Optimisation du parcours intra-parcellaire pour l'échantillonnage en production végétale - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

optimization of the intra-plot sampling route in crop production

Optimisation du parcours intra-parcellaire pour l'échantillonnage en production végétale

Résumé

The wine industry needs to know the yield of each vine field precisely to optimize quality management and limit the costs of harvest operations. Yield estimation is usually based on random vine sampling. The resulting estimations are often not precise enough because of the high variability within vineyard fields. Recent works showed the interest of using vegetative index (i.e. NDVI, GLCV, etc.) derived from high spatial resolution airborne/satellite images to optimize sampling. These works showed it was possible to improve yield estimation by 15 % depending on the considered vine field and the strength of the correlation between vegetative index and yield components. Other recent research has proposed a unique original approach, based on the consideration of spatial and operational constraints, to optimize the operation of within-field machine operation in viticulture based on high spatial resolution information derived from airborne images and experts zoning (application to optimize selective harvest). The originality of the PhD project is to propose an interdisciplinary approach that takes into account both these results to optimize the spatial sampling carried out by an operator. The work will aim at developing a methodology which considers i) high resolution information describing the within-field spatial variability ii) operational as well as spatial constraints (time required to perform an observation, time required to walk from a site of measurement to another, spatial organization of the cultivation like rows etc.) and iii) specificity of the field under consideration (like spatial organization of the variability as well as the strength of the correlation between high resolution data and the agronomic information under study, etc.). The research will provide with the wine industry an adaptative Constrained Optimization for Spatial Sampling in Precision Agriculture. In the short term, the methods may be embedded in a mobile platform like a smartphone with localization facilities. In the long term, these results will be quite usable to optimize the sampling carried out by mobile platforms such as robots.
L’industrie viticole a intérêt à estimer précisément le rendement de chaque parcelle afin d’optimiser au mieux la gestion de la récolte et de limiter ses coûts. Les estimations de rendements sont généralement basées sur un échantillonnage aléatoire au sein de la parcelle. Cependant le résultat de cette estimation n’est généralement pas assez précis à cause de la variabilité importante au sein même de la parcelle. Des travaux récents ont montré l’intérêt d’utiliser un indice de végétation (i.e. NDVI, GLCV, etc.) obtenu à partir de données spatiales à haute résolution pour optimiser l’échantillonnage. Ils ont montré qu’il était possible d’améliorer l’estimation jusqu’à 15% en fonction de la parcelle étudiée et de la force de corrélation entre l’indice de végétation et le rendement. D’autres travaux récents ont proposé une nouvelle approche originale, basée sur la prise en compte des contraintes spatiales opérationnelles, afin d’optimiser les opérations sur la parcelle en viticulture. L’originalité du projet de thèse est de proposer une approche interdisciplinaire qui prenne en compte les résultats de ces deux études pour optimiser l’échantillonnage spatial réalisé par un opérateur. Le travail consiste à développer une méthodologie qui prenne en compte i) des informations à haute résolution qui décrivent la variabilité au sein de la parcelle ii) les contraintes opérationnelles et spatiales (temps nécessaire pour réaliser les observations et les déplacements, la structure de la parcelle comme les rangées etc.) et iii) les spécificités de la parcelle considérée (organisation spatiale de la variabilité et force de corrélation entre les données spatiales et l’information en question etc.) La recherche fournira à l’industrie viticole un outil d’optimisation sous contraintes adaptatives pour l'échantillonnage spatial en agriculture de précision. A court terme, la méthode pourra être intégrée sur une plateforme mobile comme un smartphone. A long terme, ces résultats pourraient être utilisables pour optimiser l’échantillonnage réalisé par d’autres plateformes telles que des robots.
Fichier principal
Vignette du fichier
20-0018_Oger.pdf (5.24 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04075935 , version 1 (20-04-2023)

Identifiants

  • HAL Id : tel-04075935 , version 1

Citer

Baptiste Oger. Optimisation du parcours intra-parcellaire pour l'échantillonnage en production végétale. Génie des procédés. Montpellier SupAgro, 2020. Français. ⟨NNT : 2020NSAM0018⟩. ⟨tel-04075935⟩
54 Consultations
37 Téléchargements

Partager

Gmail Facebook X LinkedIn More