Conférence présentée lors de la réunion de la Commission géomatique et agriculture de précision du CRAAQ du 10 février 2017. Ce projet a pour but de développer une méthode qui permettra aux agriculteurs canadiens de maïs et de soya, d’obtenir des prévisions du rendement potentiel de ces cultures à des moments clés durant la saison de croissance à partir de l’imagerie RADARSAT-2. La zone d’étude est le sud du Québec (Montérégie, Centre du Québec, Lanaudière et Mauricie). L’originalité de la recherche proposée ici découle de l’utilisation potentielle d’un très grand nombre de données (images RS-2 et rendements agricoles), à l’échelle fine de la parcelle, sur un grand territoire et sur plusieurs années. Les données de rendements moyens à la parcelle acquises sur toute la zone d’étude pendant les saisons de croissance végétatives de 2008-2013 ont été fournies par la Coop Fédérée.  Ceux-ci ont également récolté des données terrain sur une quarantaine de parcelles en 2014 et 2015. Près de 400 images RADARSAT-2 d’archives ont été fournies par l’Agence spatiale. Celles-ci ont été intercalibrées afin de réduire l’effet de l’angle d’incidence. Toutes ces données ont été structurées dans une base données à référence spatiale (PostgreSQL) « open source ». Le modèle STICS a été calibré et utilisé pour estimer le stade phénologique de chaque parcelle à chacune des dates d’acquisition des images d’archives RADARSAT-2. Après analyse des paramètres d’acquisition (orbite, polarisation, résolution), des cultures (maïs et soya), du stade phénologique, des conditions au sol (pluie, rosée) et de la taille des parcelles, des modèles de prévision du rendement sont proposés.  Les meilleures corrélations entre le coefficient de rétrodiffusion et le rendement final surviennent pour le soya, durant la fenêtre de stades phénologiques 55-71, correspondant au maximum de l’indice de surface foliaire. Une procédure de validation croisée a été menée sur les modèles. La qualité d’ajustement et la qualité d’estimation des modèles proposés pour le soya vont d’acceptable à souhaitable. Les résultats pour le maïs sont pour l’instant non concluants mais un travail d’harmonisation des données de rendement doit être effectué. Les routines pour appliquer le modèle ont été automatisées.