kjd-dktech/forestwatch-tg

End-to-end AI system for land cover classification and deforestation monitoring in Togo using Sentinel-2, Google Earth Engine, and Machine Learning. — huggingface.co # 🌳 ForestWatch Togo : Land Cover & Deforestation AI Monitor Un système d'intelligence artificielle analysant les images satellites multispectrales (Sentinel-2) via Google Earth Engine pour classifier l'occupation des sols et surveiller l'évolution du couvert forestier au Togo. Pensez de l'extraction des données (Data Engineering) jusqu'au déploiement du modèle (AI Engineering), en passant par l'analyse géospatiale (Data Analysis). **Dataset constitué** : Lien vers Google Drive --- ## Objectif du projet Fournir un outil robuste et automatisable permettant de détecter les différentes classes d'occupations des sols, avec un focus majeur sur la télédétection forestière. ## État de l'art du projet (Phases accomplies) ### 1. Data Collection & Engineering (Google Earth Engine) - Extraction de données satellitaires **Sentinel-2 Level-2A** sur des coordonnées précises au Togo. - Calcul de **37 features géospatiales et radiométriques** pour 21 000 pixels (sans données manquantes) comprenant : - **Bandes brutes** (Visible, NIR, SWIR). - **Indices spectraux** (NDVI, NDWI, NDBI, etc.) adaptés à la végétation, l'eau et l'urbain. - **Textures GLCM** (Variance, Contraste, ASM, Entropie) pour cartographier la complexité structurelle des paysages. ### 2. Modélisation et Optimisation (Machine Learning) L'algorithme choisi est le **Random Forest**, idéal pour son interprétabilité radiométrique et sa robustesse. Tout le processus (Processing, Tuning) est documenté dans notre `modeling.ipynb` : - **Ingénierie des caractéristiques** : Suppression des variables ultra-corrélées mathématiquement (Moyennes, Variances, Entropie) au profit de leurs paires structurales (Valeurs Brutes, Contraste, ASM). - **Adaptation au "Plafond radiométrique"** : Fusion stratégique des classes ambigües ("Buissons" et "Savanes") en une classe "Végétation Mixte" (passage de 7 à 6 classes pour s'adapter à la limite de la résolution à 10 m). - **Optimisation** : GridSearchCV avec optimisation de la métrique …