Betty Gimenez
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Betty Gimenez has a total of 20 co-authors. Here are the top co-authors by number of shared publications:
- Céline Devaux
University of Montpellier, CNRS, IRD, ISEM, Montpellier, France
3 shared publications - Laurent Bouby
ISEM, Univ Montpellier, CNRS, IRD, EPHE, Inrap, Montpellier, France
3 shared publications - Odile Peyron
University Montpellier CNRS IRD EPHE UMR 5554 ISEM Montpellier France
3 shared publications - Sébastien Joannin
ISEM, Univ Montpellier, CNRS, IRD Montpellier France
3 shared publications Bertrand Limier
2 shared publications- Jean-Frédéric Terral
ISEM, Institut des Sciences de l’Evolution-Montpellier, Univ Montpellier, CNRS, IRD, EPHE , Montpellier
2 shared publications
Latest Publications
- Open Access
- 25 September 2026
- Published by Elsevier in SSRN Electronic Journal
Spatial and temporal variation of pollen signature of grapevine and associated Mediterranean vegetation inferred by deep learning
In the Western Mediterranean region, wild grapevine (Vitis vinifera subsp. sylvestris) is threatened by global change but is critical for agronomy and conservation. Estimating spatial and temporal changes in pollen rains of both wild and domesticated grapevine and their associated vegetation is necessary to measure their responses to ongoing disturbances, and provide modern analogues for paleoecological reconstructions. We collected 28 samples of pollen rains during five years at six sites near wild female (male-sterile), wild male, or hermaphroditic domesticated individuals. We developed an image-based automated workflow to analyze those samples, completing a previously developed pollen detection with pollen identification. We trained ResNet152 on 54 pollen and non-pollen classes. We finally designed an ensemble approach, based on fractional assignment of images to pollen classes, to generate pollen counts for 13 target pollen taxa, including Vitis. Classification performance exceeded 92.5% (F1-score) except for Quercus deciduous, when merging Fraxinus/Phillyrea in a single class.We could detect, despite their small numbers, both pollen emitted by wild fertile and domesticated grapevines, and pollen emitted by wild female grapevines, opening new perspectives for pollen-based reconstruction of grapevine and viticulture history. Pollen assemblages reflected known spatial differences in local vegetation: vineyards displayed a higher proportion of herbaceous pollen, while tree pollen dominated near wild grapevines. Temporal changes in the vegetation was more pronounced around wild grapevines than in vineyards. The approach we developed can effectively capture pollen in small abundance and small variations in pollen counts for many taxa, demonstrating its potential for long-term vegetation monitoring.
- 25 September 2026
- Published by Elsevier in SSRN Electronic Journal
Open AccessSpatial and temporal variation of pollen signature of grapevine and associated Mediterranean vegetation inferred by deep learning
In the Western Mediterranean region, wild grapevine (Vitis vinifera subsp. sylvestris) is threatened by global change but is critical for agronomy and conservation. Estimating spatial and temporal changes in pollen rains of both wild and domesticated grapevine and their associated vegetation is necessary to measure their responses to ongoing disturbances, and provide modern analogues for paleoecological reconstructions. We collected 28 samples of pollen rains during five years at six sites near wild female (male-sterile), wild male, or hermaphroditic domesticated individuals. We developed an image-based automated workflow to analyze those samples, completing a previously developed pollen detection with pollen identification. We trained ResNet152 on 54 pollen and non-pollen classes. We finally designed an ensemble approach, based on fractional assignment of images to pollen classes, to generate pollen counts for 13 target pollen taxa, including Vitis. Classification performance exceeded 92.5% (F1-score) except for Quercus deciduous, when merging Fraxinus/Phillyrea in a single class.We could detect, despite their small numbers, both pollen emitted by wild fertile and domesticated grapevines, and pollen emitted by wild female grapevines, opening new perspectives for pollen-based reconstruction of grapevine and viticulture history. Pollen assemblages reflected known spatial differences in local vegetation: vineyards displayed a higher proportion of herbaceous pollen, while tree pollen dominated near wild grapevines. Temporal changes in the vegetation was more pronounced around wild grapevines than in vineyards. The approach we developed can effectively capture pollen in small abundance and small variations in pollen counts for many taxa, demonstrating its potential for long-term vegetation monitoring.
