lexicon
FREN

A hybrid LiDAR–PROSAIL approach for LAI estimation in vineyards

2026 · INRAE · eng

Cet article publié en 2026 dans la revue Smart Agriculture Technology propose une approche innovante pour améliorer l’estimation du Leaf Area Index (LAI) dans les vignobles, un indicateur essentiel pour caractériser le développement du couvert végétal et piloter les pratiques en viticulture de précision. L’estimation du LAI est particulièrement complexe dans les vignobles en raison de leur architecture en rangs, hétérogène et discontinue, qui perturbe les méthodes classiques de télédétection. Les approches traditionnelles reposent souvent sur le modèle PROSAIL, un modèle de transfert radiatif qui simule les interactions entre la lumière et la végétation afin de relier les mesures spectrales (issues par exemple de Sentinel‑2) à des variables biophysiques comme le LAI. PROSAIL combine deux sous‑modèles : PROSPECT, qui décrit les propriétés optiques des feuilles (pigments, eau, structure interne), et SAIL, qui modélise le comportement de la lumière au niveau du couvert (organisation, inclinaison et densité des feuilles). En pratique, on utilise ce modèle en inversion pour estimer le LAI à partir des réflectances mesurées. Cependant, PROSAIL présente des limites importantes en viticulture, car il suppose un couvert homogène, ce qui est rarement le cas dans les vignobles. Cette simplification entraîne notamment une sous‑estimation du LAI lorsque la végétation est dense, en raison des effets d’ombre, des rangs et de la saturation des indices spectraux. Pour dépasser ces limites, les auteurs proposent une approche hybride combinant données spectrales et données structurelles issues du LiDAR et développées dans le projet CASDAR RT CANNOPHY. Les mesures LiDAR permettent de décrire finement l’architecture du couvert, à travers trois variables principales : la hauteur, la largeur et la densité de végétation. Ces informations sont intégrées dans un indice structurel pondéré qui est ensuite combiné avec les estimations PROSAIL à l’aide d’un modèle d’apprentissage automatique de type SVM afin de corriger les biais du modèle spectral. Les données LiDAR utilisées dans cette étude ont été acquises dans le cadre du projet CANNOPHY soutenu par le Ministère de l’Agriculture via le dispositif AAP CASDAR RT (financement PNDAR 2021 – Convention AAP RT 21 ART 3971031). L’expérimentation, menée en 2023 dans un vignoble méditerranéen sur trois cépages, montre que le modèle hybride améliore fortement la précision des estimations. Il atteint un coefficient de détermination de R² = 0,88, contre 0,42 pour PROSAIL seul, et permet de corriger efficacement les sous‑estimations observées aux stades avancés de croissance. Les résultats mettent également en évidence l’évolution du rôle des paramètres structurels au cours du cycle végétatif : la hauteur domine en début de saison, la largeur lors de l’expansion latérale, et la densité devient prépondérante lorsque le couvert se ferme. L’approche permet ainsi de mieux représenter les dynamiques phénologiques et les différences entre cépages. Enfin, les auteurs développent une table de correspondance (LUT) permettant d’estimer le LAI à partir des séries temporelles de NDVI. Le modèle hybride produit des trajectoires temporelles plus réalistes et met en évidence un découplage entre NDVI et LAI en fin de saison, lié à la sénescence des feuilles, que les approches purement spectrales ne capturent pas correctement. En conclusion, cette approche couplant modélisation physique (PROSAIL) et information structurelle (LiDAR) constitue une avancée importante pour la viticulture de précision, en offrant des estimations de LAI plus fiables, cohérentes et spatialement détaillées, utiles pour la gestion intra‑parcellaire et la prise de décision agronomique.

JSON

Source : Plateforme R&D Agricole (ACTA) — CC BY-NC-SA 4.0. Usage non commercial uniquement.