Paddy rice traits estimation under varying management strategies using UAV technology

International audience Timely crop monitoring and yield prediction are essential in guiding management decision making. The aim of the study was to estimate the agronomic traits of paddy rice ( Oryza sativa L.) using unmanned aerial vehicle (UAV)‐multispectral imaging. A randomized complete block design field experiment with a split–split plot arrangement was set up in the Ruzizi plain, Democratic Republic of Congo (DRC). Spectral imaging data were collected at rice tillering and panicle initiation stages. Predictive analysis of rice agronomic traits was performed using linear and decision tree‐based machine learning techniques. Paddy rice trait predictions were critically sensitive to the timing of image acquisition but not largely affected by the model. The most accurate predictions were made at rice panicle initiation stage, with R 2 values of 0.62, 0.65, and 0.75 for yield, aboveground biomass, and plant nitrogen (N) uptake, respectively. The visible atmospherically resistant index (VARI), modified chlorophyll absorption in reflective index, and ratio vegetation index, along with near infrared and green bands, played a critical role in predicting paddy rice N uptake and yield. The same spectral features associated with crop height and canopy data were essential for predicting paddy rice aboveground biomass. UAV‐multispectral data were able to assess agricultural intensification strategies at field/landscape scale irrespective of soil types, watering regimes, and cultivars. Special consideration should be attributed to VARI, as it enables economical prediction of paddy rice traits. The UAV technologies are therefore reliable tools for monitoring rice production and can be applied in agricultural extension in the DRC. La surveillance des cultures et la prévision des rendements sont essentielles pour guider la prise de décision en matière de gestion. L'objectif de cette étude était d'estimer les caractéristiques agronomiques du riz paddy ( Oryza sativa L.) à l'aide d'un véhicule aérien sans pilote (UAV) et de l'imagerie multispectrale. Une expérience de terrain en blocs complets randomisés avec un arrangement de parcelles divisées a été mise en place dans la plaine de la Ruzizi, en République démocratique du Congo (RDC). Les données d'imagerie spectrale ont été collectées aux stades du tallage du riz et de l'initiation de la panicule. L'analyse prédictive des caractéristiques agronomiques du riz a été réalisée à l'aide de techniques d'apprentissage automatique linéaires et basées sur des arbres de décision. Les prédictions des caractéristiques du riz paddy étaient très sensibles au moment de l'acquisition de l'image mais n'étaient pas largement influencées par le modèle. Les prédictions les plus précises ont été faites au stade de l'initiation de la panicule, avec des valeurs R 2 de 0,62, 0,65 et 0,75 pour le rendement, la biomasse aérienne et l'absorption d'azote (N) par la plante, respectivement. L'indice de résistance à l'atmosphère visible (VARI), l'indice modifié d'absorption de la chlorophylle dans la réflexion et l'indice de végétation, ainsi que les bandes vertes et proches de l'infrarouge, ont joué un rôle essentiel dans la prévision de l'absorption d'azote par le riz paddy et du rendement.Les mêmes caractéristiques spectrales associées aux données sur la hauteur des cultures et le couvert végétal étaient essentielles pour prédire la biomasse aérienne du riz paddy. Les données multispectrales des drones ont permis d'évaluer les stratégies d'intensification agricole à l'échelle du champ ou du paysage, indépendamment des types de sol, des régimes d'arrosage et des cultivars. Une attention particulière devrait être accordée au VARI, car il permet une prédiction économique des caractéristiques du riz paddy. Les technologies UAV sont donc des outils fiables pour le suivi de la production de riz et peuvent être appliquées à la vulgarisation agricole en RDC.