| Titre : | Exploitation des paramètres phénologiques dérivés des images Sentinel 2 pour la cartographie des cultures : Cas de la plaine de Triffa, région de l'oriental-Maroc |
| Auteurs : | CHAAR Mouad ; MAHA Hichame ; El MANSOURI Loubna |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2020 |
| Collection : | Paramθtres phιnologiques# Cartographie agricole# sιrie temporelle NDVI# Support Vector Machine (SVM)# Random Forest (RF)# sιlection automatique et assistιe |
| Format : | 106 |
| Mots-clés: | Paramètres phénologiques ; Cartographie agricole ; série temporelle NDVI ; Support Vector Machine (SVM) ; Random Forest (RF) ; sélection automatique et assistée. |
| Résumé : |
L’agriculture est l’un des principaux piliers de l’économie marocaine. Pour accompagner les programmes lancés dans ce secteur, il est important d’étudier les étendues terrains et développer les méthodes fiables de cartographie des cultures. Cela va nous assurer une bonne gestion et un suivi fin du territoire national, notamment en matière des surfaces végétalisées et des types de cultures pratiquées. Actuellement, les technologies émergentes et les méthodes de traitement qui ne cessent de se développer proposent des solutions pratiques en un temps réduit et avec des résultats étonnants et précis. C’est dans ce cadre que s’insère notre projet de fin d’étude intitulé « Exploitation des paramètres phénologiques dérivés des images Sentinel-2 pour la cartographie des cultures : Cas de la plaine de Triffa, région de l’Oriental-Maroc».
Dans ce projet, nous présentons une approche de classification supervisée par SVM et RF basée sur la combinaison des paramètres phénologiques avec une série temporelle de NDVI. Ces paramètres sont obtenus à travers le logiciel TIMESAT après analyse et traitement des profils temporels de NDVI de la saison agricole 2018-2019, objet de l’étude. Ainsi, nous évaluons l’apport de l’intégration de la phénologie par rapport à l’utilisation habituelle de l’indice de végétation normalisé, NDVI, seulement. Et nous proposons une comparaison des méthodes SVM et RF et des processus de sélection des paramètres phénologiques à savoir : automatique et assisté. A travers cette étude, nous avons déterminé deux sous-ensembles de paramètres phénologiques, choisis manuellement et automatiquement capables de fournir des précisions globales de classification par SVM et RF de 94,3 % et 93,8 % avec un kappa de 0,92 et 0,91 respectivement. De plus, la phénologie intégrée a fait preuve de son performance en augmentant de 4 % et 10 % la précision de détection de la classe des céréales (cultures saisonnières) par classification SVM et RF respectivement en comparaison avec l’usage unique de l’indice de NDVI. |
| En ligne : | http://10.2.0.27/PDF_CDA/uploads/PDF/CHAAR_MAHA_2020_9317.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 100008468 | 9317 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur topographe | Consultation sur place Exclu du prêt |
