9TEEEMFJ

2673

20 novembre 2020 17:51

20 novembre 2020 17:51

La mauvaise herbe vivace et stolonifère, Cynodon dactylon (L.) Pers. (bermudagrass), est un problème sérieux dans les vignobles. La similitude spectrale entre le chiendent et la vigne rend impossible la discrimination des deux espèces, basée uniquement sur les informations spectrales du capteur d'imagerie multibande. Cependant, ce défi peut être surmonté en utilisant l'analyse d'image basée sur les objets (OBIA) et des images de véhicules aériens sans pilote (UAV) à ultra haute résolution spatiale. Cette recherche visait à cartographier automatiquement, précisément et rapidement les bermes et à concevoir des cartes pour sa gestion. Des images aériennes de deux vignobles ont été capturées à l'aide de deux caméras multispectrales (RVB et RGNIR) attachées à un drone. Dans un premier temps, une analyse spectrale a été effectuée pour sélectionner l'indice de végétation optimal (VI) pour la discrimination des bermes du sol nu. Ensuite, l'algorithme OBIA basé sur VI développé pour chaque caméra a automatiquement cartographié les vignes, les bermes et le sol nu (précisions supérieures à 97,7%). Enfin, des cartes de gestion spécifiques au site ont été générées. La combinaison de l'imagerie UAV et d'un algorithme OBIA robuste a permis la cartographie automatique de la berme. L'analyse de la zone classée a permis de quantifier la croissance de la vigne et a révélé une expansion des zones infestées de bermudagrass. Les cartes d'herbes de berme générées pourraient aider les agriculteurs à améliorer le contrôle des mauvaises herbes grâce à une stratégie bien programmée. Par conséquent, l'algorithme OBIA développé offre des informations géospatiales précieuses pour la conception de stratégies de gestion des bermes spécifiques au site, conduisant les agriculteurs à réduire potentiellement l'utilisation d'herbicides et à optimiser le carburant, le temps de fonctionnement sur le terrain et les coûts.

The perennial and stoloniferous weed, Cynodon dactylon (L.) Pers. (bermudagrass), is a serious problem in vineyards. The spectral similarity between bermudagrass and grapevines makes discrimination of the two species, based solely on spectral information from multi-band imaging sensor, unfeasible. However, that challenge can be overcome by use of object-based image analysis (OBIA) and ultra-high spatial resolution Unmanned Aerial Vehicle (UAV) images. This research aimed to automatically, accurately, and rapidly map bermudagrass and design maps for its management. Aerial images of two vineyards were captured using two multispectral cameras (RGB and RGNIR) attached to a UAV. First, spectral analysis was performed to select the optimum vegetation index (VI) for bermudagrass discrimination from bare soil. Then, the VI-based OBIA algorithm developed for each camera automatically mapped the grapevines, bermudagrass, and bare soil (accuracies greater than 97.7%). Finally, site-specific management maps were generated. Combining UAV imagery and a robust OBIA algorithm allowed the automatic mapping of bermudagrass. Analysis of the classified area made it possible to quantify grapevine growth and revealed expansion of bermudagrass infested areas. The generated bermudagrass maps could help farmers improve weed control through a well-programmed strategy. Therefore, the developed OBIA algorithm offers valuable geo-spatial information for designing site-specific bermudagrass management strategies leading farmers to potentially reduce herbicide use as well as optimize fuel, field operating time, and costs.

None

• AB - Utile à l'AB
• FREDO adventice
• FREDO lutte
• PRODUIT vin
• agricultural soil science
• crops
• grapevine
• technologie
• viticulture
• weeds

• algorithms
• cameras
• herbicides
• image analysis

PLOS ONE

14

e0218132

11 juin 2019

11 juin 2019

10.1371/journal.pone.0218132 Le DOI est une URL unique de référencement d'une publication. Il est donc plus fiable et permanent qu'une URL classique

1932-6203 L’ISSN est un code de 8 chiffres servant à identifier les journaux, revues, magazines, périodiques de toute nature et sur tous supports, papier comme électronique.