CONTRIBUTEURS

NDVI (Indice de végétation par différence normalisée) et PRI (Indice de réflectance photochimique) : théorie, méthodes et application

La technologie moderne permet d'échantillonner les indices spectraux de végétation tels que NDVI et PRI à différentes échelles dans l'espace et dans le temps, depuis les satellites qui échantillonnent toute la surface de la terre jusqu'aux petits capteurs portatifs qui mesurent des plantes individuelles ou même des feuilles.

Qu'est-ce que NDVI et PRI ?

NDVI (Normalized Difference Vegetation Index) et PRI (Photochemical Reflectance Index) sont tous deux des indices spectraux de végétation dérivés de mesures de longueurs d'onde relativement étroites de la lumière réfléchie (10 à 50 nanomètres) dans le spectre électromagnétique. Cela permet de mesurer diverses propriétés des couverts végétaux. NDVI signifie Normalized Difference Vegetation Index (indice de végétation par différence normalisée) et PRI signifie Photochemical Reflectance Index (indice de réflectance photochimique).

Il existe de nombreux types d'indices spectraux de végétation, mais cet article et ce webinaire se concentrent sur la théorie, les méthodes et l'application de NDVI et de PRI, qui sont les deux indices les plus couramment utilisés.

NDVI est particulièrement utile pour mesurer les propriétés structurelles du couvert végétal telles que leaf area index, l'interception de la lumière et même la biomasse et la croissance, alors que le PRI est plus utile pour obtenir des propriétés fonctionnelles du couvert végétal telles que l'efficacité de l'utilisation de la lumière. La littérature récente montre que la PRI est également utile pour mesurer les pigments foliaires.

Comprendre les interactions entre les rayonnements de la canopée

Pour comprendre d'où viennent NDVI et PRI, il est important de connaître les interactions entre le couvert végétal et le rayonnement. Il y a trois destins principaux pour le rayonnement électromagnétique lorsqu'il interagit avec le couvert végétal.

Dans la figure 2, l'énergie est représentée par des photons sous forme de flèches. Les photons provenant du soleil peuvent interagir avec la canopée de trois manières : Ils peuvent être transmis, ce qui signifie qu'ils traversent la canopée et atteignent le sol. Ils peuvent être absorbés, c'est-à-dire que le matériel photosynthétique vert de la canopée absorbe certains photons et utilise cette énergie pour stimuler la photosynthèse. Enfin, ils peuvent être réfléchis, c'est-à-dire qu'ils frappent la surface de la canopée et sont renvoyés dans l'espace.

La figure 3 est un diagramme représentant le rayonnement électromagnétique. L'une des caractéristiques les plus évidentes de ce diagramme est le spectre visible. Il s'étend de 400 à 700 nanomètres et couvre les bleus, les verts, les jaunes, les oranges et les rouges perçus par l'œil humain. Cependant, il existe également des rayonnements ultraviolets (UV) à des longueurs d'onde très courtes et des rayonnements infrarouges à des longueurs d'onde plus grandes. Il est important de comprendre que dans le spectre du rayonnement électromagnétique, il y a des photons à différentes énergies (longueurs d'onde). L'interaction du rayonnement avec le couvert végétal dépend de la longueur d'onde. Par exemple, les photons rouges interagissent avec le couvert végétal différemment des photons bleus ou des photons proches de l'infrarouge. Les indices de végétation mesurent la composante réfléchie du rayonnement.

LE RAYONNEMENT RÉFLÉCHI
Caractéristiques spectrales de la canopée

La figure 4 montre un spectre de réflectance typique de la canopée que l'on peut s'attendre à voir dans la majorité des canopées qui contiennent du matériel photosynthétique vert. L'axe des y représente le pourcentage de réflectance du rayonnement électromagnétique. L'axe des x représente la longueur d'onde en nanomètres. La gamme visible s'étend de 450 à 700 nanomètres, et à environ 700 nanomètres, nous entrons dans l'infrarouge, et plus particulièrement dans la partie proche de l'infrarouge du spectre. Ce spectre a été obtenu à partir d'un couvert végétal. Notez que la majorité du rayonnement réfléchi dans le spectre visible culmine dans le vert. C'est pourquoi, lorsque nous observons un couvert végétal, il est généralement vert. Dans ce cas, les bleus et les rouges sont fortement absorbés par les chlorophylles. Notez également les réflectances élevées dans le proche infrarouge. Il est très typique de voir des réflectances élevées dans cette gamme parce que cette énergie ne peut pas être utilisée pour la photosynthèse. Les plantes ont été conçues pour réfléchir ce rayonnement.

Les différents composants du couvert végétal peuvent affecter les spectres dans la gamme des longueurs d'onde du visible, du proche infrarouge et au-delà. La figure 5 illustre la teneur en chlorophylle du feuillage à différents niveaux.

Lorsque la teneur en chlorophylle varie, ce spectre change radicalement, en particulier dans la région visible, entre le vert et le rouge, et un peu dans le proche infrarouge.

De même, la figure 6 montre que la teneur en caroténoïdes modifie également la réflectance, mais que ses effets sont beaucoup moins étendus sur l'ensemble du spectre.

La structure cellulaire des feuilles est également une propriété des canopées qui peut affecter le spectre de réflectance. La figure 7 montre que son effet tend à être uniforme dans la majeure partie du visible et du proche infrarouge.

La teneur en eau du feuillage peut également influencer fortement le spectre de la feuille. La figure 8 montre davantage le spectre infrarouge proche, car c'est là que se situe l'essentiel de l'effet de l'eau. Nous ne voyons pas l'effet dans le domaine visible, et il y a un petit effet dans le domaine du proche infrarouge. Cependant, à environ 800 nanomètres, l'effet est important. C'est donc dans les grandes longueurs d'onde que la teneur en eau a une influence.

Les exemples précédents montrent les effets au niveau des feuilles, mais le spectre de réflectance observé sur une canopée est un mélange de nombreuses feuilles. Si nous les mettons toutes ensemble, vous pouvez voir dans la figure 9 que leaf area index a également un effet spectaculaire sur les parties visible et proche infrarouge du spectre.

Vous remarquerez que dans la région rouge, entre 600 et 700 nanomètres, ainsi que dans le proche infrarouge, où des feuilles ont été ajoutées, les réflectances sont de plus en plus élevées.

Comment NDVI est calculé

Les graphiques précédents illustrent des spectres de réflectance continus, mais le site NDVI ne se concentre que sur deux régions spécifiques du spectre ; le proche infrarouge (NIR) à environ 800 nanomètres est combiné à la réflectance dans la région rouge, qui se situe généralement entre 650 et 700 nanomètres (figure 10). Une valeur typique de NDVI se situe entre -1 et 1. Une valeur plus élevée de NDVI indique une canopée plus verte ou une surface de feuilles plus importante.

Comme nous l'avons mentionné, le pourcentage de réflectance est un rapport entre le rayonnement ascendant ou le rayonnement réfléchi par la canopée et la quantité d'énergie incidente ou frappant la canopée. La raison pour laquelle le site NDVI est formulé avec des bandes rouges et proches de l'infrarouge est que le rouge est fortement influencé par la teneur en chlorophylle et que le proche infrarouge est lié à la structure cellulaire de la feuille et aux espaces d'air à l'intérieur de la feuille. Au fur et à mesure que les feuilles se développent et mûrissent, la structure cellulaire change, ce qui peut avoir une forte influence sur la diffusion dans le proche infrarouge. Le spectre de la figure 10 montre également que le rouge est fortement absorbé. Cela est dû au fait qu'il n'y a pas beaucoup de réflexion. Cependant, dans le proche infrarouge, nous observons une grande quantité de réflectance. En prenant le rapport entre le rouge et le proche infrarouge (équation 1), nous pouvons comprendre ce qui se passe avec le couvert végétal.

NDVI APPLICATIONS
Estimez leaf area index en utilisant NDVI

NDVI est souvent utilisé pour estimer le leaf area index d'une variété de canopées différentes. Ceci est particulièrement utile dans une analyse de séries temporelles où vous suivez NDVI dans le temps. Dans une canopée annuelle à feuilles caduques où il y a de grands changements saisonniers dans leaf area index, le NDVI est utile pour suivre ces changements. NDVI peut également être utilisé pour déduire ou estimer la variabilité spatiale dans leaf area index.

