Montpellier 27 novembre 2018 | Journée #DigitAg Imagerie satellitaire et agriculture de précision
Programme
Matinée Conférence invitée
>> vous inscrire pour assister à la conférence (la présentation sera en anglais)
Campus Lavalette, AgroParisTech, salle Amazone (accès au site – 648 Rue Jean François Breton à Montpellier) 10h : introduction par Véronique Bellon-Maurel, #DigitAg 10h30-11h30 : Conférence “L’analyse spatiale au service de la gestion des ressources naturelles” par Dr Ruth Kerry, Brigham Young University’s (Utah, USA) Ruth Kerry est diplômée l’Université d’Oxford (premier cycle en géographie physique) et l’Université de Reading, Royaume-Uni (Master of Science Analyse spatiale des sols et évaluation des terres). Son sujet de doctorat, sous la direction du professeur Margaret Oliver, portait sur l’étude des méthodes géostatistiques pour la cartographie des sols en agriculture de précision. En 2004, elle a rejoint le département de géographie de la Brigham Young University (Utah, USA), choisissant d’enseigner et de faire des recherches à temps partiel tout en s’occupant de ses cinq enfants. Ses principaux domaines de recherche portent sur l’application des méthodes géostatistiques à la cartographie des sols. Au sein du département de géographie, son champ d’application s’est élargi, des sols et des problèmes agricoles et environnementaux à des études en géographie du crime et de la santé. Ses recherches ont bénéficié du partage des techniques entre la géographie humaine et la géographie physique. Elle a édité un double numéro spécial d’Analyse Géographique sur l’application des méthodes géostatistiques en géographie humaine et en géographie physique. Actuellement, elle est, pour la deuxième fois, rédactrice en chef d’un numéro spécial de Precision Agriculture. En parallèle elle coordonne un ouvrage chez Springer sur les approches sensorielles de l’agriculture de précision. Projets & publications : https://www.researchgate.net/profile/Ruth_Kerry Résumé : La création d’une carte précise de tout phénomène naturel pour gérer une ressource particulière nécessite la collecte et l’analyse d’échantillons du phénomène d’intérêt, ce qui est coûteux. Il existe maintenant de nombreux capteurs et données de télédétection qui fournissent des données spatiales denses liées à une gamme de caractéristiques environnementales, mais celles-ci ont toujours besoin d’être vérifiés ou calibrées avant de pouvoir être utilisées pour déduire un phénomène donné. Cette vérification et cet étalonnage sur le terrain exigent des recherches universitaires pour déterminer les méthodes de détection et les techniques d’analyse des données les plus appropriées. Le sol est une ressource naturelle clé qui doit être gérée de manière appropriée afin que sa qualité ne soit pas dégradée et qu’il puisse soutenir la production agricole future. Lors d’ECPA 2017, conférence européenne pour l’agriculture de précision, l’un des orateurs de la plénière, un agriculteur pratiquant l’agriculture de précision depuis 20 ans, a déclaré que le problème de la cartographie abordable mais précise des propriétés des sols pour l’agriculture de précision n’avait pas été résolu. Au cours de ce séminaire, un certain nombre d’études de cas montrant des méthodes plus rentables de cartographie des sols utilisant des données captées seront présentées. Les études de cas couvrent une gamme d’échelles spatiales et d’applications pour la cartographie. Il est montré que de nombreux problèmes liés à la cartographie précise des sols ont été résolus, mais qu’il existe un grand besoin de logiciels d’aide à la décision pour combler le fossé entre la recherche universitaire et les agriculteurs/agronomistes. De tels logiciels devraient être capables d’analyser automatiquement mais intelligemment les données pour l’agriculteur. Un schéma qui pourrait servir de point de départ pour le traitement automatique des données pédologiques pour l’agriculture de précision sera discuté et de nouvelles approches d’autres disciplines qui pourraient résoudre d’autres problèmes en agriculture de précision seront présentées.Après-midi Soutenance de thèse
> vous inscrire pour assister à la soutenance (la présentation sera en anglais) Campus La Gaillarde, Montpellier SupAgro, amphi 208 (accès au site – 2 Place Viala) 13h30 : Corentin Leroux, soutiendra publiquement ses travaux de thèse en Génie des procédés intitulés Traitement et valorisation d’informations spatialisées en Agriculture de Précision: Application aux données de rendement intra-parcellaires dirigés par Monsieur Bruno Tisseyre.
