image visible de l’objet observé (Figure
24).

Figure 23 : Caméra de thermographie infrarouge ThermaCAM SC 2000 (FLIR Systems).


45

Tableau 5 : Espace de résolution de la caméra de thermographie infrarouge ThermaCAM


SC 2000.
DMF/FOV RT RS RR BS PA Type de détecteur VNI
(IFOV)
0.3 m/24o × 0.07 1.3 mrad 14 7.5 à 13 +/- 2 oC, Matrice à plan focal 640 × 480
18o o
Cà bit µm +/- 2% (FPA) microbolomètre pixels
30 oC non refroidi 320 × 240
pixels

DMF : Distance minimum de focalisation, RT : Résolution thermique, RS : Résolution


spatiale, RR : Résolution radiométrique, BS : Bande spectrale, PA : Précision absolue,
VNI : Vision numérique intégrée.

Figure 24: Entrées et sorties de la caméra de thermographie infrarouge.

3.3.5.1 Température et humidité de l’air


La température de l’air est utilisée pour compenser la radiation émise par l’atmosphère
entre la caméra et le couvert végétal. Lorsque l’émissivité est faible, la distance assez
grande, et la température de l’objet relativement proche de la température ambiante, il
devient assez important de définir correctement la température de l’air (Flir Systems, 2000).
L’influence de l’humidité de l’air vient du fait qu’elle conditionne la transmittance de
l’atmosphère. Les données de température et d’humidité de l’air utilisées pour définir les
paramètres d’entrée de la caméra sont issues de la station météorologique.
46

3.3.5.2 Connaissance de l’émissivité du couvert


La température d’un objet n’est accessible par radiométrie que lorsque l’émissivité est
connue. L’émissivité définit la façon dont la radiation est émise par l’objet
comparativement à un corps noir parfait. Elle varie généralement avec la longueur d’onde
et est inversement proportionnelle à la teneur en eau des objets. Cependant dans la bande 8-
12.5 µm dans laquelle fonctionnent les caméras infrarouges thermiques, l’émissivité est
considérée constante (Berliner et al., 1984). Elle peut également varier avec la direction de
visée (émissivité directionnelle) (Gaussorgues, 1999) (Figure 25). Cet aspect a été
considéré dans notre étude à travers l’analyse d’une thermographie prise à différents angles
de visée (§3.3.5.4). Pour connaître l’émissivité du couvert, différentes méthodes sont
connues.

Figure 25: Émissivité de l'eau dans l'infrarouge thermique à différents angles d'observation.
Gaussorgues (1999).

3.3.5.2.1 Utilisation d’un thermocouple


En radiométrie, l’émissivité peut être déterminée par deux mesures de luminance. C’est une
méthode expérimentale qui repose sur l’effet de géométrie appelée méthode de la « boîte »
(Stoll, 1988). Une méthode simple pour déterminer l’émissivité avec la caméra infrarouge
est d’utiliser un thermocouple. La température d’une zone de référence sur le couvert est
déterminée à l’aide d’un thermocouple. Avec la caméra infrarouge, la température de la
zone de référence est mesurée en faisant varier la valeur de l’émissivité jusqu’à ce que la
température mesurée par la caméra et celle mesurée par le thermocouple coïncident (Flir
Systems, 2000). L’émissivité recherchée est celle permettant cette coïncidence. Cependant
cette méthode requiert que la température de l’objet ne soit pas trop proche de la
47

température de l’air. Ce qui n’a pas été le cas dans la majorité des mesures que nous avons
effectuées.

3.3.5.2.2 Valeurs expérimentales de l’émissivité de la végétation


L’émissivité du couvert végétal est très forte (supérieure à 0.98). Cela est dû à la teneur en
eau élevée du végétal sain. Lorsque la teneur en eau n’est pas importante (exemple du
végétal sec), l’émissivité demeure forte en raison de l’effet de cavité induit par la hauteur
du couvert (Stoll, 1988). Selon Baret (1999) et Bonn et Escadafal (1996) les valeurs
caractéristiques de l’émissivité du couvert végétal sont proches de 1. Li et al. (1999) ont
étudié la variation de l’émissivité de plusieurs types de surface dans plusieurs canaux TIMS
(Thermal Infrared Multispectral Scanner), et elle est relativement constante dans le
domaine de l’infrarouge thermique. La valeur de l’émissivité de la végétation utilisée ou
déterminée dans plusieurs études varie entre 0.95 et 0.99 (Tableau 6 et 7). La valeur
généralement utilisée semble être 0.98, valeur que nous avons conservée pour notre étude.
Il devient alors important de connaître l’erreur induite par une incertitude sur l’émissivité
dans la détermination de la température radiométrique.

Tableau 6 : Valeurs expérimentales de l'émissivité du couvert végétal (ε).


Source ε
Stoll (1988)
> 0.98
Bonn et Escadafal (1996), Baret (1999)
Voisine de 1
Cooper and Asrar (1989), Chen and Zhang (1989), Chen et al.
(1989) cités par Cihlar et al. (1997) 0.98

Cihlar et al. (1997)


[0.955, 0.985]
Z.-L. Li et al. (1999)
[0.98, 1.00]
Valor et Caselles
0.987 ± 0.007
Schmugge (1990), Rubio et al. (1996) cités par Valor et Caselles
[0.980, 0.990]
Vidal, 1994 [0.950, 0.990]
48

Tableau 7 : Valeurs d’émissivité de quelques types de végétation.


Adapté de Girard et Girard (1999).
type de surface émissivité
prairie 0,98
blé 0,97
maïs 0,96
vignes, vergers 0,95
résineux 0,98
feuillus 0,97

3.3.5.2.3 Incertitude introduite par l’émissivité dans la mesure de la température


radiométrique
Stoll (1988) a étudié l’incertitude introduite par l’émissivité dans la mesure de la
température de surface. De la loi de Stefan-Boltzmann (Équation 5), il a établi une relation
permettant de connaître cette incertitude (Équation 27).

Ts ∆ε
∆Ts ≈ × Équation 27
4 ε
Ts = Température de la surface (°C)
ε = émissivité
∆ε = Incertitude sur l’émissivité
∆Ts = Incertitude sur la température de surface (°C)
Considérant l’intervalle [0.95, 0.99] et la valeur d’émissivité ε = 0.98, une incertitude
∆ε = ± 0.03 entraînerait pour des températures de couvert végétal inférieures à 25°C, une

erreur maximale ∆Ts = 0.2°C. Cette incertitude induite par la valeur de l’émissivité

choisie demeure inférieure à la précision absolue de la caméra infrarouge (±2 °C). Cette
valeur (0.98) a donc été retenue pour l’ensemble des mesures de thermographie infrarouge.

3.3.5.3 Mesure de la distance de visée


La distance de visée est définie comme la distance séparant le couvert végétal de l’objectif
de la caméra (Figure 26). Son influence vient du fait qu’entre le couvert végétal et la
49

caméra, la radiation est absorbée (absorption par les particules atmosphériques). De plus la
transmittance diminue avec la distance. Dans de très courtes distances, la variation de la
distance influence très peu la mesure de la température. Dans cette étude la distance de
visée a varié entre 0.80 m (soit une résolution spatiale de 1.0 × 1.0 mm) et 1.30 m.

Figure 26 : Géométrie de visée avec la caméra de thermographie infrarouge. α : angle de


visée, dh : distance horizontale, dv : distance de visée (mesurée à partir de l’objectif de la
caméra), ha : hauteur d’appareil, hp : hauteur de la plante.

3.3.5.4 Angles de visée


Selon Luquet et al. (2003), la température de surface mesurée depuis des angles de visée
importants fournie des indications pertinentes sur l’état hydrique du couvert. Cette
température de surface directionnelle présente l’avantage de minimiser la fraction de sol
vue par le capteur et permet d’obtenir des informations plus précises sur la végétation elle-
même. D’autre part, il existe une variation directionnelle de l’émissivité (Figure 25).
Supposant ainsi une possible variation de la température de surface du couvert végétal
selon l’angle de visée. Cette variation peut-elle influencer la discrimination des plants en
stress? Les questions spécifiques auxquelles nous voulons répondre sont les suivantes :

• La détection des plants sous stress sur la thermographie est-elle dépendante de


l’angle de visée du radiomètre?
• Quel est l’angle de visée qui permet une meilleure discrimination entre le couvert
végétal en stress hydrique et celui qui ne l’est pas?

Ces questions visent à atteindre l’hypothèse 5 (§2.2) de notre étude. Pour y répondre, des
mesures de thermographies ont été effectuées sur un couvert mixte de quatre plants, dont
50

deux plants témoins et deux plants induits en stress, à partir de six angles de visée différents
(§4.3).

3.3.6 Calcul et cartographie des indices


Les indices (§1.6 et §4.4) sont calculés à partir des thermographies moyennes sur lesquelles
un masque a été appliqué pour différencier le sol et la végétation (Figure 27, §4.2). Le
calcul et la cartographie des indices sont effectués à l’aide d’un algorithme qui a été
développé avec le logiciel MATLAB (The mathworks, v.6.5, 2000, MA, USA) (Annexe 2).

Figure 27 : Cartographie des indices avec MatLab. (a) : thermographie, (b): algorithme, (c):
carte d’indice.

3.3.7 Analyse de précision des thermographies et des indices.


Cette étude fait appel à la théorie de propagation des erreurs (Duquette et Lauzon, 1996).
Nous cherchons à connaître l’incertitude sur la thermographie moyenne résultante de la
séquence de thermographies acquise sur une scène. De plus cette thermographie résultante
servira au calcul et à la cartographie des indices, il est donc important d’évaluer
51

l’incertitude sur le produit final qu’est la carte d’indice. Nous allons utiliser les indices CT
et (Tc – Ta) comme support pour mener cette étude.

3.3.7.1 Erreur résultante sur la thermographie moyenne


La température du couvert végétal est obtenue à partir des thermographies mesurées avec la
caméra infrarouge thermique. La précision absolue en température associée à cet instrument
est de ±2 °C. Selon la méthodologie, une séquence de 30 thermographies est mesurée à la
seconde pour chaque scène observée (Figure 28a). Ces 30 thermographies sont moyennées
en une thermographie (Figure 28b). De cette thermographie résultante, la température du
couvert végétal est obtenue par la moyenne de tous les pixels associés à la végétation
(indice CT), ou bien elle va servir de support pour cartographier d’autres indices (comme
l’indice Tc – Ta). À l’issue de ces opérations successives, la précision initiale (±2 oC) n’est
plus conservée. Le mode d’acquisition et de traitement doit permettre au mieux de
l’améliorer.

Figure 28 : De la séquence de thermographies (a) à une thermographie moyenne (b).

Pour chaque thermographie de la séquence, la valeur de température de chaque pixel (320 *


240 pixels) est entachée d’une erreur σ ( thermo ) = ±2 °C. La thermographie moyenne
aura alors une précision de :

σ ( thermo )
σ ( thermomoy ) = = ±2 Équation 28
30 30
Soit ±0.365 °C.
52

3.3.7.2 Précision sur l’indice CT


L’indice CT correspond à la moyenne des valeurs de pixels de la thermographie moyenne,
l’influence de l’erreur instrumentale initiale sur la température moyenne est donnée par
l’Équation 29.

σ (CT ) = ±0.365 °C Équation 29


n

n = Nombre de pixels composant le couvert végétal sur la thermographie moyenne.

Nous avons une meilleure précision sur l’indice CT. D’autre part la variabilité observée sur
la thermographie du couvert végétal conduit à un écart type sur la température moyenne
calculée. Cet écart type n’est rien d’autre que l’indice CTV.

3.3.7.3 Précision sur l’indice (Tc – Ta)


L’indice (Tc – Ta) intègre des variables mesurées par des appareils différents. De plus le
mode d’acquisition de ces variables diffère. L’erreur instrumentale résultante sur l’indice
(Tc – Ta) est alors une composition d’erreurs (Équation 30).

σ (Tc − Ta ) = σ (Tc ) + σ (Ta ) Équation 30


2 2

Tc = Température du couvert végétal (valeur de pixel sur la thermographie moyenne), (°C).


σ (Tc ) = σ ( thermomoy ) = ±0.365 (°C)
Ta = Température de l’air (°C).

La température de l’air utilisée est une température instantanée mesurée par la station
météorologique au moment de la mesure des thermographies. Elle est mesurée avec une
précision de σ (Ta ) = ±0.5 °C, d’où :

σ (Tc − Ta ) = 0.3652 + 0.52 = ±0.6 °C Équation 31

La méthodologie permet ainsi d’obtenir une carte de l’indice (Tc – Ta) auquel est associée
une précision de ±0.6 °C à chaque valeur de pixel.
53

3.4 Étalonnage de la caméra infrarouge thermique


Les instruments de mesure du fait de leur utilisation, peuvent se dégrader dans le temps
(perte de précision instrumentale). D’autres parts, les mesures de télédétection, aux
différentes échelles (au sol, aéroportées ou spatioportées), sont influencées par l’absorption
et l’émission atmosphérique, par la sensibilité du détecteur et par l’électronique assurant le
traitement du signal (Jacob, 1999). L’étalonnage des systèmes de mesure apparaît alors
important, afin de leur rattacher une précision et de corriger les erreurs systématiques sur
les mesures effectuées. La caméra ThermaCAM SC 2000 a été étalonnée à l’aide d’un
corps noir SR-80LT (CI Systems Inc., CA, USA) (Figure 29). Le corps noir SR-80LT est
une source de rayonnement infrarouge, qui sert à étalonner les systèmes d'imagerie IRT de
haute performance. Ses caractéristiques techniques sont spécifiées au Tableau 8. Les
mesures d’étalonnage ont été effectuées par temps ensoleillé à 3 heures de l’après-midi à
une température ambiante de 28 °C et une humidité relative de 50%. Les conditions
environnementales sont demeurées stables durant toute l’expérimentation.

Figure 29: Corps noir SR-80LT.


Adapté de http://www.ci-systems.com/eo/blackbodies/sr80lt.asp (2004/08/14).

Tableau 8: Spécifications technique du corps noir SR-80LT.


Adapté de http://www.ci-systems.com/eo/blackbodies/sr80lt.asp (2004/08/14).
Gamme de température -40°C to +80°C
Précision en température ±0.05°C
Stabilité de la température ±0.01°C
Uniformité en température ±0.01°C
Émissivité de l’émetteur 0.97 ± 0.02
54

Avec le contrôleur du corps noir, nous avons fait varier la température de l’émetteur de
16.0 à 25.0 °C avec un pas de 0.2 °C entre 16.0 et 20.0 °C et un pas de 0.5 °C entre 20.0 et
25.0 °C. Les températures fixées sont demeurées stables jusqu’à ce qu’on les change. À
chaque température du corps noir une séquence de thermographies (Figure 30) est observée
avec un pas de temps de 1 seconde entre les thermographies. La séquence minimum est de
11 thermographies et le maximum de 212 thermographies (avec TCN = 16.0 °C ). Cette
dernière a permis d’étudier la variation de la thermographie du corps noir (Figure 31), en
considérant que cette variation peut être influencée par la variation des conditions
environnementales et l’incertitude instrumentale associée à la caméra infrarouge et au corps
noir. L’écart type sur la température moyenne de la surface de l’émetteur du corps noir
observé par thermographie est demeurée constant, soit ±0.1 °C pour toutes les observations.
Cet écart type est supérieur à la stabilité et à l’uniformité en température de l’émetteur du
corps noir, cependant il est proche de la sensibilité thermique de la caméra (±0.07 °C). La
courbe de variation montre que la majeure partie des températures observées oscille entre
15.6 et 15.7 °C, une seule valeur est à 15.5 °C. Ainsi, durant ces 3 minutes 21 secondes, la
variation maximum de la température a été de 0.2 °C. Cette valeur est supérieure à la
précision instrumentale du corps noir (±0.05 °C) et à la sensibilité thermique de la caméra
infrarouge (±0.07 °C), par contre elle est inférieure à la précision absolue de celle-ci (±2
°C). Elle témoigne ainsi que la caméra infrarouge est fiable pour suivre la variation spatiale
et temporelle de la température de certaines surfaces comme celle des feuilles (Prytz et al.,
2003).