La figure 11 montre comment les chercheurs peuvent utiliser l'imagerie pour comprendre la variabilité spatiale du LAI. Ils peuvent calculer NDVI à l'aide de ces images, car elles comportent des bandes d'ondes infrarouges et rouges. Ils utilisent ensuite ces valeurs NDVI pour cartographier le LAI des cultures afin de voir l'hétérogénéité spatiale du LAI entre les unités de gestion et à l'intérieur de chacune d'entre elles.

Notez qu'il y a des limites à cette application de NDVI.

La figure 12 montre qu'au-delà d'un LAI de trois à quatre, la relation entre NDVI et leaf area index tend à saturer. Cela s'explique par le fait que dans la bande rouge, l'absorption de la chlorophylle est généralement très faible, même à des LAI peu élevés. Ainsi, lorsque la surface foliaire augmente, l'absorption ne change que légèrement au-delà d'un LAI de trois ou quatre. De même, dans la bande infrarouge proche, lorsque l'on ajoute de la matière foliaire, le changement progressif de la réflectance dans l'infrarouge proche tend à s'estomper à des LAI très élevés. Il s'agit donc d'un point faible potentiel de l'utilisation du site NDVI pour estimer le LAI. Cette méthode n'est appropriée que pour les canopées dont le LAI est compris entre zéro et quatre.

Une autre application connexe de NDVI serait l'estimation de l'interception de la lumière, car le LAI est lié à la quantité de lumière absorbée par la canopée d'une plante. Plus il y a de feuilles, plus la quantité de lumière absorbée est importante. L'interception de la lumière est une variable importante à connaître car elle nous donne une idée de la quantité de lumière absorbée par un couvert végétal. Par exemple, si nous supposons qu'une canopée est acclimatée à son environnement et qu'elle peut utiliser toute cette énergie lumineuse, la connaissance de l'interception fractionnelle de la lumière nous donnerait une indication de la capacité photosynthétique.

L'un des avantages de l'utilisation de NDVI pour prédire l'interception fractionnelle de la lumière ou l'absorption fractionnelle du rayonnement photosynthétiquement actif(F_PAR), est que la relation entre NDVI et F_PAR n'est généralement pas saturée. L'absorption de la lumière tend à être relativement complète à des LAI d'environ trois à quatre. Lorsque l'on ajoute de la surface foliaire, on n'obtient pas d'augmentation linéaire de l'absorption fractionnée de la lumière. La figure 13 montre une relation linéaire entre NDVI et F_PAR.

Notez que la courbe reste linéaire même lorsque les valeurs d'interception fractionnelle sont élevées.

Utilisation de NDVI en phénologie

Une autre utilisation relativement courante de NDVI est l'estimation de la phénologie dans les systèmes à feuilles caduques ou annuelles ou tout autre type de système présentant une grande variabilité interannuelle de la surface foliaire. Le graphique du bas de la figure 14 montre que si l'on dispose d'une série temporelle de données NDVI et que l'on ajuste une courbe à cette série temporelle, on obtient un schéma assez régulier.

Pendant l'hiver, la surface foliaire n'est pas seulement importante, mais NDVI est également faible. Puis, au printemps, NDVI augmente à mesure que le LAI s'accroît. Il atteint son maximum vers le milieu de la saison de croissance, puis à l'automne, la sénescence et la chute des feuilles font chuter les valeurs de NDVI . Ces courbes nous permettent d'extraire diverses données sur la chronologie de différents événements. Par exemple, si vous vous intéressez au moment de la verdure ou au début de la saison. Le graphique supérieur de la figure 14 montre la métrique SOSp qui a été extraite d'une courbe NDVI . Cette métrique SOSp indique le moment où les feuilles ont commencé à pousser. Comme nous pouvons voir quand les feuilles ont commencé à se développer, nous pouvons marquer cette date avec une date spécifique comme étant le début de la saison. Si nous rassemblons des observations de ce type sur plusieurs années, nous obtiendrons de nombreuses dates de début de saison pour une canopée donnée. Nous pouvons alors établir un lien avec les variables climatiques ou toute autre variable, pour voir s'il y a une relation de cause à effet. Par exemple, certains chercheurs constatent qu'à mesure que le climat se réchauffe, la saison de démarrage se produit généralement plus tôt dans l'année. Il existe de nombreuses autres mesures que nous pouvons extraire de ces courbes. Nous pouvons soit utiliser les données du site NDVI directement comme indicateur de la phénologie, soit utiliser les données du site NDVI pour alimenter directement un modèle permettant de prédire quand les événements phénologiques se produisent.

La figure 15 illustre un autre exemple d'utilisation du site NDVI pour comprendre la phénologie. Dans un peuplement forestier composé d'essences mixtes, nous pourrions observer de nombreux endroits différents de la canopée ou même des arbres individuels et suivre le calendrier de leur développement. La figure 15 montre le développement d'une forêt d'espèces mixtes au printemps. Toutes les essences commencent avec des valeurs NDVI très différentes. Cela est directement lié à leur leaf area index à ce moment-là. Au fur et à mesure que le printemps avance, les valeurs de NDVI augmentent généralement pour les espèces à feuilles caduques, puis elles tendent toutes à converger après environ le 150e jour vers une valeur NDVI assez uniforme. Ainsi, à environ 150 jours, la canopée commence à atteindre sa maturité structurelle. Nous ne savons pas nécessairement ce qui se passe avec l'acclimatation photosynthétique à ce stade, mais ces données sont un bon exemple de la façon dont les données NDVI peuvent être utilisées pour évaluer l'hétérogénéité spatiale ou les différences de verdissement espèce par espèce ou arbre par arbre, même au sein d'un même peuplement.

Utilisation de NDVI pour estimer la productivité

NDVI peuvent être utilisées pour estimer directement la productivité des couverts à feuilles caduques ou des couverts fortement saisonniers, tels que les prairies annuelles où la présence de feuilles vertes est étroitement liée à la photosynthèse saisonnière.

Par exemple, la figure 16 présente les données d'un article de Ryu qui a suivi le site NDVI d'une prairie annuelle sur plusieurs années. Les valeurs de NDVI sont les points verts tracés dans le graphique supérieur, et les cercles ouverts dans ce même graphique sont des mesures de photosynthèse. Notez que NDVI réussit bien à suivre le calendrier et l'amplitude de la photosynthèse dans cette prairie annuelle. Dans le graphique du bas, il a pris l'ensemble des données sur quatre ans et a montré la relation de corrélation entre NDVI et la photosynthèse du couvert végétal. Il a ainsi créé un modèle empirique qui utilise NDVI pour estimer la photosynthèse de la canopée dans cet écosystème. Comme NDVI suit la chronologie de la photosynthèse dans ce système, nous pourrions non seulement estimer la photosynthèse instantanée à n'importe quel jour de l'année, mais aussi répondre à des questions telles que : comment puis-je estimer la période de mise à jour du carbone ? Quand la saison a-t-elle commencé ? Quand a-t-elle atteint son apogée ? Quand s'est-elle terminée ? La figure 16 est un ensemble de données riche qui pourrait être exploité pour diverses variables utiles.

NDVI limitations

Les limites à prendre en compte lors de l'utilisation de NDVI sont les suivantes :

1. Comme nous l'avons mentionné, NDVI a tendance à saturer lorsque le LAI est élevé(voir figure 12). Pour contourner ce problème, il est possible que, selon vos besoins, le LAI ne corresponde pas à ce dont vous avez besoin. Il s'agit peut-être d'une interception fractionnée réelle. Mais si c'est le LAI, gardez à l'esprit que vous n'utiliserez probablement pas beaucoup NDVI si vous travaillez dans des systèmes avec un LAI très élevé.
2. Le site NDVI n'est pas très dynamique dans les écosystèmes à feuilles persistantes, du moins pas dans une approche de séries chronologiques: C'est logique car les membres des systèmes à feuilles persistantes sont à feuilles persistantes. Il n'y a pas beaucoup de changements entre l'hiver et l'été dans leaf area index et donc dans l'interception fractionnée de la lumière, du moins dans la mesure où elle est contrôlée par le LAI.

