| Titre : | Détection des zones forestières vulnérables aux incendies par l’intelligence artificielle |
| Auteurs : | MOHAMDI MAOULAININE Mohamdi, Auteur ; BOUZIANI Mourad, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2023 |
| Format : | 116 |
| Langues: | Français |
| Mots-clés: | Incendies forestiers ; Apprentissage profond ; Imagerie satellitaire ; Répercussions économiques ; Écologie ; Zones à risque ; Données géospatiales ; VGG16 ; XGBoost ; LightGBM ; Random Forest ; Indicateurs environnementaux ; Performance des modèles ; Gestion des risques d'incendies ; Prévention. |
| Résumé : |
Ce projet de recherche, à la pointe de la technologie, s'attaque à la question pressante des incendies forestiers au niveau mondial en fusionnant l'apprentissage profond et l'imagerie satellitaire. Face aux répercussions majeures de ces incendies sur l'économie, l'environnement et l'écologie, l'adoption de méthodes de détection et de prévention innovantes est primordiale. Notre méthodologie intègre les puissantes capacités de l'apprentissage profond, en particulier le modèle VGG16, reconnu pour son aptitude à décoder des structures complexes dans les données. Ces techniques, combinées à la richesse des données géospatiales fournies par les satellites, ouvrent la voie à l'identification précise des zones à forte propension aux incendies. L'ambition centrale est d'élaborer des modèles prédictifs robustes ciblant les régions forestières les plus vulnérables, en s'appuyant sur un éventail d'indicateurs environnementaux.En parallèle, l'utilisation d'algorithmes d'apprentissage automatique tels que XGBoost, LightGBM et Random Forest enrichit notre analyse comparative, permettant d'évaluer méticuleusement la performance de chaque modèle. À noter que XGBoost a fait preuve d'une excellence remarquable en termes d'efficacité, de précision et de progression d'apprentissage. En conclusion, ce projet avant-gardiste redéfinit les paradigmes de détection et de prévention des incendies forestiers à l'échelle globale. La synergie entre l'apprentissage profond, à l'image du VGG16, et l'imagerie satellitaire a le potentiel de révolutionner la gestion des risques d'incendies, oeuvrant ainsi à la sauvegarde des écosystèmes humains et naturels face aux désastres engendrés par ces sinistres. |
| En ligne : | http://10.2.0.27//cda/ebooks/MOHAMDI_MAOULAININE_Mohamdi_2023.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200041176 | 10087 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur topographe | Consultation sur place Exclu du prêt |
