Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.
Les drones comme outil de 
suivi environnementalsuivi environnemental
Philippe Lejeune
Jonathan Lisein
Gembloux
Mardi de l...
Les drones comme outil de 
suivi environnemental
1. Définition
2. Les types de plateforme
3 Les types de capteur3. Les typ...
1. Définition
DRONE :
Plateforme volante sans pilote à bord dirigée àPlateforme volante sans pilote à bord, dirigée à 
dis...
2. Les types de plateforme
S l l fi tiSelon la configuration
aile ou voilure fixe voilure tournante ou multirotor
4Mardi A...
2. Les types de plateforme
S l l t illSelon la taille
Micro UAV (Black Hornet)
Poids : 16g
Endurance : 25’
Heavy UAV (MQ-5...
2. Les types de plateforme
Selon la tailleSelon la taille
Mini UAV (x100 Gatewing)
Poids : 2 kg
Endurance : 40’
6Mardi AIG...
2. Les types de plateforme
Selon la taille
• Caractéristiques du X100
Selon la taille
• Caractéristiques du X100
• Vols d’...
2. Les types de plateforme
Modalité de dé olla e et d’atterrissa eModalité de décollage et d’atterrissage
8Mardi AIGx 26/1...
2. Les types de plateforme
Modalité de dé olla e et d’atterrissa eModalité de décollage et d’atterrissage
9Mardi AIGx 26/1...
2. Les types de plateforme
Modalité de dé olla e et d’atterrissa eModalité de décollage et d’atterrissage
http://www falco...
2. Les types de plateforme
l l’ dSelon l’endurance
Heavy UAV (Mercator)
Endurance : >24h
Arducopter
Endurance : 10’ à 20'
...
3. Les types de capteurs
C é RGBCaméra  compacte « RGB »
12Mardi AIGx 26/11/2013
3. Les types de capteurs
é ( l f d)Caméra compacte « CIR » (Color InfraRed)
13Mardi AIGx 26/11/2013
3. Les types de capteurs
é ( l f d)Caméra compacte « CIR » (Color InfraRed)
14Mardi AIGx 26/11/2013
3. Les types de capteurs
Caméra multispectrale
15Mardi AIGx 26/11/2013
3. Les types de capteurs
Caméra thermique
United State Geological Survey National Unmanned Aircraft Systems Project Office...
4. La chaîne d’acquisition et de traitement
4 1 P èt d l4.1. Paramètres de vol
C t d’éCapture d’écran
D’une planification ...
4. La chaîne d’acquisition et de traitement
4 1 P èt d l
• Relation hauteur de vol x résolution
4.1. Paramètres de vol
(ri...
4. La chaîne d’acquisition et de traitement
4 1 P èt d l4.1. Paramètres de vol
19Mardi AIGx 26/11/2013
Plan de vol avec va...
4. La chaîne d’acquisition et de traitement
4 1 P èt d l4.1. Paramètres de vol
20Mardi AIGx 26/11/2013
Plan de vol de type...
4. La chaîne d’acquisition et de traitement
4 1 P èt d l4.1. Paramètres de vol
21Mardi AIGx 26/11/2013
Enregistrés à l’aid...
4. La chaîne d’acquisition et de traitement
4 2 T i i d’i idé t é l4.2. Transmission d’images vidéo en temps réel
22Mardi ...
4. La chaîne d’acquisition et de traitement
4 3 I + d é d é éfé t4.3. Images + données de géoréférencement
23Mardi AIGx 26...
4. La chaîne d’acquisition et de traitement
4 3 I + é éfé t i4.3. Images + géoréférencement sommaire
Recouvrement
Exemple ...
4. La chaîne d’acquisition et de traitement
4 3 I + é éfé t i4.3. Images + géoréférencement sommaire
25Mardi AIGx 26/11/20...
4. La chaîne d’acquisition et de traitement
4 3 I + é éfé t i4.3. Images + géoréférencement sommaire
26Mardi AIGx 26/11/20...
4. La chaîne d’acquisition et de traitement
4 3 I + é éfé t i4.3. Images + géoréférencement sommaire
27Mardi AIGx 26/11/20...
4. La chaîne d’acquisition et de traitement
4 3 I + é éfé t i4.3. Images + géoréférencement sommaire
28Mardi AIGx 26/11/20...
