L'IMAGERIE DRONE POUR LA CARACTÉRISATION HAUT DÉBIT DES . - Cirad
L’IMAGERIE DRONE POUR LACARACTÉRISATION HAUT DÉBIT DESRÉPONSES AU DÉFICIT HYDRIQUE DESVARIÉTÉS FRUITIÈRES :ASPECTS MÉTHODOLOGIQUESDavid GÓMEZ-CANDÓN, Sylvain LABBÉ, Magalie DELALANDE,Sébastien MARTINEZ, Jean-Luc REGNARDUMR AGAP - équipe AFEFMontpellier SupAgro - INRAImage Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)
L’imagerie végétale et ses applications Un domaine scientifique émergent : caractérisation et quantification de variables de croissance et defctt du végétal, diagnostic (précis et reproductible) des stress Compétences interdisciplinaires, car large gamme d’outils et de méthodologies : Imagerie aéroportée haute-résolution,Pré- et post-traitement des images (nécessité d’automatisation),Photo-interprétation,Gestion des données, création de bases de données,Systèmes d’aide à la décision, règles de décision . Imagerie haute résolution applicable au champ sur arbres fruitiers (cond. environmentales réelles) Moyen à haut-débit : dépassement des limitations des méthodes traditionnelles (chronophages) Nécessaire évaluation de la sensibilité & fiabilité, de la flexibilité et du rapport coût / efficacité Applications en sélection végétale: l’imagerie hte-résolution phénotypage,Lien phénotype / génotype dissection du contrôle génétique des traits (“Phénomique” )(White et al., 2012; Fiorani & Schurr, 2013 ; Prashar & Jones, 2014) Application pour le diagnostic et la prise de décision en agricultureImage Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)2
Phénotypage et imagerie thermiqueRéponse du pommier au déficit hydrique : imagerie multispectrale et thermique Echauffement du feuillage en réponse à l’arrêt / à la limitation / de la transpiration L’imagerie thermique utilisée en tant qu’outil de diagnostic Pour le monitoring du stress hydrique au champ (e.g. Grant et al., 2006 ; vigne) Pour la gestion de l’irrigation (e.g. Jones et al., 2004) Phénotypage au champ de la transpiration (Jones et al., 2009 ; Prashar & Jones, 2014) Indices de stress issus de l’analyse des images, corrélations avec les variables plante Importance de tester la sensibilité : en lien avec l’intensité du stress, et les génotypes Difficultés méthodologiques: nott faible résolution et pixels mixtes (Jones & Sirault, 2014) Les technologies de vecteur évoluent rapidement : notamment en aéroporté Solutions ULM (Zarco-Tejada et al., 2009) Solutions Drone (UAV) résolution spatiale (RGB NIR) et la flexibilité (Berni et al.,2009)Image Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)3
Contexte : changement climatique et cas du pommier Elévationdes T ( C) températures demande évaporative pluies (zone médit. : hotspot)Réduction des ressources en eau pour l’agriculture, restrictionpossibles en cas de crise (cf. site Propluvia)Enjeu de durabilité pour cultures, dont fruitièresProg. de sélection émergents en gde culture (maïs, )pour le pommier (culture irriguée) Variabilité inter- et intraspécifique de la tolérance à lasécheresse des Malus (Bassett et al., 2011, 2013) Variabilité génétique de la régulation stomatique foliaireen réponse au VPD (Regnard et al., 2008, 2009) Variation de la Water Use Efficiency entre cvs. (Massonnetet al., 2007; Gonzalez-Talice et al., 2012) Effet « puits» du fruit : WUE (Wünsche et al., 2000 ;Pretorius and Wand, 2003) Données génétiques et génomiques sur pommier (équipeAFEF et collaborations)Variation (mm par an, par période de 10 ans) Opportunité : screening de populations de diversité auchamp (descendances en ségrégation, core-collections)Image Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)4
