Please use this identifier to cite or link to this item: http://dspace.univ-tiaret.dz:80/handle/123456789/14545
Title: Cartographie des aptitudes agricoles dans la région de Tiaret par télédétection et apprentissage automatique
Authors: Belfali, Manel Dalila
Cherik, Bouchra Kheira
Keywords: Aptitude agricole
Agriculture
apprentissage automatique
Google Earth Engine
Issue Date: 25-Jun-2023
Publisher: Université Ibn Khaldoun
Abstract: La région de Tiaret est reconnue comme une zone agricole en raison de sa situation géographique favorable, notamment pour la culture des céréales. Cependant, elle fait face à des défis similaires à d'autres régions, tels que le problème de la sécheresse, causé par une faible pluviométrie ces dernières années. L'objectif de cette étude était d'évaluer l'adéquation des cultures avec les territoires de la région de Tiaret en utilisant des données de télédétection. Des images satellites (Sentinel 2) ont été utilisées pour générer une carte des aptitudes agricoles grâce à des techniques d'apprentissage automatique supervisé. L'apprentissage automatique est une branche de l'intelligence artificielle qui permet aux ordinateurs d'apprendre à partir de données et de prendre des décisions en se basant sur ces apprentissages. Cette approche offre l'avantage de traiter de grandes quantités de données de manière précise et efficace. De plus, des indicateurs tels que la santé de la couverture végétale et le degré de sécheresse ont été obtenus à partir de la plateforme Google Earth Engine. Les résultats obtenus révèlent les zones les plus favorables à certaines cultures dans la région de Tiaret. Ces résultats peuvent être utilisés pour orienter les décisions en matière de planification agricole, notamment dans le choix des cultures les plus adaptées à chaque zone, l'optimisation de l'utilisation des ressources et la gestion des terres agricoles
Description: The Tiaret region is recognized as an agricultural area due to its favorable geographical location, especially for cereal cultivation. However, it faces similar challenges to other regions, such as the problem of drought caused by low rainfall in recent years. The objective of this study was to assess the suitability of crops in the territories of the Tiaret region using remote sensing data. Satellite images (Sentinel 2) were utilized to generate a map of agricultural suitability through supervised machine learning techniques. Machine learning is a branch of artificial intelligence that enables computers to learn from data and make decisions based on those learnings. This approach offers the advantage of processing large quantities of data accurately and efficiently. Furthermore, indicators such as vegetation cover health and the degree of drought were obtained from the Google Earth Engine platform. The obtained results reveal the most favorable zones for specific crops in the Tiaret region. These findings can be used to guide decisions in agricultural planning, particularly in selecting the most suitable crops for each zone, optimizing resource utilization, and managing agricultural lands
URI: http://dspace.univ-tiaret.dz:80/handle/123456789/14545
Appears in Collections:Master

Files in This Item:
File Description SizeFormat 
Mémoire Belfali-Cherik.pdf14,7 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.