Utilisation des images satellites multispectrales pour la prédiction de la matière organique de la couche arable du sol : cas du bassin versant de Doulou
Prédiction cartographique de la matière organique du sol par télédétection multispectrale.
DOI :
https://doi.org/10.64707/revstsna.v44i2.1987Mots-clés :
Matière organique du sol, bande spectrale, prédicteur cartographique, régression linéaire multipleRésumé
L’importance de la matière organique pour les sols agricoles du Burkina Faso en vue d’augmenter leur fertilité et leur productivité nécessite une évaluation des besoins du sol en matière organique pour raisonner les apports et optimiser les efforts des producteurs. A travers des mesures de terrain de matière organique sur le bassin versant de Doulou, dans la province de Boulkiemdé, région du Nando, réalisées de décembre 2017 à février 2018, et des données de réflectances spectrales du capteur OLI de Landsat 8, nous développons un modèle de régression linéaire multiple pour la prédiction cartographique de la teneur en matière organique de la couche arable du sol. Seules quatre dates d’acquisition d’images Landsat sont disponibles pour cette période. Selon un regroupement en trois groupes suivant les dates de mesures effectuées, les 10 et 11 janvier (12 observations), les 10,11 et 12 janvier (21 observations), puis toute la période (49 observations), on observe une corrélation variable au cas de 0,942, 0,859, ou 0,703, respectivement ; la variance explicative de modèle est de 0,888, 0,739 et 0,495 au cas respectif. Les écart types ou résidus correspondants de ces modèles sont de 0,211, 0,205 et 0,279 respectivement. Ces résultats montrent que le prédicteur cartographique de la teneur en matière organique est un modèle existant, bien réel, mais pour qu’il soit bien précis, il faut une bonne synchronisation entre les dates de mesure de terrain et les dates d’acquisition des images satellitaires.
Références
BARNES E. M., and BAKER M. G., 2000. Multispectral data for mapping soil texture: possibilities and limitations. Applied Engineering in Agriculture 16 (6): 731 – 741. doi:10.13031/2013.5370. DOI: https://doi.org/10.13031/2013.5370
BARTHOLOMEUS, H., M. SCHAEPMAN, L. KOOISTRA, A. STEVENS, W. HOOGMOED, and SPAARGAREN O., 2008. Spectral
reflectance based indices for soil organic carbon quantification.
Geoderma 145:28–36. doi:10.1016/j.geoderma.2008.01.010 DOI: https://doi.org/10.1016/j.geoderma.2008.01.010
BEN-DOR, E., and BANIN A., 1994. Visible and near-infrared (0.4–
1 μm) analysis of arid and semi-arid soils. Remote Sensing of Environment 48:261–274. doi:10.1016/0034-4257(94)90001-9 DOI: https://doi.org/10.1016/0034-4257(94)90001-9
BLANCHARD M., COULIBALY K, BOGNINI S., DUGUE P., et
VALL E., 2014. Diversité de la qualité des engrais organiques produits par les paysans d’Afrique de l’Ouest : quelles conséquences sur les recommandations de fumure ?
Biotechnologie, Agronomie, Société, Environnement 18(4) : 512-523.
BORNEMANN L, WELP G., BRODOWSKI S., RODIONOV A. and
AMELUNG W.. 2008. Rapid assessment of black carbon in soil organic matter using mid-infrared spectroscopy. Organic Geochemistry 39(11)
: 1537–1544. doi:10.1016/j.orggeochem.2008.07.012 DOI: https://doi.org/10.1016/j.orggeochem.2008.07.012
COLEMAN T. L, AGBU P. A., MONTGOMERY O. L, GAO T, and
PRASAD S, 1991. Spectral band selection for quantifying selected properties in highly weathered soils. Soil Science 151 (5): 355–361. DOI: https://doi.org/10.1097/00010694-199105000-00005
COPERNICUS Services, 2022. OBSERVER: A History of Copernicus
– Fact Sheet. https://www.copernicus.eu/en/news/news/observer- history-copernicus, Thu, 09/06/2022 - 12:00, 6p.