4. La chaîne d’acquisition et de traitement
4 3 I + é éfé t i4.3. Images + géoréférencement sommaire
29Mardi AIGx 26/11/20...
4. La chaîne d’acquisition et de traitement
4 4 R t ti 3D i i4.4. Reconstruction 3D ‐ principe
30Mardi AIGx 26/11/2013
4. La chaîne d’acquisition et de traitement
4 4 R t ti 3D i i4.4. Reconstruction 3D ‐ principe
31Mardi AIGx 26/11/2013
Gén...
4. La chaîne d’acquisition et de traitement
4 4 R t ti 3D i i4.4. Reconstruction 3D ‐ principe
32Mardi AIGx 26/11/2013
Gén...
4. La chaîne d’acquisition et de traitement
4 4 R t ti 3D i i4.4. Reconstruction 3D ‐ principe
33Mardi AIGx 26/11/2013
Gén...
4. La chaîne d’acquisition et de traitement
4 4 M ï t d ti d’ th i4.4. Mosaïquage et production d’une ortho‐image
Générati...
4. La chaîne d’acquisition et de traitement
4 4 M ï t d ti d’ dèl 3D4.4. Mosaïquage et production d’un modèle 3D
35Mardi A...
36Mardi AIGx 26/11/2013
36
Ortho-image
37Mardi AIGx 26/11/2013
37
Génération d’un modèle 3D
4. La chaîne d’acquisition et de traitement
4 5 Gé éfé t d l’ th i4.5. Géoréférencement de l’ortho‐image
Paramètres de vol...
5. Exemples d’application
5 1 I t i d d f5.1. Inventaire de grande faune
39Mardi AIGx 26/11/2013
5.1. Inventaire de grande faune
5. Exemples d’application
40Mardi AIGx 26/11/2013
Altitude 100 m résolution : 3 cm
5.1. Inventaire de grande faune
5. Exemples d’application
Altitude 100 m ‐ résolution : 3...
5.1. Inventaire de grande faune
5. Exemples d’application
42Mardi AIGx 26/11/2013
5.1. Inventaire de grande faune
5. Exemples d’application
Reconnaissance automatique de formes
43Mardi AIGx 26/11/2013
q
5. Exemples d’application
5 1 I t i d d f5.1. Inventaire de grande faune
5.2. Suivi de bandes riveraines
44Mardi AIGx 26/1...
5.2. Suivi de bandes riveraines
5. Exemples d’application
45Mardi AIGx 26/11/2013 45
projet LIFE : suivi de travaux de res...
5.2. Suivi de bandes riveraines
5. Exemples d’application
46Mardi AIGx 26/11/2013 46
projet LIFE : suivi de travaux de res...
5.2. Suivi de bandes riveraines
5. Exemples d’application
47Mardi AIGx 26/11/2013 47
projet LIFE : suivi de travaux de res...
5.2. Suivi de bandes riveraines
5. Exemples d’application
P3
P2
P1
48Mardi AIGx 26/11/2013
5.2. Suivi de bandes riveraines
5. Exemples d’application
Détection
49Mardi AIGx 26/11/2013
Détection 
des invasives
5.2. Suivi de bandes riveraines
5. Exemples d’application
Détection
50Mardi AIGx 26/11/2013
Détection 
des invasives
5. Exemples d’application
5 1 I t i d d f5.1. Inventaire de grande faune
5.2. Suivi de bandes riveraines
5.3. Suivi de bas...
5.2. Suivi de bassins versants
5. Exemples d’application
52Mardi AIGx 26/11/2013
5.2. Suivi de bassins versants
5. Exemples d’application
Référence terrain
-1100 points GPS-RTK
0 200 m
p
- précision :
- ...
5.2. Suivi de bassins versants
5. Exemples d’application
Ortho-image CIR
Résolution : 3 cm
54Mardi AIGx 26/11/2013
Doctora...
5.2. Suivi de bassins versants
5. Exemples d’application
Comparaison MNT - GPS :
RMSE 13 9
0 200 m
RMSE : 13,9 cm
Err moye...
