Soutenance de thèse / Ismaguil HANADE HOUMMA
Ismaguil HANADE HOUMMA soutiendra sa thèse de doctorat le mardi 9 janvier 2024, à 14h00 à Aix-Marseille Université (Bt T1 Multimédia – 29, Avenue Robert Shuman, 13621 Aix en Provence, Cedex 1 Bt T1 Multimédia), à Aix-en-Provence.
Intelligence artificielle et données images massives multi-capteurs pour l’optimisation des systèmes d’alerte précoce à la sécheresse dans les agrosystèmes à forte variabilité des extrêmes climatiques
Ce travail a été réalisé sous la direction de Sébastien Gadal, Professeur à Aix-Marseille Université, UMR 7300 ESPACE et de Loubna El Mansouri, Professeur à l’Institut Agronomique Vétérinaire Hassan II (en co-tutelle).
Le jury sera composé de :
- Albin Ullmann, Maître de conférences, HDR Université de Bourgogne (Rapporteur)
- Ahmed El Aboudi, Professeur, Université Mohammed V (Rapporteur)
- Julien Andrieu, Maître de conférences, HDR Université Côte d’Azur (Examinateur)
- Maman Garba, Maitre de recherche, INRA-Niger (Examinateur)
- Vincent Moron, Professeur des universités, Aix Marseille Université (Président du Jury)
- Sébastien Gadal, Professeur des universités, Aix Marseille Université (Directeur de thèse)
- Loubna El Mansouri, Professeur, Institut Agronomique Vétérinaire Hassan II (Co-directrice de thèse)
- Rachid Hadria, Chargé de recherche, INRA-Maroc (Examinateur)
Résumé :
La vulnérabilité agricole à la sécheresse est une préoccupation croissante dans de nombreuses régions du monde notamment dans la région du sahel où les cultures et les pâturages sont souvent confrontés à des conditions de sécheresses sévères et de chaleurs extrêmes qui réduisent leur croissance et leurs rendements. Subséquemment, les défis en matière de sécurité alimentaire et de durabilité des systèmes agricoles sahéliens ne cessent d’augmenter. L’objectif de cette thèse s’inscrit dans une perspective visant à développer des nouvelles approches de modélisation spatiale de la vulnérabilité agricole à la sécheresse en utilisant conjointement les méthodes statistiques et les modèles d’intelligence artificielle dans le but d’améliorer les métriques d’alerte précoce à la sécheresse. La première partie de l’étude s’appuie sur la disponibilité historique de données géospatiales multi-capteurs pour étudier les tendances de la dynamique historique des paramètres de la sécheresse agricole à travers le développement d’un nouvel indice composite multivarié pour le monitoring de la sécheresse agricole (MDCI). Le MDCI a démontré une grande concordance spatio-temporelle entre les indices de validation avec une corrélation maximale de 0,91 avec l’indice de santé de la végétation et un R= 0,85 et un p < 5,8e-10 avec l’indice de sévérité de la sécheresse de Palmer. Les résultats de la dynamique historique suggèrent qu’après la longue décennie sèche de 1981-1990, la sévérité de la sécheresse agricole a connu une baisse remarquable même si les conditions des poches de sécheresse modérées sont relativement plus fréquentes. La dernière partie de l’étude propose un nouvel indice multivarié de vulnérabilité à la sécheresse agricole (MADVI) en mettant en avant les gradients des tendances des indicateurs comme facteurs de vulnérabilité pour entrainer les modèles d’intelligence artificielle plutôt que les anomalies des variables ou l’intensité de leurs fréquences couramment utilisées. Le MADVI a montré une grande adéquation entre la variabilité spatiale des classes de vulnérabilité du MADVI et celles du modèle de référence basé sur l’équation standard de la modélisation de la vulnérabilité avec un R>0.85 et une très significative p-value <0.0000. Ainsi, dans une perspective d’application opérationnelle, les analyses statistiques confirment les capacités des modèles développés à capturer les variations spatio-temporelles des paramètres de la sécheresse.
Mots clefs :
Feux de forêt, Géomatique, Analyse geospatiale, Apprentissage automatique, Modèles spatiotemporels

OpenEdition vous propose de citer ce billet de la manière suivante :
Nathalie Brachet (8 janvier 2024). Soutenance de thèse / Ismaguil HANADE HOUMMA. Carnet de recherche de l'UMR ESPACE. Consulté le 14 février 2025 à l’adresse https://doi.org/10.58079/vjvv