La détection de la Flavescence dorée par drone : premiers résultats scientifiques

Réunion technique sur la robotisation de la viticulture en Champagne
avril 18, 2017
[Stage] Modélisation des socio-agro-systèmes du Languedoc-Roussillon néolithique
avril 20, 2017
Show all

La détection de la Flavescence dorée par drone : premiers résultats scientifiques

Rappelons que la détection de la flavescence dorée (FD) constitue un enjeu important pour une grande partie du vignoble français. Il y a une forte attente de la filière en outils permettant de rationaliser le suivi et l’inventaire des foyers de cette maladie. Le drone est souvent cité dans les revues techniques comme un outil avec une forte potentialité, toutefois, il existe peu (voire pas) d’articles scientifiques présentant une méthode et des résultats rigoureux de détection de la flavescence dorée par drone. C’est la raison pour laquelle ce travail publié par des collègues de l’école de Purpan mérite d’être mentionné. Il est (à notre connaissance) le premier article scientifique dans ce domaine.

L’expérimentation a été réalisée dans le vignoble gaillacois. Son objectif est d’évaluer la faisabilité de discriminer les symptômes de Flavescence dorée de vignes saines sur des cépages rouges et blancs à partir d’images multispectrales à très haute résolution. L’intérêt de l’étude réside dans une base de données exhaustives de vérité terrain acquises en septembre 2015 sur quatre parcelles (avec une mesure des symptômes et un gradation de ces derniers trés précises). Simultanément, des images multispectrales de drone ont été acquises et les signatures spectrales de plantes saines et symptomatiques ont été étudiées en considérant un ensemble de 20 variables (bandes spectrales, indices de végétation et paramètres biophysiques) calculées à partir des bandes spectrales. L’étude a été réalisée en utilisant des approches de classification univariée et multivariée. Les meilleurs résultats ont été obtenus avec les cépages rouges (que ce soit en utilisant des approches univariées et multivariées). Pour les cépages blancs, les résultats sont moins évidents quelle que soit la variable considérée et l’approche de classification testée. Néanmoins, l’évaluation de l’erreur montre que, malgré les problèmes de confusion entre les pixels correspondant à de la Flavescence dorée et les pixels de plante saine, il semble possible de proposer une technique opérationnelle de détection et de cartographie de symptômes susceptibles de correspondre à de  la Flavescence dorée sur la base d’images multispectrales de drones. En fin d’article, les auteurs discutent de la nécessité de conduire des expérimentations incluant d’autres désordres (biotiques et/ou abiotiques) que ceux de la flavescence dorée afin de vérifier la spécificité des variables pertinentes identifiées.

Flavescence dorée is a grapevine disease affecting European vineyards which has severe economic consequences and containing its spread is therefore considered as a major challenge for viticulture. Flavescence dorée is subject to mandatory pest control including removal of the infected vines and, in this context, automatic detection of Flavescence dorée symptomatic vines by unmanned aerial vehicle (UAV) remote sensing could constitute a key diagnosis instrument for growers. The objective of this paper is to evaluate the feasibility of discriminating the Flavescence dorée symptoms in red and white cultivars from healthy vine vegetation using UAV multispectral imagery. Exhaustive ground truth data and UAV multispectral imagery (visible and near-infrared domain) have been acquired in September 2015 over four selected vineyards in Southwest France. Spectral signatures of healthy and symptomatic plants were studied with a set of 20 variables computed from the UAV images (spectral bands, vegetation indices and biophysical parameters) using univariate and multivariate classification approaches. Best results were achieved with red cultivars (both using univariate and multivariate approaches). For white cultivars, results were not satisfactory either for the univariate or the multivariate. Nevertheless, external accuracy assessment show that despite problems of Flavescence dorée and healthy pixel misclassification, an operational Flavescence dorée mapping technique using UAV-based imagery can still be proposed.

Références : Albetis, J., Duthoit, S., Guttler, F., Jacquin, A., Goulard, M., Poilvé, H., … & Dedieu, G. (2017). Detection of Flavescence dorée Grapevine Disease Using Unmanned Aerial Vehicle (UAV) Multispectral Imagery. Remote Sensing, 9(4), 308.