5. Exemples d’application
5 1 I t i d d f5.1. Inventaire de grande faune
5.2. Suivi de bandes riveraines
5.3. Suivi de bas...
5.4. Inventaire forestier
5. Exemples d’application
Bois de
57Mardi AIGx 26/11/2013
Bois de 
Grand‐Leez
Image CIR
5.4. Inventaire forestier
5. Exemples d’application
Modèle numérique 
58Mardi AIGx 26/11/2013
de hauteur
MNH
5.4. Inventaire forestier
5. Exemples d’application
MNT
MNH
59Mardi AIGx 26/11/2013
5.4. Inventaire forestier
5. Exemples d’application
MNH : MNS MNT MNH MNS MNTMNHlidar : MNSLiDAR - MNTLiDAR MNHphotogr : M...
5.4. Inventaire forestier
5. Exemples d’application
Id tifi ti d i i l f tièIdentification des principales essences forest...
5.4. Inventaire forestier
5. Exemples d’application
Id tifi ti d i i l f tièIdentification des principales essences forest...
5.4. Inventaire forestier
5. Exemples d’application
Id tifi ti d i i l f tièIdentification des principales essences forest...
5.4. Inventaire forestier
5. Exemples d’application
Id tifi ti d i i l f tièIdentification des principales essences forest...
5.4. Inventaire forestier
5. Exemples d’application
Id tifi ti d i i l f tièIdentification des principales essences forest...
5. Exemples d’application
5 1 I t i d d f5.1. Inventaire de grande faune
5.2. Suivi de bandes riveraines
5.3. Suivi de bas...
5.5. Gestion cynégétique
5. Exemples d’application
67Mardi AIGx 26/11/2013
Quantification des dégâts aux cultures de maïs
5.5. Gestion cynégétique
5. Exemples d’application
68Mardi AIGx 26/11/2013
Quantification des dégâts aux cultures de maïs
5.5. Gestion cynégétique
5. Exemples d’application
69Mardi AIGx 26/11/2013
Quantification des dégâts aux cultures de maïs
5.5. Gestion cynégétique
5. Exemples d’application
70Mardi AIGx 26/11/2013
Merci 
pour votre 
attention …
71Mardi AIGx 26/11/2013
72Mardi AIGx 26/11/2013
73Mardi AIGx 26/11/2013
74Mardi AIGx 26/11/2013
Prochain SlideShare
Chargement dans…5
×

Mardis de l'AIGx - Philippe LEJEUNE

1 968 vues

Publié le

Mardis de l'AIGx
Philippe LEJEUNE
Les drones comme outil de suivi environnemental

Publié dans : Formation
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

Mardis de l'AIGx - Philippe LEJEUNE

  1. 1. Les drones comme outil de  suivi environnementalsuivi environnemental Philippe Lejeune Jonathan Lisein Gembloux Mardi de l’AIGx 26 novembre 201326 novembre 2013 1
  2. 2. Les drones comme outil de  suivi environnemental 1. Définition 2. Les types de plateforme 3 Les types de capteur3. Les types de capteur 4. La chaîne d’acquisition et de traitement 5. Exemples d’application 2Mardi AIGx 26/11/2013
  3. 3. 1. Définition DRONE : Plateforme volante sans pilote à bord dirigée àPlateforme volante sans pilote à bord, dirigée à  distance et disposant d’un certain degré d’autonomie  3Mardi AIGx 26/11/2013
  4. 4. 2. Les types de plateforme S l l fi tiSelon la configuration aile ou voilure fixe voilure tournante ou multirotor 4Mardi AIGx 26/11/2013
  5. 5. 2. Les types de plateforme S l l t illSelon la taille Micro UAV (Black Hornet) Poids : 16g Endurance : 25’ Heavy UAV (MQ-5B Hunter) Poids : 800 kg Endurance : 15h 5Mardi AIGx 26/11/2013 Endurance : 25 Endurance : 15h
  6. 6. 2. Les types de plateforme Selon la tailleSelon la taille Mini UAV (x100 Gatewing) Poids : 2 kg Endurance : 40’ 6Mardi AIGx 26/11/2013 Endurance : 40