La figure 17 montre que pour une année entière, les valeurs de NDVI sont assez stables, alors que l'absorption de_CO2 par la canopée ou la photosynthèse est dynamique dans le temps. Mais il n'y a pas de lien entre la dynamique temporelle de NDVI et l'absorption de_CO2 par la canopée. Il s'agirait donc d'une utilisation inappropriée de NDVI. Nous voulons en savoir plus sur la canopée et sur ce qui est à l'origine du changement fonctionnel. Cela dit, NDVI peut toujours être utile dans les systèmes à feuilles persistantes pour étudier l'hétérogénéité spatiale. Si vous recherchez la variabilité du LAI ou de la biomasse d'interception de la lumière sur de grandes surfaces ou dans une longue série temporelle. Par exemple, si vous évaluez la récupération et la croissance après un incendie de forêt, même s'il s'agit d'un système à feuilles persistantes, si vous regardez sur une période suffisamment large, NDVI sera réactif dans le système. Cependant, à l'échelle annuelle, il n'y aura probablement pas beaucoup de changements dynamiques.

Comment calculer l'indice de réflectance photochimique (PRI) ?

Le PRI est similaire au NDVI dans sa formulation, la seule différence étant les longueurs d'onde ou les bandes utilisées comme données d'entrée. La PRI est calculée avec des réflectances à 531 nanomètres et 570 nanomètres, et les valeurs de la PRI sont comprises entre -1 et 1.

L'indice de réflectance photochimique est le plus souvent utilisé pour déterminer l'efficacité de l'utilisation de la lumière ou les changements dans l'efficacité de l'utilisation de la lumière qui se produisent à l'intérieur d'un couvert végétal. Pour ce faire, on examine notamment la réponse à 531 nanomètres aux changements de pigments de xanthophylle.

La figure 18 montre deux spectres de réflectance différents qui ont été recueillis dans une succession relativement rapide. En calculant la différence entre ces deux spectres, nous voyons quelques pics où les différences sont les plus importantes. L'un d'entre eux, situé à environ 531 nanomètres, peut être attribué à l'activité du cycle de la xanthophylle.

Le cycle de la xanthophylle est une action/réaction rapide et réversible dans laquelle les pigments de xanthophylle passent par un processus de conversion interne à la fois vers l'avant et vers l'arrière.

La figure 19 illustre ce processus de conversion interne. Dans la partie droite du diagramme, nous partons de la violaxanthine. Elle est convertie en anthéraxanthine et le produit final est la zéaxanthine. La violaxanthine est l'état non stressé et lorsque la plante subit un stress, une conversion interne des pigments se produit jusqu'à ce qu'il y ait plus de pigments à l'état de zéaxanthine. Si le stress disparaît, ce processus est réversible. Par exemple, si nous diminuons le niveau de lumière, ces conversions internes de pigments peuvent s'inverser jusqu'à ce qu'il y ait principalement de la violaxanthine dans les tissus de la plante. Il s'agit d'un moyen omniprésent pour les plantes de gérer en toute sécurité les environnements stressants. Lorsque les plantes sont à l'extérieur, elles absorbent continuellement des radiations. Elles ne peuvent pas se lever et s'en aller. Ce processus leur permet d'absorber l'excès de lumière dans le cycle de la xanthophylle, où l'énergie est utilisée pour alimenter les conversions internes des pigments, plutôt que de nuire à la machinerie photosynthétique. Lorsque la lumière est absorbée et utilisée pour le cycle de la xanthophylle, l'efficacité de l'utilisation de la lumière s'en trouve réduite, car cette lumière n'entraîne pas l'absorption du carbone. Au lieu de cela, elle est utilisée pour un processus de dissipation de la chaleur par le biais du cycle de la xanthophylle. Le cycle de la xanthophylle est donc l'un des moyens par lesquels l'efficacité de l'utilisation de la lumière est contrôlée par la plante.

Le cycle de la xanthophylle présente également d'autres dynamiques intéressantes au fil du temps. Par exemple, la figure 20, tirée d'un article de Demmig, Adams et Adams, montre quelques traitements différents et ce que l'on peut attendre de la taille totale du pool de xanthophylles (la somme des teneurs en violaxanthine, en anthéraxanthine et en zéaxanthine). Il montre également la taille relative du pool ou les rapports entre la violaxanthine, l'anthéraxanthine et la zéaxanthine.

Les diagrammes circulaires du haut comparent les feuilles ombragées aux feuilles ensoleillées. Dans les feuilles éclairées par le soleil, la taille totale du pool est beaucoup plus importante que dans les feuilles ombragées. Notez les proportions de chacune des xanthophylles. Dans les feuilles à l'ombre, une part beaucoup plus importante des xanthophylles se trouve à l'état de violaxanthine, probablement parce que le besoin de photoprotection est moindre au moment où les échantillons sont prélevés. Inversement, une fraction beaucoup plus importante des xanthophylles se trouve à l'état de zéaxanthine dans les feuilles ensoleillées, ce qui indique un besoin de photoprotection.

La même chose peut être observée en comparant les teneurs en xanthophylles en été et en hiver. Par exemple, dans le cas d'un arbre à feuilles persistantes hivernant, la photoprotection est beaucoup moins nécessaire en été, car une grande partie de l'énergie absorbée par les plantes (en supposant qu'il n'y ait pas de stress) peut être utilisée pour la photosynthèse. En revanche, en hiver, les températures sont basses et les conditions ne sont pas favorables à la photosynthèse. La plante absorbe toujours de la lumière, mais elle doit en faire quelque chose pour ne pas se détruire. La plante investit donc des ressources dans l'augmentation de la taille du pool de xanthophylles. La zéaxanthine est donc plus abondante en hiver, car les besoins en photoprotection sont élevés.

Dans l'exemple du bas, il y a une différence dans le traitement de l'azote et cela suit fondamentalement le même schéma que les deux autres exemples. Lorsque la plante a beaucoup d'azote, elle est moins stressée et a moins besoin de photoprotection. Lorsqu'elle a peu d'azote, elle n'est pas en mesure d'utiliser les photons absorbés et a davantage besoin de photoprotection via les pigments xanthophylles.

Le PRI permet de saisir la dynamique de la xanthophylle

L'une des façons dont les chercheurs utilisent le PRI est de capturer cette dynamique temporelle de la xanthophylle (c'est-à-dire l'efficacité de l'utilisation de la lumière à travers l'activité de la xanthophylle). L'utilisation du PRI a commencé lorsque le Dr John Gamon a découvert que l'activité du cycle de la xanthophylle pouvait être détectée à l'aide de spectres réfléchis. Il a constaté que la réflectance à 531 nanomètres était la plus sensible aux changements de xanthophylle.

La partie supérieure droite de la figure 21 montre la réflectance à 531 nanomètres, et l'état d'oxydation sur l'axe des x indique l'état du cycle de la xanthophylle en termes de rapports entre la violaxanthine, l'anthéraxanthine et la zéaxanthine. Sur cette courte période, nous pouvons observer une dynamique dans le cycle de la xanthophylle et constater que la réflectance à 531 nanomètres est sensible à ces changements.

Une chose à noter est que PRI utilise également une bande de référence à 570 nanomètres qui n'est là qu'à titre de référence. Il n'y a pas de changement à 570 nanomètres lorsque les xanthophylles changent.

La figure 22 montre que le changement de PRI est presque aussi sensible aux changements de l'état d'oxydation des xanthophylles que la réflectance à 531 nanomètres. Notez également que l'activité des xanthophylles ne peut être détectée que dans des bandes relativement étroites du spectre de réflectance. Dans ce cas, une bande large (c'est-à-dire une mesure sur l'ensemble du spectre vert) ne permettrait probablement pas de détecter l'activité du cycle des xanthophylles. Des mesures dans des bandes d'ondes étroites sont donc nécessaires pour détecter ou être suffisamment sensibles pour détecter un changement lié à la xanthophylle.

Comprendre la dynamique de la fonction photosynthétique

Certains chercheurs utilisent le PRI pour étudier la dynamique diurne ou la dynamique à court terme de la fonction photosynthétique des plantes. Les figures 23 et 24 illustrent des exemples d'expériences simples qui montrent à quel point la PRI peut être dynamique face à des changements dans l'efficacité de l'utilisation de la lumière.

