Estimation du Rendement du Mil Perlé (Pennisetum glaucum) par Machine Learning à l'aide d'Images Satellites
Résumé
L’estimation du rendement agricole joue un rôle crucial dans la poursuite des objectifs de développement durable des Nations Unies, représentant ainsi un outil essentiel dans la prise de décisions concernant les systèmes d’approvisionnement. Dans ce travail, nous nous intéressons à la prédiction du rendement du Pennisetum glaucum, aussi connu comme "mil à chandelle" ou "mil perlé". Connaître le potentiel de production le plus tôt possible permet de prendre des mesures préventives et éviter des défauts d’approvisionnement pour la population. Pour ce faire, nous croisons les données historiques de rendement des parcelles au Sénégal avec des données satellitaires couvrant trois phases différentes du cycle de vie du mil, grâce à des mé- thodes d’apprentissage automatique. En comparant différentes méthodes, nous avons obtenu des estimations de rendement assez précises 1 mois avant la récolte, avec un taux d’erreur qui ne dépasse pas 140 kg/ha.
Origine | Fichiers produits par l'(les) auteur(s) |
---|