![[Live+] SIG 2023, le Géo évènement](https://cdn-assets.inwink.com/6be13330-fbb8-ed11-9174-cc60c8a8cb11-public/assets/pictures/logo-sig-2023/Logo-SIG2023-attente3.gif){kind=logo}
![[Live+] SIG 2023, le Géo évènement](https://cdn-assets.inwink.com/6be13330-fbb8-ed11-9174-cc60c8a8cb11-public/assets/pictures/logo-sig-2023/Logo-HD-banniere-bleu.gif){kind=logo}
L'effet des covariables sur la variabilité de la matière organique du sol et du pH : Une approche de cartographie numérique des sols utilisant un algorithme de Machine Learning
Oct 10, 2023 — 12:45 - 1:15 PM
Présentée par
Description
Cette étude analyse la variation spatiale de la matière organique du sol (MOS) et des niveaux de pH dans le nord du Maroc. En utilisant l'algorithme Boruta pour la sélection des caractéristiques et une optimisation des hyperparamètres, un modèle Random Forest (RF) combiné à des indices de télédétection et des attributs topographiques a été employé pour prédire la MOS et le pH, afin de déceler les éléments influençant leur variabilité. Les indices tels que le RVI, NDVI et TNDVI, relatifs à la santé végétale, ont été prédominants pour la MOS, contrairement aux caractéristiques topographiques. La prédiction du pH était complexe à cause de la faible variabilité spatiale des données. Toutefois, une relation entre une MOS élevée et un pH bas a été confirmée, indiquant une acidification du sol. Bien que le modèle RF montre une efficacité pour la MOS, il nécessite des ajustements pour le pH. L'étude illustre la pertinence des modèles prédictifs optimisés pour la gestion des sols.
