Traduit de Anglais vers Français - www.onlinedoctranslator.

com

ESTIMATION DES COEFFICIENTS DE CULTURE (KC) DU DUR

BLÉ PAR TÉLÉDÉTECTION (NDVI)
A. Bouselmi1, R. Nciri1, O. Ly2, S.Arfaoui1, R. Kalboussi1

1Institut National des Grandes Cultures.

2Institut National Agronomique de Tunisie.

Abstrait

À l’échelle mondiale, la gestion efficace de l’eau est devenue un défi majeur. L'agriculture est de loin le plus

grand consommateur d'eau, avec 70 % (FAO, 2017). En raison de la rareté de l’eau, le recours à une irrigation efficace est

nécessaire afin de mieux rationaliser l’approvisionnement en eau. Il est donc crucial d’estimer correctement les besoins

en eau des cultures. Il est donc essentiel d'obtenir un coefficient Kc de culture local pour chaque région, car le Kc est lié

au type de culture, aux cycles phénologiques, au sol et au climat de la région (Allen et al. 1998). ). Cependant, grâce aux

progrès de la télédétection, les coefficients de culture peuvent être associés à des indices tels que l'indice de végétation

NDVI (Indice de végétation par différence normalisée), qui constitue une alternative pour estimer de nouvelles valeurs de

Kc. A partir de cette prospective, nous avons mené une étude dans deux régions différentes de Tunisie, l'une au Nord

avec un climat semi-aride et la seconde dans la partie Centrale avec un climat aride pour estimer Kc à l'aide du NDVI de la

sentinelle 2. Les résultats ont montré qu'il existe une très bonne corrélation entre les valeurs Kc et les valeurs NDVI (r2 =

0,75 pour la parcelle Nord et r2 = 0,72 pour la parcelle Centrale). Cependant, cette étude nécessite des applications sur le

terrain pour évaluer l'efficacité des coefficients de culture estimés. D'autant plus que l'irrigateur doit épandre beaucoup

d'eau sur la parcelle, ce qui génère considérablement des valeurs erronées du Kc calculé. De plus, l’étude montre que

l’approche du coefficient de culture simple est plus efficace que celle du coefficient de culture double. Sur la base de

cette étude et d’autres études, on peut conclure que la télédétection pourrait être utilisée comme outil de gestion

agricole et d’aide à la décision. Cependant, cette étude nécessite d'autres parcelles de terrain pour évaluer l'efficacité des

coefficients de culture estimés. Les efforts futurs se concentreront sur l'intégration du Kc estimé à l'aide du NDVI dans un

modèle de planification de l'irrigation comme CropWat, IREY App. L'indice NDVI peut être utilisé pour une estimation

précoce des rendements des cultures céréalières. De plus, d’autres indicateurs issus de la télédétection peuvent être

utilisés pour améliorer l’estimation de Kc. L'indice NDVI peut être utilisé pour une estimation précoce des rendements

des cultures céréalières. De plus, d’autres indicateurs issus de la télédétection peuvent être utilisés pour améliorer

l’estimation de Kc. L'indice NDVI peut être utilisé pour une estimation précoce des rendements des cultures céréalières.

De plus, d’autres indicateurs issus de la télédétection peuvent être utilisés pour améliorer l’estimation de Kc.

1. Introduction

Dans le contexte du changement climatique, la zone nord-africaine est confrontée à de sérieux défis
avec une diminution continue des eaux. L'agriculture est de loin le plus grand consommateur d'eau,
avec 70 % (FAO, 2017). En Tunisie, la culture céréalière représente la spéculation agricole la plus
importante, tant par le nombre d'agriculteurs que par son rôle moteur dans l'économie nationale
(Chebbi etAl.2019). Cependant, la Tunisie souffre régulièrement d’un écart climatique important
selon les régions et les saisons. En effet, la pluviométrie moyenne varie entre 100 et 700mm/an
respectivement au sud et au nord du pays et la température moyenne varie entre 8 et 40°C (Ben
Boubaker Habib et al., 2014). L'irrégularité des précipitations, caractérisant le climat méditerranéen,
peut provoquer certaines années déficitaires, des baisses importantes des rendements et donc de la
production (Bousselmi et
al.2014).Face à la fragilité du milieu agricole et aux ressources en eau limitées, il est évident que
les périmètres irrigués en Tunisie en particulier devraient relever le défi d'augmenter la
production agricole, notamment les rendements des cultures stratégiques comme le blé dur
pour assurer l'alimentation. sécurité, tout en assurant la sécurité de l’eau (Bousselmi et al.2014).
En raison de la rareté de l’eau, le recours à une irrigation efficace est nécessaire afin de mieux
rationaliser l’approvisionnement en eau. Il est donc crucial d’estimer correctement les besoins
en eau des cultures. Il est donc essentiel d'obtenir un coefficient Kc de culture local pour
chaque région, car le Kc est lié au type de culture, aux cycles phénologiques, au sol et au climat
de la région (Allen et al. 1998). ). Cependant, grâce aux progrès de la télédétection, les
coefficients de culture peuvent être associés à des indices tels que l'indice de végétation par
différence normalisée (Rouse et al., 1973), qui constitue une alternative pour estimer les valeurs
de Kc. A partir de cette prospective, nous avons mené une étude dans deux régions différentes
de Tunisie, l'une au Nord avec un climat semi-aride et la seconde dans la partie Centrale avec
un climat aride pour estimer Kc à l'aide du NDVI de la sentinelle 2.

