Joany-Hariliva/DeepLearning-Soil-Erosion-Madagascar

Deep Learning approach (PyTorch) using Sentinel-2 and SRTM data to predict soil erosion susceptibility in the Alaotra Basin, Madagascar. # 🤖 Deep Learning for Soil Erosion Modeling **Predicting Landslide (Lavaka) Susceptibility using Artificial Neural Networks & Multi-source Data Fusion** ## 📊 Performance du Modèle ANN Avant l'application terrain, le modèle a été rigoureusement validé sur un inventaire de plus de **4 000 points**. Le réseau de neurones (ANN) démontre une forte capacité de généralisation. * **AUC (Area Under Curve) :** 0.8853 * **Feature Engineering :** Fusion de données Sentinel-2 (NDVI), SRTM (Topographie) et WorldClim. *L'analyse complète des métriques (Matrice de confusion, Calibration) est disponible dans le dossier Courbes/.* --- ## 🌍 Application : Cartographie Prédictive Une fois validé, le modèle a été déployé pour générer une carte de susceptibilité à haute résolution du Bassin Versant de l'Alaotra. C'est l'étape de **déploiement du modèle** sur des données réelles non vues. *Les résultats localisent les zones prioritaires pour les interventions de conservation. Livrables SIG disponibles dans le dossier Cartes/.* --- ## 📂 Structure du Repository * `Code.ipynb` : Pipeline complet (Preprocessing, Training PyTorch, Evaluation). * `/Courbes` : Visualisations Data Science (ROC, Importance des variables). * `/Cartes` : Résultats de l'inférence spatiale (Cartographie finale).