Acquisition du pourcentage de surface verte par la méthode d’estimation visuelle et corrélations avec les

issues de la méthode d’estimation par l’analyse d’images.

Introduction.

Beaucoup de systèmes d’avertissement visant à déterminer le rendement ou le moment optimum pour l’application d’un traitement phytosanitaire utilisent la proportion de surface foliaire saine, ou de la surface infectée par une maladie (de Jesus et al., 2001 ; Bassanezi et al., 2001 ; Lopes et Berger, 2001 ; Bergamin Filho et al., 1997 ; Bryson et al., 1997). La méthode d’estimation visuelle de la proportion de tissus sains, nécrosés ou malades, est utilisée dans la plupart des expérimentations car elle est facile d’utilisation, rapide, économique et applicable pour un grand nombre de conditions. Elle remplirait les critères idéaux d’une bonne méthode d’estimation de la sévérité d’une maladie énoncés par Nutter et al. (1993a) si elle fournissait des résultats exacts (moyennes proches de la valeur de référence) et précis (dont la répétition de la mesure mène à des valeurs proches les unes des autres) pour toutes les études dans lesquelles elle est utilisée.

Ceci n’est pas toujours le cas, comme le montrent plusieurs études qui ont été entreprises afin de déterminer la validité de la méthode d’estimation visuelle de symptômes de maladies (Parker et al., 1995 ; Martin et Rybicki, 1998 ; Forrest et al., 1995 ; Moya et al., 2005 ; Price et al., 1993). Il a souvent été mis en évidence l’existence de biais entre les estimations effectuées par différents observateurs (Sherwood et al., 1983 ; Moya et al., 2005, Forrest et al., 1995 ; Martin et Rybicki, 1998 ; Parker et al., 1995) et par un même observateur entre deux séances d’estimation sur les mêmes échantillons (Nutter et al., 1993a). Des logiciels, tels que DISTRAIN (Tomerlin et Howell, 1988) et Disease.Pro (Nutter et Worawitlikit, 1989), d’entraînement des observateurs à la reconnaissance des surfaces couvertes par les symptômes de certaines maladies ont été mis au point afin d’améliorer la précision des estimations. En conditions de simulation, des améliorations ont pu être obtenues dans la capacité des observateurs à estimer les proportions couvertes par des symptômes grâce à ces logiciels (Forrest et al., 1995 ; Nutter et Worawitlikit, 1989). Les estimations effectuées par un observateur sur son ordinateur sont cependant loin de celles qu’il devra effectuer sur des plantes chaque semaine, parce que l’ordinateur ne permet pas de considérer les dimensions de la feuille de la même manière que sur le terrain. Afin de déterminer la validité des mesures d’estimations visuelles, il est nécessaire de les comparer et de les valider avec des mesures reflétant mieux la réalité.

40

L’utilisation de l’ordinateur pour le traitement et l’analyse d’images a été développée en réponse à cette nécessité (Martin et Rybicki, 1998 ; Niemira et al., 1999 ; Olmstead et al., 2001). Martin et Rybicki (1998) ont montré que la précision et l’exactitude des mesures obtenues par l’analyse d’images de symptômes de maladies de plantes étaient significativement plus élevées que celles obtenues par l’estimation visuelle. Les études menées utilisant l’analyse d’images considèrent ces mesures comme « véritables » (Sherwood et al., 1983 ; Nutter et al., 1993a ; Parker et al., 1995 ; Martin et Rybicki, 1998 ; Moya et al., 2005 ; Price et al., 1993). Les images analysées sont issues dans certains cas de l’image projetée de feuilles et des symptômes de maladies qu’elles présentaient (Sherwood et al., 1983 ; Nutter et al., 1993a ; Parker et al., 1995). Dans d’autres cas l’analyse d’images est obtenue par la prise de photos en noir et blanc, en couleur, en numérique, sous éclairage particulier ou sans éclairage (Martin et Rybicki, 1998 ; Moya et al., 2005 ; Price et al., 1993).