CRAGLIA M. and LEA SHANLEY L., 2015. Data democracy – increased supply of geospatial information and expanded participatory processes in the production of data, International. Journal of Digital Earth, 8 (9) : 679-693, doi: 10.1080/17538947.2015.1008214 DOI: https://doi.org/10.1080/17538947.2015.1008214
ECOPHYTOPIC, 2013. Fiche technique T5 Gestion de la matière organique.https://ecophytopic.fr/sites/default/files/Guide%20Leg_FT5
_mati%C3%A8re%20organique.pdf, 2013 septembre. FAO 2006. Guidelines for soil description.
FAO, Rome. http://www.fao.org/ docrep/019/a0541e/a0541e.pdf
(February, 2018)
GILLIOT J.M, VAUDOUR E, MICHELIN J, et HOUOT S, 2017.
Estimation des teneurs en carbone organique des sols agricoles par drone. Revue Française de Photogrammétrie et de Télédétection n° 2013-2014 (janvier - avril), pp 105 – 115.
GUEBRE D., TRAORE S., TRAORE M, MARE B. T., et HIEN E.,
Conservation des sols en zone soudano-sahélienne : quelle est l’efficience des amendements ligneux ? Science et technique, Sciences naturelles et appliquées, Vol. 39, n° 2 (1) :199 – 220.
INSD, 2023. Analyse approfondie. Caractéristiques des ménages agricoles au Burkina Faso. Rapport.
INSD, Ouagadougou, Burkina Faso, 128p.
JARMER, T., HILL J., LAVEE H., and PARIENTE S., 2010. Mapping
topsoil organic carbon in non-agricultural semi-arid and arid ecosystems of Israel.
Photogrammetric Engineering & Remote Sensing, 75(1) : 85–94. KISSOU R., GNANKAMBARY Z., NACRO H. B., THIOMBIANO
L., SOURABIE I. N., ZOMBRE N. P. et SEDOGO M. P., 2012.
Corrélation, dénomination et perception endogène de la fertilité des sols dans la zone du centre-nord du Burkina Faso. Science et technique, Sciences naturelles et agronomie, Vol 32, n° 1 et 2, 2010 – 2012, pp 33
– 45.
KONE N., PARE S., et KAMBIRE S. H, 2014. Utilisation des données Modis et Vegetation pour le suivi à long terme de la productivité primaire dans le Sahel. Revue des Sciences de l’Environnement. Université., Lomé (Togo), No 11 (Spécial) ISSN 1812-1403, pp 153 - 170
LIAO K, XU S, WU J, ZHU Q., 2013. Spatial estimation of surface soil texture using remote sensing data. Soil Science and Plant Nutrition, 59 (4) : 488–500. DOI: https://doi.org/10.1080/00380768.2013.802643
MATSAPOLA D., 2008. Data democracy to ensure meaningful participation in earth observation : applications. CSIR Science Scope, 3 (2) : 40-41.
MULLA, D.J. 2013. Twenty five years of remote sensing in precision agriculture: Key advances and remaining knowledge gaps. Biosystems Engineering, 114(4) :358–371. doi:10.1016/j.biosystemseng.2012.08.009 DOI: https://doi.org/10.1016/j.biosystemseng.2012.08.009
OUATTARA K., OUATTARA B. ,ASSA A., SÉDOGO P. M., 2006.
Long-term effect of ploughing, and organic matter input on soil moisture characteristics of a ferric lixisol in Burkina Faso. Soil & Tillage Research 88 : 217–224. doi:10.1016/j.still.2005.06.003 DOI: https://doi.org/10.1016/j.still.2005.06.003
OUEDRAOGO S. J., ZOUNGRANA P., BOTONI E., COMPAORE F. V., OUEDRAOGO J C, BONZI M., BATIONO B A et KIEMA A.,
Bonnes pratique agro-sylvo-pastorales d’amélioration durable de
la fertilité des sols au Burkina Faso. – Edition CILSS, Ouagadougou, Burkina Faso, 194p.