2. Matériels et méthodes

2.1 Zone d'étude

L'étude a été menée dans deux régions différentes, l'une au nord de la Tunisie à El Kodia
dans le gouvernorat de Jendouba et la seconde au centre de la Tunisie Souk Jedid dans le
gouvernorat de Sidi-Bouzid (Figure 1).

Jendouba

Sidi Bouzid

EL Kodia

Souk Jedid

Figure 1. Localisation des zones d'étude des deux régions d'El kodia et Souk Jedid, Tunisie. La zone
rouge représente le champ de blé.
L'étude climatologique est essentielle pour estimer les besoins en eau des cultures. Parmi les
facteurs influençant la demande en eau pour l’irrigation, les conditions climatiques sont
régulièrement mises en avant et largement utilisées dans les modèles de prévision des besoins en
eau des cultures. Les tableaux suivants (1 et 2) présentent les paramètres climatiques enregistrés
dans les deux régions étudiées (température, humidité, vent, rayonnement solaire, précipitations et
évapotranspiration).

Tableau 1. Données météorologiques de la Station El Kodia durant la campagne agricole 2020-

2021.

Moyenne
Radiation solaire Humidité Précipitations Vitesse du vent ETP
Mois Température
[W/m2] [%] [mm [MS]
[°C] [mm]
Octobre 18h42 176 61.07 19 0,9 80,3
Novembre 15.73 107 74.31 68 0,7 41.2
Décembre 10.91 93 82,86 62 1 32.3
Janvier 10.77 99 76.13 13.4 0,9 36.3
Février 11h42 146 81.42 11 0,8 46.3
Mars 11h42 184 83.49 25.6 0,8 71.2
Avril 15.01 228 78,96 22.4 0,8 99,2
Peut 20.79 277 62,61 6.2 0,9 145,5
Juin 27.18 280 49.53 1.6 1,3 178,6

Tableau 2. Données météorologiques de la station Souk Jedid durant la saison agricole 2020-
2021

Moyenne
Radiation solaire Humidité Précipitations Vitesse du vent ETP
Mois Température
[W/m2] [%] [mm [MS]
[°C] [mm]
Octobre 14.74 127 69.36 27.2 1.2 75
Novembre 11.11 110 72.71 10.6 1,5 34.3
Décembre 12.1 135 55,83 0,2 1.7 45
Janvier 11h75 160 56,96 0,4 1.4 66,6
Février 11.71 145 78.46 6.2 1.4 26,5
Mars 19.74 293 58.59 0 1.2 112.4
Avril 21.95 280 50,84 6.2 1.6 171,7
Peut 26h39 284 45.42 2.2 1.4 154,9

2.2 Culture et date de semis

A Sidi Bouzid, le blé cultivé est du blé dur, la date de semis est le 20 novembre 2020 et la
date de récolte se situe vers le début du mois de juin. Quant au blé cultivé sur la parcelle
d’El Kodia, la date de semis est le 9 décembre 2020. En revanche, la date de récolte se situe
vers la mi-juin.
2.3 Données satellitaires et développement du NDVI

Pour cette étude nous avons opté pour le satellite Sentinel-2, ce choix repose sur trois avantages
principaux, d'abord sa résolution spatiale : Nous aurons une meilleure précision et une cartographie
plus détaillée à l'échelle de la zone d'étude par rapport aux cartes obtenues à partir d'autres images
( Landsat par exemple), ensuite sa résolution spectrale (la présence de plusieurs bandes spectrales
dans le proche et moyen infrarouge permettra une meilleure analyse des réponses spectrales de la
végétation.) et, enfin sa résolution temporelle (la fréquence est de 5 jours pour le même zone).
L’interface du site Sentinel-Hub (Figure 3) possède plusieurs fonctionnalités, permettant ainsi de
choisir le satellite utilisé pour extraire les images.

