| Titre : |
APPORT DE LA TÉLÉDÉTECTION AU SUIVI DE LA CULTURE DU RIZ DANS LE DELTA DU FLEUVE SÉNÉGAL |
| Type de document : |
texte imprimé |
| Auteurs : |
Fama MBENGUE, Auteur |
| Editeur : |
Dakar : Université Cheikh Anta Diop de Dakar : Ecole Doctorale Physique, Chimie, Sciences de la Terre, de l'Univers et de l'Ingénieur |
| Année de publication : |
2026 |
| Importance : |
142 P. |
| Format : |
29 cm. |
| Langues : |
Français (fre) |
| Mots-clés : |
Riz Télédétection Rizières Segmentation Apprentissage automatique eau Productivité Eau Rendement Durabilite Delta du fleuve Sénégal Fleuve Sénégal |
| Résumé : |
Les travaux présentés dans cette thèse portent sur l’évaluation des approches de télédétection et de l’intelligence artificielle, pour l’identification, la classification et le suivi des rizières dans le delta du fleuve Sénégal. Cette recherche s’appuie sur l’analyse des dynamiques spatio-temporelles des rizières, la compréhension des facteurs influençant leur productivité et l’utilisation d’outils adaptés, tels que les techniques de segmentation, les caractéristiques phénologiques et les modèles d’apprentissage automatique. La première partie de cette thèse a consisté à identifier les périodes optimales pour la cartographie des rizières en analysant leur signature spectrale et en les distinguant des autres classes d’occupation du sol. L’apprentissage automatique a également été mis à profit pour améliorer la reconnaissance et la catégorisation du riz. Les résultats indiquent que la deuxième décade du mois d’avril est la période la plus favorable pour cartographier les parcelles de riz dans cette région. Les algorithmes CART et RF ont obtenu des précisions élevées pour la détection de la classe riz, atteignant 91,33 % et 90,88 % de score, avec une précision globale de 97% pour RF. La deuxième partie de la thèse a porté sur la cartographie automatisée plus avancées des cultures de riz et à l’analyse de leur productivité. La segmentation réalisée avec l’algorithme de Felzenszwalb a produit des résultats plus détaillés, mieux adaptés aux variations spatiales des rizières, avec un indice d’utilité de l’ordre de 0,25. L’analyse des séries temporelles du NDVI a également permis d’estimer avec précision les paramètres phénologiques des rizières. Les résultats montrent que la durée de la saison de croissance et l’emplacement géographique des parcelles sont des facteurs clés influençant la dynamique des cultures. Pour la classification des cultures, trois algorithmes d’apprentissage automatique (RF, SVM et CART) ont été comparés. Random Forest a obtenu les meilleures performances (AUC = 0,97, OA = 0,93), surpassant SVM et CART. Par ailleurs, l’intégration des données NPP de WaPOR a révélé une variabilité significative de la productivité de l’eau et des rendements du riz selon les saisons. Sur les six dernières années (2018-2023) l’analyse de la tendance met en évidence une stagnation des rendements, qui se maintient entre 5 et 6 tonnes par hectare. |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=3306 |
APPORT DE LA TÉLÉDÉTECTION AU SUIVI DE LA CULTURE DU RIZ DANS LE DELTA DU FLEUVE SÉNÉGAL [texte imprimé] / Fama MBENGUE, Auteur . - Dakar : Université Cheikh Anta Diop de Dakar : Ecole Doctorale Physique, Chimie, Sciences de la Terre, de l'Univers et de l'Ingénieur, 2026 . - 142 P. ; 29 cm. Langues : Français ( fre)
| Mots-clés : |
Riz Télédétection Rizières Segmentation Apprentissage automatique eau Productivité Eau Rendement Durabilite Delta du fleuve Sénégal Fleuve Sénégal |
| Résumé : |
Les travaux présentés dans cette thèse portent sur l’évaluation des approches de télédétection et de l’intelligence artificielle, pour l’identification, la classification et le suivi des rizières dans le delta du fleuve Sénégal. Cette recherche s’appuie sur l’analyse des dynamiques spatio-temporelles des rizières, la compréhension des facteurs influençant leur productivité et l’utilisation d’outils adaptés, tels que les techniques de segmentation, les caractéristiques phénologiques et les modèles d’apprentissage automatique. La première partie de cette thèse a consisté à identifier les périodes optimales pour la cartographie des rizières en analysant leur signature spectrale et en les distinguant des autres classes d’occupation du sol. L’apprentissage automatique a également été mis à profit pour améliorer la reconnaissance et la catégorisation du riz. Les résultats indiquent que la deuxième décade du mois d’avril est la période la plus favorable pour cartographier les parcelles de riz dans cette région. Les algorithmes CART et RF ont obtenu des précisions élevées pour la détection de la classe riz, atteignant 91,33 % et 90,88 % de score, avec une précision globale de 97% pour RF. La deuxième partie de la thèse a porté sur la cartographie automatisée plus avancées des cultures de riz et à l’analyse de leur productivité. La segmentation réalisée avec l’algorithme de Felzenszwalb a produit des résultats plus détaillés, mieux adaptés aux variations spatiales des rizières, avec un indice d’utilité de l’ordre de 0,25. L’analyse des séries temporelles du NDVI a également permis d’estimer avec précision les paramètres phénologiques des rizières. Les résultats montrent que la durée de la saison de croissance et l’emplacement géographique des parcelles sont des facteurs clés influençant la dynamique des cultures. Pour la classification des cultures, trois algorithmes d’apprentissage automatique (RF, SVM et CART) ont été comparés. Random Forest a obtenu les meilleures performances (AUC = 0,97, OA = 0,93), surpassant SVM et CART. Par ailleurs, l’intégration des données NPP de WaPOR a révélé une variabilité significative de la productivité de l’eau et des rendements du riz selon les saisons. Sur les six dernières années (2018-2023) l’analyse de la tendance met en évidence une stagnation des rendements, qui se maintient entre 5 et 6 tonnes par hectare. |
| Permalink : |
https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=3306 |
|  |
Accueil
Affiner la rechercheAPPORT DE LA TÉLÉDÉTECTION AU SUIVI DE LA CULTURE DU RIZ DANS LE DELTA DU FLEUVE SÉNÉGAL / Fama MBENGUE (2026)
