ABSTRAIT:
La variabilité et le changement climatiques restent l'un des défis les plus importants pour l'Afrique au 21e siècle. Il menace d'annuler les gains de développement réalisés au cours des deux dernières décennies et pourrait potentiellement réduire la capacité de la région à atteindre les objectifs de développement durable d'ici 2030. Des mesures sont nécessaires pour renforcer la capacité de la région à faire face de toute urgence aux effets débilitants de la variabilité et du changement climatiques sur la production, les ressources en eau et en énergie ainsi que la propagation des conflits. Le déploiement de l'intelligence artificielle (IA) dans d'autres régions du monde, en particulier dans les pays du Nord, s'est avéré essentiel en raison de sa capacité à accroître la capacité d'adaptation et d'atténuation et à améliorer la précision de la prise de décision fondée sur des données probantes.
Ce projet mettra en œuvre et gérera un réseau de recherche sur l'IA et l'innovation en matière de changement climatique. Ce réseau soutiendra le développement et la mise à l'échelle d'innovations responsables en matière d'IA pour l'action climatique en Afrique subsaharienne, le renforcement des capacités des innovateurs et des chercheurs africains et la contribution accrue de la recherche africaine à la politique et à la pratique internationales de l'IA grâce à son intégration dans un réseau mondial sur machine. apprentissage et IA. Le hub financera et soutiendra 10 projets de recherche sur l'innovation en matière de changement climatique ainsi que 10 étudiants à la maîtrise axés sur l'intersection de l'apprentissage automatique et du changement climatique.
Ce projet fait partie du partenariat de quatre ans sur l'intelligence artificielle pour le développement de l'Afrique (AI4D Afrique) entre l'Agence suédoise de coopération internationale au développement et le CRDI pour soutenir la politique, les innovations et le leadership élargi qui stimuleront le développement responsable de l'IA en Afrique. Ce réseau est l'un des cinq réseaux de recherche en innovation qui seront financés dans le cadre du programme. Les autres réseaux sont impliqués dans des travaux sur l'éducation, le genre et l'inclusion, l'agriculture et la sécurité alimentaire, et la santé sexuelle et reproductive.
EMPLACEMENT
FINANCEMENT TOTAL
1,158,100 $ CA
CHERCHEUR PRINCIPAL:
- Koné Daouda
SOUS-PROJETS
| projet 1 — Tirer parti de l'IA pour le comptage du bétail en temps quasi réel et l'indexation des systèmes agricoles à l'aide de vidéos et d'images de drones pour l'estimation des émissions de GES (LAIRG) | |
| Chercheur principal: Assoc. Prof. Ing. Isa Kabenge, Université Makerere | Pays : Ouganda |
| Résumé du projet: Ce projet de recherche utilisera des images et des vidéos d'UAV acquises à distance pour développer des algorithmes d'intelligence artificielle qui détectent et classifient les systèmes de gestion du bétail et quantifient les émissions de gaz à effet de serre du bétail en temps quasi réel dans le district de Mubende, dans la région centrale de l'Ouganda. technologies qui renforcent la résilience et la capacité d’adaptation au changement climatique. Ce travail améliorera la fiabilité des rapports du Département national sur le changement climatique et, ce faisant, contribuera à soutenir des stratégies de prise de décision fondées sur des données probantes pour l'atténuation du changement climatique dans le secteur de l'élevage et renforcera les connaissances et les compétences partagées entre les parties prenantes et les agriculteurs. | |
| projet 2 — Utilisation d'une technologie intelligente pour prédire les effets du changement climatique sur la diversité et la conservation des plantes terrestres pour des moyens de subsistance durables dans la région du Nord-Rift, au Kenya | |
| Chercheur principal: Dr John Wanjala Makokha, Université Kibabii | Pays : Kenya |
| Résumé du projet: Cette étude vise à utiliser la technologie SMART pour analyser les tendances climatiques et développer des modèles prédictifs des effets du changement climatique, en se concentrant particulièrement sur la diversité et la conservation des plantes terrestres dans la région du Rift Nord au Kenya. Il englobe huit comtés et cible une approche multipartite pour évaluer les impacts du changement climatique sur l'environnement et les moyens de subsistance des communautés pastorales. Les principaux objectifs comprennent l'analyse des modèles climatiques, l'évaluation des effets du changement climatique sur la diversité végétale, l'évaluation des pratiques d'utilisation des terres sur la couverture végétale, la détermination de l'influence des variables du sol sur la végétation et la diversité des espèces, et finalement l'élaboration de mesures d'atténuation pour des moyens de subsistance durables. Les résultats du projet devraient inclure l'établissement de lois, de politiques et d'unités sur le changement climatique spécifiques aux comtés, renforçant ainsi l'engagement du Kenya en faveur de l'action climatique et contribuant aux objectifs de développement durable, à la vision 2030 et à l'augmentation du PIB. | |
