Comment identifier les zones de culture du palmier à huile à l'aide de données de télédétection satellitaire

Le palmier à huile est une culture économique importante, et la connaissance de sa répartition est cruciale pour le suivi agricole, l'évaluation de l'utilisation des terres et la gestion des ressources. Cet article propose une méthode de télédétection multi-sources combinant les données Sentinel-1 et Sentinel-2 pour une extraction de haute précision des informations relatives à la répartition du palmier à huile. Sentinel-1 fournit des images radar disponibles en permanence et par tous les temps, indépendamment des conditions météorologiques ; Sentinel-2 fournit des images optiques riches en informations, telles que les indices de végétation et les caractéristiques de texture. La complémentarité de ces deux sources offre des conditions optimales pour l'identification des palmiers à huile.

Méthodes de recherche

Une région spécifique d'Indonésie a été sélectionnée comme zone d'étude (Figure 1). La superficie cultivée dans cette région en 2025 a été extraite, et la période de sélection des données s'étendait du 1er juin 2024 au 31 mai 2025. Les données ont été prétraitées à l'aide de la plateforme GEE, incluant l'extraction des bandes spectrales, le calcul des indices et le débruitage des données SAR, comme illustré à la Figure 2. Les données ont ensuite été rééchantillonnées à une résolution de 10 mètres, le système de coordonnées étant WGS84.

Figure 1 Zone d'étude

Figure 2(a) VV

Figure 2(b) NDVI

La figure 3 présente les caractéristiques des données triées selon les coefficients de Gini. Au total, 14 caractéristiques issues des données Sentinel-1 et Sentinel-2 ont été sélectionnées pour le calcul de ces coefficients : 8 pour Sentinel-2 et 6 pour Sentinel-1. En utilisant les données SAR comme caractéristique principale pour la classification, les bandes VH et VV, ainsi que leurs différences, ont montré une forte corrélation dans le modèle de classification, ce qui rend ces caractéristiques cruciales pour la détection des plantations de palmiers à huile. Par ailleurs, les informations de texture et les indices de végétation peuvent également être utilisés pour la classification de la végétation ; les caractéristiques de texture ont amélioré la précision de la détection des palmiers à huile plus efficacement que les indices de végétation.

Figure 3. Classement des coefficients de Gini

Résultats d'extraction

Les indices VV, VH, B3, B8 et NDVI, ainsi que l'entropie de texture et le contraste, ont été sélectionnés pour la construction des caractéristiques. Les zones de palmiers à huile au sein de la zone d'étude ont ensuite été extraites à l'aide de la méthode des forêts aléatoires. Les résultats de l'extraction sont présentés dans la figure 4.

Figure 4 Résultats d'extraction de la zone de plantation de palmiers à huile

Cet article utilise une méthode de fusion de données combinant les données Sentinel-1 et Sentinel-2 pour extraire les zones de plantations de palmiers à huile. Grâce à la construction de caractéristiques et aux techniques de forêts aléatoires, une identification de haute précision des zones de plantation est obtenue. La recherche indique que la fusion de données de télédétection multi-sources constitue une voie importante pour améliorer les capacités d'identification de la végétation agricole. Les travaux futurs pourraient explorer davantage les méthodes de segmentation sémantique basées sur l'apprentissage profond afin d'améliorer la précision des contours et les capacités d'analyse dynamique des séries temporelles.