Assimilating vegetation indices and canopy cover derived from remote sensing into the AquaCrop model for estimating rice yield

Abstract

Accurate forecasting of rice yield using contemporary data is a paramount management tool. To achieve this objective, the AquaCrop, in conjunction with remote sensing (RS) data, was employed to predict yield in the paddy fields of SANRU. The required AquaCrop data, including ground (200 locations) and RS (Sentinel-2, MODIS) data, were collected in two seasons, namely, 2020 and 2021. Leveraging Sentinel-2 imagery, various vegetation indices (VIs) were computed, encompassing the normalized difference vegetation index (NDVI), rice growth vegetation index (RGVI) and soil adjusted vegetation index (SAVI). Additionally, MODIS and spatio-temporal fusion algorithms (Spatial and Temporal Adaptive Reflectance Fusion Model [STARFM] and Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model [ESTARFM]) were used to create a regular time pattern in satellite images taken on cloudy days. The results revealed that the yields observed for 2020 and 2021, on the basis of field data, were 4450 and 4370 kg/ha, respectively. Moreover, by leveraging the AquaCrop, the forecasted yield was ascertained both with and without the assimilation of RS data. Notably, the findings underscored that the incorporation of RS data significantly enhanced the model's predictive precision, particularly in estimating yield. The model's efficacy was demonstrated by its ability to forecast the end-of-season yield for the years 2020 and 2021, which yielded maximum RMSEs of 400 and 470 kg/ha, respectively.

RésuméLa prévision précise du rendement du riz à l'aide de données contemporaines est un outil de gestion primordial. Pour atteindre cet objectif, l'AquaCrop, en collaboration avec les données de télédétection (RS), a été utilisé pour prédire le rendement dans les rizières du SANRU. Les données AquaCrop requises, y compris les données au sol (200 emplacements) et les données de télédétection (Sentinel-2, MODIS), ont été recueillies en deux saisons, soit 2020 et 2021. À partir de l'imagerie Sentinel-2, divers indices de végétation (VI) ont été calculés, comprenant l'indice de végétation par différence normalisée (NDVI), l'indice de végétation de croissance du riz (RGVI) et l'indice de végétation ajusté au sol (SAVI). De plus, les algorithmes MODIS et de fusion spatio-temporelle (STARFM et ESTARFM) ont été utilisés pour créer un schéma temporel régulier des images satellites prises par temps nuageux. Les résultats ont révélé que les rendements observés pour 2020 et 2021, sur la base des données recueillies sur le terrain, étaient respectivement de 4,450 et 4,370 kg/ha. De plus, en tirant parti de l'AquaCrop, le rendement prévu a été déterminé à la fois avec et sans l'assimilation des données de télédétection. Les résultats ont notamment souligné que l'intégration des données issues de la télédétection a considérablement amélioré la précision prédictive du modèle, en particulier pour l'estimation du rendement. L'efficacité du modèle a été démontrée par sa capacité à prévoir le rendement de fin de saison pour les années 2020 et 2021, qui a donné des RMSE maximales de 400 et 470 kg/ha, respectivement.