Dispositif expérimentalSite d’étude 2010 – 2013 UE INRA de Mauguio (43 36’ N, 3 58’ E)Expérimental setupUE INRA (Mauguio)NPleine irrigation (WW)Contrainte hydrique (WS) Starkrimson (STK) x Granny Smith (GS) 122 hydrides*4 répétitions (porte-greffe M9) Régimes hydriques différenciés en été : WS/WW 2 répétition / genotype * régime hydriqueSites d’étude 2014 – 2016 Ctifl, Centre de Balandran, Bellegarde CEHM, Centre de MarsillarguesExpérimental setup 2 régimes hydriques : WW et WS (-50% apport) 3/4/5 répétitions d’arbres par variété et par régime hydrique 8 variétés : Crimson Crisp, Crippspink, Dalinette, Opal, Goldkiss, Juliet, Inolove, Story9 à 15 cibles géoréférencées aluminisées(pour géolocaliser les images)Image Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)5
Programme drone : Données de Terrain (1) Données physiques au sol simultanément au vol du drone Températures : cibles « chaudes » et « froides » 2 références sol nu et sol humide Station micro-météo : température et humidité relative de l’air (Ta) radiation solaireCible froide vitesse du ventDesign expérimental de champ selonGómez-Candón et al. (2016)Cible sol nuIR120Station MétéoetData loggerCible chaudeCible sol mouilléImage Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)6
Programme drone : Données de Terrain (2) Données biophysiques de terrain Suivi de la plante Potentiel hydrique de base (avant l’aube) Potentiel hydrique de tige pendant la journée Suivi du grossissement d’organes (branche ,fruit) Suivi de l’état hydrique du sol Sondes Watermark Sondes Sentek Suivi vol. d’eau distribuésImage Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)7
Chaîne de traitement des imagesDP1modifiedDP1DataVisibleBlue (B): 450 nmGreen (G): 550 nmRed (R): 670 nmPre-processingNear InfraredFuzzy images eliminationFuzzy imageselimination* Orthorectification and ** Orthorectification and*GeolocationThermal Image*(NIR): 745nmMosaicking*307K(TIR): 8-14µm**GeolocationMosaicking***TIR calibration*Vegetation indicescalculation***Geolocation*Post-processing** Orthorectification and *Mosaicking*Videoframes extractionSingle treeisolation*Water Deficit Index WDIOutputsSingle tree / Genotype / treatment- R, G, B, NIR, TIR- NDVI- Ts-Ta- WDI-Diurnal Ψ variationsDiurnal and seasonal Ts-Ta variationsGenotype behavior/progressive water stresscondit.Tree water status / Irrigation needsEtc.8
Drone, caméra et appareils photo Drone Mikrokopter Oktokopter (UMR TETIS) Caméra Thermoteknix Miricle 307K (640*480) Appareils photo : RGB et NIR Sigma DP1 (2640*1760)Visible :- bleu: 450 nm- vert: 550 nm- rouge: 670 nmProche Infrarouge (PIR) : 745 nmInfrarouge Thermique (IRT) : 8-14 mmImage Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)9
Acquisition dans les bandes spectralesExemple of images acquises :Altitude 40 m NIR Imageimages RGB & proche-IRrésolution: 0.02 mm colonnesTIR Imageimage thermiquerésolution: 0.10 mInformation multicouchesVisible Image (RGB)Image Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)TIRNIRRougeVertBleu10
Les drones en agriculture (Besqueut et al., 2015)Technologie mature pour l’utilisation commerciale.Maniabilité et fiabilité du drone application en agriculture.Utilisa en grande culture (blé tendre et colza) pour diagnostics ou du conseil de fertilisation N.Application débutant en viticulture.Aile volante doit se déplacer constamment pour voler (autonomie 45-60’, couverture 20ha / vol)www.airinov.fr/Multirotor (4 à 8 hélices) réalisation de vols stationnaires, peut emporter une charge utile ( 3kg)L’autonomie plus réduite (5 à 15mn) et fragilité plus grande.Résolution imagerie drone : 5 à 30cm par pixel, selon altitude de vol et capteurs.Volume de données généré :Résolution1cm/ pixel10cm/pixel25cm/pixel100cm/pixelVolume de donnéespour 10 ha1400 Mo28 Mo5 Mo0,5 MoRéglementation : Direction régionale de l’aviation civile, déclaration des vols, formation des télépilotes.Image Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)11
