La technologie de la NASA permet d'identifier les maladies de la vigne depuis le ciel

La NASA a utilisé l'imagerie aérienne pour aider à identifier les maladies de la vigne, ouvrant ainsi la voie à une réaction rapide des producteurs avant qu'il ne soit trop tard. 

Selon le LA Timesla technologie peut détecter les "signes précoces" du virus de l'enroulement de la vigne, qui est propagé par la cochenille.

Traditionnellement, en raison de la nature de la maladie, celle-ci ne pouvait être identifiée que par une analyse de chaque pied de vigne sur le terrain - suivie d'un test - qui fournissait alors des résultats trop tardifs pour empêcher l'apparition de la maladie.

Selon certains chiffres, les dégâts et les pertes causés par le virus aux États-Unis s'élèveraient à 3 milliards de dollars par an, le seul traitement possible étant l'arrachage des vignes une fois le virus installé.

Mais la nouvelle technologie de la NASA utilise des images infrarouges prises à partir d'un avion pour voir quelles vignes présentent des symptômes, ce qui permet aux cultivateurs de réagir avant qu'il ne soit trop tard. Le virus ayant une période de latence pendant laquelle les vignes sont infectées mais ne présentent pas de symptômes visibles, il s'agit d'un modèle idéal pour évaluer l'évolutivité de la détection des maladies par spectroscopie d'imagerie, ont déclaré les scientifiques. Cette technologie pourrait également être utilisée à l'avenir pour d'autres types d'agriculture.

Les résultats ont été présentés dans la revue Phytopathology, sous le titre Scalable early detection of grapevine virus infection with airborne imaging spectroscopy (détection précoce et évolutive de l'infection par le virus de la vigne à l'aide de la spectroscopie d'imagerie aéroportée ).

Les recherches menées entre septembre 2020 et 2021 ont permis aux collaborateurs de l'industrie d'examiner 317 hectares, vigne par vigne, à la recherche de symptômes viraux visibles, et d'en collecter un sous-ensemble en vue d'un test de confirmation moléculaire. Les vignes symptomatiques identifiées en 2021 ont été supposées avoir été infectées de manière latente au moment de l'imagerie avec des modèles de forêt aléatoire "entraînés sur un signal spectroscopique de vignes non infectées et infectées par la maladie de l'enroulement". Les modèles ont permis de différencier les vignes non infectées des vignes infectées à une résolution de 1 à 5 mètres, conclut l'étude.

Elle a également montré que les modèles les plus performants permettaient de distinguer avec une précision de 87 % les vignes non infectées et asymptomatiques, et avec une précision de 85 % les vignes non infectées et les vignes asymptomatiques + symptomatiques.

La conclusion est la suivante : "Nous constatons que la spectroscopie d'imagerie aéroportée et l'apprentissage automatique peuvent être utilisés pour développer des modèles qui identifient efficacement le signal spectroscopique de l'infection par le GLRaV-3 (enroulement) dans les vignes à différentes résolutions spatiales, indépendamment de la manifestation des symptômes visibles.

"L'objectif de notre travail n'est pas de remplacer les stratégies de repérage sur le terrain ou les tests moléculaires existants, mais plutôt de déployer ces ressources de manière plus stratégique.