Construction d'une typologie vectoriel du parcellaire du village de Diohine par apprentissage profond

Faye Ousmane, Delay Etienne. 2024. Construction d'une typologie vectoriel du parcellaire du village de Diohine par apprentissage profond. Montpellier : CIRAD, 44 p.

https://doi.org/10.18167/agritrop/00857

Rapport d'expertise

Prévisualisation

Version publiée - Anglais
Sous licence

.
612519.pdf
Télécharger (3MB) | Prévisualisation

Url - autres données associées : https://github.com/ousmanegithub/FerloSine-Parcellaire/

Résumé : Face aux défis environnementaux et climatiques croissants au Sénégal, en particulier dans la région du Ferlo, le projet SineFerlo a été lancé pour promouvoir une gestion durable des ressources naturelles. Ce projet vise à atténuer les effets de la dégradation des terres et de l'aridité extrême qui menacent les activités agricoles et pastorales, essentielles pour les communautés locales. Ce cette etude a été realiser au Centre de coopération internationale en recherche agronomique pour le développement dans le cadre du projet FerloSine utilisant des technologies avancées de télédétection et des systèmes d'information géographique (SIG) pour fournir des données précises et actualisées. Ce stage s'inscrit dans l'un des volets clés du projet, à savoir la création d'une typologie vectorielle automatisée des parcelles agricoles par apprentissage profond. Cette typologie est élaborée à partir de données multispectrales et multi-temporelles acquises sur le village de Diohine, dans le département de Fatick. Le modèle développé vise à classer et caractériser les parcelles agricoles, permettant ainsi d'évaluer leur productivité, d'analyser les pratiques agricoles et de comprendre leur impact sur l'environnement. Ce travail apporte une base solide pour les décisions des chercheurs et des décideurs, favorisant l'adaptation des pratiques agricoles aux défis climatiques et l'amélioration de la gestion des terres.

Résumé (autre langue) : Facing increasing environmental and climatic challenges in Senegal, particularly in the Ferlo region, the SineFerlo project was launched to promote sustainable natural resource management. This initiative aims to mitigate land degradation and extreme aridity, which threaten agricultural and pastoral activities essential to local communities. This study was conducted at the Centre de Coopération Internationale en Recherche Agronomique pour le Développement (CIRAD) as part of the FerloSine project, utilizing advanced remote sensing technologies and Geographic Information Systems (GIS) to provide accurate and up- to-date data. This research is part of a key component of the project: the automated creation of a vector- based typology of agricultural plots using deep learning. The typology is derived from multispectral and multi-temporal data collected in Diohine village, Fatick department. The developed model aims to classify and characterize agricultural plots, enabling the assessment of productivity, analysis of agricultural practices, and understanding of their environmental impact. This work provides a solid foundation for researchers and policymakers, facilitating the adaptation of agricultural practices to climate challenges and improving land management.

Mots-clés libres : Apprentissage profond, Parcellaire morcelé, Senegal, Bassin arachidier, SIG

Agences de financement hors UE : Agence Nationale de la Recherche

Projets sur financement : (FRA) Scenario labs to design and evaluate trajectories toward C neutrality, (FRA) Pilotage et gouvernance du programme FairCarboN, ferlos

Auteurs et affiliations