Composition du jury :
· M. Bruno Tisseyre, Montpellier SupAgro, Directeur de thèse
· M. Alex McBratney, University of Sydney, Rapporteur
· Mme Ruth Kerry, Brigham Young University, Rapporteur
· M. James Taylor, Irstea,, Examinateur
· M. Christian Germain, Bordeaux Sciences Agro, Examinateur
· M. Jean-Michel Roger, Irstea, Examinateur
· M. Hazaël Jones, Montpellier SupAgro
· M. Olivier Strauss, LIRMM
Mots-clés : Agriculture de Précision, Données de rendement intra-parcellaires, Filtrage, Zonage, Géostatistiques, Variabilités intra-parcellaires spatiale et temporelle
Résumé : L’agriculture de précision (AP) est un domaine qui associe les technologies de l’information et de la communication (TIC) géoréférencées pour améliorer la gestion des agrosystèmes. Une des informations pionnières et symboliques de l’agriculture de précision est la donnée de rendement issue de capteurs embarqués sur moissonneuses batteuses. Associés à la localisation par satellites (GNSS) des machines, ces capteurs permettent de réaliser des cartes de rendement intra-parcellaires à haute résolution spatiale. Les cartes de rendement constituent une source d’information pour caractériser la variabilité spatiale du résultat de l’itinéraire de production et prendre d’éventuelles décisions pour la conduite et/ou le pilotage de la culture mise en place l’année suivante. Elles sont toutefois aujourd’hui sous exploitées voire non utilisées par les professionnels du secteur agricole pour un certain nombre de raisons : chaine de traitement non fiabilisée, cartographies non simplifiées, manque de services opérationnels basés sur les données de rendement… Bien que plusieurs travaux se soient déjà intéressés au traitement de la donnée de rendement lorsque les capteurs ont été mis en place, il est considéré ici que les technologies digitales ont significativement évolué depuis les premiers développements des capteurs de rendement, e.g. amélioration des réseaux de communication, logiciels de gestions parcellaires sur le cloud, exploitations agricoles de plus en plus connectées. Ces nouveaux facteurs imposent un certain nombre de contraintes associées aux méthodes de traitement de l’information, avec notamment la nécessité d’une automatisation importante (pour limiter les interventions manuelles), ou encore une certaine robustesse (au vu de la diversité des données à traiter). Cette disruption digitale du secteur agricole demande de revisiter les méthodes existantes de traitement des données de rendement afin de prendre en compte ce nouveau contexte auquel fait face le secteur agricole. L’objectif étant d’(i) évaluer la performance et l’intérêt des méthodes existantes dans ce contexte digital, et (ii) identifier des pistes d’amélioration et de nouvelles questions scientifiques pertinentes en fonction des obstacles rencontrés. Dans ce travail de thèse, plusieurs méthodes de traitement de la donnée de rendement ont été proposées pour transformer la donnée brute de rendement en couches d’informations et de décisions. Trois axes principaux ont été étudiés : (1) la qualité de la donnée, (2) la représentation spatiale de la donnée, et (3) l’interprétabilité de la donnée. Plus particulièrement, une méthode de filtrage a tout d’abord été mise en place pour améliorer la fiabilité des données brutes de rendement en sortie des capteurs (1). Cette approche est originale parce qu’elle permet de prendre en compte le processus de collecte des données des capteurs embarqués et parce qu’elle peut être appliquée à des données spatiales irrégulièrement réparties dans l’espace. Deux méthodes de zonage ont ensuite été implémentées pour délimiter des unités de rendement homogènes à partir de cartographies annuelles ou multi-temporelles de rendement (2). La procédure de zonage est intéressante dans le sens où elle peut être aussi appliquée à des données irrégulièrement réparties dans l’espace et que l’approche incorpore des considérations opérationnelles (expertise de l’agriculteur, taille des machines agricoles). Finalement, un arbre de décision a été proposé pour aider les utilisateurs à choisir un descripteur de variabilité intra-parcellaire lors de leurs travaux avec des données spatialisées (3). L’ensemble des méthodes ont été développées en suivant les principales contraintes fixées d’automatisation, de robustesse, et de non-supervision.
