Relationship between yield components and multispectral images at the within-field level: a first step to improve sampling for yield estimation
Relation entre des composants du rendement et des images multispectrales au niveau parcellaire: un premier pas pour améliorer l'échantillonnage pour l'estimation du rendement
Résumé
Most of the vineyard yields estimation methods promote the use of random sampling assuming yield variability is random and normally distributed. However, this assumption is in contradiction with recent results obtained with yield monitoring systems (Taylor et al., 2005). These results showed that the yield variability is not random but strongly organized spatially at the within-field level. Also, many authors highlighted a relationship between yield and vegetative indices, like NDVI. Therefore, improving yield sampling based on multispectral image information may significantly improve the estimation of mean field yield. However, in order to design relevant sampling methods, a better knowledge on how each yield components is related to NDVI is required. To this purpose, NDVI information derived from two multispectral images, and yield components (number of bunches, number of berries per bunch and berry weight at veraison and harvest) were measured in 330 sampling sites defined over 9 fields with 2 different varieties. By means of a principal component analysis (PCA), a significant relationship was detected between the weight of berries at veraison and harvest, and the NDVI. A significant improvement of the two-step method (Wolpert et al., 1992) can be proposed, according to spatial variability observed by remote sensing.
La plupart des méthodes d'estimation du rendement en viticulture préconisent l'utilisation d'échantillonnage aléatoire faisant l’hypothèse que la variabilité de rendement est aléatoire et normalement distribuée. Toutefois, cette hypothèse est en contradiction avec les résultats récents obtenus avec des systèmes de mesure en continu du rendement embarqués sur des machines à vendanger (Taylor et al., 2005). Ces résultats ont montré que la variabilité de rendement n'est pas aléatoire, mais fortement organisée dans l'espace au niveau intra-parcellaire. Beaucoup d'auteurs ont mis en évidence une relation entre le rendement et des indices de végétation tels que le NDVI. Il en résulte que l’amélioration des méthodes d’échantillonnage du rendement sur la base d'images multi-spectrales pourrait améliorer significativement l'estimation du rendement moyen de la parcelle. Toutefois, pour concevoir des méthodes d'échantillonnage appropriées, une meilleure connaissance sur la manière dont chaque composante du rendement est liée au NDVI est nécessaire. Dans ce but, des informations de NDVI issues de deux images multi-spectrales et les composantes du rendement (nombre de grappes, nombre de baies par grappe et poids de baie à véraison et à maturité) ont été mesurées sur 330 sites d'échantillonnage définis au sein de 9 parcelles avec 4 variétés différentes. La réalisation d’une analyse en composantes principales (ACP), a permis de mettre en évidence une relation entre le poids des baies à véraison et à maturité, et le NDVI. Ce résultat permet d’envisager une amélioration significative de la méthode d’échantillonnage en deux temps proposée par Wolpert et al. (1992), grâce à la prise en compte de la variabilité spatiale observée par télédétection.