Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire – Cas de la production agricole en Afrique de l'Ouest

par Hugo Deleglise

Projet de thèse en Informatique

Sous la direction de Mathieu Roche, Agnès Bégué et de Maguelonne Teisseire.

Thèses en préparation à Montpellier , dans le cadre de École Doctorale Information, Structures, Systèmes (Montpellier ; 2015) , en partenariat avec TETIS - Télédétection Environnement Télédetection et Information Spatiale (laboratoire) depuis le 01-10-2018 .


  • Résumé

    Cette thèse vise au renforcement des systèmes de suivi de la sécurité alimentaire (SSA) par l'utilisation de données hétérogènes. Alors que les données agro-climatiques (imagerie satellitaire, données climatiques, etc.) sont largement utilisées dans les SSA, l'utilisation de données provenant de différents domaines (enquêtes ménages, médias sociaux, presse, analyse de marché) a souvent été négligée. La télédétection, utilisée en routine pour les suivis en temps réel de la croissance de la végétation, ne suffit pas à expliquer des situations d'insécurité alimentaire. L'objectif de cette thèse est double : (i) définir des techniques originales de fouille de données conçues spécifiquement pour le traitement de données hétérogènes. Pour cela, trois phases ont été identifiées : l'identification automatique des descripteurs spatiaux à partir des données hétérogènes, la mise en relation des descripteurs (par la définition de nouvelles mesures de similarité) et la fouille de données (nouvelles techniques d'analyse de réseau, de clustering et d'apprentissage profond) ; (ii) montrer comment les données de télédétection peuvent être enrichies en les reliant à des données de domaines différents afin de les rendre plus adaptées à l'analyse de phénomènes complexes de sécurité alimentaire. Pour ce travail, nous nous concentrerons sur des études menées au Burkina Faso, en mobilisant des données agroclimatiques, économiques et textuelles. Le cadre d'analyse s'appuiera sur une analyse rétrospective, mettant l'accent sur les mauvaises récoltes de 2007 et 2011 au Burkina Faso comme des cas d'étude majeurs. Par ailleurs, d'autres terrains pourront également être étudiés, en mobilisant des données disponibles au Sénégal. Compte tenu du parcours interdisciplinaire envisagé pour ce travail, les résultats de l'analyse et les techniques définies présenteront un intérêt significatif dans les domaines de la socio-économie, la télédétection et la fouille de données. Pendant la période de thèse, le doctorant participera également à des missions (deux à trois semaines) en Afrique de l'Ouest, en collaboration avec des experts dans le domaine de la télédétection et de la sécurité alimentaire. Cette thèse est co-financée par le Cirad (https://www.cirad.fr) et par l'Institut de Convergence “Agriculture Numérique” #DigitAg (http://www.hdigitag.fr).

  • Titre traduit

    Improving food security systems by linking heterogeneous data - The case of agricultural production in West Africa


  • Résumé

    This thesis aims at the improvement of Food Security Monitoring systems through the use of heterogeneous data, focusing on the management of agricultural production risks. While agroclimatic data (e.g., satellite imagery, climate information, etc.) has been widely used for this task, the use of data coming from different domains (i.e., household surveys, social media, press, business analyses) has often been neglected. Remote sensing data is widely used for real time monitoring of vegetative growth, but is not sufficient to explain complex food safety-risk phenomena. The aim of this thesis is twofold: (i) to define innovative data mining techniques that will be able to exploit this heterogeneous data context. To reach this goal, three phases have been identified: (a) automatic discovery of spatial features from heterogeneous data, (b) features linking (i.e., through the definition of new similarity measures between features) and (c) data mining (i.e., through the definition of new network analysis, clustering and deep learning techniques) ; (ii) to show how remote sensing data can be enriched by linking it to data from different domains in order to make it more suitable for food safety-risk analysis tasks. During this thesis, we will focus on studies carried out in Burkina Faso, by exploiting satellite (with vegetation and climate features), economic, and textual data. The analytical framework will be based on retrospective analysis, focusing on the crop failures of 2007 and 2011 in Burkina Faso as major cases of studies. We will possibly extend our study to other areas, using data collected in Senegal. Given the interdisciplinary path at the basis of this work, the results of the analysis and the defined techniques are expected to generate significant interest in socio-economic, remote sensing, and data mining fields. During the PhD period, the student will also participate in short term missions (e.g., periods of two or three weeks) to West Africa, working with experts in the field of remote sensing and food security. This PhD is co-funded by Cirad (https://www.cirad.fr/en) and by the Convergence Institute 'Digital Agriculture' #DigitAg (http://www.hdigitag.fr/en).