La figure 23 représente une expérience au cours de laquelle les chercheurs ont éclairé une plante à l'aide d'une lumière progressive (les niveaux de lumière ont été augmentés jusqu'à ce qu'ils atteignent leur maximum, puis ont diminué). Le graphique du haut montre l'augmentation puis la diminution du niveau de lumière. L'absorption de_CO2 (indiquant la photosynthèse) suit également ce changement de niveau de lumière. Ainsi, lorsque l'énergie disponible est plus importante, la photosynthèse s'accélère, et lorsque les niveaux de lumière diminuent, la photosynthèse diminue.

Le graphique du bas de la figure 23 représente exactement la même expérience avec des mesures différentes. Les deux mesures sont PRI et 𝚫F/F_m qui est une mesure de fluorescence mesurant l'efficacité du photosystème II (liée à l'efficacité de l'utilisation de la lumière). La figure 24 montre que la PRI et la mesure de fluorescence suivent bien la chronologie des étapes du niveau de lumière. Une fois de plus, lorsque la lumière augmente, la PRI diminue et 𝚫F/F_m diminuent, ce qui indique une diminution de l'efficacité de l'utilisation de la lumière. Puis, lorsque le niveau d'éclairement diminue, on observe l'inverse.

La figure 24 est une autre expérience simple illustrant l'évolution temporelle de la fluorescence et de la PRI. Les plantes commencent dans l'obscurité à l'heure zéro. Au bout d'une heure, les lumières sont allumées et on observe une réponse presque immédiate de la fluorescence et du PRI. Elles réagissent très fortement à la baisse en corrélation avec l'efficacité de l'utilisation de la lumière. Puis, après un certain temps d'éclairage, les expérimentateurs éteignent la lumière. Là encore, on observe une réponse relativement rapide et immédiate de la fluorescence et de la PRI à ce changement de niveau de lumière, car la physiologie des feuilles est en train de changer.

Ces expériences montrent que le PRI pourrait être utile pour mesurer les changements rapides qui peuvent se produire au cours d'une journée entière ou lorsqu'un couvert végétal passe du soleil à l'ombre. Lorsque ces variables environnementales ou d'autres changent, on peut s'attendre à des changements dans l'efficacité de l'utilisation de la lumière que la PRI pourrait éventuellement détecter.

Utiliser le PRP pour des changements à long terme

L'idée d'utiliser la PRI pour des mesures à long terme a toujours existé, mais les chercheurs n'ont pas été aussi nombreux à s'intéresser à ce domaine, car la mesure de la PRI sur de longues périodes s'est avérée quelque peu difficile. Il faut généralement des instruments avancés pour obtenir ces longueurs d'onde étroites de la lumière. Toutefois, l'intérêt s'est récemment accru et les résultats présentés dans la figure 25 sont relativement nouveaux et encore à l'étude.

Ce que les chercheurs ont découvert jusqu'à présent, c'est que sur des périodes plus longues, le PRP n'est pas seulement sensible au cycle de la xanthophylle, mais aussi à la teneur totale en caroténoïdes et en chlorophylle. Il est important de noter que les xanthophylles (violaxanthine, anthéraxanthine et zéaxanthine) sont une classe de caroténoïdes. Ainsi, lorsque les chercheurs mesurent la teneur totale en caroténoïdes, il arrive souvent qu'une grande partie de cette teneur soit constituée de xanthophylles. Il n'est pas encore tout à fait clair si le PRP réagit uniquement aux xanthophylles ou à l'ensemble des caroténoïdes. D'autres recherches permettront d'y voir plus clair. Mais les chercheurs ont constaté qu'il existe une corrélation très étroite entre le PRI et le rapport caroténoïdes/chlorophylle. Le rapport caroténoïdes/chlorophylle peut être lié à l'efficacité de l'utilisation de la lumière, car les caroténoïdes sont des pigments accessoires qui peuvent jouer un rôle dans la récolte de la lumière. Mais une grande majorité d'entre eux, comme les xanthophylles, jouent également un rôle photo-protecteur. Lorsque nous comparons la teneur en caroténoïdes à celle de la chlorophylle, nous pouvons donc étudier la dynamique de ce ratio au fil du temps et avoir une idée du niveau de stress d'une plante. Il pourrait donc s'agir d'un moyen d'étudier l'efficacité de l'utilisation de la lumière ou l'efficacité de la photosynthèse à l'aide du PRP, mais sur une période de temps plus longue ou sur des zones spatiales plus étendues.

Le graphique de gauche de la figure 25 montre une étude portant sur le couvert d'un pin sylvestre pendant une année entière afin d'évaluer certaines corrélations à long terme entre la physiologie photosynthétique, les pigments foliaires et le PRI. L'étude a révélé que presque toutes les variables physiologiques importantes de la photosynthèse sont liées au PRI. Cela s'explique en partie par le fait qu'il y a beaucoup de co-corrélation entre ces variables, mais conformément aux études précédentes, ils ont trouvé certaines des corrélations les plus élevées avec le rapport xanthophylle/chlorophylle, le rapport caroténoïde/chlorophylle, et la taille totale du pool de xanthophylle par rapport à la taille totale du pool de caroténoïde.

Cependant, même s'il y a beaucoup de co-corrélation, si vous regardez la figure 26, les chercheurs montrent encore que le PRI peut être utilisé sur de longues périodes pour estimer les tendances de l'efficacité de l'utilisation de la lumière.

Ainsi, le PRI permet de mesurer l'efficacité de l'utilisation de la lumière sur des échelles de temps diurnes, et il semble également que nous puissions l'utiliser sur des échelles de temps plus longues. Cependant, lorsqu'elle est utilisée à des échelles de temps plus longues, il convient de faire preuve de prudence dans l'interprétation des données afin de comprendre réellement les facteurs à l'origine des changements dans la PRI.

Limites de la PRI

Comme pour le site NDVI, la PRI présente certaines limites. Tout d'abord, la relation entre le PRI et l'efficacité de l'utilisation de la lumière, quelle que soit l'échelle de temps, varie d'une canopée à l'autre. Il existe donc des dépendances entre espèces et entre structures.

La figure 27 montre que pour de nombreuses espèces différentes, la relation entre le PRI et la fluorescence (qui est un indicateur de l'efficacité de l'utilisation de la lumière) est différente en fonction de l'espèce. Il n'est donc pas possible de mesurer le PRI et d'en extraire une valeur d'efficacité d'utilisation de la lumière. Il faut d'abord effectuer un travail de fond pour établir ces relations corrélatives afin d'obtenir une valeur absolue de l'efficacité d'utilisation de la lumière. Cela s'applique également à NDVI. Si vous connaissez la valeur de NDVI , un travail de corrélation doit être effectué avant de pouvoir transférer ce chiffre de NDVI dans un LAI ou un F_PAR absolu.

Au cours d'une saison de croissance, le PRI réagit aux changements de nombreuses variables, dont la plupart sont liées à la performance photosynthétique. Mais soyez prudent lorsque vous comparez directement des mesures de PRI à une période donnée avec une autre période plus tardive, ainsi que si vous mettez à l'échelle certaines de ces mesures dans l'espace.

Notez également que la PRI et l'efficacité de l'utilisation de la lumière ont tendance à se découpler, en particulier dans les cas extrêmes. Par exemple, dans un écosystème à feuilles persistantes, il y a souvent un découplage entre la période de transition du printemps et celle de l'été. Les chercheurs ont également observé un découplage en cas de sécheresse extrême. Lorsque les arbres sont sur le point de mourir, la PRI a tendance à s'effondrer. Dans ces situations, le plus souvent, le PRI surestime l'efficacité de l'utilisation de la lumière. Là encore, la prudence est donc de mise.

Enfin, l'efficacité de l'utilisation de la lumière n'est pas seulement liée aux pigments du cycle de la xanthophylle ou à d'autres pigments foliaires. La photorespiration doit également être prise en compte dans certains cas, et la PRI n'est pas liée à la photorespiration. La photorespiration peut donc être une source d'erreur dans les estimations de l'efficacité d'utilisation de la lumière basées sur la PRI.