OUEDRAOGO R. S., SAWADOGO J. P., STAMM V, and
THIOMBIANO T., 1996. Report – Tenure, agricultural practices and land productivity in Burkina Faso : some recent empirical results. Land Use Policy, 13 (3) : 229 – 232. DOI: https://doi.org/10.1016/0264-8377(96)84061-0
PALLO F J P, SAWADOGO N., ZOMBRE N. P., et SEDOGO M. P.,
Statut de la matière organique des sols de la zone nord- soudanienne au Burkina Faso. Biotechnologie,. Agronomie, Société, Environnement 13(1) : 139-142.
PEON, J., C. RECONDO, S.F. FERNANDEZ, J. CALLEJA, E. DE
MIGUEL, and CARRETERO L., 2017. Prediction of topsoil organic carbon using airborne and satellite hyperspectral imagery. Remote Sensing, 9 : 1211. doi:10.3390/rs9121211. DOI: https://doi.org/10.3390/rs9121211
SAKANDE F., TRAORE M., KOULIBALY B., LANKOANDE F. Y.,
PARE T., COULIBAKY K., et NACRO B. H., 2022. Perception locale de la dégradation des sols et pratiques de réhabilitation dans la zone cotonnière Ouest du Bukina Faso. International Journal of Biological and Chemical Sciences, 16(5) : 2189 – 2201.
SANKEY, J.B., D.J. BROWN, M. BERNARD, and LAWRENCE
R.L., 2008. Comparing local vs. global visible and near-infrared (VisNIR) diffuse reflectance spectroscopy (DRS) calibrations for the prediction of soil clay, organic C and inorganic C. Geoderma 148:149– 158. doi:10.1016/j.geoderma.2008.09.019 DOI: https://doi.org/10.1016/j.geoderma.2008.09.019
SENOU I, OUEDRAOGO H., NACRO H. B., et SOME A. N., 2021.
Évaluation de l’impact environnemental et sanitaire de l’utilisation des déchets solides biodégradables en agriculture urbaine : cas de Bobo- Dioulasso. Science et technique, Sciences Naturelles et Appliquées, Vol. 40, n° 2 – Juillet - Décembre, pp 23 – 30.
SEQUEIRA, C.H., S.A. WILLS, S. GRUNWALD, R.R. FERGUSON,
E.C. BENHAM, and WEST L.T., 2014. Development and update process of VNIR-based models built to predict soil organic carbon. Soil Science Society of America Journal, 78 : 903–913. doi:10.2136/sssaj2013.08.0354 DOI: https://doi.org/10.2136/sssaj2013.08.0354
STEVENS A, MIRALLES I, VAN WESEMAEL B (2012) Soil organic
carbon predictions by airborne imaging spectroscopy: comparing cross-
validation and validation. Soil Science Society of America Journal 76 (6): 2174–2183
THALER E A, LARSEN I. J. and YU Q. , 2019. A New Index for
Remote Sensing of Soil Organic Carbon Based Solely on Visible Wavelengths. Soil Science Society America Journal, 83:1443–1450. doi:10.2136/sssaj2018.09.0318 DOI: https://doi.org/10.2136/sssaj2018.09.0318
THOMASSON JA, SUI R, COX MS, AL–RAJEHY A (2001) Soil
reflectance sensing for determining soil properties in precision agriculture. Transactions of the ASAE American Society of Agricultural Engineers, 44 (6): 1445 - 1453.
USGS,2021. Landsat Collection 2 Level 2 Science Products – Fact Sheet.ISSN 2327-6932 (online). https://doi.org/ 10.3133/ fs20213055 ; november 2021, 2p.
USGS, 2023. Landsat 8-9. Collection 2 (C2). Level 2 Science Product (L2SP) Guide.
LSDS-1619 Version 5.0, March 2023, 43p.
VASQUES, G.M., S. GRUNWALD, and SICKMAN J.O., 2008.