Figure 3. Capture d'écran du site Web Sentinel-Hub.

L'indice de végétation par différence normalisé NDVI est calculé à partir des bandes rouge (R) et
proche infrarouge (NIR). L'indice de végétation normalisé met en évidence la différence entre la
bande rouge visible et la bande proche infrarouge. Cet indice de végétation a été donné par :

= − (1)
+

Cet indice est sensible à la vigueur et à la quantité de végétation. La plage de valeurs de l'indice NDVI va de
-1 à 1. Valeurs négatives correspondant à des surfaces autres que le couvert végétal, comme la neige, l'eau
ou les nuages pour lesquelles la réflectance dans le rouge est supérieure à celle du proche infrarouge.
Les valeurs proches de zéro (-0,1 à 0,1) correspondent généralement à des zones arides de roche, de sable
ou de neige. Les valeurs faibles et positives représentent les arbustes et les prairies (environ 0,2 à 0,4),
tandis que les valeurs élevées indiquent les forêts tropicales humides tempérées.

(un) (b)
Figure 3. Images NDVI de la parcelle de blé El kodia (a) et Souk Jedid (b) de Sentinel2
(15 février 2021).
2.4 Calcul du coefficient de culture
Pour la parcelle de Souk Jedid, nous avons utilisé l'approche du double coefficient de culture, qui permet
de calculer séparément l'évaporation du sol et la transpiration de la végétation (Allen et al., 1998). Pour
cette parcelle nous avons calculé la fraction de couverture végétale (FC) par un modèle que nous avons
obtenu par une corrélation avec le NDVI. Comme pour la parcelle d'El Kodia, nous avons utilisé le
coefficient monoculture Kc de la FAO 56 ajusté aux degrés-jours de croissance GDD pour déterminer le Kc
correspondant à chaque stade phénologique. Les GDD sont calculés à l’aide de l’équation 2 :

= − − (2)
2

Où Tmax= Température maximale quotidienne (°C), Tmin= Température minimale quotidienne (°C)
et Tbase= Température de base (0°C) en dessous de laquelle le processus de croissance des plantes
ne progresse pas. Pour le blé dur, la Tbase est de 0,0 °C. Toute température inférieure à Tbase est
réglée sur Tbase avant le calcul (Matzarakis et al., 2007 ; Kumar et al., 2020). Par la suite nous avons
utilisé la méthode de régression linéaire multiple et de régression linéaire simple pour faire une
corrélation entre le Kc et les valeurs du NDVI décennal obtenues par le SENTINEL-2.

2.5 Estimation des besoins en eau du blé dur par sondes capacitives dans la parcelle de Souk
Jedid

Les sondes capacitives comptent électromagnétiquement les molécules d'eau présentes dans un
volume de sol défini autour du capteur. Ceci permet de connaître le stock d'eau (en mm) sur la
profondeur explorée par la sonde. Il existe 2 types de sondes capacitives : les fixes qui mesurent en
continu l'humidité du sol à un endroit donné de la parcelle et les sondes mobiles qui se déplacent à
plusieurs endroits dans une ou plusieurs parcelles, où des tubes sont déjà installés. Chaque sonde
est équipée de plusieurs capteurs disposés en tube, les uns en dessous des autres, tous les 10 cm.
Ainsi, pour chaque horizon de 10 cm de sol, la sonde fournit un pourcentage d'humidité, convertible
en millimètres d'eau. Généralement, les données enregistrées sont transmises au serveur par un
modem GPRS. Ils sont ensuite compilés sous forme de graphiques.

Graphique d'humidité du sol

350
300
Humidité mm

250
200
150
100
50
0

Date

Figure 4. A gauche une photo de la sonde capacitive Sentek, à droite un graphique du sol
l'humidité de la parcelle Souk Jedid.

3. Résultats et discussion

3.1 Parcelle de blé dur EL Kodia

Les données obtenues de Sentinel2 ont été triées afin de supprimer les valeurs présentant 100 à 60%
de nuages (C0/Clouds) qui pourraient éventuellement fausser les valeurs réelles du NDVI. Le
graphique suivant représente l’évolution des valeurs moyennes du NDVI de la parcelle de blé dur EL
Kodia.

