Contexte
Dans le cadre de la transition agroécologique, les systèmes agroforestiers apparaissent comme des modèles de production durables et multifonctionnels. Ils permettent de maintenir un rendement économiquement viable tout en assurant diverses fonctions écologiques essentielles (régulation microclimatique, maintien de la biodiversité, stockage du carbone, etc.). Au Cameroun, le cacaoyer (Theobroma cacao) est fréquemment cultivé en agro-forêt, en association avec des arbres fournissant des produits ligneux (bois d’œuvre, bois de chauffe) ou non ligneux (fruits, écorces), ou encore jouant un rôle d’ombrage. Ces systèmes présentent une grande variabilité de structure et de productivité, encore mal comprise.
Les rendements des cacaoyères en agro-forêt varient fortement d’une parcelle à l’autre. Cette variabilité pourrait être liée à des différences structurelles et architecturales entre arbres et entre parcelles (âge, densité, diversité spécifique…).
Ces propriétés, qui influencent directement la capacité des arbres à acquérir et redistribuer les ressources, restent toutefois difficiles à quantifier de manière systématique en raison de la complexité tridimensionnelle des arbres et de la difficulté d’accès aux couronnes.
L’essor des technologies LiDAR terrestres (TLS) ouvre de nouvelles perspectives : elles permettent d’obtenir une représentation 3D fine et précise de la structure des arbres. Le défi consiste désormais à extraire, à partir de ces données massives, des indicateurs architecturaux pertinents pour caractériser la variabilité phénotypique et relier celle-ci aux performances de production.
Objectif du stage
L’objectif général du stage est d’analyser la relation entre les propriétés architecturales des cacaoyers et leur rendement en cabosses, à partir de données issues de relevés LiDAR terrestres réalisés en agro-forêts camerounaises.
Le/la stagiaire participera à l’ensemble de la chaîne d’analyse des données LiDAR et mènera des analyses statistiques sur les relations structure–production :
1. Appariement spatial entre l’inventaire terrain (position des cacaoyers suivi pour leur rendement, diamètre à 1,30 m, etc.) et les données LiDAR.
2. Isolation des individus dans le nuage de points LiDAR
3. Segmentation du nuage de points en parties ligneuses et foliaires.
4. Reconstruction de maquette des arbres à partir du nuage de points ligneux.
5. Analyse statistique des effets des propriétés architecturales des cacaoyers et des variables de contexte (densité de plantation de la parcelle, arbres d’ombrage…) sur le rendement.
Le travail s’appuiera sur des algorithmes existants de traitement de nuages de points 3D, qui seront adaptés au contexte spécifique des cacaoyères.
Profil recherché
• Niveau : Master 2 ou élève-ingénieur (stage de fin d’études).
• Formation : agronomie, écologie, foresterie, modélisation, math-info.
• Intérêt pour le traitement de données 3D volumineuse (algorithmes informatiques) ;
• Aptitude en programmation (Python, R..) ;
• Analyses statistiques (R)
• Intérêt sur les questions d’agroécologie.
• Bonne aptitude rédactionnelle
• Qualités attendues : autonomie, rigueur scientifique, esprit d’initiative, goût pour le travail interdisciplinaire.
Le stage sera encadré par Olivier Martin (CIRAD UMR AMAP), Rémi Vezy (CIRAD UMR AMAP), Ivan Cornut (CIRAD Yaoundé Cameroun).
Durée : 6 mois
Lieu : Montpellier
Contact : olivier.martin@cirad.fr , remi.vezy@cirad.fr
Références :
1. Wibaux, T., Lauri, P.-É., M’Bo Kacou, A. A., Kouakou, O. P. & Vezy, R. A spatial perspective on flowering in cauliflorous cacao: architecture defines flower cushion location, not its early activity. Ann. Bot. mcaf107 (2025) doi:10.1093/aob/mcaf107.
2. Peynaud, E. & Momo Takoudjou, S. Terrestrial LiDAR point cloud dataset of cocoa trees grown in agroforestry systems in Cameroon. Data Brief 53, 110108 (2024).
3. Mbile, J. G. N., Saj, S., Enock, S., Mala, W. A. & Harmand, J.-M. Cacao stand rehabilitation practices affect long-term cocoa production in agroforestry systems in Cameroon. Agrofor. Syst. 99, 199 (2025).
4. Raumonen, P. et al. Fast Automatic Precision Tree Models from Terrestrial Laser Scanner Data. Remote Sens. 5, 491–520 (2013).
Commentaires récents