Agriculture


Prototype mondial de produits céréaliers de 10 mètres pour le blé et le maïs. Des produits pilotes nationaux sont disponibles pour cinq pays.

Description du jeu de données

En raison de la grande variété de la dynamique des paysages, des types de cultures, des saisons de croissance et des pratiques de gestion agricole, la cartographie de l'étendue des terres cultivées, des types de cultures et des pratiques d'irrigation à l'échelle mondiale reste une tâche très difficile. Plusieurs tentatives ont déjà été faites pour établir des cartes mondiales précises, mais jusqu'à présent, aucune n'a réussi à fournir des informations saisonnières au niveau des champs à l'échelle mondiale. Les couches actuelles de la carte des cultures manquent de détails spatiaux ou ne fournissent pas de mises à jour régulières. La communauté AFOLU a donc besoin d'un système capable de fournir des informations saisonnières de surveillance agricole globale à un niveau local. C'est pourquoi l'Agence spatiale européenne, en collaboration avec des acteurs de l'agriculture mondiale tels que GEOGLAM, la FAO, AMIS, a lancé le projet WorldCereal afin de faire la démonstration d'un tel système basé sur des données ouvertes et gratuites.

Trois produits WorldCereal sont définis dans le projet:

  • Carte dynamique mondiale de l'étendue annuelle des terres cultivées
  • Distinction saisonnière globale entre les terres cultivées par irrigation et les terres cultivées sous la pluie
  • Cartes saisonnières mondiales des types de cultures pour le blé et le maïs
Les trois produits ne seront pas générés indépendamment, mais plutôt de manière hiérarchique, comme l'illustre la figure 1. Le produit principal sera l'étendue annuelle globale des terres cultivées, et seules les zones cultivées correspondant à ce produit seront ensuite transformées sous forme d'indices de terres cultivées par irrigation/grâce à la pluie et en cartes globales pour le blé et le maïs. 1. Le produit de l'étendue des terres cultivées annuellement à une échelle mondiale est un masque binaire à la résolution spatiale de 10 m indiquant si un certain pixel contient ou non des terres cultivées annuellement.

WorldCereal suivra la définition de 2018 du JECAM pour les terres cultivées annuellement du point de vue de la télédétection : « Les terres cultivées annuellement, du point de vue de la télédétection, sont des terres d'au moins 0,25 ha (largeur minimale de 30 m) qui sont semées/plantées et récoltables au moins une fois dans les 12 mois suivant la date de semis/plantation. Les terres cultivées annuellement produisent une couverture herbacée et sont parfois associées à une végétation arborée ou ligneuse* ... » **

**La végétation herbacée, exprimée par la couverture végétale (fraction du sol couverte par la végétation vivante), devrait atteindre au moins 30 %, tandis que la couverture arborée ou ligneuse (hauteur > 2 m) ne devrait généralement pas dépasser une couverture végétale de 20 %.

**Il existe trois exceptions connues à cette définition. La première concerne la plantation de canne à sucre et la culture de manioc qui sont incluses dans la classe des terres cultivées bien qu'elles aient un cycle de végétation plus long et ne soient pas plantées annuellement. Deuxièmement, prises individuellement, les petites parcelles telles que les légumineuses ne répondent pas aux critères de taille minimale de la définition des terres cultivées. Cependant, lorsqu'elles sont considérées comme un champ hétérogène continu, elles doivent être incluses dans les terres cultivées. Le troisième cas est celui des cultures sous serre qui ne peuvent être suivies par télédétection et sont donc exclues de la définition. En appliquant cette définition, les problèmes de taille de champ et d'agroforesterie sont résolus.

Le produit basique du masque des terres cultivées sera généré une fois par an. Le calendrier étant dépendant de la saisonnalité et/ou des périodes de rapport dans une zone agroécologique (ZAE) particulière,

2. Le second produit WorldCereal est un masque saisonnier global à une résolution spatiale de 10m où l'étendue des terres cultivées est divisée en agriculture par irrigation/avec la pluie. La définition de la zone agricole par irrigation telle que définie par la Banque mondiale est la suivante :

