Algorithme/actif d’IA

Cet enregistrement décrit un algorithme ou actif d’intelligence artificielle. Il ne s’agit pas d’un jeu de données. Apprenez-en plus ici sur les mesures prises par le gouvernement de l’Ontario pour ajouter à notre catalogue des éléments autres que des données à des fins de transparence et de responsabilité accrues.

Cartographie numérique prédictive des sols

Objet

Le ministère de l’Agriculture, de l’Alimentation et des Affaires rurales (MAAARO) a pour mandat de tenir à jour les cartes pédologiques provinciales. La cartographie numérique prédictive des sols permet d’améliorer l’efficacité et la précision de l’échantillonnage et de la production de cartes. Les cartes accessibles sur une interface numérique peuvent être consultées en tout temps, ce qui simplifie la prise de décisions à la ferme.

Portée

Les cartes pédologiques provinciales servent dans de nombreux processus décisionnels, dont ceux qui touchent l’utilisation et l’évaluation des terres, les pratiques agricoles et les pratiques de gestion bénéfiques. La cartographie numérique prédictive des sols peut servir à concevoir des modèles de prévision des propriétés des sols (p. ex. la texture et la teneur en matière organique) et des classes des sols (p. ex. la classe de drainage et le type de sol). Ces modèles sont spécialement adaptés aux données ontariennes, mais les algorithmes sont utilisés à de nombreux endroits au pays et à l’étranger ainsi que dans bien d’autres domaines. Les cartes pédologiques établies par cartographie numérique prédictive servent à déterminer le potentiel agricole (classement selon l’Inventaire des terres du Canada). Le potentiel agricole est l’un des facteurs pris en compte par d’autres organisations lors de l’évaluation des terres.

Impacts possibles

En agriculture de précision, les décisions peuvent avoir des répercussions sur le rendement de culture pendant de multiples saisons de végétation et sur l’état des plans d’eau et des nappes phréatiques à proximité pendant plusieurs années. Pour ce qui est de l’évaluation des terres, les résultats peuvent influencer les notes et les décisions.

Politiques d’utilisation à l’interne

Ces algorithmes de source libre sont accessibles à tous. Le gouvernement n’a aucune exigence ou directive pour son personnel concernant leur utilisation.

Description technique

Le MAAARO emploie des modèles Cubist et des forêts d’arbres décisionnels pour faire des prédictions sur les sols. Cubist est un modèle à base de règles qui crée un arbre de décision à partir des données saisies. Un modèle de régression linéaire est ensuite créé pour chaque nœud terminal de l’arbre. La forêt d’arbres décisionnels est semblable au modèle Cubist, à la différence qu’il s’agit d’un modèle ensembliste. L’algorithme crée de multiples arbres de décision et fournit des prédictions liées à la moyenne. Il s’agit de deux algorithmes d’apprentissage automatique qui dépendent des données entrées; le modèle qui en résulte diffère donc en fonction des données ayant servi à sa conception.

Pour en savoir plus

Données

Données non disponibles

Ces données pourraient être mises à disposition à l'avenir. Nous sommes en train d’examiner les données de cette série pour déterminer si elles peuvent être ouvertes. [Apprendre encore plus]

Info additionnelle

Champ Valeur
Mots clés
Couverture géographique Ontario
Géographie de données individuelles Aucun
URL d'origine
Mainteneur
Auteure
Email du auteure
Bureau du mainteneur Direction de la gestion environnementale
Date de la dernière validation des données 2020-10-08
Fréquence de mise à jour
Instructions d'accès