Thème CoolDB - Collecte, gestion et diffusion collaborative de données en écologie et en botanique

Description

Contexte

La collecte, gestion, validation et analyse de données botaniques, qui sont par nature souvent complexes et hétérogènes, jouent un rôle crucial pour de nombreuses activités de recherche et les applications qui en découlent. Jusqu’à très récemment, les modalités d’agrégation de ces données étaient basées soit (i) sur des solutions individuelles et/ou de petit groupes d’experts, soit (ii) sur des solutions très intégratrices, au sein de larges infrastructures institutionnelles centralisées et statiques, dans lesquels les données mobilisées se retrouvaient difficilement ré-exploitables pour d’autres travaux de recherche. Compte tenu des volumes de données scientifiques actuellement produites en écologie, taxonomie et botanique, qui sont à la fois très complexes, véloces et diversifiées, de leur nature multi-modale, et des nouvelles questions de recherche qui nécessitent des approches de plus en plus intégratives, de nouvelles formes d’agrégation, gestion et exploitation de ces données sont à développer.

Objectifs

Les recherches abordées dans le cadre de ce thème visent à faciliter la génération et l’exploitation de nouveaux corpus de données, notamment visuels, en écologie et botanique, par le développement de méthodes et d'outils innovants d’accès à l’information destinés à la fois au monde de la recherche académique et au grand public. Nous nous intéressons dans ce cadre (de manière non-exhaustive) (i) à l’identification taxonomique des organismes vivants, en s’appuyant sur des approches collaboratives et/ou automatisées, (ii) à la modélisation de la distribution géographique des plantes, (iii) ou encore à la mise en place de services de recommandation s’appuyant sur la localisation d’usagers ou la prise en compte de contraintes spatiales.

Attendus

  •  Publication de nouvelles méthodes d’agrégation et analyse de données botaniques à grande échelle
  •  Développement d'infrastructures logicielles facilitant l’exploration, la collecte, la gestion, la validation et la diffusion de gros volumes de données botaniques ;
  •  Diffusion de logiciels et mise en place de réseaux de collaborations avec différents instituts de recherche et techniques.

Faits marquants

  •  Prix spécial du jury du magazine La Recherche pour l'article « A look inside the Pl@ntNet experience » paru dans Multimedia Systems (Joly et al. 2016).
  •  Présentation dans les News de la revue Nature d’Août 2017 de l’article sur l’utilisation de Pl@ntNet pour l'identification d’échantillons d'herbier paru dans BMC Evolutionary Biology (Carranza et al. 2016).

Projets

Acronyme Intitulé Durée
GUYAPATUR IIGuyapatur II2020 - 2021
MIKOKOMikoko: Conservation and resilience of Kenya’s mangrove forests2019 - 2021
WEEDELECRobot de désherbage localisé par procédé électrique haute tension combiné avec une gestion prédictive par vision hyper-spectrale et post-évaluation par drone2018 - 2021
FLORIS'TICFloris'tic2015 - 2018
ARCHIWOODMorphologie végétale, anatomie et architecture des espèces endémiques de bois à Madagascar2014 - 2016
E-RECOLNATValorisation de 350 ans de collections d'histoire naturelle : une plateforme numérique pour l'environnement et la société2013 - 2019
WIKWIOWeed Identification and Knowledge in the Western Indian Ocean2013 - 2016
PL@NTNETObservation et identification interactive des plantes2009 - 2013

Thèses en cours

  •  Botella C. 2016-2019. Méthodes statistiques pour la modélisation d'habitats d'espèces de plantes à partir de grandes masses de données de présences seules issues des programmes de sciences citoyennes. Application aux espèces exotiques envahissantes en région méditerranéenne française. ED I2S, Univ. Montpellier (Co-dir. A. Joly, P. Monestiez, F. Munoz, Allocation INRA-INRIA).
  •  Justeau, D. 2017-2020. Modélisation spatiale des écosystèmes et résolution du problème de sélection de réserve : Une approche globale et flexible. ED Gaia, Univ. Montpellier (Co-dir. P. Birnbaum & X. Lorca ; Allocation de thèse CIRAD).
  •  Conde-Salazar R. 2017-2020. Vers une démarche ontologique pour la gestion de bases de données en Agroforesterie. ED I2S, Univ. Montpellier (Co-dir. A. Stokes & I. Mougenot, Allocation doctorale Fondation de France).
Publications majeures 2019-2020
Publications HAL de la collection AMAP

