[Thèse soutenue] Daniel Pasquel : Métriques pour évaluer la spatialisation de modèles de culture pour l’agriculture de précision : application à la modélisation du statut hydrique de la vigne

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

Je m’appelle Daniel Pasquel, je réalise ma thèse à Inrae, au sein des l’UMR Itap et Mistea à Montpellier. Après avoir obtenu mon diplôme d’Ingénieur Agronome à l’Institut Agro de Montpellier, spécialisé en Productions Végétales Durables, j’ai décidé de poursuivre mon parcours sur une thèse en lien avec la modélisation agronomique, sujet qui m’a toujours intéressé. Réaliser cette thèse est l’opportunité pour moi d’acquérir de nouvelles méthodes pour l’évaluation des futurs modèles de culture.
Mon sujet porte sur l’évaluation des performances des modèles agronomiques spatialisés, le but étant de proposer de nouvelles approches méthodologiques plus pertinentes pour leur évaluation. Les enjeux de ce sujet sont de comprendre comment sont spatialisés les modèles de culture et pour quelles raisons puis de proposer des méthodes d’évaluation. Mon cas d’étude porte sur un modèle prédictif de la contrainte hydrique de la vigne (WaLIS), ce modèle devra être spatialisé (afin de comprendre les mécaniques de la spatialisation) et les méthodes proposées seront testées sur ce modèle.
Ce sujet m’intéresse tout particulièrement, car il aborde un aspect innovant de l’évaluation des performances des modèles de culture en prenant en considération le caractère spatial des données, enjeux majeur pour l’application de l’agriculture de précision. Ma spécialisation en productions végétales, notamment en viticulture suite à mon stage de fin d’études, me permet d’apporter mes connaissances agronomiques dans ce domaine notamment pour l’interprétation des résultats.
Au niveau applicatif, ce sujet représente une perspective intéressante pour l’amélioration future des modèles de culture en proposant d’évaluer l’effet de la spatialisation sur la performance de prédiction de ces modèles. Savoir si les données auxiliaires à haute résolution (données de sol ou relatives à la physiologie du végétal) utilisées pour la spatialisation des modèles améliorent leur performance est primordial pour le secteur agricole, afin de rendre ces modèles les plus performants possible.

• Date de démarrage : 1er novembre 2020
• Université : Institut Agro 
• Ecole doctorale : GAIA
• Discipline / Spécialité : Agronomie/viticulture, modélisation, agriculture de précision
• Directeur de thèse : James Taylor, UMR Itap, Inrae
• Encadrant(es)  : Sébastien Roux, UMR Mistea, Inrae / Bruno Tisseyre, UMR Itap, Institut Agro 
• Financement : #DigitAg – Inrae
• #DigitAg : Thèse cofinancée – Axe 6 : Modélisation et simulation (systèmes de production agricole), Axe 5: Fouille de données, analyse de données, extraction de connaissances – Challenge : sujet transversal

Mots-clés: Analyse de sensibilité, Géostatistique, Modèles de culture spatialisés (Spatialized crop models)

Résumé : 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 multi temporelles 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.

Contact:  james.taylor [AT] inrae.fr 
Réseaux sociaux  : LinkedIn