Fouille de données stochastique pour la compréhension des dynamiques temporelles et spatiales des territoires agricoles. Contribution à une agronomie numérique des territoires - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2012

Fouille de données stochastique pour la compréhension des dynamiques temporelles et spatiales des territoires agricoles. Contribution à une agronomie numérique des territoires

Résumé

Agriculture is the human activity that uses and transforms most of the Earth’s surface. Agricultural intensification and simplification have created numerous ecological and environmental problems. To better manage the future development of agricultural landscapes, it is important to understand the past and current dynamics of agricultural landscapes at regional scales compatible with the scales where environmental and ecological services manifest themselves. Yet, most studies on agricultural dynamics at regional scales do not distinguish between the dynamics related to a steady-state farming activity and the dynamics related to changes in the mechanisms of farming activity. Meanwhile, studies reported in the literature that make this distinction have the disadvantage of being difficult to duplicate. The purpose of this thesis is to develop a generic method for modelling the past and current dynamics of Landscape Organization of Farming Activity (LOFA). We developed a stochastic modelling method based on Hidden Markov Models that allows data mining within a corpus of spatio-temporal land use data to segment the corpus and reveal hidden agricultural dynamics. We applied this method to land use corpora from various sources (field surveys, remote sensing) belonging to two agricultural landscapes of regional dimension: the study site of Chizé (430 km2, Poitou-Charentes, France) and the catchment area of Yar (60 km2, Brittany, France). This method provides three contributions to the modeling of LOFA : (i) LOFA description following a temporo-spatial approach that first identifies temporal regularities and then localizes them by segmenting the agricultural landscape into compact areas having similar temporal regularities ; (ii) data mining of the neighborhood of land use successions and their dynamics ; (iii) combining of the regularities revealed by our data mining approach at the regional level with rules identified by agronomy and ecology experts at more local scales to explain the regularities and validate the experts’ hypotheses. We tested the generic nature of the first contribution on the two study sites. The last two LOFA modelling contributions were developed abd tested on the study site of Chizé. Our results validate the hypothesis according to which LOFA fits well a Markov field of land-use successions. This thesis opens the door to a new LOFA modelling approach that investigates the combining of regularities and rules and that further exploits artificial intelligence tools. This work could serve as the beginning of what could become a numerical landscape agronomy.
L’agriculture est l’activité humaine qui utilise et transforme la plus grande partie de la surface terrestre. Son inten-sification et son uniformisation ont engendré plusieurs problèmes écologiques et environnementaux. Comprendre les dynamiques passées et actuelles des territoires agricoles à des échelles régionales, compatibles avec les échelles où s’expriment les services environnementaux et écologiques, est nécessaire pour mieux gérer l’évolution future des territoires agricoles. Pourtant, la plupart des travaux qui ont étudié les dynamiques agricoles à des échelles régionales ne distinguent pas les dynamiques liées au fonctionnement régulier de l’activité agricole de celles liées à des changemements dans son fonctionnement. Les autres travaux rapportés dans la littérature qui font cette distinction présentent toutefois l’inconvénient d’être difficilement reproductibles. Cette thèse vise ainsi à développer une méthode générique de modélisation des dynamiques passées et actuelles de l’organisation territoriale de l’activité agricole (OTAA). Nous avons développé une méthode de modélisation stochastique fondée sur des modèles de Markov cachés qui permet de fouiller un corpus de données spatio-temporelles d’occupations du sol (OCS) en vue de le segmenter et de révéler des dynamiques agricoles cachées. Nous avons testé cette méthode sur des corpus d’OCS issus de sources variées (relevés de terrain, télédétection) et appartenant à deux territoires agricoles de dimensions régionales : le site d’étude de Chizé (430 km2, Poitou-Charentes) et le bassin versant du Yar (60 km2, Bretagne). Cette méthode apporte 3 contributions à la modélisation de l’OTAA : (i) la description de l’OTAA suivant une approche temporo-spatiale qui identifie des régularités temporelles, puis les localise en segmentant le territoire agricole en zones compactes de régularités temporelles similaires ; (ii) la fouille des voisinages des successions d’OCS et de leurs dynamiques ; (iii) l’articulation des régularités révélées par notre approche de fouille de données à l’échelle régionale avec des règles identifiées par des experts en agronomie et en écologie à des échelles plus locales en vue d’expliquer les régularités et de valider les hypothèses des experts. Nous avons testé la généricité de la première contribution sur les deux territoires d’études. Les deux dernières contributions ont été développées et testées sur le site d’étude de Chizé. Nos résultats valident l’hypothèse que l’OTAAse prête bien à la représentation par un champs de Markov de successions. Cette thèse ouvre la voie à une nouvelle approche de modélisation de l’OTAA explorant le couplage entre régularités et règles, et exploitant davantage les outils d’intelligence artificielle. Elle constituerait les prémices de ce qui pourrait devenir une agronomie numérique des territoires.
Fichier principal
Vignette du fichier
2012_LAZRAK_these_1.pdf (7.92 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

tel-02809289 , version 1 (06-06-2020)

Identifiants

  • HAL Id : tel-02809289 , version 1
  • PRODINRA : 184371

Citer

El-Ghali Lazrak. Fouille de données stochastique pour la compréhension des dynamiques temporelles et spatiales des territoires agricoles. Contribution à une agronomie numérique des territoires. Sciences du Vivant [q-bio]. Université de Lorraine, 2012. Français. ⟨NNT : ⟩. ⟨tel-02809289⟩
45 Consultations
116 Téléchargements

Partager

Gmail Facebook X LinkedIn More