Université : Université d'Antisranana, école doctorale thématique "énergies renouvelables et environnement" (EDT EnRE)

Cette thèse explore des solutions technologiques innovantes pour surveiller la déforestation, une menace sérieuse pour la biodiversité et l'équilibre écologique. Se concentrant sur un site géré par l’Association Madagascar National Parks, la recherche vise à détecter précocement les activités de déforestation. D'abord, la thèse évalue les impacts écologiques et socio-économiques de la déforestation et l'urgence de stratégies efficaces de surveillance et de prévention. Les technologies actuelles, telles que la télédétection par satellite et l'utilisation de drones, sont évaluées pour leurs avantages et limitations, orientant le choix vers la surveillance par capteurs au sol. La solution proposée consiste à détecter les sons émis par les coups de hache, l'outil le plus utilisé dans la zone étudiée.

Ensuite, l'aspect matériel du système, cherchant une solution énergétique efficace pour les capteurs a été abordé. Ces capteurs, équipés de dispositifs sonores et alimentés par des panneaux solaires, détectent les bruits caractéristiques de la coupe d'arbres. Le système présente une architecture énergétique autonome pour une surveillance continue avec une consommation énergétique optimisée. Les résultats montrent une réduction significative de la consommation d'énergie, et une solution durable avec une batterie fonctionnelle même en conditions de faible ensoleillement.

La thèse se penche également sur le traitement et l'analyse des données collectées par les capteurs. Grâce à des techniques avancées d'apprentissage automatique, notamment la régression logistique, un modèle de classification est développé pour détecter avec précision les sons associés à la déforestation. Les tests révèlent une exactitude et une précision démontrant l'efficacité du modèle pour une surveillance proactive. L'intégration de ce modèle permet une détection rapide et fiable, avec un traitement des données en environ 15 secondes.

Enfin, le déploiement et l'optimisation d'un réseau de capteurs sans fil pour une transmission fiable des données ont été entamés. En utilisant des techniques de cartographie avancées avec Google Earth Engine, les zones les plus vulnérables à la déforestation sont identifiées et une architecture réseau optimale est proposée. Cette architecture, structurée en topologies en chaîne et en maille, garantit une couverture adéquate et une tolérance aux pannes. La thèse conclut en discutant des implications pratiques et des défis de l'implémentation, tout en explorant les perspectives de généralisation à d'autres régions confrontées à la déforestation illégale.