  7. 7. 2. Les types de plateforme Selon la taille • Caractéristiques du X100 Selon la taille • Caractéristiques du X100 • Vols d’acquisition de photos Visible et proche infra rouge– Visible et proche infra‐rouge • Autonomie de vol : 40 minutes • Poids avec charge : 2 kgPoids avec charge : 2 kg • Envergure : 1 m • Vitesse de croisière : 80 Km/h/ • Décollage : catapulte • Atterrissage : sur le ventre • Plan de vol planifié par l’opérateur et entièrement  automatisé (du décollage à l’atterrissage) 7Mardi AIGx 26/11/2013
  8. 8. 2. Les types de plateforme Modalité de dé olla e et d’atterrissa eModalité de décollage et d’atterrissage 8Mardi AIGx 26/11/2013
  9. 9. 2. Les types de plateforme Modalité de dé olla e et d’atterrissa eModalité de décollage et d’atterrissage 9Mardi AIGx 26/11/2013
  10. 10. 2. Les types de plateforme Modalité de dé olla e et d’atterrissa eModalité de décollage et d’atterrissage http://www falcon uav com/ 10Mardi AIGx 26/11/2013 http://www.falcon‐uav.com/
  11. 11. 2. Les types de plateforme l l’ dSelon l’endurance Heavy UAV (Mercator) Endurance : >24h Arducopter Endurance : 10’ à 20' 11Mardi AIGx 26/11/2013
  12. 12. 3. Les types de capteurs C é RGBCaméra  compacte « RGB » 12Mardi AIGx 26/11/2013
  13. 13. 3. Les types de capteurs é ( l f d)Caméra compacte « CIR » (Color InfraRed) 13Mardi AIGx 26/11/2013
  14. 14. 3. Les types de capteurs é ( l f d)Caméra compacte « CIR » (Color InfraRed) 14Mardi AIGx 26/11/2013
  15. 15. 3. Les types de capteurs Caméra multispectrale 15Mardi AIGx 26/11/2013
  16. 16. 3. Les types de capteurs Caméra thermique United State Geological Survey National Unmanned Aircraft Systems Project Office  http://uas.usgs.gov/ 16Mardi AIGx 26/11/2013
  17. 17. 4. La chaîne d’acquisition et de traitement 4 1 P èt d l4.1. Paramètres de vol C t d’éCapture d’écran D’une planification de vol 17Mardi AIGx 26/11/2013
  18. 18. 4. La chaîne d’acquisition et de traitement 4 1 P èt d l • Relation hauteur de vol x résolution 4.1. Paramètres de vol (ricoh GR3) Altitude de vol (m) Surface couverte (ha) Résolution (cm) Fauchée* (m) 100 72 3 105100 72 3 105 200 181 7 243 300 265 10 365300 265 10 365 400 338 13 486 500 392 17 608500 392 17 608 600 450 20 730 18Mardi AIGx 26/11/2013 *distance couverte en largeur par une image
  19. 19. 4. La chaîne d’acquisition et de traitement 4 1 P èt d l4.1. Paramètres de vol 19Mardi AIGx 26/11/2013 Plan de vol avec variation de la hauteur de vol (http://www.mavinci.de)
  20. 20. 4. La chaîne d’acquisition et de traitement 4 1 P èt d l4.1. Paramètres de vol 20Mardi AIGx 26/11/2013 Plan de vol de type « corridor mapping » (http://www.mavinci.de)
  21. 21. 4. La chaîne d’acquisition et de traitement 4 1 P èt d l4.1. Paramètres de vol 21Mardi AIGx 26/11/2013 Enregistrés à l’aide d’un GPS et d’une station inertielle
  22. 22. 4. La chaîne d’acquisition et de traitement 4 2 T i i d’i idé t é l4.2. Transmission d’images vidéo en temps réel 22Mardi AIGx 26/11/2013
  23. 23. 4. La chaîne d’acquisition et de traitement 4 3 I + d é d é éfé t4.3. Images + données de géoréférencement 23Mardi AIGx 26/11/2013
  24. 24. 4. La chaîne d’acquisition et de traitement 4 3 I + é éfé t i4.3. Images + géoréférencement sommaire Recouvrement Exemple de plan de vol 24Mardi AIGx 26/11/2013 Exemple de plan de vol
  25. 25. 4. La chaîne d’acquisition et de traitement 4 3 I + é éfé t i4.3. Images + géoréférencement sommaire 25Mardi AIGx 26/11/2013
