A Precision Imaging Approach to Assess Photovoltaic- Induced Shading Dynamics in Grapevine

Résumé Technique : Une approche d'imagerie de précision pour évaluer la dynamique de l'ombrage induit par le photovoltaïque dans la vigne

Énoncé du problème
La viticulture dans les environnements méditerranéens est confrontée à des contraintes croissantes liées à l'élévation des températures et à un rayonnement solaire excessif, qui accélèrent la maturation et compromettent la qualité du raisin. Bien que les systèmes agrivoltaïques (AV) offrent une double solution de production d'énergie renouvelable et d'ombrage partiel, l'environnement lumineux qu'ils créent est hautement dynamique et spatialement hétérogène, sous l'influence de la position du soleil, de la géométrie des panneaux et de l'architecture de la canopée. Les méthodes traditionnelles d'évaluation de l'ombrage, telles que les ratios de couverture au sol (GCR) ou les indicateurs de configuration statique, ne parviennent pas à capturer les régimes lumineux en temps réel à l'échelle de la plante subis par la vigne. De plus, les approches de modélisation existantes reposent souvent sur des hypothèses simplificatrices concernant la transmittance de la canopée, lesquelles peuvent ne pas refléter les schémas d'ombrage intermittents et complexes des vignobles commerciaux. Il existe un besoin critique de méthodes de terrain non destructives pour quantifier ces dynamiques d'ombrage spatio-temporelles et les lier directement aux réponses physiologiques des plantes.

Méthodologie
L'étude a été menée durant la saison de croissance 2025 dans un vignoble de Vitis vinifera cv. Falanghina dans le sud de l'Italie, situé sous une structure agrivoltaïque composée de panneaux à couches minces en silicium amorphe. La recherche a employé une approche d'imagerie RGB en mode accéléré (time-lapse) à proximité de la surface, combinée à des mesures radiométriques et physiologiques.

• Dispositif expérimental : Deux positions distinctes de la vigne ont été suivies : l'Ombre Agrivoltaïque (AVS - Agrivoltaic Shade), caractérisée par une forte exposition à l'ombrage induit par les panneaux, et la Lumière Agrivoltaïque (AVL - Agrivoltaic Light), avec une exposition moindre.
• Système d'imagerie : Deux caméras de type time-lapse Brinno BCC2000 ont été installées à 2,0 m du sol, orientées orthogonalement aux poteaux de montage des PV pour capturer les côtés est (07:00–13:00) et ouest (14:00–18:00) de la canopée. Les images ont été acquises toutes les heures de juillet à septembre.
• Analyse d'images : Un flux de travail dédié utilisant le logiciel photoQuad a été mis en œuvre. Cela impliquait :
  1. Calibration : Utilisation de la largeur connue du poteau de support PV (9,30 cm) pour convertir les pixels en distances réelles.
  2. Segmentation : Application d'un algorithme de fusion de régions statistiques (SRM) multi-échelle pour distinguer les zones ombragées de la canopée illuminée.
  3. Quantification : Calcul du pourcentage de la surface de la canopée ombragée au sein de quadrats définis (7910,12 cm²) pour chaque traitement.
• Mesures physiologiques et radiométriques :
  • Conductance stomatique ($g_s$) et température foliaire : Mesurées deux fois par mois sur 18 vignes (9 par traitement) à l'aide d'un poromètre portable.
  • Radiométrie : Le rayonnement photosynthétiquement actif (PAR) continu a été surveillé sous les panneaux et dans une zone de contrôle en plein soleil. Des données spectrales (PPFD, densités de flux de photons par bande pour le bleu, le vert, le rouge et le rapport Rouge:Far-Red) ont été collectées à l'aide d'un spectromètre portable.
• Analyse statistique : Des tests non paramétriques (Kruskal-Wallis, test de Dunn) ont été utilisés pour les comparaisons de traitements, et le coefficient de corrélation de rang de Kendall ($\tau$) a été employé pour évaluer les relations entre les métriques d'ombrage et les variables physiologiques.

