Etude comparative de la variabilité de l’indice NDVI et de la variabilité climatique en Algérie

Abstract

La prévision précise de la production agricole représente un dé en raison de la nécessité d’identi er et de comprendre les paramètres clés ainsi que leurs interactions. Les modèles e caces doivent re éter les conditions environnementales régionales, intégrer la variabilité climatique, et considérer la nature dynamique des schémas de consommation agricole, tels que les évolutions de la demande du marché et des tendances de consommation. De plus, les variations dans les variétés de cultures, notamment les di érences dans les cycles de croissance, la résistance aux ravageurs, et l’impact de la variabilité de l’NDVI (Normalized Di erence Vegetation Index, soit en français : Indice de Végétation par Di érence Normalisée), ainsi que les pratiques agricoles variées comme l’irrigation et la gestion des sols, contribuent à la variabilité et aux risques liés à la production. Il est essentiel de prendre en compte l’interaction entre ces paramètres, en particulier la corrélation entre la variabilité du NDVI et celle des conditions climatiques, qui in uence directement la précision des prévisions. Dans ce travail, nous introduisons un framework de modélisation basé sur les données, appelé AFFAC (Advanced Forecasting Framework for Agricultural Cultures), pour améliorer la précision des prévisions de production agricole. Ce framework se concentre particulièrement sur l’amélioration des prédictions pour la culture de l’olivier, un élément clé de l’agriculture méditerranéenne. En intégrant des paramètres et des conditions spéci ques à la culture de l’olivier, AFFAC vise à fournir des prévisions plus précises et à mieux soutenir la prise de décision dans la production et la gestion des oliveraies. Pour atteindre cet objectif, le framework établit d’abord un processus systématique de collecte et de gestion des données relatives à la production culturelle agricole, en s’appuyant sur des sources de données et des processus diversi és. Il intègre ensuite les connaissances des experts pour identi er et sélectionner les variables d’entrée qui in uencent les facteurs d’impact les plus sensibles de la production culturelle. En outre, le cadre propose des options de personnalisation, permettant aux utilisateurs de sélectionner et d’appliquer facilement di érents modèles de prévision en associant des paramètres d’entrée pertinents aux spéci cations des modèles. Pour valider l’e cacité de notre framework, nous avons mené des expériences approfondies a n d’évaluer la précision des modèles de prévision générés par AFFAC. Les résultats indiquent que le framework AFFAC atteint une grande précision dans la prévision des résultats de la production culturelle.