Predicting Paddy Rice NDVI from Meteorological Variables Using Linear Regression

Résumé technique : Prédiction de l'indice NDVI du riz irrigué à partir de variables météorologiques par régression linéaire

Énoncé du problème
Les indices de végétation, particulièrement l'indice de végétation par différence normalisée (NDVI), sont essentiels pour surveiller la croissance et la santé des cultures. Bien que le NDVI dérivé par satellite offre une couverture spatiale étendue, il souffre de limitations de résolution temporelle dues aux conditions météorologiques (ex. : nuages, précipitations) et aux cycles d'observation. À l'inverse, les capteurs au sol fournissent des données in situ à haute fréquence, mais manquent d'étendue spatiale. Ces limitations entravent l'allocation rapide des ressources et la prise de décision dans la gestion des cultures. Bien que diverses approches d'apprentissage automatique (ML), incluant des modèles d'apprentissage profond comme le Long Short-Term Memory (LSTM), aient été proposées pour prédire le NDVI à l'aide de données climatiques, elles nécessitent souvent des principes physiques complexes ou de grands ensembles de données et manquent d'interprétabilité. Cette étude répond au besoin d'un modèle de prédiction du NDVI pour le riz irrigué qui soit rapide, précis et interprétable, reposant sur des données météorologiques et des capteurs de réflectance spectrale au sol, spécifiquement adapté aux environnements agricoles où l'efficacité computationnelle est primordiale.

Méthodologie
L'étude a développé et évalué des modèles prédictifs utilisant des variables météorologiques pour estimer la moyenne quotidienne du NDVI du riz irrigué.

• Collecte de données : Les données ont été collectées sur cinq saisons de croissance (2020–2024) à partir d'un champ de riz unique à Sacheon-si, en Corée du Sud. Les données météorologiques (précipitations, humidité, rayonnement solaire, température, vitesse du vent) ont été enregistrées chaque heure par une station météo automatique ATMOS-41. Le NDVI a été mesuré chaque heure à l'aide d'un capteur de réflectance spectrale (SRS) fixe au sol.
• Variables d'entrée : Huit caractéristiques ont été considérées : la température moyenne quotidienne (MTEM), la température accumulée (ATEM), le rayonnement solaire quotidien (SOL), le rayonnement solaire accumulé (ASOL), les précipitations quotidiennes (DPR), les précipitations accumulées (APR), les précipitations antécédentes sur 3 jours (PPR) et les jours après le repiquage (DAT).
• Configuration du modèle : L'étude a généré 255 modèles distincts représentant toutes les combinaisons possibles des huit variables d'entrée. Deux algorithmes principaux ont été employés :
  1. Régression linéaire multiple (MLR) : Modélisation des relations linéaires entre les variables dépendantes et indépendantes.
  2. Régression polynomiale (PR) : Extension de la régression linéaire pour capturer les relations non linéaires en utilisant des termes quadratiques (PR2) et cubiques (PR3).
• Entraînement et validation : Les modèles ont été entraînés via une descente de gradient stochastique (SGD) avec une régularisation Elastic Net pour prévenir le surapprentissage. Les hyperparamètres ont été optimisés par GridSearchCV avec une validation croisée à cinq plis.
• Métriques d'évaluation : La performance a été évaluée à l'aide de l'erreur quadratique moyenne (MSE), de la racine de l'erreur quadratique moyenne (RMSE), de l'erreur absolue moyenne (MAE) et du coefficient de détermination ($R^2$).

Résultats clés

• Performance des modèles : Les modèles de régression polynomiale (PR) ont nettement surpassé les modèles de régression linéaire multiple (MLR). Le meilleur modèle PR3 (C8-1, utilisant les huit variables) a atteint un $R^2$ de 0,754, contre un $R^2$ de 0,528 pour le meilleur modèle MLR.
• Non-linéarité : Le modèle PR2 a démontré que la capture des relations non linéaires était cruciale. Notamment, un modèle PR2 à variable unique utilisant uniquement les « jours après le repiquage » (DAT) a atteint un $R^2$ de 0,582, surpassant les modèles MLR multi-variables (par exemple, le modèle MLR à cinq variables C5-2 avait un $R^2$ de 0,528).
• Importance des variables :
  • Influence élevée : Le DAT, la température moyenne quotidienne, la température accumulée, le rayonnement solaire quotidien et le rayonnement solaire accumulé étaient les prédicteurs les plus influents.
  • Cumulatif vs Quotidien : Les variables cumulatives (ATEM, ASOL) présentaient un pouvoir explicatif plus fort que leurs homologues quotidiennes (MTEM, SOL), suggérant que les conditions climatiques à long terme dirigent la vigueur des cultures plus que les fluctuations à court terme.
  • Faible influence : Les variables liées aux précipitations (DPR, APR, PPR) ont montré une capacité prédictive relativement faible.
• Complexité vs Précision : L'augmentation de la complexité du modèle de PR2 à PR3 n'a apporté que des améliorations négligeables de performance (par exemple, le $R^2$ est passé de 0,738 à 0,754 pour le modèle à variables complètes). L'étude a identifié que les modèles avec quatre variables ou plus en PR2 (par exemple, C4-60 avec un $R^2$ = 0,730) offraient un équilibre pratique entre précision et simplicité.

Signification et affirmations
Les auteurs affirment que les modèles basés sur la régression linéaire, spécifiquement lorsqu'ils sont enrichis de termes polynomiaux, offrent une alternative hautement efficace aux modèles d'apprentissage profond complexes (comme LSTM) pour la prédiction du NDVI agricole. L'étude met en avant trois avantages principaux :

1. Interprétabilité : Contrairement aux modèles d'apprentissage profond de type « boîte noire », les modèles de régression linéaire et polynomiale permettent d'identifier clairement les facteurs météorologiques influents.
2. Efficacité computationnelle : Ces modèles sont très légers sur le plan computationnel, ce qui les rend adaptés à la prise de décision en temps réel dans les contextes agricoles.
3. Robustesse avec des données limitées : Les modèles ont démontré une performance stable même avec des ensembles de données plus restreints, ce qui est souvent une contrainte dans les études de terrain agricoles spécifiques.

L'article conclut que si les modèles d'apprentissage profond excellent dans la capture des dépendances à long terme, l'approche de régression linéaire proposée offre une précision prédictive comparable avec une transparence et une efficacité accrues. L'étude suggère que pour la surveillance du riz irrigué, se concentrer sur la température et le rayonnement solaire cumulés ainsi que sur le stade de croissance (DAT) est plus critique que les données de précipitations, particulièrement dans le climat humide de la zone d'étude. Les auteurs recommandent des recherches futures sur les modèles hybrides intégrant les forces de l'approche linéaire et de l'apprentissage profond, ainsi que des investigations sur la performance des modèles sous des conditions météorologiques extrêmes et sur différents types de cultures.