Global Vision Media Focus
L'entreprise a été présentée sur les chaînes de vidéosurveillance à 15 reprises, et sa diffusion via les médias du Parti, les médias centraux et les médias officiels locaux a touché un total de 50 millions de personnes.
Évaluation du rendement à long terme basée sur des images de télédétection en séries temporelles
Ce projet, s'appuyant sur des séries temporelles d'images satellitaires de télédétection et combinant la délimitation des parcelles, l'analyse des périodes phénologiques et l'évaluation des rendements historiques, a permis de réaliser une étude d'évaluation des rendements à long terme pour des parcelles cibles. Grâce à un traitement et une analyse précis des données, il fournit une base scientifique pour l'évaluation des rendements des parcelles et contribue à une agriculture de précision.
- Délimitation des limites des parcelles de terrain
Sur la base du graphique de référence fourni (Sanfenchang), d'autres graphiques ont été divisés, totalisant 40, pour une analyse ultérieure.
La répartition générale des parcelles de terrain est la suivante, les numéros figurant sur les parcelles représentant leurs identifiants.
Figure 1. Schéma du site
- Détermination de la période phénologique
L'indice de végétation NDVI de toutes les parcelles a été cartographié à partir d'images satellitaires de télédétection acquises en séries temporelles, entre 2023 et 2024. Les variations périodiques de cet indice ont permis de déduire la saison de semis et la période phénologique correspondante, fournissant ainsi un cadre de référence pour les prévisions de rendement ultérieures.
Figure 2. Série chronologique de l'indice de végétation NDVI pour toutes les parcelles de 2023 à 2024
La figure ci-dessus illustre la position relative de la parcelle cible par rapport à l'ensemble des parcelles en termes de croissance. La croissance globale sur l'année est proche de la moyenne, ce qui indique que la croissance de la parcelle cible se situe dans la moyenne sur une large plage. Ceci se reflète également dans le graphique d'évaluation des performances de rendement à long terme et le graphique de distribution annuelle du rendement présentés ci-après.
Figure 3. Parcelles cibles et toutes les parcelles en 2023-2024 Graphique chronologique de l'indice de végétation NDVI moyen.
Figure 4. Diagramme en boîte de l'indice de végétation NDVI moyen pour la parcelle cible et toutes les parcelles en 2023-2024
Les figures 3 et 4 présentent les résultats de la comparaison entre la parcelle cible et le niveau moyen. Le type 1 représente la parcelle cible, et le type 2, la moyenne des parcelles. On constate que, durant la phase de levée avant l'hiver, la croissance de la parcelle cible était inférieure à la moyenne. Bien que la croissance durant la phase de montaison suivante ait été identique ou légèrement supérieure à la moyenne, en raison des caractéristiques de tallage des graminées, le niveau de tallage effectif avant l'hiver était inférieur à la moyenne, et le rendement final s'est donc situé au niveau moyen.
Cette étape a utilisé les données de toutes les parcelles de la saison de croissance 2023-2024 et a effectué une déformation temporelle dynamique et une interpolation linéaire pour générer des images de séries temporelles continues pour une analyse précise.
- Évaluation des performances de production à long terme
Figure 5. Graphique d'évaluation des performances de production à cycle long
Le graphique ci-dessus présente les données statistiques relatives aux rendements des cinq dernières années. L'analyse des fluctuations cycliques des rendements permet d'obtenir des informations sur les performances à long terme des cultures, d'évaluer plus précisément le rendement d'une parcelle, d'identifier les problèmes et d'apporter des améliorations ciblées.
Les chiffres du graphique représentent le nombre net d'années de rendement supérieur pour chaque parcelle au cours des cinq dernières années. Les valeurs varient de -5 à 5. La méthode de calcul est la suivante : les rendements annuels sont analysés statistiquement et regroupés à l'aide d'un algorithme de classification. Le rendement de chaque année est classé comme bon ou mauvais. Un bon rendement signifie que le rendement de l'année était supérieur à la moyenne de toutes les parcelles, tandis qu'un mauvais rendement signifie qu'il était inférieur à la moyenne. Le rendement de chaque année au cours des cinq dernières années est calculé, puis le nombre d'années de bon rendement est soustrait du nombre d'années de mauvais rendement. On obtient ainsi les chiffres affichés dans les graphiques ci-dessus. Les valeurs positives indiquent que le nombre d'années de bon rendement est supérieur au nombre d'années de mauvais rendement, ce qui indique une préférence globale pour le rendement. Les valeurs négatives, en revanche, indiquent le contraire.
Figure 6. Répartition de la production de toutes les parcelles en 2024
La figure 6 présente le rendement de chaque parcelle en 2024, exprimé par mu (unité de surface). Les parcelles cibles sont délimitées par des bordures blanches. Les légendes rouge et bleue indiquent respectivement les rendements inférieurs et supérieurs à la moyenne. Un algorithme de classification non supervisée unidimensionnelle a été utilisé, qui, comparé à une simple comparaison de moyennes, permet de mieux gérer les valeurs aberrantes et les cas limites, améliorant ainsi la fiabilité de la classification. Les données cartographiques sont identiques à celles du tableau des statistiques de rendement.
Globalement, l'écart de rendement entre les parcelles les plus faibles et les plus élevées est de 100 à 170 jin/mu. Pour chaque parcelle, le rendement varie d'une année à l'autre, oscillant entre 10 et 50 jin/mu, et les différences de rendement annuel entre les différentes parcelles sont également variables.
Grâce à l'analyse de production ci-dessus, nous pouvons mieux comprendre la répartition annuelle de la production, identifier les parcelles à fort potentiel de production et mettre en œuvre une gestion ciblée.