Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - Cas de la production agricole en Afrique de l'Ouest
Les progrès dans la lutte contre la faim ont été significatifs en Afrique de l'Ouest et au Burkina Faso entre 2000 et 2014, avant que la situation alimentaire ne se détériore à nouveau. Les raisons sont multiples et interdépendantes : des phénomènes météorologiques extrêmes plus fréquents et l'augmentation de la population tendent à réduire la disponibilité alimentaire par habitant ; les déplacements de population dus aux conflits ont pour conséquence la chute de la production agricole et la désorganisation des circuits de distribution ; la pauvreté structurelle des populations est aggravée par un contexte économique mondial difficile. Pour suivre, analyser et prévoir les situations d'insécurité alimentaire aux échelles locales à sub-nationales, les systèmes de sécurité alimentaire (SSA) intègrent principalement des données agroclimatiques issues d'images satellites et des indicateurs de nutrition, de production et d'économie issus d'enquêtes ménages. Ces enquêtes sont essentielles à la production d'indicateurs clés pour mesurer la sécurité alimentaire (SA), mais sont coûteuses économiquement et en temps. L'objectif de cette thèse est de fournir des approches innovantes pour l'estimation d'indicateurs de SA et de leurs déterminants, en utilisant des données hétérogènes publiquement accessibles et des approches fondées sur l'intelligence artificielle, dans la perspective d'appuyer les méthodes utilisées par les SSA. Pour cela, plusieurs questions de recherche sont traitées : sur quels indicateurs s'appuyer pour mesurer la SA et quelles en sont les limites ? Comment traiter l'hétérogénéité thématique, temporelle et spatiale des données ? Comment extraire des données leur aspect explicatif, i.e., être capable d'identifier les facteurs d'augmentation ou de diminution de la SA à partir des données ? Pour répondre à ces problématiques, cette thèse propose trois contributions. Premièrement, nous faisons un état des lieux des nombreux indicateurs utilisés pour quantifier cette notion complexe qu'est la SA. Puis, nous nous concentrons sur des indicateurs de SA issus d'enquêtes ménages (i.e., le score de consommation alimentaire, le score de diversité alimentaire des ménages et l'indice des stratégies de survie réduit) et étudions ce qu'ils nous révèlent sur la SA, leur validité spatiale et temporelle, ainsi que les biais auxquels ils peuvent être sujets. Nous montrons que malgré leurs biais inhérents, ces indicateurs contiennent des informations spatiales et interannuelles cohérentes qui peuvent être exploitées pour le suivi des crises alimentaires au niveau sub-national. Deuxièmement, nous proposons des approches originales combinant des méthodes d'apprentissage automatique et profond (i.e., forêts aléatoires, réseaux de neurones convolutifs, réseaux de neurones récurrents à mémoire court-terme et long terme) pour obtenir des approximations d'indicateurs de SA issus d'enquêtes ménages. Ces approches intègrent et combinent des données explicatives hétérogènes. Les données explicatives sont des variables quantitatives (e.g., données météorologiques), des images (e.g., densités de population, occupation des sols), des points GPS (e.g., hôpitaux, écoles, événements violents) et des vecteurs (cours d'eau) avec différentes granularités temporelles et spatiales (e.g., séries temporelles, images à haute résolution spatiale). Nous mettons en évidence la pertinence des approches d'apprentissage automatique selon les données à traiter et constatons l'apport significatif de variables issues de nombreux domaines dans une approche globale. Troisièmement, nous étudions l'apport des données textuelles, possédant un fort potentiel explicatif, pour effectuer une analyse qualitative de la SA en nous basant sur un corpus de journaux burkinabés. Nous examinons la capacité des méthodes de fouille de textes à extraire automatiquement des informations qualitatives sur la situation alimentaire globale, régionale et annuelle à partir de ce corpus. Ce travail a permis d'obtenir des informations qualitatives spécifiques sur la thématique de la SA et sur ses caractéristiques spatiale et temporelle. A travers ces trois contributions, cette thèse considère la problématique de l'hétérogénéité des données liées à la SA en mettant l'accent sur les dimensions spatio-temporelles et thématiques qu'elles véhiculent. Les cadres méthodologiques génériques proposés pourront être étendus et adaptés à d'autres domaines.
