Renkum, Gelderland, Netherlands
En tant que bioingénieur en sciences et technologies de l'environnement, je porte un grand intérêt à la collecte et l'analyse de données en rapport avec la dynamique des écosystèmes et des sols, ainsi qu'à la conception d'outils d'aide à la décision relatifs à ces domaines. Dans le cadre de mes études j'ai réalisé de nombreux projets en rapport avec le cycle du carbone, les échanges de gaz entre les écosystèmes et l'atmosphère, le monitoring/la mitigation de l'érosion. La modélisation, la robotique (dans un contexte d'agriculture automatisée), l'irrigation, la pédologie et l'hydrologie sont des domaines auxquels j'attache une grande importance et où j'aimerais acquérir davantage d'expérience. Je suis actuellement en train de me former à l'utilisation de drones et à la manipulation/au traitement des données hautes résolution générées grâce à cet outil. En parallèle je suis un MOOC dédié à Google Earth Engine et à Javascript.
Membre l'équipe victorieuse d'un hackathon réalisé en trois jours dans le but de détecter et effectuer une classification des artefacts indésirables rencontrés sur les coupes microscopiques utilisées en oncologie, en compagnie d'Edward Novikov (Harvard U.) et supervisé par Grégory Baker (Harvard Medical School)
Implémentation de méthodes d'inversion du la teneuren eau des canopées, basées sur le machine-learning et adaptées aux images Hyperspectrales, utilisant des spectres idéaux générés via ProSAIL.
Ces dernières années, l’utilisation d’images satellitaires et drones a connu un développement exponentiel dans le domaine agronomique. Ces deux approches semblent très complémentaires en termes de couverture temporelle et de résolution spatiale. L’objectif principal de ce travail est de confronter les deux à l’échelle d’une parcelle de froment d’hiver au fil d’une saison de culture via des séries temporelles de la fraction de couvert vert (FCOVER) et de les combiner pour caractériser au mieux la croissance de la culture. Les images multibandes sont couplées à des images Sentinel2 sur la même période. L’objectif secondaire consiste en l’exploitation des outils implémentés pour déterminer l’influence d’éléments micropaysagers de la parcelle sur la croissance de la culture. Les premiers résultats de cette étude sont purement méthodologiques. Comparer efficacement ces séries temporelles a nécessité la mise en place d’un algorithme permettant de condenser l’information dans les paramètres d’un modèle de croissance et d’exploiter finalement ce molèle pour simuler le rendement via d’Aquacrop OS. L’ensemble de ces paramètres sont synthétisés sous forme de cartes. Une carte de rendement au moyen d’un modèle empirique a permis de confronter les performances des différentes approches. Les données Sentinel2 (resp. drone) débouchent sur une sous-estimation (resp. sur-estimation) du rendement à l’hectare, tandis que les méthodes combinant les données tendent vers une estimation plus proche de la carte de référence. En outre, une comparaison entre les résultats développés ci-dessus et un ensemble de covariables liées à la topographie, à la date de labour et à la présence d’aires de faulde ont mis en évidence une croissance plus rapide et des rendements plus élevés sur le versant orienté au Sud, tendance accrue par un labour précoce et les aires de faulde. Superviseurs : Jeroen Meersmans, Joost Wellens, Ramin Heidarian-Dehkordi
Professeur particulier - étudiants du secondaire - mathématiques, physique et chimie