Data Science & Intelligence Artificielle
Contexte & Problématique
Ce projet de recherche appliquée vise à exploiter l'imagerie satellite multi-spectrale (Sentinel-2, Landsat) combinée à des techniques avancées d'intelligence artificielle géospatiale pour cartographier et prédire avec précision la fertilité et la salinité des sols agricoles marocains. Dans un contexte de stress hydrique accru et de changement climatique, la détection précoce de la dégradation des sols permet d'optimiser les intrants minéraux et de préserver les rendements des cultures à l'échelle régionale et nationale.
Objectifs principaux du projet
- Collecter, prétraiter et fusionner des données satellitaires multi-spectrales (indices NDVI, NDWI, SI, etc.) avec des échantillons pédologiques au sol.
- Concevoir et entraîner des modèles d'apprentissage automatique et profond (CNN géospatiaux, Random Forest, XGBoost) pour la régression et la classification de la salinité/fertilité.
- Développer un pipeline d'inférence cartographique automatisé et une interface de restitution SIG web interactive pour les agronomes et exploitants.
Stack technologique & Outils
Livrables attendus
- Pipeline automatisé d'extraction et de prétraitement des scènes satellites.
- Modèle d'IA entraîné et validé sur des zones agricoles marocaines cibles.
- Application web cartographique interactive (dashboard SIG).
- Rapport de PFE scientifique et documentation d'intégration.
Ce sujet vous intéresse ?
Envoyez votre CV accompagné d'une lettre de motivation mentionnant vos compétences techniques, vos projets académiques ou personnels pertinents ainsi que vos disponibilités.
Postuler à ce sujet