Le développement de l’activité drones au cours de cette dernière décennie, a constitué une véritable révolution en matière d’acquisition de données aéroportées. Volant à seulement quelques dizaines de mètres du sol, ils offrent des résolutions spatiales, spectrales et temporelles (cf. figure 1) jusqu’ici encore jamais atteintes avec des vecteurs aériens classiques (avions, hélicoptères, satellites, etc.). L’altitude d’acquisition des données n’est pas le seul facteur différenciant. En effet, s’ajoute l’évolution des capteurs ainsi que des plateformes qui les embarquent sur la dernière décennie. Ces facteurs sont à la source de l’obtention de données plus robustes et de plus grande résolution. L’accroissement de la résolution temporelle est, elle, rendue possible par la facilité de déploiement du vecteur drone en comparaison à ses homologues. Enfin, les hauteurs de vol des drones, souvent placées en dessous des nuages, est un autre facteur facilitant l’acquisition de données à haute temporalité. Aujourd’hui, les drones sont utilisés dans tous les secteurs de l’économie, notamment en agriculture pour lequel les enjeux économiques et environnementaux sont grands. Le panel d’applications est vaste, comme développé dans l’étude disponible.
Aujourd’hui, les capteurs embarqués sur drone fournissent des informations précieuses sur l’état des cultures et les propriétés des sols permettant la pratique de l’agriculture de précision. Les données qu’ils collectent prennent plusieurs formats en sortie : données numériques brutes, photos, orthophotographies 2D, modèle 3D, MNS/MNT, etc. Leur but est d’aider les exploitants agricoles, techniciens et agronomes à la prise de décision au champ et au choix des meilleurs itinéraires techniques. Mais leurs usages ne s’arrêtent pas uniquement à la production de données, les images acquises en direct servent aussi à des applications de détection comme la découverte de gibiers, le suivi de troupeau ou la levée de doutes via de simples survols. À ce jour, les recherches et services proposés, se concentrent sur l’exploitation des données intégrées dans des modèles agronomiques ou de l’analyse d’image (machine learning, deep learning, etc.). La complémentarité des capteurs est sur ce quoi il faut miser pour proposer des services toujours plus adaptés au terrain et à la réalité des agriculteurs. Les technologies ne cessent d’évoluer, et les performances des capteurs deviennent de plus en plus intéressantes à exploiter.
Pour consulter l’étude globale, cliquez ici