  26. 26. 4. La chaîne d’acquisition et de traitement 4 3 I + é éfé t i4.3. Images + géoréférencement sommaire 26Mardi AIGx 26/11/2013
  27. 27. 4. La chaîne d’acquisition et de traitement 4 3 I + é éfé t i4.3. Images + géoréférencement sommaire 27Mardi AIGx 26/11/2013
  28. 28. 4. La chaîne d’acquisition et de traitement 4 3 I + é éfé t i4.3. Images + géoréférencement sommaire 28Mardi AIGx 26/11/2013
  29. 29. 4. La chaîne d’acquisition et de traitement 4 3 I + é éfé t i4.3. Images + géoréférencement sommaire 29Mardi AIGx 26/11/2013
  30. 30. 4. La chaîne d’acquisition et de traitement 4 4 R t ti 3D i i4.4. Reconstruction 3D ‐ principe 30Mardi AIGx 26/11/2013
  31. 31. 4. La chaîne d’acquisition et de traitement 4 4 R t ti 3D i i4.4. Reconstruction 3D ‐ principe 31Mardi AIGx 26/11/2013 Génération d’un modèle 3D – tie points
  32. 32. 4. La chaîne d’acquisition et de traitement 4 4 R t ti 3D i i4.4. Reconstruction 3D ‐ principe 32Mardi AIGx 26/11/2013 Génération d’un modèle 3D – dense matching 1
  33. 33. 4. La chaîne d’acquisition et de traitement 4 4 R t ti 3D i i4.4. Reconstruction 3D ‐ principe 33Mardi AIGx 26/11/2013 Génération d’un modèle 3D – dense matching 1
  34. 34. 4. La chaîne d’acquisition et de traitement 4 4 M ï t d ti d’ th i4.4. Mosaïquage et production d’une ortho‐image Génération d’une 34Mardi AIGx 26/11/2013 Génération d’une ortho-mosaïque
  35. 35. 4. La chaîne d’acquisition et de traitement 4 4 M ï t d ti d’ dèl 3D4.4. Mosaïquage et production d’un modèle 3D 35Mardi AIGx 26/11/2013
  36. 36. 36Mardi AIGx 26/11/2013 36 Ortho-image
  37. 37. 37Mardi AIGx 26/11/2013 37 Génération d’un modèle 3D
  38. 38. 4. La chaîne d’acquisition et de traitement 4 5 Gé éfé t d l’ th i4.5. Géoréférencement de l’ortho‐image Paramètres de vol (GPS)‐ Paramètres de vol (GPS) ‐ Calage sur une image de référence ‐ Cibles au sol + dGPS Illustration ? 38Mardi AIGx 26/11/2013
  39. 39. 5. Exemples d’application 5 1 I t i d d f5.1. Inventaire de grande faune 39Mardi AIGx 26/11/2013
  40. 40. 5.1. Inventaire de grande faune 5. Exemples d’application 40Mardi AIGx 26/11/2013
  41. 41. Altitude 100 m résolution : 3 cm 5.1. Inventaire de grande faune 5. Exemples d’application Altitude 100 m ‐ résolution : 3 cm 41Mardi AIGx 26/11/2013
  42. 42. 5.1. Inventaire de grande faune 5. Exemples d’application 42Mardi AIGx 26/11/2013
  43. 43. 5.1. Inventaire de grande faune 5. Exemples d’application Reconnaissance automatique de formes 43Mardi AIGx 26/11/2013 q
  44. 44. 5. Exemples d’application 5 1 I t i d d f5.1. Inventaire de grande faune 5.2. Suivi de bandes riveraines 44Mardi AIGx 26/11/2013
  45. 45. 5.2. Suivi de bandes riveraines 5. Exemples d’application 45Mardi AIGx 26/11/2013 45 projet LIFE : suivi de travaux de restauration avant les travaux (8/06/2012)
  46. 46. 5.2. Suivi de bandes riveraines 5. Exemples d’application 46Mardi AIGx 26/11/2013 46 projet LIFE : suivi de travaux de restauration pendant les travaux (9/07/2012)
  47. 47. 5.2. Suivi de bandes riveraines 5. Exemples d’application 47Mardi AIGx 26/11/2013 47 projet LIFE : suivi de travaux de restauration après les travaux (22/11/2012)
  48. 48. 5.2. Suivi de bandes riveraines 5. Exemples d’application P3 P2 P1 48Mardi AIGx 26/11/2013
  49. 49. 5.2. Suivi de bandes riveraines 5. Exemples d’application Détection 49Mardi AIGx 26/11/2013 Détection  des invasives
