Un champ jauni vu du ciel manque-t-il forcément d’eau ?

Depuis le ciel, un champ peut paraître jaune alors que celui d'à côté reste vert. La différence saute aux yeux. La conclusion vient parfois trop vite : le premier manquerait d'eau, le second serait en bonne santé. Pourtant, une couleur ne donne ni l'humidité du sol, ni l'histoire de la parcelle.

La photographie aérienne est excellente pour repérer une anomalie et poser une question. Elle est moins convaincante lorsqu'on lui demande, seule, d'en fournir la cause.

La même couleur, plusieurs histoires

Une parcelle peut changer d'aspect parce que la culture arrive à maturité, parce qu'elle a été récoltée, parce que le sol est visible entre les rangs, ou parce que la végétation traverse une période de stress. L'angle du Soleil, les nuages, l'exposition de l'appareil et le traitement des couleurs compliquent encore la comparaison.

Imaginons deux champs voisins photographiés un après-midi d'été. L'un est brun, l'autre vert. Sans connaître les espèces cultivées, les dates de semis et les interventions agricoles, il serait imprudent d'écrire « sécheresse » sous la première image. Ce petit scénario sert à expliquer un raisonnement ; il ne décrit aucune parcelle que nous aurions survolée.

La première information utile n'est donc pas un indice calculé. C'est le contexte : quand la photo a-t-elle été prise, que pousse-t-il ici, et que voit-on à la même saison les autres années ?

Ce qu'une photo ordinaire voit, et ce qu'elle ne voit pas

Un appareil photographique classique enregistre surtout la lumière visible. Ses images permettent de distinguer des teintes, des formes, des traces de passage ou des zones dénudées. Elles ne mesurent pas directement la teneur en eau des racines, la réserve du sol ou la cause d'un jaunissement.

Les capteurs multispectraux apportent d'autres informations. L'indice de végétation NDVI, par exemple, compare la réflectance dans le rouge et dans le proche infrarouge. Les feuilles absorbent une partie importante de la lumière rouge et réfléchissent fortement le proche infrarouge : cette différence aide à décrire la présence et la vigueur apparente de la végétation.

Le programme d'observation de la Terre de la NASA présente cette logique dans son dossier pédagogique sur les indices de végétation. La documentation du service européen Copernicus Data Space montre, pour Sentinel-2, l'utilisation des bandes rouge B04 et proche infrarouge B08. Ce sont des mesures spectrales, pas un filtre magique appliqué à une photo de drone ordinaire.

Attention à une confusion fréquente : un simple cliché RVB ne devient pas une mesure NDVI parce qu'on lui ajoute une palette de couleurs. Pour calculer cet indice de manière pertinente, il faut des données adaptées et un traitement cohérent.

Un indice plus faible n'est pas un diagnostic

Même lorsqu'un véritable NDVI est disponible, une valeur faible n'identifie pas automatiquement une sécheresse. Elle peut correspondre à une végétation peu dense, à un stade différent du cycle de croissance, à un sol nu ou à d'autres conditions de surface. Des nuages, des ombres et certaines différences de capteur peuvent également perturber une série d'images.

L'US Geological Survey le souligne dans ses travaux sur la réponse de la végétation à la sécheresse : les indices issus des satellites deviennent plus utiles lorsqu'on les rapproche des données climatiques, de l'occupation des sols et d'autres informations physiques. L'agence décrit notamment un outil de suivi du stress hydrique végétal qui combine plusieurs sources plutôt que de lire une seule image comme un verdict.

Autrement dit, repérer une zone qui mérite attention n'est pas la même chose que prouver pourquoi elle a changé. La nuance compte lorsqu'une légende est reprise par un média, un client ou un voisin agriculteur.

Comparer deux dates sans se tromper de question

Si l'on veut comprendre une parcelle, mieux vaut chercher des images prises à des périodes comparables de l'année. Une comparaison entre avril et août risque de raconter surtout la saison. Il faut aussi vérifier si les limites du champ, la résolution, la couverture nuageuse et la nature des données sont suffisamment semblables.

Une série temporelle aide davantage qu'un duo d'images spectaculaires. Une évolution progressive, une rupture soudaine ou un retour à la normale n'appellent pas les mêmes hypothèses. Mais aucune courbe ne remplace les informations sur les cultures et les conditions locales.

Pour un article destiné au public, une légende responsable pourrait dire : « La parcelle apparaît moins verte sur l'image de cette date ; la cause n'est pas établie. » C'est moins impressionnant que « Un drone révèle une catastrophe agricole ». C'est aussi beaucoup plus informatif.

À quoi servirait réellement un drone ?

Un drone peut produire une vue détaillée d'une zone choisie, à condition que le vol soit autorisé et adapté au lieu. Il peut aider à documenter la répartition spatiale d'une différence de couleur ou, avec un capteur approprié, contribuer à un suivi multispectral. Mais le choix du capteur, les conditions de prise de vue et l'interprétation des résultats restent essentiels.

Si l'objectif est seulement de comprendre un phénomène général, des données satellites publiques et correctement documentées peuvent suffire. Faire décoller un appareil n'ajoute pas automatiquement de la vérité à l'analyse.

La prochaine fois qu'un champ jaune attire votre regard sur une image aérienne, essayez de résister au réflexe du diagnostic. Demandez d'abord : qu'est-ce que l'image montre vraiment, et quelle information manque pour expliquer cette couleur ? C'est souvent la meilleure façon de transformer une belle vue en observation utile.

Sources pour approfondir

• NASA Earth Observatory, « Measuring Vegetation (NDVI & EVI) », dossier pédagogique d'archive sur le rouge, le proche infrarouge et les indices de végétation : consulter la NASA.
• Copernicus Data Space Ecosystem, exemple technique « NDVI » avec Sentinel-2, bandes B04 et B08 (documentation consultée le 27 octobre 2026) : documentation Copernicus.
• US Geological Survey, « Monitoring Vegetation Drought Stress », fiche scientifique datée du 6 décembre 2018 : présentation USGS.
• US Geological Survey, « Challenges in Deriving Phenological Metrics », 29 novembre 2018, sur les pièges des séries NDVI : exemples USGS.