En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal Logo INRAE Région Occitanie

PSDR Occitanie - Pour et Sur le Développement régional

Prédire la diversité en plantes des prairies grâce aux satellites

Nouvelle publication du projet SEBIOREF

Estimation de la diversité en plantes dans les prairies dans le Sud-Ouest toulousain. Plus les valeurs sont élevées, plus la diversité de Simpson est forte.
Dernière publication du projet SEBIOREF, publié en ligne le 26 novembre 2019, cet article porte sur le suivi écologique des prairies par analyses d'images satellite. L'objectif recherché est de pouvoir estimer sur de grandes étendues la disponibilité en ressources alimentaires pour les insectes pollinisateurs. Il fait suite au travail de thèse de Mailys Lopes.

Résumé de la publication

Cet article propose une méthode d’analyse de données satellites à haute résolution temporelle pour prédire la diversité taxonomique et fonctionnelle des communautés de plantes de prairies (permanentes et temporaires). L’étude est basée sur le dénombrement des plantes dans 415 quadrats de 83 prairies couplé à l’analyse de données satellites Sentinelles 2 (47 dates étalées sur 15 mois) dans le site atelier Vallées et Coteaux de Gascogne de la ZA PYGAR (Sud Ouest de Toulouse).

L’originalité de cette étude réside dans le fait que le modèle prédictif (R2=0.45) s’applique sur une étendue d’ordre régionale (40 000 km2) et qu’il établit un lien entre des données satellites et des variables écologiques continues caractérisant les communautés végétales (dominance, diversité des couleurs). La disponibilité en ressources florales pour les insectes pollinisateurs pourra ainsi être estimée sur de grandes étendues.

Pour mieux comprendre cette étude, retrouvez en images les explications du travail mené par les chercheurs du projet SEBIOREF : depuis les relevés sur le terrain jusqu'à l'analyse des images satellites. 

Tout savoir sur cette publication

Titre de la publication : Prediction of plant diversity in grasslands using Sentinel-1 and -2 satellite image time series

Publiée dans la revue: Remote Sensing of Environment

Auteurs : Mathieu Fauvela, Mailys Lopesb, Titouan Dubob, Justine Rivers-Mooreb, Pierre-Louis Frisond, Nicolas Grossc, Annie Ouinb

  • aCESBIO, Université de Toulouse, CNES/CNRS/INRA/IRD/UPS, Toulouse, France
  • bDYNAFOR, Université de Toulouse, INRA, Castanet-Tolosan, France
  • cUCA, INRA, VetAgro Sup, UMR 0874 Ecosystème Prairial, Clermont-Ferrand 63000, France
  • dLaSTIG, Université Paris-Est, IGN, 5 Bd Descartes, Champs sur Marne, 77455 Marne la Vallée, France

Points clés (Highlights) en anglais

  • Plant diversity of grasslands is estimated using Sentinel-2 time series.
  • Large intra-parcel variability in terms of plant diversity index is observed.
  • Large scale prediction is done using random forest regression.
  • Sentinel-1 time series could complement Sentinel-2 time series.

Lien vers l'article scientifique :
https://authors.elsevier.com/a/1a7xO7qzSnJLH

Voir aussi