|
Résumé :
|
La fièvre catarrhale ovine (Bluetongue) s’est largement étendue ces dernières années, sous l’effet de facteurs climatiques et environnementaux qui influencent la distribution de ses vecteurs, les moucherons du genre Culicoides. Face aux limites des méthodes classiques de prédiction, cette étude propose une approche innovante pour anticiper les foyers de Bluetongue au Maroc. En combinant des données épidémiologiques avec des variables éco-climatiques (indice de végétation NDVI, altitude, température, pluviométrie, etc.), plusieurs modèles de prédiction ont été testés et comparés, allant des méthodes statistiques classiques à des techniques d’intelligence artificielle. Parmi eux, le modèle XGBoost a montré les meilleures performances, avec une précision nettement supérieure aux approches traditionnelles. Les résultats confirment que l’intégration des facteurs éco-climatiques permet d’améliorer significativement la qualité des prédictions. L’étude identifie notamment le NDVI, la réflectance NIR, les précipitations, la température minimale et la vitesse du vent comme les variables les plus influentes dans la survenue des épizooties. Une cartographie thématique a permis de visualiser ces résultats et de mettre en évidence une forte cohérence entre les prédictions du modèle et la répartition réelle des cas observés dans les provinces touchées au cours des 20 dernières années. Ce travail démontre l’intérêt de combiner les données de terrain avec des outils d’analyse avancés pour renforcer la surveillance épidémiologique. Le modèle développé constitue un outil prometteur pour anticiper les risques, orienter les actions de prévention et améliorer la gestion de la Bluetongue au Maroc.
|
