PFIA 2024
Estimation du Rendement du Mil Perlé (Pennisetum glaucum) par Machine Learning à l’aide d’Images Satellites
Amine Chemchem, Lucas Mohimont, François Alin, Luiz Angelo Steffenel
L’estimation du rendement agricole contribue à de nombreux objectifs de développement durable des Nations Unies, pouvant être considéré comme un outil de prise de décision pour un système 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 méthodes 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.