Actuellement, l’activité agricole de l’Altiplano se concentre autour de la pomme de terre, la fève, la carotte, l’oignon et le quinoa. Hormis le quinoa, l’ensemble de ces cultures nécessite de recourir à l’irrigation (fève, carotte, oignon) et/ou est extrêmement dépendant des apports en eau liés aux précipitations (pomme de terre). Dans le contexte de changement climatique, l’organisation agricole actuelle est menacée par le processus de désertification qui réduit considérablement l’accès en eau et accélère le processus de salinisation des sols menaçant ainsi la productivité agricole.
Le quinoa, beaucoup plus tolérant à la salinité des sols et ne requérant pas d’irrigation, se place comme un candidat sérieux pour une adaptation durable de l’agriculture face au changement climatique. Cette adaptation passe par l’amélioration de son suivi et des connaissances de sa résilience face aux changements en cours. Cependant, l’activité agricole de l’Altiplano se déroule principalement à l’échelle communautaire et de manière autonome ce qui complique considérablement son suivi et sa gestion par les différents syndicats agricoles.
Aujourd’hui, l’imagerie satellitaire offre une opportunité idéale pour avoir une vision synoptique de l’agriculture sur la région de l’Altiplano. Les récentes avancées dans l’imagerie optique et radar avec notamment la mise en accès libre d’images à 10 m de résolution (Sentinel-1 et -2) répondent parfaitement au (i) contexte socio-économique de l’Altiplano (accès libre) et (ii) aux tailles des parcelles (~0.25 ha pour les plus petites).
Dans ce contexte, l’objectif principal du projet est d’inspecter le potentiel de l’imagerie satellite pour améliorer la gestion de l’agriculture du Quinoa. Plus précisément, le projet propose d’étudier le potentiel des techniques de Machine Learning appliquées à l’imagerie Sentinel (1 et 2) pour identifier les parcelles de quinoa dans l’espace et dans le temps et estimer leur rendement en fonction de la variabilité climatique, de la salinité et de la charge en matière organique des sols.