Modélisation géomatique par évaluation multicritère pour la prospection des sites d’agriculture urbaine à Ouagadougou
Bibliographic record
Abstract
L’agriculture urbaine résout des problèmes réels en ville : sécurité alimentaire, chômage, assainissement de l’environnement, création d’espaces verts, etc. En dépit de ses fonctions vitales dans les pays en voie de développement, elle souffre d'un manque de reconnaissance et de poids économique à Ouagadougou, ce qui se traduit par une grande précarité et un caractère largement informel de ce secteur d’activités. Longtemps ignorée par les autorités burkinabés, le politique affiche actuellement une volonté quant à sa reconnaissance en l’intégrant dans le nouveau visage du paysage urbain du « Grand Ouaga » établi par le Schéma Directeur d’Aménagement horizon 2025 de cette zone urbaine. La présente étude se propose de modéliser le phénomène afin de prospecter par méthode géomatique l’aptitude du sol urbain à recevoir ce type d’agriculture de façon prospère et durable pour sa prise en compte dans le schéma de cohérence territoriale (SCOT) de la commune de Ouagadougou. Un des aspects les plus porteurs des systèmes d’information géographiques (SIG) est leur capacité à contribuer à l’aide à la décision. Parmi les fonctions SIG pour la modélisation spatio-temporelle et l’aide à la décision, l’évaluation multicritères s’avère être particulièrement utile en ce qui concerne la localisation des zones aptes à un usage. Elle se base sur l’hypothèse qu’il existe, pour une date donnée, une série de critères spatialisés pouvant expliquer la variabilité des états de l’occupation du sol, autrement dit son aptitude pour un usage. Des critères ont été identifiés pour l’usage par l’activité agricole et une base de données spatialisée a été mise en place pour servir de référence d’informations à la construction multicritère d’une carte d’aptitude indiquant les zones à potentiel élevé pour une mise en culture. La carte d’aptitude ou de probabilité obtenue indique que des sites existants se retrouvent le long des zones interdites situées dans les lits des plans d’eau surfaciques ou en plein centre-ville, caractérisées par une forte spéculation foncière. On y observe des zones qui gagneraient à être mises en culture car la compensation des risques entre les facteurs leur confèrent une bonne aptitude maraîchère ou horticole. Aussi, il apparait que des espaces, notamment ceux situés sur la ceinture verte à réhabiliter, bien qu’apparemment défavorables à l’activité agricole pourraient abriter de façon prospère des cultures pluviales. L'interprétation des résultats permet de situer les apports et limites des résultats, de la méthodologie mise en œuvre, ainsi que son application sur d’autres sites à problématique et contexte similaires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".