La surface agricole irriguée désigne la surface équipée pour fournir de l'eau (par des moyens artificiels d'irrigation tels que le détournement de cours d'eau, l'inondation ou la pulvérisation) aux cultures (https://databank.worldbank.org/metadataglossary/world-development-indicators/series/AG.LND.IRIG.AG.ZS). Toutes les surfaces équipées pour l'irrigation ne sont pas nécessairement irriguées de manière active. L'irrigation peut ne pas avoir lieu en raison, par exemple, de la rotation des cultures, de pénuries d'eau et de dommages causés aux infrastructures (Siebert et al., 2013). Dans le système WorldCereal, seules les zones activement irriguées sont identifiées comme de l'agriculture par irrigation. Les zones activement irriguées sont identifiées lorsque l'irrigation programmée est nécessaire à la croissance d'une culture compte tenu des conditions climatiques de ce pixel spécifique. En d'autres termes, lorsque les précipitations seules ne suffisent pas à produire une culture. La définition ci-dessus implique que seules les zones équipées pour l'irrigation sont incluses dans la cartographie des terres cultivées par irrigation.

3. Le troisième produit WorldCereal est une carte saisonnière mondiale des types de cultures pour le blé et le maïs.

Les cartes des types de cultures indiquent la présence de cultures spécifiques dans une certaine période de temps pour une portion de terre idéntifiée. Les cartes des types de cultures de WorldCereal seront générées pour le blé et le maïs. Cette carte dynamique suivra les principales saisons de croissance du blé et du maïs à travers le monde, en utilisant comme référence les calendriers des cultures de GEOGLAM Crop Monitor (Becker-Reshef et al., 2019) ou de la FAO (Fischer et al., 2012), indiquant quelles parties du produit saisonnier de l'étendue des terres cultivées sont couvertes par le blé ou le maïs (Skakun et al., 2017 ; Becker-Reshef et al., 2018). La production de ces cartes sera programmée en fonction des calendriers des cultures de maïs et de blé compilés à un niveau mondial. D'autres types de cultures ne seront pas couverts pendant le projet. La capacité technique de produire des cartes de types de cultures pour d'autres plantes reste néanmoins un objectif, comme l'ont demandé les utilisateurs. Ces autres types de cultures sont saisis par les drapeaux saisonniers « terres cultivées actives » chaque fois que le système effectue une mise à jour saisonnière.

Pour la COP26, ces produits seront démontrés pendant 1 an et pour 5 pays (Argentine, Espagne, France, Ukraine et Tanzanie).

Conseils d'utilisation

Les utilisateurs doivent garder à l'esprit que les cartes WorldCereal sont des ensembles de données à l'échelle mondiale, générées avec une méthodologie unique appliquée à une échelle globale. En conséquence, la précision de la carte peut varier d'un endroit à l'autre. On peut donc s'attendre à ce que le jeu de données soit plus utile pour les pays qui ne disposent pas de leurs propres systèmes de surveillance agricole. Les données in situ sur le type de culture et l'irrigation sont bien sûr très importantes pour l'entraînement des algorithmes de classification. Ces données sont très fragmentées : dans certaines régions, de nombreuses informations sont disponibles pour plusieurs années, alors que dans d'autres parties du monde, aucune donnée n'est disponible. Bien que la méthodologie ait fait l'objet d'une évaluation comparative et de tests. Il est clair que les zones où la base de données d'entraînement manque de données in situ obtiendront des résultats moins précis que les zones disposant de suffisamment de données in situ.

Méthodologie

Un exercice de benchmarking approfondi a été mis en place, dès le début du projet WorldCereal, pour comparer les performances de différents algorithmes de classification dans différentes zones du monde en fonction de données différentes.

Il est clair que le succès de WorldCereal dépendra de la robustesse des algorithmes, en tenant compte des grandes différences dans les données disponibles, du comportement temporel de la culture, etc. pour ne citer que quelques-unes des variables.

La nature saisonnière des produits WorldCereal nécessite une évaluation minutieuse des calendriers mondiaux des cultures de blé et de maïs. L'un des principaux défis fut la création de tels calendriers culturaux mondiaux basés sur des pixels, couvrant toutes les saisons possibles de blé et de maïs, et la combinaison des résultats dans des zones agroécologiques groupées (voir les figures ci-dessous), en exploitant au maximum les sources d'information existantes, telles que GEOGLAM Crop Monitor, les calendriers culturaux de la FAO et le JRC-ASAP. Sur la base de ces informations, le système WorldCereal sait exactement quand traiter quelle zone pour générer des cartes de type de culture de fin de saison pour les cultures qui nous intéressent.

