Projet de fin d'étude : Intégration des incertitudes et effets liés aux différentes sources de données pour l’identification des stocks de poisson
Etudiant : SABBAR SALMA
Filière : Master Big Data Analytics & Smart Systems (BDSaS)
Encadrant : Pr. BOUMHIDI JAOUAD
Annèe : 2024
Résumé : Pour une gestion durable des ressources halieutiques, il est essentiel d’identifier avec précision les stocks de poissons, ce qui favorise la préservation de la biodiversité marine et assure la stabilité économique des communautés de pêcheurs. Dans le cadre de ce stage, nous souhaitons améliorer les méthodes d’identification en utilisant des techniques d’apprentissage automatique et de fusion de données, combinant des mesures directes, comme les caractéristiques physiques des poissons et les paramètres environnementaux, avec des données indirectes obtenues à partir d’analyses d’otolithes via des coefficients de Fourier. Ces éléments calcifiés dans l’oreille interne des poissons sont analysés pour distinguer les stocks selon leur origine géographique, optimisant ainsi les stratégies de conservation. Notre approche, qui inclut une méthode de clustering évidentielle (ECM), vise à minimiser les incertitudes et à accroître la fiabilité des estimations, améliorant considérablement les méthodes traditionnelles de gestion des stocks de poissons pour une conservation plus efficace des ressources marines