Development of a crowdsourcing approach adapted to agriculture specificities : the case of monitoring vine water status with the shoot growth approach
Développement d'une approche de crowdsourcing adaptée aux spécificités de l'agriculture : le cas du suivi de l'état hydrique de la vigne avec la méthode des apex
Résumé
Crowdsourcing is an approach consisting in answering a question defined by an organisation (research laboratory, company, etc.) by relying on the collective intelligence of a community of contributors. To date, crowdsourcing is not widely spread in agriculture, but it has great potential for collecting georeferenced observations to monitor phenomena at regional scale (e.g. diseases, pests or abiotic stresses monitoring). These crowdsourcing projects in agriculture have specificities in terms of participants (professional contributors, importance of the role of advisors), studied phenomena (with strong spatial and temporal covariances) and datasets collected (asynchronous and heterotopic) that have led some authors to coin the concept of farmsourcing to describe them. These specificities of farmsourcing projects influence the design of the projects and the involvement of the different stakeholders. They also influence the criteria and indicators for evaluating the success of such projects. Finally, they influence the methods for identifying outliers and surprising observations in corresponding datasets. To date, there is no existing approach taking into account the specificities of farmsourcing projects. The objective of this thesis is to propose tools and methods to develop a farmsourcing approach in both the design and the evaluation of the project (How to foster the contribution of participants? How to evaluate the success of a project?) and then in the characterisation of the quality of the resulting observations (How to identify outliers and surprising observations? How can these approaches be automated?) The thesis is based on a systemic approach with the implementation of a case study. This case study is the monitoring of the vine water status at regional scale using i) an indicator (iG-Apex) based on observations of vine shoot growth and ii) the development of a dedicated farmsourcing application (ApeX-Vigne). Firstly, the work demonstrated the value of a simple but noisy approach, such as the one based iG-Apex, for characterising an agronomic variable of interest (in this case, the vine water status) at the field and intra-field levels in a decision support context. They demonstrated how an approach like this could be used to promote participation in farmsourcing projects. The work carried out explored the technological and methodological choices for designing and deploying on a large scale a mobile application promoting the gathering of georeferenced farmsourcing observations. It also proposed a simple approach based on the study of spatial structure to assess the capacity of these projects to provide relevant information at the regional scale. Finally, the work carried out explored an approach for automatically identifying outliers and surprising observations in farmsourcing datasets. This approach is based on density-based clustering methods taking into account spatial, temporal and attribute characteristics of observations. In the coming years, this work should enable the development of farmsourcing tools and projects giving access to new sources of information for decision support at different spatial scales. In precision agriculture, many papers study the characteristics of measurement systems and optimal acquisition conditions for a dedicated and specific application (characterization of the variability of yield, vigor, water state, etc.). However, to our knowledge, there is no existing method to evaluate the interest of a new source of observation with given characteristics. The thesis will answer this challenge by proposing methods allowing i) to define the interest and the optimal mode of representation of a new source of spatial observation, ii) to evaluate the quality of a spatial data used as a decision support (iii) to improve the quality of spatial data in the particular case of a new source of observations: crowdsourcing.
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 œuvre 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.
Origine | Version validée par le jury (STAR) |
---|