jsohaibe-hue/rainfall-yield-morocco

Analyse spatio-temporelle pluviométrie et rendements agricoles — Maroc (2000–2024) # Analyse Spatio-Temporelle de la Pluviométrie et Impact sur le Rendement Agricole au Maroc > IAV Hassan II — Data Science Agricole --- ## 🎯 Objectif Ce projet analyse les données pluviométriques de 6 régions marocaines sur la période **2000–2024** pour : 1. Identifier les **tendances et la saisonnalité** des précipitations (analyse temporelle) 2. Caractériser la **distribution spatiale** des pluies à l'échelle nationale (analyse spatiale) 3. Modéliser et **prédire les rendements agricoles** à partir des variables climatiques (Machine Learning) 4. Projeter l'évolution des rendements agricoles à l'horizon **2025–2035** Ce travail s'inscrit directement dans la thématique du cours **LBRTI2101** (Data Science in Bioscience Engineering) — notamment les modules sur l'analyse des données corrélées dans l'espace et dans le temps, et les enjeux de fiabilité et d'interprétation des données environnementales. --- ## 📂 Structure du projet ``` rainfall_maroc/ │ ├── data/ # Données générées │ ├── monthly_rainfall.csv # Précipitations mensuelles (6 régions × 25 ans × 12 mois) │ └── annual_data.csv # Données annuelles agrégées + rendements │ ├── scripts/ # Scripts Python │ ├── generate_data.py # Génération du dataset simulé │ ├── temporal_analysis.py # Analyse des séries temporelles │ ├── spatial_analysis.py # Cartographie et interpolation spatiale │ └── ml_prediction.py # Modèles prédictifs (Random Forest, etc.) │ ├── outputs/ # Visualisations générées │ ├── 01_annual_rainfall_trends.png │ ├── 02_seasonality_by_region.png │ ├── 03_monthly_time_series.png │ ├── 04_rainfall_yield_correlation.png │ ├── 05_rainfall_variability_boxplot.png │ ├── 06_spatial_rainfall_map.png │ ├── 07_idw_interpolation.png │ ├── 08_latitudinal_gradient.png │ ├── 09_model_comparison.png │ ├── 10_predictions_vs_real.png │ ├── 11_feature_importance.png │ ├── 12_fut …