[Paroles de doctorants] Maxime Ryckewaert : Couplage de la spectrométrie visible – proche infrarouge et un vecteur mobile pour la caractérisation de la végétation dans le cadre de campagnes de phénotypage


[VIDEO] La présentation des doctorants labellisés et financés par #DigitAg démarre avec Maxime Ryckewaert

Bonjour, je suis Maxime Ryckewaert, doctorant Cifre de Limagrain, société coopérative agricole, au sein de l’UMR ITAP (Irstea Montpellier). Mon sujet de thèse labellisée #DigitAg  : “Couplage de la spectrométrie visible – proche infrarouge et un vecteur mobile pour la caractérisation de la végétation dans le cadre de campagnes de phénotypage.”

Aujourd’hui l’agriculture doit s’adapter aux changements climatiques et à tout ce qui en découle comme la sécheresse et en particulier le stress hydrique, donc il est important de proposer de nouvelles variétés plus résistantes et plus adaptées.

Comment les connaitre et les sélectionner ? Pour caractériser la tolérance au stress hydrique de différentes variétés de maïs j’analyse l’information contenue dans leur spectre de réflectance, c’est-à-dire, le rayonnement renvoyé par les plantes. Ce rayonnement contient des informations sur des paramètres biochimiques comme la teneur en chlorophylle ou la teneur en eau. L’idée est d’explorer et de développer de nouvelles techniques pour acquérir et analyser ce type de données.

Des solutions existent mais ne sont pas adaptées à la sélection de plantes cultivées. L’imagerie hyperspectrale fournit beaucoup d’information du spectre de réflectance mais la technologie nécessite des caméras lourdes et le coût d’acquisition des données est élevé. Au contraire, en multispectrale, on perd de l’information mais les capteurs sont légers et le système est moins coûteux.

L’objectif de ma thèse est de conserver toute l’information des paramètres biochimiques de la plante, et d’aboutir à un système léger pour être embarqué un drone, pour parcourir plusieurs hectares.

Couplage de la spectrométrie visible – proche infrarouge et un vecteur mobile pour la caractérisation de la végétation dans le cadre de campagnes de phénotypage.

  • Date de démarrage : 1 novembre 2016
  • Université : Université Montpellier / Montpellier SupAgro
  • Ecole doctorale :  GAIA, Filière APAB, MUSE Montpellier Université d’Excellence
  • Discipline / Spécialité : Génie des procédés, agro-ressources
  • Directeur de thèse : Jean-Michel Roger (UMR ITAP)
  • Encadrant(es)  :  Alexia Gobrecht (UMR ITAP), Nathalie Gorretta (UMR ITAP), Fabienne Henriot (Limagrain)
  •  Financement : Cifre
  •  #DigitAg : Thèse labellisée – Challenge 2 (Phénotypage rapide)

Mots-clés : Spectrométrie, Phénotypage, Stress hydrique, Chimiométrie, Drone

Résumé :

L’objectif opérationnel de cette thèse est d’étudier les opportunités offertes par la spectroscopie visible et proche infrarouge embarquée sur un drone pour répondre aux besoins de développement d’outils de phénotypage haut débit permettant d’identifier et de décrire les variétés ayant un comportement supérieur à la moyenne en situation de stress hydrique.  En effet, d’un point de vue technologique, c’est un moyen facile à mettre en œuvre pour accéder à une information spectrale très riche pour caractériser un couvert végétal. Mais pour que cette information spectrale soit exploitable et pertinente pour les applications de phénotypage, il faut en optimiser le traitement :

  • Par le développement de méthodes permettant d’extraire des paramètres utiles pour la sélection des génotypes
  • Par le développement de méthodes permettant d’optimiser les résolutions spectrales et spatiales du signal.

Conserver une grande résolution spectrale est pour cela un facteur clé pour produire des modèles.

Dans ce contexte, il s’agit d’apporter des éléments de réponse à la question scientifique suivante :

Comment associer un capteur à faible résolution spatiale / forte résolution spectrale avec un vecteur drone permettant une forte résolution spatiale pour caractériser la réponse de la végétation face à un stress ? Application au phénotypage du maïs  vis-à-vis du stress hydrique.

Ainsi, les objectifs de recherche de cette thèse sont :

  • Vérifier l’hypothèse qu’avec une empreinte spectrale totale de la végétation, le suivi de la culture ou l’extraction de traits phénotypiques est plus robuste et sensible à de faibles variations de la réponse du génotype vis-à-vis du stress
  • Définir des protocoles d’acquisitions et développer des méthodes de traitement de l’information spectrale garantissant une information spectrale et spatiale suffisante pour le phénotypage
  • Valider les méthodologies développées pour une identification et caractérisation fine de variétés de maïs en réponse à un stress hydrique.

Contact :  maxime.ryckewaert [AT] irstea.fr – Tél : 04 67 16 65 00

RéseauxResesearchgate –  Linkedin

Communications / Publications

The impact of the spatial resolution of highly resolved spectral data on pan-sharpening methods to reconstruct a hyperspectral image.
Maxime Ryckewaert, Julien Morel, Jean-Michel Roger, Alexia Gobrecht, Fabienne Henriot and Nathalie Gorretta (2017). EFITA 2017, Montpellier (France), July 2nd-6th (European conference dedicated to the future use of ICT in the agri-food sector, bioresource and biomass sector, Session 5A: Sense&Rob1: sensing, robotics and electronics for agriculture (I))

Abstract: Pan-sharpening methods have been developed to increase the spatial resolution of the multispectral information by fusing a panchromatic image (i.e. high spatial /low spectral resolution) with a multispectral one. In recent years, methods have been proposed for hyperspectral and multispectral data fusion. These methods are generally used for satellite data with limited spatial resolution. In order to overcome the spatial resolution, sensors can be embedded on Unmanned Aerial Vehicles. In this presentation, we propose to study the impact of the spatial resolution of highly resolved spectral data on pan-sharpening methods in order to reconstruct a hyperspectral image and to choose the best combination of available cheap sensors.