Combinaison de mesures provenant de NDVI et de PRI

La possibilité d'estimer la photosynthèse à distance ou de manière non destructive suscite un grand intérêt. Certains chercheurs sont revenus au modèle d'efficacité d'utilisation de la lumière de Monteith (équation 3).

où la PPB (productivité primaire brute) ou photosynthèse est un produit de PAR (rayonnement photosynthétiquement actif) incident sur un couvert végétal, multiplié par _FPAR (interception fractionnelle de la lumière) ou par la quantité de PAR effectivement absorbée par le couvert végétal, multiplié par ε (efficacité de l'utilisation de la lumière). En d'autres termes, quelle est l'efficacité avec laquelle ces photons absorbés sont utilisés pour fixer le carbone sous forme d'hydrates de carbone ?

Toutefois, certains chercheurs ont proposé d'utiliser un indicateur de F_PAR et ε, mais pas pour PAR.

Les chercheurs ont essayé de substituer NDVI à F_PAR et PRI pour ε, et ils ont obtenu des résultats satisfaisants. La figure 28 est une étude qui s'étend à la fois dans le temps et dans l'espace.

Chaque point de données provient soit d'un lieu différent, soit d'une période différente échantillonnée au même endroit. Dans ce cas, ils ont simplement multiplié NDVI par sPRI (sPRI est une façon de mettre à l'échelle la PRI de sorte que ses valeurs se situent entre zéro et un). sPRI est essentiellement équivalent à PRI - vous pouvez voir que la relation dans la figure 28 est assez étroite.

La figure 29 est une tentative de regrouper PAR et _FPAR dans APAR. APAR est donc le rayonnement photosynthétiquement actif absorbé. Cela revient donc à combiner PAR et _FPAR, puis à les multiplier par le PRI à l'échelle. Ces chercheurs tentent d'estimer la photosynthèse en unités réelles de photosynthèse. Là encore, il s'agit d'une relation assez linéaire. Il y a un certain biais en termes d'échelle, mais encore une fois, c'est un assez bon travail de détection à distance de la photosynthèse.

L'une des applications de la combinaison des modèles NDVI et sPRI d'efficacité de l'utilisation de la lumière serait la mise à l'échelle spatiale.

La figure 30 montre un produit dérivé de l'imagerie satellitaire. À partir de cette imagerie satellite, le chercheur a pu calculer NDVI et PRI. Il a combiné NDVI et PRI dans le modèle d'efficacité de l'utilisation de la lumière et, pour chaque pixel ou chaque endroit de l'image, il a extrait une estimation de l'absorption de_CO2 ou de la photosynthèse. Même si ces données proviennent d'une image satellite, on peut imaginer que de nombreux capteurs pourraient être placés dans le paysage afin d'obtenir quelque chose de très similaire, ou au moins d'avoir une idée de l'hétérogénéité spatiale de la photosynthèse en utilisant cette approche combinée NDVI/PRI.

Comment mesurer NDVI, PRI et la réflectance spectrale ?

Il existe plusieurs façons de mesurer les données spectrales, en partie parce qu'il existe plusieurs longueurs d'onde de la lumière que nous pourrions mesurer.

La figure 31 montre diverses mesures provenant de différents instruments. Par exemple, il existe ce que nous appellerons des "données hyperspectrales" que nous pourrions obtenir à partir d'un spectromètre qui nous donne des informations quasi continues sur l'ensemble du spectre. Il s'agit du type de données spectrales le plus détaillé que l'on puisse extraire d'un instrument. En règle générale, ce type d'instrument est utilisé dans le cadre d'une application de recherche en télédétection, où l'on recherche peut-être de nouveaux indices de végétation ou de nouvelles dynamiques. Par exemple, lorsque le PRI a été découvert, c'est en explorant plusieurs spectres à la fois.

Une autre approche consisterait à utiliser un nombre limité de bandes spectrales. Ainsi, par exemple, ce que nous pourrions appeler des "données multispectrales" sont disponibles grâce au satellite QuickBird et à d'autres satellites à haute résolution. QuickBird nous donne des bandes dans le bleu, le vert, le rouge et le proche infrarouge, soit seulement quatre bandes pour représenter la dynamique spectrale dans cette région pour les couverts végétaux. L'approche multispectrale est donc essentiellement synonyme de radiomètre multibande. La différence entre l'hyperspectral et le multispectral est floue, mais en gros, "hyper" signifie beaucoup, et "multi" signifie juste un peu. À l'extrême, il y a l'hyperspectral, mais à l'opposé, il y a le radiomètre à bande unique. Un instrument PAR est essentiellement un radiomètre à bande unique dont la bande d'ondes de mesure est très large. Il mesure le rayonnement entre 400 et 700 nanomètres et fournit une valeur unique pour toute cette région. Un pyranomètre fait la même chose, mais sa région est encore plus large et s'étend beaucoup plus loin dans les régions de l'infrarouge proche et de l'infrarouge à ondes courtes.

L'instrument dont nous avons besoin dépend donc des objectifs de la recherche. Si nos objectifs se limitent à des mesures pour les applications spécifiques décrites dans cet article, un spectromètre complet sera excessif. Dans ce cas, nous pouvons utiliser un radiomètre multibande, soit pour mesurer le PRI, soit pour mesurer le NDVI, soit pour mesurer les deux simultanément. Nous n'avons besoin que de quatre bandes.

Le capteurNDVI /PRI de METER est un radiomètre multibande qui mesure à la fois NDVI et PRI.

L'un d'eux comporte des bandes centrées sur 630 nanomètres et 800 nanomètres, conçues pour les mesures NDVI . L'autre type a des bandes centrées sur 532 nanomètres et 570 nanomètres, conçues pour mesurer le PRI. Les capteurs de réflectance spectrale sont conçus pour mesurer le rayonnement entrant (figure 33).

Les diffuseurs en téflon donnent une vue hémisphérique du ciel, ce qui permet de mesurer la lumière incidente. En bas à droite, vous voyez les capteurs directionnels dotés d'arrêts de champ physiques qui limitent le champ de vision à 20 degrés. Ils sont également orientables, ce qui permet aux chercheurs qui les utilisent de diriger le regard du capteur à l'intérieur d'un couvert végétal. Il dispose d'un étalonnage traçable par le NIST, ce qui lui permet de fournir des mesures et des unités physiques réelles de la lumière. Il est petit, étanche et résistant aux intempéries. Vous n'avez donc pas à vous soucier de le placer à l'extérieur et de lui faire collecter des données sur de longues périodes, ce qui est traditionnellement un problème avec la plupart des spectromètres. En général, vous devez construire une sorte de conteneur pour cet instrument afin de le protéger des éléments.

NDVI et les considérations relatives à la mesure de la PRI

Si nous voulons mesurer la réflectance spectrale pour obtenir PRI et NDVI, nous aurons généralement besoin d'une vue de haut en bas de la canopée, au moins pour les mesures de radiance (ou les mesures de remontée d'eau).

Pour ce faire, il est nécessaire d'effectuer des mesures au-dessus de la canopée. La difficulté de cette tâche dépend de la hauteur de la canopée. Par exemple, la figure 34 montre une tour de flux dans le nord du Michigan qui s'étend assez loin au-dessus d'une canopée mixte à feuilles caduques. Ce serait la plate-forme idéale pour un capteur SRS. Mais si la canopée est, par exemple, une culture de blé, une tour n'est pas nécessaire. Vous pouvez monter le capteur sur un poteau de clôture ou sur un trépied solide. Dans tous les cas, le capteur doit se trouver au-dessus de la canopée.

Lors des mesures à long terme de la réflectance spectrale, il est avantageux de disposer d'instruments à double vue : un instrument regardant vers le haut pour quantifier le rayonnement incident, et un autre regardant vers le bas pour quantifier la part de ce rayonnement qui est réfléchie. Cela signifie que l'état du ciel n'a pas d'importance, vous pouvez mesurer dans des conditions d'ensoleillement et si des nuages se forment, cela n'affectera pas la mesure car les deux sources de rayonnement sont quantifiées simultanément. C'est également un avantage par rapport aux mesures de réflectance spectrale au sol, par opposition à l'imagerie satellitaire. Le problème de l'imagerie satellitaire est qu'à chaque fois qu'il y a une couverture cloud , en particulier dans la région visible, elle obstrue notre vue de l'écosystème de la canopée qui nous intéresse. En revanche, un capteur ou un spectromètre SRS capable de mesurer la canopée dans toutes les conditions nous permet d'explorer NDVI et PRI de manière beaucoup plus détaillée dans toutes les conditions. De plus, si nous essayons d'installer un capteur au-dessus de la canopée, il est avantageux d'utiliser un petit capteur à faible puissance, car il est plus facile de l'installer à un endroit où il peut surveiller la canopée en continu.

