La géolocalisation à Dynafor : état des lieux et perspectives.

Par Wilfried Heintz (UMR DYNAFOR)

Régulièrement dans la mise en œuvre de nos projets de recherche nous utilisons la géolocalisation pour référencer nos données d'observation, nos mesures sur le terrain mais la précision des systèmes de navigation par satellite, qui dépend des conditions atmosphériques, n’est alors que de quelques mètres. Des systèmes de correction différentiels peuvent compenser ce manque de précision : la cinématique en temps réel (Real Time Kinematic) permet ainsi d’approcher la précision centimétrique. Mais ce système nécessite une base de référence à proximité du lieu de collecte, l’accessibilité de son signal ainsi qu’un matériel extrêmement coûteux pour le traiter. Depuis quelques années, des ingénieurs développeurs Inrae du projetCentipède RTK travaillent activement avec des logiciels et des composants open-source/open-hardware pour créer des solutions peu coûteuses, fiables, légères et faciles d’utilisation. Nous reviendrons dans ce séminaire si cette technologie Centipède RTK et son utilisation actuelle et à venir à Dynafor.

Promoting crop pest control by plant diversification in agricultural landscapes: A conceptual (...)

Aude Vialatte, Anaïs Tibi, Audrey Alignier, Valérie Angeon, Laurent Bedoussac, David A. Bohan, Douadia Bougherara, Alain Carpentier, Bastien Castagneyrol, Stéphane Cordeau, Pierre Courtois, Jean-Philippe Deguine, Jérôme Enjalbert, Frédéric Fabre, Fabienne Féménia, Hélène Fréville, Frédéric Goulet, Régis Grateau, Benoît Grimonprez, Nicolas Gross, Mourad Hannachi, Philippe Jeanneret, Laure Kuhfuss, Pierre Labarthe, Marie Launay, Marianne Lefebvre, Virginie Lelièvre, Stéphane Lemarié, Gilles Martel, Abel Masson, Mireille Navarrete, Manuel Plantegenest, Virginie Ravigné, Adrien Rusch, Frédéric Suffert, Abdoulaye Tapsoba, Olivier Therond, Sophie Thoyer, Vincent Martinet, Chapter Four - Promoting crop pest control by plant diversification in agricultural landscapes: A conceptual framework for analysing feedback loops between agro-ecological and socio-economic effects,

Editor(s): David A. Bohan, Alex J. Dumbrell, Adam J. Vanbergen, Advances in Ecological Research,

Academic Press, Volume 65, 2022, Pages 133-165, ISSN 0065-2504, ISBN 9780323915038,

https://doi.org/10.1016/bs.aecr.2021.10.004.

Abstract: Given the negative environmental effects of conventional agricultural techniques, the need for biodiversity-friendly agriculture systems that rely more on ecosystem services and less on chemical inputs is becoming increasingly urgent. In this paper, we focus on crop protection strategies that are alternatives to the use of pesticides. Diversification of the plant component of agricultural areas at different space and time scales has been presented as a powerful socio-economic and agro-ecological mechanism for the sustainable control of pests. Our interdisciplinary group of scientific experts examined the literature on the ecological effects of plant diversification on pests and their natural enemies, as well as the social science literature on the conditions for farmers to adopt the corresponding practices, to assess the potential offered by plant diversification. We developed a conceptual framework that connects the agro-ecological and socio-economic components of an agricultural landscape in a dynamic loop accounting for interactions among elements at different spatial and temporal scales and their feedback effects. This article presents this framework and illustrates its application to the case of wheat production and protection. By explicitly connecting each level of agro-ecological organization with the potential socio-economic drivers and limitations underpinning the adoption and implementation of plant diversification in landscapes, this framework makes it possible to analyse the synergies and antagonisms between different modes of diversification and the conditions of their deployment. Exploring this framework is a prerequisite to the identification of opportunities and key feed-back loops for designing diversification strategies that unlock the agro-ecological potential of future production systems. We conclude that there is a need for interdisciplinary research in experimental landscapes involving farmers and other local stakeholders to design sustainable future agricultural landscapes that deliver high levels of biological control services.

Keywords: Biological control; Crop mosaic; Crop protection; Intercropping; Institutions; Natural enemies; Semi-natural habitats; Spatio-temporal heterogeneity; Value chains; Varietal mixture; Wheat

Détection et caractérisation du changement à partir de nuages de points 3D par des méthodes (...)

Titre complet: Détection et caractérisation du changement à partir de nuages de points 3D par des méthodes d’apprentissage profond.

Par Iris de Gélis (doctorante, unité IRISA)

Pour effectuer une mise à jour cartographique ou bien pour identifier les zones affectées en cas de catastrophes, la détection et la caractérisation automatique des changements est une étape importante. Dans un certain nombre de milieux comme en zones urbaines, la plupart des changements se produisent le long de l'axe vertical (constructions ou démolitions de bâtiments par exemple) et l'utilisation de données 3D comme des nuages de point est donc intéressante. Cependant les nuages de point 3D sont des données très particulières car, contrairement aux images, elles ne sont pas réparties sur des grilles régulières mais on a des données parfois éparses et non ordonnées. Pour faire face à ces spécificités, un certain nombre de méthodes effectue une discrétisation préalable des données en modèles numériques de surface pour appliquer des outils usuels du traitement d'images. Dans ce cas ça n'est pas optimal car il peut y avoir une perte importante d'information. D'autres approches analysent directement de nuages de points. Cette dernière famille n'a à notre connaissance pas encore été abordée sous l'angle de l'apprentissage profond. Ainsi je présenterai une méthode pour la détection et caractérisation du changement basée sur un réseau siamois s'appuyant sur des noyaux de convolution opérant sur les points 3D directement. La méthode a été conçue sur la base des bons résultats obtenus par les architectures siamoises en détection de changements dans des images 2D et par le réseau KPConv en segmentation sémantique de nuages de points 3D.