Search

1. la description de l'outil : RPG Explorer est un logiciel développé pour analyser les dynamiques du paysage agricole à partir des données du Registre Parcellaire Graphique (RPG). Ces données, issues des déclarations PAC des agriculteurs, constituent une mine d’informations très importante pour décrire un territoire agricole mais elles nécessitent, en l’état, des compétences en SIG élevée pour les valoriser. RPG Explorer a été conçu pour faciliter le traitement aux agronomes non-spécialistes du SIG. Le logiciel permet, entre autres, de produire l’assolement d’un territoire pour chaque année, de lier les îlots des différences années pour reconstituer les séquences de culture et de modéliser les rotations par type d’exploitation ou par type de sol à partir des cultures observées. Les sorties de l’outil peuvent être exploitées sous tableur ou sous SIG. L’outil est amélioré grâce aux retours des utilisateurs. RPG explorer est un logiciel gratuit déposé auprès de l'Agence de Protection des Programmes. Il est développé au sein de l'UMR INRA AgroParisTech SAD-APT en collaboration avec d'autres équipes de recherche. Son développement a pu se faire grâce à des crédits ADEME et AFB/ONEMA. 2. les avantages et inconvénients de l'outil : RPG Explorer permet de répondre à bon nombre de questions d’ordre agronomique et environnemental liées à l’occupation du sol agricole (aire d’alimentation de captage (AAC), bassin versant ou bassin d’approvisionnement d’une culture par exemple). Les données RPG ne sont pas fournies avec l’exécutable de l’outil. RPG Explorer fonctionne avec les données RPG disponibles gratuitement (sans identifiants exploitation) sur le site de l’IGN (2015 à 2017), ces données sont très complètes d’un point de vue cultural (328 classes culturales). Les données avec identifiants exploitation ne sont accessibles qu’aux organisations en charge de mission de service public (accès gratuit auprès des DRAAF des territoires concernés). RPG Explorer tourne sur tous les PC mais fonctionne mieux avec une dizaine de Go de mémoire et un disque dur avec beaucoup de place (une centaine de Go de libre). Actuellement, des développements sont en cours pour adapter l’outil aux données RPG de niveau 2 diffusées par les DRAAF (2015 à 2017). 3. le degré d’opérationnalité de l’outil : RPG Explorer est totalement opérationnel et structuré en modules. Un premier module calcule les évolutions de l’assolement et des caractéristiques des exploitations agricoles (nombre d’exploitation, SAU de l’exploitation et type d’exploitation). Un second module génère les séquences de cultures pour chaque îlot d’un territoire. Un troisième module identifie les principales séquences de cultures et modélise les rotations d’un territoire. L’outil peut traiter les données RPG de la France métropolitaine et DOM/TOM de 2006 à 2017. La prise en charge des données exploitation post 2014 ne sera effective que lorsque les fichiers transmis pas les DRAAF seront standardisés (discussions en cours). 4. les moyens de mise en oeuvre de l’outil L’outil est facile d’installation (exécutable envoyé sur demande). La prise en main de l’outil se fait par auto-formation (notice et support PPT et vidéos à disposition) ou en participant à des formations (de 2 à 4 par an). Une hot line est assurée par mail. 5. un exemple d'application concret : RPG Explorer a été utilisé sur des AAC, pour extraire les couples précédent/suivant des bases du RPG ainsi que leur proportion pour chaque type de sol pour alimenter la matrice technique mobilisée dans l’approche Coclick’Eau. RPG Explorer a été mis en oeuvre sur 4 territoires pilotes afin de calculer les assolements de rotation par type de sol et contribuer au calcul du stockage de carbone dans les sols (projet ADEME ABC’Terre).

