Analyse de la structure des haies dans les vergers pour la définition de paysages mieux adaptés contre les bioagresseurs

HAL Id: hal-00615301

https://hal.archives-ouvertes.fr/hal-00615301

Submitted on 18 Aug 2011

HAL is a multi-disciplinary open access

archive for the deposit and dissemination of

sci-entific research documents, whether they are

pub-lished or not. The documents may come from

teaching and research institutions in France or

abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est

destinée au dépôt et à la diffusion de documents

scientifiques de niveau recherche, publiés ou non,

émanant des établissements d’enseignement et de

recherche français ou étrangers, des laboratoires

publics ou privés.

Analyse de la structure des haies dans les vergers pour

la définition de paysages mieux adaptés contre les

bioagresseurs

Sébastien da Silva, Claire Lavigne, Florence Le Ber

To cite this version:

Sébastien da Silva, Claire Lavigne, Florence Le Ber. Analyse de la structure des haies dans les vergers

pour la définition de paysages mieux adaptés contre les bioagresseurs. SAGEO 2011 - International

Conference on Spatial Analysis and GEOmatics Conférence internationale de Géomatique et d’Analyse

Spatiale Au sein de la 25e Conférence Internationale de Cartographie, Jul 2011, Paris, France. pp.1-4.

�hal-00615301�

la dénition de paysages mieux adaptés ontre les bioagresseurs S. Da Silva

∗,∗∗

∗∗

∗,∗∗∗

∗

LORIAUMR7503,54500Vand÷uvre-lès-Nan y

∗∗

INRA,UR1115PlantesetSystèmesde ultureHorti oles,84000Avignon

∗∗∗

LHyGeSUMR7517-ENGEES,67000Strasbourg

Conféren e SAGEO - Juillet 2011

Résumé. Andemodéliserlastru turedeshaiesdevergers,nousutilisonsdesméthodes de fouille de données. Ainsi, les haînes de Markov ouplées ave les hemins de Hilbert-Peanoetlespro essuspon tuelsserventàdéterminerlesparamètrespropresàladisposition deshaies danslepaysage. Ce ipermet,parlasuite,desimulerdespaysagesvalidesande réerdessénariospaysagersluttant ontrelesravageurs.

Abstra t. Weusedataminingmethodsin ordertomodelizethestru tureofhedgesin or hards. Markov hains ombined withHilbert-Peano urves, or point pro essesare able toreveal parameters des ribingthehedge stru tures. The nalaim isto simulaterealisti lands apesto evaluates enariosofpest ontrol

Mots lés. Modélisationdepaysage,Fouillededonnéesspatiales,Chaînesde Markov, Pro essusPon tuel,ChemindeHilbert-Peano

Keywords. Lands apemodelling, SpatialDatamining, Markov hains,Pointpro ess, Hilbert-Peano urves

1 Introdu tion

Que ela soit pourl'aménagementdu territoire, lesuivi del'implantation desarbres dans lesforêtsoubien,lagestiondes ultures,lamodélisationet lasimulationdupaysage etde ses omposantes sontunsujet depréo upationdesinstan espubliques. En parti ulier,la prise en ompte ré ente dela né essitéde préserver l'environnementoblige les a teursdu se teuragri oleà her herdessolutionspermettantderéduirel'utilisationdespesti ideset autresproduitsphytosanitaires. Dans esou ide réationd'uneagri ultureresponsable,une solutionenvisagéeseraitderendreles ulturesetlespaysagesintrinsèquementdéfavorables auxorganismesnéfastes. Ils'agitlàdeprodu tionintégrédes ultures,et 'estdans e adre quesedérouleletravaildé rit i-dessous.

L'obje tif nalisé de es re her hes onsiste à réer des s énarios paysagers pour on-trer les ravageurs des ultures, en parti uliers le arpo apses des pommes et des poires. Pour ela, ilest né essairede pouvoirs'appuyer surdessimulationsdepaysagesreprenant ertaines ara téristiquesdespaysages réels. Lapremièrepartiede etravailmènera juste-ment à la réation de modèlespermettant lasimulation des haies dans lespaysages agri- oles. À elui- isera oupléunsimulateurdepar ellaireinspiréde eluidéjàprésentédans [LeBeretal.,2009℄. Nousobtiendrons ainsiunoutil apable desimulerdespaysages agri- olesayant des ara téristiques pouvantêtre ontrlées. Lasuite dutravailsera d'utiliser

paysagessimulés.