Calendriers culturaux mondiaux basés sur les pixels pour les céréales d'hiver et d'été (SOS = Start of Season (début de saison) ; EOS = End Of Season (fin de saison))

Groupes de zones agroécologiques, où le regroupement est basé entre autres sur la similarité des calendriers des cultures de blé et de maïs

Le benchmarking des différents classificateurs a été effectué sur la base de ce zonage et des ensembles de données recueillis. À l'époque, l'analyse comparative a été effectuée sur plus de 100 000 échantillons de référence. Pour chaque échantillon, un ensemble de données d'entrée spatio-temporelles de 640 m X 640 m couvrant 1,5 année de données a été extrait et stocké pour les données de rétrodiffusion de Sentinel-1, les valeurs de réflectance L2A de Sentinel-2 et les données auxiliaires telles que les données météorologiques AgERA5 et le DEM 30 m Copernicus. Même avec cette quantité de données de référence (et la base de données de référence continue de croître, en étroite collaboration avec le groupe de travail sur les données in-situ de GEOGLAM), il y a un nombre significatif de ZEA sans données de formation. Le regroupement des zones agroécologiques en fonction de leurs calendriers culturaux a conduit à une réduction significative de ces régions sans données de référence utiles. Cependant, il reste encore de nombreuses régions avec des données limitées ou inexistantes. Cela pose un problème difficile : la formation d'un modèle applicable à l'échelle mondiale entraînerait trop de compromis. D'autre part, la formation de nombreux modèles régionaux laisse de nombreuses zones agroécologiques sans modèle en raison du manque de données de référence et peut également entraîner des artefacts aux frontières des zones.

Il a été décidé d'opter pour le meilleur des deux mondes et de mettre en place une approche de modèle hiérarchique. Nous avons choisi d’entraîner un modèle de base global sur toutes les données de référence disponibles et d’affiner progressivement le modèle dans les zones régionales lorsque suffisamment de données de référence étaient disponibles. Ainsi, un modèle de base peut être appliqué partout, tout en ayant des modèles potentiellement affinés localement qui héritent du modèle de base mais qui sont mieux adaptés aux conditions locales. Un autre avantage de cette approche est que le réglage fin régional nécessite beaucoup moins de données d'entraînement, car les caractéristiques de niveau inférieur ont déjà été apprises dans le modèle de base global qui pourrait bénéficier de toutes les données de référence.

Approche de modèle hiérarchique avec un modèle de base global et plusieurs modèles de ZEA affinés localement.

Incertitude et précision

Comme nous l'avons mentionné dans les sections sur les ensembles de données et sur la méthodologie, l'incertitude et la précision des résultats dépendront de la région du monde. Les zones avec de grands champs et où nous avons des données d’entrainement auront des précisions plus élevées que les zones avec de petits champs, une saisonnalité complexe et peu ou pas de données d’entrainement. La précision dépendra également du produit, alors que l'étendue des terres cultivées aura normalement une meilleure précision que le produit des irrigations. La précision globale du produit pour l'étendue des terres cultivées devrait être de 80 %, et de 70 % pour les cartes des types de cultures.

Maintien de l'ensemble des données

Le système WorldCereal est construit sur la base des données ouvertes et gratuites du programme Copernicus (Sentinel 1 et Sentinel 2) et de Landsat 8. Ces données seront maintenues par les différentes agences spatiales dans le futur. En outre, tous les algorithmes et méthodes utilisés dans WorldCereal seront mis à disposition gratuitement ! La base de données de référence qui est en cours de construction et qui constitue un atout majeur de WorldCereal sera soutenue par GEOGLAM, par le biais du groupe de travail sur les données in situ de GEOGLAM.

Caractéristiques techniques

Résolution spatiale: 10m

Couverture géographique: Globale

Couverture temporelle: à partir de 2022

Fréquence de mise à jour: Saisonnière


Guide et manuel d’utilisation associés

En cours - entre-temps, se référer à:
https://esa-worldcereal.org/en

En cours - entre-temps, se référer à:
https://esa-worldcereal.org/en


Points de contact pour les questions et les requêtes

Sven Gilliams
Chef de projet WorldCereal
Institut flamand pour la recherche technologique (VITO)
Mol, Belgique
Courrier électronique: sven.gilliams@vito.be

Zoltan Szantoi
Responsable technique de WorldCereal
Agence spatiale européenne
ESA/ESRIN
Frascati, Italie
Courrier électronique: Zoltan.szantoi@esa.int