Développement d’une approche de crowdsourcing adaptée aux caractéristiques de l’agriculture : le cas du suivi de l’état hydrique de la vigne avec la méthode des apex
Sujet de thèse labellisé par #DigitAg
- Date de démarrage : novembre 2017
- Université : MUSE Montpellier Université d’Excellence / Institut Agro
- Ecole doctorale : GAIA, Montpellier
- Discipline / Spécialité : Agronomie, TIC en agriculture
- Directeur de thèse : Véronique Bellon-Maurel (Inrae, UMR Itap)
- Encadrant(es) : Bruno Tisseyre (Institut Agro, Itap), James Taylor (Newcastle University, UK / Inrae, Itap)
- Financement : Institut Agro
- #DigitAg : Thèse labellisée – Axes 3, 4 et 6 – Challenges 1,et 6
Mots-clés : Qualité des données, Données à haute résolution, Viticulture de précision, Aide à la décision, Crowdsourcing
Résumé : Le crowdsourcing est une approche qui consiste à répondre à une question définie par une organisation (laboratoire de recherche, entreprise, etc.) en s’appuyant sur l’intelligence collective d’une communauté de contributeurs. En agriculture, le crowdsourcing est pour l’instant peu développé mais il présente un intérêt potentiel fort pour la collecte d’observations géolocalisées permettant un suivi de phénomènes à l’échelle régionale (ex : suivi des maladies, des ravageurs ou des stress abiotiques). Ces projets de crowdsourcing en agriculture possèdent de spécificités au niveau des participants (contributeurs professionnels, importance du rôle des conseillers), des phénomènes étudiés (fortes covariances spatiale et temporelle) et des jeux de données collectées (asynchrones et hétérotopes) qui ont poussé certains auteurs à définir le concept de farmsourcing pour les décrire. Ces spécificités des projets de farmsourcing influent sur la conception des projets et sur l’implication des différents acteurs. Elles influent également sur les critères et les indicateurs qui permettent d’évaluer la réussite de tels projets. Enfin, elles influent sur les méthodes qui peuvent être mises en oeuvre pour identifier les observations aberrantes et surprenantes dans les données issues de ces projets. Aujourd’hui, il n’existe pas d’approches qui prennent en compte ces différents aspects en considérant les spécificités des projets de farmsourcing. L’objectif de cette thèse est de proposer des outils et des méthodes pour développer une approche de farmsourcing à la fois dans la conception et l’évaluation du projet (Comment favoriser la contribution des participants ? Comment évaluer la réussite d’un projet ?) puis dans la caractérisation de la qualité des observations qui en sont issues (Comment identifier les données aberrantes et surprenants ? Comment automatiser ces approches ?). La thèse s’appuie sur une démarche systémique avec la mise en place d’un cas d’étude. Ce cas d’étude est le suivi de l’état hydrique de la vigne à l’échelle régionale à l’aide i) d’un indicateur (iG-Apex) basé sur des observations de la croissance végétative et ii) du développement d’une application de farmsourcing dédiée (ApeX-Vigne).
Dans un premier temps, les travaux ont permis de démontrer l’intérêt d’une approche simple mais bruitée, comme celle basée sur iG-Apex, pour caractériser une grandeur agronomique d’intérêt (ici l’état hydrique de la vigne) à l’échelle parcellaire et intra-parcellaire dans un contexte d’aide à la décision. Ils ont permis de démontrer comment une approche comme celle-ci pouvait être utilisée comme un levier pour favoriser la participation à des projets de farmsourcing. Les travaux menés ont ensuite exploré les choix technologiques et méthodologiques permettant de concevoir et de déployer à large échelle une application mobile favorisant la collecte d’observation de farmsourcing géolocalisées. Ils ont également permis de proposer une approche simple basée sur l’étude de la structure spatiale pour évaluer la capacité de ces projets à fournir une information pertinente à l’échelle régionale. Enfin, les travaux menés ont permis d’explorer une approche pour identifier de manière automatique les observations aberrantes et surprenantes dans des jeux de données de farmsourcing. Cette approche repose sur la prise en compte des caractéristiques spatiales, temporelles et attributaires des observations à l’aide d’approches automatiques basées sur leur densité.