Figure 30: Thermographie infrarouge du corps noir (avec Tcn = 20 °C).


55

15.75

15.7

15.6 5

15.6

15.55

15.5

15.4 5
15:0 2 :3 6 15:0 4 :0 2 15:0 5:2 8
t e mp s ( he ure )

Figure 31: Variation de la température moyenne de la surface du corps noir observée par
thermographie durant 212 secondes avec un pas de temps de 1 seconde (avec une
température du corps noir portée à 16 °C).

L’évolution de la température mesurée par la caméra infrarouge en fonction de la


température du corps noir montre que la caméra sous-estime la température émise par le
corps noir. L’écart moyen entre la température du corps noir (TCN) et sa valeur mesurée par
la caméra infrarouge (Tthermo) est 0.4 °C avec un écart type de 0.1 °C, soit :

TCN = (Tthermo + 0.4 ) ± 0.1 °C Équation 32

Ce résultat est appuyé par l’analyse de régression, qui montre une forte relation entre les
deux températures (Figure 32). Le coefficient de détermination (R2 = 0.9996) de la droite
de régression est très élevée, ce qui nous permet d’utiliser ses coefficients comme
coefficients d’étalonnage (Équation 33).

(Tthermo )corrigée = 1.0406 × Tthermo − 0.3507 Équation 33

Tthermo = Température observée par thermographie (°C)


(Tthermo )corrigée = Température observée par thermographie corrigée par la régression (°C)
56

25

Température du corps noir (°C


23

21

19 y = 1.0406x - 0.3507
2
R = 0.9996

17

15
15 17 19 21 23 25
Température du corps noir mesurée par thermographie (°C)

Figure 32: Relation entre la température du corps noir et sa température moyenne mesurée
par la caméra infrarouge.

La précision de l’étalonnage a été estimée par l’erreur moyenne quadratique entre la


régression linéaire et les données (Jacob, 1999), soit 0.05 °C, précision qui est égale à celle
du corps noir (Tableau 8). D’où :

(Tthermo )corrigée = (1.0406 × Tthermo − 0.3507 ) ± 0.05 (°C) Équation 34

Les mesures d’étalonnage ont été effectuées une fois pour toute la durée des expériences,
du fait de la stabilité de la caméra infrarouge, de l’échelle de mesure et de l’environnement
de mesure, qui est demeuré relativement stable (mesures en serre). Cependant pour des
mesures à l’extérieur, il serait mieux d’effectuer l’étalonnage avant et après chaque
expérimentation, afin de prendre en compte les conditions environnementales parfois très
changeantes.

3.5 Méthode d’analyse statistique


Dans le cadre de cette étude nous mesurons des indicateurs (indices de stress hydrique,
conductance stomatique, photosynthèse, etc.) sur des plants témoins bien irrigués, puis sur
des plants induits en déficit hydrique, sur plusieurs jours et à différents stades de
croissance. Nous nous attendons à noter une différence significative entre les plants
57

témoins et les plants induits en stress dans le calcul de ces indicateurs. La question est donc
de savoir si la différence observée est suffisante pour rejeter l’hypothèse que l’indicateur ne
mesure pas l’effet du déficit hydrique chez la plante. Pour vérifier cette hypothèse et mettre
à l’épreuve les indicateurs de stress hydrique, nous avons fait appel à une analyse de
variance sur mesures répétées pour chacun des stades de croissance étudié.

3.5.1 L’analyse de variance ou ANOVA


L’analyse de variance (ANOVA) est généralement utilisée pour l’analyse des données des
plans d’expérience. Elle teste l’hypothèse de l’égalité des moyennes de plusieurs
échantillons ( Η 0 : µ1 = µ 2 = ... = µ k ), en d’autres termes, l’homogénéité des moyennes
de ces échantillons. À cette hypothèse, est associée une hypothèse alternative H1, pour
laquelle les moyennes des échantillons ne sont pas toutes égales (les échantillons ne sont
pas homogènes). L’analyse de variance permet ainsi de tester l’effet d’un ou de plusieurs
facteurs sur les données étudiées, par comparaison avec un échantillon témoin. Son
application est soumise à plusieurs conditions dont :

• Le caractère aléatoire et indépendant des échantillons;


• La distribution normale;
• L’égalité des variances.

De façon pratique, à travers l’ANOVA, on cherche à savoir si la variabilité observée dans


les données est uniquement due au hasard, ou s’il existe effectivement des différences
significatives entre les échantillons, imputables au(x) facteur(s). La statistique de test
utilisée est le F de Fisher-Snedecor, qui mesure le rapport de la variance interclasse
(variance à l’intérieur d’un groupe) à la variance intraclasse (variance entre les groupes).

3.5.2 Mesure d’une différence significative entre les traitements


La mise en évidence des différences significatives entre les traitements a été réalisée au
moyen d’une ANOVA à mesures répétées avec la procédure GLM du logiciel statistique
SAS (SAS Institute Inc., 2004, NC, USA). Les probabilités (Pr > F, Figure 33) associées à
l’observation de la statistique de test (F value) sont limitées à un seuil (alpha) α = 0.05 ,
au-delà duquel l’hypothèse H0 est rejetée. Dans la majorité des mesures, un alpha de 0,05
58

est considéré très significatif et un alpha de 0,10 significatif, alors que pour les mesures de
télédétection, la marge d’erreur acceptable est augmentée à 0,10 comme alpha très
significatif et 0,20 dans le cas d’un alpha significatif (Guénette, 2003).

Le critère de mise à l’épreuve des indicateurs est la date à laquelle ils mesurent une
différence significative entre les plants témoins et les plants sous stress depuis l’arrêt de
l’apport en eau des plants induits en stress. Le second critère est le seuil α auquel cette
différence est mesurée. Nous considérons les différences significatives lorsque α = 0.05 .
Cette procédure a été appliquée à différentes mesures effectuées dans la serre. Les résultats
obtenus sont décrits et analysés au chapitre 4. L’annexe 3 présente le programme que nous
avons rédigé pour effectuer l’ANOVA avec la procédure GLM de SAS.

Figure 33 : Analyse de variance pour mesures répétées avec la procédure GLM de SAS.
Chapitre 4 - Résultats et discussions

4.1 Effets du stress hydrique sur les indicateurs biophysiques et


le rendement
Le stress hydrique affecte plusieurs variables de fonctionnement de la plante, telles que la
température foliaire (Wiegand et al., 1983; Jones, 1999; Patel et al., 2001; Luquet et al.,
2003; Luquet et al., 2004), la conductance stomatique (Penuelas et al., 1992; Yagoubi,
1993), la photosynthèse (Idso et al., 1981b; Wiegand et al., 1983; Moran et al., 1994; Yuan
et al., 2004) et la surface foliaire (Wiegand et al., 1983; Penuelas et al., 1992). Plusieurs
études ont montré l’existence d’une relation linéaire entre ces variables (Yuan et al., 2004).
Nous voulons voir à travers cette section, comment ces paramètres réagissent face au déficit
hydrique chez la pomme de terre, quelles relations entretiennent-ils, et comment la
température foliaire mesurée par thermographie infrarouge peut-elle permettre de les
estimer.

4.1.1 La thermographie du couvert végétal


La température du couvert végétal figure au rang des paramètres biophysiques les plus
utilisés pour la connaissance du statut hydrique de la plante. Selon Luquet et al. (2004),
c’est la méthode de détection du stress hydrique par télédétection la plus répandue. Elle
entre dans la composition de plusieurs indices de détection du stress hydrique (Bariou et al.,
1985a; Moran, 2000). La thermographie du couvert donne à chaque point de la végétation
observée la température qui lui est associée.

Les données de thermographie révèlent une distinction nette entre les plants induits en
stress hydrique et les plants témoins dès les premiers jours suivant l’arrêt de l’apport en eau
(Figure 34), alors que cette différence n’est pas encore observable sur les images visibles.
Cela confirme le potentiel de détection hâtive du stress hydrique par thermographie
infrarouge (Hypothèse 4).
60

Figure 34: Détection précoce de plants en stress hydrique par thermographie infrarouge.

À tous les stades phénologiques d’induction du stress hydrique, la température du couvert


(Tc) des plants sous stress est supérieure à celle des plants témoins (Hypothèse 2) dans les
jours suivants l’arrêt de l’irrigation (Figure 35). Cette différence de température s’accentue
davantage après l’irrigation des plants témoins (Penuelas et al., 1992). En effet après
l’irrigation, la température foliaire baisse, l’eau étant suffisamment disponible pour
permettre la transpiration de la plante et assurer un rafraîchissement des feuilles par la
vapeur d’eau. Tc est également dépendante du stade de croissance des plants (Patel et al.,
2001). La Figure 35 montre que l’écart entre la courbe des plants témoins et celle des plants
induits en stress demeure faible les premiers jours suivant l’arrêt de l’irrigation au stade de
développement des feuilles, par contre dans les autres stades de croissance, cet écart est
significatif dès la seconde date de mesure. Ce constat pourrait être lié au fait que la plante
consomme beaucoup plus d’eau au cours de ces stades, entraînant une demande beaucoup
plus grande.
61

Figure 35: Variation de la température du couvert végétal des plants témoins et des plants
induits en stress aux différents stades d'induction du stress hydrique (les flèches
représentent des moments d’irrigation des plants témoins).

Une ANOVA est effectuée sur les valeurs de Tc aux différents stades phénologiques
d’induction du stress hydrique afin de vérifier si les différences de température observées
entre les blocs, les variétés et les traitements sont significatives (Tableau 9). Après l’arrêt
de l’apport en eau des plants soumis au stress hydrique, l’ANOVA ne révèle pas une
différence significative constante de température entre les blocs aux stades de
développement des feuilles, d’initiation des tubercules et de floraison. Par contre au stade
de fructification, une différence significative constante apparaît entre les blocs à partir du
18 avril jusqu’au 22 avril. Cela montre que le positionnement spatial des plants dans la
serre au cours de ce stade influence la variation de Tc, il était donc justifié de procéder à
une telle disposition (Figure 15). Au niveau des variétés, à l’exception de quelques valeurs
isolées, on ne note pas de différences significatives constantes. Des différences
significatives de température apparaissent de façon constante entre les traitements après
l’arrêt de l’irrigation, à tous les stades de croissance où le stress a été induit. L’ANOVA
confirme ainsi qu’il y a une augmentation significative de la température foliaire des plants
62

induits en stress hydrique après l’arrêt de l’apport en eau. Aucune différence significative
de température n’est observée dans l’interaction entre variétés et traitements, cela conduit à
la conclusion que les deux variétés de pomme de terre réagissent de la même façon au
stress hydrique. Bien que l’ANOVA revèle une différence de température significative,
l’augmentation de la température des plants induits en stress hydrique est-elle seulement
dûe au manque d’eau? Pour répondre à cette interrogation, étudions la variation du potentiel
hydrique du sol ainsi que sa corrélation avec la température du couvert végétal (Tc).

Tableau 9: Probabilités (Pr) associés à une différence significative dans la mesure de Tc


selon les différents stades phénologiques d'induction du stress hydrique, la position spatiale
(blocs), la variété et le traitement.
Stades Interaction
Dates
d’induction du Blocs Variétés Traitements Variétés*
(2003)
stress hydrique Traitements
06-mars 0.0472** 0.0654* 0.1677 0.5011
07-mars 0.8389 0.6725 0.1549 0.6936
09-mars 0.0463** 0.0833* 0.0499** 0.9851
Stress 10-mars 0.2836 0.0617* 0.8986 0.4982
développement 11-mars 0.0271** 0.0042*** 0.0028*** 0.8688
des feuilles 12-mars 0.0113** 0.0136** 0.003*** 0.6207
14-mars 0.5637 0.0666* 0.0001*** 0.8364
17-mars 0.457 0.0059*** 0.0014*** 0.4535
19-mars 0.726 0.4026 0.0018*** 0.0713*
25-mars 0.1174 0.0847* 0.3763 0.725
Stress
27-mars 0.3064 0.7949 0.0154** 0.4224
initiation des
tubercules 01-avr 0.4735 0.9796 0.0029*** 0.2279
03-avr 0.0386** 0.0854* 0.0001*** 0.8261
08-avr 0.2132 0.0234** 0.918 0.7171
Stress floraison 10-avr 0.8853 0.4101 0.5268 0.8104
15-avr 0.0972* 0.2311 0.0108** 0.8711
17-avr 0.3084 0.2487 0.6743 0.9146
Stress 18-avr 0.0003*** 0.02** 0.0011*** 0.0612*
fructification 19-avr 0.0229** 0.4303 0.0075*** 0.5563
22-avr 0.0001*** 0.1807 0.0001*** 0.2404
Les valeurs sont significatives lorsqu’elles sont inférieures au seuil d’erreur α = 0.05 (en
gras). * : Pr < 0.10, ** : Pr < 0.05, *** : Pr < 0.01.
63

Le potentiel hydrique du sol (PHS) est un indicateur de la quantité d’eau que contient celui-
ci. Plus le PHS est élevé, plus le sol contient d’eau. Par contre de faibles valeurs indiquent
un déficit d’eau dans le sol. La Figure 36 présente la variation du PHS des plants témoins et
des plants induits en stress au stade d’initiation des tubercules. La température du couvert
est superposée au graphique. Les histogrammes montrent que le PHS des plants sous stress
décroît (de -200 mb à -600 mb). Celui des plants témoins varie au rythme de l’irrigation
(minimum = -400 mb, maximum = -50 mb). Un apport en eau fait augmenter le PHS. Nous
pouvons constater que la température des plants est négativement corrélée avec le PHS (r =
-0.54). Plusieurs études ont établi une relation directe entre la température des feuilles et
l’eau disponible dans le sol (Moran et al., 1994; Idso et al., 1978). Le Tableau 10 présente
une relation linéaire entre le PHS et la température foliaire. La corrélation est plus forte au
stade de la floraison (r = -0.97). L’eau disponible dans le sol apparaît ainsi comme un
facteur majeur dans la variation de la température foliaire (Hypothèse 1), d’où la possibilité
d’accéder au statut hydrique de la plante par celle-ci. Cependant la teneur en eau des
feuilles, qui commande la température foliaire, n’est pas seulement liée à la disponibilité de
l’eau dans le sol, mais dépend également de la demande évaporative de l’atmosphère
(Bariou et al., 1985b; Patel et al., 2001), traduite par le déficit de pression de vapeur de l’air
(DPV). La demande atmosphérique peut faire apparaître un stress hydrique passager qui
apparaît principalement lorsque le sol est humide (Carlson et al., 1991). Cela se produit du
fait que la demande atmosphérique excède la capacité de la plante à s’approvisionner en
eau depuis les racines. Ce stress se manifeste par l’apparition d’un plateau de transpiration
à midi, associé à une augmentation de la température foliaire et au flux de chaleur sensible
(Annexe 1). D’autres parts le déficit de pression de vapeur des feuilles, les maladies des
feuilles et des racines, le stress minéral tel que le déficit en azote et la salinité sont des
conditions qui peuvent faire varier la température des feuilles. Ainsi, en dehors du stress
hydrique d’autres applications potentielles s’ouvrent à l’utilisation de la thermométrie
infrarouge en agriculture (Penuelas et al., 1992). La Figure 11e de la section §1.7.2 en est
un exemple.
64

0 22

Potentiel hydrique du sol ou PHS


-100 21
-200
20
-300

Tc (°C)
(mb)
19
-400
18
-500

-600 17

-700 16
25-mars 27-mars 29-mars 31-mars 02-avr
Jours après l'arrêt de l'apport en eau

PHS (stress) PHS (témoin) Tc (stress) Tc (témoin)

Figure 36: Évolution du potentiel hydrique du sol des plants témoins et des plants induits en
stress hydrique au stade d'initiation des tubercules.

