L’une des avancées les plus importantes dans le domaine de l’observation de la terre est la découverte des indices spectraux, ils ont notamment prouvé leur efficacité dans la caractérisation des surfaces agricoles, mais ils sont généralement définis de manière empirique. Cette étude basée sur l’intelligence artificielle et le traitement du signal, propose une méthode pour trouver un indice optimal. Et porte sur l’analyse d’images issues d’une caméra multi-spectrale, utilisée dans un contexte agricole pour l’acquisition en champ proche de végétation.
Mobiliser les approches issues de l’Intelligence Artificielle (IA) en Santé Animale (SA) permet d’aborder des problèmes de forte complexité logique ou algorithmique tels que rencontrés en épidémiologie quantitative et prédictive, en médecine de précision, ou dans l’étude des relations hôtes × pathogènes.
Les informations géospatiales et leurs produits dérivés, conçus pour contribuer à la définition des politiques publiques agricoles, sont peu utilisés en Afrique. Les infrastructures, la formation et les compétences manquent ; les activités de recherche et développement sont dispersées et insuffisantes. Mais, surtout, les besoins restent mal formalisés et l’offre technologique, impulsée par les pays industrialisés, est peu adaptée aux caractéristiques des agricultures africaines.
L’érosion hydrique est une préoccupation agronomique, économique et environnementale importante en milieu semi-aride méditerranéen. Le choix de la méthode pour l’estimer dépend des données disponibles et des conditions de la zone d’étude. Cet article vise à quantifier et spatialiser l’érosion hydrique en utilisant l’équation universelle des pertes en sol (Universal Soil Loss Equation [USLE]) dans ses versions modifiée (Modified − MUSLE) et révisée (Revised − RUSLE) et couplées à un Système d’information géographique (SIG) : MUSLE-SIG et RUSLE-SIG.
L’objectif de cet article est d’explorer les défis et les contraintes de l’adoption des technologies de l’agriculture de précision, en se plaçant du point de vue des entreprises opérant dans le secteur des nouvelles technologies agricoles. L’étude s’appuie sur une approche qualitative moyennant une analyse de contenu issue de huit entretiens semi-directifs.
Partout dans le monde, de plus en plus de jeunes se détournent de l’agriculture. Avec ses travaux manuels pénibles et ses faibles salaires, l’agriculture traditionnelle n’attire pas les nouvelles générations qui préfèrent généralement tenter leur chance à la ville pour trouver un emploi. L’agriculture est pourtant le secteur qui offre le plus de potentiel pour réduire la pauvreté, par exemple en Afrique subsaharienne où plus de soixante pour cent de la population, estimée à 1,2 milliard d’habitants, est âgée de moins de 25 ans.
L’herbe pâturée est l’aliment qui coûte le moins cher dans une ration et la bonne gestion de l’herbe passe entre autre par une connaissance des quantités disponibles. Afin de simplifier et d’automatiser ces mesures d’herbe, et ainsi contribuer au maintien voire au développement du pâturage, le projet HERDECT s’est attaché à construire des méthodes d’estimation de la biomasse des prairies à partir d’outils de télédétection (d’acquisition à distance) et à en estimer la faisabilité opérationnelle.
La diminution du nombre de prairies, que l’on observe à l’échelle mondiale depuis plusieurs décennies, s’est accompagnée de l’évolution de leur mode de gestion dans un contexte d’intensification de l’usage des terres. Face aux enjeux que ces changements impliquent, tant sur le plan environnemental qu’économique, il est nécessaire d’identifier et de caractériser les dynamiques spatiotemporelles des prairies, afin notamment d’évaluer les impacts du changement climatique sur ces dernières et leur capacité à s’y adapter.
Le drone est un outil de plus en plus utilisé dans de nombreux domaines et en particulier en agriculture. La méthode présentée permet d’estimer la hauteur de plantes fourragères à partir de photos prises d’un drone. Cette méthode revêt un intérêt tout particulier pour la sélection végétale.
Cet article présente une nouvelle approche à base de logique floue pour évaluer le risque phytosanitaire dans une serre produisant des roses. Le but de cette étude est de fournir à l’agriculteur un indice représentant le risque de présence de nuisible : Western Flower Thrips (WFT) ou Frankliniella Occidentalis, et d’enlever la phase decomptage manuel. Un systéme d’aide à la décision modulaire basé sur la connaissance d’experts a été conçu. Le systéme proposé fournit un facteur de risque en fonction des données météorologiques et statiques.