Main Author: | |
---|---|
Format: | thesis biblioteca |
Language: | fre |
Published: |
Université de Montpellier
|
Subjects: | E10 - Économie et politique agricoles, C30 - Documentation et information, U10 - Informatique, mathématiques et statistiques, sécurité alimentaire, systèmes alimentaires, production agricole, production alimentaire, indicateur, fouille de textes, analyse de données, http://aims.fao.org/aos/agrovoc/c_10967, http://aims.fao.org/aos/agrovoc/c_bea5db85, http://aims.fao.org/aos/agrovoc/c_2ac7c9e1, http://aims.fao.org/aos/agrovoc/c_3025, http://aims.fao.org/aos/agrovoc/c_330058, http://aims.fao.org/aos/agrovoc/c_dca12b72, http://aims.fao.org/aos/agrovoc/c_15962, http://aims.fao.org/aos/agrovoc/c_8355, http://aims.fao.org/aos/agrovoc/c_8081, |
Online Access: | http://agritrop.cirad.fr/600825/ http://agritrop.cirad.fr/600825/1/ID600825.pdf |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
dig-cirad-fr-600825 |
---|---|
record_format |
koha |
institution |
CIRAD FR |
collection |
DSpace |
country |
Francia |
countrycode |
FR |
component |
Bibliográfico |
access |
En linea |
databasecode |
dig-cirad-fr |
tag |
biblioteca |
region |
Europa del Oeste |
libraryname |
Biblioteca del CIRAD Francia |
language |
fre |
topic |
E10 - Économie et politique agricoles C30 - Documentation et information U10 - Informatique, mathématiques et statistiques sécurité alimentaire systèmes alimentaires production agricole production alimentaire indicateur fouille de textes analyse de données http://aims.fao.org/aos/agrovoc/c_10967 http://aims.fao.org/aos/agrovoc/c_bea5db85 http://aims.fao.org/aos/agrovoc/c_2ac7c9e1 http://aims.fao.org/aos/agrovoc/c_3025 http://aims.fao.org/aos/agrovoc/c_330058 http://aims.fao.org/aos/agrovoc/c_dca12b72 http://aims.fao.org/aos/agrovoc/c_15962 http://aims.fao.org/aos/agrovoc/c_8355 http://aims.fao.org/aos/agrovoc/c_8081 E10 - Économie et politique agricoles C30 - Documentation et information U10 - Informatique, mathématiques et statistiques sécurité alimentaire systèmes alimentaires production agricole production alimentaire indicateur fouille de textes analyse de données http://aims.fao.org/aos/agrovoc/c_10967 http://aims.fao.org/aos/agrovoc/c_bea5db85 http://aims.fao.org/aos/agrovoc/c_2ac7c9e1 http://aims.fao.org/aos/agrovoc/c_3025 http://aims.fao.org/aos/agrovoc/c_330058 http://aims.fao.org/aos/agrovoc/c_dca12b72 http://aims.fao.org/aos/agrovoc/c_15962 http://aims.fao.org/aos/agrovoc/c_8355 http://aims.fao.org/aos/agrovoc/c_8081 |
spellingShingle |
E10 - Économie et politique agricoles C30 - Documentation et information U10 - Informatique, mathématiques et statistiques sécurité alimentaire systèmes alimentaires production agricole production alimentaire indicateur fouille de textes analyse de données http://aims.fao.org/aos/agrovoc/c_10967 http://aims.fao.org/aos/agrovoc/c_bea5db85 http://aims.fao.org/aos/agrovoc/c_2ac7c9e1 http://aims.fao.org/aos/agrovoc/c_3025 http://aims.fao.org/aos/agrovoc/c_330058 http://aims.fao.org/aos/agrovoc/c_dca12b72 http://aims.fao.org/aos/agrovoc/c_15962 http://aims.fao.org/aos/agrovoc/c_8355 http://aims.fao.org/aos/agrovoc/c_8081 E10 - Économie et politique agricoles C30 - Documentation et information U10 - Informatique, mathématiques et statistiques sécurité alimentaire systèmes alimentaires production agricole production alimentaire indicateur fouille de textes analyse de données http://aims.fao.org/aos/agrovoc/c_10967 http://aims.fao.org/aos/agrovoc/c_bea5db85 http://aims.fao.org/aos/agrovoc/c_2ac7c9e1 http://aims.fao.org/aos/agrovoc/c_3025 http://aims.fao.org/aos/agrovoc/c_330058 http://aims.fao.org/aos/agrovoc/c_dca12b72 http://aims.fao.org/aos/agrovoc/c_15962 http://aims.fao.org/aos/agrovoc/c_8355 http://aims.fao.org/aos/agrovoc/c_8081 Deleglise, Hugo Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - Cas de la production agricole en Afrique de l'Ouest |
description |