Indices à partir d’images multispectralesIndexIndications BiologiquesBleu Vert450nm550nmNDVIRDVIMSRSAVIMSAVISARVIMCARIMCAR 1MCARI 2TVIMTVI 1MTVI phylle (soil ophylleGAI (et ylleStress hydriqueXXXXXXXBandes SpectralesNIRRouge XXXXXXRéférenceTIR8-14µmXRouse et al., 1974Rougean & Breon, 1995Chen, 1996Huete, 1988Qi et al. 1994Kaufman & Tanre, 1992Daughtry et al. 2000Daughtry et al. 2000Haboudane et al., 2004Broge and Leblanc 2000Huete, 1988Huete, 1988Dash and Curran, 2004Moran el al., 1994Image Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)12
Applications possibles du drone en arboriculture fruitièreObservationType de capteurApplication directeApplication indirecteExpressionVégétativeVisible, Proche-IRRepérage de zones de feuillagedécoloréComptage automatique de pieds manquantsCaractérisation de l’hétérogénéitédu volume du feuillageDiagnostique parcellaire : caractérisation du stress hydrique,carences azotées Repérage de zones de stress oucarencesCalcul de surfaces foliaires exposéesÉvaluation d’incidents climatiquesPorosité du feuillage, hauteur de végétation et ation précoce de foyers demaladiesProtection phytosanitaireCouleur du solVisibleCaractérisation de l’hétérogénéitéde la couche supérieure du solDiagnostic parcellaireRepérage de zones humidesCouverture du solVisible, Proche-IRÉvaluation de l’enherbementCalcul des surfaces enherbéesTempératureThermiqueRépartition des températures surla parcelleEstimation de la contrainte hydriqueReliefsVisibleModélisation 3D de la parcelleCalcul de pentesCalcul de surfaces réellesCalcul d’expositionsÉvaluation du ravinementElaboration d’après Besqueut et al. (2015 ; applications en viticulture)Image Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)13
Quelques résultats imagerie DroneTs-Ta. 1er Août 2013 sur population de pommiers (Starkrimson * Granny Smith)Fixed & random effects in the mixed linear model, minimizing the Bayesian AIC/BIC criteria).Variances of genotype and residual effect, and broad-sense heritability values (h2) are shown.Water regime(Fixed effect)Ts-Ta raw imageTs-Ta illuminated leavesTs-Ta shaded leavesGenotype(Random duals77.2%76.5%76.9%0.3710.3810.376Boxplots Ts-Ta (pour 4 dates de vol en 2013). Variable Ts-Ta pour les WD et WW (60 genotypes)WDWDWDWDWDWDWDWDWDImage Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)14
Quelques résultats imagerie DroneGraphes NDVI / Ts-Ta12:00Water Deficit index (WDI). 1er Août 2013 sur population de pommiers (Starkrimson * Granny Smith)Graphes présentant pour chaque arbre la valeur moyennée de la zone centrale : NDVI vs Ts-Ta (raw data).Ensemble de la parcelle : gris ; 122 hybrides : WW: noir , WS: blanc.8:0012:0016:0014:00NDVINDVI10:00P-values :Ts-TaTs-TaTs-TaTs-TaTs-Ta6.19 E-206.19 E-241.03 E-245.59 E-219.49 E-22Ts-TaEffet stress significatif (selon ANOVA) ; effet génétique perceptible (modèle mixte) ; pas ou peu d’interactionImage Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)15
Quelques résultats imagerie DroneDrought effects and Genotypic variationsWater treatment and Genotype effects (two-way ANOVA)Water treatmenteffectGenotype effectDateHourTc-TaWDITs-TaWDI4th July12:00NS*NSNS19th July12:00****NSNS1st ***********NSNS***NSNSNS***NS6th Sept.12:00******NSNSWater treatment (nw 2) and genotype (ng 60)Image Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)16