Tableau 10: Corrélation entre la température du couvert (Tc) et le potentiel hydrique du sol
à différents stades d'induction .du stress
Stades d’induction Coefficients de
du stress hydrique corrélation (r)
Initiation des
-0.50
tubercules
Floraison -0.97

Fructification -0.80

La température du sol des plants sous stress demeure en moyenne, légèrement au-dessus de
celle des plants témoins (Figure 37). Les différences observées sont très peu significatives.
La Figure 37 montre également que la température du couvert végétal est constamment en
dessous de la température du sol, ce qui est également démontré sur la thermographie de la
Figure 38. D’où l’importance de différencier le sol et la végétation sur les thermographies
pour éviter de surestimer la température moyenne du couvert végétal (Luquet, 2002; Luquet
et al., 2003). Le fait que la température du sol soit supérieure à celle des feuilles induit
probablement un flux de chaleur du sol vers le feuillage. Cela Justifie ainsi les méthodes
d’estimation du statut hydrique de la végétation par approche du bilan d’énergie (Annexe 1)
65

du système sol-végétation-atmosphère. Il y a une relation linéaire (r = -0.59) entre la


température du sol et son potentiel hydrique. De façon identique à la végétation, la
température du sol augmente lorsqu’il manque d’eau.

Figure 37: Variation de la température du sol (Tsol) et de la température foliaire (Tc) des
plants témoins et des plants induits en stress.

Figure 38: Mise en évidence de la température du sol sur la thermographie.


66

4.1.2 La photosynthèse
La photosynthèse est le processus physiologique par lequel la plante effectue la synthèse
des substances organiques à partir du CO2 de l’air, de l’eau et de l’énergie lumineuse
emmagasinée par la chlorophylle. Après l’arrêt de l’irrigation, le taux de photosynthèse des
plants induits en stress diminue, tandis que celui des plants témoins varie avec l’irrigation
(Figure 39). Au stade de développement des feuilles, une différence nette apparaît dans la
photosynthèse cinq jours après le début des mesures. Au stade d’initiation des tubercules,
cet écart net apparaît trois jours après le début des mesures. Cette variation de la
photosynthèse rappelle celle de la température. En provoquant la fermeture des stomates, le
déficit hydrique empêche les échanges gazeux, et donc une réduction de la photosynthèse
(Hypothèse 2) et de la production de biomasse (Prytz et al., 2003). La relation entre la
photosynthèse et la température foliaire est linéaire avec un coefficient de corrélation de r =
-0.77.

Figure 39: Évolution comparée de la photosynthèse des plants témoins et des plants induits
en stress au développement des feuilles et à l’initiation des tubercules.

4.1.3 La conductance stomatique


La conductance stomatique est un indicateur du taux de transpiration foliaire, et un
paramètre de l’état hydrique de la plante. La Figure 40 présente la variation de la
conductance stomatique au cours du stress induit au développement des feuilles et à
67

l’initiation des tubercules. Cette variation suit sensiblement celle de la photosynthèse, aux
mêmes stades. Étant un indicateur du niveau de transpiration, la conductance stomatique est
directement liée aux échanges gazeux, d’où sa forte corrélation avec la photosynthèse (r =
0.77). La variation de la conductance stomatique est dictée par l’ouverture et la fermeture
des stomates. Les plants induits en stress hydrique ont une conductance stomatique
inférieure à celle des plants témoins (Hypothèse 2), montrant ainsi une réduction de la
transpiration due au manque d’eau, d’où la relation entre Tc et la conductance stomatique (r
= -0.71). La température foliaire varie avec la transpiration foliaire, par conséquent c’est
une fonction de la conductance stomatique (Prytz et al., 2003). Ainsi Tc représente une
mesure fiable du degré d’ouverture des stomates. La Figure 41 montre que la température
de surface du couvert végétal est intimement liée aux paramètres physiologiques du végétal
que sont la photosynthèse et la conductance stomatique. La fermeture des stomates entraîne
une réduction de la conductance stomatique et de la photosynthèse, et une augmentation de
la température foliaire. Par conséquent la thermographie infrarouge s’avère être un procédé
efficace pour estimer ces variables

Figure 40: Évolution comparée de la conductance stomatique des plants témoins et des
plants induits en stress au développement des feuilles et à l’initiation des tubercules.
68

Figure 41: Relation entre la conductance stomatique, la photosynthèse et la température


foliaire.

4.1.4 Le taux de chlorophylle


Le taux de chlorophylle estimé par les valeurs de SPAD indique qu’il n’y a pas de
différences significatives dans la variation du taux de chlorophylle des plants témoins et des
plants induits en stress (Figure 42). Au stade de développement des feuilles la courbe des
plants induits en stress est au-dessus de celle des plants témoins, indiquant un taux de
chlorophylle des plants induits en stress légèrement au-dessus de celui des plants témoins.
Le phénomène contraire se produit au stade d’initiation des tubercules. Cependant l’écart
constaté entre les deux traitements n’est pas significatif vu l’entrelacement des barres
d’erreur. L’ANOVA ne révèle pas de différences significatives entre les traitements, ni
entre les variétés et les blocs. Ainsi le stress hydrique imposé aux plants n’influence pas
leur teneur en chlorophylle. Dans le calcul des valeurs de SPAD, le chlorophylle-mètre fait
appel au ratio de réflectance entre le rouge (650 nm) et le proche infrarouge (950 nm)
(§3.3.3). Une différence non significative dans la variation de la concentration en
chlorophylle impliquerait que le niveau de stress hydrique appliqué au cours des
69

expériences n’affecte pas de façon significative la réflectance du couvert végétal dans ces
longueurs d’onde.

Figure 42: Évolution comparée du taux de chlorophylle des plants témoins et des plants
induits en stress au développement des feuilles et à l’initiation des tubercules.

4.1.5 La surface foliaire


La surface foliaire est sensible à l’arrêt de l’irrigation. Au stade de développement des
feuilles nous assistons à une croissance du couvert végétal chez tous les plants. Cependant
cette croissance est retardée lorsque les ressources en eau sont limitées (Figure 43). Au
cours du stress développement des feuilles, la surface foliaire des plants sous stress passe
de 46 cm2 à 72 cm2 et celles des plants témoins de 34 cm2 à 73 cm2. Au stade d’initiation
des tubercules, l’arrêt de l’apport en eau entraîne une réduction de la surface foliaire
(Hypothèse 2) des plants sous stress (de 65 à 61 cm2), alors que la croissance foliaire se
poursuit pour les plants sous irrigation (de 61 à 77 cm2). Cette réduction de la surface
foliaire des plants en stress hydrique est également observable sur les thermographies
(Figure 44). Selon Heuer et Nadler (1998), le manque d’eau affecte de façon significative la
hauteur des plants et la surface foliaire de la pomme de terre. De même une étude menée
par Penuelas et al. (1992) sur la culture de la fraise en serre montre que le déficit hydrique
entraîne une réduction du LAI, de la matière sèche et affecte l’orientation des feuilles.
70

Figure 43: Évolution de la surface foliaire des plants témoins et des plants induits en stress
aux stades de développement des feuilles et d’initiation des tubercules.

Figure 44: Baisse de la surface foliaire avec la sévérité du stress hydrique observable par
thermographie.

L’âge des plants a également une incidence sur la croissance foliaire. À partir du stade de la
floraison nous notons une réduction de la surface foliaire aussi bien chez les plants sous
stress que chez les plants témoins qui demeurent sous irrigation (Figure 45)
71

Figure 45: Baisse de la surface foliaire des plants sous stress et des plants témoins au cours
du stress floraison.

La sensibilité de la surface foliaire au déficit hydrique en fait un indicateur du statut


hydrique de la plante. Cette sensibilité est plus forte à certains stades du développement,
notamment au cours de la croissance végétative qui inclut le développement des feuilles et
l’initiation des tubercules dans le cas de la pomme de terre. Selon Wiegand et al. (1983),
parmi les effets du stress hydrique, la réduction de la surface foliaire et de la couverture
végétale au sol entraîne plus de conséquences sur le plan économique. En effet la
photosynthèse et la croissance sont proportionnelles à la quantité de lumière interceptée par
le couvert, donc à la surface foliaire et au LAI. En conséquence, le stress hydrique peut être
détecté et quantifié par la mesure de ses effets sur le développement du couvert végétal,
comme indiqué par la production de biomasse, le LAI ou la couverture végétale au sol.
Comme nous le verrons à la section suivante, un stress hydrique prononcé au cours de la
croissance végétative affecte grandement le rendement.

4.1.6 Impact du stress hydrique sur le rendement selon le stade de


développement de la plante
L’étude de rendement révèle d’importantes différences dans la masse des tubercules frais
aux différents stades d’induction du stress hydrique (Pr < 0.0001), par contre aucune
différence significative de rendement n’est observée entre les variétés, ni entre les blocs (Pr
> 0.1). La masse des tubercules frais des plants témoins est supérieure à celles des plants
induits en stress dans les différents stades phénologiques (Tableau 11, Figure 46) (Thibault,
72

2003). Le rendement est plus faible pour les plants induits en stress au stade de
développement des feuilles, il représente 7% de la masse totale des tubercules frais (Figure
46), soit 77% de perte de rendement par rapport aux plants témoins. Cette perte de
rendement est variable selon le stade phénologique d’apparition du stress. Elle est plus
importante au développement des feuilles (Kashyap and Panda, 2003) et à l’initiation des
tubercules (Stark and Wright, 1985; Kashyap and Panda, 2003). Ce résultat est confirmé
par plusieurs auteurs qui mentionnent qu’une exposition de la pomme de terre au stress
hydrique avant l’initiation des stolons affecte de façon significative le poids des tubercules
(Heuer and Nadler, 1998). Le stress hydrique est ainsi source d’importantes pertes de
rendement lorsqu’il apparaît à des moments critiques du développement de la culture
(Kashyap and Panda, 2003; Thibault, 2003) (Hypothèse 3). Le rendement de la pomme de
terre demeure très sensible au stress hydrique, cependant un déficit d’irrigation à des stades
de croissance appropriés peut conduire à une meilleure efficience de l’utilisation de l’eau,
sans toutefois avoir une conséquence défavorable sur le rendement (Kashyap and Panda,
2003).

Tableau 11: Rendement des plants aux différents stades d’induction du stress hydrique.
Perte de
Pourcentage
Masse des rendement par
Nombre de par rapport à
Traitements tubercules rapport aux
plants la masse totale
frais (g) plants témoins
(%)
(%)
Stress
développement 10 291 7 77
des feuilles
Stress initiation
10 512 13 60
des tubercules
Stress floraison 10 843 21 34
Stress
10 1056 26 18
fructification
Plants témoins 10 1287 32 0
Total 50 3988 100
73

Stres s
développement
P lants témoins des feuilles
33% 7% Stres s initiation
des tubercules
13%

Stres s florais on
Stres s 21%
fructification
26%

Figure 46 : Impact du déficit hydrique sur le rendement aux différents stades phénologiques
d'induction du stress (% par rapport à la masse totale des tubercules frais).

4.2 Création d’un masque pour différencier le sol et la


végétation sur les thermographies par l’usage de la signature
spectrale du couvert végétal
L’une des limitations les plus importantes dans l’usage de la thermographie infrarouge pour
la détection du stress hydrique est la fraction de sol visible par le capteur (Wiegand et al.,
1983; Luquet et al., 2004). Elle peut entraîner des erreurs importantes dans le calcul de la
température foliaire. Pour remédier à ce problème, des images visibles ont été acquises en
simultané avec les thermographies. Ces images ont servi à localiser et à isoler la végétation
sur les thermographies par la création d’un masque du couvert végétal. La création du
masque fait suite à plusieurs critères dont la superposition de l’image visible et de la
thermographie et l’identification de la végétation sur l’image visible. Dans le cas des
mesures prises avec la caméra infrarouge ThermaCAM SC 2000, les thermographies ont
une dimension de 320*240 pixels, tandis que les images visibles ont une dimension de
640*480 pixels (§3.3.5). Il est donc nécessaire d’effectuer un réechantillonnage pour
permettre l’intégration de ces images (Figure 47). L’identification de la végétation peut être
effectuée grâce à ses propriétés spectrales dans le visible. La variation de ces propriétés
spectrales doit cependant permettre l’identification de la végétation à tous les stades
phénologiques d’induction du stress. Imanishi et al. (2004) ont montré qu’un stress
74

hydrique sévère peut considérablement affecter la signature spectrale de la végétation, la


réflectance du couvert devenant croissante avec la longueur d’onde (Figure 48).

Figure 47: Découpage et rééchantillonnage de l'image visible pour permettre sa


superposition à la thermographie.

Figure 48: Variation de la signature spectrale de la végétation selon le LAI et différents


niveaux de stress hydriques.
Imanishi et al. (2004).

Les mesures prises avec le spectroradiomètre ASD nous permettent d’étudier la variation de
la signature spectrale du couvert végétal entre 400 (bleu) et 1000 nanomètres (proche-
infrarouge). Cette signature est très peu variable dans le visible après l’arrêt de l’irrigation
(Figure 49). L’écart entre la signature des plants témoins et celle des plants induits en stress
au début et à la fin du stress développement des feuilles est presque nulle. Ce résultat est
également confirmé par l’Annexe 4 qui présente la variation de la signature spectrale des
plants témoins et des plants induits en stress à plusieurs stades d’induction du stress. Selon
75

Imanishi et al. (2004), l’effet du stress hydrique n’est pas marquant dans le visible. Nous
notons une faible variation de la signature spectrale dans le proche infrarouge (Figure 49).
Cela confirme les résultats obtenus avec le SPAD. De plus l’USWCL (2004) mentionne
que les données de réflectance ne sont pas efficaces pour une gestion en temps réel de
l’irrigation. Car une diminution significative de la concentration en chlorophylle n’apparaît
qu’après un stress hydrique sévère. Et en cas de stress prolongé, la plupart des végétaux
s’adapte en réduisant la surface foliaire, mais en maintenant les concentrations en
chlorophylle comme sous des conditions idéales de croissance. D’autre part l’un des
objectifs de cette étude est de pouvoir détecter le stress hydrique de façon précoce,
autrement dit avant que celui-ci n’entraîne des modifications de structure perceptibles à
l’œil humain.

Figure 49: Variation de la signature spectrale du couvert végétal au cours du stress


développement des feuilles.

Une caractéristique de la signature spectrale de la végétation dans le visible est son pic dans
le vert dû à la présence de la chlorophylle. La réflectance de la végétation est ainsi plus
élevée dans le vert que dans le bleu et le rouge. D’autre part la réflectance est plus forte
dans le rouge que dans le bleu. Ces faits nous conduisent à la propriété suivante qui
caractérise la végétation chlorophyllienne dans le visible :

B < 1 et R < 1 et B < 1


Équation 35
V V R
B = Réflectance dans le bleu
R = Réflectance dans le rouge
V = Réflectance dans le vert
76

La stabilité de la signature spectrale du couvert dans le visible malgré l’arrêt de l’irrigation


nous a amené à étudier plus en détails la variation relative de celle-ci dans les bandes bleu,
vert et rouge qui composent l’image visible. La Figure 50 montre que les propriétés de l’
Équation 35 reste vraie aussi bien pour les plants témoins que pour les plants soumis au
stress hydrique (Hypothèse 7). En faisant référence à Wiegand et al. (1983), selon qui, la
bande spectrale du visible (400 à 750 nm) est premièrement affectée par la chlorophylle
ainsi que d’autres pigments, nous rejoignons les résultats de la section (§4.1.4) qui
montrent que le stress hydrique appliqué au cours de l’expérience n’affecte pas de façon
significative la teneur en chlorophylle, d’où la vérification de l’ Équation 35 aussi bien chez
les plants témoins que chez les plants induits en stress. Elle peut donc nous servir à
identifier la végétation en cas de stress hydrique ou non. Ainsi en appliquant les propriétés
de l’ Équation 35 sur une image prise dans le visible, nous pouvons identifier la végétation
(Figure 51). Nous pouvons constater sur cette figure que la propriété identifie seulement la
végétation, même les fleurs présentes sur le couvert sont ignorées. Le masque ainsi créé
peut adéquatement servir à localiser la végétation sur les thermographies. Pour une image
multispectrale, les indices de végétation (§1.4) et en particulier le NDVI (Luquet et al.,
2003) représentent un moyen efficace pour l’identification de la végétation.