Evaluation of the STICS model for the simulation of a multiyear crop succession: Its interest in a climate change context. 11. séminaire des utilisateurs de Stics

L’agriculture est l’activité humaine qui utilise et transforme la plus grande partie de la surface terrestre. Son inten-sification et son uniformisation ont engendré plusieurs problèmes écologiques et environnementaux. Comprendre les dynamiques passées et actuelles des territoires agricoles à des échelles régionales, compatibles avec les échelles où s’expriment les services environnementaux et écologiques, est nécessaire pour mieux gérer l’évolution future des territoires agricoles. Pourtant, la plupart des travaux qui ont étudié les dynamiques agricoles à des échelles régionales ne distinguent pas les dynamiques liées au fonctionnement régulier de l’activité agricole de celles liées à des changemements dans son fonctionnement. Les autres travaux rapportés dans la littérature qui font cette distinction présentent toutefois l’inconvénient d’être difficilement reproductibles. Cette thèse vise ainsi à développer une méthode générique de modélisation des dynamiques passées et actuelles de l’organisation territoriale de l’activité agricole (OTAA). Nous avons développé une méthode de modélisation stochastique fondée sur des modèles de Markov cachés qui permet de fouiller un corpus de données spatio-temporelles d’occupations du sol (OCS) en vue de le segmenter et de révéler des dynamiques agricoles cachées. Nous avons testé cette méthode sur des corpus d’OCS issus de sources variées (relevés de terrain, télédétection) et appartenant à deux territoires agricoles de dimensions régionales : le site d’étude de Chizé (430 km2, Poitou-Charentes) et le bassin versant du Yar (60 km2, Bretagne). Cette méthode apporte 3 contributions à la modélisation de l’OTAA : (i) la description de l’OTAA suivant une approche temporo-spatiale qui identifie des régularités temporelles, puis les localise en segmentant le territoire agricole en zones compactes de régularités temporelles similaires ; (ii) la fouille des voisinages des successions d’OCS et de leurs dynamiques ; (iii) l’articulation des régularités révélées par notre approche de fouille de données à l’échelle régionale avec des règles identifiées par des experts en agronomie et en écologie à des échelles plus locales en vue d’expliquer les régularités et de valider les hypothèses des experts. Nous avons testé la généricité de la première contribution sur les deux territoires d’études. Les deux dernières contributions ont été développées et testées sur le site d’étude de Chizé. Nos résultats valident l’hypothèse que l’OTAAse prête bien à la représentation par un champs de Markov de successions. Cette thèse ouvre la voie à une nouvelle approche de modélisation de l’OTAA explorant le couplage entre régularités et règles, et exploitant davantage les outils d’intelligence artificielle. Elle constituerait les prémices de ce qui pourrait devenir une agronomie numérique des territoires., Agriculture is the human activity that uses and transforms most of the Earth’s surface. Agricultural intensification and simplification have created numerous ecological and environmental problems. To better manage the future development of agricultural landscapes, it is important to understand the past and current dynamics of agricultural landscapes at regional scales compatible with the scales where environmental and ecological services manifest themselves. Yet, most studies on agricultural dynamics at regional scales do not distinguish between the dynamics related to a steady-state farming activity and the dynamics related to changes in the mechanisms of farming activity. Meanwhile, studies reported in the literature that make this distinction have the disadvantage of being difficult to duplicate. The purpose of this thesis is to develop a generic method for modelling the past and current dynamics of Landscape Organization of Farming Activity (LOFA). We developed a stochastic modelling method based on Hidden Markov Models that allows data mining within a corpus of spatio-temporal land use data to segment the corpus and reveal hidden agricultural dynamics. We applied this method to land use corpora from various sources (field surveys, remote sensing) belonging to two agricultural landscapes of regional dimension: the study site of Chizé (430 km2, Poitou-Charentes, France) and the catchment area of Yar (60 km2, Brittany, France). This method provides three contributions to the modeling of LOFA : (i) LOFA description following a temporo-spatial approach that first identifies temporal regularities and then localizes them by segmenting the agricultural landscape into compact areas having similar temporal regularities ; (ii) data mining of the neighborhood of land use successions and their dynamics ; (iii) combining of the regularities revealed by our data mining approach at the regional level with rules identified by agronomy and ecology experts at more local scales to explain the regularities and validate the experts’ hypotheses. We tested the generic nature of the first contribution on the two study sites. The last two LOFA modelling contributions were developed abd tested on the study site of Chizé. Our results validate the hypothesis according to which LOFA fits well a Markov field of land-use successions. This thesis opens the door to a new LOFA modelling approach that investigates the combining of regularities and rules and that further exploits artificial intelligence tools. This work could serve as the beginning of what could become a numerical landscape agronomy.