ConclusionCaracterisation d’arbres fruitiers au champ : Phénotypage ou Diagnostic* Approches méthodologiques* Phénotypage : Réponse variétale au stress hydrique par imagerie thermique* Diagnostic : monitoring stress biotiques ou abiotiques : qq. indices de télédétection disponibles* Application professionnelle : suivi du stress hydrique sur champ ou placettes* Définition de placettes; irrigation de précision, si des règles de pilotage sont précisées* Défi de l’amélioration du débit de traitement des images et de leur traitement* En cours :* Application en stations professionnelles (projet Casdar Aliage-fruits 2014-17):comportement de nouvelles variétés :* proof of the concept* évaluation du rapport : coût / efficience* En projet : screening d’une collection de diversité pommiers, phénotypage de la réponse à la contrainte hydriqueet autres traits (dans le cadre de projets H2020 en construction/soumission) :* Dynamique de feuillaison (et floraison) : aspects temporels (délai de revisite ?)* Fonctionnement du couvert : état du photosystème II en cas de stress, azote foliaire, etc.Image Drone Environnement Agriculture, IDEA 2016 – 17 octobre 2016. Montpellier (France)17
Merci de votre attention !Parcelle de phénotypage pommiers, INRA Melgueil (Mauguio), avril 2011Photo : N. Virlet18
L'imagerie végétale et ses applications Imagerie haute résolution applicable au champ sur arbres fruitiers (cond. environmentales réelles) Moyen à haut-débit : dépassement des limitations des méthodes traditionnelles (chronophages) Nécessaire évaluation de la sensibilité & fiabilité, de la flexibilité et du rapport coût / efficacité
YUNEEC Typhoon H3 Industrial drone RtF Camera drone User Guide Box Contents . M900 4 Axis Industrial Long Range Drone, M900, 4 Axis Industrial Long Range Drone, Industrial Long Range Drone, Long Range Drone, Range Drone, Drone, 4 Axis Drone Related Posts Leave a comment Your email address will not be published. Required fields are marked *
En mode caméra de drone, active le flou des objets au premier plan. VUE DU DESSUS DRONE Place le drone en vue de dessus. VERROUILLAGE DRONE DE LA CIBLE SUIVANTE Verrouille la caméra de drone sur la cible suivante. La caméra de drone suivra les mouvements de cette nouvelle cible. VERROUIILLAGE DRONE DE LA CIBLE PRÉCÉDENTE
pertinence des examens d'imagerie médicale dans le cadre du programme national sur l'amélioration de la pertinence des soins. Ce volet amélioration de la pertinence des examens d'imagerie mobilise l'ensemble des institutions2 et des professionnels concernés3, ainsi que les patients (cf. : https://solidarites-sante.gouv.fr/soins-et-
Quantitative Analysis of the German Drone Market Market Study by Drone Industry Insights 12 The German Drone Market: European comparison Commercial market in European comparison How big is the market demand in European drone markets? Absolute market size Relative market size per worker 1. Germany 1. Norway 2. France 2. Switzerland 3. UK 3 .
The Splash drone 3 The Splash drone 3 is the most advanced water resistant (1) drone ever released. Its the first fully integrated modular amphibious flying platform. Thanks to its new flight control system, its also easier to fly. Its brand new propulsion sy
Procurement of a standard drone type is not mandatory. Structures Managers are currently utilising the DJI Phantom 4 Professional for bridge inspections and can be contacted for advice on drone performance and reliability. 2.3 Drone Kits Where drones are registered on the ARTC Ellipse asset register, they should be registered as a Drone Kit.
a Demirev V.,2017, "Drone Detection in Urban Environment - The New Challenge for the Radar Systems Designers", International Scientific Journal "Security & Future", WEB ISSN 2535-082X, Year 1 Issue 3, pp 114-116. . kinetic means, electronic warfare (EW) and cyber warfare (CW) techniques, Drone vs drone, and Directed Energy Weapons (DEW)
The threat profile for SECRET anticipates the need to defend against a higher level of capability than would be typical for the OFFICIAL level. This includes sophisticated, well resourced and determined threat actors, such as some highly capable serious organised crime groups and some state actors. Reasonable steps will be taken to protect information and services from compromise by these .