Figure 50: Variation de la signature spectrale du couvert dans le bleu, le vert et le rouge
durant le stress développement des feuilles.
77

Figure 51: Identification de la végétation sur une image visible à partir de ses propriétés
spectrales.

La Figure 52 présente le processus de découpage, de rééchantillonnage, de création et


d’application du masque sur la thermographie. Le processus est réalisé grâce à un
programme rédigé sous le logiciel MATLAB (annexe 2). Ce programme permet ainsi à
partir d’une thermographie de la température de surface (Ts), de dériver une thermographie
de la surface du couvert végétal. Ce produit ainsi obtenu va nous permettre de calculer et
cartographier les indices, sans risque d’y intégrer la température du sol (Hypothèse 8).

Figure 52 : Procédure de différenciation du sol et de la végétation sur les thermographies.


a) Image visible découpée et rééchantillonnée. b) Identification de la végétation sur a) à
travers sa signature spectrale. c) Création du masque de la végétation. d) Application du
masque sur la thermographie. e) Couvert végétal isolé sur la thermographie.
78

Le programme dans sa version actuelle permet d’effectuer les opérations suivantes :

• Exportation des fichiers de thermographie (.seq ou .img) au format de Matlab (.mat)


à partir du logiciel ThermaCAM Researcher 2001.
• Calcul de la thermographie moyenne de chaque scène observée.
• Découpage et rééchantillonnage des images visibles par rapport aux
thermographies.
• Création de masque à partir de l’image visible pour identifier la végétation sur la
thermographie.
• Extraction des indicateurs thermographiques du couvert végétal (annexe 5).
• Calcul et cartographie des indices.

De plus, en connaissant la résolution spatiale (FOV) du radiomètre, la hauteur et l’angle de


visée, nous pouvons très bien estimer la couverture végétale au sol, à partir de la
thermographie dérivée. Cette accessibilité à la surface du couvert végétal nous à conduit au
développement de l’indice de stress hydrique surfacique (§4.5). Pour des mesures
effectuées à de faibles hauteurs comme les nôtres, la variation de l’angle de visée n’affecte
presque pas le calcul de la surface du couvert végétal. Cependant, en faisant référence à la
variation directionnelle de l’émissivité, cette variation semble influencer la discrimination
des plants en stress sur la thermographie dérivée.

4.3 Influence de l’angle de visée sur la détection des plants


stressés
L’analyse multiangulaire de la thermographie est effectuée sur un couvert mixte observé à
partir de six angles de visée (Figure 53). Ces angles sont mesurés par rapport à la verticale.
Ils varient entre le nadir (0°) et 50°. Sur la thermographie du couvert mixte, les plants
induits en stress hydrique sont orientés nord-ouest, sud-est. Nous pouvons observer que
certains angles de visée permettent une meilleure discrimination entre plants sous stress et
plants témoins. Ce constat est corroboré par le graphique de la Figure 54, où l’écart entre la
température des différents traitements est variable selon l’angle de visée.
79

Figure 53 : Thermographies d'un couvert sous différents angles de visée (les angles sont
mesurés par rapport à la verticale).

20
19
Température (°C)

18
17
16
15
14
0 10 20 30 40 50
Angle de visé e (°)

Plants témoins Plants sous stress

Figure 54 : Variation de la température de plants témoins et de plants induits en stress sous


différents angles de visée.

Finalement l’analyse de variance nous donne les angles de visée permettant une meilleure
discrimination des plants en stress (Figure 55). Ainsi tous les angles pris en compte, sauf la
visée à 30°, permettent une discrimination significative (en dessous du seuil de probabilité
de 5%) entre les plants de référence et les plants induits en stress. Cependant, les visées au
voisinage du nadir (~10°) offrent une meilleure discrimination (avec Pr < 1%), corroborant
ainsi l’Hypothèse 5. Une raison de plus pour acquérir des thermographies du couvert
végétal avec des visées au nadir.
80

20

Plants
15
Seuil à 5%

Pr (%)
Seui à 1%
10

0
0 10 20 30 40 50
Angle de visé e (°)

Figure 55 : Probabilités associées à une différence significative entre les traitements à


différents angles de visée.

Cette analyse a montré que la détection des plants sous stress ne dépend pas de l’angle de
visée du radiomètre. Cependant les raisons pour lesquelles la visée à 30° n’offre pas une
discrimination significative entre les traitements restent encore obscures. Des travaux
supplémentaires méritent donc d’être effectués sur cet aspect des mesures radiométriques.

4.4 Évaluation des indices spectraux IRT existants


L’utilisation des thermomètres infrarouges pour la mesure de la température et le calcul des
indices spectraux infrarouge thermique entraîne des erreurs d’estimation dans la détection
du stress hydrique. Nous voulons évaluer ici plusieurs indices spectraux IRT existants à
partir de la thermographie du couvert végétal dérivée de la thermographie de surface.
Quatre indices sont évalués : la différence de température entre le couvert végétal et l’air
(Tc – Ta), le Crop Water Stress Index (CWSI), le Stress Degre Day (SDD) et le Canopy
Temperature Variability (CTV). Le choix de ces indices tient du fait qu’ils offrent la
possibilité d’estimer les besoins en eau de la végétation en temps réel. La Figure 56
présente leur variation aux différents stades phénologiques d’induction du stress hydrique.
Le Tableau 12 présente les probabilités associées à une différence significative entre les
plants de référence et les plants induits en stress effectuée par ces indices.
81

Figure 56: Variation des indices IRT aux différents stades phénologiques d’induction du
stress hydrique. DF : développement des feuilles, IT : Initiation des tubercules, Fl :
Floraison, Fr : Fructification.
82

Tableau 12: Probabilités (Pr) associées à une différence significative entre les plants
témoins et les plants induits en stress hydrique selon les indices IRT.
Stade
d'induction du Dates Tc - Ta CWSI SDD CTV
stress hydrique
2003-03-06 0.4903 0.5197 0.2612 0.7248
2003-03-07 0.4218 0.3995 0.3018 0.6268
2003-03-09 0.0499** 0.054* 0.4631 0.4191
Stress 2003-03-10 0.8115 0.7975 0.4602 0.5255
développement 2003-03-11 0.0051*** 0.0052*** 0.7592 0.5143
des feuilles 2003-03-12 0.0096*** 0.0113** 0.6874 0.9691
2003-03-14 0.0003*** 0.0004*** 0.0819* 0.9659
2003-03-17 0.0051*** 0.006*** 0.5364 0.0001***
2003-03-19 0.0017*** 0.0015*** 0.2592 0.8528
2003-03-25 0.5673 0.5211 0.5673 0.4253
Stress initiation 2003-03-27 0.0154** 0.0125** 0.0722* 0.1506
des tubercules 2003-04-01 0.0033*** 0.004*** 0.0032*** 0.0129**
2003-04-03 0.0001*** 0.0001*** 0.0001*** 0.0854*
2003-04-08 0.7401 0.7036 0.7401 0.5176
Stress floraison 2003-04-10 0.6664 0.6851 0.6257 0.6596
2003-04-15 0.002*** 0.0024*** 0.3557 0.2138
2003-04-17 0.2997 0.5162 0.5802 0.5443
Stress 2003-04-18 0.0003*** 0.0007*** 0.8928 0.0131**
fructification 2003-04-19 0.0051*** 0.0078*** 0.9127 0.9359
2003-04-22 0.0001*** 0.0001*** 0.8095 0.0017***
Les valeurs significatives inférieures au seuil d’erreur α = 0.05 sont en gras
* : Pr < 0.10, ** : Pr < 0.05, *** : Pr < 0.01.

La température de surface d’un couvert végétal desséché ou souffrant d’un déficit hydrique
va s’élever notablement au-dessus de la température de l’air, l’écart de température entre le
couvert végétal et l’air (Tc – Ta) devient ainsi un indicateur du statut hydrique de la plante
(Bariou et al., 1985b; Bonn and Escadafal, 1996; Guyot, 1996). Selon Carlson et al. (1991),
la différentielle de température (Tc – Ta) a l’avantage de réduire les effets de l’atmosphère
sur la température radiométrique du couvert. Pour une plante dont les besoins en eau sont
entièrement comblés, (Tc – Ta) ≤ 0, par contre si l’eau est insuffisante, (Tc – Ta) > 0 (Patel
et al., 2001). (Tc – Ta) > 1.5 °C est synonyme de baisse de rendement chez le mais (Irmak
83

et al., 2000). Les conditions environnementales peuvent faire varier (Tc – Ta), de même
que sa magnitude peut varier selon les conditions agrométéorologiques. Selon (Jackson,
1982) cité par (Penuelas et al., 1992), dans les régions arides la température du couvert peut
être inférieure à la température de l’air de plus de 10 °C. Par contre en zones humides les
écarts entre la température de la végétation et la température de l’air sont parfois très
faibles, même en situation de stress hydrique. Les valeurs limites de (Tc – Ta) relevées
dans cette étude sont (Tc – Ta)min = -7.0 °C et (Tc – Ta)max = +3.5 °C. L’écart (Tc – Ta) est
fortement sensible au stress hydrique, la Figure 56 montre que la courbe des plants témoins
demeurent constamment en dessous de celle des plants induits en stress les jours suivant
l’arrêt de l’irrigation. De même, l’ANOVA révèle une différence significative entre les
traitements après l’arrêt de l’irrigation à tous les stades d’induction du stress. De la
thermographie une carte d’indice peut être dérivée avec les valeurs de (Tc – Ta) (Figure
57). Appelons cette nouvelle thermographie une "indicographie" de l’indice (Tc – Ta).
L’indicographie de (Tc – Ta) indique clairement la zone de la culture devant être irriguée.
Elle montre un autre avantage de la thermographie : des produits diagnostiques peuvent en
être dérivés pour le suivi du statut hydrique de la culture. La sensibilité de (Tc – Ta) au
stress hydrique de la plante permet de mesurer l’intensité et la sévérité du stress à une date
donnée (Wiegand et al., 1983). Elle a conduit à son utilisation dans la définition de
plusieurs indices; la définition initiale de l’indice SDD (Stress Degree Day) destiné au suivi
de l’irrigation et à la prévision de récolte n’est rien d’autre que (Tc – Ta) (Idso et al., 1979;
Penuelas et al., 1992). C’est également la principale variable du Crop Water Stress Index
(CWSI).
84

Figure 57: Indicographie de (Tc - Ta).

Le CWSI est aujourd’hui l’un des plus importants indices de détection du stress hydrique.
Sa performance a été prouvée en régions arides et semi-arides (Penuelas et al., 1992; Jones,
1999; Prytz et al., 2003). Cependant il a été trouvé qu’il est moins efficace pour des
applications effectuées dans plusieurs climats humides (Luquet et al., 2004; Yuan et al.,
2004), où les variations de la température absolue sont très faibles (Jones et al., 2002).
D’autre part les lignes de base utilisées pour son calcul selon la définition d’Idso (Idso et
al., 1981a) sont variables suivant les conditions agrométéorologiques et les stades de
croissance de la culture (Idso, 1982; Jones, 1999). De ce fait, plusieurs adaptations ont été
développées pour le CWSI afin de l’utiliser dans plusieurs régions du monde (Yuan et al.,
2004). Le CWSI selon la définition d’Idso fait appelle à seulement trois variables : la
température du couvert végétal (Tc), la température de l’air (Ta) et le déficit de pression de
vapeur de l’air (VPD). En l’appliquant à l’ensemble de nos thermographies, 52% des
valeurs calculées (379 thermographies à l’échelle de la plante) sont à l’extérieur des limites
du CWSI (0 pour un maximum de transpiration et 1 pour une absence de transpiration)
(annexe 5). Pour remédier à cela, nous avons adopté une nouvelle approche, où une seule
ligne de base (limite inférieure) est utilisée pour le calcul du CWSI. La seconde ligne de
base (limite supérieure) est remplacée ici par une constante, le point du maximum de stress
85

(Équation 36). Ce point représente la valeur la plus élevée de (Tc – Ta) au cours du cycle
cultural (Figure 58). Le point du maximum de stress simule donc le déplacement de la
limite supérieure au point le plus élevé. Cette approche permet de loger le maximum de
points à l’intérieur du trapèze formé par les lignes de base, en étendant les limites du CWSI
entre – 1 (absence de stress hydrique) et 1 (maximum de stress hydrique). Au décimal près,
seulement 2% des points calculés sont en dehors de cet intervalle (annexe 5). La relation
entre (Tc – Ta) et le VPD (Équation 38) dans le calcul du CWSI est variable selon le stade
de croissance des plants (Yuan et al., 2004). Le coefficient de corrélation est plus fort au
cours des stress initiation des tubercules et fructification (r = -0.57 et r = -0.63
respectivement). Les coefficients de la limite inférieure adoptée pour l’ensemble des plants
(Équation 37) sont proches de ceux du stress développement des feuilles, vu qu’on
enregistre les valeurs les plus faibles de (Tc – Ta) à ce stade. Le CWSI calculé selon
l’approche du point de maximum de stress est sensible au stress hydrique (Figure 56) et est
étroitement corrélé à (Tc – Ta) (r = 1). Ce qui est confirmé par l’indicographie de CWSI
(Équation 36), qui donne le même résultat que celui de (Tc – Ta). On peut dire que ces
deux produits conduisent au même diagnostique. De même que pour (Tc – Ta), il existe
une relation linéaire entre l’indice CWSI et les paramètres biophysiques que sont la
conductance stomatique et la photosynthèse (Penuelas et al., 1992).

(Tc − Ta ) − (Tc − Ta )i
CWSI = Équation 36
(Tc − Ta )s − (Tc − Ta )i

Tc = Température du couvert au point considéré (°C)


Ta = Température de l’air (°C)
(Tc − Ta )i = (Tc − Ta ) calculé à partir des coefficients de la ligne de base (limite inférieure)
(Tc − Ta )s = (Tc − Ta ) au point du maximum de stress (3.56 °C)

(Tc − Ta )i = −0.13 × (Tc − Ta ) − 1.3 Équation 37

DPV = es − e Équation 38

DPV = Déficit de pression de vapeur de l’air (mb)


es = Pression de vapeur saturante (mb)
= 6.108 × exp ⎣⎡(17.27 × Ta ) / ( 237.3 + Ta ) ⎦⎤
e = Pression de vapeur (mb)
= es × HR (avec HR = humidité relative)
86

Figure 58: Relation entre la différence de température (Tc - Ta) et le DPV ayant permis le
calcul de CWSI à tous les stades phénologiques d’induction du stress.

Figure 59: Indicographie de CWSI.


87

L’indice SDD présente une différence significative croissante entre les plants témoins et les
plants induits en stress seulement au stade d’initiation des tubercules (Figure 56). Par
contre dans les autres stades il ne présente aucune différence significative.