Les progrès dans la lutte contre la faim ont été significatifs en Afrique de l'Ouest et au Burkina Faso entre 2000 et 2014, avant que la situation alimentaire ne se détériore à nouveau. Les raisons sont multiples et interdépendantes : des phénomènes météorologiques extrêmes plus fréquents et l'augmentation de la population tendent à réduire la disponibilité alimentaire par habitant ; les déplacements de population dus aux conflits ont pour conséquence la chute de la production agricole et la désorganisation des circuits de distribution ; la pauvreté structurelle des populations est aggravée par un contexte économique mondial difficile. Pour suivre, analyser et prévoir les situations d'insécurité alimentaire aux échelles locales à sub-nationales, les systèmes de sécurité alimentaire (SSA) intègrent principalement des données agroclimatiques issues d'images satellites et des indicateurs de nutrition, de production et d'économie issus d'enquêtes ménages. Ces enquêtes sont essentielles à la production d'indicateurs clés pour mesurer la sécurité alimentaire (SA), mais sont coûteuses économiquement et en temps. L'objectif de cette thèse est de fournir des approches innovantes pour l'estimation d'indicateurs de SA et de leurs déterminants, en utilisant des données hétérogènes publiquement accessibles et des approches fondées sur l'intelligence artificielle, dans la perspective d'appuyer les méthodes utilisées par les SSA. Pour cela, plusieurs questions de recherche sont traitées : sur quels indicateurs s'appuyer pour mesurer la SA et quelles en sont les limites ? Comment traiter l'hétérogénéité thématique, temporelle et spatiale des données ? Comment extraire des données leur aspect explicatif, i.e., être capable d'identifier les facteurs d'augmentation ou de diminution de la SA à partir des données ? Pour répondre à ces problématiques, cette thèse propose trois contributions. Premièrement, nous faisons un état des lieux des nombreux indicateurs utilisés pour quantifier cette notion complexe qu'est la SA. Puis, nous nous concentrons sur des indicateurs de SA issus d'enquêtes ménages (i.e., le score de consommation alimentaire, le score de diversité alimentaire des ménages et l'indice des stratégies de survie réduit) et étudions ce qu'ils nous révèlent sur la SA, leur validité spatiale et temporelle, ainsi que les biais auxquels ils peuvent être sujets. Nous montrons que malgré leurs biais inhérents, ces indicateurs contiennent des informations spatiales et interannuelles cohérentes qui peuvent être exploitées pour le suivi des crises alimentaires au niveau sub-national. Deuxièmement, nous proposons des approches originales combinant des méthodes d'apprentissage automatique et profond (i.e., forêts aléatoires, réseaux de neurones convolutifs, réseaux de neurones récurrents à mémoire court-terme et long terme) pour obtenir des approximations d'indicateurs de SA issus d'enquêtes ménages. Ces approches intègrent et combinent des données explicatives hétérogènes. Les données explicatives sont des variables quantitatives (e.g., données météorologiques), des images (e.g., densités de population, occupation des sols), des points GPS (e.g., hôpitaux, écoles, événements violents) et des vecteurs (cours d'eau) avec différentes granularités temporelles et spatiales (e.g., séries temporelles, images à haute résolution spatiale). Nous mettons en évidence la pertinence des approches d'apprentissage automatique selon les données à traiter et constatons l'apport significatif de variables issues de nombreux domaines dans une approche globale. Troisièmement, nous étudions l'apport des données textuelles, possédant un fort potentiel explicatif, pour effectuer une analyse qualitative de la SA en nous basant sur un corpus de journaux burkinabés. Nous examinons la capacité des méthodes de fouille de textes à extraire automatiquement des informations qualitatives sur la situation alimentaire globale, régionale et annuelle à partir de ce corpus. Ce travail a permis d'obtenir des informations qualitatives spécifiques sur la thématique de la SA et sur ses caractéristiques spatiale et temporelle. A travers ces trois contributions, cette thèse considère la problématique de l'hétérogénéité des données liées à la SA en mettant l'accent sur les dimensions spatio-temporelles et thématiques qu'elles véhiculent. Les cadres méthodologiques génériques proposés pourront être étendus et adaptés à d'autres domaines. |
