Soutenance de thèse de Maxime RYCKEWAERT le 7 novembre 2019 à 09h30, Campus La Gaillarde, Montpellier SupAgro, amphi 206

Potentiel d’un couplage entre un capteur de haute résolution spectrale/faible résolution spatiale et un capteur à faible résolution spectrale/forte résolution spatiale pour la sélection variétale.
Application au phénotypage du maïs  vis-à-vis du stress hydrique.

Thèse CIFRE (avec Limagrain) labellisée par #DigitAg

Le jury est composé des membres suivants :

  • Cyril Ruckebusch
  • David Rousseau
  • Anna de Juan Capdevila
  • Piet Reyns
  • Carole Sinfort
  • Nathalie Gorretta
  • Fabienne Henriot
  • Cindy Torres
  • Jean-Michel Roger.

Résumé de la thèse :

L’objectif de la thèse est d’explorer le potentiel d’un couplage entre un capteur de haute résolution spectrale/faible résolution spatiale et un capteur à faible résolution spectrale et forte résolution spatiale pour la sélection variétale.

Ce système est étudié dans le cadre du phénotypage du maïs en conditions de stress hydrique. L’étude est organisée de la manière suivante :  

  • Dans un premier temps, il s’agissait de vérifier l’hypothèse selon laquelle l’utilisation d’une forte résolution spectrale apporte un plus pour le phénotypage dans le cadre de la sélection variétale. Pour cela, deux campagnes expérimentales ont été réalisées en 2017 et 2018. Des spectres ont été acquis au champ en utilisant la spectroscopie visible et proche-infrarouge selon un plan d’expérience comptant au total 10 génotypes connus pour leur tolérance face au stress hydrique. Cette partie montre qu’il est possible de caractériser les comportements des génotypes en situation de stress hydrique tout en décrivant précisément les régions spectrales responsables de cette classification.
  • L’utilisation d’un spectromètre en extérieur induit un manque de répétabilité des mesures. Les conclusions des analyses réalisées sur des spectres portant cette erreur peuvent alors être faussées. Une méthode a donc été développée pour réduire l’erreur de répétabilité à travers l’utilisation d’une série de répétitions de mesures additionnelles au plan d’expérience. Cette méthode modifie l’algorithme d’analyse de variance ASCA en introduisant des projections orthogonales dans l’espace des spectres, en complément des projections orthogonales dans l’espace des individus, réalisées naturellement par l’analyse de variance.
  • L’objectif de la dernière partie était de réaliser le couplage d’un capteur à haute résolution spectrale et faible résolution spatiale avec un capteur à faible résolution spectrale et haute résolution spatiale à l’aide d’algorithmes de pan-sharpening pour reconstituer une image hyperspectrale de test. Cette partie comportait deux étapes : une approche par simulation pour comparer les algorithmes de pan-sharpening à l’aide d’une image hyperspectrale et une partie pour proposer une méthode pour reconstruire une image hyperspectrale à partir de la solution de couplage proposée.