Estimation et distribution spatiale du carbone organique du sol en terres agricoles par télédétection hyperspectrale embarquée sur drone

Pourquoi le carbone de nos sols compte

Le sol est bien plus que de la terre sous nos pieds. Il stocke d’importantes quantités de carbone, nourrit nos cultures et contribue à atténuer le changement climatique en captant le dioxyde de carbone de l’air. Mais la teneur en carbone organique du sol peut varier rapidement d’une zone à l’autre dans un champ, et les analyses de laboratoire traditionnelles sont lentes et coûteuses. Cette étude explore une méthode plus rapide et technologique pour « voir » le carbone organique du sol depuis les airs en utilisant de petits drones équipés de caméras hyperspectrales, offrant aux agriculteurs et aux scientifiques un nouvel outil puissant pour gérer les terres et le climat.

Des caméras qui survolent les champs

Les chercheurs ont travaillé dans trois secteurs agricoles du bassin de la rivière Huangshui, dans la province du Qinghai en Chine, une région présentant différents types de sols, cultures et pratiques agricoles. Ils ont utilisé un drone multirotor embarquant une caméra hyperspectrale qui mesure la lumière dans 150 bandes étroites, du visible au proche infrarouge. Volant à environ 150 mètres par temps clair et calme, le drone a collecté des images très détaillées, chaque pixel représentant moins de cinq centimètres au sol. Ces images capturent des différences subtiles dans la réflexion de la lumière par le sol, liées à la quantité de carbone organique qu’il contient.

Creuser, analyser et valider sur le terrain

Pour vérifier ce que voyait le drone, l’équipe a prélevé 296 échantillons de sol dans les trois champs selon une grille et un contrôle strict de la profondeur (0–20 centimètres, où le carbone varie le plus). Au laboratoire, ils ont retiré pierres et débris végétaux, broyé finement le sol et utilisé un analyseur élémentaire pour mesurer précisément la teneur en carbone organique. Ils ont également mesuré les spectres du sol en intérieur avec un spectromètre précis, puis ajusté ces spectres pour correspondre à la gamme de longueurs d’onde et à la résolution du capteur du drone. Cela leur a permis de relier des mesures exactes de carbone en laboratoire à des signatures spectrales correspondantes à la fois des instruments de terrain et des images aériennes.

Épurer le signal et entraîner le modèle

Les données spectrales brutes peuvent être brouillées car de nombreux facteurs autres que le carbone — comme l’humidité du sol, la rugosité de la surface et la taille des particules — influencent la réflexion de la lumière. Pour y remédier, les chercheurs ont testé sept traitements mathématiques différents des spectres. La meilleure approche a combiné une méthode appelée correction multiplicative de diffusion, qui réduit les distorsions de luminosité, avec une opération de première dérivée, qui met en évidence les creux et sommets subtils des courbes. Cette combinaison a produit le lien le plus fort entre les caractéristiques spectrales et le carbone du sol. Ils ont ensuite comparé cinq méthodes de modélisation, allant d’équations linéaires simples à des techniques avancées d’apprentissage automatique. Le modèle de forêt aléatoire, qui construit de nombreux arbres décisionnels et en moyenne les résultats, a clairement donné les meilleures performances, expliquant environ 90 % de la variation du carbone organique du sol et atteignant une grande qualité de prédiction.

Transformer la lumière en cartes détaillées du sol

Avec le meilleur traitement spectral et le modèle de forêt aléatoire, l’équipe a appliqué sa méthode aux images complètes du drone pour créer des cartes détaillées du carbone organique du sol pour chaque champ. Le modèle a mis en évidence des bandes spectrales particulières comme les plus importantes, surtout dans le domaine visible (où des sols plus foncés indiquent souvent plus de carbone) et dans le proche infrarouge (où la matière organique influence l’absorption de la lumière). Les cartes résultantes montraient des motifs nets : un champ dominé par de fortes teneurs en carbone, un autre par des teneurs moyennes, et le troisième principalement par des teneurs plus faibles. Lorsque les chercheurs ont comparé les estimations issues du drone aux points d’échantillonnage en laboratoire, la concordance était forte, confirmant la fiabilité des cartes.

Ce que cela signifie pour l’agriculture et le climat

En termes simples, cette étude montre qu’un drone équipé d’une caméra performante et d’un modèle bien entraîné peut rapidement produire des cartes précises et fines du carbone organique du sol, au lieu de s’appuyer uniquement sur des prélèvements et analyses de laboratoire longs. Les agriculteurs et gestionnaires de terres pourraient utiliser de telles cartes pour cibler les apports d’engrais et la gestion des résidus, protéger les zones à risque de perte de carbone et surveiller l’évolution de la santé des sols dans le temps. Bien que la méthode présente encore des défis — sensibilité à l’humidité du sol, aux résidus de surface et aux variations d’éclairage — elle ouvre la voie à un futur où le suivi du capital carbone sous nos champs devient plus rapide, moins coûteux et beaucoup plus détaillé, au bénéfice de la production alimentaire et des objectifs climatiques.

Citation: Song, Q., Zhang, W. Estimation and spatial distribution of soil organic carbon content in farmland using unmanned aerial vehicle hyperspectral remote sensing technology. Sci Rep 16, 5480 (2026). https://doi.org/10.1038/s41598-026-35096-2

Mots-clés: carbone organique du sol, drone hyperspectral, agriculture de précision, cartographie des sols, télédétection