2020

Article dans une revue

ref_biblio
Pierre Bonnet, Alexis Joly, Jean-Michel Faton, Susan Brown, David Kimiti, et al.. How citizen scientists contribute to monitor protected areas thanks to automatic plant identification tools. Ecological Solutions and Evidence, Wiley, 2020, 1 (2), ⟨10.1002/2688-8319.12023⟩. ⟨hal-02937618⟩
Accès au texte intégral et bibtex
https://hal.inrae.fr/hal-02937618/file/Bonnet_etal_Ecological_Solutions_Evidence_2020_1_2.pdf BibTex
ref_biblio
Christophe Botella, Alexis Joly, Pascal Monestiez, Pierre Bonnet, François Munoz. Bias in presence-only niche models related to sampling effort and species niches: Lessons for background point selection. PLoS ONE, Public Library of Science, 2020, 15 (5), pp.e0232078. ⟨10.1371/journal.pone.0232078⟩. ⟨hal-02639237⟩
Accès au texte intégral et bibtex
https://hal.archives-ouvertes.fr/hal-02639237/file/Botella_etal_PlosOne_2020_15_5.pdf BibTex
ref_biblio
Julien Champ, Adán Mora‐fallas, Hervé Goëau, Erick Mata‐montero, Pierre Bonnet, et al.. Instance segmentation for the fine detection of crop and weed plants by precision agricultural robots. Applications in Plant Sciences, Wiley, 2020, 8 (7), ⟨10.1002/aps3.11373⟩. ⟨hal-02910844⟩
Accès au texte intégral et bibtex
https://hal.inrae.fr/hal-02910844/file/Bonnet%20etal_Appl_Plant_Sci_2020_8_7.pdf BibTex
ref_biblio
Charles Davis, Julien Champ, Daniel Park, Ian Breckheimer, Goia Lyra, et al.. A New Method for Counting Reproductive Structures in Digitized Herbarium Specimens Using Mask R-CNN. Frontiers in Plant Science, Frontiers, 2020, 11, ⟨10.3389/fpls.2020.01129⟩. ⟨hal-02909794⟩
Accès au texte intégral et bibtex
https://hal.inrae.fr/hal-02909794/file/fpls-11-01129-1-1.pdf BibTex
ref_biblio
Hervé Goëau, Adán Mora‐fallas, Julien Champ, Natalie L. Rossington Love, Susan Mazer, et al.. A new fine‐grained method for automated visual analysis of herbarium specimens: A case study for phenological data extraction. Applications in Plant Sciences, Wiley, 2020, 8 (6), pp.#e11368. ⟨10.1002/aps3.11368⟩. ⟨hal-02894994⟩
Accès au texte intégral et bibtex
https://hal.inrae.fr/hal-02894994/file/aps3.11368.pdf BibTex
ref_biblio
Sue Han Lee, Hervé Goëau, Pierre Bonnet, Alexis Joly. New perspectives on plant disease characterization based on deep learning. Computers and Electronics in Agriculture, Elsevier, 2020, 170, pp.105220. ⟨10.1016/j.compag.2020.105220⟩. ⟨hal-02470280⟩
Accès au texte intégral et bibtex
https://hal.umontpellier.fr/hal-02470280/file/1-s2.0-S0168169919300560-main.pdf BibTex
ref_biblio
Katelin Pearson, Gil Nelson, Myla Aronson, Pierre Bonnet, Laura Brenskelle, et al.. Machine Learning Using Digitized Herbarium Specimens to Advance Phenological Research. Bioscience, Oxford University Press (OUP), 2020, 70 (7), pp.610-620. ⟨10.1093/biosci/biaa044⟩. ⟨hal-02573627⟩
Accès au texte intégral et bibtex
https://hal.umontpellier.fr/hal-02573627/file/biaa044.pdf BibTex

2019

Article dans une revue

ref_biblio
Stéphanie Bodin, Rita Scheel-Ybert, Jacques Beauchene, Jean-François Molino, Laurent Bremond. CharKey: An electronic identification key for wood charcoals of French Guiana. IAWA Journal, Brill publishers, 2019, 40 (1), pp.75-S20. ⟨10.1163/22941932-40190227⟩. ⟨hal-02098432⟩
Accès au bibtex
BibTex
ref_biblio
Titouan Lorieul, Katelin Pearson, Elizabeth Ellwood, Hervé Goëau, Jean‐francois Molino, et al.. Toward a large-scale and deep phenological stage annotation of herbarium specimens: Case studies from temperate, tropical, and equatorial floras. Applications in Plant Sciences, Wiley, 2019, 7 (3), pp.e01233. ⟨10.1002/aps3.1233⟩. ⟨hal-02137748⟩
Accès au texte intégral et bibtex
https://hal.umontpellier.fr/hal-02137748/file/Lorieul_et_al-2019-Applications_in_Plant_Sciences.pdf BibTex

Galerie d'images