Plateforme numérique de guides culturaux dans un contexte de changement climatique et de baisse des rendements agricoles

Résumé

Dans l’agriculture, l’estimation du rendement des cultures est essentielle pour améliorer la productivité et les processus décisionnels tels que les prévisions des marchés financiers et la résolution des problèmes de sécurité alimentaire. L’objectif principal de cet article est de disposer d’outils pour prédire et améliorer la précision des prévisions de rendements des cultures à l’aide d’algorithmes de Machine Learning (ML) comme CART¹, KNN² et SVM³. Nous avons développé une application mobile et une application web qui utilisent ces algorithmes pour une utilisation pratique par les agriculteurs. Les tests montrent que notre système (architecture de collecte et de déploiement, application web et application mobile) est opérationnel et permet de valider des connaissances empiriques sur les paramètres agro climatiques en plus de l’aide à la prise de décision proactive. Les résultats expérimentaux obtenus sur les données agricoles et les performances des algorithmes de ML sont comparés à l’aide d’une validation croisée afin d’identifier les plus efficaces suivant les données agricoles. Les applications mises en œuvre démontrent que l’approche proposée est efficace pour prédire le rendement des cultures et donne des réponses rapides et précises aux agriculteurs pour l’aide à la prise de décision.

[1] Classification And Regression Trees

[2] K-nearest neighbors

[3] Support Vector Machine

Mots-clés : Prédiction; Apprentissage automatique; Intelligence Artificielle; Agriculture numérique.