Le Dr Santos Gracia Villar, président de la Fundación Universitaria Iberoamericana (Fondation universitaire ibéro-américaine, FUNIBER), en collaboration avec le Dr Luis Dzul López, recteur de l’Universidad Internacional Iberoamericana de México (Université internationale ibéro-américaine du Mexique, UNINI México), institution qui fait partie du réseau universitaire de la Fondation, participe à une étude innovante qui combine des données sur les caractéristiques du sol avec des techniques d’apprentissage automatique afin d’optimiser la sélection des cultures et d’améliorer la production agricole.
L’agriculture est un pilier fondamental de l’économie et de la subsistance de nombreuses régions. Le choix approprié des cultures est essentiel pour maximiser la productivité et la rentabilité des exploitations agricoles. Cependant, les agriculteurs sont confrontés à des défis importants lorsqu’ils sélectionnent les cultures les plus appropriées pour leurs terres, car un choix inapproprié peut réduire les rendements et entraîner des pénuries alimentaires.
Traditionnellement, la sélection des cultures repose sur l’expérience empirique des agriculteurs et les conseils d’experts. Cependant, cette approche peut être subjective et ne tient pas toujours compte de toutes les variables environnementales et pédologiques qui influencent la croissance des cultures.
L’étude en question introduit une approche innovante qui intègre des informations détaillées sur le sol à des modèles d’apprentissage automatique afin de recommander les cultures les plus appropriées. Un modèle d’apprentissage automatique appelé RFXG, qui combine les algorithmes Random Forest et Extreme Gradient Boosting, a été développé pour analyser des paramètres tels que l’humidité, les niveaux d’azote, de potassium, de phosphore, le pH, les précipitations et la température du sol.
Afin de valider l’efficacité du modèle RFXG, des données pertinentes ont été collectées et prétraitées, puis ses performances ont été comparées à celles d’autres modèles d’apprentissage automatique, notamment des classificateurs tels que Extra Trees, Perceptron Multilayer, Random Forest, Decision Trees, Logistic Regression et Extreme Gradient Boosting. Des techniques d’optimisation des hyperparamètres et de validation croisée K-fold ont été appliquées pour garantir la robustesse du modèle.
Les résultats de l’étude sont prometteurs. Le modèle RFXG a atteint une précision de 98 % dans la recommandation des cultures, surpassant les modèles comparatifs. Ce haut niveau de précision indique que le modèle peut fournir des recommandations immédiates et précises, aidant ainsi les agriculteurs à prendre des décisions éclairées sur les cultures à planter en fonction des caractéristiques spécifiques de leur sol et des conditions environnementales.
La mise en œuvre de cette approche a des implications importantes pour l’agriculture. En utilisant des modèles d’apprentissage automatique qui prennent en compte de multiples variables pédologiques et environnementales, les agriculteurs peuvent optimiser le choix des cultures, augmenter les rendements et améliorer la durabilité de leurs pratiques agricoles. En outre, cette méthode peut contribuer à la sécurité alimentaire en réduisant le risque de pénurie alimentaire résultant de choix de cultures inappropriés.
Si vous souhaitez en savoir plus sur cette étude, cliquez ici.
Pour lire d’autres recherches, consultez le répertoire de l’UNEATLANTICO.
La Fondation universitaire ibéro-américaine (FUNIBER) propose divers programmes de master dans le domaine de l’environnement, tels que le Master en ingénierie et technologie environnementales. Ce programme est idéal pour ceux qui souhaitent contribuer activement à la protection de l’environnement et au développement durable, en acquérant des compétences pratiques et des connaissances actualisées dans le domaine de la gestion environnementale.
Ne manquez pas l’occasion de faire progresser votre carrière professionnelle et de faire la différence dans le domaine de l’environnement. Inscrivez-vous dès maintenant à ce master et devenez un leader en matière de durabilité.