Comparison of multivariate methods for inferential modeling of soil carbon using visible/near-infrared spectra. Geoderma, 146 :14–25. doi:10.1016/j.geoderma.2008.04.007 DOI: https://doi.org/10.1016/j.geoderma.2008.04.007
VAUDOUR E, BEL L., GILLIOT J M, COQUET Y., HADJAR D., CAMBIER P., MICHELIN J., and HOUOT S. 2013. Potential of SPOT
Multispectral Satellite Images for Mapping Topsoil Organic Carbon Content over Peri-Urban Croplands. Soil Science Society America Journal 77:2122–2139, doi:10.2136/sssaj2013.02.0062 DOI: https://doi.org/10.2136/sssaj2013.02.0062
VERMOTE, E., JUSTICE, C., CLAVERIE, M., & FRANCH, B.
(2016). Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product. Remote Sensing of Environment, 185, 46-56. http://dx.doi.org/10.1016/j.rse.2016.04.008. DOI: https://doi.org/10.1016/j.rse.2016.04.008
WIJEWARDANE N K , GE Y, WILLS S and LOECKE 2016.
Prediction of Soil Carbon in the Conterminous United States: Visible and Near Infrared Reflectance Spectroscopy Analysis of the Rapid Carbon Assessment Project. Soil Science Society American Journal, 80:973–982, doi:10.2136/sssaj2016.02.0052. DOI: https://doi.org/10.2136/sssaj2016.02.0052
WISE CAT NORO BORIS, 2020. Analyse des données avec Excel : la régression linéaire multiple (cas pratique).
https://www.youtube.com/watch?v=wHDbH_XU98M&list=PLGvckt 9NEpifFK0rxRwaOSKO24lXOiS73&index=10, vu le 26/08/2025. Diffusée le 15 juillet 2020
WALKLEY A, and BLACK R. N., 1934. An examination of the method Dedtjareff for determining soil organic matter and to propose modification of the chromic acid titration method. Soil Science, 37 : 29- 38. DOI: https://doi.org/10.1097/00010694-193401000-00003
YAMEOGO W. M., 2021. Diffusion d’un activeur de compost en milieu paysan au Burkina Faso. Les Actes JIPAD 2021 (Journée des Innovations pour une alimentation durable), Chaire UNESCO
« Alimentations du monde », Montpellier, France, 176p, pp 69 – 75.
YANG, H., B. KUANG, and MOUAZEN A.M., 2012. Quantitative
analysis of soil nitrogen and carbon at a farm scale using visible and near infrared spectroscopy coupled with wavelength reduction. European Journal of Soil Science, 63:410–420. doi:10.1111/j.1365- 2389.2012.01443.x DOI: https://doi.org/10.1111/j.1365-2389.2012.01443.x
YUAN K., O’NEIL P., and DIEGO TORREJON D., 2020. Landsat’s
past paves the way for data democratization in earth science. Data Democracy, Academic Press, Cambridge, MA,USA, 2020, 252p, pp 147 – 161, https://doi.org/10.1016/B978-0-12-818366-3.00008-3 DOI: https://doi.org/10.1016/B978-0-12-818366-3.00008-3
ZERBO L., 1995. Caractérisation des sols des stations de recherches agricoles de l’INERA : Kamboinsé, Faraoba, Saria, Niangoloko. INERA, Ouagadougou, Burkina Faso, 115p
ZERBO L., KONE N., NACRO H. B., YAO - KOUAME A. and
SEDOGO M. P., 2017. Agricultural pressure on iron crust dynamic through spatial data and indigeneous knowledge in two communities of Burkina Faso. International Journal of Agriculture and Environment Research, ISSN: 2455-6939, 03(06) : 4252 - 4261.
ZERBO R. M. N., SAVADOGO P. W., NARE R. W. A.,
SAWADOGO/ILBOUDO T. C., 2021. Pratiques d’utilisation des déchets urbains en agriculture et risques de contamination des sols et des plantes en métaux lourds. Science et technique, Sciences Naturelles et Appliquées, 40(1) : 88 – 101.
Téléchargements
Publiée
Comment citer
Numéro
Rubrique
