Numéro |
Cah. Agric.
Volume 33, 2024
Information spatiale et approches territoriales du développement, du diagnostic à la médiation / Spatial information and territorial approaches to development, from diagnosis to mediation. Coordonnateurs : Jérémy Bourgoin, Flavie Cernesson, Elodie Valette
|
|
---|---|---|
Numéro d'article | 27 | |
Nombre de pages | 12 | |
DOI | https://doi.org/10.1051/cagri/2024022 | |
Publié en ligne | 16 octobre 2024 |
Article de synthèse / Review Article
Indicateurs de durabilité écologique des agroécosystèmes dérivés de la télédétection satellitaire : revue systématique
Agroecosystem ecological sustainability indicators derived from satellite remote sensing: a systematic review
1
Laboratoire d’Écologie, de Botanique et de Biologie végétale, Faculté d’Agronomie, Université de Parakou, 03 BP 123 Parakou, Bénin
2
Laboratoire Eau Environnement Développement, Département des Sciences et Gestion de l’Environnement, Arlon Campus Environnement, Faculté des Sciences, UR SPHERES, Université de Liège, 185 avenue de Longwy, B-6700 Arlon, Belgique
3
Laboratoire d’Études et de Recherches Forestières (LERF), Faculté d’Agronomie, Université de Parakou, 03 BP 123 Parakou, Bénin
* Auteur de correspondance : dotou.padonou@gmail.com
Le suivi de la durabilité écologique des agroécosystèmes est nécessaire pour atténuer les impacts négatifs de l’agriculture sur l’environnement. Le développement de l’observation de la terre par satellite permet ce suivi sur de larges zones. Plusieurs indicateurs dérivés de la télédétection satellitaire permettent de le faire. Cette étude propose un inventaire des indicateurs de durabilité écologique (IDE) des agroécosystèmes dérivés de la télédétection satellitaire. Les bases de données Web of Science et Environmental Science Collection ont été explorées à partir d’une équation de recherche. Huit cent articles et revues de littérature scientifiques évalués par les pairs et publiés entre 1990 et 2022 ont été analysés et 49 ont été retenus pour la revue systématique de littérature. Respectivement 12 % et 42 % de ces publications proposaient des IDE dont le calcul dépendait intégralement ou partiellement de données de télédétection satellitaire. Les 46 % restants proposaient des IDE qui, bien que ne dépendant pas actuellement de données de télédétection satellitaire, pouvaient en être dérivés. À partir des 49 publications, 101 IDE des agroécosystèmes dérivés de la télédétection satellitaire ont été inventoriés, dont 32 % étaient basées sur l’analyse de la couverture et de l’utilisation du sol. Cinquante-deux pour cent des IDE évaluaient la capacité des agroécosystèmes à préserver les écosystèmes naturels. Cette étude met en évidence que la disponibilité de données et d’indicateurs dérivés de la télédétection satellitaire peut favoriser un suivi à long terme et à moindre coût de la durabilité écologique des agroécosystèmes. Les particularités des différents agroécosystèmes peuvent nécessiter des indicateurs spécifiques pour le suivi efficace de leur dynamique.
Abstract
Monitoring the ecological sustainability of agroecosystems is essential for mitigating the negative impacts of agriculture on the environment. The development of earth observation by satellite allows this monitoring over a large area. Several indicators derived from satellite remote sensing make it possible to monitor agroecosystems. This study proposes an overview of ecological sustainability indicators (ESI) for agroecosystems derived from satellite remote sensing. The Web of Science and Environmental Science Collection databases were explored using a research equation. Eight hundred peer-reviewed scientific articles and reviews published between 1990 and 2022 were analyzed, and only 49 were selected for the systematic literature review. Respectively 12% and 42% of these publications proposed ESI based entirely or partially on satellite remote sensing. The remaining 46% proposed ESI which, while not currently dependent on satellite remote sensing data, can be derived from it. From the 49 publications, 101 ESI of agroecosystems derived from satellite remote sensing were inventoried, of which 32% were based on analysis of land cover and land use map. Fifty-two percent of the ESI assessed the capacity of agroecosystems to preserve natural ecosystems. This study shows that the availability of data and indicators derived from satellite remote sensing can facilitate long-term, low-cost monitoring of the ecological sustainability of agroecosystems. The particularities of different agroecosystems may also require specific indicators for effective monitoring of their dynamics.
Mots clés : observation satellitaire / agroécosystèmes / couverture du sol / indicateurs / environnement
Key words: satellite observation / agroecosystems / land cover / indicators / environment
© M.J.D.D. Padonou et al., Hosted by EDP Sciences 2024
This is an Open Access article distributed under the terms of the Creative Commons Attribution License CC-BY-NC (https://creativecommons.org/licenses/by-nc/4.0), which permits unrestricted use, distribution, and reproduction in any medium, except for commercial purposes, provided the original work is properly cited.
1 Introduction
Les changements de couverture et d’utilisation des terres, causés notamment par l’expansion de l’agriculture et de l’élevage, sont l’un des principaux facteurs de la perte de biodiversité dans le monde au cours des dernières décennies (Jaureguiberry et al., 2022). Les projections montrent que la population mondiale pourrait atteindre 11 milliards en 2100, avec un quadruplement de la population africaine entre 2013 et 2100 (DeSA, 2013), alors qu’il est admis que la croissance démographique augmente la demande en aliments et autres produits agricoles (Lanz et al., 2018). Pour répondre à cette demande croissante de produits agricoles, l’expansion des terres agricoles de 25 % dans les pays en développement, situés surtout en régions tropicale et subtropicale riches en biodiversité, sera vraisemblablement nécessaire (Balmford et al., 2005). Dans ce contexte, la protection de l’environnement et de la biodiversité dans les agroécosystèmes implique donc l’adoption d’une agriculture durable.
L’agriculture durable vise à développer de nouvelles pratiques agricoles plus sûres et plus conservatrices de la biodiversité (Lichtfouse et al., 2009). Cependant, l’adoption d’une telle agriculture reste encore difficile à cause du manque d’information fiable, des barrières sociales, du régime foncier et de l’incompatibilité des infrastructures (Mohamed et al., 2019). Procéder à une évaluation globale des agroécosystèmes, intégrant les dimensions économique, sociale et écologique, peut faciliter la transition vers une agriculture durable (Gliessman et al., 1998).