Les conclusions des études comparant les estimations utilisant l’analyse d’images à la méthode d’estimation visuelle sont variables. Elles sont fonction de la gamme de pourcentage de surface couverte par les symptômes estimés, du complexe hôte parasite considéré (Horsf all et Barratt, 1945 ; Lindow et webb, 1983 ; Sherwood et al., 1983 ; Parker et al., 1995), ainsi que de la forme et du nombre des lésions étudiées (Lindow et webb, 1983 ; Webb et Lindow, 1981). Dans leur étude, Horsfall et Barratt (1945) suggèrent que l’estimation visuelle est imprécise quand le pourcentage de surface foliaire affecté est proche de 50 %. Nutter et al. (1995) ont obtenu des erreurs d’estimation apparaissant systématiquement dans la gamme de 40 % à 60 %. Parker et al.

(1995) constatent une surestimation du pourcentage de surface couverte par les symptômes dans la gamme 0-10 % et une sous-estimation au-delà. Enfin, Forbes et Jeger (1987) ont rapporté que la plupart des erreurs apparaissent à 25 % de sévérité pour plusieurs maladies.

L’ensemble de ces études montre que les différents biais introduits sont fonction des observateurs, de la forme des feuilles et des symptômes étudiés, ou encore de la surface verte étudiée. La méthode d’estimation visuelle est donc une méthode qui devrait être validée pour chaque équipe la pratiquant, et en fonction des caractéristiques de la surface verte ou des symptômes qui sont étudiés.

Dans cette partie, l’estimation visuelle du pourcentage de surface verte des trois dernières feuilles de parcelles expérimentales de blé d’hiver aux champs a été comparée à l’estimation du pourcentage de surface verte obtenue à partir de l’analyse d’images numériques.

41

Matériel et méthodes.

La méthode d’estimation visuelle du pourcentage de surface verte (Tomerlin et Howell, 1988) a été utilisée sur les mêmes plantes, les mêmes feuilles et aux mêmes dates que celles utilisées pour les estimations par l’analyse d’images. Les estimations visuelles ont été effectuées par l’équipe de biométéorologie du Département des Sciences et Gestion de l’Environnement de l’Université de Liège et avec la collaboration du CRP-GL dans le cadre du projet MACRY. Les observateurs étaient au nombre de 4 à 6 suivant les dates d’observation. Dans cette étude, tous les observateurs sont considérés comme ayant la même aptitude à estimer le pourcentage de surface verte.

L’objectif étant de déterminer les erreurs typiques effectuées par un observateur. Les estimations par l’analyse d’images ont été effectuées telles que décrites dans le matériel et méthodes du chapitre I.1.

Une régression linéaire par la méthode des moindres carrés a été appliquée aux données, afin d’estimer la relation entre les données issues de l’estimation visuelle et les données issues de l’estimation par l’analyse d’images. Une représentation graphique mettant en relation le logarithme népérien de « % surface verte visuelle / % surface verte images » au logarithme népérien de « % de surface verte images » a été effectuée afin de mettre en évidence les zones de pourcentage pour lesquelles une surestimation ou une sous-estimation du pourcentage de surface verte est observée (Parker et al., 1995).

Résultats et discussion

L’analyse de régression des moindres carrés entre les estimations du pourcentage de surface verte feuille par feuille de façon visuelle et par l’analyse d’images donne de bons résultats. En effet, la relation est linéaire et hautement significative (p=0.0000), de R² proche de un et de petit intercept (-4,267) (Figure 7). Cette observation n’est cependant pas valable car la régression est influencée par une distribution non Normale et bimodale des données (Figure 8). Il n’est donc pas possible de conclure en l’existence d’une relation linéaire entre les deux types d’estimation. Les méthodes classiques visant à rétablir la normalité en appliquant l’arc sinus ou l’arc tangente n’ont pas fonctionné. Une méthode utilisée par Parker et al. (1995) pour comparer deux manières d’estimer des symptômes de maladies foliaires a permis de tirer quelques conclusions.

42

Régression de la surface verte par l'analyse d'image par rapport à la surface verte par estimation visuelle.

Everlange 2006-2007 d’estimation visuelle et la méthode d’estimation par analyse d’images du pourcentage de la surface verte foliaire.

