[Paroles de doctorants] Cécile Laurent : Proposition d’un modèle d’élaboration et d’estimation du rendement en viticulture par apprentissage à partir de données hétérogènes telles que des séries temporelles d’observations et des données climatiques historiques

Cécile porte un sujet de thèse labellisée par #DigitAg

 

Cécile Laurent : Proposition d’un modèle d’élaboration et d’estimation du rendement en viticulture par apprentissage à partir de données hétérogènes telles que des séries temporelles d’observations et des données climatiques historiques

  • Date de démarrage : Septembre 2018
  • Université :  MUSE Montpellier Université d’Excellence – Montpellier SupAgro
  • Ecole doctorale :
  • Discipline / Spécialité : Agronomie/viticulture, analyse de données, statistiques
  • Directeur de thèse : Bruno Tisseyre, Montpellier SupAgro ITAP & Aurélie Metay, Montpellier SupAgro SYSTEM
  • Encadrant(es)  : Meïli Baragatti, Montpellier SupAgro  MISTEA/ James Taylor, Irstea ITAP,
  • Financement :  Cifre Fruition Sciences
  • #DigitAg : Thèse labellisée – Axes 6 & 5 – Challenges : sujet transverse, 1 & 5

Mots-clés : viticulture, rendement, estimation, modèle, données hétérogènes, climat

Résumé :

La compréhension des étapes clefs de l’élaboration du rendement et son estimation au niveau de chaque parcelle sont deux enjeux importants pour la filière viticole. Le développement de la viticulture de précision entraîne des changements importants en termes de génération de données, permettant ainsi d’envisager de nouvelles approches opérationnelles. Dans ce contexte, la thèse propose de travailler à la valorisation de données hétérogènes telles que des séries temporelles d’observations et des données historiques dans l’objectif de permettre : i) d’inférer des connaissances relatives aux mécanismes d’élaboration du rendement spécifiques au contexte local puisque déterminés à partir des données, ii) d’identifier les facteurs qui, localement, peuvent affecter le rendement tout au long du cycle de la vigne, iii) d’envisager l’apprentissage de modèles empiriques adaptés localement permettant de produire une estimation du rendement tout au long du cycle de production.

La thèse s’articule autour de deux problématiques : Commet inférer de la connaissance sur l’élaboration du rendement à partir de données hétérogènes ? Comment utiliser cette connaissance pour établir un modèle empirique d’estimation du rendement ? Même si elle n’exclut pour l’instant aucune approche, la thèse propose d’utiliser de nouvelles méthodes en développement telles que la méthode BLiSS (Grollemund, 2017) pour répondre à la première question. Celles-ci sont des méthodes statistiques fonctionnelles bayésiennes qui permettent d’analyser l’historique global de variables évoluant dans le temps. Pour la deuxième question, la thèse privilégiera la logique et l’inférence de règles floues (Grelier et al., 2007) afin de traiter des données hétérogènes en tenant compte de leur imprécision et de la complexité de leurs interactions. Nous faisons l’hypothèse que cette approche présente de grandes potentialités dans le domaine de l’agriculture, où l’analyse des relations entre variables quantitatives datées et séries temporelles multivariées est très souvent nécessaire pour estimer la qualité et la quantité de la production (rendement, teneur en sucre, acidité, teneur en protéine des grains, etc.) en fonction de variables temporelles (température, état hydrique de la plante, rayonnement, humidité du sol, etc.).

 

Contact:  cecile.laurent [AT] fruitionsciences.com

Réseaux : ResearchGate – LinkedIn