Données soja FIP 1.0 : Aperçus sur la croissance du soja issus de huit années de phénotypage de champ par imagerie à haut débit

Pourquoi observer les cultures depuis le ciel est important

À mesure que les extrêmes climatiques deviennent plus fréquents, les agriculteurs et les sélectionneurs ont besoin de cultures qui continuent de bien pousser les bonnes comme les mauvaises années. Cette étude présente un enregistrement exceptionnellement riche, sur huit ans, de la croissance des plants de soja dans un champ réel, capturé par un système de caméras suspendu au‑dessus de la culture. En reliant des millions de feuilles visibles à des enregistrements météorologiques détaillés, l’ensemble de données aide les scientifiques à comprendre quels types de soja résistent le mieux à la chaleur, à la sécheresse ou aux périodes nuageuses, et fournit aux modélisateurs la matière première pour prévoir les récoltes futures de façon plus fiable.

Un champ transformé en laboratoire vivant

De 2015 à 2022, des chercheurs en Suisse ont cultivé 72 variétés et lignées de sélection de soja dans des parcelles soigneusement disposées. Au‑dessus d’elles, une plateforme suspendue à une corde portait une caméra haute résolution à environ trois mètres au‑dessus des plants. Tout au long de chaque saison de croissance, ce système a pris des milliers de photos couleur prises du dessus, capturant nettement le couvert végétal — la couche verte formée par les feuilles qui couvrent le sol. Sur le même site, une station météorologique voisine a enregistré la température, l’éclairement, les précipitations, l’humidité et le vent chaque heure, créant une image synchronisée des plantes et de leur environnement.

Transformer des images en courbes de croissance

Pour transformer les photos brutes en mesures utilisables, l’équipe a développé une chaîne de traitement d’images. D’abord, chaque image a été filtrée pour séparer les pixels verts appartenant aux feuilles de la terre brune en arrière‑plan. Ensuite, l’algorithme a détecté les rangs de culture, corrigé l’inclinaison de la caméra et délimité la zone exacte appartenant à chaque parcelle. À partir de là, les chercheurs ont calculé la « couverture du couvert » — la fraction de la surface de chaque parcelle qui était verte à un instant donné. Parce que les images étaient capturées régulièrement tout au long de la saison, ces valeurs tracent des courbes lisses montrant quand les plants ont émergé, à quelle vitesse ils ont rempli le sol, quand ils ont atteint leur couverture maximale et quand ils ont commencé à jaunir et à s’éclaircir.

Relier croissance, météo et rendement

Les enregistrements de croissance basés sur l’imagerie ont été associés à des données de récolte traditionnelles telles que le rendement en grain, la teneur en protéines, le poids des graines et des mesures de couleur des feuilles. Les scientifiques ont utilisé des outils statistiques pour vérifier la cohérence des traits extraits des images entre parcelles répétées et dans le temps. Ils ont constaté que la couverture du couvert et la hauteur des plants, mesurée par des scans laser sur deux années, étaient très « héritables » — les différences entre variétés de soja étaient fortes et reproductibles. En ajustant des courbes lisses sur la couverture du couvert, ils ont pu identifier le moment où chaque variété avait perdu la moitié de sa couverture verte, un marqueur du vieillissement foliaire. D’une année sur l’autre, ce timing correspondait aux groupes de précocité connus et, dans de nombreux cas, était clairement lié au rendement final : les variétés qui conservaient leur couverture verte plus longtemps produisaient souvent davantage de grain, sauf si les conditions météorologiques écourtaient leur saison.

Une boîte à outils réutilisable pour la science des cultures

Le jeu de données final rassemble plus de 17 000 images, leurs masques segmentés, les plans de parcelles, les valeurs quotidiennes de couverture du couvert, des résumés de génotypes et des fichiers météorologiques appariés dans des formats simples et largement utilisés. Il est disponible en accès ouvert via des dépôts institutionnels et dédiés à l’apprentissage automatique, et suit les standards communautaires pour la dénomination et les métadonnées afin de pouvoir être combiné avec d’autres efforts d’imagerie de terrain, y compris les vols de drones au‑dessus des cultures. Les auteurs partagent également le code utilisé pour extraire la couverture du couvert, invitant d’autres équipes à appliquer le même flux de travail à leurs expériences ou à entraîner de nouveaux modèles d’intelligence artificielle sur des images de plantes.

Ce que cela signifie pour les récoltes futures

Pour les non‑spécialistes, le message clé est que la sélection des cultures passe de notes de terrain occasionnelles à des « films » continus de la vie des plantes. En observant les parcelles de soja pousser feuille par feuille, sous des conditions météo et agricoles réelles, les chercheurs peuvent repérer quelles lignées restent vigoureuses sous stress et intégrer ces connaissances dans de meilleurs modèles de culture. Le jeu de données soja FIP 1.0 ne garantit pas à lui seul des rendements supérieurs, mais il fournit les preuves détaillées nécessaires pour choisir des variétés plus robustes et concevoir des pratiques agricoles qui maintiennent la production de soja stable dans un climat incertain.

Citation: Keller, B., Kirchgessner, N., Oppliger, C. et al. FIP 1.0 soybean data: Insights on soybean growth from eight years of high-throughput image field phenotyping. Sci Data 13, 476 (2026). https://doi.org/10.1038/s41597-026-06663-z

Mots-clés: phénotypage du soja, imagerie des cultures, couverture du couvert, cultures résilientes au climat, jeux de données de terrain