Sélection des Variables Indépendantes pour la Prédiction du Rendement des Cultures à l'Aide de Modèles de Réseaux de Neurones Artificiels avec des Données de Télédétection

Connaitre le rendement attendu des cultures pour la saison de croissance en cours fournit des informations précieuses pour les agriculteurs, les décideurs politiques et les usines de transformation des aliments. L'un des principaux avantages de l'utilisation d'outils de prévision fiables est de générer plus de revenus grâce aux cultures produites. Les informations sur la quantité récoltée avant la récolte aident à guider l'adoption d'une stratégie appropriée pour la gestion des produits agricoles. La difficulté à créer des modèles de prévision est liée à la sélection appropriée des variables indépendantes. Leur sélection adéquate nécessite une connaissance parfaite de l'objet de recherche. Le présent article présente et discute des variables indépendantes les plus couramment utilisées dans la modélisation de la prédiction du rendement des cultures agricoles basée sur des réseaux de neurones artificiels (ANNs). Une attention particulière est accordée aux variables environnementales, telles que les données climatiques, la température de l'air, les précipitations totales, l'insolation et les paramètres du sol. La possibilité d'utiliser des indices de productivité des plantes et des indices de végétation, qui sont des prédicteurs précieux obtenus grâce aux techniques de télédétection, est analysée en détail. L'article souligne que l'utilisation de plus en plus courante des outils de télédétection et de photogrammétrie permet le développement de l'agriculture de précision. De plus, certaines limitations dans l'application de certaines variables d'entrée sont précisées, ainsi que d'autres possibilités de développement de la modélisation non linéaire, utilisant des réseaux de neurones artificiels comme outil soutenant l'utilisation pratique et l'amélioration des techniques d'agriculture de précision.