Titre :	Détection des Anomalies Agricoles à l’Aide de l’Apprentissage Automatique et de la Télédétection : Application au Bassin Arachidier Sénégalais
Type de document :	texte imprimé
Auteurs :	Mouhamed SECK, Auteur
Editeur :	[Dakar] : Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de physique
Année de publication :	2025
Importance :	29 P.
Format :	29 cm.
Langues :	Français (fre)
Mots-clés :	Phytopathogène  Télédection  Télédétection spatiale  Algorithme  Algorithme d’apprentissage automatique  Apprentissage automatique  Donnée  Donnée multispectrale  Clustering  k-means  Indice de végétation  NDVI  SAVI  EVI  NDWI  Bassin arachidier  Sénégal  DBSCAN  Classification Ascendante Hiérarchique  Stress pathogène  Surveillance automatisée  Agriculture  Google Colaboratory  Jupyter Notebook  TensorFlow  Quantum GIS
Résumé :	Ce mémoire propose une méthodologie innovante pour la détection précoce des maladies phytopathogènes dans les cultures agricoles. Face aux limites des approches traditionnelles, nous développons une méthode combinant télédétection spatiale et algorithmes d’apprentissage automatique. Les données multispectrales des satellites Sentinel-2 sont exploitées pour calculer plusieurs indices de végétation (NDVI, SAVI, EVI, NDWI), qui reflètent l’état physiologique des cultures. La démarche comprend la collecte et le prétraitement des données satellites, ainsi que l’entraînement de modèles de clustering tels que K-means, DBSCAN et la Classification Ascendante Hiérarchique (CAH). En regroupant les données en clusters et en analysant leur évolution temporelle, nous avons pu détecter précocement des signes de stress pathogène. Appliquée à des zones agricoles du Sénégal, cette étude met en lumière le potentiel d’une surveillance automatisée à grande échelle, permettant des interventions ciblées visant à réduire les pertes de rendement et à renforcer la sécurité alimentaire dans un contexte de changement climatique.
Permalink :	https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=3152

Détection des Anomalies Agricoles à l’Aide de l’Apprentissage Automatique et de la Télédétection : Application au Bassin Arachidier Sénégalais [texte imprimé] / Mouhamed SECK, Auteur . - [Dakar] : Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de physique, 2025 . - 29 P. ; 29 cm.
Langues : Français (fre)

Mots-clés :	Phytopathogène  Télédection  Télédétection spatiale  Algorithme  Algorithme d’apprentissage automatique  Apprentissage automatique  Donnée  Donnée multispectrale  Clustering  k-means  Indice de végétation  NDVI  SAVI  EVI  NDWI  Bassin arachidier  Sénégal  DBSCAN  Classification Ascendante Hiérarchique  Stress pathogène  Surveillance automatisée  Agriculture  Google Colaboratory  Jupyter Notebook  TensorFlow  Quantum GIS
Résumé :	Ce mémoire propose une méthodologie innovante pour la détection précoce des maladies phytopathogènes dans les cultures agricoles. Face aux limites des approches traditionnelles, nous développons une méthode combinant télédétection spatiale et algorithmes d’apprentissage automatique. Les données multispectrales des satellites Sentinel-2 sont exploitées pour calculer plusieurs indices de végétation (NDVI, SAVI, EVI, NDWI), qui reflètent l’état physiologique des cultures. La démarche comprend la collecte et le prétraitement des données satellites, ainsi que l’entraînement de modèles de clustering tels que K-means, DBSCAN et la Classification Ascendante Hiérarchique (CAH). En regroupant les données en clusters et en analysant leur évolution temporelle, nous avons pu détecter précocement des signes de stress pathogène. Appliquée à des zones agricoles du Sénégal, cette étude met en lumière le potentiel d’une surveillance automatisée à grande échelle, permettant des interventions ciblées visant à réduire les pertes de rendement et à renforcer la sécurité alimentaire dans un contexte de changement climatique.
Permalink :	https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=3152