L’évaluation de la durabilité des agroécosystèmes a stimulé le développement de plusieurs indicateurs et méthodologies (De Olde et al., 2016), relatifs surtout à la dimension écologique (Lampridi et al., 2019). Au cours des dernières décennies, des recherches ont été menées pour orienter le choix des indicateurs de durabilité (Latruffe et al., 2016). Ces indicateurs se définissent comme une composante ou une mesure de l’état de l’environnement ou de son évolution pouvant servir à son suivi (Heink et Kowarik, 2010). Les recherches réalisées se rapportaient soit à des analyses comparatives en vue d’identifier les meilleures méthodes d’évaluation de la durabilité écologique des agroécosystèmes sur la base de différents critères (Lampridi et al., 2019), soit à l’élaboration d’une typologie d’indicateurs de durabilité écologique (IDE) (Bockstaller et al., 2015). Ces méthodes d’évaluation, qui sont pour la plupart tributaires de collectes de données de terrain à travers des enquêtes, ont été utilisées largement pour évaluer les agroécosystèmes des zones tempérées (Bockstaller et al., 2009). Cependant, l’indisponibilité de données régulièrement actualisées est une limite à l’utilisation des dites méthodes (Latruffe et al., 2016). Dans les régions tropicales, les moyens manquent souvent pour évaluer la durabilité écologique des agroécosystèmes (Burke et al., 2021). Le développement durant ces dernières décennies de la télédétection satellitaire, qui s’est traduite par la disponibilité d’images satellites à haute résolution spectrale, spatiale et temporelle, permet de combler ces lacunes (Onojeghuo et al., 2018). L’utilisation de cette source d’information permet de rendre disponible des données spatio-temporelles actualisées pour l’analyse de la production agricole et la surveillance de l’impact environnemental associé à l’agriculture (Weiss et al., 2020). Cependant, ces données restent encore faiblement utilisées du fait des connaissances limitées sur leur utilisation et sur leur efficacité dans la prise de décision (Burke et al., 2021). Dans l’optique de combler ces lacunes, des recherches se sont penchées sur l’identification des IDE des agroécosystèmes calculés à partir des données de télédétection satellitaire (Hunt et al., 2019). Au regard des multiples études menées, il est impératif d’établir un inventaire des IDE des agroécosystèmes qui sont dérivés ou potentiellement dérivables de la télédétection satellitaire. Notre étude vise à répondre à ce besoin. Elle est structurée autour des deux questions de recherches suivantes :
quelle est la couverture spatio-temporelle des articles et revues de littérature scientifiques portant sur les IDE d’agroécosystèmes qui sont dérivés ou potentiellement dérivables de la télédétection satellitaire ?
quelles sont les méthodes d’analyse et les données de télédétection satellitaire qui sont utilisées dans la détermination des IDE d’agroécosystèmes ?
2 Méthodologie
2.1 Inventaire des IDE d’agroécosystèmes dérivables de la télédétection satellitaire
La revue systématique de littérature est une méthode de synthèse de la connaissance rigoureuse, structurée et reproductible (Rother, 2007). Le cadre de revue systématique de littérature « Preferred Reporting Items for Systematic Reviews and Meta-Analyses » (PRISMA) (Page et al., 2021) a été utilisé.
Les bases de données et dépôts de littérature scientifique Web of Science et Environmental Science Collection (ProQuest) ont été utilisées pour rechercher les articles et revues de littérature scientifiques. Le choix de ces deux bases de données se justifie par le fait qu’elles permettent d’utiliser des termes de recherche complexes et qu’elles assurent une bonne couverture de plusieurs disciplines des sciences environnementales ainsi qu’une haute qualité des publications qu’elles regroupent (McRae, 2017 ; Mongeon et Paul-Hus, 2016).
La revue systématique a été basée sur les articles ou revues de littérature scientifiques évalués par les pairs, publiés entre 1990 et 2022. 1990 correspond au début de l’émergence des besoins d’évaluation de la durabilité écologique des agroécosystèmes (UN, 1992).
Les domaines conceptuels autour desquels la revue systématique a été articulée sont : Ecological; Sustainability; Agroecosystem; Remote sensing; Indicator. En tenant compte de ces domaines, une équation de recherche a été utilisée et son articulation se présente comme suit : (ecological OR environmental OR ecofriendly OR green) AND (sustainability OR durability OR viability) AND (agroecosystem OR “agro-ecosystem” OR “agro ecosystem” OR agri* ecosystem OR agrosystem OR farm* system OR farmsystem OR agroecolo* OR agroforest*) AND (global satellite OR RS OR remote sensing OR satellite OR image* OR drone OR UAV OR space OR spatial) AND (indicator*).
Les articles et revues de littérature sélectionnés sur la base de l’équation de recherche ont fait l’objet d’un examen initial consistant à supprimer les doublons (Totin et al., 2018). Ceux retenus au terme de l’examen initial ont fait l’objet d’une seconde analyse selon 4 critères d’inclusion et d’exclusion (Tab. 1). Hormis le critère relatif au type de publication (article et revue de littérature scientifique), deux critères se rapportent aux objets des publications qui doivent être directement liés à la durabilité écologique des agroécosystèmes avant d’être inclus dans la revue systématique. Le quatrième critère est lié à l’existence d’informations détaillées dans le texte qui permettent d’identifier et de décrire des IDE dérivés ou dérivables de la télédétection satellitaire. Ces critères ont été appliqués à l’examen des titres et des résumés.
Au terme des deux examens précédents, une lecture complète de chacun des articles ou revues de littérature retenus a été effectuée afin d’extraire les données à analyser (Tab. 2). Cinq types de données ont été extraits pour la revue systématique de littérature :
les IDE inventoriés dans l’article ou la revue de littérature, avec une description de la mesure et des images satellitaires utilisées pour évaluer ou quantifier la durabilité écologique ;
les approches d’analyse des images satellitaires pour obtenir les IDE ; ces approches impliquent soit la classification des pixels ou objets des dites images pour en déduire des types de couverture ou d’utilisation des terres, soit l’utilisation de métriques pour évaluer l’état écologique et la dynamique d’un paysage agricole, soit des équations mettant en relation plusieurs indices ou indicateurs dérivés des images satellitaires, soit le calcul d’indices spectraux calculés à partir de combinaisons spécifiques de bandes spectrales d’images satellites ;
les zones climatiques où les IDE sont évalués ;
l’échelle spatiale sur laquelle l’IDE est évalué. Quatre niveaux spatiaux sont considérés : l’exploitation agricole (intégrant plusieurs champs), le niveau local (incluant plusieurs exploitations formant un paysage agricole), régional (incluant plusieurs paysages agricoles) et national (incluant plusieurs régions agricoles) ;
le type d’indicateur, qui peut être soit biologique en se basant sur des caractéristiques biologiques des organismes vivants (telles que la richesse et la diversité spécifique), soit physique en évaluant des paramètres physiques des agroécosystèmes (tels que pente, structure des sols, érodabilité des sols), soit chimique en se basant sur l’analyse des flux des nutriments et des toxines dans l’agroécosystème, soit paysager en reliant la configuration des paysages agraires aux processus écologiques (Smith et al., 1999).
