Estimer les rendements de manguiers en Afrique de l’Ouest : les outils issus de la thèse de Julien Sarron

Le 9 décembre dernier à Montpellier, Julien Sarron soutenait ses travaux de thèse sur l’estimation spatialisée des rendements du manguier au Sénégal. De nombreux résultats s’ensuivent, des publications et plusieurs outils, dont un outil numérique à destination de la filière mangue, en cours de développement-transfert. De nombreuses perspectives pour Julien fraîchement recruté au Cirad pour poursuivre ses recherches au sein de l’équipe d’Emile Faye à HortSys.

Avec quels objectifs as-tu démarré ta thèse ?

Dans le contexte d’insécurité alimentaire qui est celui de l’Afrique de l’Ouest, améliorer les moyens de suivi de la production agricole est indispensable. Les arbres fruitiers occupent une place importante dans l’alimentation des populations mais leurs rendements sont faibles. Pour faire face aux enjeux du développement il faut pouvoir en identifier les causes. Mon sujet de thèse était  appliqué à la production de mangues, avec l’objectif de produire des outils d’estimation du rendement du manguier à différentes échelles spatiales, l’arbre, le verger et la région, Pour pouvoir identifier les facteurs explicatifs de la variabilité de rendement observée, j’ai travaillé sur 30 vergers de la région des Niayes près de Dakar, répartis dans 3 types de systèmes de culture : intensif (monoculture), extensif, et aussi, diversifié, à savoir, agro-forestiers.

Agroforesterie, systèmes de culture, télédétection, intelligence artificielle… tes travaux abordent plusieurs domaines qui croisent agronomie et outils du numérique ?

Oui, agronome de formation, j’avais déjà travaillé sur la varialbilité des rendements de cultures annuelles, mais les fruitiers, c’était nouveau pour moi. Il a fallu me plonger dans la recherche en arboriculture tropicale pour comprendre les facteurs explicatifs des hétérogénéités de rendement du manguier. Avec des questions liées à l’écophysiologie de l’arbre, mais aussi aux systèmes de cultures, très variés en Afrique de l’Ouest Par exemple, le système agro-forestier à base de manguiers, complexe, est particulièrement intéressant.

J’ai aussi investi l’imagerie drone et l’intelligence artificielle (machine learning, réseaux de neurones) dans un double objectif : construire une carte d’occupation des sols et estimer le rendement des manguiers à l’échelle de l’arbre, dans et entre les vergers.

© Louise Leroux, Cirad

 

L’imagerie drone est intéressante pour la recherche en agro-foresterie, pour comparer les systèmes de culture…

À l’échelle du verger, la carte d’occupation des sols sert à connaître, pour chaque verger, la position des arbres, leur espèce, voire leur variété dans le cas du manguier. Pour l’établir, nous avons classé les images drone avec le logiciel eCognition. Nous avons entraîné un algorithme à distinguer les manguiers des autres objets présents sur les parcelles : d’autres arbres, comme les agrumes, et les anacardiers, du maraîchage, de la végétation de brousse, sol, pistes, bâtiments… Et donc, on modélise la production de chaque manguier en recoupant la carte d’occupation des sols avec les informations sur la structure des arbres c’est à dire, leur hauteur, leur surface projetée et leur volume) qui est aussi obtenue par l’imagerie drone.

  • La modélisation et la spatialisation de la production montre les variabilités de rendement intra- et inter-verger : les distributions spatiales des caractéristiques et de la production des arbres apparaissent plus hétérogènes dans les vergers extensifs et diversifiés que dans ceux en monoculture.
  • L’imagerie drone est intéressante sous l’angle agronomie/agro-foresterie. Beaucoup d’informations sur les vergers ont été acquises : composition variétale, nombre de pieds, surface en maraîchage… Un grand nombre de mesures peuvent être réalisées et mises en relation pour estimer l’impact sur le rendement et comparer les systèmes de culture. Par exemple on a constaté que  les vergers diversifiés agro-forestiers ont une production moyenne par arbre plus élevée que les vergers intensifs.

Un drone ne serait pas adapté aux contraintes des petits producteurs, un smartphone oui