Une chose à garder à l'esprit avec NDVI et PRI est que les changements dans la géométrie de la surface du capteur solaire peuvent avoir un effet dramatique sur les données. Ceci est particulièrement important lorsque l'on considère des données de séries temporelles. Par exemple, la figure 35 présente cinq jours de NDVI .

Chaque ligne représente un jour différent. Notez que toutes ces lignes de données présentent une forme en U typique. Il s'agit d'effets angulaires, ce qui signifie que ce n'est pas le LAI ou l'interception fractionnée de la lumière qui change. Le capteur regardait un endroit fixe. Il s'agit donc de la manière dont les photons interagissent avec la canopée et sont enregistrés par l'instrument.

La figure 36 montre un exemple extrême de rétrodiffusion et de diffusion vers l'avant.

Dans cet exemple, l'emplacement de l'observateur et de la canopée ne change pas, mais la position du soleil dans le ciel change. Vous pouvez constater que cela peut avoir un effet très important sur la façon dont les photons frappent la canopée et sur la façon dont ils sont enregistrés à l'endroit où se trouve l'observateur ou l'instrument.

N'oubliez pas non plus que la collecte de longues séries de données dans toutes les conditions météorologiques peut entraîner des observations erronées. L'optique avant peut être mouillée, un oiseau peut se poser sur le capteur, le capteur peut se salir. Tous ces éléments peuvent provoquer du bruit ou des pics dans les données. Ainsi, par exemple, le jour 178 de la figure 35 présente un important pic à la hausse.

Un certain degré de filtrage des données est donc généralement nécessaire pour les séries temporelles de données NDVI et PRI. L'une des solutions à l'effet de la géométrie de la surface du capteur solaire consiste à n'utiliser qu'une seule observation par jour. Cela fonctionne généralement bien avec le site NDVI , car le site NDVI étudie des variables liées à la structure, telles que le LAI, qui ne changent pas beaucoup au cours d'une journée, mais qui changent d'un jour à l'autre ou au cours des semaines et des mois. Si tel est l'objectif, la résolution journalière est donc tout ce qu'il faut. La figure 37 est un exemple où les chercheurs ont extrait une mesure vers midi chaque jour. Midi, en particulier midi solaire, est une meilleure date car le zénith et l'azimut solaires sont constants d'un jour à l'autre au moment de l'acquisition des observations.

La figure 38 est une série chronologique provenant de plusieurs parcelles de traitement différentes, où les données quotidiennes sont tracées pour montrer les tendances ou les différences dans les tendances de verdissement pendant la transition du printemps à l'été dans une prairie.

Certains chercheurs veulent des données diurnes, en particulier dans le cas de la PRI, qui peut être très dynamique car elle réagit à la dynamique du cycle de la xanthophylle. Il est très intéressant de comprendre ce que sont certains de ces couplages étroits et de ces réactions rapides lorsque les plantes et les canopées végétales réagissent à des changements rapides dans l'environnement. Si vous comptez utiliser les données diurnes, nous vous recommandons d'étudier la modélisation de la réflectance bidirectionnelle (modélisation ou prise en compte des effets angulaires présents dans les données) dans un article de Thomas Hillker publié dans Remote Sensing of Environment en 2008.

Références

• Colombo, Roberto, Dario Bellingeri, Dante Fasolini et Carlo M. Marino. "Retrieval of leaf area index in different vegetation types using high resolution satellite data". Remote sensing of environment 86, no. 1 (2003) : 120-131.(Lien vers l'article).
• Demmig-Adams, Barbara, et William W. Adams III. "The role of xanthophyll cycle carotenoids in the protection of photosynthesis". Trends in Plant science 1, no. 1 (1996) : 21-26.(Lien vers l'article).
• Gamon, J. A., C. B. Field, W. Bilger, O. Björkman, A. L. Fredeen et J. Peñuelas. "Remote sensing of the xanthophyll cycle and chlorophyll fluorescence in sunflower leaves and canopies (Télédétection du cycle de la xanthophylle et de la fluorescence de la chlorophylle dans les feuilles et les canopées de tournesol). Oecologia 85, no. 1 (1990) : 1-7.(Lien de l'article).
• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas et Riccardo Valentini. "Relationships between NDVI, canopy structure, and photosynthesis in three Californian vegetation types". Ecological Applications 5, no. 1 (1995) : 28-41.(Lien vers l'article).
• Gamon, JAm, L. Serrano, et J. S. Surfus. "The photochemical reflectance index : an optical indicator of photosynthetic radiation use efficiency across species, functional types, and nutrient levels". Oecologia 112, no. 4 (1997) : 492-501(lien de l'article).
• Gamon, J. A., et J. S. Surfus. "Assessing leaf pigment content and activity with a reflectometer". The New Phytologist 143, no. 1 (1999) : 105-117.(Lien article).
• Gamon, J. A., J. Penuelas et C. B. Field. "A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency". Remote Sensing of environment 41, no. 1 (1992) : 35-44.(Lien vers l'article).
• Garrity, Steven R., Gil Bohrer, Kyle D. Maurer, Kim L. Mueller, Christoph S. Vogel et Peter S. Curtis. "A comparison of multiple phenology data sources for estimating seasonal transitions in deciduous forest carbon exchange". Agricultural and Forest Meteorology 151, no. 12 (2011) : 1741-1752.(Lien de l'article).
• Garrity, Steven R., Jan UH Eitel, et Lee A. Vierling. "Disentangling the relationships between plant pigments and the photochemical reflectance index reveals a new approach for remote estimation of carotenoid content (démêler les relations entre les pigments végétaux et l'indice de réflectance photochimique révèle une nouvelle approche pour l'estimation à distance du contenu en caroténoïdes). Remote Sensing of Environment 115, no. 2 (2011) : 628-635.(Lien de l'article).
• Hall, Forrest G., Thomas Hilker, Nicholas C. Coops, Alexei Lyapustin, Karl F. Huemmrich, Elizabeth Middleton, Hank Margolis, Guillaume Drolet et T. Andrew Black. "Multi-angle remote sensing of forest light use efficiency by observing PRI variation with canopy shadow fraction". Remote Sensing of Environment 112, no. 7 (2008) : 3201-3211.(Lien de l'article).
• Peñuelas, Josep, Iolanda Filella et John A. Gamon. "Assessment of photosynthetic radiation-use efficiency with spectral reflectance". New Phytologist 131, no. 3 (1995) : 291-296.(Lien de l'article).
• Porcar-Castell, Albert, José Ignacio Garcia-Plazaola, Caroline J. Nichol, Pasi Kolari, Beñat Olascoaga, Nea Kuusinen, Beatriz Fernández-Marín, Minna Pulkkinen, Eija Juurola et Eero Nikinmaa. "Physiologie de la relation saisonnière entre l'indice de réflectance photochimique et l'efficacité de l'utilisation de la lumière par la photosynthèse". Oecologia 170, no. 2 (2012) : 313-323.(Lien de l'article).
• Rahman, Abdullah F., John A. Gamon, David A. Fuentes, Dar A. Roberts et Dylan Prentiss. "Modeling spatially distributed ecosystem flux of boreal forest using hyperspectral indices from AVIRIS imagery". Journal of Geophysical Research : Atmospheres 106, no. D24 (2001) : 33579-33591.(Lien de l'article).
• Rahman, A. F., Vicente D. Cordova, John A. Gamon, Hans Peter Schmid et Daniel A. Sims. "Potentiel des bandes océaniques MODIS pour l'estimation du flux de CO2 de la végétation terrestre : A novel approach". Geophysical Research Letters 31, no. 10 (2004).(Lien de l'article).
• Ryu, Youngryel, Dennis D. Baldocchi, Joseph Verfaillie, Siyan Ma, Matthias Falk, Ilse Ruiz-Mercado, Ted Hehn et Oliver Sonnentag. "Testing the performance of a novel spectral reflectance sensor, built with light emitting diodes (LEDs), to monitor ecosystem metabolism, structure and function". Agricultural and Forest Meteorology 150, no. 12 (2010) : 1597-1606.(Lien de l'article).

