[Thèse soutenue] Cécile Laurent: Proposition d’un modèle d’élaboration et d’estimation du rendement en viticulture par apprentissage à partir de données hétérogènes

Valorisation des données agricoles pour la recherche agronomique et à des fins opérationnelles : exemple de la prévision du rendement en viticulture

Sujet de thèse labellisée par #DigitAg

• Date de démarrage : Septembre 2018
• Université :  MUSE Montpellier Université d’Excellence – Institut Agro
• Discipline / Spécialité : Agronomie/viticulture, analyse de données, statistiques
• Directeur de thèse : Bruno Tisseyre, Institut Agro, UMR Itap & Aurélie Metay, Institut Agro, UMR AbSyS
• Encadrant(es)  : Meïli Baragatti, Institut Agro, UMR Mistea & James Taylor, Inrae, UMR Itap
• Financement :  Cifre Fruition Sciences
• #DigitAg : Thèse labellisée – Axes 6 & 5 – Challenges : sujet transverse, 1 & 5

Mots-clés: Vigne, Vin, Estimation, Prédiction, Séries Temporelles de données météorologiques, Elaboration du Rendement, Bayésien

Résumé : Les données agricoles sont des données couramment collectées dans les exploitations agricoles au cours de leur fonctionnement quotidien. Elles présentent l’avantage de représenter fidèlement le contexte de production d’une exploitation donnée en fournissant des informations sur le système et la conduite des cultures, l’environnement, etc. mais elles sont caractérisées par une moindre qualité et un nombre parcimonieux de variables. Cette thèse est basée sur l’hypothèse que la valorisation des données agricoles avec des méthodes statistiques adaptées peut aider à réaliser des recherches agronomiques tenant compte des besoins et contraintes opérationnelles d’une exploitation et aboutir à la livraison d’informations locales et pertinentes pour l’aide à la décision sur le terrain. Ce projet a été initié par une entreprise de viticulture de précision, Fruition Sciences, et visait donc à étudier cette hypothèse au sein de la filière viticole à travers l’ étude de cas de la prévision du rendement. L’accent a ́été mis sur l’exploitation des séries temporelles de données météorologiques parce qu’elles sont couramment rencontrées dans les jeux de données agricoles et parce que l’influence du climat sur le développement du rendement de la vigne est prédominante. Toutes les méthodes proposées dans ce projet de thèse constituent un cadre original pour la valorisation des données agricoles avec diverses applications possibles en agriculture.

Contact :  bruno.tisseyre [AT] supagro.fr

Réseaux : ResearchGate – LinkedIn

Publications

Télécharger le mémoire de thèse

Actes de conférences

• C. Laurent, M. Baragatti, J. Taylor, B. Tisseyre, A. Metay, T. Scholasch, Data mining approaches for time series data analysis in viticulture. Potential of the BLiSS (Bayesian Functional Linear Regression with Sparse Step functions) method to identify temperature effects on yield potential, Accepted to the 21st Group of international Experts for Cooperation on Viti-vinicultural Systems INternational Meeting (GiESCO 2019) , Aristotle UNiversity of Thessaloniki, Thessaloniki, Greece

• C. Laurent, M. Baragatti, J. Taylor, T. Scholasch, A. Metay, B. Tisseyre, Evaluation of a functional Bayesian method to analyse time series data in precision viticulture, 12th European Conference on Precision Agriculture (ECPA 2019), Montpellier SupAgro, Montpellier, France

• C. Laurent, T. Scholasch, B. Tisseyre, A. Metay, Building New Temperature Indices for a local understanding of grapevine physiology, XIIIth International Terroir Congress, Virtual Congress, Adelaide, Australia