0,9
0,8
0,7
0,6
NDVI

0,5
0,4
0,3
0,2
0,1
0

Date

Figure 5. Evolution des valeurs NDVI de la parcelle de blé dur EL Kodia.

Le graphique ci-dessous (Fig. 6) montre une très bonne corrélation entre Kc et NDVI. Cela
montre que ces deux paramètres sont intimement corrélés.

1,4
1,2
y = 0,7641x + 0,5289
1 R² = 0,7529

0,8
Kc

0,6
0,4
0,2
0
0 0,2 0,4 0,6 0,8 1
NDVI

Figure 6. Corrélation entre Kc et NDVI de la parcelle de blé dur EL Kodia.

En revanche, la régression linéaire multiple a fourni une meilleure corrélation avec R2
égal à 0,882, en utilisant le NDVI min, le NDVI max et le NDVI moyen.

Tableau 3. Les résultats de la régression linéaire multiple pour la parcelle d'El Kodia

Régression statistique

Coefficient de détermination multiple 0.88213813

Coefficient de détermination R^2 0,77816768
Coefficient de détermination R^2 0,74791782
Type d'erreur 0,09793472

Observations 26
3.2 Parcelle de blé dur Souk Jedid
Pour la parcelle de Souk Jedid, nous avons utilisé deux méthodes, l'approche du coefficient de culture double
prenant en compte le Ke, Kcb et l'approche du coefficient de culture unique.

3.2.1 Approche du coefficient pour une seule culture

De même, pour la parcelle d’El Kodia, le graphique suivant représente l’évolution des
valeurs moyennes du NDVI selon les mois pour la parcelle de Souk Jedid

1
0,9
0,8
0,7
0,6
NDVI

0,5
0,4
0,3
0,2
0,1
0

Date

Figure 7. Evolution des valeurs NDVI de la parcelle de blé dur Souk Jedid.
Nous avons obtenu une bonne corrélation entre Kc et NDVI avec R2égal à 0,7. Idem pour la
régression linéaire multiple nous avons obtenu une meilleure corrélation avec R2égal à 0,8061.

Tableau 4. Les résultats de la régression linéaire multiple pour la parcelle de Souk Jedid

Régression statistique
0.806168564
Coefficient de détermination multiple
0.649907753
Coefficient de détermination R^2
0.602167901
Coefficient de détermination R^2
0,458918107
Type d'erreur
26
Observations

3.2.1 Approche du coefficient de double culture

Comme expliqué dans la section Matériels et méthodes, nous avons utilisé un modèle fourni par la
corrélation entre FC et NDVI (FC = 1,6106*NDVI – 0,1532) pour calculer le FC pour différents stades
de croissance. Le tableau 5 montre les résultats.

Tableau 5. Correspondance entre le stade de croissance et le FC

Scène C0/date C0/moyenne FC
Semis 19/11/2020 0,10531819 0
3 feuilles 08/01/2021 0,2111641 0,25
Fin de tallage 30/01/2021 0,45048796 0,5
 Titre 12/02/2021 0,5916981 0,75
Convergence totale 29/03/2021 0.66925414 1

Nous avons obtenu une très bonne corrélation entre NDVI et FC et la figure 8 montre la
corrélation.

1,2
y = 1,6106x - 0,1532
1 R² = 0,9718

0,8

0,6
FC

0,4

0,2

0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
NDVI

Figure 8. Corrélation entre NDVI et FC.

Pour le calcul des paramètres Ke et Kcb nous avons appliqué les formules mentionnées ci-dessus. On
peut remarquer que les valeurs FC calculées deviennent constantes à partir du 21 novembre, cela
s'explique par le fait que nous avons estimé ces valeurs par celles du NDVI et que ces dernières
diminuent lorsque la biomasse végétale commence à sécher. Nous avons donc pris la valeur
maximale de FC comme correspondant à une couverture complète, puisque la biomasse ne diminue
pas lorsqu'elle atteint son maximum. La régression linéaire simple a fourni une corrélation
acceptable entre Kcb et NDVI avec R2égal à 0,5. En revanche, la régression linéaire multiple a fourni
un meilleur coefficient de détermination par rapport à la régression linéaire simple avec R2égal à
0,722. Le tableau 6 présente les résultats statistiques obtenus par régression linéaire multiple.

