Prédiction des cultures de printemps dans le contexte de la création d’un système d’alerte précoce pour les inondations boueuses

Les inondations boueuses sont des problèmes récurrents dans le centre de la Belgique, notamment en régions limoneuses, sablo-limoneuses et du Condroz. Elles impliquent d’importants coûts de réparation dans les zones urbanisées, au niveau des habitations et des voiries, en plus d’être néfastes pour les rendements agricoles et l’environnement. La conception d’un système d’alerte précoce pourrait s’avérer très utile aux communes pour les aider à installer judicieusement et de manière préventive, des aménagements de lutte. Un facteur les influençant grandement est la couverture du sol. Dans les zones cultivées, cette dernière est variable durant et entre les années à la suite des successions de cultures dans les parcelles. Pour différentes raisons, il s’avère que les parcelles accueillant les cultures de printemps sont bien plus susceptibles de provoquer ces inondations. L’objectif de ce mémoire s’est inséré dans ce contexte, en essayant de prédire, à l’échelle de la parcelle, ces cultures de printemps le plus tôt possible dans l’année afin de permettre la conception du système d’alerte par la prédiction des zones à risque. Afin d’y arriver, deux approches ont été utilisées. La première consiste en la création d’un modèle de prédictions utilisant les successions de cultures sur les parcelles. Celles-ci ont été obtenues par la superposition de parcellaire de plusieurs années. Ces superpositions ont ensuite pu être utilisées pour entrainer un algorithme de machine learning, un Random Forest. Le modèle obtenu par cette méthode a permis d’obtenir une prédiction des classes de printemps constituée d’une précision et d’une sensibilité d’environ 75% lors de la validation. La seconde approche consiste à prédire les cultures de printemps via la détection des couverts hivernaux grâce aux images satellites, ceux-ci précédant généralement des cultures de printemps. Pour y arriver, un processeur fonctionnant sous forme d’un modèle logique, développé dans le cadre du projet SEN4CAP a été utilisé. Une calibration de la période de détection des couverts a été effectuée et a permis d’obtenir des résultats satisfaisants. Cependant, toutes les parcelles de printemps ne sont pas précédées d’un couvert. Ainsi, la prédiction obtenue en utilisant les détections comme prédicteur de cultures de printemps, n’a pas permis d’obtenir une très grande sensibilité (66,7%). La précision de cette prédiction était, quant à elle, de 89,07%. Deux modèles combinant les deux approches ont finalement été réalisés. Ceux-ci ont permis d’obtenir des prédictions de sensibilités et de précisions, respectivement de 82,63% et 75,82% pour le premier et de 75,07% et 84,95% pour le deuxième. Dans le cadre d’une utilisation réelle pour prédire les zones à risque d’inondations boueuses, il serait intéressant d’utiliser les deux modèles combinés alternativement, l’un induisant plus de contamination et l’autre plus d’omission. Les deux approches permettraient d’obtenir les prédictions mi-novembre, ce qui répond au besoin de les obtenir suffisamment tôt dans l’année.