Ces travaux méthodologiques devraient permettre le développement dans les années à venir de projets et d’outils de farmsourcing donnant accès à de nouvelles sources d’information pour l’aide à la décision à différentes échelles spatiales.
Composition du jury
Marianne CERF, Directrice de recherche, INRAE, France
Romain JULLIARD, Directeur de recherche, CNRS-MNHN, France
Cornelis VAN LEEUWEN, Professeur, Bordeaux Sciences Agro, France
Véronique BELLON-MAUREL, IPEF, INRAE, France
Bruno TISSEYRE, Professeur, Institut Agro – Montpellier SupAgro, France
Contact : leo.pichon@supagro.fr
Réseaux : ResearchGate – LinkedIn
Publications
Articles dans revues à comité de lecture
Pichon L., Brunel G., Payan J.-C., Taylor J., Bellon-Maurel V., Tisseyre B. 2021. ApeX-Vigne: experiences in monitoring vine water status from within-field to regional scales using crowdsourcing data from a free mobile phone application. Precision Agriculture, 22(3), 608 – 626. https://doi.org/10.1007/s11119-021-09797-9
Brunel G., Moinard S., Ducanchez A., Crestey T., Pichon L., Tisseyre B. 2021. Empirical mapping for evaluating an LPWAN (LoRa) wireless network sensor prior to installation in a vineyard. OENO One, 55(2), 301 – 313. https://doi.org/10.20870/oeno-one.2021.55.2.3102
Pichon L., Taylor J., and Tisseyre B. 2020. Using smartphone leaf area index data acquired in a collaborative context within vineyards in southern France. OENO One, 54(1), 123–130. https://doi.org/10.20870/oeno-one.2020.54.1.2481
Leroux C., Jones H., Pichon L., Taylor J., and Tisseyre B. 2019. Automatic Harmonization of Heterogeneous Agronomic and Environmental Spatial Data. Precision Agriculture 20(6); https://doi.org/10.1007/s11119-019-09650-0
Pichon L., Leroux C., Macombe C., Taylor J., and Tisseyre B. 2019. What Relevant Information Can Be Identified by Experts on Unmanned Aerial Vehicles’ Visible Images for Precision Viticulture? Precision Agriculture 20, 278-294; https://doi.org/10.1007/s11119-019-09634-0
Leroux C., Jones H., Pichon L., Guillaume S., Lamour J., Taylor J., Naud O., Crestey T., Lablee J.L., Tisseyre B., 2018. GeoFIS: An open source, decision-support tool for precision agriculture data, Agriculture. 2018, 8 (6), 73; https://doi.org/10.3390/agriculture8060073.
Tisseyre B., Leroux C., Pichon L., Geraudie V., Sari T., 2018. How to define the optimal grid size to map high resolution spatial data? Precision agriculture. 19, 957–971 https://doi.org/10.1007/s11119-018-9566-5
Pichon L., Ducanchez A., Fonta H., Tisseyre B. 2016. Quality of Digital Elevation Models obtained from Unmanned Aerial Vehicles for Precision Viticulture. OENO One, 50(3). https://doi.org/10.20870/oeno-one.2016.50.3.1177
Minasny B., McBratney A., Pichon L., Sun W., Short M. 2009. Evaluating near infrared spectroscopy for field prediction of soil properties. Australian Journal of Soil Research, 47(7), 664-673 https://doi.org/10.1071/SR09005
Articles dans revues sans comité de lecture
Pichon L., Brunel G., Payan J.C., Tisseyre B., 2020, Apex-Vigne: A mobile application to facilitate the monitoring of growth and estimate the water status of the viticulture plots. IVES Technical Review; https://doi.org/10.20870/IVES-TR.2020.3558
Lachia N., Pichon L., Tisseyre B., 2018. L’Observatoire des Usages de l’Agriculture Numérique : Connaître les usages de l’agriculture numérique pour mieux accompagner la profession. Innovations Agronomiques, 67, 49-61.
Lachia N., Pichon L., Tisseyre B., 2018. Comment le numérique impacte le métier du conseil en viticulture. Agronomie, environnement & sociétés. 8, 41-50.