Agriculture is the human activity that uses and transforms most of the Earth's surface. Agricultural intensification and simplification have created numerous ecological and environmental problems. To better manage the future development of agricultural landscapes, it is important to understand the past and current dynamics of agricultural landscapes at regional scales compatible with the scales where environmental and ecological services manifest themselves. Yet, most studies on agricultural dynamics at regional scales do not distinguish between the dynamics related to a steady-state farming activity and the dynamics related to changes in the mechanisms of farming activity. Meanwhile, studies reported in the literature that make this distinction have the disadvantage of being difficult to duplicate. The purpose of this thesis is to develop a generic method for modelling the past and current dynamics of Landscape Organization of Farming Activity (LOFA). We developed a stochastic modelling method based on Hidden Markov Models that allows data mining within a corpus of spatio-temporal land use data to segment the corpus and reveal hidden agricultural dynamics. We applied this method to land use corpora from various sources (field surveys, remote sensing) belonging to two agricultural landscapes of regional dimension : the study site of Chizé (430 km², Poitou-Charentes, France) and the catchment area of Yar (60 km², Brittany, France). This method provides three contributions to the modeling of LOFA : (i) LOFA description following a temporo-spatial approach that first identifies temporal regularities and then localizes them by segmenting the agricultural landscape into compact areas having similar temporal regularities ; (ii) data mining of the neighborhood of land use successions and their dynamics ; (iii) combining of the regularities revealed by our data mining approach at the regional level with rules identified by agronomy and ecology experts at more local scales to explain the regularities and validate the experts' hypotheses. We tested the generic nature of the first contribution on the two study sites. The last two LOFA modelling contributions were developed and tested on the study site of Chizé. Our results validate the hypothesis according to which LOFA fits well a Markov field of land-use successions. This thesis opens the door to a new LOFA modelling approach that investigates the combining of regularities and rules and that further exploits artificial intelligence tools. This work could serve as the beginning of what could become a numerical landscape agronomy., L'agriculture est l'activité humaine qui utilise et transforme la plus grande partie de la surface terrestre. Son intensification et son uniformisation ont engendré plusieurs problèmes écologiques et environnementaux. Comprendre les dynamiques passées et actuelles des territoires agricoles à des échelles régionales, compatibles avec les échelles où s'expriment les services environnementaux et écologiques, est nécessaire pour mieux gérer l'évolution future des territoires agricoles. Pourtant, la plupart des travaux qui ont étudié les dynamiques agricoles à des échelles régionales ne distinguent pas les dynamiques liées au fonctionnement régulier de l'activité agricole de celles liées à des changements dans son fonctionnement. Les autres travaux rapportés dans la littérature qui font cette distinction présentent toutefois l'inconvénient d'être difficilement reproductibles. Cette thèse vise ainsi à développer une méthode générique de modélisation des dynamiques passées et actuelles de l'organisation territoriale de l'activité agricole (OTAA). Nous avons développé une méthode de modélisation stochastique fondée sur des modèles de Markov cachés qui permet de fouiller un corpus de données spatio-temporelles d'occupations du sol (OCS) en vue de le segmenter et de révéler des dynamiques agricoles cachées. Nous avons testé cette méthode sur des corpus d'OCS issus de sources variées (relevés de terrain, télédétection) et appartenant à deux territoires agricoles de dimensions régionales : le site d'étude de Chizé (430 km², Poitou-Charentes) et le bassin versant du Yar (60 km², Bretagne). Cette méthode apporte 3 contributions à la modélisation de l'OTAA : (i) la description de l'OTAA suivant une approche temporo-spatiale qui identifie des régularités temporelles, puis les localise en segmentant le territoire agricole en zones compactes de régularités temporelles similaires; (ii) la fouille des voisinages des successions d'OCS et de leurs dynamiques; (iii) l'articulation des régularités révélées par notre approche de fouille de données à l'échelle régionale avec des règles identifiées par des experts en agronomie et en écologie à des échelles plus locales en vue d'expliquer les régularités et de valider les hypothèses des experts. Nous avons testé la généricité de la première contribution sur les deux territoires d'études. Les deux dernières contributions ont été développées et testées sur le site d'étude de Chizé. Nos résultats valident l'hypothèse que l'OTAA se prête bien à la représentation par un champs de Markov de successions. Cette thèse ouvre la voie à une nouvelle approche de modélisation de l'OTAA explorant le couplage entre régularités et règles, et exploitant davantage les outils d'intelligence artificielle. Elle constituerait les prémices de ce qui pourrait devenir une agronomie numérique des territoires.

