Pour plus d'information
Relations avec les médias
Agriculture et Agroalimentaire Canada
1-866-345-7972
aafc.mediarelations-relationsmedias.aac@agr.gc.ca
Quand on pense à la science agricole, il nous vient à l'esprit un manuel de biologie scolaire avec Mendel et ses expériences de croisement des pois. Cependant, la technologie et le volume de données ont beaucoup évolué depuis, et les scientifiques d'AAC sont à l'avant-garde pour ce qui est de mettre en pratique ces nouvelles ressources.
Keshav Singh, Ph. D., du Centre de recherche et de développement de Lethbridge d'AAC est un spécialiste de ces technologies de recherche novatrices. Bien qu'il existe de nombreuses applications pour ces outils, comme la télédétection et l'intelligence artificielle, un domaine d'importance pour Singh et les chercheurs d'AAC est la phénomique, c'est-à-dire l'étude des caractéristiques observables des êtres vivants et l'interaction entre les gènes et les facteurs environnementaux.
En quoi consistent ces technologies numériques?
Les technologies numériques en agriculture comprennent une gamme d'équipements et de capteurs autonomes qui intègrent des renseignements fondés sur des images, l'utilisation des données et le développement technologique. Ces outils permettent aux utilisateurs de prendre des décisions fondées sur les données, d'optimiser l'efficacité et d'améliorer la productivité. Dans le cas de leurs applications dans le secteur agricole, on parle parfois d'« agriculture intelligente ».
Dans le monde de la science agricole moderne, on pourrait aussi dire que des outils de « recherche intelligente » sont appliqués. Les techniques de recherche classiques sont souvent subjectives et exigent beaucoup de temps et de travail, mais les nouvelles techniques de recherche permettent d'analyser de grandes quantités de données à l'aide d'ordinateurs, lesquels dans ce cas-ci sont programmés par intelligence artificielle pour chercher certaines tendances, ou des caractéristiques et qualités utiles. De même, les données peuvent être recueillies plus rapidement et avec plus d'exactitude par une caméra se déplaçant dans des parcelles de champ que par un humain utilisant un bloc-notes. Plus les données peuvent être analysées rapidement, plus les chercheurs peuvent tirer des conclusions pouvant être appliquées à des pratiques agronomiques au service des agriculteurs et à la mise au point de nouvelles variétés.
L'équipe de Keshav Singh adopte une approche unique pour intégrer la phénomique numérique et les technologies de télédétection visant les grandes cultures des Prairies. Ils mettent au point plusieurs types de systèmes de détection avancés, dont certains utilisent diverses sources d'énergie telles que la lumière optique et infrarouge, la technologie thermique et la technologie laser. Leurs recherches sont axées sur la création de pipelines de données phénomiques évolutifs et l'utilisation du calcul à haute performance pour transformer les données brutes en renseignements exploitables, notamment pour repérer des caractères phénotypiques, ou souhaitables.
« Les technologies de pointe comme la télédétection et les outils de phénomique transforment l'agriculture canadienne en améliorant la précision, l'efficacité et la résilience des activités de sélection végétale et de l'agronomie. »
- Keshav Singh, Ph. D., chercheur scientifique
La phénomique appliquée à la sélection végétale et à l'agronomie
Tout comme Mendel, les sélectionneurs recherchent des qualités ou caractéristiques précises, par exemple la taille des graines ou la hauteur des plantes, ou des caractères plus complexes tels que la capacité à résister aux éclosions de maladies et aux conditions de sécheresse, ces derniers nécessitant l'examen de données phénotypiques quantitatives. Puisqu'il faut analyser des milliers de plantes sur de multiples générations, cultivées dans diverses conditions environnementales, la sélection d'une nouvelle variété requiert beaucoup de temps. Cependant, grâce aux progrès des technologies numériques, les caractères optimaux peuvent être cernés plus rapidement, ce qui accélère le processus de sélection. Compte tenu des changements climatiques, cela est de plus en plus important alors que nous cherchons des caractéristiques fonctionnelles qui permettent une résistance aux stress environnementaux comme la température, les vagues de chaleur et la sécheresse.
L'équipe de Keshav Singh collabore avec des chercheurs de Lethbridge, Lacombe, Saskatoon, Swift Current, Morden, Brandon et Ottawa pour étudier plusieurs paramètres des cultures céréalières, notamment la couverture végétale, la hauteur des plantes, les précocités de floraison, d'épiaison et de maturation, la verse, le rendement grainier et la teneur en protéines. Pour les sélectionneurs de blé des emplacements participants, l'objectif est de tirer parti de ces outils avancés et de ces méthodes de gestion des données afin d'évaluer efficacement les cultivars de blé dans divers environnements, ce qui favorise des variétés à haut rendement résilientes au climat.
Les chercheurs dont le travail concerne la gestion des grandes cultures (agronomie) ont également de nombreuses raisons d'être intéressés par les volumineuses données fournies par ces outils de transformation numérique. Par exemple, le kochia, mauvaise herbe envahissante qui a acquis une résistance aux herbicides, est très problématique dans l'ouest des Prairies. Les scientifiques comme Charles Geddes, Ph. D. (Lethbridge), ont donc besoin de renseignements détaillés sur la symptomatologie des herbicides et de modèles d'intelligence artificielle pour adopter des solutions non invasives et des stratégies de lutte de remplacement pour garder une longueur d'avance sur cette menace en constante évolution.
Parmi les autres utilisations, on compte l'amélioration de l'efficacité des programmes de sélection des haricots secs grâce au phénotypage à haut rendement visant les caractères agronomiques et de résistance aux maladies, l'accélération de la mise au point de solutions liées à la dessiccation des lentilles et à la pourriture des racines touchant les pois de grande culture au moyen de l'imagerie spectrale, l'estimation de l'absorption d'azote par les plantes pour optimiser l'efficacité d'utilisation des engrais dans les cultures de blé et de canola afin d'aider à atténuer les émissions de gaz à effet de serre et l'utilisation de l'imagerie satellitaire pour estimer la dynamique de croissance des plantes et l'humidité du sol. Ces exemples montrent l'effet important de la transformation numérique sur l'avancement des sciences agricoles et l'amélioration de la durabilité.
Points saillants
- Les outils d'agriculture numérique révolutionnent la sélection des végétaux, l'agronomie et la durabilité en permettant de prendre des décisions fondées sur des données, d'optimiser la productivité et d'atténuer les effets sur l'environnement.
- La recherche scientifique est basée sur l'analyse des données. Les robots terrestres automatisés, les capteurs aériens et les drones, les satellites et la technologie de traitement des données sont quelques-unes des améliorations offertes par la transformation numérique de la recherche agricole moderne.
- L'augmentation de la collecte de données combinée à une capacité de traitement plus rapide se traduit par une production accrue d'information phénomique, ce qui permet de prendre des décisions plus précises.
- Keshav Singh et son équipe sont à l'avant-garde de l'intégration de la phénomique numérique de pointe et des technologies de télédétection pour accélérer la sélection et optimiser la gestion durable dans les grandes cultures des Prairies.
Galerie de photos
