Offres de thèses : campagne 2020

#DigitAg propose des thèses pour des sujets de recherche interdisciplinaires, cofinancées avec ses établissements membres

Le plus : les doctorants bénéficieront aussi d’une aide pour financer leurs travaux (équipement, colloques…).

Les sujets affichés ont été sélectionnés par #DigitAg qui les co-financent avec l’établissement d’accueil
En savoir plus ? Rapprochez-vous du contact indiqué pour le sujet qui vous intéresse

Sujets sélectionnés pour la rentrée 2020  :

 

Mathématiques et leurs applications – Sciences de la Vie et de l’Environnement

Modélisation Architecturée du Maïs : estimation du rayonnement intercepté à l’aide de capteurs et de modèles 3D

Mots-clés : Maïs, Modèle plante architecturé 3D, Compétition interplantes, Interception du rayonnement, Capteurs, Phénotypage haut-débit

  • Contact : frederic.baret |AT] inrae.fr
  • Directeur(s) de thèse : Frédéric Baret (INRAE EMMAH)
  • Encadrant(s) : Raul Lopez Lozano, , EMMAH, INRAE / Benoit De Solan, Arvalis / Jean-Charles Deswarte, Arvalis
  • Unités d’accueil : INRAE UMR EMMAH / Arvalis -L’Institut du Végétal (Avignon)
  • Co-financement :  #DigitAg – Acta – les instituts techniques
  • #DigitAg : Axe 6 : Modélisation et simulation (systèmes de production agricole), Challenge 1 : Le challenge agroécologique, Axe 2 : Innovations en agriculture numérique,Axe 3 : Capteurs, acquisition et gestion de données, Challenge 2 : Le phénotypage rapide,Challenge 5 : Les services de conseil agricole

L’optimisation de la structure du peuplement est un important levier pour améliorer le rendement du maïs. Caractériser la plasticité architecturale des génotypes de maïs pour s’adapter aux contraintes environnementales imposées par la présence de voisins devient un élément incontournable afin de trouver l’équilibre optimal entre la densité/structure du peuplement et les ressources disponibles, avec pour objectif de maximiser le rendement. Les caractéristiques architecturales et physiologiques du couvert peuvent être appréhendées par l’utilisation de capteurs; inversement, les acquisitions des capteurs peuvent bénéficier d’une nette valeur ajoutée si elles sont interprétées à travers une vision architecturée. Les enjeux du projet sont : 1. Evaluer l’impact de pratiques de semis (écartement, densité, orientation) sur l’interception du rayonnement par la culture et l’élaboration du rendement / 2.- Valoriser les capteurs (phénotypage à haut débit, drones, satellites) pour obtenir des descriptifs fins des cultures intégrables dans un modèle de culture. Le but du projet est de comprendre et modéliser la plasticité architecturale et l’efficience d’interception et de conversion du rayonnement de génotypes de maïs en réponse à la compétition intra-spécifique, et relier ces déterminants aux performances des plantes. Le projet comprendra quatre objectifs principaux : 1. L’accès aux paramètres structuraux du couvert de maïs à partir des données optiques acquises dans des parcelles de maïs à partir des stades précoces. Différentes techniques de reconstruction 3D seront exploitées afin de caractériser l’architecture des plantes et du couvert. / 2. L’estimation de la quantité et qualité du rayonnement dans des couverts de maïs à partir de la simulation du régime lumineux grâce à l’utilisation des algorithmes de lancer de rayons et des modèles réalistes de structure du couvert calés sur les observations précédentes / 3. L’estimation de la réponse de la plante (organogénèse et mise en place du LAI, de la biomasse et du rendement) à partir des modèles d’absorption du rayonnement appliqués aux couverts reconstruits en 3D / 4. La caractérisation de la plasticité génotypique liée à la compétition entre plantes, à partir de la dynamique de la quantité et qualité de la lumière, et l’architecture des plantes.

Mathématiques et leurs applications – Sciences de la Vie et de l’Environnement

Métriques pour évaluer la spatialisation de modèles de culture pour l’agriculture de précision : application à la modélisation du statut hydrique de la vigne

Mots-clés : Analyse de sensibilité, Géostatistique, Modèles spatiaux

  • Contact : james.taylor [AT] inrae.fr
  • Directeur(s) de thèse : James Taylor, ITAP INRAE/ Bruno Tisseyre, ITAP, L’Institut Agro – Montpellier SupAgro
  • Encadrant(s) : James Taylor, ITAP, INRAE/ Sébastien Roux MISTEA, INRAE/Bruno Tisseyre, ITAP, L’Institut Agro – Montpellier SupAgro
  • Unités d’accueil : INRAE, ITAP & MISTEA
  • Cofinancement :  #DigitAg – INRAE
  • #DigitAg : Axe 6 : Modélisation et simulation (systèmes de production agricole), Challenge : sujet transversal, Axe 5 : Fouille de données, analyse de données, extraction de connaissances,