Histogramme de fréquence - Distribution des estimations du pourcentage de Surface Verte par la méthode visuelle et par l'analyse d'image -Everlange 2006-2007

L’application du logarithme népérien selon la méthode de Parker et al. (1995) met en évidence une surestimation de la surface verte de la part des estimateurs effectuant les estimations visuelles (Figure 9). Cette méthode met en évidence l’importance de l’erreur commise. Par exemple, la possibilité qu’un pourcentage de surface verte de 1% par la méthode d’analyse d’image soit estimé à 2% (LN (%SVVis/%SVImg) = 0,69) par la méthode visuelle est une erreur plus sérieuse relativement aux 2% de départ que celle de 49% de surface verte estimée à 50% par la méthode

43

visuelle (LN (%SVVis/%SVImg) = 0,02). L’erreur absolue est de 1% dans chaque cas mais les erreurs relatives ne sont pas les mêmes.

Figure 9 : Visualisation des surestimations et sous-estimations du pourcentage de surface verte de la méthode d’estimation visuelle par rapport à la méthode basée sur l’analyse d’images.

Ainsi, dans notre cas, l’erreur relative de surestimation commise par un observateur est très importante pour les pourcentages de surface verte situés entre 0 et 1% (ce qui correspond à l’abscisse LN %SVimg entre 0 et -3). On observe encore des estimations allant jusqu’à 10 fois la valeur réelle pour les pourcentages entre 1 et 10% de surface verte (abscisse de 0 à 2,3). La surestimation par l’estimation visuelle diminue ensuite progressivement au fur et à mesure que les pourcentages de surface verte à estimer augmentent.

D’autre part, une autre façon de comparer les deux méthodes d’estimation a été de réaliser des ANOVAs (Analyse de la variance) sur les données regroupées par classe de pourcentage. Ces ANOVAs montrent que les estimations visuelles du pourcentage de surface verte sont corrélées aux pourcentages de surfaces vertes issus de l’analyse d’images uniquement pour les classes de 70 à 100 % de surface verte. L’estimation de la surface verte par la méthode visuelle ne présente donc pas de relation avec les valeurs réelles et une surestimation sur l’ensemble des données par l’utilisation de cette méthode est constatée. Les seules plages de pourcentages pour lesquelles les estimations visuelles sont corrélées aux valeurs réelles s’étendent de 70 à 100 % de surface verte.

Il faut toutefois remarquer que les moyennes de pourcentages de surfaces vertes obtenues sur les

Mise en évidence des sous estimations et des sur-estimations du pourcentages de surface verte par la méthode d'estimation visuelle-Everlange 2006-2007.

-4 -3 -2 -1 0 1 2 3 4 5

LN %SVimg -4

-2 0 2 4 6 8

LN (%SVVis / %SVImg)

LN

-3à0 1,6 2,3 2,7 3,0 3,2 3,4 3,6 3,7 3,8 3,9 4,0 4,1 4,2 4,3 4,4 4,6

% 0à1 5 10 15 20 25 30 35 40 45 50 55 60 65 75 85 100

44

données regroupées par classe de pourcentage de 10 unités ne se différencient pas plus que d’une marge de 1% maximum entre les deux méthodes. Il faut donc relativiser l’importance de ces surestimations en fonction de l’utilisation qui est faite des données. L’utilisation de valeurs moyennes parcellaires issues d’estimations visuelles de 10 plantes par parcelle pourrait fournir des valeurs presque identiques aux moyennes parcellaires issues d’estimation par l’analyse d’images.

Dans ce travail, les données de %SV sont utilisées dans des modèles d’estimation des rendements.

Les résultats obtenus en utilisant un modèle d’estimation des rendements avec les estimations visuelles du %SV ont été comparés aux résultats obtenus en utilisant les estimations issues de l’analyse d’images (PARTIE II, Chapitre II.3.). La comparaison met en évidence une surestimation moyenne de 10% des paramètres du modèle lorsqu’on utilise les %SV issus de l’estimation visuelle. Cette surestimation est probablement une conséquence de la tendance à la surestimation du %SV par l’utilisation de la méthode d’estimation visuelle. D’autre part, l’utilisation des estimations du %SV issues de l’analyse d’images permet d’obtenir des modèles qui expliquent une plus grande proportion de la variabilité des rendements (20% en plus dans 3 cas sur 4). Ces différences sont non négligeables, alors que les analyses de comparaison des deux méthodes d’estimation du %SV par classe montrent de faibles différences d’estimation entre les deux méthodes. Ceci est dû à une utilisation des données par strate foliaire dans le modèle d’estimation des rendements, alors que la comparaison des deux méthodes d’estimation du %SV montrant une différence de 1% a été effectuée par classe de %SV.

45