Des questions ?

Nos scientifiques ont des dizaines d'années d'expérience pour aider les chercheurs et les cultivateurs à mesurer le continuum sol-plante-atmosphère.

• Parlez à un expert
• Demande de devis
• Voir tous nos instruments à voilure

ANNEXE

Comment tirer le meilleur parti de votre capteur NDVI

Regardez cette vidéo ou lisez l'article ci-dessous pour découvrir comment NDVI est utilisé dans la recherche actuelle et comment surmonter certaines des limites de NDVI.

NDVI - mondial

La façon la plus large d'envisager NDVI est de considérer les données obtenues à partir d'un satellite en orbite autour de la terre. Dans la figure 1, vous pouvez voir les zones à forte végétation qui ont des valeurs élevées de NDVI représentées par des couleurs vertes foncées à travers le monde.

À l'inverse, les zones à faible végétation ont des valeurs faibles ( NDVI ), ce qui leur donne un aspect brun. NDVI est sensible à l'importance de la couverture végétale présente à la surface de la terre.

NDVI - local

En quoi le site NDVI peut-il être utile au niveau de la parcelle ? La figure 2 ci-dessous montre un gradient de succession où le temps zéro est une parcelle de sol nu, ou quelques plantes herbacées ou graminées annuelles. Si nous laissons cette parcelle de terre pendant suffisamment de temps, la végétation changera : les arbustes prendront le pas sur les graminées et, à terme, nous pourrons observer une forêt. Sur une grande surface, nous pouvons également passer de la prairie à la forêt. Dans un système agricole, la végétation se renouvelle chaque année : du champ nu à l'émergence, à la maturité et à la sénescence des plantes. Ce cycle se répète chaque année. Dans le cadre de ces cycles de croissance, le site NDVI permet de quantifier la croissance de la canopée qui se produit au fil du temps ainsi que la dynamique spatiale qui se produit dans les paysages.

Données de réflectance spectrale

D'où vient donc NDVI ? Dans la figure 3, l'axe des x représente la longueur d'onde de la lumière dans le spectre électromagnétique ; 450 à 950 nm couvre à la fois la région visible et une partie de l'infrarouge proche. L'axe des y représente le pourcentage de réflectance. Il s'agit d'un spectre de réflectance typique de la végétation verte.

La ligne hyperspectrale verte correspond à ce que l'on peut attendre d'un radiomètre spectral. La réflectance est généralement faible dans la région bleue, plus élevée dans la région verte et plus faible dans la région rouge. Elle change radicalement lorsque l'on passe du visible au proche infrarouge. Les deux barres verticales étiquetées NDVI vous donnent une idée de l'endroit où un capteur NDVI typique mesure dans le spectre. Une bande se situe dans la région rouge et l'autre dans la région du proche infrarouge.

NDVI exploite la grande différence entre la région visible et la partie du spectre proche de l'infrarouge. Les plantes saines et en pleine croissance reflètent fortement l'infrarouge proche. Les deux images à droite de la figure ci-dessus représentent la même zone. L'image du haut est affichée en vraies couleurs, ou en trois bandes - bleu, vert et rouge. L'image ci-dessous est une image infrarouge en fausses couleurs. Les trois bandes affichées sont le bleu, le vert et, à la place du rouge, nous avons utilisé le proche infrarouge. La couleur rouge vif indique une forte réflectance dans le proche infrarouge, ce qui est typique d'une végétation verte ou en bonne santé.

La raison pour laquelle NDVI est formulé avec du rouge et du proche infrarouge est que le rouge est lié à l'absorption de la chlorophylle et que le proche infrarouge est sensible à la structure de la canopée et à la structure cellulaire interne des feuilles. Au fur et à mesure que l'on ajoute des feuilles à la canopée, il y a plus de chlorophylle et de complexité structurelle, ce qui fait que l'on peut s'attendre à une diminution de la réflectance rouge et à une augmentation de la réflectance proche de l'infrarouge.

Comment calculer le site NDVI?

L'indice de végétation par différence normalisée tient compte de la quantité de proche infrarouge (NIR) réfléchie par les plantes. Il est calculé en divisant la différence entre les réflectances (Rho) dans le proche infrarouge et dans le rouge par la somme des deux. Les valeurs de NDVI varient généralement entre un négatif (eau de surface) et un (canopée pleine et vivante). Les valeurs faibles (0,1 - 0,4) indiquent des canopées clairsemées, tandis que les valeurs plus élevées (0,7 - 0,9) suggèrent des canopées pleines et actives.

La façon dont nous calculons le pourcentage de réflectance consiste à quantifier à la fois le rayonnement ascendant (le rayonnement qui frappe le couvert végétal et qui est ensuite réfléchi vers notre capteur) et la quantité totale de rayonnement descendant (provenant du ciel) sur un couvert végétal. Le rapport de ces deux éléments nous donne le pourcentage de réflectance dans chacune des bandes.

NDVI applications

Les gens utilisent NDVI pour déduire des choses telles que leaf area index(LAI) ou l'interception fractionnée de la lumière (_FPAR) d'une canopée. Certains scientifiques associent également NDVI à la biomasse ou au rendement d'une culture. Les gens utilisent également NDVI pour se faire une idée de la phénologie (modèles temporels généraux de verdure), ainsi que pour savoir où se trouve la végétation ou quelle quantité de végétation se trouve à un endroit donné.

Dans la figure 4, vous pouvez voir comment le spectre de réflectance à un LAI de canopée donné change avec leaf area index, diminuant dans le domaine visible tout en augmentant dans l'infrarouge proche.

Lorsque le LAI est très faible, le spectre de réflectance est relativement indifférencié entre le rouge et le proche infrarouge (ligne noire), mais lorsque le LAI est élevé, il y a une forte absorption de la lumière rouge par la chlorophylle avec une forte réflectance dans le proche infrarouge. En fait, lorsque le LAI augmente, la réflectance dans le proche infrarouge autour de 800 nm ne cesse de croître.

NDVI limitations

Les limites de l'indice de végétation différentiel normalisé se situent généralement aux extrémités du spectre. Chaque fois que la couverture végétale est très faible (la majorité de la scène est constituée de sol), NDVI sera sensible à ce sol. Cela peut fausser les mesures. À l'autre extrême, lorsqu'il y a une grande quantité de végétation, NDVI a tendance à saturer. Remarquez la différence négligeable entre les spectres à un leaf area index (LAI) de 3 (violet) et de 6 (vert). En effet, dans une forêt tropicale, NDVI ne sera pas sensible à de petites variations du LAI car celui-ci est déjà très élevé. Cependant, plusieurs solutions existent.

Solution 1 : Indice de végétation ajusté au sol

La figure 5 montre les résultats d'une étude prenant des mesures spectrales de différents indices de végétation sur un transect de sol nu. En passant d'un limon argileux sec à un limon argileux humide, on observe une forte réponse de NDVI due à l'humidité du sol, ce qui n'est pas souhaitable si l'on veut mesurer la végétation. Nous ne sommes pas intéressés par un indice sensible aux changements dans le sol ou à l'humidité du sol. Cependant, quelques autres indices représentés dans la figure 5 sont beaucoup moins sensibles aux variations du sol sur le transect.

Le premier de ces indices est l'indice de végétation ajusté au sol (SAVI). L'équation de l'indice SAVI est similaire à celle de NDVI. Elle intègre les deux mêmes bandes que l'indice NDVI- le proche infrarouge et le rouge.

La seule chose qui diffère est le paramètre L. L est un facteur d'ajustement du sol dont les valeurs varient de 0 à 1. Lorsque la couverture végétale est de 100 %, L est égal à 0, car il n'est pas nécessaire d'ajuster le fond du sol. Cependant, lorsque la couverture végétale est très faible, le paramètre L s'approche de 1. Comme il est difficile de mesurer exactement la couverture végétale sans utiliser NDVI, nous pouvons modifier NDVI pour qu'il ne soit pas sensible au sol en devinant à l'avance ce que L devrait être. Il est courant de fixer L à une valeur intermédiaire de 0,5. Vous pouvez voir dans la figure 5 que l'indice de végétation ajusté au sol (Soil Adjusted Vegetation Index ou SAVI) est beaucoup moins sensible à l'arrière-plan du sol.