Il existe d’énormes lacunes dans les connaissances sur la meilleure façon de manipuler les modèles de culture avec des données auxiliaires spatiales (et temporelles) à haute résolution, sur les implications que la modification du modèle a sur la puissance prédictive et sur la façon d’évaluer correctement la performance du modèle à différentes échelles. Les agronomes ont besoin d’aide pour y parvenir. Cette thèse portera sur l’élaboration de paramètres permettant d’évaluer l’effet de l’intégration d’observations spatio-temporelles multitemporelles des cultures et de l’environnement dans les modèles de cultures existants.  L’objectif est d’améliorer la compréhension de la façon de spatialiser les prédictions des modèles en vue d’une meilleure gestion spatiale. Il n’abordera pas et ne pourra pas aborder toutes les questions, mais il commencera à fournir des outils pour y parvenir. Les modèles de cultures spatiales (agroenvironnementales) produiront des extrants avec un changement dans l’étendue, la couverture et/ou le soutien par rapport aux applications des modèles de cultures traditionnelles. La nécessité de méthodes correctes d’analyse de sensibilité a déjà été discutée et proposée, mais seulement pour les applications régionales à grande échelle. Les applications agronomiques à haute résolution, sous-domaines et sous-domaines sont un domaine d’analyse de sensibilité qui nécessite d’autres travaux.

 

Sciences pour l’Ingénieur – Sciences Humaines et Sociales

Utilisation de la simulation à base d’agents et de la théorie de l’argumentation pour mieux appréhender la diffusion et l’appropriation de la technologie des compteurs d’eau communicants en agriculture

Mots-clés : modélisation à base d’agents, théorie de l’argumentation, diffusion d’innovation, compteur d’eau communicant, territoire agricole

  • Contact : patrick.taillandier [AT] inrae.fr
  • Directeur(s) de thèse : Patrick Taillandier, INRAE MIAT
  • Encadrant(s) : Rallou Thomopoulos (INRAE IATE) et Stéphane Couture (INRAE MIAT)
  • Unités d’accueil : INRAE MIAT (Toulouse) / INRAE IATE (Montpellier
  • Cofinancement :  I#DigitAg – INRAE
  • #DigitAg : Axe 1 : Impact des technologies de l’information et de la communication sur le monde rural, Challenges: sujet transversal,

Ces dernières années ont connu un fort développement des technologies numériques en agriculture, qui ont déjà largement commencé à impacter les pratiques des agriculteurs. Si ces technologies offrent une opportunité unique pour participer à l’émergence d’une agriculture plus respectueuse de l’environnement, elles posent également de nombreuses questions sur les effets négatifs dont elles pourraient être la cause (inégalités entre agriculteurs, industrialisation de l’agriculture, propriété et fuites des données, etc.). Ce projet de thèse vise à étudier différents leviers qui pourraient permettre une appropriation et une diffusion vertueuse des outils numériques en agriculture. Il se propose pour cela de passer par la construction d’un modèle de simulation permettant d’évaluer différentes politiques (formation d’agriculteurs, communication autour d’outils numériques, etc.) à l’échelle d’un territoire. Le modèle sera fondé sur le couplage entre la modélisation à base d’agents et la théorie de l’argumentation. L’objectif est en effet de partir du terrain à l’aide de méthodes issues de l’économie expérimentale et d’enquêtes et d’analyser les arguments utilisés par les différents acteurs sur l’utilisation de ces outils pour proposer une modélisation riche et réaliste des phénomènes d’appropriation et de diffusion d’innovations. Cette démarche de modélisation sera appliquée pour étudier le cas des compteurs d’eau communicants (principe similaire à Linky pour les compteurs d’électricité) chez les agriculteurs en Occitanie. Ces dispositifs, qui pourraient permettre une meilleure gestion des ressources en eau, sont aujourd’hui une source de crispation chez de nombreux agriculteurs. L’enjeu applicatif est ainsi de mieux saisir ces crispations et d’évaluer des stratégies pour les lever.

Sciences pour l’Ingénieur – Sciences de la Vie et de l’Environnement

Potentialités des séries pluriannuelles Sentinel à haute résolution pour une meilleure connaissance des dynamiques des jachères en Afrique de l’Ouest

Mots-clés : Systèmes agricoles tropicaux, jachères, usage du sol, télédétection, Sentinel, imagerie radar et optique, séries temporelles pluriannuelles

  • Contact : pierre-yves.vion [AT] agroparistech.fr
  • Directeur(s) de thèse : Agnès Bégué TETIS, Cirad
  • Encadrant(s) : Raffaele Gaetano, TETIS Cirad/ Louise Leroux, AIDA Cirad ,
  • Unités d’accueil : TETIS et AIDA
  • Cofinancement :  #DigitAg – Cirad
  • #DigitAg : Axe 5 : Fouille de données, analyse de données, extraction de connaissances, Challenge 8 : Développement agricole au Sud, Axe 6 : Modélisation et simulation (systèmes de production agricole), Challenge 1 : Le challenge agroécologique,Challenge 4 : Des productions animales durables,Challenge 6 : La gestion des territoires agricoles