Données extraites des articles et revues de littérature scientifique.
Data extracted from scientific articles and reviews.
2.2 Analyse des données
La statistique descriptive a été utilisée pour synthétiser les données quantitatives relatives aux pays d’utilisation des IDE.
Le test de Mann-Kendall a été utilisé pour détecter les tendances d’évolution du nombre d’articles et de revues de littérature scientifiques par année, après qu’ils ont été convertis en série temporelle. Ce test calcule une mesure de corrélation nommée tau (τ), qui lorsqu’elle est proche de 1 indique une forte tendance croissante, tandis qu’une valeur proche de −1 indique une forte tendance décroissante. La valeur du p-value associée à cette mesure indique si la tendance observée est statistiquement significative.
Un diagramme a été réalisé pour représenter le nombre d’IDE se rapportant aux zones climatiques, échelles spatiales, type d’indicateurs et méthodes d’obtentions des IDE.
Une analyse de contenu thématique a été effectuée à l’aide du logiciel libre Taguettes (Dessus et al., 2022) pour catégoriser et décrire les logiques qui sous-tendent les IDE inventoriés en fonction des approches d’analyse.
3 Résultats
3.1 Analyse de la littérature
La revue systématique de littérature dans les deux bases de données explorées a abouti à l’identification de 800 articles et revues de littérature scientifiques : 465 (58 %) dans Web of Sciences et 335 (42 %) dans Environmental Science Collection (Fig. 1). Après la suppression des doublons (96 articles et revues de littérature), l’examen à partir des titres et des résumés a permis d’exclure 576 articles et revues de littérature, dont 403 (70 %) n’abordent pas les indicateurs de durabilité écologique et 112 (19 %) n’évaluent pas les agroécosystèmes. Les 128 restants ont fait l’objet d’une lecture complète, à l’issue de laquelle 49 (38 %) ont finalement été retenus pour cette revue systématique.
Parmi les 49 articles et revues de littérature inclus, 45 (92 %) sont des articles et 4 (8 %) des revues de littérature scientifique ; 6 (12 %) sont intégralement fondés sur des données de télédétection satellitaire pour la détermination d’IDE ; 21 (42 %) proposent des IDE où les données de télédétection satellitaires sont utilisées partiellement ; et 22 (46 %) n’utilisent pas de données de télédétection satellitaire bien que certains IDE proposés puissent être dérivés des dites données.
Ces 49 articles et revues de littérature présentent des IDE évalués à diverses échelles spatiales : régionale (28), de l’exploitation agricole (11), nationale (9) et à toutes les échelles (1 article).
![]() |
Fig. 1 Étapes de la revue systématique de littérature. “n” est le nombre d’articles et de revues de littérature scientifique. Stages of the systematic literature review. “n” is the number of scientific articles and reviews. |
3.2 Répartition spatio-temporelle des publications
Les années de publication sont comprises entre 1994 et 2022 (Fig. 2). De 1994 à 2003, on trouve en moyenne une publication par an sur le sujet. De 2004 à 2015, la moyenne des publications est de 2,5 et entre 2016 et 2022 de 3,83. De 2016 à 2022, on note un accroissement du nombre de publications avec un pic en 2020 (8 articles et revues de littérature). Il résulte du test de Man-Kendall une valeur de tau (τ = 0,548) suggérant une forte tendance croissante statistiquement significative (P-value = 0,00015 < 0,05) des publications entre 1994 et 2022.
La Chine (n = 14, 32 %) et l’Italie (n = 4, 11 %,) totalisent le plus grand nombre de publications. En revanche, aucune publication n’a été inventoriée dans la plupart des pays d’Afrique, d’Asie ou d’Amérique du Sud (Fig. 3).
![]() |
Fig. 2 Répartition des articles et revues de littérature scientifiques en fonction de l’année. Distribution of scientific articles and reviews by year. |
![]() |
Fig. 3 Pays couverts par les articles scientifiques inclus dans la revue systématique de littérature (n = 45). Countries covered by scientific articles included in the systematic literature review (n = 45). |
3.3 Description des indicateurs de durabilité écologique collectés
À partir des 49 articles et revues de littérature inclus dans la revue systématique, 101 IDE des agroécosystèmes ont été inventoriés. Le Tableau 3 présente un échantillon de ces IDE dont une description détaillée peut être consultée en matériel supplémentaire. La majorité de ces IDE mesurent la capacité des agroécosystèmes à conserver la végétation non cultivée et la faune sauvage (55 indicateurs). Elle est suivie des IDE évaluant la capacité de maintien de la production agricole combinée à la préservation de la fonction et de la structure des écosystèmes naturels (26 indicateurs). 12 IDE mesurent le pourcentage de couverture du sol consacré à des usages agricoles au sein des agroécosystèmes. En revanche, seulement 8 IDE évaluent le niveau de dégradation des ressources naturelles indispensables à la production agricole.
La Figure 4 présente un diagramme de répartition des IDE en fonction du type d’indicateurs, de leur mode de calcul, de l’échelle spatiale ou encore de leur zone climatique. Ainsi, les IDE de type paysagers sont largement dominants (67 %) ; 62 % des IDE évaluent la durabilité des agroécosystèmes à une échelle régionale ; 50 % des IDE ont été implémentés dans des zones à climat tempéré.
Exemple d’indicateurs de durabilité écologique d’agroécosystèmes regroupés par thématique.
Example of agroecosystem ecological sustainability indicators grouped by theme.
![]() |
Fig. 4 Diagramme des 101 indicateurs de durabilité écologique inventoriés. Diagram of the 101 ecological sustainability indicators inventoried. |
3.4 Approches d’analyse de données de télédétection satellitaire utilisées dans la détermination des IDE
Pour l’analyse des IDE, les jeux de données Landsat et les modèles numériques de terrain sont les plus utilisés dans les publications (Tab. 4).
Quatre approches d’analyse de données de télédétection satellitaire sont utilisées dans la détermination des IDE des agroécosystèmes. Il s’agit de l’analyse de la couverture et de l’utilisation du sol (n = 32 ; 31,8 %), de métriques paysagères (n = 37 ; 36,6 %), d’équations (n = 27 ; 26,7 %), et d’indices spectraux (n = 5 ; 4,9 %).
Fréquence de citation des jeux de données satellitaires par les 26 articles et revues de littérature scientifique ayant utilisé ces données.
Frequency of citation of satellite data sets by the 26 articles and reviews using these data.
3.4.1 Analyse de la couverture et de l’utilisation des sols
Les approches regroupées dans l’analyse de la couverture et de l’utilisation des sols impliquent la détermination et la comparaison des proportions de différentes classes de couverture et/ou d’utilisation des sols obtenues à partir de la classification supervisée des pixels ou objets des images satellitaires.