L’indice CTV (§1.6.5) ne présente aucune différence significative entre les plants témoins
et les plants induits en stress aux quatre stades d’induction du stress (Figure 56), la
variabilité de la température du couvert ne peut donc pas être utilisée ici comme un
indicateur de stress hydrique. D’autres études ont également montré que le CTV, dans des
conditions d’humidité où la température du couvert végétal peut être proche de la
température de l’air ou supérieure avec seulement de faibles différences, ne convient pas à
la détection du stress hydrique (Berliner et al., 1984; Penuelas et al., 1992).

Cette évaluation des indices existant à partir de la thermographie infrarouge nous permet de
rejoindre l’Hypothèse 9. Elle a montré que la thermographie infrarouge est un moyen
efficace pour calculer les indices et produire des cartes diagnostiques. Elle a également
révélé que la différence entre la température du couvert végétal (Tc) et la température de
l’air est un indicateur simple, mais fortement corrélé au statut hydrique de la végétation et
simple à cartographier à partir de la thermographie du couvert.

4.5 L’indice de stress hydrique surfacique (ISHS)


Le manque d’eau chez la plante entraîne des perturbations physiologiques et
morphologiques. Nous avons montré que la surface foliaire est sensible au stress hydrique
de la plante (§4.1.5), de même que la température foliaire (§4.1.1) et la différence entre la
température du couvert végétal et la température de l’air (§4.4). Toutes ces variables du
statut hydrique de la plante sont accessibles par thermographie infrarouge. Il y a donc
intérêt à tirer profit de l’impact du stress hydrique sur le bilan thermique et la surface du
couvert végétal pour sa détection par thermographie infrarouge. Cette vision nous a conduit
à la mise en place de l’indice de stress hydrique surfacique (ISHS).

L’ISHS est la différence entre la surface foliaire totale (SFt) identifiée sur la thermographie
(Figure 60) et son sous-ensemble qui présente des conditions de stress hydrique (SFs) selon
un indice de stress hydrique IRT, ici l’indice (Tc - Ta), divisée par la somme de ces deux
88

surfaces. C’est donc une différence normalisée entre SFt et SFS (Équation 39). La Figure 60
simule la distribution spatiale des parcelles dans un champ où nous avons des parcelles
avec des conditions adéquates en eau et des parcelles souffrant de déficit hydrique (SFs).
Cette figure montre également l’importance d’effectuer des mesures intraparcellaires au
champ, car du fait de la topographie, de la composition du sol et du type de culture, il y a
une variabilité du statut hydrique de la végétation d’une parcelle à une autre.

SFt − SFs
ISHS = Équation 39
SFt + SFs

SFt = ∑ SFi = Surface foliaire totale


SFi = Surface foliaire élémentaire (à l'échelle du pixel)
SFs = ∑ SFi pour lesquels (Tc - Ta ) ≥ α avec α = -0.6 °C

L’ISHS varie entre 0 et 1. Lorsque SFt = SFs , la surface foliaire totale est sous condition de
stress hydrique et ISHS = 0 , par contre lorsque SFs = 0 , il y a absence de déficit hydrique et
ISHS = 1 .

Figure 60: Identification des paramètres de calcul de l’indice ISHS sur la thermographie du
couvert végétal.

La détection du stress hydrique par l’ ISHS est donc liée à la détermination de SFt sur la
thermographie et au diagnostic du déficit hydrique par l’indicateur (Tc – Ta), c’est-à-dire la
89

détermination de SFs. La détermination de SFt passe par l’identification de la végétation


sur l’image visible à travers l’usage de sa signature spectrale dans cette bande, puis la
superposition de cette image à la thermographie. Les propriétés spectrales utilisées pour
identifier la végétation dans le visible restent vraies selon l’intensité du stress et son stade
d’induction (§4.2). L’identification de la végétation n’entraîne donc pas d’incertitudes
notables dans la détermination de SFt. L’intégration des images fait appel à deux
opérations, le découpage sur l’image visible du champ observé par le capteur thermique,
puis le rééchantillonnage de l’image découpée. L’incertitude engendrée par ces deux
opérations peut être résolue lors de la conception de la caméra infrarouge, les imageurs
thermiques et visibles peuvent observer la même scène et délivrer des images de même
dimension, ce qui est technologiquement possible. Les images optiques et thermiques
peuvent être acquises avec les mêmes caractéristiques spatiales et directionnelles (Jacob,
1999).

La surface foliaire sous condition de déficit hydrique (SFs) est déterminée par la condition
(Tc - Ta ) ≥ α . La mesure de l’indicateur (Tc – Ta) est d’une part soumise à la précision
instrumentale et à la méthode de mesure. L’erreur instrumentale résultante sur la
détermination de (Tc – Ta) est de σ (Tc − Ta ) = ±0.6 oC (§3.3.7.3). Pour tenir compte de cette

incertitude, la condition de déficit hydrique est définie à (Tc − Ta ) ≥ −0.6 oC . D’autre part la

variation de (Tc –Ta) est liée à l’ouverture ou à la fermeture des stomates qui indique la
présence ou l’absence de transpiration. Or en dehors du manque d’eau, la transpiration
végétale peut être affectée par plusieurs facteurs environnementaux tels que l’humidité de
l’air, la vitesse du vent, la température de l’air, l’intensité lumineuse (Heller et al., 1993).

Chez les plants induits en stress la variation de l’ISHS après l’arrêt de l’irrigation est
décroissante, tandis que chez les plants témoins les valeurs de l’ISHS sont plus élevées et
sa variation suit les dates d’irrigation ainsi que le stade de croissance des plants (Figure 61).
Le Tableau 13 montre qu’il y a une différence significative croissante entre les plants
témoins et les plants induits en stress après l’arrêt de l’irrigation, cependant un retard
d’irrigation des plants témoins fait chuter cette différence comme nous pouvons le constater
au stade de développement des feuilles, aussi bien sur la figure que le tableau.
90

Figure 61: Variation de l’indice ISHS des plants témoins et des plants induits en stress au
stade de développement des feuilles (DF) et à l’initiation des tubercules (IT). Les flèches
représentent des dates d’irrigation.

Tableau 13: Probabilités associées à une différence significative de l’indice ISHS entre les
plants témoins et les plants induits en stress aux stress développement des feuilles et
initiation des tubercules.
Stades d’induction du
Dates Pr
stress hydrique
2003-03-09 0.2042
2003-03-10 0.8993
2003-03-11 0.0045***
Développement des feuilles 2003-03-12 0.0066***
2003-03-14 0.0002***
2003-03-17 0.005***
2003-03-19 0.1033
2003-03-25 0.3061
2003-03-27 0.0026***
Initiation des tubercules
2003-04-01 0.0192**
2003-04-03 0.0001***
Les valeurs significatives inférieures au seuil d’erreur α = 0.05 sont en gras
* : Pr < 0.10, ** : Pr < 0.05, *** : Pr < 0.01.
91

La Figure 62 présente l’évolution de l’indicographie de (Tc - Ta) dérivée de la


thermographie des plants du bloc A à l’initiation des tubercules ainsi que la variation des
valeurs de l’ISHS qui lui sont associées. Les mesures ont été prises au nadir à une hauteur
constante, la variation relative de la surface occupée par le couvert végétal sur la scène est
donc réelle. Nous pouvons ainsi constater sur cette carte d’indice que les valeurs de (Tc –
Ta) des plants induits en stress augmentent, en même temps que diminuent la surface
foliaire et les valeurs de l’ISHS. Le phénomène contraire se produit chez les plants témoins,
où on note une croissance générale de la surface foliaire, ainsi que la variation de (Tc – Ta)
et de l’ISHS liée aux dates d’irrigation. Cette indicographie montre la sensibilité de ces
trois variables au déficit hydrique.

Figure 62: Variation de l’indicographies de (Tc – Ta) et des valeurs de l'ISHS des plants du
bloc A durant le stade d’initiation des tubercules.
92

Cette indicographie réitère l’avantage des mesures intraparcellaires au champ. Elle peut
permettre de suivre l’évolution de la surface occupée par la végétation dans chaque
parcelle. De plus elle constitue un outil adéquat pour une bonne estimation du LAI.

La Figure 63 montre l’indicographie d’un couvert mixte composé des plants du bloc B
(plants témoins et plants sous stress). On y voit une diminution de la surface foliaire des
plants induits en stress par rapport aux plants témoins, et une augmentation des valeurs de
(Tc – Ta) chez ces mêmes plants. On observe une diminution de la valeur de l’ISHS due
aux effets de l’arrêt de l’irrigation des plants induits en stress. Une irrigation uniforme sur
toute la surface observée serait une erreur, car l’indicographie démontre la présence d’au
moins deux parcelles distinctes et la parcelle qui a un besoin d’irrigation y est clairement
identifiée.

Figure 63: Variation de l’indicographie d’un couvert mixte (bloc B) au cours du stress
initiation des tubercules.

La Figure 64 présente la relation entre l’ISHS, la surface foliaire et la différentielle (Tc –


Ta). Des valeurs élevées de l’ISHS sont majoritairement associées à de faibles valeurs de
(Tc - Ta) et à des valeurs élevées de la surface foliaire. Par contre, de faibles valeurs de
l’ISHS sont associées à des valeurs élevées de (Tc – Ta) et à de faibles valeurs de la surface
foliaire. Cette relation est confirmée par les coefficients de corrélation entre l’ISHS et (Tc
– Ta) (r = -0.88), et la surface foliaire (r = -0.48).
93

Figure 64: Variation de l’ISHS comparativement à (Tc – Ta) et la surface foliaire durant le
stress développement des feuilles.
Conclusion
La thermographie infrarouge est un outil efficace pour la détection hâtive du stress
hydrique chez une culture comme la pomme de terre. Elle permet en outre d’avoir une
bonne estimation des paramètres physiologiques telles que la conductance stomatique, la
photosynthèse et la surface foliaire qui conditionnent le rendement de la culture. Cette
étude a confirmé que le stress hydrique peut affecter de façon significative ces paramètres
et être synonyme d’une baisse importante du rendement lorsqu’il apparaît à des moments
critiques du développement de la culture.

Le principal avantage de la thermographie par rapport aux méthodes existantes de détection


du stress hydrique par radiométrie est qu’elle utilise un capteur imageur. En associant une
image visible à la thermographie, nous avons pu différencier le sol et la végétation sur la
thermographie. Cela a permis d’améliorer la capacité de détection des indices infrarouges
thermiques existants tels que le Crop Water Stress Index (CWSI) et la différence de
température entre le couvert végétal et l’air (Tc – Ta). L’association thermographie –
imagerie optique donne également accès à la surface occupée par la végétation sur la
thermographie. Cette surface associée à (Tc – Ta) nous a permis de développer l’Indice de
Stress Hydrique Surfacique (ISHS). L’ISHS intègre aux indices IRT la surface foliaire et
considère l’aspect spatial des besoins en eau de la culture, permettant ainsi d’appliquer
l’irrigation au bon moment et au bon endroit dans un champ.

Cette étude a montré que l’exploitation des propriétés thermiques des couverts végétaux à
partir de la télédétection infrarouge thermique par l’usage des capteurs imageurs présente
l’avantage de la détection précoce, de la haute résolution spatiale et temporelle, ainsi que la
mise en place d’un outil diagnostic de gestion de stress applicable en agriculture de
précision. Elle représente un enjeu scientifique, environnemental et économique majeur.
Les résultats obtenus avec l’ISHS pour la détection du stress hydrique sont très
encourageants et les méthodes développées ont répondu à nos objectifs de détection du
stress hydrique par thermographie infrarouge. Cependant les travaux ont été réalisés en
serre (conditions contrôlées), d’où l’importance d’une suite sur le terrain avec des capteurs
embarqués et aéroportés pour valider l’approche de mesure des indices IRT par
thermographie infrarouge et rendre opérationnel l’indice ISHS. De plus, le développement
95

algorithmique pour la cartographie des indices, amorcé dans cette étude, mérite d’être
poursuivi pour un diagnostique en temps réel du stress hydrique au champ. Le GAAP offre
un plate-forme en équipement et en projet pour permettre cette réalisation.

Entre la plante et la parcelle, entre la parcelle et le champ, entre le champ et la région


agricole, chaque échelle d’intervention nécessite des outils et des méthodes d’observation
appropriés. Le développement croissant des capteurs de télédétection permet d’avoir accès
à une information de plus en plus fine à chaque échelle d’observation. L’espace et le temps
constituent deux dimensions cruciales de cette information. Un modèle intégrant les
indicateurs biophysiques et les technologies géomatiques telles que les systèmes
d’information à référence spatiale, les systèmes de positionnement par satellite et la
télédétection constituerait un outil efficace pour la gestion de l’usage de l’eau en
agriculture.
Bibliographie

AAC 2000. Les pommes de terre : Situation et tendances de la production canadienne en


1999-2000. Agriculture et Agroalimentaire Canada, [Available online from
http://www.agr.gc.ca/misb/hort/potato_fr.html].
AAC 2004. Pomme de terre sous irrigation : Les produits agrochimiques dans le sol et l'eau
souterraine. Agriculture et Agroalimentaire Canada, [Available online from
http://www.agr.gc.ca/pfra/csidc/potagroc_e.htm].
Atlas du Canada 2004. Consommation agricole de l'eau/irrigation. Ressources naturelles
Canada, [Available online from
http://atlas.gc.ca/site/francais/maps/freshwater/consumption/agriculture].
Baret, F. 1999. Potentiel de la télédétection pour l'agriculture de précision. L'enjeux
français de l'agriculture de précision, pp. 8-11.
Bariou, R., Lecamus, D., and Henaff, L. F. 1985a, Dossiers de télédétection. Indices de
végétation. Centre Régional de Télédétection, Université de Renne 2 - Haute
Bretagne.
Bariou, R., Lecamus, D., and Henaff, L. F. 1985b, Dossiers de télédétection. Réponse
spectrale des végétaux. Centre Régional de Télédétection, Université de Renne 2 -
Haute Bretagne.
Beik, F., and Saradjian, M. R. 2003. Emissivity determination for land surface temperature
estimation of iran using avhrr thermal infrared data. Map Asia Conference 2003.
Berliner, P., Oosterhuis, D. M., and Green, G. C. 1984. Evaluation of the infrared
thermometer as a crop stress detector. Agricultural and Forest Meteorology, Vol.
31, No. 3-4, pp. 219-230.
Bernhards, U. 1998. La pomme de terre Solanum tuberosum L. Institut National
Agronomique Paris-Grignon, Paris.
Bonn, F., and Escadafal, R. 1996, La télédétection appliquée aux sols. In Précis de
télédétection, volume 2, applications thématiques. edited by Presses de l'université
du Québec.
Bonn, F. et Rochon, G. 1992. Précis de télédétection, Volume 1. Principes et méthodes.
Presses de l’Université du Québec, AUPELF-UREF. 512 pages
Brecht, A., Aerts, J. M., Degraeve, P., and Berckmans, D. 2002. Quantification of the
spatio–temporal eggshell temperature and convection coefficient by infrared
thermography. Transactions of the ASAE, Vol. 45, No. 6, pp. 1951-1957.
Caloz, R., and Puech, C. 1996, Hydrologie et imagerie satellitaire. In Précis de
télédétection, volume 2, applications thématiques. edited by Presses de l'université
du Québec.
Caniou, J. 1991, L'observation et le mesurage par thermographie. Afnor, Paris.
Carlson, T. N., Belles, J. E., and Gillies, R. R. 1991. Transient water stress in a vegetation
canopy: Simulations and measurements. Remote Sensing of Environment, Vol. 35,
No. 2-3, pp. 175-186.
Centre Canadien de Télédétection 2004. Mesures biophysiques à partir de plate-forme
orbitale. Ressource Naturelles Canada, [Available online from
http://www.ccrs.nrcan.gc.ca/ccrs/rd/apps/landcov/biophys/biophys_f.html].
97