Les systèmes agricoles extensifs, encore très répandus en zone tropicale, reposent généralement sur les pratiques de jachère, du fait de leur capacité à régénérer la fertilité des sols notamment à travers le maintien de réservoirs de biomasse. Leur importance a aussi été soulignée dans l’adaptation aux changements climatiques, car elles contribuent à la séquestration du Carbone dans le sol et la réduction des gaz à effet de serre. De ce fait, l’estimation des surfaces en jachère est une information primordiale dans l’évaluation des performances d’un système agricole, à la fois en termes de productivité que de quantification du « stock de terres » disponible pour la mise en place de stratégies en réponse à des facteurs climatiques et/ou anthropiques. Si la documentation sur cette pratique en différentes régions du monde est importante, un inventaire régulier et exhaustif des jachères en Afrique de l’Ouest (AO) n’existe pas. Compte-tenu des enjeux liés à cette pratique, cette thèse a donc comme objectif la définition d’un cadre méthodologique mêlant connaissances expertes et imagerie satellitaire pour la mise en place d’un système de suivi des jachères à grande échelle. En effet, la cartographie des jachères est peu prise en compte par les produits d’occupation du sol par télédétection. Au mieux, elle est abordée par des approches naïves omettant toute prise en compte des spécificités liées à ces pratiques (emprise, durée, stratégie, mais aussi leur rôle dans les paysages). Afin de dépasser ces limites, et forts d’une disponibilité grandissante d’images satellitaires adaptées au suivi des paysages agricoles complexes ouest-africain (comme celles issues des missions Sentinel de l’ESA), nous allons promouvoir une approche interdisciplinaire pour (i) étudier les relations entre mise en pratique des jachères et indicateurs issus de télédétection et (ii) véhiculer ses informations dans la conception de méthodes d’analyse de séries pluriannuelles d’images pour leur identification.

Sciences de la Vie et de l’Environnement – Sciences pour l’Ingénieur

Évaluation automatisée en temps réel du bien-être et de la santé des truies en gestation à partir de données hétérogènes

Mots-clés : comportement, bien-être, élevage de précision, technologie, truies

  • Contact : charlotte.gaillard [AT] inrae.fr
  • Directeur(s) de thèse : Jean-Yves Dourmand (INRAE PEGASE)
  • Encadrant(s) : Charlotte Gaillard (INRAE UMR Pegase) et Christine Largouët (Inria, UMR IRISA-Inria)
  • Unités d’accueil : INRAE Pegase/ Inria LACODAM (Rennes)
  • Cofinancement :  #DigitAg – INRAE
  • #DigitAg : Axe 5 : Fouille de données, analyse de données, extraction de connaissances, Challenge 4 : Des productions animales durables, Axe 2 : Innovations en agriculture numérique, Challenge 2 : Le phénotypage rapide

L’évaluation du comportement des truies permet la détection précoce de problèmes de santé ou bien-être et de quantifier leur activité physique, principal facteur de variation de leurs besoins énergétiques. L’observation continue de chaque animal par l’éleveur est impossible et seules des observations ponctuelles, souvent une fois par jour, sont réalisées. De nouvelles technologies se développent, comme les accéléromètres qui mesurent l’activité de chaque animal et son comportement ainsi que des logiciels analysant les vocalisations des animaux. L’analyse de vidéos permet aussi l’étude des interactions sociales entre les animaux. Les comportements alimentaires et d’abreuvement peuvent être enregistrés par les équipements de distribution. Ces données comportementales couplées aux données de production (ingestion, poids et épaisseur de lard dorsal) devraient permettre l’estimation en temps réel du bien-être de chaque animal et d’anticiper des problèmes de santé d’une manière non invasive. L’originalité de l’approche consiste à décrire les modèles de comportements à l’aide d’automates temporisés, un domaine de recherche novateur qui réside dans la représentation des contraintes temporelles utiles pour modéliser la dynamique du comportement, l’efficacité de l’exploration (à l’aide de techniques de model-checking) et l’explicabilité des modèles pour les tâches de prévision et de supervision. Les objectifs de cette thèse sont donc (i) de collecter des données de comportement et production dans différentes situations (Non-stressantes vs. Stressantes), (ii) d’apprendre et de modéliser les dynamiques de comportement des truies et les interactions entre elles dans les différentes situations, (iii) de construire un système informatique qui déclenche des alertes et préconise des actions, comme l’adaptation du milieu d’élevage ou de l’alimentation, permettant l’amélioration du bien-être, et enfin de (iv) tester le système en ferme expérimentale.