Solution 2 : SAVI modifié

L'indice de végétation suivant est le SAVI modifié (MSAVI). L 'équation de l'indice SAVI contient un paramètre L que nous devons estimer, ce qui n'est pas une méthode très précise. Un scientifique nommé Qi a donc mis au point un optimum universel pour L. Nous n'entrerons pas dans les détails mathématiques, mais il a réussi à simplifier l'équation SAVI de telle sorte que le paramètre L n'est plus nécessaire et que les seuls intrants requis sont les réflectances dans le proche infrarouge et dans le rouge.

Il s'agit là d'une avancée considérable, car elle permet d'éviter d'avoir à estimer ou à mesurer indépendamment L. Lorsque Qi a comparé SAVI à MSAVI, il n'y avait pratiquement aucune différence entre les deux indices en ce qui concerne leur sensibilité à la quantité de végétation et leur réponse à la nature du sol.

NDVI limitations : LAI élevé

NDVI est utile dans la gamme moyenne des LAItant qu'il n'y a pas d'effets de sol importants, mais lorsque vous approchez d'un LAI supérieur à 4, vous perdez en sensibilité. Dans la figure 7, la perte de sensibilité est principalement due à une saturation de la bande rouge. Les mesures ont été effectuées dans un couvert de blé et un couvert de maïs. La réflectance dans le proche infrarouge est sensible sur l'ensemble du spectre des couverts de blé et de maïs, mais le rouge sature relativement vite. C'est à l'endroit où le rouge commence à saturer que le site NDVI commence à saturer.

REMARQUE : NDVI sature à des LAI élevés, mais si votre objectif est d'obtenir l'interception fractionnée de la lumière, NDVI n'a généralement pas ce problème de saturation. Dans la figure 8, _FPAR ou l'interception fractionnée de la lumière du rayonnement photosynthétiquement actif est presque complète bien avant que NDVI ne sature. Cela s'explique par le fait que les canopées interceptent efficacement la lumière et qu'une fois que nous atteignons un LAI d'environ 4, la majeure partie de la lumière a été interceptée ou absorbée par la canopée. Par conséquent, l'augmentation progressive du LAI n'a pas d'effet significatif sur la variable _FPAR.

Solution 3 : WDRVI

Une solution au problème de saturation du site NDVI est l'indice de végétation à large gamme dynamique (WDRVI). Sa formulation est similaire à celle de NDVI, à l'exception d'un coefficient de pondération qui peut être utilisé pour réduire la disparité entre la contribution de la réflectance dans le proche infrarouge et dans le rouge.

Dans le WDRVI, a est multiplié par la réflectance dans le proche infrarouge afin de réduire sa valeur et de la rapprocher de la valeur de la réflectance dans le rouge. Cela permet d'équilibrer la contribution du rouge et du proche infrarouge à l'indice de végétation.

a peut varier de 0 à 1. La figure 9 montre que plus la valeur de a est petite, plus la réponse linéaire de l'indice de végétation dynamique large à l'indice LAI augmente.

Le seul inconvénient du WDRVI est que la sélection de a est subjective. Vous devez expérimenter vous-même jusqu'à ce que vous trouviez une valeur pour a qui soit optimale pour votre solution. Les gens ont tendance à se tromper en choisissant une valeur très basse, simplement parce qu'ils se rapprochent de plus en plus d'une réponse linéaire au LAI au fur et à mesure que celui-ci diminue.

Solution 4 : Indice de végétation amélioré

L'indice de végétation amélioré (EVI) a été conçu pour améliorer la sensibilité des écosystèmes à forte biomasse, mais il tente également de réduire les influences atmosphériques. Il s'agit d'un indice de végétation créé pour les besoins d'une plate-forme satellitaire. Il y a beaucoup d'atmosphère à traverser entre un satellite et le sol, et parfois les aérosols présents dans l'atmosphère affectent les réflectances dans les régions rouges et proches de l'infrarouge, provoquant des observations erronées. L'IVE tente également de réduire la sensibilité de l'indice au sol. L'IVE est donc une sorte de solution à ces deux extrêmes.

Dans l'équation de l'IVE, les deux principales données d'entrée sont les réflectances dans le proche infrarouge et dans le rouge. C1, C2 et L sont des paramètres qui peuvent être estimés, mais la bande bleue doit être mesurée. La plupart des capteurs NDVI sont des capteurs à deux bandes, vous ne disposez donc pas de ces informations dans le bleu. De plus, avec les satellites, la bande bleue est relativement bruyante et ne contient pas toujours des données de la meilleure qualité, ce qui limite la valeur de l'IVE.

Solution 5 : EVI2 (Indice de végétation amélioré 2)

Ces problèmes ont amené un scientifique nommé Jiang à trouver une solution. Jiang a observé une forte autocorrélation entre la bande rouge et la bande bleue. Il a donc décidé d'essayer de formuler l'IVE sans la bande bleue dans ce qu'il a appelé l'IVE2 (Indice de végétation amélioré 2). Si les mathématiques vous intéressent, nous vous encourageons à lire son article, mais nous vous donnons ici l'équation au cas où vous souhaiteriez l'utiliser.

Lorsque Jiang a calculé son EVI2 et l'a comparé à l'EVI traditionnel (figure 10), la relation était presque identique. À toutes fins utiles, l'EVI2 était équivalent à l'EVI. Comme cette méthode évite la bande bleue, elle offre des possibilités intéressantes puisqu'elle se résume à utiliser les deux entrées des bandes NIR et rouge pour calculer NDVI.

NDVI résumé du capteur

NDVI ont une valeur considérable, et bien qu'il y ait des extrêmes où NDVI donne de mauvais résultats, même dans ces cas, il y a plusieurs solutions. Ces solutions utilisent toutes les bandes du proche infrarouge et du rouge, de sorte que vous pouvez prendre un capteurNDVI , obtenir les valeurs brutes des réflectances dans le proche infrarouge et le rouge et les reformuler dans l'un de ces indices (il existe plusieurs autres indices disponibles que nous n'avons pas abordés). Donc, si vous êtes dans un système avec un LAI extrêmement élevé ou bas, essayez de déterminer comment les bandes infrarouges proches et rouges peuvent être utilisées dans un certain type d'indice de végétation pour vous permettre de faire des recherches sur votre application spécifique.

Références

• Gamon, John A., Christopher B. Field, Michael L. Goulden, Kevin L. Griffin, Anne E. Hartley, Geeske Joel, Josep Peñuelas et Riccardo Valentini. "Relationships between NDVI, canopy structure, and photosynthesis in three Californian vegetation types". Ecological Applications 5, no. 1 (1995) : 28-41.(Lien vers l'article).
• Gitelson, Anatoly A. "Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation". Journal of plant physiology 161, no. 2 (2004) : 165-173.(Lien vers l'article).
• Huete, Alfredo. "Huete, AR A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment". Remote sensing of environment 25 (1988) : 295-309.
• Jiang, Zhangyan, Alfredo R. Huete, Kamel Didan et Tomoaki Miura. "Development of a two-band enhanced vegetation index without a blue band" (Développement d'un indice de végétation amélioré à deux bandes sans bande bleue). Remote sensing of Environment 112, no. 10 (2008) : 3833-3845.(Lien de l'article).
• Qi, Jiaguo, Abdelghani Chehbouni, Alfredo R. Huete, Yann H. Kerr, et Soroosh Sorooshian. "A modified soil adjusted vegetation index". Remote sensing of environment 48, no. 2 (1994) : 119-126.(Lien vers l'article).
• Rocha, Adrian V., et Gaius R. Shaver. "Advantages of a two band EVI calculated from solar and photosynthetically active radiation fluxes". Agricultural and Forest Meteorology 149, no. 9 (2009) : 1560-1563.(Lien de l'article).

Des questions ?

Nos scientifiques ont des dizaines d'années d'expérience pour aider les chercheurs et les cultivateurs à mesurer le continuum sol-plante-atmosphère.

• Parlez à un expert
• Demande de devis
• Voir tous nos instruments à voilure