[REPLAY Séminaire T-tAg ] : La digitalisation dans les différentes voies de l’agroécologie : source de convergence ou de divergence ? / Techniques d’apprentissage profond pour la caractérisation de l’occupation du sol à partir de données de télédétection multi-modale, par Eléonore Schnebelin et Jean-Eudes Gbodjo – 23.09.2020

T-Tag, webinaires scientifiques de #DigitAg : les doctorants #DigitAg présentent leurs travaux de recherche

Revoir les interventions de nos 2 doctorants et les échanges qui ont suivi.

 

La digitalisation dans les différentes voies de l’agroécologie : source de convergence ou de divergence ?

par Eléonore Schnébelin, INRAE, UMR Innovation – AGIR

Deux transformations majeures sont actuellement encouragées et débattues en agriculture : la digitalisation et l’écologisation. Ces deux processus sont parfois décrits comme antagonistes, parfois comme convergents. Notre travail explore comment ces deux processus co-évoluent dans le système d’innovation agricole français, à l’échelle du secteur agricole et à l’échelle des pratiques des agriculteurs.

Comment les acteurs de différents modèles agricoles perçoivent et mettent en œuvre le développement du numérique ? En prenant l’exemple de l’agriculture biologique et en nous basant sur des entretiens réalisés avec des acteurs du secteur, nous soulignerons des points de convergence et de divergence.

Eléonore est agronome de formation, diplômée d’AgroParisTech, avec une spécialisation en économie de l’agriculture et des ressources. Elle réalise sa thèse en économie à l’Inrae de Montpellier, au sein de à l’UMR Innovation et en partenariat avec l’UMR AGIR de Toulouse. Elle travaille sur l’arrivée du numérique dans le secteur agricole et son enjeu pour la transition agro-écologique.

Voir aussi: la page d’Eléonore Schnebelin


Évaluation de techniques d’apprentissage profond pour la caractérisation de l’occupation du sol à partir de données de télédétection multi-modale

par Jean-Eudes Gbodjo, INRAE, UMR TETIS

Le recours à la télédétection pour le suivi des systèmes de cultures révèle son intérêt depuis plusieurs décennies, en permettant des applications comme l’évaluation des surfaces cultivées ou l’estimation des rendements à des échelles locales, régionales et globales. De nos jours, la démocratisation et la multiplication des missions satellitaires offrent la possibilité d’acquérir de l’information multi-source pour mieux suivre et caractériser les systèmes agricoles. Néanmoins, l’intégration de ces sources d’information diverses et complémentaires, notamment pour le suivi des systèmes de cultures, reste un défi et un champ de recherche actif. La révolution de la dernière décennie concernant l’apprentissage profond a rapidement gagné le champ de la télédétection et ouvert la voie à de nouvelles applications. Dans cette présentation, nous aborderons une méthode basée sur des réseaux de neurones convolutifs pour caractériser les superficies cultivées, et en général, l’occupation du sol à partir de séries temporelles radar, optique et d’image à très haute résolution spatiale.

Yawogan Jean Eudes a reçu le diplôme de master en géomatique (SIGMA) de l’Université Jean Jaurès, Toulouse, France, en 2018. Il prépare actuellement son doctorat en informatique sur des approches d’apprentissage automatique pour gérer les données de télédétection multi-sources pour les systèmes de suivi de cultures.

Voir aussi: la page de Jean-Eudes Gbodjo


Contact : sigolene.rousseau [AT] supagro.fr