Les cartes de rendement sont des outils très intéressants pour identifier les zones de haut et de faible rendement à l’intérieur des champs. Mais la gestion des données peut parfois être compliquée : battage à forfait, données perdues ou incomplètes, etc. Différentes approches pour estimer le rendement sont possibles, dont celles utilisant des drones lors de la saison de croissance. Une équipe de l’Université Cornell dans l’État de New York a mis en place une étude pour utiliser les NDVI (Normalized Difference Vegetation Index ou indices de végétation par différence normalisée) captés dans les champs de maïs pour évaluer le rendement. Le NDVI est une combinaison des bandes rouge et proche infrarouge. Parmi les six indices évalués pour le projet, le NDVI est le plus représentatif pour estimer le rendement de la culture.
Puisque plusieurs producteurs appliquent une partie de l’azote au semis et une autre partie en post-levée, les chercheurs ont évalué les indices NDVI selon le stade d’application de l’azote (N) et la corrélation de ces indices avec le rendement.
Les traitements à l’étude incluent :
- NoN 30 lb/acre N (démarreur seulement)
- N Rich 300 lb/acre N (démarreur+ volée psi)
- V4 180 lb/acre N : 30(démarreur + 150 stade V4 du maïs)
- V6 180 lb/acre N : 30 (démarreur + 150 stade V6 du maïs)
- V8 180 lb/acre N:30 (démarreur + 150 stade V8 du maïs)
- V10 180 lb/acre N : 30 (démarreur + 150 stade V10 du maïs)
Un total de 12 vols par drones entre le stade VE (émergence du maïs) jusqu’au stade R5 (grain denté) ont été effectués en utilisant Quantix tm pour générer les relevés NDVI.
À lire aussi
Inondation dans les champs: quoi faire selon les cultures
La pluie a causé des siennes dans plusieurs régions mais avant de s’inquiéter, le RAP rappelle quelques informations et conseils sur ce type de situation.
Tous les traitements ayant une application d’azote supplémentaire au démarreur ont produit des rendements plus élevés. Mais une application tardive (stade V8 et V10) de l’azote en post-levée a produit des rendements plus faibles. Cette conclusion va dans le même sens que les résultats d’autres essais réalisés sur le même site pendant quatre ans.
Le modèle pour estimer le rendement à partir des relevés faits par le drone au stade R4 du maïs est plus fiable lorsque l’azote est appliqué avant le stade V6. La corrélation est plus de 90 % (R2 > 0.90). Une application plus tardive de l’azote cause une plus grande variabilité dans les relevés NDVI et rend l’estimation de rendement moins précise.
Pour ce qui est de la corrélation ou de la précision du modèle à prédire le rendement de maïs selon le stade de la culture au moment de la prise de données par le drone, on retrouve les meilleurs résultats entre le stade R1 (sorties des soies) et R4 (stade pâteux) du maïs. Les chercheurs expliquent la corrélation plus faible au stade R2 par des conditions nuageuses au moment de la prise de données par le drone.
L’estimation des rendements de maïs par les drones est une approche prometteuse si on répond aux conditions suivantes :
- Application de l’azote total avant le stade V6 de la culture. L’application après ce stade non seulement réduit le potentiel de rendement de la culture, mais aussi la performance du modèle de prédiction.
- Effectuer le vol de drone entre le stade R1 et R4 du maïs. Après le stade R4, le maïs commence à jaunir et les données NDVI ne sont plus fiables.
- Choisir des journées ensoleillées pour une meilleur performance du drone.
Source : What’s cropping up ? Cornell University