The purpose of this thesis is to develop a generic method for modelling the past and current dynamics of Landscape Organization of Farming Activity (LOFA). We developed a stochastic modelling method based on Hidden Markov Models that allows data mining within a corpus of spatio-temporal land use data to segment the corpus and reveal hidden agricultural dynamics. We applied this method to land use corpora from various sources belonging to two agricultural landscapes of regional dimension. This method provides three contributions to the modeling of LOFA : (i) LOFA description following a temporo-spatial approach that first identifies temporal regularities and then localizes them by segmenting the agricultural landscape into compact areas having similar temporal regularities; (ii) data mining of the neighborhood of land use successions and their dynamics; (iii) combining of the regularities revealed by our data mining approach at the regional level with rules identified by agronomy and ecology experts at more local scales to explain the regularities and validate the experts' hypotheses. Our results validate the hypothesis according to which LOFA fits well a Markov field of land-use successions. This thesis opens the door to a new LOFA modelling approach that investigates the combining of regularities and rules and that further exploits artificial intelligence tools. This work could serve as the beginning of what could become a numerical landscape agronomy, Cette thèse vise à développer une méthode générique de modélisation des dynamiques passées et actuelles de l'organisation territoriale de l'activité agricole (OTAA). Nous avons développé une méthode de modélisation stochastique fondée sur des modèles de Markov cachés qui permet de fouiller un corpus de données spatio-temporelles d'occupations du sol (OCS) en vue de le segmenter et de révéler des dynamiques agricoles cachées. Nous avons testé cette méthode sur des corpus d'OCS issus de sources variées et appartenant à des territoires agricoles de dimensions. Cette méthode apporte 3 contributions à la modélisation de l'OTAA : (i) la description de l'OTAA suivant une approche temporo-spatiale qui identifie des régularités temporelles, puis les localise en segmentant le territoire agricole en zones compactes de régularités temporelles similaires; (ii) la fouille des voisinages des successions d'OCS et de leurs dynamiques; (iii) l'articulation des régularités révélées par notre approche de fouille de données à l'échelle régionale avec des règles identifiées par des experts en agronomie et en écologie à des échelles plus locales en vue d'expliquer les régularités et de valider les hypothèses des experts. Nos résultats valident l'hypothèse que l'OTAA se prête bien à la représentation par un champs de Markov de successions. Cette thèse ouvre la voie à une nouvelle approche de modélisation de l'OTAA explorant le couplage entre régularités et règles, et exploitant davantage les outils d'intelligence artificielle. Elle constituerait les prémices de ce qui pourrait devenir une agronomie numérique des territoires

The purpose of this thesis is to develop a generic method for modelling the past and current dynamics of Landscape Organization of Farming Activity (LOFA). We developed a stochastic modelling method based on Hidden Markov Models that allows data mining within a corpus of spatio-temporal land use data to segment the corpus and reveal hidden agricultural dynamics. We applied this method to land use corpora from various sources belonging to two agricultural landscapes of regional dimension. This method provides three contributions to the modeling of LOFA : (i) LOFA description following a temporo-spatial approach that first identifies temporal regularities and then localizes them by segmenting the agricultural landscape into compact areas having similar temporal regularities; (ii) data mining of the neighborhood of land use successions and their dynamics; (iii) combining of the regularities revealed by our data mining approach at the regional level with rules identified by agronomy and ecology experts at more local scales to explain the regularities and validate the experts' hypotheses. Our results validate the hypothesis according to which LOFA fits well a Markov field of land-use successions. This thesis opens the door to a new LOFA modelling approach that investigates the combining of regularities and rules and that further exploits artificial intelligence tools. This work could serve as the beginning of what could become a numerical landscape agronomy, Cette thèse vise à développer une méthode générique de modélisation des dynamiques passées et actuelles de l'organisation territoriale de l'activité agricole (OTAA). Nous avons développé une méthode de modélisation stochastique fondée sur des modèles de Markov cachés qui permet de fouiller un corpus de données spatio-temporelles d'occupations du sol (OCS) en vue de le segmenter et de révéler des dynamiques agricoles cachées. Nous avons testé cette méthode sur des corpus d'OCS issus de sources variées et appartenant à des territoires agricoles de dimensions. Cette méthode apporte 3 contributions à la modélisation de l'OTAA : (i) la description de l'OTAA suivant une approche temporo-spatiale qui identifie des régularités temporelles, puis les localise en segmentant le territoire agricole en zones compactes de régularités temporelles similaires; (ii) la fouille des voisinages des successions d'OCS et de leurs dynamiques; (iii) l'articulation des régularités révélées par notre approche de fouille de données à l'échelle régionale avec des règles identifiées par des experts en agronomie et en écologie à des échelles plus locales en vue d'expliquer les régularités et de valider les hypothèses des experts. Nos résultats valident l'hypothèse que l'OTAA se prête bien à la représentation par un champs de Markov de successions. Cette thèse ouvre la voie à une nouvelle approche de modélisation de l'OTAA explorant le couplage entre régularités et règles, et exploitant davantage les outils d'intelligence artificielle. Elle constituerait les prémices de ce qui pourrait devenir une agronomie numérique des territoires