CIP Terre 1999. La pomme de terre: Une production en pleine croissance. Centre
International de la Pomme de terre, [Available online from
http://www.cipotato.org/Market/Potatofacts/pommepdf/pomeprod.pdf].
Chaerle, L., and Van Der Straeten, D. 2001. Seeing is believing: Imaging techniques to
monitor plant health. Biochimica et Biophysica Acta (BBA) - Gene Structure and
Expression, Vol. 1519, No. 3, pp. 153-166.
Cihlar, J., Ly, H., Li, Z., Chen, J., Pokrant, H., and Huang, F. 1997. Multitemporal,
multichannel avhrr data sets for land biosphere studies--artifacts and corrections.
Remote Sensing of Environment, Vol. 60, No. 1, pp. 35-57.
CNRS 2004. Les maladies liées à l’eau. Centre National de la Recherche Scientifique,
[Available online from
http://www.cnrs.fr/cw/dossiers/doseau/decouv/potable/maladEau.html].
Direction de la technologie 2004. Inversions thermiques sur la france. Ministère de
l'Éducation nationale, de l'Enseignement supérieur et de la Recherche. France,
[Available online from
http://www.educnet.education.fr/meteo/rayonn/inv_ther/html/inv24.htm].
Duquette, R. et Lauzon, E. P. 1996. Topométrie générale. Les éditions de l’école
polytechnique de Montréal.
FAO 1993, La situation mondiale de l'alimentation et de l'agriculture. Organisation des
Nations Unies pour l'Alimentation et l'Agriculture (FAO), Rome.
FAO 2004. Faostat databases. [Available online from
http://apps.fao.org/faostat/default.jsp].
Flir Systems 2000, Thermacam sc2000. Operator's manual.
FLIR Systems 2002. Cold cooling fins due to low oil level in a transformer. [Available
online from
http://www.flirthermography.com/canada/success/ir_image/1020/application_id/10
01/].
Gaussorgues, G. 1999, La thermographie infrarouge : Principes, technologies, applications,
Paris.
Gallichand, J., and Broughton, R. 1993, Besoins en eau pour l'irrigation des cultures du
sud-ouest du québec. Conseil des productions végétales du Québec, Québec.
Gilabert, M. A., Gonzalez-Piqueras, J., Garcia-Haro, F. J., and Melia, J. 2002. A
generalized soil-adjusted vegetation index. Remote Sensing of Environment, Vol.
82, No. 2-3, pp. 303-310.
Girard, M. C., et Girard, C. M. 1999. Traitement des données de télédétection. Dunod,
Paris.
Goel, P. K., Prasher, S. O., Landry, J. A., Patel, R. M., Bonnell, R. B., Viau, A. A., and
Miller, J. R. 2003. Potential of airborne hyperspectral remote sensing to detect
nitrogen deficiency and weed infestation in corn. Computers and Electronics in
Agriculture, Vol. 38, No. 2, pp. 99-124.
Guénette, C. 2003. Évaluation du potentiel de l’infrarouge spectral pour la détection hâtive
du stress nutritif chez les végétaux de grandes cultures. Application à la culture de
la pomme de terre: Université Laval, Québec, 117 p.
Guyot, G. 1996, Agriculture et statistiques agricoles. In Précis de télédétection, volume 2,
applications thématiques. edited by P. d. l. u. d. Québec.
Hatfield, P. L., and Pinter, J., P. J. 1993. Remote sensing for crop protection. Crop
Protection, Vol. 12, No. 6, pp. 403-413.
98

Heathwaite, A. L. 2003. Making process-based knowledge useable at the operational level:


A framework for modelling diffuse pollution from agricultural land. Environmental
Modelling & Software, Vol. 18, No. 8-9, pp. 753-760.
Heller, R., Esnault, R., and Lance, C. 1993, Physiologie végétale, 1. Nutrition, Paris.
Heuer, B., and Nadler, A. 1998. Physiological response of potato plants to soil salinity and
water deficit. Plant Science, Vol. 137, No. 1, pp. 43-51.
Hipps, L. E., Asrar, G., and Kanemasu, E. T. 1985. A theoretically-based normalization of
environmental effects on foliage temperature. Agricultural and Forest Meteorology,
Vol. 35, No. 1-4, pp. 113-122.
Idso, S. B. 1982. Non-water-stressed baselines: A key to measuring and interpreting plant
water stress. Agricultural Meteorology, Vol. 27, No. 1-2, pp. 59-70.
Idso, S. B., Hatfield, J. L., Jackson, R. D., and Reginato, R. J. 1979. Grain yield prediction:
Extending the stress-degree-day approach to accommodate climatic variability.
Remote Sensing of Environment, Vol. 8, No. 3, pp. 267-272.
Idso, S. B., Jackson, R. D., Pinter, J., P. J., Reginato, R. J., and Hatfield, J. L. 1981a.
Normalizing the stress-degree-day parameter for environmental variability.
Agricultural Meteorology, Vol. 24, pp. 45-55.
Idso, S. B., Jackson, R. D., and Reginato, R. J. 1978. Remote sensing for agricultural water
management and crop yield prediction. Agricultural Water Management, Vol. 1,
No. 4, pp. 299-310.
Idso, S. B., Reginato, R. J., Jackson, R. D., and Pinter, J., P. J. 1981b. Foliage and air
temperatures: Evidence for a dynamic "equivalence point". Agricultural
Meteorology, Vol. 24, pp. 223-226.
Imanishi, J., Sugimoto, K., and Morimoto, Y. 2004. Detecting drought status and lai of two
quercus species canopies using derivative spectra. Computers and Electronics in
Agriculture, Vol. 43, No. 2, pp. 109-129.
INRA 2002. Gestion et usages agricoles de l'eau. Institut National de Recherche
Agronomique. Centre de Toulouse, [Available online from
http://capoul.toulouse.inra.fr/centre/centre/eau.htm].
Institut de la thermographie 2004. Dictionnaire thematique de thermographie. [Available
online from http://www.institut-thermographie.com/].
Irmak, S., Haman, D. Z., and Bastug, R. 2000. Determination of crop water stress index for
irrigation timing and yield estimation of corn. Agron J, Vol. 92, No. 6, pp. 1221-
1227.
Jackson, R. D. 1982. Canopy temperature and crop water stress. Advances in Irrigation,
Vol. 1, pp. 43-85.
Jackson, R. D., Hatfield, J. L., Reginato, R. J., Idso, S. B., and Pinter, J., P. J. 1983.
Estimation of daily evapotranspiration from one time-of-day measurements.
Agricultural Water Management, Vol. 7, No. 1-3, pp. 351-362.
Jacob, F. 1999. Utilisation de la télédétection courtes longueurs d'onde et infrarouge
thermique à haute résolution spatiale pour l'estimation des flux d'énergie à l'échelle
de la parcelle agricole: Institut National de la Recherche Agronomique, Avignon,
268 p.
Jones, H. G. 1999. Use of infrared thermometry for estimation of stomatal conductance as a
possible aid to irrigation scheduling. Agricultural and Forest Meteorology, Vol. 95,
No. 3, pp. 139-149.
99

Jones, H. G., Stoll, M., Santos, T., Sousa, C. d., Chaves, M. M., and Grant, O. M. 2002.
Use of infrared thermography for monitoring stomatal closure in the field:
Application to grapevine. J. Exp. Bot., Vol. 53, No. 378, pp. 2249-2260.
Kashyap, P. S., and Panda, R. K. 2003. Effect of irrigation scheduling on potato crop
parameters under water stressed conditions. Agricultural Water Management, Vol.
59, No. 1, pp. 49-66.
Kogan, F. N. 1995. Application of vegetation index and brightness temperature for drought
detection. Advances in Space Research, Vol. 15, No. 11, pp. 91-100.
Kustas, W. P., Moran, M. S., Jackson, R. D., Gay, L. W., Duell, L. F. W., Kunkel, K. E.,
and Matthias, A. D. 1990. Instantaneous and daily values of the surface energy
balance over agricultural fields using remote sensing and a reference field in an arid
environment. Remote Sensing of Environment, Vol. 32, No. 2-3, pp. 125-141.
Li, Z.-L., Becker, F., Stoll, M. P., and Wan, Z. 1999. Evaluation of different methods for
extracting relative spectral emissivity information from simulated thermal infrared
multispectral scanner data. Remote Sensing of Environment, Vol. 69, No. 2, pp. 122-
138.
Luquet, D. 2002. Suivie de l'état hydrique des plantes par infrarouge thermique - analyse
expérimentale et modélisation 3d de la variabilité des températures au sein d'une
culture en rang de cotonniers: Institut National Agronomique Paris-Garignon, Paris.
Luquet, D., Begue, A., Vidal, A., Clouvel, P., Dauzat, J., Olioso, A., Gu, X. F., and Tao, Y.
2003. Using multidirectional thermography to characterize water status of cotton.
Remote Sensing of Environment, Vol. 84, No. 3, pp. 411-421.
Luquet, D., Dauzat, J., Vidal, A., Clouvel, P., and Bégué, A. 2001. 3d simulation of leaves
temperature in a cotton-row crop: Toward an improvement of thermal infrared
signal interpretation to monitor crop water status. Proceeding of 8th International
Symposium Physical Measurements & Signatures in Remote Sensing, Aussois,
France, 8-12 January (pp. 493-499), Edited by e. ISPRS.
Luquet, D., Vidal, A., Dauzat, J., Begue, A., Olioso, A., and Clouvel, P. 2004. Using
directional tir measurements and 3d simulations to assess the limitations and
opportunities of water stress indices. Remote Sensing of Environment, Vol. 90, No.
1, pp. 53-62.
Monteith, J. L., and Szeicz, G. 1962. Radiative temperature in the heat balance of natural
surfaces. Quart. J. Roy. Meteorol. Soc, Vol. 88, pp. 496-507.
Moran, M. S. 2000. Thermal infrared measurement as an indicator of plant ecosystem
health. USDA-ARS Southwest Watershed Research Center. Tucson, Arizona.
Moran, M. S., Clarke, T. R., Inoue, Y., and Vidal, A. 1994. Estimating crop water deficit
using the relation between surface-air temperature and spectral vegetation index.
Remote Sensing of Environment, Vol. 49, No. 3, pp. 246-263.
Moran, S. M., Hymer, D. C., Qi, J., and Sano, E. E. 2000. Soil moisture evaluation using
multi-temporal synthetic aperture radar (sar) in semiarid rangeland. Agricultural
and Forest Meteorology, Vol. 105, No. 1-3, pp. 69-80.
Office québécois de la langue française 2004. Le grand dictionnaire terminologique,
Gouvernement du Québec.
Orta, A. H., Erdem, Y., and Erdem, T. 2003. Crop water stress index for watermelon.
Scientia Horticulturae, Vol. 98, No. 2, pp. 121-130.
100

Parent, L.-E. 2000. Données agronomiques en agriculture de précision. Proceeding of


Premier colloque sur la géomatique agricole et l'agriculture de précision. De
l'espace à la terre : toute une technologie., Québec, 23 et 24 mars 2000.
Patel, N. R., Mehta, A. N., and Shekh, A. M. 2001. Canopy temperature and water stress
quantificaiton in rainfed pigeonpea (cajanus cajan (l.) millsp.). Agricultural and
Forest Meteorology, Vol. 109, No. 3, pp. 223-232.
Penuelas, J., Save, R., Marfa, O., and Serrano, L. 1992. Remotely measured canopy
temperature of greenhouse strawberries as indicator of water status and yield under
mild and very mild water stress conditions. Agricultural and Forest Meteorology,
Vol. 58, No. 1-2, pp. 63-77.
Prytz, G., Futsaether, C. M., and Johnsson, A. 2003. Thermography studies of the spatial
and temporal variability in stomatal conductance of avena leaves during stable and
oscillatory transpiration. New Phytologist, Vol. 158, pp. 249–258.
Rioux, J.-A. 2002. Science des plantes, deuxième partie: Physiologie et domestication des
plantes. Université Laval, Québec.
Seelan, S. K., Laguette, S., Casady, G. M., and Seielstad, G. A. 2003. Remote sensing
applications for precision agriculture: A learning community approach. Remote
Sensing of Environment, Vol. 88, No. 1-2, pp. 157-169.
Sierra Pacific Infrared Thermography 2004. Infrared camera sales and thermography
services. [Available online from http://x26.com/].
Smith, K. L., Steven, M. D., and Colls, J. J. 2004. Use of hyperspectral derivative ratios in
the red-edge region to identify plant stress responses to gas leaks. Remote Sensing
of Environment, Vol. 92, No. 2, pp. 207-217.
Stark, J. C., and Wright, J. L. 1985. Relationship between foliage temperature and water
stress in potatoes. American potato journal, Vol. 62, No. 2, pp. 57-68.
Stoll, M. P. 1988. Mesure de la température et de l'émissivité de surface par télédétection :
Modèles et méthodes. Proceeding of Télédétection spatiale : aspects physiques et
modélisations, Toulouse, août 1988 (pp. 845-903), Edited by. Centre National
d'Études Spatiales.
Tardieu, F., and Dreyer, E. 1997, Régulation des échanges gazeux par les plantes soumises
à la sécheresse. In L'eau dans l'espace rural. Production végétale et qualité de l'eau.
edited by INRA-Éditions. Institut National de Recherche Agronomique. pp. 41-59.
Thibault, P. 2003. L'importance d'une irrigation adéquate dans la culture de la pomme de
terre. Proceeding of colloque sur la pomme de terre, Québec, (pp., Edited by Centre
de recherche en agriculture et agroalimentaire du québec (CRAAQ).
Thorburn, P. J., Biggs, J. S., Weier, K. L., and Keating, B. A. 2003. Nitrate in groundwaters
of intensive agricultural areas in coastal northeastern australia. Agriculture,
Ecosystems & Environment, Vol. 94, No. 1, pp. 49-58.
Tsé Bi, T. D. 1999. Mesure de l'évapotranspiration réelle et des coefficients culturaux dans
la culture de la pomme de terre à l'aide de lysimètre drainant: Université Laval,
Québec.
USWCL 2004. Applications for reflectance and microwave data in irrigation management.
U.S. Water Conservation Laboratory, Agricultural Research Service, [Available
online from http://www.uswcl.ars.ag.gov/epd/remsen/irrweb/microref.htm].
USWCL 2004. Thermal Crop Water Stress Indices. U.S. Water Conservation Laboratory,
Agricultural Research Service, [Available online from
http://www.uswcl.ars.ag.gov/epd/remsen/irrweb/microref.htm].
101

Valor, E., and Caselles, V. 1996. Mapping land surface emissivity from ndvi: Application
to european, african, and south american areas. Remote Sensing of Environment,
Vol. 57, No. 3, pp. 167-184.
Viau, A. A. 2000. La géomatique et la collecte des données en agriculture. Proceeding of
Premier colloque sur la géomatique agricole et l'agriculture de précision. De
l'espace à la terre : toute une technologie., Québec, 23 et 24 mars 2000.
Vogt, J. V., Niemeyer, S., Somma, F., Beaudin, I., and Viau, A. A. 2000. Drought
monitoring from space. Advanced in natural and technological hazards research,
Vol. 14, pp. 167-183.
Wiegand, C. L., Nixon, P. R., and Jackson, R. D. 1983. Drought detection and
quantification by reflectance and thermal responses. Agricultural Water
Management, Vol. 7, No. 1-3, pp. 303-321.
Williams, T. L. 1988, Industrial and civil application of thermography. In Applications of
thermal imaging. IOP Publishing Ltd, Philadelphia.
Yagoubi, S. 1993. Irrigation d’appoint et efficience de l’utilisation de l’eau. Cas de la
pomme de terre. Centre international de hautes études agronomiques
méditerranéennes, Bari (Italie).
Yuan, G., Luo, Y., Sun, X., and Tang, D. 2004. Evaluation of a crop water stress index for
detecting water stress in winter wheat in the north china plain. Agricultural Water
Management, Vol. 64, No. 1, pp. 29-40.
Zalidis, G., Stamatiadis, S., Takavakoglou, V., Eskridge, K., and Misopolinos, N. 2002.
Impacts of agricultural practices on soil and water quality in the mediterranean
region and proposed assessment methodology. Agriculture, Ecosystems &
Environment, Vol. 88, No. 2, pp. 137-146.
Zhang, M., Qin, Z., Liu, X., and Ustin, S. L. 2003. Detection of stress in tomatoes induced
by late blight disease in california, USA, using hyperspectral remote sensing.
International Journal of Applied Earth Observation and Geoinformation, Vol. 4,
No. 4, pp. 295-310.
Annexe 1 : Les Flux d’énergie à la surface

