Qu'est-ce que le NDVI ? Le guide de l'agriculteur pour la surveillance satellite de la santé des cultures

Le temps que le stress d'une culture devienne visible à l'œil nu depuis la bordure d'un champ, il vous a souvent déjà coûté du rendement. La surveillance satellite de la végétation — en particulier le NDVI — existe pour détecter ce stress plus tôt, à partir de données gratuites et mises à jour tous les quelques jours. Voici ce que c'est réellement, ce pour quoi c'est efficace, et où cela montre ses limites.

Ce que le NDVI mesure réellement

NDVI signifie Normalized Difference Vegetation Index (indice de végétation par différence normalisée). Il est calculé à partir de la façon dont une surface réfléchit deux longueurs d'onde spécifiques de lumière captées par un satellite : la lumière rouge et le proche infrarouge (NIR). Un tissu végétal sain et activement photosynthétique absorbe la majeure partie de la lumière rouge (pour la photosynthèse) mais réfléchit la majeure partie du proche infrarouge. Le sol nu, l'eau et la végétation stressée ou clairsemée réfléchissent le rouge et le proche infrarouge de façon beaucoup plus similaire.

La formule du NDVI compare ces deux valeurs de réflectance et produit un nombre entre −1 et 1 :

• Proche de 1 : végétation dense, saine et en croissance active.
• Environ 0,2–0,5 : végétation clairsemée ou modérément stressée, ou culture en début de croissance.
• Proche de 0 ou négatif : sol nu, eau, ou surfaces non végétalisées.

La source gratuite la plus utilisée pour ces données est la constellation de satellites Sentinel-2, qui fait partie du programme européen Copernicus — des images financées publiquement et disponibles mondialement, généralement revisitées tous les quelques jours selon la couverture nuageuse et la localisation.

Ce pour quoi le NDVI est réellement efficace

• Repérer le stress avant qu'il soit visible sur le terrain. Une zone de champ en stress hydrique, nutritif ou parasitaire montre souvent une baisse mesurable du NDVI avant que le changement de couleur ne soit évident en parcourant le champ.
• Comparer des zones au sein d'un même champ. Un NDVI inégal au sein d'un champ peut révéler des problèmes de drainage, de compaction, ou une fertilité de sol variable qui mérite une vérification sur le terrain.
• Suivre une tendance sur la saison. Une seule mesure de NDVI compte moins que le fait qu'elle augmente comme attendu pour le stade de croissance de la culture, ou qu'elle reste plate ou baisse de façon inattendue.

Ce que le NDVI ne peut pas vous dire

Le NDVI est un indicateur indirect de la vigueur de la plante, pas un diagnostic. Une lecture basse vous indique que quelque chose est différent dans cette zone — elle ne vous dit pas s'il s'agit d'un stress hydrique, d'une maladie, d'une carence nutritionnelle, de dégâts de ravageurs, ou simplement d'une zone basse qui se gorge d'eau après la pluie. Il a aussi des limites réelles :

• La couverture nuageuse bloque entièrement le satellite pour ce passage — il n'y a pas de mesure pour un champ caché sous les nuages ce jour-là.
• La croissance très précoce en saison et la sénescence proche de la récolte produisent toutes deux un NDVI naturellement bas qui n'est pas un « stress » — c'est normal pour ce stade.
• Le NDVI reflète la canopée de la culture, pas ce qui se passe sous terre — il ne vous dira pas directement la santé racinaire ou les niveaux de nutriments du sol.

Bien utilisé, le NDVI est un outil de priorisation : il vous indique où parcourir le champ et regarder de plus près, pas ce que vous y trouverez.

Combiner le NDVI avec vos propres registres

Le NDVI est plus utile à côté de ce que vous savez déjà sur le champ — irrigation récente, dernier apport d'engrais, date de plantation et stade de la culture. Une baisse qui correspond à une période de sécheresse connue raconte une histoire différente de la même baisse sur un champ que vous avez irrigué hier.

Si vous suivez aussi l'humidité du sol dans vos décisions d'irrigation, voir notre guide sur la planification d'irrigation basée sur l'humidité du sol — les deux sources de données répondent à des questions différentes et fonctionnent bien ensemble.