  50. 50. 5.2. Suivi de bandes riveraines 5. Exemples d’application Détection 50Mardi AIGx 26/11/2013 Détection  des invasives
  51. 51. 5. Exemples d’application 5 1 I t i d d f5.1. Inventaire de grande faune 5.2. Suivi de bandes riveraines 5.3. Suivi de bassins versants 51Mardi AIGx 26/11/2013
  52. 52. 5.2. Suivi de bassins versants 5. Exemples d’application 52Mardi AIGx 26/11/2013
  53. 53. 5.2. Suivi de bassins versants 5. Exemples d’application Référence terrain -1100 points GPS-RTK 0 200 m p - précision : - horizontale : 1 cm - verticale : 2 cm 53Mardi AIGx 26/11/2013 verticale : 2 cm Doctorat de M. Ouédraogo
  54. 54. 5.2. Suivi de bassins versants 5. Exemples d’application Ortho-image CIR Résolution : 3 cm 54Mardi AIGx 26/11/2013 Doctorat de M. Ouédraogo
  55. 55. 5.2. Suivi de bassins versants 5. Exemples d’application Comparaison MNT - GPS : RMSE 13 9 0 200 m RMSE : 13,9 cm Err moyenne : - 9,6 cm 55Mardi AIGx 26/11/2013 Doctorat de M. Ouédraogo
  56. 56. 5. Exemples d’application 5 1 I t i d d f5.1. Inventaire de grande faune 5.2. Suivi de bandes riveraines 5.3. Suivi de bassins versants 5 4 Inventaire forestier5.4. Inventaire forestier 56Mardi AIGx 26/11/2013
  57. 57. 5.4. Inventaire forestier 5. Exemples d’application Bois de 57Mardi AIGx 26/11/2013 Bois de  Grand‐Leez Image CIR
  58. 58. 5.4. Inventaire forestier 5. Exemples d’application Modèle numérique  58Mardi AIGx 26/11/2013 de hauteur MNH
  59. 59. 5.4. Inventaire forestier 5. Exemples d’application MNT MNH 59Mardi AIGx 26/11/2013
  60. 60. 5.4. Inventaire forestier 5. Exemples d’application MNH : MNS MNT MNH MNS MNTMNHlidar : MNSLiDAR - MNTLiDAR MNHphotogr : MNSphotogr - MNTLiDAR 60Mardi AIGx 26/11/2013
  61. 61. 5.4. Inventaire forestier 5. Exemples d’application Id tifi ti d i i l f tièIdentification des principales essences forestières 61Mardi AIGx 26/11/2013
  62. 62. 5.4. Inventaire forestier 5. Exemples d’application Id tifi ti d i i l f tièIdentification des principales essences forestières 62Mardi AIGx 26/11/2013
  63. 63. 5.4. Inventaire forestier 5. Exemples d’application Id tifi ti d i i l f tièIdentification des principales essences forestières 63Mardi AIGx 26/11/2013
  64. 64. 5.4. Inventaire forestier 5. Exemples d’application Id tifi ti d i i l f tièIdentification des principales essences forestières 64Mardi AIGx 26/11/2013
  65. 65. 5.4. Inventaire forestier 5. Exemples d’application Id tifi ti d i i l f tièIdentification des principales essences forestières 65Mardi AIGx 26/11/2013
  66. 66. 5. Exemples d’application 5 1 I t i d d f5.1. Inventaire de grande faune 5.2. Suivi de bandes riveraines 5.3. Suivi de bassins versants 5 4 Inventaire forestier5.4. Inventaire forestier 5.5. Gestion cynégétique 66Mardi AIGx 26/11/2013
  67. 67. 5.5. Gestion cynégétique 5. Exemples d’application 67Mardi AIGx 26/11/2013 Quantification des dégâts aux cultures de maïs
  68. 68. 5.5. Gestion cynégétique 5. Exemples d’application 68Mardi AIGx 26/11/2013 Quantification des dégâts aux cultures de maïs
  69. 69. 5.5. Gestion cynégétique 5. Exemples d’application 69Mardi AIGx 26/11/2013 Quantification des dégâts aux cultures de maïs
  70. 70. 5.5. Gestion cynégétique 5. Exemples d’application 70Mardi AIGx 26/11/2013
  71. 71. Merci  pour votre  attention … 71Mardi AIGx 26/11/2013
  72. 72. 72Mardi AIGx 26/11/2013
  73. 73. 73Mardi AIGx 26/11/2013
  74. 74. 74Mardi AIGx 26/11/2013

×