Pichon L., Leroux C., Tisseyre B., 2018. Une approche systématique pour identifier les informations pertinentes fournies par drone en viticulture de précision. Innovations Agronomiques, 67, 23-36
Besqueut G., Pichon L., Tisseyre B., 2015. Les drones en viticulture, quels enjeux, quels services ? Revue des œnologues et des techniques vitivinicoles en œnologiques. 157, 12-14.
Communications à congrès avec actes
Pichon L., Bopp O., Tisseyre B., Characterising within-field variability of vine water status with simple visual observations of shoot growth. 2021. In: Precision agriculture’21., ED. John v. Stafford, Ampthill, UK, Wageningen Academic Publishers. 179-186; https://doi.org/10.3920/978-90-8686-916-9_20
Fornieles-Lopez E., Brunel G., Devaux N., Rançon F., Pichon L., Tisseyre B. Potential of temporal series of Sentinel-2 images to define zones of vine water restriction. 2021. In: Precision agriculture’21., ED. John v. Stafford, Ampthill, UK, Wageningen Academic Publishers. 543-550; https://doi.org/10.3920/978-90-8686-916-9_65
Brunel G., Moinard S., Pichon L., Tisseyre B. Potential of time series of VIS images from connected static camera for decision support in vineyard. 2021. In: Precision agriculture’21., ED. John v. Stafford, Ampthill, UK, Wageningen Academic Publishers. 821 – 827; https://doi.org/10.3920/978-90-8686-916-9
Lachia N., Pichon L., Marcq P., Taylor J., Tisseyre B. 2021. Why are yield sensors seldom used by farmers – a French case study. In: Precision agriculture’21., ED. John v. Stafford, Ampthill, UK, Wageningen Academic Publishers. 745 – 751; https://doi.org/10.3920/978-90-8686-916-9
Brunel G., Pichon L., Taylor J., and Tisseyre B. 2019. Easy Water Stress Detection System for Vineyard Irrigation Management. In: Precision agriculture’19., ED. John v. Stafford, Ampthill, UK, Wageningen Academic Publishers. 935-942; https://doi.org/10.3920/978-90-8686-888-9
Lachia N., Pichon L., and Tisseyre B. 2019. A Collective Framework to Assess the Adoption of Precision Agriculture in France: Description and Preliminary Results after Two Years. In: Precision agriculture’19., ED. John v. Stafford, Ampthill, UK, Wageningen Academic Publishers. 851-857.; https://doi.org/10.3920/978-90-8686-888-9
Pichon L., Leroux C., Geraudie V., Taylor J., and Tisseyre B. 2019. Investigating the Harmonization of Highly Noisy Heterogeneous Datasets Hand-Collected over the Same Study Domain. In: Precision agriculture’19., ED. John v. Stafford, Ampthill, UK, Wageningen Academic Publishers, 735-741.; https://doi.org/10.3920/978-90-8686-888-9
Lachia N., Pichon L., Tisseyre B., 2018. L’Observatoire des Usages de l’Agriculture Numérique : Connaître les usages de l’agriculture numérique pour mieux accompagner la profession. Carrefours de l’innovation Agronomique, Actes du colloque Numérique en productions végétales : prédire et agir, 26 Juin, Montpellier, 36-45.
Pichon L., Leroux C., Tisseyre B., 2018. Une approche systématique pour identifier les informations pertinentes fournies par drone en viticulture de précision. Carrefours de l’innovation Agronomique, Actes du colloque Numérique en productions végétales : prédire et agir, 26 Juin, Montpellier, 18-28.
Crestey T., Pichon L., Tisseyre B., 2017. Potential of freely available remote sensing visible images to support growers in delineating within field zones. Advances in Animal Biosciences: Precision Agriculture (ECPA) 2017, 8:2, 372–376 ; https://doi.org/10.1017/S2040470017000437
Pichon L., Besqueu G. and Tisseyre B., 2017. A systemic approach to identify relevant information provided by UAV in precision viticulture. Advances in Animal Biosciences: Precision Agriculture (ECPA) 2017, 8:2, 823–827; https://doi.org/10.1017/S2040470017001194
Déclaration d’invention
Brunel G., Pichon L. 2019. Déclaration d’invention de l’application mobile ApeX Vigne déposée le 2 juillet 2019.
Armand V., Brunel G., Pichon L. 2020. Déclaration d’invention de l’application web ApeX Territoire déposée le 31 janvier 2020
