Modélisation des paysages et territoires agricoles pour la simulation et l'analyse des processus environnementaux
User login
Accueil
PAYOTE est un réseau méthodologique d'échange sur la modélisation des paysages et des territoires agricoles. Les problématiques considérées sont regroupées en quatre thèmes structurants :
- la représentation du paysage
- la simulation dynamique des paysages
- la fouille de données et l'initialisation de paysages virtuels
- l'analyse de l'impact du paysage sur les processus
Actualités :
Le réseau PAYOTE co-organise avec le RMT MODELIA (Modélisation et Analyse de Données pour l'Agriculture) deux journées d'animations sur l'utilisation des données de télédétection et des méthodes de deep learning pour traiter de problématiques autour des paysages agricoles.
Ces journées auront lieu les 27 et 28 juin 2019 à Paris avec une première journée sous forme de séminaires et une seconde journée sous forme d'ateliers.
Inscriptions closes.
Programme :
- Jeudi 27 juin (partie séminaire)
- David Makowski, INRA - Introduction : notions de base en deep learning, cas d’application
- Raffaele Gaetano, CIRAD - Présentation des programmes Copernicus et de la mission Sentinel 2
- Raffaele Gaetano, CIRAD - Application du deep learning à la télédétection
- Mathieu Fauvel et Vincent Thiérion, INRA-CESBio - Télédétection appliquée au paysage et la cartographie de l'occupation des sols par des approches de machine learning
- Sandra Luque, IRSTEA - Renseigner des variables essentielles à la biodiversité par la télédétection
- Fabrice Vinatier, INRA - Application des données tridimensionnelles mesurées par des instruments aéroportés (LIDAR, capteurs optiques et photogrammétrie) pour mesurer les couverts végétaux et la géomorphologie du sol à très haute résolution
- Jérôme Rousselet, INRA - Utilisation de données Google Street Map pour cartographier la processionnaire du pin
- Vendredi 28 juin (partie atelier)
- Jean-François Dejoux, CESBIO - Les types de données de télédétection et comment y accéder. Démonstration.
- David Makowski, INRA et François Brun, ACTA - Assimilation de données : exemple des filtres de Kalman et particulaire. Travaux pratiques sous R.
- Benoit de Solan, Arvalis - Proxidétection en agriculture et complémentarité avec les données satellite.
- Fabrice Vinatier INRA - Utilisation de R pour analyser des nuages de points 3D et des modèles numériques de terrain.
- François Brun, ACTA - Approche de machine learning pour prédire les cultures (à confirmer)