Système d’aide à la décision spatiotemporel pour l’adaptation au
changement climatique appliqué à l’agriculture.
Présenté par : Larissa Marie RAMIANDRISOA
Université de Fianarantsoa
Directeur de thèse : Pr Aimé Richard HAJALALAINA
Co-directeur: Dr Hasina Lalaina RAKOTONIRIAINY
Fianarantsoa le, 09/03/2025
Encadreurs : Dr Andry RAZAKAMANANTSOA et Dr Mario ALSAYA
09/03/2025
1
PLAN
1 Contexte général
2 Problématiques
3 Objectifs scientifiques et opérationnels
4 Architecture proposée
5 Plan d’expériences
6 Conclusion et perspectives
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 2
1. CONTEXTE GENERAL
Un système informatique capable de
prédire les changements et d’adapter le
calendrier cultural
Optimiser la prise des décisions
Dégradation Destruction Perte Optimiser la production
environnement agriculture économique
(Zimber and (Kmoch et al, 2018)
Galos, 2016)
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 3
2. PROBLEMATIQUES
Données hétérogènes (satellites, BD externes, observation des
pratiques culturales, IoT, WSN, drones)
Système non interopérable (Fouille de données non réutilisables,
prévisions non réutilisables, résultats non réutilisables)
Système gourmand en terme de ressource
Système complexe donc difficile à mettre en œuvre
Besoin d’une architecture simple, rapide, efficace et facile à
mettre en œuvre.
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 4
3. OBJECTIFS SCIENTIFIQUES &
OPERATIONNELS
Utiliser les normes OGC pour normaliser les données collectées
et concevoir un nouveau ETL pour transformer ces données.
Concevoir un OLAP dans le contexte du changement climatique
Modéliser une nouvelle architecture de SGD basé sur l’IA
(SMA, deep learning, ML, datamining) et le datawarehouse
(entrepôt de données) appliquée à l’agriculture.
Développer des applications web, desktop et mobile
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 5
ETAT DE L’ART- RESUME
Unité d’acquisition des données: WSN, IoT, satellites, drone, sources de données(BD),
Unité de stockage, de traitements et d’analyse: ETL, Datawarehouse, Datamining, IA( ML, DL,
SMA), OLAP
Pistes de recherche:
Développement d’un système géodécisionnel intelligent basé sur les SMA appliqué à
l’agriculture (Wayne et al. 2020 )
L'agent neuronal: intégrer un ensemble de techniques de réseaux neuronaux à chaque agent
de contrôle pour avoir un système d’aide à la décision auto-adaptatif et améliorer ainsi
l’environnement distribué. (Taipei, Taiwan: IEEE, 2015, pp. 494–501)
09/03/2025 6
4. ARCHITECTURE PROPOSEE
Collecte des données Traitements et stockage Analyse Unité de décision
Load
Data warehouse IA
Normes OGC Extra
ct
Transf OLAP
orm
Prédictions des
ETL paramètres
influents au
changement
climatique dans le
Data marts domaine agricole
SGBD
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 7
5. PLAN D’EXPERIENCES
Source des données (BD),
Collecte et images satellitaires SENTINEL,
traitements des observation des agriculteurs
données
Suivre trois
types de Validation du Modélisation et
cultures système développement Algorithme, Python, R
différentes
du système
Deep learning, séries
La précision du Etude de Apprentissage temporelles, Réseau
modèle convergence profond des neurones, fouille
développé des données
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 8
Calendrier de thèse
Période Planning
Année 1 Etat de l’art
Construction et validation de la méthodologie de travail
Prise en main des outils (ETL, Datawaerhouse, OLAP, QGIS, IA)
Collecte et traitements des données (télédétection, traitement des images, données météos,
données pédologiques, données de production )
Rédaction d’un article sur le modèle d’architecture proposée
Année 2 Conception d’un ETL hybride spécialement pour traiter les données hybrides(continues et RSS)
pour le système.
Rédaction d’un article sur l’ETL crée
Conception des datawarehouses spécifiques dans le contexte du changement climatique dans le
domaine de l’agriculture
Développement de l’application et conception de la fouille de données pour la prédiction
Année 3 Rédaction d’un article sur la méthodologie et le système développé
Expérience et discussion du résultat
09/03/2025 Rédaction mémoire
9
Travails réalisés
Etat de l’art: Système d’aide à la décision, agriculture de précision,
SGBD appliqué à l’agriculture dans le contexte changement
climatique
Etude sur terrain, domaine SOAMAF (occupation et utilisation des
sols) ===>carte d’occupation et utilisation des sols
Communication affichée, JR 2023
36 Heures de cours de TD et TP en algorithme et programmation
Encadrement des étudiants L3 pro en géographie, parcours
cartographie numérique et aménagement du territoire
Organisation des journées de la recherche, UF
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 10
Travails réalisés
Collecte de données météorologiques 1996-2020( service météo
HM)
Traitement des données météorologiques 1996-2020
Cours sur l’ETL, OLAP et datawarehouse
Formation sur l’écriture scientifique
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 11
Perspectives- Livrables
opérationnels
— Au moins trois articles scientifiques publiés
— Applications Web, desktop et mobile d’aide à la décision basé
sur l’IA appliqué à l’agriculture
— Carte d’adaptation au changement climatique dans le
domaine agicole
— Un brevet déposé
— Une Start up créée
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 12
Perspectives- Formations Envisagées
QGIS, traitement d’images
1 satellitaires et télédétection
Programmation en python et R
2 avancé
FORMATIONS
3 IA Distribué (Deep learning)
ENVISAGEES
4 Méthodologie d’enseignement
5 Gestion de projet
09/03/2025 Présenté par : Larissa Marie RAMIANDRISOA Unive
rsité de Fianarantsoa 13
Bibliographies-IA et agriculture
1. 2023: Deep learning for precision agriculture: a bibliometric for analysis. Souleman et al. ELSIVIER( intelligence
system with applications)
2. 2023: A comparative study of deep learning and Internet of Things for precision agriculture. T. Saranya et al.
ELSIVIER ( Enginering applications of artificial intelligence) vol 122 .
3. 2020: From Industry 4.0 to Agriculture 4.0: Current Status, Enabling Technologies, and Research Challenges. Ye
Liu et al. IEE Internet of things Journal
4. 2019: Internet of things based smart agricutlture. Muhamad Ayaz et al. IEE Internet of things Journal
5. 2013: Formalisation des chaines de traitements de données spatiales satellitaires sur la forêt à Madagascar.
A.R Hajalalaina et al. HAL
6. 2010: The study and application of the IOT tehcnology in agriculture. Ji-chun Zhao et al. IEE Internet of things
Journal
09/03/2025
14