2 Méthodes et données

Nousferonsappelpour etravailàdeux atégoriesdeméthodes. LesméthodesdeMarkov sont utilisées pour la résolution de problèmes venant de diérents horizons. Ainsi, elles sont parti ulièrement bien implantées dans le se teur de la re onnaissan e de la parole oude l'é riture [Rigolletal.,1996 ℄, elles apparaissent dans lesoutils de représentation de molé ule en 3D [Alexandrovetal.,2004 ℄, et même, dans la modélisation d'un omporte-ment piétonnier [Makrisetal.,2002℄. D'une manière plus parlante pour nous, elles sont également introduites de la réation de ertaines artes é onomiques liées au tissu urbain [Huangetal.,2008℄,danslare onnaissan edeformesurdesimagessatellitairesoude sim-plesphotos,bruitéesounon[Benmiloudetal.,1995℄,[Pie zynski,2003 ℄,[Benboudjemaetal.,2007 ℄ oudansl'étudedesu essionsde ulturesagri oles[LeBeretal., 2006℄,[Lazraketal.,2010 ℄, [Marietal.,2006℄.

En e qui on erne lespro essus pon tuels, il existedeux atégories intéressantes pour nous,toutd'abord,lespro essuspon tuelsmarquésprésentsparexempledansladéte tion deformeoul'extra tiond'objetsdansuneimage[Chatelainetal.,2009 ,Lafargeetal.,2010, Stoi a,2001 ℄. Ilexisteaussilespro essuspon tuelsdeMarkovtoujoursdansledomainedela télédéte tion[VanLieshout,2000℄oudans eluidelagestiondesforêts[Gaetanetal.,2008 ℄. Pour onstruirelesmodèles,nouspossédonsunjeudedonnéesfourniparl'UnitéPSHde l'INRAd'Avignon,sousformed'un hiershape. Poursa réation, unopérateurhumaina, grâ eàunlogi ielSIG,pointéleshaies,uneàune,surunephotoaériennereprésentantune zonedevergersdefruitsàpépins. Cettezones'étendaunorddesBou hesduRhne, ouvre environ70

km

2

, etabrite 11501haies. Unefoisle hierobtenu, nousextrayonslespoints d'atta hes de haquehaieet, après son onditionnement, nous déterminonsle bary entre, la longueur et l'angle, par rapport à l'axe Est/Ouest, de ha une. Ce i nous permettra d'ee tuer dans un premier temps des al uls de statistique simples. Nous pouvons, par exemple,ee tuer une segmentationdes haies ave d'unepart,les haies dites"brise vent" étantparallèlespargroupeet d'autrepart,leshaies "debordure".

3 Traitement envisagé

Unefois espremiersrésultatsobtenus,nousnousatta heronsàexplorerlesdonnéesave les diérentspointsdevue ités pré édemmentave la hronologiesuivante. Dansunpremier temps, nous utiliserons les méthodesde Markov, plus pré isément, les haînes de Markov ouplées à l'utilisation des hemins de Hilbert-Peano [Benmiloud etal.,1995 ℄. Puis, nous envisagerons l'utilisation des pro essus pon tuels, marqués d'une part et de Markov de l'autre. Il existe une partie ommune à toutes les méthodes évoquées : nous réduisons haque haie à son milieu, auquel nous atta hons un ve teur ontenant des informations (des ripteursgéométriques,biologiques... ).

Pourles haînes de Markov utilisant les hemins de Hilbert Peano, nous dé ouponsla artedesdonnéesenfenêtredetaillexe(onpourralafairevarierensuitepourdéterminer l'inuen e de e paramètre dans les résultats). Nous nous retrouvons alors ave un plan ontenantdesve teursasso iésàdespoints. Ensuite,nousdénissonsun heminde Hilbert-Peano par ourant e plan (la granularité et le sens de par ours pourront être également envisagés omme"paramètres"). Chaquebary entre seraalorsordonnésuivant e hemin. Auterme de etteétape, nousaurons unensemble desuitesde bary entres qui devraêtre traité par un algorithme permettant d'extraire les paramètres d'une haîne de Markov. Ceux- i seront ensuite utilisés pour la simulation qui reprendra un hemin identique à la modélisation. Leproblèmepeutvenirde ladi ultéà simuler une zoned'uneautre taille

des fenêtres de taille xe, mais des zones ayant une réalité agronomique et utiliser ave ela des modèles hiérar hiques en plus des haînes de Markov. Les pro essus pon tuels appréhenderont l'espa een entier mais utiliseront des règlesde voisinagediérentes selon qu'ilssontmarqués oudeMarkov.