Trois thématiques réparties en 25 occurrences émergent de l’analyse de contenu des logiques sous-tendant les IDE qui sont fondées sur l’analyse de la couverture et de l’utilisation du sol.
La première thématique en terme d’occurrence est celle du niveau de préservation des habitats naturels ou semi-naturels au sein de l’agroécosystème (n = 13, 52 %). Les IDE se rapportant à cette thématique évaluent les rapports entre la proportion d’habitats naturels (forêts, savanes, plan d’eau, etc.) et artificiels (zones agricoles, agglomération, etc.) d’un agroécosystème, afin d’évaluer son niveau de durabilité écologique. L’état hémérobiotique (Peterseil et al., 2004) et l’indicateur de stress environnemental (Focardi et al., 2008) sont deux IDE représentatifs de cette première thématique. Le premier consiste à pondérer des coefficients d’anthropisation relatifs à chaque classe d’usage des terres par les pourcentages surfaciques des dites classes au sein d’une entité spatiale cible (limites administratives, entités paysagères, etc.). Le second procède à la fusion des classes d’usage des terres en macro-classes, qui sont ensuite pondérées par un pool d’expert en fonction de la pression environnementale perçue. Ainsi, selon ces deux IDE, les agroécosystèmes qui sont dominés par les classes d’usage des terres naturelles sont écologiquement plus durables.
La deuxième thématique est relative à l’analyse du niveau de couverture des sols de l’agroécosystème par des pratiques agricoles durables (n = 10 ; 40 %). Les IDE liés à cette thématique évaluent les classes d’usage des zones agricoles afin de déterminer le niveau d’adoption de pratiques agricoles durables (rotation culturale, diversité d’assolement, agroforesterie) au sein des agroécosystèmes. L’intensité des cultures (Gómez-Limón et Riesgo, 2009) est un IDE représentatif de cette deuxième thématique. En évaluant la proportion des superficies dédiées aux cultures par rapport aux superficies effectivement cultivées ou ensemencées au cours d’une année, cet IDE détermine le niveau d’adoption de la jachère – une pratique agricole durable – au sein d’un agroécosystème. Un autre exemple est la durée moyenne de la rotation agricole dans un agroécosystème, déterminée à partir de l’analyse de la dynamique temporelle des types d’usage des terres (Pacini et al., 2011).
La troisième thématique est liée à l’analyse des classes d’usage des zones agricoles pour évaluer le pourcentage de couverture du sol consacré à des usages agricoles (n = 2, 8 %). La proportion de terres arables dans un agroécosystème (Fanelli, 2020) est un IDE représentatif de cette troisième thématique.
3.4.2 Métriques paysagères
Les approches basées sur les métriques paysagères impliquent de caractériser la structure spatiale et la composition des agroécosystèmes en partant des classes de couverture et/ou d’utilisation des sols obtenues grâce à la classification supervisée des pixels ou des objets des images satellitaires.
Les trois thématiques qui ressortent de l’analyse de contenu des logiques sous-tendant les IDE basés sur les métriques paysagères sont, par ordre d’importance d’occurrence : hétérogénéité des éléments paysagers de l’agroécosystème (n = 12, 63 %) ; intensité d’utilisation des terres agricoles (n = 5, 26 %) ; et niveau de fragmentation de l’agroécosystème (n = 2, 11 %).
Les IDE fondés sur les métriques rendant compte de l’hétérogénéité des agroécosystèmes partent généralement des cartes d’analyse de l’utilisation des sols pour évaluer le degré de diversité des taches paysagères. L’un des IDE représentant cette thématique est le pourcentage d’éléments paysagers (haies, rangées d’arbres, murs de pierre, etc.) au sein d’un agroécosystème (Uthes et al., 2020).
Les IDE dérivés des métriques qui analysent l’intensité d’utilisation des terres agricoles sont basés spécifiquement sur l’évaluation de la complexité des formes des taches paysagères de l’agroécosystème comme indicateur de durabilité écologique des agroécosystèmes. C’est le cas de l’indice de forme qui mesure la complexité globale de la forme des taches et de l’indicateur de densité des bordures qui est le rapport moyen entre les périmètres et les surfaces des taches d’un agroécosystèmes (Mancinelli et al., 2018).
3.4.3 Équations combinant plusieurs indicateurs
L’approche fondée sur les équations consiste à intégrer deux ou plusieurs indicateurs ou indices dérivés des images satellitaires pour évaluer la durabilité écologique d’un agroécosystème. Ainsi, l’indice de qualité des terres agricoles (Wang et al., 2021) détermine le niveau de durabilité écologique des agroécosystèmes via l’intégration d’une part d’indicateurs géomorphologiques (pente, topographie, rugosité) et écologiques (configuration des terres agricoles et forestières, etc.) dérivés de la télédétection satellitaire, et d’autre part d’indicateurs pédologiques (pH, matière organique, humidité du sol, etc.) et socio-économiques (capacité d’irrigation, accessibilité, etc.) non dérivés de la télédétection satellitaire.
L’analyse de contenu des logiques sous-tendant les IDE inventoriés dans la catégorie équation fait ressortir une seule thématique : la préservation et l’utilisation durable des ressources naturelles utiles pour soutenir durablement la production agricole (eau, sol, paramètres climatiques, etc.) au sein de l’agroécosystème.
3.4.4 Indices spectraux
Les indices spectraux sont obtenus à partir de la combinaison des réflectances spectrales issues de deux ou plusieurs longueurs d’onde qui permettent de caractériser la surface étudiée.
Les indices spectraux répertoriés comme IDE sont orientés vers la caractérisation des pratiques agricoles durables telles que la couverture du sol par la végétation (normalised vegetation index [Focardi et al., 2008]) ; intensité de travail du sol (indice de différence normalisé pour le travail du sol [Van Deventer et al., 1997]) au sein des agroécosystèmes.
4 Discussion
La présente revue montre une tendance statistiquement significative à la hausse des articles et revues de littérature scientifiques relatives à l’utilisation d’IDE dérivés de données de télédétection satellitaire au cours des dernières décennies. Elle démontre un fort intérêt pour la définition d’IDE des agroécosystèmes basés sur les données de télédétection satellitaire. Cependant, ces articles et revues de littérature couvrent très peu les pays d’Afrique subsaharienne. De plus, ces indicateurs évaluent inéquitablement les différentes composantes et paramètres déterminant la durabilité écologique des agroécosystèmes. Les indicateurs basés sur l’analyse de la couverture et de l’utilisation des sols, les métriques paysagères, les équations et les indices spectraux sont principalement mesurés à une échelle régionale.
