Grimene C. (2018).
Classification de loccupation des terres agricoles par télédétection satellitaire. Mémoire (Master 2 GAT) : CIHEAM-IAMM, Montpellier. 70 p. Mémoire Master 2. Gestion des territoires et développement local. Parcours : Gestion Agricole et Territoires [GAT]. Co-accréditation Université Paul Valéry de Montpellier, CIHEAM-IAMM
Titre : | Classification de loccupation des terres agricoles par télédétection satellitaire |
Auteurs : | C. Grimene |
Type de document : | Thèse, Mémoire, Master |
Editeur : | s.l. : s.n., 2018 |
Format : | 70 p. |
Note générale : | Mémoire Master 2. Gestion des territoires et développement local. Parcours : Gestion Agricole et Territoires [GAT]. Co-accréditation Université Paul Valéry de Montpellier, CIHEAM-IAMM |
Langues : | Français |
Langues du résumé : | Anglais ; Français |
Catégories : |
Thésaurus IAMM TELEDETECTION ; TERRE CULTIVEE ; UTILISATION DES TERRES ; CLASSIFICATION DES TERRES ; ARGENTINECatégories principales 06 - AGRICULTURE. FORÊTS. PÊCHES ; 6.6 - Technique Agricole (sols, engrais, mécanisation) |
Résumé : | Le présent document sintéresse à la détection et au suivi des cultures en Argentine. Ce pays fait partie des géants agricoles en terme de production en grandes cultures et en cultures oléagineuses telles que le soja et le blé. Dans ce contexte, lobjectif de ce travail consiste à concevoir un modèle de détection et de classification automatique des terres cultivées. Les potentialités agricoles couplées aux larges étendues dédiées aux cultures donnent raison au développement de cet outil. Cette manipulation est basée sur deux approches : une analyse de télédétection satellitaire et une application des algorithmes dapprentissage automatique. Le travail a été réalisé à laide des données satellitaires Sentinel2 et dune base de données des cultures de 2014 à 2017. La démarche consiste à employer lalgorithme Random Forest à laide des codes de programmation sous le logiciel R pour extraire une matrice de signatures spectrales associées aux cultures choisies (maïs, soja, blé, orge, lentille). Cette matrice a servi ensuite à appliquer le modèle de classification afin de produire des prédictions des classes de chaque pixel des images Sentinel2. Le résultat de sortie représente une carte doccupation des sols facilement manipulable pour estimer les superficies des cultures et préciser leurs contours. Les principaux résultats obtenus lors de lapplication du modèle sont : une validation de détection du maïs de 88%, 92% pour le soja et 82% pour le blé. Le modèle a généré également des estimations des superficies agricoles des cultures dété au niveau dun département Argentin très proches de celles produites par le Ministère de lAgriculture avec des faibles marges derreur de 7% pour le maïs et de 9% pour le soja. |
Nature du diplôme : | Mémoire (Master 2 GAT) |
Université de soutenance : | CIHEAM-IAMM |
Ville de l'université de soutenance : | Montpellier |
Cote : | ARG-I11-GRI-2018 |
Directeur de Thèse : | Le Grusse P. |
Membres du Jury : | Belhouchette H.; Le Grusse P.; Louvet S. |
Exemplaires (1)
Code-barres | Cote | Support | Localisation | Section | Disponibilité |
---|---|---|---|---|---|
27804 | ARG-I11-GRI-2018 | Papier | Centre de documentation | Réserve Géographique | Disponible |