Referen es

[Alexandrovetal.,2004℄ Alexandrov V., GersteinM.,  Using3DHidden Markov Models thatexpli itlyrepresentspatial oordinatestomodeland ompareproteinstru tures, BMCBioinformati s,vol.5,n1,p.2,2004.

[Benboudjemaetal.,2007℄ Benboudjema D., Pie zynski W.,  Unsupervised Statisti al SegmentationofNonstationaryImagesUsingTripletMarkovFields,Pattern Analy-sis andMa hine Intelligen e, IEEE Transa tionson, vol.29, n8,p.1367-1378, aug., 2007.

[Benmiloudetal., 1995℄ Benmiloud B., Pie zynski W., Estimationdes paramètres dans les haînesde Markov a hées et segmentation d'images, Traitement dusignal, vol. 12,n 5,p. 433-454,1995.

[Chatelainetal.,2009℄ Chatelain F., Des ombes X., Zerubia J.,  Estimation des paramètres de pro essus pon tuels marqués dans le adre de l'extra tion d'objets en imageriedetélédéte tion,GRETSI,DijonFran e,2009.

[Gaetanet al.,2008℄ Gaetan C., Guyon X., Modélisation et statistiquespatiales, Springer, 2008.

[Huangetal.,2008℄ HuangR.,KennedyC.,Un overingHiddenSpatialPatternsby Hid-den Markov Model , in T. Cova, H. Miller, K. Beard, A. Frank, M. Good hild (eds), Geographi Information S ien e, vol. 5266 of Le ture Notes in Computer S i-en e,SpringerBerlin/ Heidelberg, p.70-89,2008.

[Lafargeetal.,2010℄ Lafarge F., Gimel'farb G., Des ombes X.,  Geometri Feature Ex-tra tionbyaMultimarkedPointPro ess,PatternAnalysisandMa hineIntelligen e, IEEE Transa tions on,vol.32,n9,p.1597-1609,sept.,2010.

[Lazraketal.,2010℄ LazrakE.,MariJ.-F.,BenoîtM.,Lands aperegularitymodellingfor environmental hallengesinagri ulture,Lands apeE ology,vol.25,p.169-183,2010. 10.1007/s10980-009-9399-8.

[LeBeretal.,2006℄ Le Ber F., Benoît M., S hott C., Mari J.-F., Mignolet C.,  Study-ing ropsequen es withCarrotAge,a HMM-based dataminingsoftware , E ologi al Modelling,vol.191,n 1,p.170 -185,2006. Sele tedPapers fromtheFourth Interna-tional WorkshoponEnvironmental Appli ationsofMa hine Learning,September27 -O tober1,2004,Bled,Slovenia.

[LeBeretal.,2009℄ Le Ber F., Lavigne C., Adam zyk K., Angevin F., Colba h N., Mari J.-F.,MonodH.,Neutralmodellingofagri ulturallands apesbytessellationmethods -Appli ationforgeneowsimulation,E ologi al Modelling,vol.220,n24,p.3536 -3545,2009.

[Makrisetal.,2002℄ MakrisD.,EllisT.,Spatialandprobabilisti modellingofpedestrian behaviour,2002.

[Marietal.,2006℄ MariJ.-F.,LeBerF.,Temporalandspatialdataminingwith se ond-orderhiddenmarkovmodels,SoftComputing-AFusionofFoundations, Methodolo-gies andAppli ations, vol.10,p.406-414,2006. 10.1007/s00500-005-0501-0.

ment duSignal,vol.20,n 3,p. 255-278,2003.

[Rigollet al.,1996℄ Rigoll G., Kosmala A., Rattland J., Neukir hen C.,  A omparison between ontinuous anddis rete densityhidden Markovmodelsfor ursive handwrit-ing re ognition , Pattern Re ognition, 1996., Pro eedings of the 13th International Conferen e on,vol.2,p.205-209 vol.2, August,1996.

[Stoi a,2001℄ Stoi aR.,Pro essuspon tuelspourl'extra tionderéseauxlinéïquesdansles imagessatellitairesetaériennes,PhDthesis,UniversitédeNi e-SophiaAntipolis,Ni e, Fran e,2001.

[VanLieshout,2000℄ Van LieshoutM., Markov pointpro esses and their appli ations, Im-perialCollege Press,2000.