L’essor de ces articles et revues de littérature pendant les dix dernières années pourrait s’expliquer par deux facteurs principaux. Le premier est la recherche croissante de solutions aux problèmes de la faim, de l’utilisation non durable des terres et des changements climatiques (Whitcraft et al., 2019). Le second correspond au changement de politique en faveur de l’accès libre aux données de télédétection satellitaire, au plus grand nombre de satellites fournissant des informations de qualité, de manière régulière, dans la durée et gratuitement, ainsi qu’à l’accroissement des performances des infrastructures de mise à disposition (serveurs de géodonnées), de calcul et d’analyse de ces données (Azzari et Lobell, 2017).
La télédétection satellitaire génère des données fiables et comparables pour le suivi de la durabilité des agroécosystèmes à différentes échelles spatio-temporelles (Hunt et al., 2019). La diversité des données de télédétection satellitaire offre ainsi une multiplicité de possibilités pour la caractérisation des agroécosystèmes et le suivi permanent de leur durabilité. Un grand nombre d’IDE basés partiellement ou intégralement sur les données de télédétection satellitaire ont ainsi été conçus et utilisés. Cependant, l’utilisation de la télédétection satellitaire pour le suivi de la durabilité des agroécosystèmes reste inégale à travers le monde. En effet, plusieurs pays en développement et plus particulièrement ceux d’Afrique subsaharienne n’utilisent que faiblement ces données, malgré les efforts pour les rendre accessibles gratuitement (Nakalembe et al., 2021). Ce constat confirme les conclusions de Carletto et al. (2015) et s’explique par plusieurs obstacles qu’il est nécessaire de lever. L’un des obstacles relève de la mauvaise connexion à internet ou des coûts associés à cette connexion (Nakalembe et al., 2021). D’autres obstacles sont liés à l’essor relativement récent de cette technologie, au manque de précision (réel ou perçu par les potentiels utilisateurs) et d’interprétabilité des modèles basés sur les données de télédétection satellitaire, ainsi qu’à l’intérêt persistant pour les méthodes conventionnelles de collecte de données dans certains contextes (Burke et al., 2021). Les méthodes conventionnelles sont basées sur des enquêtes de terrains ou de ménages par les agences nationales et autres organisations. Utilisées depuis plusieurs années, ces méthodes conventionnelles ont été progressivement standardisées par les institutions qui les utilisent systématiquement malgré les coûts et les biais qui leur sont inhérents (Kubitza et al., 2020). Le manque de capacités techniques, d’infrastructures informatiques et d’investissements nécessaires au déploiement des données de télédétection satellitaire, combinés à l’inexistence de cadres politiques incitatifs, expliquent aussi leur faible utilisation dans certains pays (Nakalembe et al., 2021).
Les impacts négatifs causés par les techniques agricoles modernes ont conduit à un besoin croissant d’une gestion écologiquement durable des agroécosystèmes (Mancinelli et al., 2018). Des quatre approches d’analyse de données de télédétection satellitaire utilisées dans la détermination des IDE des agroécosystèmes, celles fondées sur l’analyse de la couverture et de l’utilisation des sols et sur les métriques paysagères sont les plus importantes. Elles sont cependant tributaires de la disponibilité de cartes de couverture et d’utilisation des sols de bonne qualité, cartes qui jouent un rôle clé dans l’évaluation des questions environnementales en général (Xiuwan, 2002). Heureusement, ces dernières années, la disponibilité des images satellitaires à haute résolution spatiale, temporelle, radiométrique et spectrale d’une part et l’amélioration des techniques de classification d’images d’autre part, permettent d’améliorer la fiabilité et la précision des cartes d’occupation des terres (Macarringue et al., 2022). Cette amélioration contribuera à une hausse qualitative de l’efficacité et de la précision des IDE dérivés de l’analyse de la couverture et de l’utilisation des sols et des métriques paysagères.
En outre, les IDE basés sur les métriques paysagères permettent d’inclure les hétérogénéités compositionnelles et configurationnelles des paysages et leur variation temporelle, qui sont essentielles dans la caractérisation de la durabilité écologique des agroécosystèmes (dos Santos et al., 2021).
Contrairement aux approches fondées sur l’analyse de la couverture et de l’utilisation des sols et des métriques paysagères, les approches basées sur les équations permettent d’intégrer différents facteurs biophysiques (issus ou non de la télédétection) et socio-économiques (non issus de la télédétection) pour déterminer la durabilité écologique des agroécosystèmes.
Les IDE basés sur les indices spectraux connaissent également une hausse de précision et de fiabilité du fait de la disponibilité des images à haute résolution spatiale, temporelle, radiométrique et spectrale d’une part et de l’amélioration de la technologie des capteurs et de l’intégration de l’intelligence artificielle d’autre part (Martos et al., 2021).
L’évaluation de la durabilité écologique des agroécosystèmes implique la prise en compte de trois composantes (Meyer et al., 1992) :
la durabilité, conçue comme la capacité des agroécosystèmes à maintenir la production agricole dans le temps sans menacer les fonctions et les structures des écosystèmes ;
la contamination des ressources naturelles, qui se traduit par la dégradation de la qualité de l’air, du sol, de l’eau et de la biodiversité par les résidus issus des pratiques agricoles tels que les engrais, les pesticides, les agents pathogènes et les sédiments ;
la qualité des agroécosystèmes, conçue comme leur capacité à soutenir la végétation non cultivée et la faune sauvage.
L’analyse des IDE dérivés de la télédétection satellitaire suivant les quatre approches inventoriées dans le cadre de la présente revue systématique de littérature – analyse de la couverture et de l’utilisation des sols, métriques paysagères, équations et indices spectraux – révèle une prépondérance des indicateurs évaluant la qualité des agroécosystèmes et leur durabilité. Par contre peu d’indicateurs prennent en compte la composante relative à la contamination des ressources naturelles. Cette composante, qui est l’objet de l’écotoxicologie des paysages (dos Santos et al., 2021), est essentielle pour caractériser de façon holistique la durabilité écologique des agroécosystèmes. L’augmentation du nombre de satellites thématiques générant des images à très haute résolution, telle que notée par Navalgund et al. (2007), pourrait induire dans les prochaines années une croissance des indicateurs évaluant cette composante.
Par ailleurs, les facteurs socio-économiques, psychologiques et culturels à la base de la dynamique des agroécosystèmes (dos Santos et al., 2021) sont faiblement pris en compte dans la détermination des IDE. Il est alors important de développer des IDE intégrant ces facteurs, qui peuvent être mobilisés par des études socioécologiques approfondies.
En termes d’échelle spatiale, la présente étude révèle que les IDE sont conçus majoritairement pour une évaluation à un niveau régional. L’augmentation des images satellitaire à très haute résolution permettant le passage d’une cartographie des terres agricoles par pixel à une cartographie par objet (Blaschke et al., 2014) et offrant l’avantage de l’extraction des informations détaillées à une échelle très fine (Castillejo-González et al., 2009) pourrait induire dans les prochaines années un essor des IDE pour évaluer plus précisément la durabilité écologique à l’échelle des champs.
