Évaluation spatialisée des rendements céréaliers sous système agroforestier en contexte de petite agriculture familiale au Sahel : une approche basée sur le couplage drone-satellite / Ibrahima DIACK (2026) 

Public ISBD Titre : Évaluation spatialisée des rendements céréaliers sous système agroforestier en contexte de petite agriculture familiale au Sahel : une approche basée sur le couplage drone-satellite Type de document : texte imprimé Auteurs : Ibrahima DIACK, Auteur Editeur : Dakar : Université Cheikh Anta Diop de Dakar : Ecole Doctorale Mathématiques et Informatique Année de publication : 2026 Importance : 138 P. Format : 29 cm Langues : Français (fre) Mots-clés : Télédétection  Satellite,  UAV  Agroforesterie  Drone  Faidherbia albida  Hétérogénéité  Paysage  Machine Learning  Apprentissage automatique  Agriculture  Parc agroforestier  image  Image satellitaire  Estimation  Fraction du couvert végétal  FCover  Mil  Pennisetum glaucum  Couvert végétal  Végétation  Sentinel-2  Random Forest  Algorithme  Cartographie  Rendement  Évaluation spatialisée  Céréale  Système agroforestier  Agriculture familiale  Sahel  Sénégal Résumé : Face aux défs liés aux changements globaux, à la croissance démographique et à une mécanisation agricole encore rudimentaire, l'Afrique se trouve confrontée à des contraintes pour garantir sa sécurité alimentaire. Dans ce contexte, le suivi des cultures à l'échelle du paysage devient crucial car il permet de mieux appréhender la variabilité spatio-temporelle de la production agricole. Les avancées en té- lédétection combinées aux algorithmes d'apprentissages automatiques (machine learning, ML) offrent de nouvelles perspectives pour le suivi des cultures et la cartographie de leurs paramètres à différentes échelles spatiales. Cette thèse propose des approches méthodologiques innovantes pour le suivi des cultures dans les paysages agricoles sahéliens, en particulier dans les parcs agroforestiers. Elle s'appuie sur des données satellitaires à haute résolution (Sentinel-2) et des images drones à très haute résolution, combinées avec des méthodes d'apprentissage automatique. Ce travail de thèse est structuré sur trois volets principaux. Dans un premier temps, j'ai travaillé sur l'estimation de la fraction du couvert végétal (FCover) du mil. Une approche méthodologique a été développé pour estimer le FCover à partir d'images drone et Sentinel-2, en utilisant différents algorithmes de machine learning. Parmi ceux testés, l'algorithme Random Forest (RF) s'est révélé le plus performant. Les résultats indiquent que l'estimation du FCover est plus précise en début de saison, en lien avec la phénologie du mil. Par ailleurs, l'utilisation d'une série temporelle d'images améliore la précision (R2 = 0,73) par rapport à une seule image (R2 = 0,69). Cette approche a permis de construire un modèle robuste capable de capturer la variabilité spatiale du FCover à l'échelle du paysage. Dans un second temps, l'estimation et la cartographie des rendements du mil a été faite. Une seconde approche, fondée sur la synergie entre données drone et satellite, a permis d'estimer le rendement du mil dans un réseau de parcelles paysannes et de produire sa cartographie à l'échelle du paysage agroforestier. Il a s'agit notamment de développer d'abord un modèle d'estimation de rendements à partir de données drones et d'utiliser les informations spatialisées par drone comme pseudo données de terrain pour entraîner un modèle basé sur les images satellites. Les modèles développés expliquent plus de 85% de la variabilité observée du rendement (R2 > 0,85). Comparée à l'approche traditionnelle basée uniquement sur Sentinel-2, la combinaison drones-S2 offre une performance équivalente, tout en étant plus effcace pour représenter les variations spatiales nes du rendement. Enfin, la dernière partie de cette thèse se concentre sur l'analyse des relations entre les structures spatiales du paysage (composition et structuration) et la variabilité du rendement. A l'échelle parcellaire, j'ai mis en évidence que des densités plus élevées d'arbres F. albida et une plus grande diversité d'espèces d'arbres jouent un rôle essentiel dans la régulation de la variabilité spatiale des rendements du mil. En particulier, la relation de décroissance avec la distance de l'influence de F. albida sur les rendements du mil est plus significative dans des conditions de forte densité de F. albidaet de diversité élevée des autres espèces d'arbres. A l'échelle des paysages les analyse ont montr é qu'une densité élevée de petits F. albida et des configurations paysagères complexes ont un effet négatif sur le rendement. Ces analyses ont été réalisées à l'aide de l'algorithme Random Forest, à partir des rendements estimés par la combinaison drone-satellite dans différentes grilles spatiales (zones tampons), avec une cohérence marquée entre les différentes zones tampons. En utilisant à la fois les potentialités des données satellitaires et de drone ainsi que les techniques de modélisation statistique, les approches méthodologiques développées dans cette thèse ouvrent de nouvelles perspectives pour le suivi des cultures à différentes échelles spatiales dans des zones complexes comme les parcs agroforestiers au Sahel. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=3204 Évaluation spatialisée des rendements céréaliers sous système agroforestier en contexte de petite agriculture familiale au Sahel : une approche basée sur le couplage drone-satellite [texte imprimé] / Ibrahima DIACK, Auteur . - Dakar : Université Cheikh Anta Diop de Dakar : Ecole Doctorale Mathématiques et Informatique, 2026 . - 138 P. ; 29 cm. Langues : Français (fre) Mots-clés : Télédétection  Satellite,  UAV  Agroforesterie  Drone  Faidherbia albida  Hétérogénéité  Paysage  Machine Learning  Apprentissage automatique  Agriculture  Parc agroforestier  image  Image satellitaire  Estimation  Fraction du couvert végétal  FCover  Mil  Pennisetum glaucum  Couvert végétal  Végétation  Sentinel-2  Random Forest  Algorithme  Cartographie  Rendement  Évaluation spatialisée  Céréale  Système agroforestier  Agriculture familiale  Sahel  Sénégal Résumé : Face aux défs liés aux changements globaux, à la croissance démographique et à une mécanisation agricole encore rudimentaire, l'Afrique se trouve confrontée à des contraintes pour garantir sa sécurité alimentaire. Dans ce contexte, le suivi des cultures à l'échelle du paysage devient crucial car il permet de mieux appréhender la variabilité spatio-temporelle de la production agricole. Les avancées en té- lédétection combinées aux algorithmes d'apprentissages automatiques (machine learning, ML) offrent de nouvelles perspectives pour le suivi des cultures et la cartographie de leurs paramètres à différentes échelles spatiales. Cette thèse propose des approches méthodologiques innovantes pour le suivi des cultures dans les paysages agricoles sahéliens, en particulier dans les parcs agroforestiers. Elle s'appuie sur des données satellitaires à haute résolution (Sentinel-2) et des images drones à très haute résolution, combinées avec des méthodes d'apprentissage automatique. Ce travail de thèse est structuré sur trois volets principaux. Dans un premier temps, j'ai travaillé sur l'estimation de la fraction du couvert végétal (FCover) du mil. Une approche méthodologique a été développé pour estimer le FCover à partir d'images drone et Sentinel-2, en utilisant différents algorithmes de machine learning. Parmi ceux testés, l'algorithme Random Forest (RF) s'est révélé le plus performant. Les résultats indiquent que l'estimation du FCover est plus précise en début de saison, en lien avec la phénologie du mil. Par ailleurs, l'utilisation d'une série temporelle d'images améliore la précision (R2 = 0,73) par rapport à une seule image (R2 = 0,69). Cette approche a permis de construire un modèle robuste capable de capturer la variabilité spatiale du FCover à l'échelle du paysage. Dans un second temps, l'estimation et la cartographie des rendements du mil a été faite. Une seconde approche, fondée sur la synergie entre données drone et satellite, a permis d'estimer le rendement du mil dans un réseau de parcelles paysannes et de produire sa cartographie à l'échelle du paysage agroforestier. Il a s'agit notamment de développer d'abord un modèle d'estimation de rendements à partir de données drones et d'utiliser les informations spatialisées par drone comme pseudo données de terrain pour entraîner un modèle basé sur les images satellites. Les modèles développés expliquent plus de 85% de la variabilité observée du rendement (R2 > 0,85). Comparée à l'approche traditionnelle basée uniquement sur Sentinel-2, la combinaison drones-S2 offre une performance équivalente, tout en étant plus effcace pour représenter les variations spatiales nes du rendement. Enfin, la dernière partie de cette thèse se concentre sur l'analyse des relations entre les structures spatiales du paysage (composition et structuration) et la variabilité du rendement. A l'échelle parcellaire, j'ai mis en évidence que des densités plus élevées d'arbres F. albida et une plus grande diversité d'espèces d'arbres jouent un rôle essentiel dans la régulation de la variabilité spatiale des rendements du mil. En particulier, la relation de décroissance avec la distance de l'influence de F. albida sur les rendements du mil est plus significative dans des conditions de forte densité de F. albidaet de diversité élevée des autres espèces d'arbres. A l'échelle des paysages les analyse ont montr é qu'une densité élevée de petits F. albida et des configurations paysagères complexes ont un effet négatif sur le rendement. Ces analyses ont été réalisées à l'aide de l'algorithme Random Forest, à partir des rendements estimés par la combinaison drone-satellite dans différentes grilles spatiales (zones tampons), avec une cohérence marquée entre les différentes zones tampons. En utilisant à la fois les potentialités des données satellitaires et de drone ainsi que les techniques de modélisation statistique, les approches méthodologiques développées dans cette thèse ouvrent de nouvelles perspectives pour le suivi des cultures à différentes échelles spatiales dans des zones complexes comme les parcs agroforestiers au Sahel. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=3204

Réservation

Réserver ce document

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
TH 2661	TH 2661	Thèse de doctorat d'Etat	Thèses mathématiques et informatique	Informatique-Télécommunication	Disponible

Documents numériques

TH 2661 Adobe Acrobat PDF

---

1 (1 - 1 / 1) Par page : 25 50 100 200