Drones hyperspectraux : repérer plus tôt les effets du pâturage sur les prairies

Les prairies assurent une foule de fonctions essentielles auxquelles on pense rarement : elles nourrissent le bétail, stockent du carbone dans les sols et abritent une part considérable de la biodiversité terrestre.

Le souci, c’est que la dégradation des prairies peut s’installer de manière discrète, bien avant d’être évidente à l’œil nu. Quand des zones de sol nu, de l’érosion ou un dépérissement marqué deviennent clairement visibles, la baisse est souvent déjà sérieuse.

Une nouvelle étude indique que les drones pourraient aider à repérer ces changements plus précoces. Ils permettent d’estimer la quantité de matière végétale présente au sol et de détecter l’évolution de certains traits des plantes.

Les drones peuvent aussi mettre en évidence la façon dont les communautés végétales s’organisent selon l’intensité du pâturage. Ces travaux proviennent d’une collaboration dirigée par l’Université de Pékin.

L’équipe a testé cette approche dans la réserve naturelle des prairies de Xilin Gol, en Mongolie intérieure (Chine).

Les effets du pâturage sont complexes

À l’échelle mondiale, le pâturage du bétail fait partie des pressions humaines les plus répandues sur les prairies. Et il n’est pas si simple de le qualifier de « bon » ou de « mauvais ».

Dans certains écosystèmes, un pâturage modéré peut favoriser la biodiversité et empêcher quelques espèces très compétitives de dominer. À l’inverse, un pâturage plus intense est fréquemment associé à une productivité en baisse et à de fortes modifications des espèces dominantes.

Ce qui complique le suivi, c’est que le pâturage ne modifie pas seulement la quantité de végétation. Il peut aussi orienter les plantes vers d’autres stratégies de survie : la chimie des feuilles, leur structure, leur teneur en nutriments, ainsi que les relations entre espèces au sein de la communauté peuvent changer.

Les relevés de terrain traditionnels peuvent saisir ces détails, mais ils restent lents, coûteux et difficiles à déployer à grande échelle. C’est précisément là que la télédétection hyperspectrale devient utile.

Au-delà des images de drones classiques

Avec des images de drones standard, on peut déjà apprendre beaucoup sur la « verdure » et la couverture végétale. L’imagerie hyperspectrale va plus loin.

Au lieu d’enregistrer seulement quelques bandes de couleur, elle collecte des informations très fines sur de nombreuses longueurs d’onde étroites. Cette « empreinte » spectrale peut ensuite être reliée à des traits biologiques tels que la teneur en nutriments, l’épaisseur des feuilles et la composition en carbone.

Dans cette étude, les chercheurs ont voulu savoir si des données hyperspectrales acquises par drone pouvaient estimer de façon fiable non seulement la biomasse aérienne, mais aussi plusieurs traits fonctionnels des plantes.

Ils ont également évalué si ces motifs de traits pouvaient révéler la réponse des prairies le long d’un gradient de pression de pâturage.

Une expérience de pâturage à long terme

Les analyses s’appuient sur une expérimentation de pâturage au long cours mise en place en 2013, avec quatre modalités : exclusion du pâturage, pâturage léger, pâturage modéré et pâturage intense.

Ce dispositif est important, car il fournit une comparaison nette entre conditions. Les chercheurs n’inféraient pas l’intensité de pâturage à partir d’indices indirects : ils observaient la réponse des écosystèmes dans des conditions connues.

Ils ont associé des vols de drones à des mesures de terrain, puis ont vérifié dans quelle mesure les données issues des drones reproduisaient ce qui se passait réellement au sol.

Les plantes s’ajustent au pâturage intense

Les observations par drone ont permis d’estimer la biomasse aérienne et plusieurs traits fonctionnels des plantes avec une précision jugée utile.

Le long du gradient de pâturage, la biomasse diminuait globalement quand l’intensité augmentait, en particulier dans les parcelles fortement pâturées. Ce résultat n’a rien d’étonnant, mais le fait que des données hyperspectrales de drone puissent le suivre est déterminant.

Les changements de traits accompagnant cette baisse de biomasse se sont révélés encore plus instructifs. Plusieurs traits liés aux nutriments avaient tendance à diminuer sous un pâturage plus fort, tandis que des caractéristiques comme l’épaisseur des feuilles et leur teneur en carbone tendaient à augmenter.

Les auteurs interprètent ce tableau comme un basculement vers des stratégies plus tolérantes au stress : des plantes « plus robustes », pas nécessairement plus rapides à croître ou plus riches en nutriments.

Sur le plan écologique, cela se tient : quand la pression de pâturage est élevée, les plantes qui investissent dans des feuilles plus résistantes et une meilleure tolérance au stress peuvent être avantagées, même si cela se fait au détriment de la productivité.

Sous pâturage, des traits plus étroitement liés

L’étude montre aussi que, sous pâturage plus intense, la relation entre les traits et la biomasse se renforçait.

À mesure que la pression augmentait, les traits des plantes étaient plus étroitement associés à la quantité de biomasse que l’écosystème parvenait à maintenir.

La diversité fonctionnelle - l’éventail des stratégies adoptées par les plantes - devenait également plus positivement liée à la biomasse lorsque l’intensité de pâturage était élevée, ce qui suggère qu’un mélange de stratégies aide à soutenir la productivité dans des conditions plus difficiles.

Les chercheurs ont examiné des réseaux de traits, c’est-à-dire la manière dont les traits se relient au sein de la communauté, et ont observé que des connexions plus faibles étaient associées à une biomasse plus faible sous pâturage intense.

Dans ces conditions, la communauté devenait moins « intégrée » dans l’alignement des traits, et ce changement allait de pair avec des performances de biomasse plus mauvaises.

Au total, les résultats indiquent que l’évolution des traits et de l’organisation des communautés peut servir de signal d’alerte précoce, avant qu’un effondrement de l’écosystème ne devienne visible.

Un suivi des prairies plus intelligent avec des drones hyperspectraux

« Cette étude montre que le suivi des prairies gagnerait à regarder au-delà de la quantité de végétation présente, pour aussi comprendre comment les traits des plantes et la structure des communautés évoluent sous la pression du pâturage », a déclaré l’auteur principal Yiwei Zhang, de l’Université de Pékin.

Une prairie peut paraître « en bon état » sur une simple carte de verdure, alors même que sa communauté végétale se réorganise silencieusement d’une manière qui réduit sa résilience.

L’étude ne prétend pas que les drones remplacent le travail de terrain. En revanche, un suivi hyperspectral par drone peut compléter les inventaires classiques et permettre de surveiller plus souvent de vastes superficies.

L’implication plus générale est de s’éloigner d’une approche fondée sur un seul indicateur - comme la couverture végétale totale - au profit d’une lecture plus diagnostique. Il s’agit alors d’identifier quelles plantes prospèrent, quels traits augmentent et comment la communauté se recompose.

Cet enjeu est crucial là où le suivi de terrain est difficile à étendre. Si des drones peuvent détecter, au niveau des traits, des changements précoces avant une dégradation sévère, les gestionnaires pourraient agir plus tôt en ajustant le pâturage, en alternant l’usage des pâtures ou en protégeant les zones vulnérables.

Ces travaux ont été publiés dans le Journal of Remote Sensing.