Projet de fin d'étude : Le Rôle du Couvert Végétale dans l'Évaluation de la Résilience au Changement Climatique : Approche Intelligence Artificielle utilisant le modèle LSTM, Étude de cas dans la province d'Ifrane.
Etudiant : OUAATI MOHAMMED
Filière : Master Ecologie et Préservation de l’Environnement pour un Développement Durable (EP2ED)
Encadrant : Pr. GUEMMOUH RAJA
Annèe : 2024
Résumé : La province d'Ifrane, située dans le Moyen Atlas, est réputée pour son climat méditerranéen-continental unique et la diversité de ses écosystèmes. Ces caractéristiques en font un lieu idéal pour étudier les interactions entre la variabilité du climat et la dynamique de la végétation. Ce mémoire de maîtrise explore le rôle critique du couvert végétal dans l'évaluation de la résilience des écosystèmes au changement climatique en utilisant des techniques avancées d'intelligence artificielle, en particulier le modèle de mémoire à long terme (LSTM). La recherche s'appuie sur les ensembles de données de l'indice de végétation par différence normalisée (NDVI) du Global Inventory Modeling and Mapping Studies (GIMMS), qui sont dérivées de l'imagerie satellitaire, en conjonction avec des enregistrements historiques complets des précipitations. Ces ensembles de données couvrent plusieurs décennies, ce qui permet une analyse temporelle approfondie de la santé de la végétation et de la stabilité des écosystèmes. Les résultats révèlent une corrélation positive significative entre les précipitations annuelles et le NDVI, soulignant l'importance critique de la disponibilité de l'eau pour le maintien de la santé de la végétation. Cette relation est explorée en détail par une analyse temporelle de 2000 à 2023, mettant en évidence les tendances, les schémas saisonniers et les anomalies du NDVI qui reflètent les réactions d'adaptation de la végétation à l'évolution des conditions climatiques. L'étude examine également l'impact des événements météorologiques extrêmes et des sécheresses prolongées sur la couverture végétale, fournissant ainsi des informations précieuses sur la résilience et la vulnérabilité des écosystèmes de la région. Pour projeter la dynamique future de la végétation, le modèle LSTM est appliqué pour prévoir les valeurs NDVI selon trois voies socio-économiques partagées distinctes (SSP1-2.6, SSP2-4.5, et SSP5-8.5). Ces voies représentent différentes trajectoires de développement socio-économique mondial et les scénarios climatiques associés, allant du développement durable (SSP1-2.6) à un scénario de développement basé sur les combustibles fossiles avec de fortes émissions de gaz à effet de serre (SSP5-8.5). Cette recherche contribue à une meilleure compréhension des interactions entre la variabilité du climat et la dynamique de la végétation dans la province d'Ifrane. Elle fournit des preuves empiriques précieuses pour soutenir l'élaboration de politiques et la planification stratégique visant à sauvegarder la biodiversité et les services écosystémiques uniques de la région. Les résultats mettent en évidence le rôle essentiel du couvert végétal en tant qu'indicateur de la résilience des écosystèmes et le potentiel des modèles basés sur l'intelligence artificielle pour améliorer les capacités de prédiction dans les études écologiques. Alors que le changement climatique continue de faire peser des risques importants sur les écosystèmes mondiaux, cette étude apporte une contribution opportune et pertinente au domaine des sciences de l'environnement et du développement durable.