Identification of Marine Environments Favourable to Artisanal Fishing using Machine Learning and Satellite Data in Algeria's Exclusive Economic Zone
| dc.contributor.author | CHERGUI ,Khadidja | |
| dc.date.accessioned | 2025-12-04T09:55:49Z | |
| dc.date.available | 2025-12-04T09:55:49Z | |
| dc.date.issued | 2025-06-30 | |
| dc.description.abstract | Ce travail vise à identifier les zones de pêche pélagique au sein de la Zone Économique Exclusive (ZEE) algérienne en combinant des données satellitaires et des techniques d'apprentissage automatique. Les données biologiques collectées entre 2013 et 2019 ont été croisées avec des paramètres environnementaux clés (chlorophylle, température de surface, matières en suspension, bathymétrie) issus des services Copernicus. Le traitement et l’intégration des données ont été réalisés à l’aide de scripts développés en Python, en exploitant à la fois des outils open source et des solutions propriétaires via ArcGIS (ArcPy). Deux approches de prédiction ont été explorées : une classification binaire (présence ou absence de biomasse pélagique) et une estimation quantitative de la biomasse par égression. Si cette dernière a donné des résultats peu concluants — principalement en raison du manque de calibration des mesures in situ — la classification binaire a, quant à elle, atteint des scores de précision supérieurs à 98 %, grâce à l’utilisation de sept algorithmes de machine learning implémentés sur Google Colab. Les résultats ont permis de générer des cartes de probabilité de présence des zones favorables à la pêche pélagique, contribuant ainsi à une meilleure gestion des ressources halieutiques et au soutien de la pêche artisanale en Algérie | |
| dc.identifier.uri | https://dspace.enssmal.edu.dz/handle/123456789/2565 | |
| dc.language.iso | fr | |
| dc.title | Identification of Marine Environments Favourable to Artisanal Fishing using Machine Learning and Satellite Data in Algeria's Exclusive Economic Zone | |
| dc.type | Thesis |