Publié le 27 juin 2023
Une ressource essentielle en danger
Les palmiers dattiers et les palmiers des Canaries sont exploités depuis la nuit des temps pour la production de fruits et de sirop, pour leurs qualités ornementales et pour de nombreux autres usages (ombrage aux cultures, vannerie, combustible, construction…) dans le bassin méditerranéen et au Moyen-Orient. Actuellement, on estime qu'ils couvrent plus de 1,3 million d'hectares. Malheureusement, ces plantes, qui malgré leur taille ne sont pas des arbres au sens botanique du terme, sont gravement menacées par un insecte ravageur. Il s’agit d’un coléoptère, le charançon rouge du palmier (Rhynchophorus ferrugineus), qui se propage rapidement dans le monde entier, notamment via le commerce international de plantes infestées.
Le charançon rouge du palmier est un ravageur redoutable pour les palmiers. Les impacts économiques et environnementaux de ses attaques sont considérables et ont des conséquences sur la sécurité alimentaire et les moyens de subsistance des communautés rurales dans les oasis de palmiers dattiers.
Détection précoce et télédétection
Etant donné l’importance de ces palmiers pour le développement socio-économique des régions citées, il est indispensable de définir des stratégies de lutte efficace contre ce ‘tueur de palmier’ afin d’éviter une situation de crise. Ces stratégies reposent sur la surveillance et la détection précoce de l'infestation, cruciales pour la survie des palmiers. Or, les symptômes visibles des attaques de charançons n’apparaissent que longtemps après l’infestation. Cette caractéristique, combinée à une distribution spatiale étendue des palmiers, sont des arguments en faveur de l’utilisation de la télédétection comme outil pour surveiller la santé des palmiers à grande échelle. Le projet STEREO III PALMWATCH s’est donc fixé comme objectif de déterminer si les techniques de télédétection aéroportée et spatiale peuvent être utilisées pour la détection de l'infestation des palmiers par le charançon rouge.
 |
 |
Un détecteur de palmier qui apprend tout seul
Les informations disponibles sur le nombre et la répartition des palmiers infestés sont rares. Les membres de l’équipe ont donc en premier lieu commencé par entraîner un détecteur de palmiers basé sur l'apprentissage profond (deep learning) pour géolocaliser des palmiers individuels sur des images aériennes RGB (Red Green Blue, càd images en vraies couleurs) couvrant plus de cinq mille km2 dans la province d'Alicante, région emblématique de la culture des palmiers.
La première étape a consisté à annoter manuellement les couronnes des palmiers dattiers et des palmiers des Canaries sur certaines de ces images afin d'entraîner le détecteur d'objets à classer et localiser automatiquement les couronnes de palmiers (de manière à pouvoir également délimiter chaque arbre). Ce détecteur est basé sur les réseaux neuronaux convolutifs (Convolutional Neural Networks ou CNN), qui ont été largement utilisés ces dernières années dans le domaine de la télédétection car ils sont conçus pour traiter les données sous forme de réseaux (ou matrices) multiples comme le sont les données de télédétection multibandes. De plus, comme les CNN apprennent directement à partir des images, il n’est plus nécessaire de faire appel à des connaissances spécialisées nécessaires à l'extraction des caractéristiques comme c’était le cas pour les méthodes conventionnelles d'apprentissage automatique.
Résultats de la détection des palmiers Phoenix à partir d’une orthophoto RGB acquise en 2018 sur le site d’étude. Les annotations manuelles sont présentées sous forme de cercles ; les cases magenta, bleues, vertes, et orange sont les résultats obtenus par différents modèles. La précision moyenne (AP) obtenue par chaque modèle est présentée dans le coin de chaque image. Les nombres à l'intérieur des prédictions correspondent au score de probabilité que l'objet soit bien un palmier. Seules les prédictions dont le score est supérieur à 0,5 sont présentées. ©c Institut Cartogràfic Valencià, Generalitat; OrtoPNOA 2018 CC BY 4.0 www.scne.es
Un inventaire précis à grande échelle
Dans un deuxième temps, les chercheurs ont appliqué le détecteur à l'ensemble des données d'imagerie d'Alicante en Espagne pour finalement obtenir un inventaire de chacun des palmiers Phoenix (palmiers dattiers et palmiers des Canaries) de la région.
Les résultats expérimentaux ont montré que le modèle de détection des palmiers entraîné fournit une méthode rapide et simple pour géolocaliser les palmiers isolés et densément plantés à partir d'images aériennes RGB à haute résolution. En outre, il permet de réaliser l'inventaire des palmiers à grande échelle et à moindre coût par rapport à l'inventaire des arbres utilisant des relevés de terrain. Les performances du détecteur ont montré une capacité de cartographie permettant de géolocaliser les palmiers dans différentes scènes avec une précision de 86 %. Au total, 1 505 605 palmiers ont été cartographiés sur une superficie de 5 816 km2. L’inventaire réalisé dans le cadre du projet est librement accessible et peut être consulté sur le logiciel de visualisation Palmwatch Earth Engine. Il constitue une base de référence pour la détection des palmiers infestés par les ravageurs dans le cadre d'inspections plus détaillées.
Pour ce faire, des campagnes régulières de terrain et de vols de drones ont été menées dans une parcelle expérimentale de palmiers afin de trouver la méthode la plus appropriée pour la détection par drone des palmiers attaqués par le charançon rouge. Les résultats de ces campagnes ont permis de démontrer qu'un suivi continu de l'évolution des palmiers est plus pertinent que des relevés ponctuels des palmiers sains et infestés. En outre, il a été prouvé que l'imagerie thermique par drone était plus efficace dans la détection précoce des symptômes de la maladie que les images RGB ou multispectrales.
La détection précoce des attaques de charançons rouges reste un défi majeur mais cette étude a permis de jeter les bases de recherches futures qui permettront d’offrir aux utilisateurs des outils de détection précoces de la maladie à l’aide de données de télédétection.
Plus d'infos
Projet STEREO III PALMWATCH - Red Palm Weevil infection detection with Remote Sensing