Ismaguil HANADE HOUMMA / « Intelligence artificielle et données images massives multi-capteurs pour l’optimisation des systèmes d’alerte précoce dans les agrosystèmes à forte variabilité des extrêmes climatiques »

01 janvier 2021 par Nathalie Brachet [TheChamp-Sharing]
Ismaguil HANADE HOUMMA / « Intelligence artificielle et données images massives multi-capteurs pour l’optimisation des systèmes d’alerte précoce dans les agrosystèmes à forte variabilité des extrêmes climatiques »

Ismaguil HANADE HOUMMA

CV HAL

Doctorant

Début de thèse :
Novembre 2021

Terrains d’études :
Agrosystèmes du bassin fluvial du Sahel central (zone d’intérêt pour le développement et validation scientifique : région de Dosso (Sud-Ouest du Niger)

Partenaires :

Thèses en cours

Intelligence artificielle et données images massives multi-capteurs pour l’optimisation des systèmes d’alerte précoce dans les agrosystèmes à forte variabilité des extrêmes climatiques

Sous la direction de :
Sébastien Gadal (Professeur, Aix-Marseille Université, UMR 7300 ESPACE)

Loubna El Mansouri (Professeur, Remote Sensing and Digital specialist, Institut Agronomique et Vétérinaire Hassan II, Maroc)

Au cours de ces cinq dernières décennies, la recrudescence des extrêmes climatiques plus intenses et plus sévères a induit une hausse générale des coûts et des pertes liées aux dommages sur les systèmes agricoles, sociétaux et environnementaux. Dans les milieux semi-arides tropicaux particulièrement, l’exposition des systèmes agricoles aux extrêmes climatiques locaux comme les séquences prolongées de sécheresses risque de compromettre aujourd’hui les progrès réalisés dans la lutte contre la faim et la malnutrition. Face à cette vulnérabilité climatique grandissante, le manque des systèmes de surveillance et d’alerte précoce à l’échelle locale affecte considérablement la résilience socio-économique des populations et rend inefficaces les réponses d’urgences. Dans la région du Sahel central, les évaluations précises et précoces des conditions de la sécheresse au cours de la saison agricole revêtent une importance capitale pour les partenaires internationaux, les gouvernements et les communautés locales notamment pour la planification des opérations visant l’atténuation des impacts. Ce travail de thèse s’inscrit dans ce contexte et vise à développer un indicateur local pour la surveillance et l’évaluation précise des conditions de la sécheresse agro climatique dans les agrosystèmes semi-arides du sahel central (région de Dosso). Pour atteindre cet objectif, l’approche méthodologique s’appuiera sur l’utilisation conjointe des techniques d’apprentissage automatique et profond et les données images multi-capteurs.