Multi-scale and multi-sensor remote sensing in international agricultural development

Abstract

[eng] Personal food security means that they have physical and economic access to sufficient, safe, and quality food. On the other hand, there are three main causes of food insecurity: 1. the high vulnerability of agriculture to climate change; 2. local, national, or international conflicts; and 3. economic inequality. The United Nations (UN) Sustainable Development Goals (SDGs), which are objectives that should be attained by 2030, are targeted at both developing and developed nations. The second SDG, "Zero Hunger," aims to double small-scale food producers' productivity and earnings while promoting resilient agricultural methods and ensuring sustainable food production. Agriculture is heavily reliant on factors related to climate change conditions such as abiotic stress, which includes soil nutrient deficiencies, accelerating temperature rises, drought, and rising CO2 concentrations; and biotic stress, which includes invasive pests, disease outbreaks, and decreased crop output. Remote sensing (RS) technologies can provide several non-destructive methods for identifying and quantifying various types of stress. For the application of RS, it is relevant to consider the different types of resolution: spectral, spatial, temporal, and radiometric. Also, the different observation scales are ground- based, aerial, space-based, or using orbital satellites. In this thesis, we evaluated the practical implementation of non-destructive methods using RS technologies across the four chapters. Moreover, we compared the maturity levels between different types of technologies using Technological Readiness Level (TRL) assessments. In the first chapter, our objective was to estimate the grain yield of the maize under low nitrogen using Vegetation Indices (VIs) from RGB (Red, Green, Blue composite color images) sensors at the ground and aerial levels in Sub-Saharan Africa (SSA). We developed an RS system in the second chapter to monitor an early warning fall armyworm (FAW) across SSA. In the third one, using leaf spectral reflectance and advanced regression models, we estimated the Vc,max, and Jmax of soybean and peanut. And in the last chapter, we developed a user-friendly mobile app for the Middle East and North Africa (MENA) countries for plant disorders detection on tomatoes, cucumbers, peppers, and quinoa, covering everything from data collection to deep learning model creation, to web and mobile app launch. Different RS technologies were used in different countries at different scales and with different types of sensors. Nevertheless, it was very relevant to consider the objectives of each study because they determined the type of spectral, spatial, and temporal resolution and the scale of observation. Regarding the TRLs across the four chapters, they suggest that the level of technology readiness depends on the goals, the time to develop the project, the amount of data collection required, and the robustness of the validation.

[spa] La seguridad alimentaria personal significa que tienen acceso físico y económico a alimentos suficientes, seguros y de calidad. Por otro lado, existen tres causas principales de la inseguridad alimentaria: 1. la alta vulnerabilidad de la agricultura al cambio climático; 2. conflictos locales, nacionales o internacionales; y 3. desigualdad económica. Los Objetivos de Desarrollo Sostenible (ODS) de las Naciones Unidas (ONU), que son objetivos que deben alcanzarse para 2030, están dirigidos tanto a las naciones en desarrollo como a las desarrolladas. El segundo ODS, "Hambre cero", tiene como objetivo duplicar la productividad y los ingresos de los productores de alimentos a pequeña escala, al tiempo que promueve métodos agrícolas resilientes y garantiza la producción sostenible de alimentos. La agricultura depende en gran medida de factores relacionados con las condiciones del cambio climático, como el estrés abiótico, que incluye deficiencias de nutrientes del suelo, aumentos acelerados de temperatura, sequía y aumento de las concentraciones de CO2; y estrés biótico, que incluye plagas invasoras, brotes de enfermedades y disminución de la producción de cultivos. Las tecnologías de teledetección remota (RS) pueden proporcionar varios métodos no destructivos para identificar y cuantificar varios tipos de estrés. Para la aplicación de RS, es relevante considerar los diferentes tipos de resolución: espectral, espacial, temporal y radiométrica. Además, las diferentes escalas de observación son terrestres, aéreas, espaciales o utilizando satélites orbitales. En esta tesis, evaluamos la implementación práctica de métodos no destructivos utilizando tecnologías RS en los cuatro capítulos. Además, comparamos los niveles de madurez entre diferentes tipos de tecnologías utilizando evaluaciones de nivel de preparación tecnológica (TRL). En el primer capítulo, nuestro objetivo era estimar el rendimiento de grano del maíz bajo un nivel bajo de nitrógeno usando índices de vegetación (VI) de sensores RGB (imágenes compuestas de color rojo, verde y azul) a nivel del suelo y del aire en el África subsahariana (SSA). Desarrollamos un sistema RS en el segundo capítulo para monitorear un gusano cogollero de advertencia temprana (FAW) en SSA. En el tercero, usando reflectancia espectral de hoja y modelos de regresión avanzada, estimamos la Vc,max y Jmax de soja y maní. Y en el último capítulo, desarrollamos una aplicación móvil fácil de usar para los países de Medio Oriente y África del Norte (MENA) para la detección de trastornos de las plantas en tomates, pepinos, pimientos y quinua, que cubre todo, desde la recopilación de datos hasta la creación de modelos de aprendizaje profundo, al lanzamiento de aplicaciones web y móviles. Se utilizaron diferentes tecnologías RS en diferentes países a diferentes escalas y con diferentes tipos de sensores. Sin embargo, fue muy relevante considerar los objetivos de cada estudio porque determinaron el tipo de resolución espectral, espacial, temporal y la escala de observación. Con respecto a los TRL en los cuatro capítulos, sugieren que el nivel de preparación tecnológica depende de los objetivos, el tiempo para desarrollar el proyecto, la cantidad de recopilación de datos requerida y la solidez de la validación.