- Open Access
- 14 September 2026
- Published by Elsevier in Review of Palaeobotany and Palynology
- Vol. 356
Assessing the potential of deep learning to distinguish wild and domesticated grapevine pollen
- 14 September 2026
- Published by Elsevier in Review of Palaeobotany and Palynology
- Vol. 356
Open AccessAssessing the potential of deep learning to distinguish wild and domesticated grapevine pollen
- 9 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Étudier les variations des signaux polliniques de la végétation méditerranéenne et ses taxons clés : apport de l'IA pour des analyses palynologiques automatisées
Les changements globaux dans le bassin Méditerranéen occidental menacent ses écosystèmes et fragmentent ses habitats, menaçant ainsi les espèces qui en dépendent, telles que la vigne sauvage. Cette liane héliophile a une grande valeur écologique, archéologique et agronomique, en tant qu’ancêtre sauvage de la vigne domestiquée. Cette thèse visait à (1) décrire des communautés végétales Méditerranéennes, à partir d’un suivi de pluies polliniques mené au Pic Saint Loup (Hérault), dans une zone incluant divers habitats Méditerranéens typiques, une population sauvage de vigne, et un vignoble, et (2) comparer les signatures polliniques associées à la vigne sauvage et cultivée à partir du suivi et de références d’individus de collection (Vassal-Montpellier). Ces objectifs reposent sur l’analyse d’une grande quantité d’échantillons polliniques, et sur un grand nombre de pollen par échantillon pour mieux représenter le rare pollen de vigne dans les assemblages polliniques. Pour traiter ces données polliniques et tenter de différencier le pollen de vigne sauvage et domestiquée, l’objectif primaire de la thèse était de développer des méthodes automatiques pour l’analyse pollinique. L’analyse pollinique automatisée est un objectif de longue date en palynologie, mais au début de la thèse les méthodes n’étaient pas adaptées aux échantillons environnementaux tels que les pollens issues de pièges passifs contenant de multiples taxons, une diversité de taxta, une diversité de qualités des images, et de multiples débris. Un pipeline entièrement automatisé a été développé à partir d’intelligence artificielle, et comprenant : l’acquisition d’images(Chapitre I), la détection, pour localiser les grains de pollen dans des images comprenant de multiples particules (Chapitre II), et l’identification de taxons Méditerranéens clés, y compris Vitis, à partir des particules automatiquement détectées (Chapitre III). Ce pipeline a ensuite été appliqué pour estimer la production et la taille des pollen d’individus de vigne sauvages et domestiquées de collection et pour tenter la classification de leurs pollen fertiles pourtant très similaires (Chapitre IV). La détection à partir de deep learning est très efficace même sur des images complexes et n’a pas introduit de biais majeurs entre les taxons. Les jeux de données de détection n’étant pas optimaux pour générer des annotations adaptées à la classification,cette étape a été conduite séparément, mais dans l’objectif de traiter l’ensemble des particules détectées. L’identification des taxons clés était efficace à l’exception des taxons incluant des parents proches avec des pollen similaires (e.g. Phillyrea vs Fraxinus). Pour le monitoring, les comptages automatisés étaient en accord avec les observations de terrain, et ont mis en évidence des différences entre communautés végétales et au cours du temps. Des différences entre les signatures polliniques de la vigne sauvage et domestiquée ont été identifiées in situ, à partir de leurs cortège végétal et de l’abondance du pollen fertile et stérile produit par la vigne, et dans les références, avec plus de grains de plus petites tailles produits par les individus domestiques. Les modèles CNN n’ont pas différencié le pollen fertile des deux sous-espèces. Ces résultats soulignent le potentiel du suivi de la végétation étudier des changements spatiaux et temporels des taxa clés en Méditerranée, et invitent à une étude plus approfondie du signal pollinique de la vigne sauvage et cultivée en tant qu’outil pour retracer son histoire. Cette thèse a contribué à faire progresser la palynologie automatisée vers des méthodes applicables au réel, à rendre ces approches plus accessibles en utilisant des outils abordables et faciles d’utilisation, et en mettant en ligne les jeux de données. Ces méthodes automatiques, pour compter du pollen ou étudier des taxons spécifiques, peuvent déjà soutenir la recherche en palynologie ou plus généralement basée sur le pollen.
