| Titre : | Développement d’une approche basée sur l’apprentissage profond pour la détection de la déforestation en exploitant l’imagerie Planet et le supercalculateur à haute performance (HPC) |
| Auteurs : | DAHOU Anas, Auteur ; EL HARROUNI Nizar, Auteur ; HAJJI Hicham, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2024 |
| Format : | 90 |
| Langues: | Français |
| Mots-clés: | Déforestation ; Forêt ; Image Satellitaire ; Planet ; HPC ; Segmentation Sémantique ; U-Net ; Attention U-Net. |
| Résumé : |
La déforestation est un problème croissant au Maroc. Les écosystèmes forestiers marocains, caractérisés par une biodiversité riche, sont exacerbés par des incendies de forêt de plus en plus fréquents et dévastateurs, et mis à rude épreuve par des pratiques telles que le surpâturage, l'exploitation illégale du bois et l'urbanisation rapide dépassant largement les capacités de régénération naturelle des forêts. Pour contrer ces menaces, l'utilisation de technologies avancées comme la télédétection et l'intelligence artificielle appliquées à l'imagerie satellitaire se démarque comme étant une solution prometteuse.
Ce projet de fin d'études vise à développer une approche basée sur l’apprentissage profond pour détecter automatiquement les zones affectées par la déforestation à partir d'images satellitaires RVB et PIR de haute résolution fournie par l’imagerie Planet. Il se distingue par l’utilisation du supercalculateur à haute performance (HPC) qui permet de traiter des quantités massives de données et d'effectuer des calculs complexes de manière rapide et efficace. Ce travail présente trois modèles d’apprentissage profond à savoir le modèle ‘U-Net’, ‘Attention U-Net’ et ‘Self-Attention U-Net’ entrainés sur des images satellitaires capturées par la constellation ‘PlanetScope’. Les résultats aboutis par Attention U-Net, étant le modèle jugé le plus performant sont comme suit : un score F1 de 89%, un IoU moyen de 80%, et une précision de 91%, qui s’avèrent compétitifs aux approches précédentes de classification des zones de forêt. Notre plateforme offre une interface interactive qui permet à l’utilisateur de passer par toutes les étapes de notre approche réalisée: la création ou l’ajout de la région d’intérêt, la recherche des images dans cette région selon une plage de dates et leur téléchargement, la création des mosaïques et de l’image composite de la période demandée, la classification des images composites par nos modèles pré-entrainés, la visualisation des images, des masques prédits par le modèle, et la détection du changement (déforestation) entre deux dates. |
| En ligne : | http://10.2.0.27//cda/ebooks/DAHOU_EL_HARROUNI_2024.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200041269 | 10240 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur topographe | Consultation sur place Exclu du prêt |