Cet article présente un inventaire de 40 années de travaux de l’INRA, qui ont contribué au développement des cultures de protéagineux, tout en visant des impacts environnementaux positifs. Les innovations sont présentées pour deux niveaux d’échelle: (1) portant sur le protéagineux cultivé luimême (meilleure utilisation des ressources d’origine symbiotique, variétés rustiques d’hiver moins consommatrices d’eau, réduction d’intrants fongicides, contribution à la biodiversité, meilleure valeur nutritionnelle réduisant les pertes dans les effluents d’élevage) ou (2) portant sur le système de culture (rotations-associations-CIPAN) insérant un protéagineux et permettant de réduire les pertes azotées, les intrants fongicides-herbicides-insecticides-azote ou enfin les infestations des racines de pois par Aphanomyces euteiches. Trois exemples marquants portant sur le maintien et l’utilisation des ressources génétiques, sur la définition et la gestion d’idéotypes de pois d’hiver, sur le développement d’outils d’évaluation ex ante des impacts environnementaux, économiques et sociaux, sont ensuite présentés. Enfin, les perspectives de ce travail et les nouvelles questions de recherche sont discutées., This paper reviews 40 years of INRA activities on grain legumes for feed aiming at the development of growing areas of these crops and targeting environmental friendly impacts. Innovations are organised according to two scales of impacts: (1) those relative to the grain legume crop itself (improving use of resources of symbiotic origin, breeding winter-grown varieties with lower irrigation requirement, reducing fungicide requirements, contributing to biodiversity, reducing polluting losses in animal husbandry) or (2) those relative to the global cropping system with the insertion of a grain legume crop in rotation, intercropping or catch crop strategies, in order to reduce N leaching, fongicides-herbicides-insecticidesnitrogen inputs, damages of Aphanomyces euteiches on pea roots. As an illustration, three examples of actions : the maintenance and use of genetic resources, the definition and management of a winter pea plant ideotype, the development of modelling tools allowing the ex ante assessment of environmental, economic and social impacts of growing grain legumes. Perspectives and new directions for research are finally discussed.

National audience; Dans cet article, nous présentons un simulateur de paysages agricoles bidimensionnels, GenExP, qui engendre des découpages parcellaires à partir des paramètres statistiques de paysages réels, en utilisant une géométrie algorithmique classique. L'originalité de GenExP est d'être couplé d'une part avec le logiciel R -- qui autorise les paramétrages et traitements statistiques des parcellaires générés -- et d'autre part avec le logiciel de fouille de données CarottAge -- afin d'intégrer des successions de culture construites à partir de bases de données agricoles. Finalement, GenExP fournit des cartes pluriannuelles de paysages agricoles, qui peuvent être utilisées dans le cadre de nombreuses applications. Ainsi, les résultats des logiciels Mapod et GeneSys, qui sont utilisés par les agronomes et écologues pour simuler la dispersion des pollens et des graines d'OGM à l'échelle d'une ou quelques parcelles, peuvent être étendus dans le temps et l'espace et permettre une meilleure estimation des risques.

2 tables 3 graph.; National audience