La présente revue systématique de littérature a permis d’inventorier des indicateurs de durabilité écologique des agroécosystèmes dérivés de la télédétection satellitaire. Elle a mis en exergue les disparités en termes de couverture géographique des publications relatives à ces indicateurs. Ainsi, elle a permis d’identifier les zones où les IDE d’agroécosystème dérivés de la télédétection satellitaire ont besoin d’être testés. Elle a également identifié un certain nombre d’indicateurs et de jeux de données qui sont traditionnellement mobilisés pour la mise en place d’un cadre d’évaluation de la durabilité écologique des agroécosystèmes essentiellement basé sur la télédétection satellitaire.
L’une des limites de la présente revue réside dans les critères d’inclusion et d’exclusion des publications scientifiques. En effet, pour circonscrire le cadre de cette revue systématique, seules deux bases de données ont été explorées pour identifier les publications scientifiques pertinentes. Il est fort probable qu’en utilisant des bases de données bibliographiques supplémentaires, une plus grande variété de travaux de recherche, et donc d’indicateurs, pourraient être recensés.
5 Conclusion
Cette revue de littérature met en évidence une augmentation au cours des dernières décennies des publications traitant de l’utilisation de données de télédétection satellitaire pour le suivi de la durabilité écologique des agroécosystèmes. Cependant, ces publications ne sont pas uniformément réparties à l’échelle mondiale, avec un accent moindre sur les pays d’Afrique subsaharienne.
Les images à haute et très haute résolution spatiale, disponibles grâce à la télédétection satellitaire, émergent comme une alternative prometteuse pour suivre la durabilité écologique des agroécosystèmes. Les jeux de données Landsat et les modèles numériques de terrain sont les données les plus utilisées dans l’évaluation de la durabilité écologique des agroécosystèmes en Europe et en Asie. Les indicateurs de durabilité écologique qui en découlent se concentrent principalement sur des aspects paysagers, impliquant une analyse approfondie de la couverture et de l’utilisation des terres, des métriques paysagères, des équations et des indices spectraux.
Ces indicateurs répertoriés offrent une base solide pour le développement d’un cadre d’évaluation de la durabilité écologique des agroécosystèmes, principalement ancré dans l’utilisation de données de télédétection satellitaire. Cependant, le développement opérationnel de ce type de cadre d’évaluation nécessite une analyse de faisabilité pour évaluer la praticabilité du calcul des indicateurs dans les contextes spécifiques des agroécosystèmes à évaluer.
Matériel supplémentaire
Tableau supplémentaire I : Indicateurs de durabilité écologique d’agroécosystèmes inventoriés pour la thématique « conservation de la végétation non cultivée et de la faune sauvage » (ACS : Analyse de la couverture du sol ; MP : Métrique paysager ; EQ : Equation ; IS : Indices spectraux).
Tableau supplémentaire II : Indicateurs de durabilité écologique d’agroécosystèmes inventoriés pour la thématique « Maintien de production et préservation des écosystèmes naturels » (ACS : Analyse de la couverture du sol ; MP : Métrique paysager ; EQ : Equation ; IS : Indices spectraux).
Tableau supplémentaire III : Indicateurs de durabilité écologique d’agroécosystèmes inventoriés pour la thématique « Couverture du sol par l’agriculture » et « Dégradation des ressources naturelles » (ACS : Analyse de la couverture du sol ; MP : Métrique paysager ; EQ : Equation ; IS : Indices spectraux).
Access hereRemerciements
Nous remercions le projet Observatoire pilote des paysages et des dynamiques agricoles du Bénin (OBSYDYA, https://www.obsydya.org/) pour avoir soutenu financièrement cette recherche via une bourse de thèse du premier auteur.
Conflits d’intérêts
Les auteurs ne déclarent aucun conflit d’intérêts. Le financeur n’a joué aucun rôle dans la conception méthodologique de l’étude, dans la collecte, l’analyse ou l’interprétation des données, dans la rédaction du manuscrit ou dans la décision de publier les résultats.
Contribution des auteurs
Conceptualisation : M.P., A.D. et G.G. ; méthodologie : M.P., A.D. et G.G. ; logiciel : M.P. ; analyse : M.P., A.D. ; investigation : M.P. ; rédaction – version originale : M.P. ; rédaction – révision et édition : M.P., A.D. et G.G. ; supervision : A.D., G.G., Y.H., B.T. ; administration du projet : A.D., Y.H., G.G. et B.T. ; acquisition du financement : A.D., Y.H. et B.T.
