Le coton, importante culture de rente et matière première de l'industrie textile, est de plus en plus sollicité face à la densification des zones habitées. La concurrence entre les cultures de coton, de céréales et d'oléagineux s'accentue avec l'augmentation de la densité de population. L'association du coton et des céréales permet de pallier efficacement cette incompatibilité, d'améliorer la productivité et de préserver la biodiversité. Il est donc crucial de suivre rapidement et précisément la croissance du coton en culture intercalaire.
Des images multispectrales et visibles de coton à trois stades de fertilité ont été acquises par des capteurs multispectraux et RGB embarqués sur un drone. Leurs caractéristiques spectrales et visuelles ont été extraites et, combinées à la hauteur des plants de coton au sol, l'indice SPAD du coton a été estimé par apprentissage intégré à la régression par vote (VRE) et comparé à trois modèles : la régression par forêt aléatoire (RFR), la régression par arbre de décision à gradient boosté (GBR) et la régression par machine à vecteurs de support (SVR). Nous avons évalué la précision d'estimation de la teneur relative en chlorophylle du coton par différents modèles et analysé les effets de différents ratios d'association coton-soja sur la croissance du coton. Ces résultats fournissent une base pour le choix du ratio d'association coton-soja et l'estimation précise de l'indice SPAD du coton.
Comparativement aux modèles RFR, GBR et SVR, le modèle VRE a présenté les meilleurs résultats d'estimation de la SPAD du coton. D'après ce modèle VRE, celui utilisant comme entrées les caractéristiques d'images multispectrales, les caractéristiques d'images visibles et la fusion de la hauteur des plantes a obtenu la meilleure précision, avec un R² de 0,916, une RMSE de 1,481 et un RPD de 3,53 sur l'ensemble de test.
Il a été démontré que la fusion de données multi-sources combinée à un algorithme d'intégration par régression de vote constitue une méthode nouvelle et efficace pour l'estimation SPAD du coton.
Date de publication : 3 décembre 2024