French wine: Combination of multiple open data sources to mapping the expected harvest value - Le Mans Université
Pré-Publication, Document De Travail Année : 2024

French wine: Combination of multiple open data sources to mapping the expected harvest value

Viticulture française : Combinaison de multiples sources de données ouvertes pour cartographier la valeur espérées de la récolte.

Résumé

The purpose of this paper is to estimate a representative and detailed map of the harvest value in wine using structured and unstructured open data sources. With climate change and new environmental and ecological policies, wine producers are facing new challenges. The ability to model the evolution of these risks is strategic for wine producers and research in order to adapt. Many research projects require the values exposed to risk. For example, to assess the economic impact of risks or the premium of crop insurance, or to choose between different agroecological solutions in a cost-benefit approach. The high spatial heterogeneity and complexity of wine characteristics add to the challenge of these production values and the need to improve our spatial assessment of these harvest-expected values. Structured, exhaustive and detailed historical data are collected by the customs services, but they are not open. To achieve this, we combine the aggregate of the vineyard register and the data of the Public Body for Products of Official Quality and Origin. There are several techniques available to merge, combine or complete missing data. We have chosen to use optimization methods to re-estimate the area by appellation and by county, which can then be converted into expected harvest values using olympic average yields by appellation and crop insurance prices. This approach allows us to capture the heterogeneity in production values faced by different vineyards, thereby facilitating further research on risk assessment in the wine industry.
L'objectif de cet article est d'estimer une carte représentative et détaillée de la valeur de la récolte en vigne en utilisant des sources de données ouvertes, structurées et non structurées. Avec le changement climatique et les nouvelles politiques environnementales et écologiques, les producteurs de vin sont confrontés à de nouveaux défis. La capacité à modéliser l'évolution de ces risques est stratégique pour l'industrie du vin et la recherche afin de s'adapter. De nombreux projets de recherche nécessitent de connaître les valeurs exposées aux risques. Par exemple, pour évaluer l'impact économique des risques ou la prime d'assurance récolte, ou pour choisir entre différentes solutions agroécologiques dans une approche coût-bénéfice. La grande hétérogénéité spatiale et la complexité des caractéristiques des vins ajoutent au défi que représentent ces valeurs de production et à la nécessité de mieux évaluer dans l'espace ces valeurs d'espérance de récolte. Des données historiques structurées, exhaustives et détaillées sont collectées par les services des douanes, mais elles ne sont pas ouvertes. Pour ce faire, nous combinons l'agrégat du casier viticole et les données de l'organisme public des produits de qualité et d'origine officielles. Il existe plusieurs techniques pour fusionner, combiner ou compléter des données manquantes. Nous avons choisi d'utiliser des méthodes d'optimisation pour ré-estimer la superficie par appellation et par municipalité, qui peut ensuite être convertie en valeurs de récolte espérées en utilisant les rendements moyens olympiques par appellation et les prix de l'assurance récolte. Cette approche nous permet de saisir l'hétérogénéité des valeurs de production auxquelles sont confrontés les différents vignobles, facilitant ainsi la poursuite de la recherche sur l'évaluation des risques dans l'industrie du vin.
Fichier principal
Vignette du fichier
FWM.pdf (372.35 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-04627672 , version 1 (27-06-2024)

Licence

Identifiants

Citer

Martial Phélippé-Guinvarc'h. French wine: Combination of multiple open data sources to mapping the expected harvest value. 2024. ⟨hal-04627672⟩

Collections

UNIV-LEMANS GAINS
78 Consultations
43 Téléchargements

Altmetric

Partager

More