format |
thesis |
topic_facet |
E10 - Économie et politique agricoles C30 - Documentation et information U10 - Informatique, mathématiques et statistiques sécurité alimentaire systèmes alimentaires production agricole production alimentaire indicateur fouille de textes analyse de données http://aims.fao.org/aos/agrovoc/c_10967 http://aims.fao.org/aos/agrovoc/c_bea5db85 http://aims.fao.org/aos/agrovoc/c_2ac7c9e1 http://aims.fao.org/aos/agrovoc/c_3025 http://aims.fao.org/aos/agrovoc/c_330058 http://aims.fao.org/aos/agrovoc/c_dca12b72 http://aims.fao.org/aos/agrovoc/c_15962 http://aims.fao.org/aos/agrovoc/c_8355 http://aims.fao.org/aos/agrovoc/c_8081 |
author |
Deleglise, Hugo |
author_facet |
Deleglise, Hugo |
author_sort |
Deleglise, Hugo |
title |
Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - Cas de la production agricole en Afrique de l'Ouest |
title_short |
Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - Cas de la production agricole en Afrique de l'Ouest |
title_full |
Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - Cas de la production agricole en Afrique de l'Ouest |
title_fullStr |
Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - Cas de la production agricole en Afrique de l'Ouest |
title_full_unstemmed |
Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - Cas de la production agricole en Afrique de l'Ouest |
title_sort |
mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - cas de la production agricole en afrique de l'ouest |
publisher |
Université de Montpellier |
url |
http://agritrop.cirad.fr/600825/ http://agritrop.cirad.fr/600825/1/ID600825.pdf |
work_keys_str_mv |
AT deleglisehugo miseenrelationdedonneesheterogenespourlerenforcementdessystemesdesecuritealimentairecasdelaproductionagricoleenafriquedelouest |
_version_ |
1792500341075345408 |
spelling |
dig-cirad-fr-6008252024-01-29T04:07:49Z http://agritrop.cirad.fr/600825/ http://agritrop.cirad.fr/600825/ Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - Cas de la production agricole en Afrique de l'Ouest. Deleglise Hugo. 2021. Montpellier : Université de Montpellier, 187 p. Thèse de doctorat : Informatique : Université de Montpellier Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire - Cas de la production agricole en Afrique de l'Ouest Deleglise, Hugo fre 2021 Université de Montpellier E10 - Économie et politique agricoles C30 - Documentation et information U10 - Informatique, mathématiques et statistiques sécurité alimentaire systèmes alimentaires production agricole production alimentaire indicateur fouille de textes analyse de données http://aims.fao.org/aos/agrovoc/c_10967 http://aims.fao.org/aos/agrovoc/c_bea5db85 http://aims.fao.org/aos/agrovoc/c_2ac7c9e1 http://aims.fao.org/aos/agrovoc/c_3025 http://aims.fao.org/aos/agrovoc/c_330058 http://aims.fao.org/aos/agrovoc/c_dca12b72 http://aims.fao.org/aos/agrovoc/c_15962 Afrique occidentale Burkina Faso http://aims.fao.org/aos/agrovoc/c_8355 http://aims.fao.org/aos/agrovoc/c_8081 Les progrès dans la lutte contre la faim ont été significatifs en Afrique de l'Ouest et au Burkina Faso entre 2000 et 2014, avant que la situation alimentaire ne se détériore à nouveau. Les raisons sont multiples et interdépendantes : des phénomènes météorologiques extrêmes plus fréquents et l'augmentation de la population tendent à réduire la disponibilité alimentaire par habitant ; les déplacements de population dus aux conflits ont pour conséquence la chute de la production agricole et la désorganisation des circuits de distribution ; la pauvreté structurelle des populations est aggravée par un contexte économique mondial difficile. Pour suivre, analyser et prévoir les situations d'insécurité alimentaire aux échelles locales à sub-nationales, les systèmes de sécurité alimentaire (SSA) intègrent principalement des données agroclimatiques issues d'images satellites et des indicateurs de nutrition, de production et d'économie issus d'enquêtes ménages. Ces enquêtes sont essentielles à la production d'indicateurs clés pour mesurer la sécurité alimentaire (SA), mais sont coûteuses économiquement et en temps. L'objectif de cette thèse est de fournir des approches innovantes pour l'estimation d'indicateurs de SA et de leurs déterminants, en utilisant des données hétérogènes publiquement accessibles et des approches fondées sur l'intelligence artificielle, dans la perspective d'appuyer les méthodes utilisées par les SSA. Pour cela, plusieurs questions de recherche sont traitées : sur quels indicateurs s'appuyer pour mesurer la SA et quelles en sont les limites ? Comment traiter l'hétérogénéité thématique, temporelle et spatiale des données ? Comment extraire des données leur aspect explicatif, i.e., être capable d'identifier les facteurs d'augmentation ou de diminution de la SA à partir des données ? Pour répondre à ces problématiques, cette thèse propose trois contributions. Premièrement, nous faisons un état des lieux des nombreux indicateurs utilisés pour quantifier cette notion complexe qu'est la SA. Puis, nous nous concentrons sur des indicateurs de SA issus d'enquêtes ménages (i.e., le score de consommation alimentaire, le score de diversité alimentaire des ménages et l'indice des stratégies de survie réduit) et étudions ce qu'ils nous révèlent sur la SA, leur validité spatiale et temporelle, ainsi que les biais auxquels ils peuvent être sujets. Nous montrons que malgré leurs biais inhérents, ces indicateurs contiennent des informations spatiales et interannuelles cohérentes qui peuvent être exploitées pour le suivi des crises alimentaires au niveau sub-national. Deuxièmement, nous proposons des approches originales combinant des méthodes d'apprentissage automatique et profond (i.e., forêts aléatoires, réseaux de neurones convolutifs, réseaux de neurones récurrents à mémoire court-terme et long terme) pour obtenir des approximations d'indicateurs de SA issus d'enquêtes ménages. Ces approches intègrent et combinent des données explicatives hétérogènes. Les données explicatives sont des variables quantitatives (e.g., données météorologiques), des images (e.g., densités de population, occupation des sols), des points GPS (e.g., hôpitaux, écoles, événements violents) et des vecteurs (cours d'eau) avec différentes granularités temporelles et spatiales (e.g., séries temporelles, images à haute résolution spatiale). Nous mettons en évidence la pertinence des approches d'apprentissage automatique selon les données à traiter et constatons l'apport significatif de variables issues de nombreux domaines dans une approche globale. Troisièmement, nous étudions l'apport des données textuelles, possédant un fort potentiel explicatif, pour effectuer une analyse qualitative de la SA en nous basant sur un corpus de journaux burkinabés. Nous examinons la capacité des méthodes de fouille de textes à extraire automatiquement des informations qualitatives sur la situation alimentaire globale, régionale et annuelle à partir de ce corpus. Ce travail a permis d'obtenir des informations qualitatives spécifiques sur la thématique de la SA et sur ses caractéristiques spatiale et temporelle. A travers ces trois contributions, cette thèse considère la problématique de l'hétérogénéité des données liées à la SA en mettant l'accent sur les dimensions spatio-temporelles et thématiques qu'elles véhiculent. Les cadres méthodologiques génériques proposés pourront être étendus et adaptés à d'autres domaines. thesis info:eu-repo/semantics/doctoralThesis Thesis info:eu-repo/semantics/publishedVersion http://agritrop.cirad.fr/600825/1/ID600825.pdf text Cirad license info:eu-repo/semantics/openAccess https://agritrop.cirad.fr/mention_legale.html info:eu-repo/semantics/reference/purl/https://doi.org/10.18167/DVN1/IEJ2FH info:eu-repo/semantics/reference/purl/https://doi.org/10.18167/DVN1/SDMJWZ |