A l’échelle de l’arbre, nous avons mis au point un outil d’analyse d’images numériques par réseau de neurones assisté par modèle pour estimer la production de manguiers à l’approche de la récolte. Ici pas de drone, il ne serait pas adapté aux contraintes des petits producteurs, alors qu’un smartphone par exemple, le serait. Donc pour les expérimentations, nous avons utilisé un appareil photo numérique de bonne résolution pour photographier chaque arbre et ses mangues. Pour détecter le nombre de mangues par arbre, nous avons opté, avec l’appui de collègues de l’UMR AMAP,. pour des algorithmes déjà utilisés par une équipe australienne pour des vergers en monoculture. Notre valeur ajoutée apportée est d’avoir entraîné le réseau de neurones à détecter 3 variétés de manguiers. Il s’agit des 3 variétés les plus répandues dans la région des Niayes, issues de conditions de cultures très variées. A l’intérieur des arbres, les mangues sont cachées donc j’ai développé un modèle statistique de calibration pour relier le nombre de fruits visibles détectés par l’algorithme ,et le nombre réel de fruits. Il est calibré pour ces 3 variétés de manguiers, mais utilisable ailleurs en le re-calibrant. J’ai utilisé le concept d’écart de rendement ou “yield gap’”,pour calculer l’écart entre la production atteignable du manguier, définie par sa structure, son âge et sa variété, et sa production réelle. Sur les 30 vergers suivis, pour les 3 variétés et les 3 systèmes de culture de la région, on a constaté les effets de la variété de mangue et du système de culture sur les écarts de production. On a aussi identifier les effets de certaines pratiques. Par exemple, les manguiers irrigués ont des écarts entre leur production atteignable et réelle réduits de 30% en moyenne, par rapport au manguiers non-irrigués. Cet ensemble réseau de neurones + modèle de calibration constitue le socle de l’outil PixFruit en cours de développement.

À l’échelle régionale, c’est à dire, du bassin production des Niayes, j’ai abordé le diagnostic agronomique régional : quels sont les facteurs qui déterminent le rendement ? Quelles sont variabilités de rendement entre vergers ? Je suis en train d’analyser les résultats pour comparer des performances des vergers. On peut déjà constater que la densité des arbres est une variable déterminante du rendement dans le système intensif, et que l’arbre produit plus dans le système diversifié. Le climat, les pratiques culturales et la diversité cultivée sont aussi des facteurs explicatifs de la variabilité de la production, mais leur effet reste à être explorés. Dans le futur, l’idée serait d’avoir un modèle pour extrapoler les rendements au niveau régional, pour estimer la production de l’ensemble des vergers du bassin.

Ton après-thèse ?

Je viens d’être recruté au Cirad, je vais pouvoir poursuivre mon activité dans la même équipe, au sein de l’unité HortSys, cette fois-ci  à Montpellier. En ce moment, je rédige de nouveaux articles sur mes travaux de thèse. Pour PixFruit, nous allons commencer la validation des modèles à l’échelle du verger, le développement du modèle région et le développement de l’outil. Je vais également aborder de nouvelles questions de recherche , comme la dynamique temporelle de la production des fruitiers (floraison, maturité… ). Dans ma thèse, cela était peu abordé, il y avait déjà beaucoup à faire sur les fruits mature. Je souhaiterais aussi voir si le concept méthodologique mis au point sur le manguier peut être appliqué à d’autres espèces fruitières. Par exemple, le litchi à Madagascar. Pour cela, plusieurs collaborations de recherche vont se poursuivent pour les aspects télédétection régionale, avec AMAP pour l’encadrement de stages et au sein de l’équipe projet PixFruit (voir l’encadré).

Contact :  julien.sarron [AT] cirad.fr​ – Tél. +33 4 67 59 37 14 – Voir aussi : La page de Julien et ses publications

PixFruit : vers un outil d’aide à la décision pour la filière mangue en Afrique

PixFruit mobilise les outils de l’agriculture numérique pour gérer les données de production de cultures fruitiières. Les producteurs pourront estimer la production de leurs arbres, en temps réel et hors-ligne.

  • Les réseaux de neurone et modèles d’estimation de rendement mis au point par Julien Sarron sont un des 3 piliers de l’outil
  • L’application mobile PixFruit App est en cours de développement grâce à un financement de la Région Occitanie. Les données collectées par les producteurs dans leurs vergers seront analysées sur un serveur distant et sécurisé.
  • Une application web fournira aux producteurs une cartographie précise de leur rendements. Pour orienter leurs décisions ils disposeront d’informations sur le tonnage hectare, le suivi pluriannuel de production, l’écart de rendement par rapport à la zone… ainsi que de nouveaux services ((prévision de récolte, mise en relation d’acteurs).

Pour réussir ce transfert, un consortium réunit le Cirad (unités HortSys et AMAP), la start-up franco-marocaine Sowit (données informatives, outils d’aide à la décision), implantée en Afrique de l’Ouest, et le laboratoire Orange Labs (R&D) de Grenoble qui apporte ses compétences en design-thinking et en télécommunications.

La plateforme PixFruit sera opérationnelle courant 2021. Dans un premier temps, elle informera tous les acteurs de la filière mangue sur les productions de mangue de l’année au Sénégal et en Côte d’Ivoire.

Contact : Emile Faye, responsable du projet-consortium – Cirad HorSys, emile.faye [AT] cirad.fr

En savoir plus