Le flux radiatif
Les échanges radiatifs correspondent à des transferts d’énergie par rayonnement (Jacob,
1999). Le rayonnement absorbé par un objet ou une surface correspond au rayonnement net
(Figure 65). Le rayonnement net est la quantité d’énergie radiative disponible à la surface
terrestre et pouvant être transformée en d’autres formes d’énergie par les divers
mécanismes physiques ou biologiques de la surface (Bonn et Rochon, 1992). Le
rayonnement net (Rn) est obtenu par l’équation du bilan radiatif :

Rn = (1 − α s )Rg + (1 − ρ s )Ra − ε s .σ .T s
4
Équation 40

Rn = rayonnement net (W.m-2)


αs = albédo de la surface
Rg = rayonnement solaire incident global de petite longueur d’onde (W.m-2)
ρs = coefficient de réflexion thermique de la surface
Ra = rayonnement thermique incident de grande longueur d’onde, émis par
l’atmosphère (de 3.5 à 8 µm) (W.m-2)
εs = émissivité de la surface
σ = constante de Stefan-Boltzmann (W.m-2.K-4)
Ts = température radiative de surface (°K)

4
Rg αs.Rg ρs.Ra εs.σ.T s
Ra

Domaine solaire Domaine thermique


(3.5 - 8 µm) (3.5 - 8 µm)

Figure 65: les différentes composantes du rayonnement net. Rg est la rayonnement solaire
global, αs.Rg est le rayonnement solaire réfléchi par la surface, Ra est le rayonnement
atmosphérique incident, ρs.Ra est le rayonnement atmosphérique réfléchi par la surface et
εs.σ.T4s est le rayonnement émis par la surface à la température Ts.
Adapté de Jacob (1999).
103

Le flux conductif
Les échanges conductifs correspondent à des échanges d’énergie par conduction. La
conduction est un phénomène de transmission de chaleur dans un corps ou entre des corps
en contact, par l’action moléculaire. Cette transmission s’effectue de proche en proche, sans
déplacement de matière et sans modification des particules du ou des corps en présence.
Selon l’équation de Fourier, le flux de chaleur par conduction dans le sol (G) est
proportionnel au gradient de température entre une profondeur de référence et la surface du
sol, et à la conductivité thermique du sol.

G = hs (Tsol − Tr ) (Wm-2) Équation 41

hs est la conductivité thermique du sol (Wm-2K-1) entre la profondeur de référence à la


température Tr (°K) et la couche supérieure du sol en contact avec l’atmosphère à la
température Tsol (°K).

Les flux convectifs


Les échanges convectifs correspondent à des transferts d’énergie ou de masse par
déplacement de l’air entre la surface et les basses couches de l’atmosphère (Jacob, 1999).
Ces transferts d’énergie peuvent résulter du mouvement naturel de l’air généré par une
différence de température ou de densité (convection naturelle), ou du mouvement forcé de
l’air provoqué par une puissance extérieure (convection forcée) comme un ventilateur ou un
vent assez fort. Les mouvements verticaux de l’air s’effectuent du plus chaud vers le plus
froid. Le flux de chaleur sensible (H) et le flux de chaleur latente (LE) sont des flux
énergétiques résultants des échanges convectifs.

Le flux de chaleur sensible


Le flux de chaleur sensible (H) correspond au transfert de chaleur par convection entre la
surface et l’air. La chaleur sensible est la chaleur, qui contrairement à la chaleur latente,
entraîne une modification de la température lorsqu’on l’ajoute ou la soustraire (OLF, 1990).
104

(Ts − Ta )
H = ρ .Cp (W.m-2) Équation 42
ra

ρCp = capacité calorifique de l’air (1212 JK-1m-1)


ra = résistance aérodynamique de l’air (sm-1)
Ts = température de la surface considérée (°K)
Ta = température de l’air (°K), prise à une hauteur de référence

Le flux de chaleur latente.


Le flux de chaleur latente (LE) correspond à une quantité d’eau évaporée par unité de
temps (E) convertie en énergie par la constante de vaporisation de l’eau λ, L étant la
chaleur latente d’évaporation de l’eau. La chaleur latente d’évaporation est la quantité de
chaleur requise pour transformer un gramme de liquide en vapeur, sans changement de
température. Le flux de chaleur latente est plus communément appelée évapotranspiration
car elle résulte de l’évaporation de l’eau présente sur les espaces physiques (sol, feuilles,
eau libre) mais aussi de la transpiration foliaire (Luquet, 2002).

ρ .Cp (es − ea )
LE = (W.m-2) Équation 43
γ rs + ra

γ = constante psychrométrique (66.1 PaK-1)


rs = résistance stomatique (sm-1) intervenant dans le cas d’un couvert végétal
es = pression de vapeur d’eau de la surface (Pa)
ea = pression de vapeur d’eau de l’air au voisinage de la surface (Pa)

Le bilan d’énergie
Selon le premier principe de la thermodynamique les pertes et les gains d’un système
s’équilibrent. Le bilan d’énergie à la surface suit la loi de conservation de l’énergie. Une
partie de l’énergie nette qui arrive à la surface sert à réchauffer le sol par conduction, une
autre à l’évaporation de l’eau, une autre à modifier l’atmosphère par convection, une
dernière partie, minime par rapport aux autres, sert les mécanismes photochimiques de
l’assimilation chlorophyllienne chez les végétaux (Figure 66). Le bilan d’énergie des
surfaces naturelles s’exprime par :
105

Rn = G + H + LE + J Équation 44

Rn = rayonnement net (Wm-2)


G = quantité d’énergie utilisée pour la conduction de la chaleur dans le sol (Wm-2)
H = flux de chaleur sensible (Wm-2)
LE = flux de chaleur latente (Wm-2)
J = stockage de l’énergie par la végétation pour assurer l’activité photosynthétique
(Wm-2)

Figure 66: les différentes composantes du bilan d’énergie. Rn : rayonnement net (échanges
radiatifs). G : flux de chaleur dans le sol (échanges conductifs). H : flux de chaleur sensible
(échanges convectifs). LE : flux de chaleur latente (échanges convectifs).
Adapté de Jacob (1999).
Annexe 2 : Programme MATLAB pour le calcul et la
cartographie des indices (Tc – Ta) et ISHS à partir de la
thermographie du couvert végétal
%--------------------------------------------------------------------------
% Ce programme utilise la thermographie du couvert végétal sur laquelle
% le sol a été masqué pour calculer et cartographier les indicateurs.
%
% 1. Chargement des fichiers de thermographie (*.mat)
%
% 2. Création d'un fichier texte pour l'enregistrement des résultats
%
% 3. Extraction des informations rattachées à la thermographie telles que
% la date, le nom du plant, la température et l'humidité de l'air
%
% 4. Dérivation de l'indicographie de (Tc - Ta) à partir de la thermographie
%
% 5. Calcul des paramètres de l'ISHS à partir de l'indicographie
%
% 6. Calcul des indicateurs thermographiques de (Tc - Ta)
%
% 7. Calcul de l'ISHS
%
% 8. Enregistrement des résultats dans le fichier .txt
%
% 9. Cartographie de (Tc - Ta) et valeurs de l'ISHS
%
%
% Serge Olivier Kotchi
% 03 mars 2004
%--------------------------------------------------------------------------

% 1. --------------------------------------------------------------------

% Localisation du répertoire des fichiers ".mat"


rep = ('D:\abitibi_2003\experience_1\liste\essai');
% affectation de rep au repertoire courant
cd(rep);
% "listfich" contient la liste des fichiers ".mat"
listfich = dir('D:\abitibi_2003\experience_1\liste\essai\*.mat');
% "nbfich" contient le nombre des fichiers ".mat"
nbfich = length(listfich);
coupe = [1:6]; mmode = [51]; nommode = [50];
107

% 2. -------------------------------------------------------------------

% Création d'un fichier "indice.txt" pour l'enrégistrement des données.


fid = fopen('indice.txt','a');
% entete = ['plant' 'SFt' 'SFs' 'SFt - SFs' 'ISHS'];
fprintf(fid,'%s %s %s %s %s %s %s %s %s %s
%s\n','plant','Date','ISHS','LAI','LAIws','sol','DTmoy','DTmed','DTmod','TAIR','HR');
fclose(fid);

% 3. -------------------------------------------------------------------

fg = 0;

for nb = 1:nbfich
fich = listfich(nb);
thermo = struct2cell(load(fich.name));% matrice de la thermographie
cpe = length(fich.name) - 4;
coupe = [1:cpe];
Nom = fich.name(coupe);
Nom = ['03' Nom];
ddate = [thermo{2,1}(1,1) , thermo{2,1}(1,2) , thermo{2,1}(1,3)];
str = datenum(thermo{2,1}(1,1),thermo{2,1}(1,2),thermo{2,1}(1,3));
str = datestr(str,29);

TAIR = thermo{3,1}(1,3);% Extraction de la temperature de l'air


HR = thermo{3,1}(1,5);% Extraction de l'humidité relative de l'air

% 4. ---------------------------------------------------------------

thermo{1,1} = thermo{1,1} - TAIR;% Conversion de la thermographie en


indicographie avec "Ts - Ta".
thermo{1,1} = thermo{1,1} + 1.0;

% 5. ---------------------------------------------------------------

indexn=find(thermo{1,1} > -6); n = length(indexn);% Calcul de SFt


sol = 240*320 - n;
LAI = n / sol;
index1=find(thermo{1,1} >= -0.6); n = length(index1);% Calcul de SFs
LAIws = n / sol;

% 6. ---------------------------------------------------------------

veg = thermo{1,1}(indexn);
nhito=50.;
mmax=max(veg); mmin = min(veg); dveg = (mmax-mmin)/nhito;
for i = 1:nhito+1
108

mmode(i) = mmin + dveg*(i-1);


end
for i= 1:nhito
start1 = mmode(i); end1 = mmode(i+1);
nveg1 = find(veg >= start1); nveg2 = find(veg(nveg1) < end1);
n = length(nveg2); nommode(i) = n;
end
maxnom = max(nommode);
pmod = find(nommode==maxnom);

DTmoy = mean(veg);
DTmed = median(veg);
DTmod = mmode(pmod);

% 7. ---------------------------------------------------------------

ISHS = ((LAI - LAIws)/(LAI + LAIws));


indice = [ISHS LAI LAIws sol DTmoy DTmed DTmod TAIR HR];

% 8. ---------------------------------------------------------------

fid = fopen('indice.txt','a');
fprintf(fid,'%s %s %f %f %f %f %f %f %f %f %f\n',Nom,str,indice);
fclose(fid);

% 9. ---------------------------------------------------------------

fg = fg + 1;

clims = [-6 5];


subplot(2,1,fg),imagesc(thermo{1,1}, clims),title(titre), xlabel(['ISHS = '
stri]),colorbar('vert'),colormap(jet);

end
Annexe 3 : Programme SAS pour l’analyse de variance
(ANOVA) sur mesures répétées avec la procédure GLM
data patate; /*definition du fichier patate a partir du fichier source
***.prn */
filename source 'C:\Documents and Settings\sokotchi\Mes
documents\travaux_SAS\SDD.prn'; /*localisation du fichier source */
infile source; /* dans le fichier source nous retrouvons: */
input plant$ bloc$ var$ trait$ temp1 temp2 temp3 temp4 @; /* Ordre des
variables */
proc print; /* impression du fichier patate nouvellement créé */
proc glm data=patate; /* procédure GLM qui fait l'analyse de variance*/
class bloc var trait;
model temp1 temp2 temp3 temp4 = bloc var trait var*trait / ss3;
repeated temps profile / summary printe;
output out=better p=pred student=resid;
title 'analyse de variance pour mesures répétées (différents temps)';
run;
proc tabulate format=12.3 data=patate;
class bloc var trait;
var temp1 temp2 temp3 temp4;
table var*trait, temp1*(mean stderr);
table var*trait, temp2*(mean stderr);
table var*trait, temp3*(mean stderr);
table var*trait, temp4*(mean stderr);
table trait, temp1*(mean stderr);
table trait, temp2*(mean stderr);
table trait, temp3*(mean stderr);
table trait, temp4*(mean stderr);
title 'tableau pour experience en serre sur la patate';
run;

proc univariate data=better plot normal;


var resid;
title 'procedure univariate pour voir si les residus se distribuent comme
une courbe normale';
run;
proc print data=better;
run;
proc plot data=better vtoh=2 vpct=50;
plot pred*resid;
title 'graphique des termes derreur pour vérifier lhomogeneite des
variances';
run;
Annexe 4 : Signature spectrale des plants témoins et des
plants induits en stress au début et à la fin de différents
stades d’induction du stress hydrique
Les Figure 67, 68 et 69 permettent de comparer la variation de la signature spectrale des
plants témoins et des plants induits en stress hydrique au début et à la fin des stades
développement des feuilles, floraison et fructification. Dans les trois cas, nous pouvons
observer que cette variation est très faible dans le visible, aussi bien chez les plants témoins
que chez les plants induits en stress. Par contre, dans le proche infrarouge, nous pouvons
noter un écart significatif entre les plants témoins et les plants induits en stress à la fin des
différents stades. Dans chacun des trois cas, entre le début et la fin du stress, nous
observons ceci : au développement des feuilles, la réflectance diminue chez les deux
traitements. Cette diminution est cependant plus importante chez les plants induits en
stress, créant ainsi cet écart. À la floraison, seulement la réflectance des plants induits en
stress diminue. À la fructification, il y a une augmentation de la réflectance dans les deux
traitements. Cependant cette augmentation est plus accentuée chez les plants témoins. Cette
élévation de la réflectance des plants témoins par rapport aux plants induits en stress dans le
proche infrarouge, à la fin des différents stades d’induction du stress, s’explique par le fait
que cette partie du spectre est fortement réfléchie par la végétation verte. Une forte
présence de bruit dans le moyen infrarouge (1000 à 2500 nm) n’a pas permis d’exploiter les
données de réflectance de cette bande. Les observations de terrain relevées à la date du 15
avril 2003 (Fin du stress Floraison) indiquent une journée de pluie, une humidité
relativement élevée dans la serre et une luminosité réduite. De même, ces observations
indiquent à la date du 22 avril 2003 (Fin du stress Fructification), un ciel nuageux, une forte
présence d’humidité dans la serre et une faible luminosité. Or le moyen infrarouge intègre
la quasi totalité des bandes d’absorption de l’eau (950, 1150, 1450, 1950 et 2350 nm). Ainsi
la présence du bruit s’explique. Nous avons donc limité l’analyse des données de
réflectance dans la bande incluant le visible et le proche infrarouge. Ces résultats
démontrent l’importance d’effectuer les mesures optiques dans des conditions
météorologiques adéquates (ciel dégagé, bonne luminosité, etc).
111

Figure 67: Signature spectrale des plants témoins et des plants induits en stress au début et
à la fin du stade développement des feuilles.