- 9 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
Étudier les variations des signaux polliniques de la végétation méditerranéenne et ses taxons clés : apport de l'IA pour des analyses palynologiques automatisées
Les changements globaux dans le bassin Méditerranéen occidental menacent ses écosystèmes et fragmentent ses habitats, menaçant ainsi les espèces qui en dépendent, telles que la vigne sauvage. Cette liane héliophile a une grande valeur écologique, archéologique et agronomique, en tant qu’ancêtre sauvage de la vigne domestiquée. Cette thèse visait à (1) décrire des communautés végétales Méditerranéennes, à partir d’un suivi de pluies polliniques mené au Pic Saint Loup (Hérault), dans une zone incluant divers habitats Méditerranéens typiques, une population sauvage de vigne, et un vignoble, et (2) comparer les signatures polliniques associées à la vigne sauvage et cultivée à partir du suivi et de références d’individus de collection (Vassal-Montpellier). Ces objectifs reposent sur l’analyse d’une grande quantité d’échantillons polliniques, et sur un grand nombre de pollen par échantillon pour mieux représenter le rare pollen de vigne dans les assemblages polliniques. Pour traiter ces données polliniques et tenter de différencier le pollen de vigne sauvage et domestiquée, l’objectif primaire de la thèse était de développer des méthodes automatiques pour l’analyse pollinique. L’analyse pollinique automatisée est un objectif de longue date en palynologie, mais au début de la thèse les méthodes n’étaient pas adaptées aux échantillons environnementaux tels que les pollens issues de pièges passifs contenant de multiples taxons, une diversité de taxta, une diversité de qualités des images, et de multiples débris. Un pipeline entièrement automatisé a été développé à partir d’intelligence artificielle, et comprenant : l’acquisition d’images(Chapitre I), la détection, pour localiser les grains de pollen dans des images comprenant de multiples particules (Chapitre II), et l’identification de taxons Méditerranéens clés, y compris Vitis, à partir des particules automatiquement détectées (Chapitre III). Ce pipeline a ensuite été appliqué pour estimer la production et la taille des pollen d’individus de vigne sauvages et domestiquées de collection et pour tenter la classification de leurs pollen fertiles pourtant très similaires (Chapitre IV). La détection à partir de deep learning est très efficace même sur des images complexes et n’a pas introduit de biais majeurs entre les taxons. Les jeux de données de détection n’étant pas optimaux pour générer des annotations adaptées à la classification,cette étape a été conduite séparément, mais dans l’objectif de traiter l’ensemble des particules détectées. L’identification des taxons clés était efficace à l’exception des taxons incluant des parents proches avec des pollen similaires (e.g. Phillyrea vs Fraxinus). Pour le monitoring, les comptages automatisés étaient en accord avec les observations de terrain, et ont mis en évidence des différences entre communautés végétales et au cours du temps. Des différences entre les signatures polliniques de la vigne sauvage et domestiquée ont été identifiées in situ, à partir de leurs cortège végétal et de l’abondance du pollen fertile et stérile produit par la vigne, et dans les références, avec plus de grains de plus petites tailles produits par les individus domestiques. Les modèles CNN n’ont pas différencié le pollen fertile des deux sous-espèces. Ces résultats soulignent le potentiel du suivi de la végétation étudier des changements spatiaux et temporels des taxa clés en Méditerranée, et invitent à une étude plus approfondie du signal pollinique de la vigne sauvage et cultivée en tant qu’outil pour retracer son histoire. Cette thèse a contribué à faire progresser la palynologie automatisée vers des méthodes applicables au réel, à rendre ces approches plus accessibles en utilisant des outils abordables et faciles d’utilisation, et en mettant en ligne les jeux de données. Ces méthodes automatiques, pour compter du pollen ou étudier des taxons spécifiques, peuvent déjà soutenir la recherche en palynologie ou plus généralement basée sur le pollen.
- Open Access
- 28 May 2024
- Published by Wiley in New Phytologist
- Vol. 243 (2) , 797-810
A user‐friendly method to get automated pollen analysis from environmental samples
Summary: Automated pollen analysis is not yet efficient on environmental samples containing many pollen taxa and debris, which are typical in most pollen‐based studies. Contrary to classification, detection remains overlooked although it is the first step from which errors can propagate. Here, we investigated a simple but efficient method to automate pollen detection for environmental samples, optimizing workload and performance. We applied the YOLOv5 algorithm on samples containing debris and c. 40 Mediterranean plant taxa, designed and tested several strategies for annotation, and analyzed variation in detection errors. About 5% of pollen grains were left undetected, while 5% of debris were falsely detected as pollen. Undetected pollen was mainly in poor‐quality images, or of rare and irregular morphology. Pollen detection remained effective when applied to samples never seen by the algorithm, and was not improved by spending time to provide taxonomic details. Pollen detection of a single model taxon reduced annotation workload, but was only efficient for morphologically differentiated taxa. We offer guidelines to plant scientists to analyze automatically any pollen sample, providing sound criteria to apply for detection while using common and user‐friendly tools. Our method contributes to enhance the efficiency and replicability of pollen‐based studies.
- 28 May 2024
- Published by Wiley in New Phytologist
- Vol. 243 (2) , 797-810
Open AccessA user‐friendly method to get automated pollen analysis from environmental samples
Summary: Automated pollen analysis is not yet efficient on environmental samples containing many pollen taxa and debris, which are typical in most pollen‐based studies. Contrary to classification, detection remains overlooked although it is the first step from which errors can propagate. Here, we investigated a simple but efficient method to automate pollen detection for environmental samples, optimizing workload and performance. We applied the YOLOv5 algorithm on samples containing debris and c. 40 Mediterranean plant taxa, designed and tested several strategies for annotation, and analyzed variation in detection errors. About 5% of pollen grains were left undetected, while 5% of debris were falsely detected as pollen. Undetected pollen was mainly in poor‐quality images, or of rare and irregular morphology. Pollen detection remained effective when applied to samples never seen by the algorithm, and was not improved by spending time to provide taxonomic details. Pollen detection of a single model taxon reduced annotation workload, but was only efficient for morphologically differentiated taxa. We offer guidelines to plant scientists to analyze automatically any pollen sample, providing sound criteria to apply for detection while using common and user‐friendly tools. Our method contributes to enhance the efficiency and replicability of pollen‐based studies.