Offre de thèse CIFRE LIMAGRAIN Europe / Irstea
Transcription
Offre de thèse CIFRE LIMAGRAIN Europe / Irstea
Offre de thèse CIFRE LIMAGRAIN Europe / Irstea Couplage de la spectrométrie visible - proche infrarouge et un vecteur mobile pour la caractérisation de la végétation dans le cadre de campagnes de phénotypage Contexte Un phénotypage précis et à haut débit des traits agronomiques et physiologiques est la clé de la réussite d’un programme de sélection. Alors que le coût du génotypage a diminué durant ces dernières années, le phénotypage est devenu le principal facteur limitant pour la caractérisation des variétés, la dissection génétique des caractères et leur implémentation dans les programmes de sélection. Il est donc primordial de pouvoir développer des outils et méthodes innovants de phénotypage à haut débit et non destructif, applicable à l’échelle d’un programme de sélection (plusieurs dizaines de lieux, plusieurs milliers de variétés par lieu). Limagrain travaille sur ces outils afin de rechercher les caractères adaptatifs, architecturaux ou physiologiques impliqués dans la réponse des plantes aux stress abiotiques (manque d’eau, gel, carence azotée, …). Cette stratégie repose sur l’hypothèse qu’il est possible de sélectionner des génotypes supérieurs sur la base d’un certain nombre de caractères (physiologiques, morphologiques, phénologiques, biochimiques, …) impliqués dans la stabilité du rendement sous contraintes. L’objectif est donc de rechercher des paramètres physiques pertinents pour prédire les caractères agronomiques habituels mais aussi des caractères physiologiques nouveaux non encore pris en compte par la sélection. Il s’agira de proposer un système optique de mesure permettant de faire le lien entre les paramètres physico-chimiques mesurés et des caractères agronomiques et physiologiques, décrivant la réponse de la plante à son environnement, afin de proposer des critères de sélection pertinents. La spectroscopie visible et proche infrarouge est une technologie appropriée pour accéder à des paramètres physico-chimiques des plantes : non destructif, très informatif. L’avènement de capteurs imageurs hyperspectraux permet en outre d’accéder à cette information spectrale de manière spatialisée. Pour répondre aux besoins de haute cadence et de spatialisation, le vecteur drone est, depuis quelques années, considéré comme le plus approprié : autonomie et flexibilité dans l’acquisition (par rapport à l’imagerie aérienne ou satellitaire), la capacité d’accéder rapidement à de grandes surfaces est aussi d’un intérêt majeur. L’outil idéal, pour répondre à des problématiques de phénotypage, résulterait donc du couplage imageur hyperspectral et drone. Aujourd’hui, bien que les technologies se développent à très grande vitesse, il n’existe pas encore d’outil opérationnel combinant de manière optimale la spectroscopie visible et proche infrarouge et le drone. Par optimal, on entend, grande résolution spectrale (> 100 bandes) et grande résolution spatiale (pixel < feuille). En effet, les principaux imageurs hyperspectraux du commerce sont aujourd’hui encore trop lourds pour des drones et ceux qui arriveront demain sur le marché, avec des poids compatibles avec la charge utile du drone, seront encore trop chers pour des applications agro-environnementales. Par ailleurs, il existe un nombre encore très important de verrous technologiques liés à l’acquisition et au traitement d’images hyperspectrales acquises avec un vecteur mobile (avion, rampe, buggy etc…) : démosaïcage, appariement, taille des images etc… avant même de penser à extraire les paramètres pertinents pour la problématique visée. Ceci constitue un réel frein à l’utilisation en routine de l’imagerie hyperspectrale aérienne (Lelong 2008). Pour développer des outils opérationnels, des compromis doivent donc être faits. Aujourd’hui ces compromis portent principalement sur la dégradation de la résolution spectrale : développement d’imageurs multispectraux dont le poids et le prix permettent l’embarquement sur des drones. L’avantage est qu’en conservant une grande résolution spatiale, il reste possible de faire de l’imagerie et donc de cartographier de manière précise certains paramètres des cultures : échelle de la feuille par ex. L’inconvénient principal est qu’en réduisant de manière importante la résolution spectrale (quelques longueurs d’ondes), seuls quelques paramètres deviennent accessibles, via des indices (NDVI, PRI …) ou des inversions de modèles (PROSAIL, PROSPECT etc…), certes pertinents pour un certain nombre de variables, mais pouvant être entachés d’incertitudes (liée au modèles par ex.) ou en nombre insuffisant dans le cadre du phénotypage. Une autre approche consisterait à conserver une forte résolution spectrale, garante de l’information physico-chimique du milieu, et de dégrader la résolution spatiale : sortir du paradigme de « l’image à tout prix ». Des spectromètres ont été embarqués sur des vecteurs mobiles depuis plusieurs années (Deery 2014) pour mesurer la réflectance de la canopée. Et des études récentes ont démontré la faisabilité d’embarquer un spectromètre sur un drone (Buckart 2013), afin d’enregistrer plusieurs spectres répartis spatialement et de discriminer le types de culture. L’objectif de cette