Tableau 6. Les résultats de la régression linéaire multiple pour la parcelle de Souk Jedid

Régression statistique
0,722674867
Coefficient de détermination multiple
0.522258964
Coefficient de détermination R^2
0,421681904
Coefficient de détermination R^2
0.190906544
Type d'erreur
24
Observations

4. Conclusions

La rationalisation de l’approvisionnement en eau et une gestion agricole efficace nécessitent

l’estimation de valeurs Kc appropriées. En effet, le Kc est le paramètre essentiel pour le
évaluation des besoins en eau des cultures. A cet égard, nous avons utilisé l'indice de végétation
NDVI pour estimer le Kc pour les parcelles d'El Kodia et Souk Jedid. Nos résultats ont montré qu'il
existe une très bonne corrélation entre les valeurs Kc et les valeurs NDVI (R2= 0,7529 pour le tracé El
Kodia et R2= 0,7226 pour la parcelle Souk Jedid). Cependant, cette étude nécessite d'autres essais
avec différentes cultures pour évaluer l'efficacité des coefficients de culture estimés. De plus, l’étude
montre que l’approche du coefficient de culture simple est plus efficace que celle du coefficient de
culture double. Enfin, on peut admettre que la télédétection est un moyen efficace et convoité de nos
jours dans le domaine de l'irrigation, c'est aussi un outil de gestion agricole et d'aide à la décision
permettant d'obtenir un rendement optimal.

Remerciements
Cette étude a été réalisée par l'INGC l'Institut National des Grandes Cultures-Tunisie et
soutenue par le projet Production Durable dans les environnements limités en eau de l'agro-
écosystème méditerranéen (SUPROMED), financé par le programme PRIMA Section 1 et
coordonné par l'Université de Castille-La Manche ( Espagne).

Les références

A. Bouselmi, M. Khammassi, S. Abidi, S. Arfaoui, R. Nasraoui, (2014) L'impact des précipitations

sur l'évolution des superficies céréalières récoltées et semées en Tunisie. Conférence Euro
Med de Suivi des Cultures, 19-21 novembre 2014 Rabat Maroc.
A. Bousselmi, R. Kalboussi, S. Chamseddine, S. Abidi et M. Khammassi.2014. Etude de
l'efficacité de l'eau et de l'azote pour la culture de blé dur (variété Khiar) conduit sous le
système goutte à goutte pour différents espacements. Journées Scientifiques de l'INAT
2014 « Changements Climatiques et mesures d'adaptation » 20-21- 05/ 2014 /l'INAT,
Tunis, Tunisie.
Allen, RG, Pereira, LS, Raes, D., Smith, M., 1998. Évapotranspiration des cultures : lignes directrices
pour calculer les besoins en eau des cultures. Dans : Actes du document sur l'irrigation et le
drainage n° 56. Organisation pour l'alimentation et l'agriculture, Nations Unies, Rome, Italie.

Ben Salem M., Daaloul A., Ayadi A. Le blé dur en Tunisie. Dans : Di Fonzo N. (éd.), Kaan
F. (éd.), Nachit M. (éd.). Qualité du blé dur en région méditerranéenne. Saragosse :
CIHEAM, 1995. p. 81-91.

FAO, 2017. FAOSTAT. Organisation des Nations Unies pour l'alimentation et l'agriculture, Rome,
Italie.

Habib Ben Boubaker, Zeineb Benzarti et Latifa Hénia. « Les ressources en eau de la
Tunisie : contraintes du climat et pression anthropique »,2014 ENS Éditions, p. 37-52
SEM Chebbi, J.-P. Pellissier, W. Khechimi, J.-P. Rolland. Rapport de synthèse sur
l'agriculture en Tunisie. [Rapport de recherche] CIHEAM-IAMM. 2019, p. 99.
ffhal-02137636f
Kumar et coll., 2020). Kumar, P., Herndon, E. et Richter D. (2020) : Agents critiques de
Changement à la surface de la Terre.

Matzarakis, A. Climat, confort thermique et tourisme. Clim. Chang. Tournée. Évaluer. Faire face
Stratégie. 2007, 139-154.
Rouse, JW, Haas, RH, Schell, JA et Deering, DW (1973). Surveillance de la végétation
systèmes dans les Grandes Plaines avec ERTS. Dans Actes du troisième symposium ERTS,
Washington, DC, États-Unis, 10-14 décembre 1973 ; Volume 1, p. 309-317.