Surveillance phytosanitaire des cultures de pommes de terre à l’aide de la télédétection par aéronef sans pilote
Notice bibliographique
Résumé
La pomme de terre est la culture agricole qui est victime du plus grand nombre de maladies et de ravageurs pouvant ainsi causer des dégâts de rendements relativement importants. La télédétection en agriculture permet de spatialiser ces stress par la correspondance entre les caractéristiques biophysiques de la végétation et les propriétés optiques des images. Les aéronefs sans pilote (ASP) constituent des plateformes de plus en plus répandues permettant l’acquisition d’imagerie aérienne à très hautes résolutions spatiale et temporelle. L’objectif général du projet visait à développer un outil d’aide à la surveillance phytosanitaire de cultures de pomme de terre, économique, opérationnel sur le terrain et basé sur la télédétection, en appui aux méthodes traditionnelles de dépistage. Les objectifs spécifiques suivants étaient visés : automatiser une chaîne de traitement d’imagerie pour l’agriculture, acquise à partir d’un aéronef sans pilote ; appliquer des indices basés sur l’imagerie visible proche infrarouge et infrarouge thermique pour la détection de stress dans la culture de la pomme de terre ; développer un outil d’aide à la décision en appui aux méthodes de dépistage actuelles ; évaluer le potentiel des ASP pour le suivi des cultures de pommes de terre. Le projet s’est déroulé en deux phases et sur deux sites d’études au Québec, en Montérégie et au Saguenay-Lac-Saint-Jean. La première année, des corrélations entre les mesures des paramètres biophysiques et les valeurs spectrales de l’imagerie ont permis d’établir une estimation de la biomasse humide à partir de l’indice de végétation MSAVI 2 avec un coefficient de détermination de 0,81. Une fois la relation végétation/imagerie établie, des cartes zonales de ravageurs, maladies et problèmes de développement pour les dépistages ont pu être réalisées la seconde année. Les classifications supervisées des zones de maladies ont été validées à 100 %, celles des ravageurs à 89,5 % et celles des problèmes de développement à 81 %. Enfin, une analyse technico-économique a été effectuée pour évaluer l’utilisation des ASP dans le domaine agricole et comparer l’utilisation d’un tel outil d’aide à la décision par rapport à d’autres types d’imagerie multispectrale (satellite, aérienne). Les coûts de production de cartes de dépistage par ASP sont actuellement beaucoup plus importants que par les autres moyens d’acquisition. Cependant, la croissance du nombre d’entreprises d’opérations et de services par ASP aura vraisemblablement comme conséquence de faire diminuer les coûts de vols dans les prochaines années. De plus, la très haute résolution spatiale et la rapidité de mise en place constituent des avantages techniques qui jouent en faveur de l’emploi des ASP en agriculture. Un projet comme celui-ci illustre l’utilité des ASP en télédétection agricole mais également les nombreuses problématiques à résoudre pour obtenir un produit livrable à l’agriculteur en concordance avec ses besoins techniques et financiers dans une optique de préservation de l’environnement. Du vol de l’ASP jusqu’au traitement de l’imagerie, en passant par l’intégration des capteurs, les défis à relever sont nombreux. Cependant, la ferveur actuelle pour ces technologies est telle que les avancées technologiques dans le domaine sont très rapides. On peut imaginer qu’à l’échelle mondiale, l’utilisation des ASP en agriculture pourrait faire diminuer les quantités d’intrants agricoles tout en augmentant les rendements des cultures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».