thèse est de démontrer que la spectroscopie visible et proche infrarouge embarquée sur un vecteur mobile est suffisante pour accéder aux paramètres d’intérêt nécessaires pour le phénotypage rapide du maïs (composantes du rendement, réponse de la plante à son environnement, …). Notamment, cette approche doit permettre : - L’extraction de paramètres d’intérêts décrivant la réponse de la plante aux stress abiotiques à partir des spectres acquis : via la construction d’indices mais également via la mise en œuvre d’approches chimiométriques originales ou encore le couplage avec des modèles agronomiques existants - La spatialisation de l’information : production de cartes, d’indicateurs d’hétérogénéité spatiale Question scientifique Comment tirer le meilleur parti du couplage entre un capteur à faible résolution spatiale / forte résolution spectrale et un vecteur mobile et agile pour caractériser le maïs dans le cadre de campagne de phénotypage dans un objectif de sélection variétale ? Méthodologie proposée Etat de l’art des paramètres d’intérêt pour le phénotypage : les caractères agronomiques, physiologiques et/ou architecturaux, décrivant la réponse de la plante à son environnement des approches spectroscopiques existantes : définition des liens entre les paramètres physico-chimiques mesurés et les paramètres d’intérêts Mise en place de plans d’expérience pour l’acquisition de signaux spectroscopiques avec des vecteurs mobiles (rampe, voiture, pédestre, drone..), couplage avec imagerie RGB haute résolution spatiale Développement des algorithmes de traitement pour la spatialisation de l’information (demixage, traitement sub-pixellique , pan-sharpening…) et le calcul des des paramètres d’intérêt Acquisition sur parcelles de maïs et validation des développements Références Araus, J. L., Elazab, A., Vergara, O., Cabrera-Bosquet, L., Serret, M. D., Zaman-Allah, M., & Cairns, J. E. (2015). New Technologies for Phenotyping. In Phenomics (pp. 1-14). Springer International Publishing. Araus, J. L., & Cairns, J. E. (2014). Field high-throughput phenotyping: the new crop breeding frontier. Trends in Plant Science, 19(1), 52-61. Burkart, A., Cogliati, S., Schickling, A., & Rascher, U. (2014). A novel UAV-based ultra-light weight spectrometer for field spectroscopy. Sensors Journal, IEEE, 14(1), 62-67. Deery, D., Jimenez-Berni, J., Jones, H., Sirault, X., & Furbank, R. (2014). Proximal remote sensing buggies and potential applications for field-based phenotyping. Agronomy, 4(3), 349-379. Delalieux, S., Zarco-Tejada, P. J., Tits, L., Jimenez Bello, M. A., Intrigliolo, D. S., & Somers, B. (2014). Unmixingbased fusion of hyperspatial and hyperspectral airborne imagery for early detection of vegetation stress.Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of, 7(6), 2571-2582. Lelong, C. C., Burger, P., Jubelin, G., Roux, B., Labbé, S., & Baret, F. (2008). Assessment of unmanned aerial vehicles imagery for quantitative monitoring of wheat crop in small plots. Sensors, 8(5), 3557-3585. Li, L., Zhang, Q., & Huang, D. (2014). A review of imaging techniques for plant phenotyping. Sensors, 14(11), 20078-20111. Von Bueren, S. K., Burkart, A., Hueni, A., Rascher, U., Tuohy, M. P., & Yule, I. J. (2015). Deploying four optical UAV-based sensors over grassland: challenges and limitations. Biogeosciences, 12(1), 163-175. Weber, V. S., Araus, J. L., Cairns, J. E., Sanchez, C., Melchinger, A. E., & Orsini, E. (2012). Prediction of grain yield using reflectance spectra of canopy and leaves in maize plants grown under different water regimes. Field Crops Research, 128, 82-90. Compétences recherchées Ingénieur Agronome avec un fort intérêt pour le traitement d’image et du signal, la télédétection et/ou la Spectrométrie OU Master Physique, Optique et Photonique, Signal et Image avec un intérêt pour les questions agro-environnementales Connaissances en programmation scientifique (Matlab …) et en statistiques, capacité à analyser et synthétiser des informations touchant à des domaines divers et à faire le lien entre les différentes disciplines scientifiques concernées. Goût pour l’innovation, l’expérimentation et le travail de terrain Capacité à travailler en équipe et à communiquer de manière efficace Motivation, autonomie, curiosité, polyvalence, rigueur Cette thèse CIFRE se déroulera en étroite collaboration entre Limagrain Europe, 4ème semencier mondial, et le laboratoire IRSTEA – UMR ITAP. Le candidat bénéficiera donc du support scientifique et technique de ces deux structures. INFORMATIONS: Directeur de thèse: Jean-Michel Roger (HDR) , IRSTEA UMR ITAP Co-encadrants: Alexia Gobrecht (Irstea) et Fabienne Henriot (Limagrain Europe) Laboratoires: Irstea, UMR ITAP, 261 Rue Jean-François Breton 34196 Montpellier et Limagrain Europe, Centre de Recherche, Route d’Ennezat, 63720 Chappes. Localisation : Montpellier , Irstea, , UMR ITAP (Des missions régulières seront à prévoir au centre de recherche de LIMAGRAIN (Clermont-Ferrand)) Salaire : 29.000 € brut annuel Démarrage : janvier 2016 Contact : Les candidatures (CV et lettre de motivation) et toute demande d’informations complémentaires sont à envoyer à : - Alexia Gobrecht (IRSTEA) : [email protected], 04 67 16 64 60 - Fabienne Henriot (Limagrain) : [email protected] , 04 73 67 89 46