Webographie
Page Wikipédia : Agriculture numérique
https://fr.wikipedia.org/wiki/Agriculture_num%C3%A9rique
Informations générales sur l'histoire, les usages, écosystèmes de l'innovation...
République Française : Notre environnement
Ce site nous apporte de nombreux exemples utiles à notre projet.
Suivi de l’environnement et IA :
Geo-K-Phyto:
-Repère les vignes et vergers et donc permet d'étudier le lien entre cancer et expositions aux produits phytopharmaceutiques agricoles
-Mettre en place un système de suivi des cancers de l’adulte liés à l'exposition des riverains aux pesticides dans les zones agricoles, en évaluant l'exposition et ses impacts sur la santé
--> Quelles sont les zones où il y a le plus de cancer liés aux phyto et faire le lien avec les zones agricoles liées
https://ecophytopic.fr/recherche-innovation/exposition-et-impacts/projet-geo-k-phyto*
CarHab: produit une carte nationale pour prédire les habitats naturels et semi-naturels jusqu'à 2026.-->mieux adapter les habitats en lien avec une meilleure connaissance de la biodiversité
Gestion des risques :
Programme LiDAR HD: décrit précisément la France en 3D et permet de prévenir le risque d'inondation et d'améliorer la connaissance des ressources forestières.
Projet GOLIAT : fait le lien entre des données comme la météo, végétation etc et risque incendie --> facilite la cartographie et la catégorisation des risques => adapter l'aménagement
Analyse des sols
La solution Nimbo : utilise l'IA et des images satellites pour surveiller les pratiques agricoles durables en Europe, en fournissant des indicateurs clés (type de cultures, couverture des sols, irrigation...) afin d'accompagner les agriculteurs dans l'amélioration et la valorisation de leurs pratiques écologiques. faciliter l'accès à cette source d'imagerie en permettant à n'importe quel utilisateur, même novice, de bénéficier d'une visualisation claire et exploitable de la Terre et de ses évolutions.
https://www.data.gouv.fr/fr/reuses/nimbo/
Cartes de prédiction CoSIA : différencient les zones du territoire (imperméables, agricoles, forestières…) pour quantifier, et qualifier leur évolution, surtout leur artificialisation nette.
--> Ces cartes, dites de "prédiction", sont générées par un modèle d'IA qui estime statistiquement la classe de chaque pixel. Elles peuvent ne pas représenter parfaitement la réalité du terrain.