Combining a sensor software with statistical analysis for modeling vine water deficit impact on grape quality

Aurélie Thébault (1) , Thibault Scholash (2) , Brigitte Charnomordic (1) , Nadine Hilgert (1)

1 MISTEA - Mathématiques, Informatique et STatistique pour l'Environnement et l'Agronomie
2 Chercheur indépendant

This work proposes a methodology using temporal data and domain knowledge in ord er to analyze a complex agronomical feature, namely the influence of vine water deficit on grape quality. Raw temporal data are available but they are not direc tly usable to estimate vine water deficit. The methodology associates advanced t echniques in computer science and statistics. A preliminary step is required to determine if the amount of water effectively used by the vine is sufficient or n ot. This step necessitates an ecophysiological model, based on expertise. The ex pertise is first formalized in an ontology, under the form of concepts and relat ionships between them, and then used in conjunction with raw data and mathematic al models to design a software sensor. Next the software sensor outputs are put in relation to product quality, assessed by quantitative measurements. This rela tion is analyzed by regression trees and advanced data analysis methods, such as functional data regression. The methodology is applied to a case study involving an experimental design in F rench vineyards. The temporal data consist of sap flow measurements, and the go al is to explain fruit quality parameters (sugar concentration and weight), usin g vine's water variations at key stages of vine phenological development. The results are discussed, as well as the method genericity and robustness.

Ce travail propose un cadre de modélisation utilisant des données temporelles et la connaissance du domaine pour analyser des phénomènes agronomiques complexes. L'expertise est d'abord formalisée dans une ontologie, sous la forme de concepts et de relations entre eux, puis utilisée en conjonction avec les données brutes et des modèles mathématiques afin de réaliser un capteur logiciel. Les sorties du capteur logiciel sont ensuite mises en relation avec des critères de qualité du produit, évalués par des mesures quantitatives, à l'aide de méthodes sophistiquées d'analyse de données. La méthodologie est appliquée à un cas d'étude comprenant des essais expérimentaux dans des vignobles français. Les données temporelles sont des mesures de flux de sève, et l'objectif est l'explication de la qualité de la vendange (concentration en sucre et poids des baies), à l'aide de la dynamique temporelle de l'état hydrique aux divers stades phénologiques de la vigne. Les résultats sont discutés ainsi que la généricité et la robustesse de la méthode.

Mots clés: vine water stress; functional data analysis; ontology; expert knowledge; grape quality; regression tree; temporal data

Domaines: Intelligence artificielle [cs.AI]

Aurélie Thébault, Thibault Scholash, Brigitte Charnomordic, Nadine Hilgert. Combining a sensor software with statistical analysis for modeling vine water deficit impact on grape quality. 2014. ⟨hal-00863992v2⟩