Figure 68: Signature spectrale des plants témoins et des plants induits en stress au début et
à la fin du stade floraison.
112

Figure 69: Signature spectrale des plants témoins et des plants induits en stress au début et
à la fin du stade fructification.
Annexe 5 : Variation des indicateurs thermographiques,
des paramètres météorologiques et des indices par plant
aux différentes dates du stade d’initiation des tubercules
Le Tableau 14 est un échantillon de données. Celles du stade 2 ou initiation des tubercules.
Il présente pour chaque plant, la variation de plusieurs indicateurs au cours de ce stade.
Nous entendons par indicateurs thermographiques, des variables qui caractérisent la
thermographie infrarouge du couvert végétal. Ils sont liés à la variabilité thermique de la
thermographie. Ce sont : la température moyenne de la thermographie du couvert végétal
(TCV) ou Tc (°C), la température minimum du TCV ou Tcmin, la température maximum du
TCV ou Tcmax et l’écart type associé au TCV ou σTc (°C). Ce dernier est directement relié
à la variabilité thermique de la surface du couvert végétal. Par ailleurs, il correspond à
l’indice CTV (Canopy temperature Variability). Il existe également d’autres indicateurs
thermographiques dont nous n’avons pas fait mention dans le tableau ci-dessous. On
pourrait citer la température modale du TCV ou Tcmod. Son avantage est qu’elle n’est pas
influencée par les températures extrêmes de la thermographie. Cette situation pouvant se
produire lorsque des fractions de la surface du sol vue par le capteur sont inclues dans le
TCV pour un traitement donné. Il y a aussi la température médiane du TCV ou Tcmed.
Comme le Tcmod, elle n’est pas influencée par les températures extrêmes. À ces indicateurs
de tendance centrale du TCV, on pourrait ajouter des indicateurs de dispersion tels que
l’étendue thermique du TCV et son écart moyen. Ces indicateurs pourront faire l’objet
d’études futures, afin d’identifier celui ou ceux qui caractérisent le mieux le bilan
thermique du couvert végétal dans la détection du stress hydrique. Les paramètres
météorologiques sont la température de l’air ou Ta (°C) et l’humidité relative de l’air ou
Hr. Ils sont mesurés simultanément avec les thermographies. Les indices mentionnés dans
ce tableau sont : la différence entre la température du couvert végétal et la température de
l’air (Tc – Ta °C), le Crop Water Stress Index calculé selon la méthode d’Idso (CWSI_I),
le CWSI calculé selon la méthode du point du maximum de stress (CWSI_M), le Stress
Degre Day (SDD °C), l’Indice de stress hydrique surfacique (ISHS) et le CTV qui est
l’équivalent de σTc. Les cellules grisées indiquent que le CWSI_I est hors de ces limites.
114

Tableau 14: Variation des indicateurs par plant au cours du stade d’initiation des
tubercules.
Plant Date Bloc Variété Trait. Tcmin Tcmax σTc Tc Ta Hr Tc - Ta CWSI_I CWSI_M SDD ISHS
03a01 2003-03-25 A cheiftain témoin 17.75 19.79 0.20 18.85 19.80 0.48 -0.95 0.05 0.04 -0.95 0.95
03a01 2003-03-27 A cheiftain témoin 17.21 22.97 1.00 20.35 20.00 0.40 0.35 0.41 0.34 -0.60 0.00
03a01 2003-04-01 A cheiftain témoin 17.66 23.01 0.60 19.23 20.20 0.14 -0.97 0.05 0.04 -1.57 0.67
03a01 2003-04-03 A cheiftain témoin 14.47 24.08 1.50 17.80 22.00 0.10 -4.20 -0.99 -0.81 -5.77 0.61
03a02 2003-03-25 A cheiftain stress 18.58 20.10 0.20 19.17 19.60 0.49 -0.43 0.20 0.17 -0.43 0.60
03a02 2003-03-27 A cheiftain stress 17.66 21.60 0.60 19.34 20.00 0.40 -0.66 0.13 0.11 -1.09 0.00
03a02 2003-04-01 A cheiftain stress 18.38 23.38 0.57 20.13 20.10 0.13 0.03 0.32 0.27 -1.06 0.00
03a02 2003-04-03 A cheiftain stress 23.28 30.75 0.68 25.36 21.80 0.10 3.56 1.16 1.00 2.50 0.00
03a08 2003-03-25 A highlit stress 19.33 21.14 0.30 20.29 20.80 0.43 -0.51 0.18 0.15 -0.51 0.00
03a08 2003-03-27 A highlit stress 19.40 23.89 0.60 20.81 20.00 0.40 0.81 0.52 0.44 0.30 0.00
03a08 2003-04-01 A highlit stress 18.96 22.79 0.36 19.93 20.30 0.13 -0.37 0.21 0.18 -0.08 0.09
03a08 2003-04-03 A highlit stress 20.83 26.67 0.59 22.39 21.60 0.10 0.79 0.52 0.44 0.72 0.00
03a10 2003-03-25 A highlit témoin 17.13 19.65 0.20 18.44 19.80 0.50 -1.36 -0.07 -0.05 -1.36 0.00
03a10 2003-03-27 A highlit témoin 14.35 21.08 0.80 18.12 20.00 0.40 -1.88 -0.22 -0.18 -3.24 0.68
03a10 2003-04-01 A highlit témoin 18.02 22.18 0.60 19.76 20.20 0.14 -0.44 0.20 0.16 -3.68 0.17
03a10 2003-04-03 A highlit témoin 15.57 22.58 0.96 17.52 21.60 0.10 -4.08 -0.95 -0.77 -7.76 0.75
03b03 2003-03-25 B cheiftain témoin 16.82 19.42 0.20 18.20 20.00 0.50 -1.80 -0.20 -0.16 -1.80 1.00
03b03 2003-03-27 B cheiftain témoin 15.12 21.02 0.90 17.38 20.00 0.40 -2.62 -0.45 -0.37 -4.42 0.88
03b03 2003-04-01 B cheiftain témoin 16.98 21.73 0.50 18.29 20.20 0.14 -1.91 -0.23 -0.19 -6.33 0.80
03b03 2003-04-03 B cheiftain témoin 14.57 22.19 1.12 16.88 21.50 0.10 -4.62 -1.14 -0.93 -10.95 0.40
03b05 2003-03-25 B cheiftain stress 19.13 21.50 0.30 20.66 20.10 0.49 0.56 0.46 0.39 0.56 0.02
03b05 2003-03-27 B cheiftain stress 17.00 21.96 0.77 19.18 20.00 0.40 -0.82 0.09 0.08 -0.26 0.46
03b05 2003-04-01 B cheiftain stress 20.01 23.62 0.60 21.30 20.20 0.14 1.10 0.60 0.51 0.84 0.00
03b05 2003-04-03 B cheiftain stress 23.24 28.12 0.39 24.48 21.40 0.10 3.08 1.06 0.91 3.91 0.00
03b08 2003-03-25 B highlit témoin 18.75 22.72 0.30 21.90 20.40 0.48 1.50 0.70 0.59 1.50 0.00
03b08 2003-03-27 B highlit témoin 15.27 21.36 0.73 17.44 20.00 0.40 -2.56 -0.43 -0.36 -1.06 0.87
03b08 2003-04-01 B highlit témoin 16.80 22.52 0.72 18.94 19.80 0.12 -0.86 0.08 0.07 -1.92 0.03
03b08 2003-04-03 B highlit témoin 14.64 21.92 1.03 17.08 21.30 0.10 -4.22 -1.00 -0.82 -6.14 0.75
03b09 2003-03-25 B highlit stress 20.05 23.48 0.30 22.90 20.90 0.46 2.00 0.82 0.69 2.00 0.00
03b09 2003-03-27 B highlit stress 18.12 23.18 0.85 20.00 20.00 0.40 0.00 0.32 0.27 2.00 0.01
03b09 2003-04-01 B highlit stress 17.74 21.92 0.50 19.39 20.30 0.13 -0.91 0.07 0.05 1.10 0.59
03b09 2003-04-03 B highlit stress 20.45 33.59 0.84 22.47 21.40 0.10 1.07 0.59 0.50 2.17 0.00
03c02 2003-03-25 C highlit témoin 20.90 23.48 0.20 22.84 21.10 0.45 1.74 0.75 0.64 1.74 0.00
03c02 2003-03-27 C highlit témoin 16.75 20.47 0.50 18.72 20.00 0.30 -1.28 -0.04 -0.03 0.46 0.41
03c02 2003-04-01 C highlit témoin 15.94 22.10 0.87 18.71 19.70 0.12 -0.99 0.04 0.03 -0.53 0.80
03c02 2003-04-03 C highlit témoin 14.68 20.60 0.80 16.39 21.40 0.10 -5.01 -1.29 -1.05 -5.55 0.87
03c03 2003-03-25 C highlit stress 20.55 22.76 0.22 22.02 21.60 0.42 0.42 0.43 0.36 0.42 0.00
03c03 2003-03-27 C highlit stress 19.33 21.96 0.39 20.51 20.00 0.30 0.51 0.45 0.38 0.94 0.00
03c03 2003-04-01 C highlit stress 17.83 23.00 0.53 19.08 20.30 0.13 -1.22 -0.02 -0.02 -0.28 0.45
03c03 2003-04-03 C highlit stress 17.37 23.67 1.76 18.95 21.40 0.10 -2.45 -0.40 -0.33 -2.73 0.12
03c06 2003-03-25 C cheiftain stress 19.37 21.11 0.20 20.43 21.50 0.41 -1.07 0.02 0.02 -1.07 0.00
03c06 2003-03-27 C cheiftain stress 17.71 20.69 0.40 19.22 20.00 0.30 -0.78 0.10 0.08 -1.85 0.34
03c06 2003-04-01 C cheiftain stress 19.26 22.91 0.56 20.57 20.20 0.14 0.37 0.41 0.35 -1.48 0.00
03c06 2003-04-03 C cheiftain stress 20.74 24.50 0.40 22.03 21.50 0.10 0.53 0.45 0.38 -0.95 0.00
03c09 2003-03-25 C cheiftain témoin 19.00 21.62 0.30 20.50 21.90 0.40 -1.40 -0.08 -0.06 -1.40 0.00
03c09 2003-03-27 C cheiftain témoin 16.86 20.97 0.66 19.15 20.00 0.30 -0.85 0.08 0.07 -2.25 0.36
03c09 2003-04-01 C cheiftain témoin 15.72 20.96 0.60 17.37 20.20 0.13 -2.83 -0.52 -0.43 -5.08 0.47
03c09 2003-04-03 C cheiftain témoin 16.14 21.69 0.90 18.47 21.50 0.10 -3.03 -0.59 -0.48 -8.11 0.75
03d02 2003-03-25 D cheiftain stress 19.43 21.56 0.35 20.45 21.00 0.41 -0.55 0.16 0.14 -0.55 0.06
03d02 2003-03-27 D cheiftain stress 17.23 21.89 0.90 19.41 20.00 0.30 -0.59 0.16 0.13 -1.14 0.27
03d02 2003-04-01 D cheiftain stress 19.16 23.06 0.50 20.29 20.10 0.13 0.19 0.37 0.31 -0.95 0.00
03d02 2003-04-03 D cheiftain stress 18.98 24.90 0.50 20.53 21.60 0.10 -1.07 0.02 0.02 -2.02 0.05
03d05 2003-03-25 D cheiftain témoin 18.84 21.11 0.20 20.44 20.80 0.41 -0.36 0.22 0.18 -0.36 0.00
03d05 2003-03-27 D cheiftain témoin 16.19 20.65 0.80 17.81 20.00 0.30 -2.19 -0.32 -0.26 -2.56 0.87
03d05 2003-04-01 D cheiftain témoin 14.71 21.38 0.82 16.45 20.30 0.12 -3.85 -0.86 -0.71 -6.40 0.71
03d05 2003-04-03 D cheiftain témoin 14.04 21.64 1.10 16.54 21.10 0.10 -4.56 -1.12 -0.91 -10.96 0.83
03d06 2003-03-25 D highlit stress 19.48 21.07 0.20 20.34 20.80 0.42 -0.46 0.19 0.16 -0.46 0.20
03d06 2003-03-27 D highlit stress 18.57 21.79 0.50 19.90 20.00 0.30 -0.10 0.29 0.24 -0.56 0.05
03d06 2003-04-01 D highlit stress 19.33 23.33 0.60 20.91 20.30 0.13 0.61 0.48 0.40 0.06 0.00
115

Plant Date Bloc Variété Trait. Tcmin Tcmax σTc Tc Ta Hr Tc - Ta CWSI_I CWSI_M SDD ISHS
03d06 2003-04-03 D highlit stress 19.22 23.34 0.55 20.79 20.90 0.10 -0.11 0.29 0.24 -0.05 0.05
03d09 2003-03-25 D highlit témoin 18.69 20.81 0.20 20.05 20.80 0.41 -0.75 0.11 0.09 -0.75 0.39
03d09 2003-03-27 D highlit témoin 17.20 21.29 0.50 18.71 20.00 0.30 -1.29 -0.05 -0.04 -2.05 0.53
03d09 2003-04-01 D highlit témoin 15.21 22.66 0.60 17.20 20.40 0.12 -3.20 -0.64 -0.53 -5.25 0.88
03d09 2003-04-03 D highlit témoin 13.93 19.80 0.70 15.40 20.60 0.10 -5.20 -1.37 -1.11 -10.44 1.00
03e01 2003-03-25 E highlit témoin 17.99 20.75 0.30 19.96 20.80 0.43 -0.84 0.08 0.07 -0.84 0.00
03e01 2003-03-27 E highlit témoin 15.98 20.40 0.60 17.16 20.00 0.40 -2.84 -0.52 -0.43 -3.68 0.84
03e01 2003-04-03 E highlit témoin 12.94 20.15 1.02 14.99 20.30 0.09 -5.31 -1.41 -1.14 -8.99 1.00
03e02 2003-03-25 E highlit stress 18.49 20.59 0.21 19.81 20.80 0.43 -0.99 0.04 0.03 -0.99 0.85
03e02 2003-03-27 E highlit stress 17.62 21.36 0.59 19.12 20.00 0.40 -0.88 0.07 0.06 -1.87 0.00
03e02 2003-04-01 E highlit stress 18.94 22.18 0.48 20.10 19.60 0.13 0.50 0.45 0.38 -1.37 0.14
03e02 2003-04-03 E highlit stress 18.99 22.18 0.45 20.48 20.10 0.09 0.38 0.42 0.35 -0.98 0.00
03e08 2003-03-25 E cheiftain témoin 18.66 20.99 0.30 20.19 20.80 0.42 -0.61 0.15 0.12 -0.61 0.00
03e08 2003-03-27 E cheiftain témoin 16.63 21.46 0.70 19.88 20.00 0.40 -0.12 0.28 0.24 -0.73 0.00
03e08 2003-04-01 E cheiftain témoin 18.19 22.76 0.60 19.66 20.30 0.13 -0.64 0.14 0.12 -1.37 0.01
03e08 2003-04-03 E cheiftain témoin 14.67 21.47 0.90 16.33 20.20 0.09 -3.87 -0.87 -0.71 -5.25 0.86
03e10 2003-03-25 E cheiftain stress 19.98 21.62 0.30 20.74 20.80 0.42 -0.06 0.30 0.25 -0.06 0.00
03e10 2003-03-27 E cheiftain stress 20.36 23.74 0.70 21.93 20.00 0.40 1.93 0.80 0.68 1.87 0.00
03e10 2003-04-01 E cheiftain stress 19.10 22.76 0.40 20.01 19.80 0.13 0.21 0.37 0.31 2.08 0.23
03e10 2003-04-03 E cheiftain stress 17.68 22.12 0.55 19.01 20.50 0.09 -1.49 -0.10 -0.09 0.59 0.47

View publication stats

Vous aimerez peut-être aussi