Mapping and characterizing crop production systems in Mali using moderate resolution satellite images.

Pour prévoir la production, les systèmes de surveillance de la sécurité alimentaire doivent être renseignés par des données sur les surfaces cultivées et sur le rendement. Ces données peuvent être estimées par les systèmes d'observations satellitaires à moyenne résolution spatiale, qui, par leur vision synoptique, constituent une source d'information particulièrement adéquate. En Afrique de l'Ouest, l'estimation des surfaces cultivées par télédétection reste cependant problématique en raison d'un domaine cultivé fragmenté, d'une grande hétérogénéité spatiale due aux conditions environnementales et aux pratiques culturales, et de la synchronisation des phénologies des agrosystèmes et des écosystèmes liée au régime des précipitations. Dans ce contexte, cette thèse présente, en trois volets, des développements méthodologiques originaux pour la caractérisation des systèmes agricoles d'Afrique de l'Ouest par télédétection. Les méthodes ont été développées à partir de séries temporelles MODIS (250 m à 500 m de résolutionspatiale) acquises sur le Mali. (i) La cartographie des surfaces cultivées a été réalisée à partir d'indices spectraux, spatiaux, texturaux et temporels dérivés des images. Deux approches ont été appliquées : une approche de type ISODATA consécutive à une segmentation du territoire basée sur les images MODIS et une approche de fouille de données basée sur des « motifs séquentiels ». Les produits cartographiques obtenus présentent une meilleure précision que les produits globaux « occupation du sol » existants (70% vs 50% en moyenne). Cependant, une part importante des erreurs d'omission et de commission (de 20% à 40%) reste incompressible en raison de la fragmentation du domaine cultivé. (ii) La cartographie des types de systèmes agricoles a nécessité un premier travail de typologie effectué à partir d'une BD d'enquêtes de terrain de l'Institut d' Economie Rurale de Bamako sur 100 villages. Trois types de systèmes agricoles ont été déterminés à l'échelle du village : céréales dominantes (mil, sorgho), cultures intensives dominantes (maïs, coton) et mélange de sorgho et de coton. La classification des systèmes agricoles à partir des indicateurs de télédétection précédemment cités a été produite par un algorithme de type Random Forest avec une précision globale de 60%. Les résultats mettent en évidence une combinaison optimale d'indicateurs comprenant le NDVI ainsi que la texture pour la caractérisation des systèmes agricoles. (iii) Enfin, pour le suivi des cultures, le produit phénologique MODIS a été testé et évalué à partir de variables phénologiques obtenues par simulations agro-météorologiques du modèle de plante SARRA-H. Les résultats montrent que ce produit comporte des incohérences dues au fort ennuagement de début de saison des pluies. Après suppression des données aberrantes, on montre que les dates de transition phénologique des surfaces cultivées issues de MODIS sont plus précoces de 20 jours comparées aux sorties du modèle de culture, en raison notamment de la nature mixte « agro-écosystème » des surfaces à l'échelle du pixel MODIS. Les résultats de cette thèse permettent de dégager de nouvelles pistes de couplage entre télédétection, données de terrain et modélisation agro-météorologique en apportant une information continue dans le temps et dans l'espace sur la caractérisation du domaine cultivé au « Sahel ».For food security systems, data on cultivated surfaces and yields are a prerequisite for agricultural production forecast. Moderate resolution satellite remote-sensing systems offer a synoptic vision that makes them a particularly appropriate information source for the estimation of such data. However, the estimation of cultivated surfaces is still challenging in West Africa, because of highly fragmented farmland, specific weather conditions resulting in high regional variability in terms of agricultural systems and practices, and synchronized phenology of crops and natural vegetation due to the rainfall regime. In this context, this thesis presents three original methodological approaches for the characterization of agricultural systems in West Africa by remote sensing. These methods were developed using MODIS time series (from 250 to 500 m spatial resolution) acquired for Mali. (i) The mapping of cultivated areas was carried out with spectral, spatial and textural indices derived from the images. Two approaches were chosen: one of ISODATA type following a segmentation of the territory based on MODIS imagery, and the other of data mining type based on ‘sequential patterns'. The crop map obtained showed a better precision than that of the existing land cover global products (70% vs 50% in average). Furthermore, it was shown that a significant part of user and producer errors (20 to 40%) could not be compressed due to farmland fragmentation. (ii) The mapping of agricultural system types first required the definition of a typology derived from an IER (Institute of Rural Economy in Mali) field survey data base on 100 villages. Three types of agricultural systems were determined at the village scale: mainly cereals (millet, sorghum), mainly intensive crops (maize, cotton) and a mixture of sorghum and cotton. The classification of agricultural systems using the aforementioned remote sensing indicators was carried out by a Random Forest type algorithm with an overall accuracy of 62%. Results bring to light the important part played by temporal NDVI and texture in agricultural system characterization. (iii) Finally, for crop monitoring, the MODIS phenological product was tested and assessed using phenological variables obtained from agro-meteorological simulations made by the SARRA-H plant model. Results show that this product contains inconsistencies due to the significant cloud cover linked with the start of the raining season. After the suppression of incongruous data, the phenological transition dates for crop land derived from MODIS were shown to be earlier by 20 days than the SARRA-H-simulated transition dates, due mainly to the ‘agro-ecosystem' mixed nature of surfaces at MODIS pixels scale. The results of this thesis highlight new possibilities for the combinination of remote sensing, field data and agro-meteorological modelling, delivering nonstop information in time and space on the characterization of “Sahel” farmland