Résultats clés

• Dynamique de l'ombrage : Le traitement AVS a présenté un ombrage moyen significativement plus élevé (76,14 %) que l'AVL (39,45 %, $p < 0,0001$). L'AVS est resté systématiquement ombragé tout au long de la journée (atteignant un pic de 89,49 % en fin d'après-midi), tandis que l'AVL présentait un ombrage plus faible et plus variable. Les tendances saisonnières différaient : l'ombrage de l'AVS a diminué en septembre, tandis que celui de l'AVL a augmenté, reflétant l'interaction entre la phénologie solaire et la géométrie des panneaux.
• Impact radiométrique : Le PAR moyen sous les panneaux était de 379,53 µmol m⁻² s⁻¹, représentant une réduction de 64 % par rapport au témoin en plein soleil (1054,4 µmol m⁻² s⁻¹). Le traitement AVS a subi une limitation photonique extrême (PPFD $\approx$ 52 µmol m⁻² s⁻¹) comparé à l'AVL (PPFD $\approx$ 1485 µmol m⁻² s⁻¹).
• Corrélations physiologiques :
  • Conductance stomatique ($g_s$) : A montré une corrélation négative modérée avec l'ombrage ($\tau = -0,41$) et une corrélation positive modérée à forte avec la PPFD ($\tau = 0,52$) et les densités de flux de photons spectraux.
  • Qualité spectrale : Le rapport Rouge:Far-Red (R:FR) était significativement plus bas dans l'AVS (0,46) que dans l'AVL (0,98), indiquant un fort "signal d'ombre".
  • Modèles diurnes : La $g_s$ était significativement plus élevée le matin (face est) que l'après-midi (face ouest), un schéma attribué aux contraintes hydrauliques diurnes et au déficit de pression de vapeur plutôt qu'aux différences d'ombrage entre les côtés.
  • Température : La température foliaire n'a montré aucune relation significative avec la $g_s$, suggérant que la variabilité thermique n'était pas le principal moteur du comportement stomatique dans ce contexte.
• Implications sur le rendement : En se référant aux données de production concomitantes du même site, l'étude note que les vignes AVL ont atteint la productivité la plus élevée. Les vignes AVS ont montré une réduction de 25 % du nombre de grappes et une réduction de 35 % du rendement par rapport à l'AVL, tandis que les vignes en plein soleil ont montré des réductions encore plus importantes, suggérant un « compromis optimal » dans le traitement AVL.

Contributions clés

1. Innovation méthodologique : L'article présente un flux de travail à faible coût et non destructif utilisant l'imagerie RGB en mode accéléré (time-lapse) pour dériver des métriques d'ombrage temporellement explicites. Cette approche dépasse les estimations géométriques statiques pour fournir des données résolues sur le terrain concernant l'interception de la lumière.
2. Validation physiologique : L'étude démontre que les métriques d'ombrage dérivées de l'image sont fortement corrélées aux variables radiométriques et physiologiques pertinentes pour la plante, spécifiquement la conductance stomatique et la disponibilité du flux de photons.
3. Caractérisation de l'hétérogénéité agrivoltaïque : La recherche quantifie le contraste marqué entre l'ombrage à haute densité (AVS) et l'ombrage intermédiaire (AVL) au sein d'une même configuration agrivoltaïque, soulignant comment le positionnement des panneaux crée des microenvironnements distincts avec des implications physiologiques différentes.

Signification et affirmations
Les auteurs affirment que ce flux de travail offre un outil pratique pour la surveillance et la gestion de précision des systèmes agrivoltaïques. En fournissant des données directes et temporellement explicites sur les dynamiques d'ombrage, cette approche permet une évaluation site-spécifique des microenvironnements des cultures. L'étude suggère que si l'ombrage à haute densité (AVS) peut protéger contre un rayonnement extrême, il peut limiter l'assimilation du carbone et le rendement pour les cultures aimant le soleil comme la vigne. À l'inverse, l'ombrage intermédiaire (AVL) peut offrir un équilibre optimal, maintenant la capacité photosynthétique tout en atténuant le stress thermique. L'article conclut que de telles métriques basées sur l'imagerie peuvent guider la conception des systèmes agrivoltaïques (espacement des panneaux, hauteur, orientation) pour mieux correspondre aux besoins lumineux spécifiques des cultures, passant ainsi de la modélisation théorique à des stratégies de gestion fondées sur l'expérience.