18 Juin - IGECMathias Chouet (INRA Montpellier) - Garicc1 Garicc Système d’Information Géographique et Expérimentation plein champ Mathias Chouet INRA

18 Juin - IGEC Mathias Chouet (INRA Montpellier) - Garicc 1

GariccSystème d’Information Géographique et Expérimentation

plein champ

Mathias Chouet

INRA Montpellier - Cemagref Montpellier

Coordination INRA : Pierre ROUMET


Garicc : Origines du projet

• Qu@limed et Garicc: Amélioration production Blé dur– Typologie des différents terroirs de production– Recherche de génotypes adaptés aux différents terroirs– Suivi de la construction de la qualité au cours de la

formation du grain

• Contraintes – Phénotypage plein champ– Phénotypage haut débit

Imagerie hyperspectrale


Phénotypage par Spectrométrie

• Spectrométrie de 0.4µm à 1µm

- Spectrométrie portable(spectrométrie, radiométrie)

- Caméra Hyperspectrale embarquée (forte définition spectrale et spatiale)

portiques, rampes mobiles

- Caméra multipectrale (définition spectrale et spatiale + faible = mais vrai ‘haut débit’)

ULM, drone

‘Tromblon’Asd Labspec

‘Drone+ multispec

portique + Hyspec

Organe/plante

microparcelle

plateforme


Imagerie hyperspectrale

• Analyse réflectance du spectre :– Plusieurs modèles mathématiques (chimiométrie)– Phénotypes élaborés:

• Évolution de teneur en protéines, en carotène, etc…

• Une image = une parcelle agricole.• Pas de référence directe au plan d’expérience

( microparcelle, bloc, plante, etc…)• Système d’Information Géographique (SIG) pour

passer du plan d’expérience aux données spectrales et inversement


Garicc : caractéristiques

• Objectifs de la méthode– Unifier le positionnement des données (images HSpec. /

prélèvements)– S’adapter à la configuration des domaines d’expérimentation– Proposer un système robuste, faiblement dépendant

• Caractéristique clef– Pivot autour de la position en coordonnées


Problématique : pourquoi ce modèle ?

• Données imagerie hyperspectrale– À l’échelle du champ / de la parcelle

– Information spectrale + métadonnées liées à l’image

• Données agronomiques prélevées– À l’échelle de l’individu / groupe d’individus

– Besoin de corrélation avec les images capturées sur la zone

• Zones d’exploitation– Configuration parcellaire changeante d’une année sur l’autre

– Hétérogénéité des géométries/surfaces/densités

• Problème difficulté d’utiliser la microparcelle ou l’individu comme référence

• Solution caractérisation par la position géographique absolue (coordonnées)


Comparaison de modèles (1)Diagrammes de classes simplifiés

• Modèle habituel :

• Modèle proposé :


Comparaison de modèles (2)Avantages et inconvénients du modèle proposé

• Avantages :– Indépendance entre l’entité agronomique et les données

associées (spectres, environnement, etc…)– Protection contre la propagation d’erreurs– Confort de consultation : requêtes floues sur des zones

géographiques libres– Interopérabilité : système de coordonnées = standard =

traitement SIG

• Inconvénients :– Rigueur indispensable ; l’imprécision détruit la pertinence– Complexité accrue du moteur de requêtage


Le plan intra-parcellaire (1)

Problème pas de référence en coordonnées lors des notations manuelles

Solution le plan intra-parcellaire


Le plan intra-parcellaire (2)• Calcul des coordonnées fx; yg de la donnée : Rang 3, Parcelle 4 + décalage d

• C = (xR3+(3lR) sin(a)+(3lP) cos(b)+xd); (yR3+(3lR) cos(a)+(3lP) sin(b)+yd)

lR = largeur Rang / lP = largeur Parcelle / a,b = angles de la zone d'exploitation / d = vecteur décalage


Diagramme de classes


Architecture logicielle de Garicc (1)Technologies requises pour déployer le SIG

• Côté serveur– Stockage : un SGBD relationnel (cartouche géographique

recommandé)– Cartographie : un serveur de cartes raster/vecteur– Imagerie : bibliothèque de traitement géoraphique

recommandée– Moteur : n’importe quel langage de programmation

• Côté client– Affichage : une interface avec support de la cartographie


Architecture logicielle de Garicc (2)Outils utilisés : open-source uniquement

• Base de données : PostgreSQL + PostGIS (cartouche géographique)

• Coeur d’application : multi-tier avec Java EE 5• Interface Web : MVC (Modèle/Vue/Contrôleur)• Traitement des données géographiques :

– GDAL/OGR : bibliothèque de traitement de couches géographiques

– Mapserver : serveur de couches raster/vecteur géoréférencées– OpenLayers : afficheur/éditeur Web de couches géographiques


Exemples de requêtes géographiques

• Insertion par coordonnées :– INSERT INTO donnees (nom,position,date,valeur) VALUES

(’maDonnee’,{3.98552; 43.62107},’20090319 :155852’,’valeurXML’) ;

• Consultation avec l’interface cartographique :– $coords[4] <- rectangle de sélection fourni par l’interface– $coords[4] = {3.98269; 43.62284; 3.98552; 43.62107}– SELECT valeur FROM donnees WHERE

intersects(donnees.position,$coords[4]) ;


Démonstration de l’application

























Documents

18 Juin - IGECMathias Chouet (INRA Montpellier) - Garicc1 Garicc Système d’Information Géographique et Expérimentation plein champ Mathias Chouet INRA