Références
- Azzari G, Lobell D. 2017. Landsat-based classification in the cloud: An opportunity for a paradigm shift in land cover monitoring. Remote Sensing of Environment 202: 64–74. https://doi.org/10.1016/j.rse.2017.05.025. [CrossRef] [Google Scholar]
- Balmford A, Green RE, Scharlemann JP. 2005. Sparing land for nature: Exploring the potential impact of changes in agricultural yield on the area needed for crop production. Global Change Biology 11(10): 1594–1605. https://doi.org/10.1111/j.1365-2486.2005.001035.x. [CrossRef] [Google Scholar]
- Blaschke T, Hay GJ, Kelly M, Lang S, Hofmann P, Addink E, et al. 2014. Geographic object-based image analysis–towards a new paradigm. ISPRS journal of photogrammetry and remote sensing 87: 180–191. https://doi.org/10.1016/j.isprsjprs.2013.09.014. [CrossRef] [PubMed] [Google Scholar]
- Bockstaller C, Feschet P, Angevin F. 2015. Issues in evaluating sustainability of farming systems with indicators. Oléagineux, Corps Gras, Lipides 22(1): 1–12. https://doi.org/10.1051/ocl/2014052. [Google Scholar]
- Bockstaller C, Guichard L, Keichinger O, Girardin P, Galan MB, Gaillard G. 2009. Comparison of methods to assess the sustainability of agricultural systems. A review. Agronomy for sustainable development 29: 223–235. https://doi.org/10.1051/agro:2008058. [CrossRef] [EDP Sciences] [Google Scholar]
- Burke M, Driscoll A, Lobell DB, Ermon S. 2021. Using satellite imagery to understand and promote sustainable development. Science 371(6535): eabe8628. https://doi.org/10.1126/science.abe8628. [CrossRef] [PubMed] [Google Scholar]
- Carletto C, Jolliffe D, Banerjee R. 2015. From tragedy to renaissance: Improving agricultural data for better policies. The Journal of Development Studies 51(2): 133–148. https://doi.org/10.1080/00220388.2014.968140. [CrossRef] [Google Scholar]
- Castillejo-González IL, López-Granados F, García-Ferrer A, Peña-Barragán JM, Jurado-Expósito M, de la Orden MS, et al. 2009. Object-and pixel-based analysis for mapping crops and their agro-environmental associated measures using QuickBird imagery. Computers and Electronics in Agriculture 68(2): 207–215. https://doi.org/10.1016/j.compag.2009.06.004. [CrossRef] [Google Scholar]
- De Olde EM, Oudshoorn FW, Sørensen CA, Bokkers EA, De Boer IJ. 2016. Assessing sustainability at farm-level: Lessons learned from a comparison of tools in practice. Ecological Indicators 66: 391–404. https://doi.org/10.1016/j.ecolind.2016.01.047. [CrossRef] [Google Scholar]
- DeSA UN. 2013. World Population Prospects: 2012 Revision. New York (USA). [Google Scholar]
- Dessus P, Dascalu M, Mandran N, Gutu-Robu GS, Dormoy-Fournier C, Ruseti SS. 2022. L’analyse sémantique automatique pour étudier les discussions visant la construction collaborative de connaissances. Dijon (France): Editions Raison et Passions, pp. 575–589. https://doi.org/10.3917/rp.alber.2022.02.0578. [Google Scholar]
- dos Santos JS, Dodonov P, Oshima JEF, Martello F, de Jesus AS, Ferreira ME, et al. 2021. Landscape ecology in the Anthropocene: An overview for integrating agroecosystems and biodiversity conservation. Perspectives in Ecology and Conservation 19(1): 21–32. https://doi.org/10.1016/j.pecon.2020.11.002. [CrossRef] [Google Scholar]
- Fanelli RM. 2020. The spatial and temporal variability of the effects of agricultural practices on the environment. Environments 7(4): 33. https://doi.org/10.3390/environments7040033. [CrossRef] [Google Scholar]
- Focardi S, Loiselle SA, Mazzuoli S, Bracchini L, Dattilo AM, Rossi C. 2008. Satellite-based indices in the analysis of land cover for municipalities in the province of Siena, Italy. Journal of Environmental Management 86(2): 383–389. https://doi.org/10.1016/j.jenvman.2006.08.011. [CrossRef] [PubMed] [Google Scholar]
- Gliessman SR, Engles E, Krieger R. 1998. Agroecology: Ecological processes in sustainable agriculture. CRC press. [Google Scholar]
- Gómez-Limón JA, Riesgo L. 2009. Alternative approaches to the construction of a composite indicator of agricultural sustainability: An application to irrigated agriculture in the Duero basin in Spain. Journal of environmental management 90(11): 3345–3362. https://doi.org/10.1016/j.jenvman.2009.05.023. [CrossRef] [PubMed] [Google Scholar]
- Heink U, Kowarik I. 2010. What are indicators? On the definition of indicators in ecology and environmental planning. Ecological indicators 10(3): 584–593. https://doi.org/10.1016/j.ecolind.2009.09.009. [CrossRef] [Google Scholar]
- Hunt ML, Blackburn GA, Rowland CS. 2019. Monitoring the sustainable intensification of arable agriculture: The potential role of earth observation. International Journal of Applied Earth Observation and Geoinformation 81: 125–136. https://doi.org/10.1016/j.jag.2019.05.013. [CrossRef] [Google Scholar]
- Jaureguiberry P, Titeux N, Wiemers M, Bowler DE, Coscieme L, Golden AS, et al. 2022. The direct drivers of recent global anthropogenic biodiversity loss. Science advances 8(45): eabm9982. https://doi.org/10.1126/sciadv.abm9982. [CrossRef] [PubMed] [Google Scholar]
- Kubitza C, Krishna VV, Schulthess U, Jain M. 2020. Estimating adoption and impacts of agricultural management practices in developing countries using satellite data. A scoping review. Agronomy for Sustainable Development 40: 1–21. https://doi.org/10.1007/s13593-020-0610-2. [CrossRef] [Google Scholar]
- Lampridi MG, Sørensen CG, Bochtis D. 2019. Agricultural sustainability: A review of concepts and methods. Sustainability 11(18): 5120. https://doi.org/10.3390/su11185120. [CrossRef] [Google Scholar]
- Lanz B, Dietz S, Swanson T. 2018. The expansion of modern agriculture and global biodiversity decline: An integrated assessment. Ecological Economics 144: 260–277. https://doi.org/10.1016/j.ecolecon.2017.07.018. [CrossRef] [Google Scholar]
- Latruffe L, Diazabakana A, Bockstaller C, Desjeux Y, Finn J, Kelly E, et al. 2016. Measurement of sustainability in agriculture: A review of indicators. Studies in Agricultural Economics 118(3): 123–130. https://dx.doi.org/10.7896/j.1624. [CrossRef] [Google Scholar]
- Lichtfouse E, Navarrete M, Debaeke P, Véronique S, Alberola C. 2009. Sustainable agriculture. Paris (France): EDP Sciences, Springer, pp. 1–7. https://doi.org/10.1007/978-90-481-2666-8. [Google Scholar]
- Macarringue LS, Bolfe É, Pereira PRM. 2022. Developments in land use and land cover classification techniques in remote sensing: A review. Journal of Geographic Information System 14(1): 1–28. https://doi.org/10.4236/jgis.2022.141001. [CrossRef] [Google Scholar]
- Mancinelli R, Di Felice V, Karkalis K, Bari S, Radicetti E, Campiglia E. 2018. Assessment of the state of agroecosystem sustainability using landscape indicators: A comparative study of three rural areas in Greece. International Journal of Sustainable Development & World Ecology 25(1): 35–46. https://doi.org/10.1080/13504509.2016.1277377. [CrossRef] [Google Scholar]
- Martos V, Ahmad A, Cartujo P, Ordoñez J. 2021. Ensuring agricultural sustainability through remote sensing in the era of agriculture 5.0. Applied Sciences 11(13): 5911. https://doi.org/10.3390/app11135911. [CrossRef] [Google Scholar]
