Estimation of crop key traits from multi-source remote sensing technologies - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2021

Estimation of crop key traits from multi-source remote sensing technologies

Combinaison d'observations in situ et satellitaires pour représenter la variabilité spatio-temporelle des cultures

Résumé

Global agricultural production is facing great challenges due to the growing global population, climate change, decreasing global agricultural land areas and increasing demand on healthy diets. To tackle the increasing challenges of agricultural production, the complex agricultural ecosystems need to be better understood. Conventional field survey is usually time-consuming and costly. The emerging digital technologies, such as remote sensing from satellite, unmanned aerial vehicle (UAV), unmanned ground vehicle (UGV), Internet of things (IoT) and smart phone, appears as an efficient tool to monitor continuously the crop and its environment from kilometric to centimetric spatial scales and various temporal scales. Interpretation of raw data measured by these remote sensing sensors into traits that are closely related to crop growth status is becoming important in this context. The thesis is focus on leaf area index (LAI) and fraction of absorbed/intercepted photosynthetically active radiation (fAPAR/fIPAR) measured by multiple sources remote sensing platforms.
La production agricole mondiale est confrontée à de grands défis en raison de l'augmentation de la population mondiale, du changement climatique, de la diminution des surfaces agricoles mondiales et de la demande croissante de régimes alimentaires sains. Pour relever les défis croissants de la production agricole, les écosystèmes agricoles complexes doivent être mieux compris. Les enquêtes de terrain conventionnelles prennent généralement beaucoup de temps et sont coûteuses. Les technologies numériques émergentes, telles que la télédétection par satellite, les véhicules aériens sans pilote (UAV), les véhicules terrestres sans pilote (UGV), l'Internet des objets (IoT) et les téléphones intelligents, apparaissent comme un outil efficace pour surveiller en permanence la culture et son environnement à des échelles spatiales kilométriques à centimétriques et à diverses échelles temporelles. L'interprétation des données brutes mesurées par ces capteurs de télédétection en traits qui sont étroitement liés à l'état de croissance des cultures devient importante dans ce contexte. La thèse se concentre sur l'indice de surface foliaire (LAI) et la fraction du rayonnement photosynthétiquement actif absorbé/intercepté (fAPAR/fIPAR) mesurés par des plateformes de télédétection à sources multiples.

Domaines

Autre
Fichier principal
Vignette du fichier
Thesis_Wenjuan_LI.pdf (7.65 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03651488 , version 1 (25-04-2022)

Identifiants

  • HAL Id : tel-03651488 , version 1

Citer

Wenjuan Li Wang. Estimation of crop key traits from multi-source remote sensing technologies. Other. Université d'Avignon, 2021. English. ⟨NNT : 2021AVIG0735⟩. ⟨tel-03651488⟩
137 Consultations
174 Téléchargements

Partager

Gmail Facebook X LinkedIn More