- McRae J. 2017. ProQuest Environmental Science Collection. The Charleston Advisor 19(2): 44–47. https://doi.org/10.5260/chara.19.2.44. [CrossRef] [Google Scholar]
- Meyer JR, Campbell CL, Moser TJ, Hess GR, Rawlings JO, Peck S, et al. 1992. Indicators of the ecological status of agroecosystems. Ecological Indicators 1: 629–658. https://doi.org/10.1007/978-1-4615-4659-7_35. [CrossRef] [Google Scholar]
- Mohamed ES, Abu-hashim M, AbdelRahman MA, Schütt B, Lasaponara R. 2019. Evaluating the effects of human activity over the last decades on the soil organic carbon pool using satellite imagery and GIS techniques in the Nile Delta Area, Egypt. Sustainability 11(9): 2644. https://doi.org/10.3390/su11092644. [CrossRef] [Google Scholar]
- Mongeon P, Paul-Hus A. 2016. The journal coverage of Web of Science and Scopus: A comparative analysis. Scientometrics 106: 213–228. https://doi.org/10.1007/s11192-015-1765-5. [CrossRef] [Google Scholar]
- Nakalembe C, Becker-Reshef I, Bonifacio R, Hu G, Humber ML, Justice CJ, et al. 2021. A review of satellite-based global agricultural monitoring systems available for Africa. Global Food Security 29: 100543. https://doi.org/10.1016/j.gfs.2021.100543. [CrossRef] [Google Scholar]
- Navalgund RR, Jayaraman V, Roy P. 2007. Remote sensing applications: An overview. current science 93: 1747–1766. https://www.jstor.org/stable/24102069. [Google Scholar]
- Onojeghuo AO, Blackburn GA, Huang J, Kindred D, Huang W. 2018. Applications of satellite ‘hyper-sensing’in Chinese agriculture: Challenges and opportunities. International Journal of Applied Earth Observation and Geoinformation 64: 62–86. https://doi.org/10.1016/j.jag.2017.09.005. [CrossRef] [Google Scholar]
- Pacini GC, Lazzerini G, Vazzana C. 2011. AESIS: A support tool for the evaluation of sustainability of agroecosystems. Example of applications to organic and integrated farming systems in Tuscany, Italy. Italian Journal of Agronomy 6(1): e3–e3. https://doi.org/10.4081/ija.2011.e3. [CrossRef] [Google Scholar]
- Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. 2021. The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. International journal of surgery 88: 105906. https://doi.org/10.1016/j.ijsu.2021.105906. [CrossRef] [Google Scholar]
- Peterseil J, Wrbka T, Plutzar C, Schmitzberger I, Kiss A, Szerencsits E, et al. 2004. Evaluating the ecological sustainability of Austrian agricultural landscapes—the SINUS approach. Land use policy 21(3): 307–320. https://doi.org/10.1016/j.landusepol.2003.10.011. [CrossRef] [Google Scholar]
- Rother ET. 2007. Systematic literature review X narrative review. Acta paulista de enfermagem 20: v–vi. https://doi.org/10.1590/S0103-21002007000200001. [CrossRef] [Google Scholar]
- Smith O, Petersen G, Needelman B. 1999. Environmental indicators of agroecosystems. Advances in agronomy 69: 75–97. https://doi.org/10.1016/S0065-2113(08)60947-5. [CrossRef] [Google Scholar]
- Totin E, Segnon AC, Schut M, Affognon H, Zougmoré RB, Rosenstock T, et al. 2018. Institutional perspectives of climate-smart agriculture: A systematic literature review. Sustainability 10(6): 1990. https://doi.org/10.3390/su10061990. [CrossRef] [Google Scholar]
- UN. 1992. Convention on biological diversity. http://www.cbd.int/doc/legal/cbd-en.pdf. [Google Scholar]
- Uthes S, Kelly E, König HJ. 2020. Farm-level indicators for crop and landscape diversity derived from agricultural beneficiaries data. Ecological Indicators 108: 105725. https://doi.org/10.1016/j.ecolind.2019.105725. [CrossRef] [Google Scholar]
- Van Deventer A, Ward A, Gowda P, Lyon J. 1997. Using thematic mapper data to identify contrasting soil plains and tillage practices. Photogrammetric engineering and remote sensing 63: 87–93. [Google Scholar]
- Wang L, Zhou Y, Li Q, Xu T, Wu Z, Liu J. 2021. Application of three deep machine-learning algorithms in a construction assessment model of farmland quality at the county scale: Case study of Xiangzhou, Hubei Province, China. Agriculture 11(1): 72. https://doi.org/10.3390/agriculture11010072. [CrossRef] [Google Scholar]
- Weiss M, Jacob F, Duveiller G. 2020. Remote sensing for agricultural applications: A meta-review. Remote sensing of environment 236: 111402. https://doi.org/10.1016/j.rse.2019.111402. [CrossRef] [Google Scholar]
- Whitcraft AK, Becker-Reshef I, Justice CO, Gifford LKavvada A, Jarvis I. 2019. No pixel left behind: Toward integrating Earth Observations for agriculture into the United Nations Sustainable Development Goals framework. Remote Sensing of Environment 235: 111470. https://doi.org/10.1016/j.rse.2019.111470. [CrossRef] [Google Scholar]
- Xiuwan C. 2002. Using remote sensing and GIS to analyse land cover change and its impacts on regional sustainable development. International journal of remote sensing 23(1): 107–124. https://doi.org/10.1080/01431160010007051. [CrossRef] [Google Scholar]
- Zhen L, Routray JK. 2003. Operational indicators for measuring agricultural sustainability in developing countries. Environmental management 32: 34–46. https://doi.org/10.1007/s00267-003-2881-1. [CrossRef] [PubMed] [Google Scholar]
Citation de l’article : Padonou MJDD, Denis A, Hountondji Y-CH, Tychon B, Gouwakinnou GN. 2024. Indicateurs de durabilité écologique des agroécosystèmes dérivés de la télédétection satellitaire : revue systématique. Cah. Agric. 33: 27. https://doi.org/10.1051/cagri/2024022
Liste des tableaux
Données extraites des articles et revues de littérature scientifique.
Data extracted from scientific articles and reviews.
Exemple d’indicateurs de durabilité écologique d’agroécosystèmes regroupés par thématique.
Example of agroecosystem ecological sustainability indicators grouped by theme.
Fréquence de citation des jeux de données satellitaires par les 26 articles et revues de littérature scientifique ayant utilisé ces données.
Frequency of citation of satellite data sets by the 26 articles and reviews using these data.
Liste des figures
![]() |
Fig. 1 Étapes de la revue systématique de littérature. “n” est le nombre d’articles et de revues de littérature scientifique. Stages of the systematic literature review. “n” is the number of scientific articles and reviews. |
Dans le texte |
![]() |
Fig. 2 Répartition des articles et revues de littérature scientifiques en fonction de l’année. Distribution of scientific articles and reviews by year. |
Dans le texte |
![]() |
Fig. 3 Pays couverts par les articles scientifiques inclus dans la revue systématique de littérature (n = 45). Countries covered by scientific articles included in the systematic literature review (n = 45). |
Dans le texte |
![]() |
Fig. 4 Diagramme des 101 indicateurs de durabilité écologique inventoriés. Diagram of the 101 ecological sustainability indicators inventoried. |
Dans le texte |
Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.
Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.
Le chargement des statistiques peut être long.