| projet 3 — Modélisation de la productivité des terres et des rendements des cultures dans un contexte de changement climatique et de gestion de l'utilisation des terres à l'aide de l'intelligence artificielle dans le bassin du lac Kyoga, en Ouganda | |
| Chercheur principal: Dr Catherine Mulinde Kafeero, Université Makerere | Pays : Ouganda |
| Résumé du projet: Ce projet vise à contribuer à une meilleure compréhension de l'adaptation au changement climatique et de la production agricole grâce à l'évaluation de la productivité des terres et de la production agricole de différentes gestions des terres agricoles dans un contexte de changement climatique dans le bassin de Kyoga. Il renforcera également les capacités des étudiants de l’Université de Makerere en matière d’évaluation de la productivité des cultures et de l’adaptation au changement climatique à l’aide de l’intelligence artificielle. L'étude couvre trois zones agroécologiques et utilise des enquêtes approfondies sur le terrain, des analyses géospatiales et des techniques d'intelligence artificielle. Deux étudiants en maîtrise ès sciences seront formés à la productivité des cultures et à l'adaptation au changement climatique, et le projet produira des résultats précieux, notamment des thèses de recherche, des articles de revues, un modèle basé sur l'apprentissage automatique pour la prévision du rendement des cultures et une note d'orientation. L'objectif principal est d'améliorer la compréhension de l'adaptation au changement climatique et de la production agricole, contribuant ainsi à l'agriculture durable dans le bassin de Kyoga. | |
| projet 4 — Évaluation de l'impact du changement ou de la variabilité climatique sur l'émergence de nouvelles maladies des plantes et développement d'une application mobile innovante d'IA pour le contrôle | |
| Chercheur principal: Dr Yinka-Banjo, Chika Ogochukwu, Université de Lagos | Pays : Nigéria |
| Résumé du projet: L'étude se concentre sur le problème croissant de l'émergence de maladies infectieuses induite par la variabilité climatique (EID) affectant les plantes cultivées, en particulier les cultures de taro en Afrique de l'Ouest, menacées par la brûlure des feuilles du taro (TLB) causée par Phytophthora colocasiae. Ce projet vise à évaluer l'impact du changement climatique sur de nouvelles maladies des plantes comme Phytophthora colocasiae et à développer une application mobile d'IA pour évaluer la lutte biologique via les endophytes fongiques. Les algorithmes de détection et de classification d'objets s'appuient sur les bibliothèques Tensorflow et Keras pour former une bibliothèque d'apprentissage automatique de modèle Mobilenet de détecteur à prise unique (SSD) pré-entraînée afin d'identifier l'identification précoce du TLB. Le modèle d'IA qui en résultera sera déployé sur les smartphones Android pour permettre aux petits exploitants agricoles de détecter rapidement le TLB, réduisant ainsi les épidémies et les coûts associés. L'étude vise également à évaluer l'impact du changement climatique sur Phytophthora colocasiae et à établir des endophytes fongiques pour le contrôle du TLB, favorisant ainsi l'adoption de cette technologie par les agriculteurs. | |
| projet 5 — Vers une croissance durable neutre en carbone et résiliente au climat : utilisation d'une approche à 4 niveaux, de l'IoT, de l'IA, des applications mobiles et des techniques de drones pour la prévision et le contrôle précoces de la déforestation, du changement climatique et de leurs effets notables en Tanzanie. | |
| Chercheur principal: Dr Ing. Judith Leo, Institution africaine Nelson Mandela des sciences et de l'ingénierie (NM-AIST) | Pays : Tanzanie |
| Résumé du projet: Ce projet vise à relever les défis environnementaux complexes découlant de la croissance démographique rapide, de la déforestation et de la variabilité climatique en Tanzanie et dans toute l'Afrique subsaharienne. En mettant l'accent sur l'IA responsable, l'inclusivité et la résilience climatique, il vise à lutter contre la déforestation, à réduire les effets néfastes du changement climatique et à promouvoir le développement durable. L'approche holistique du projet intègre l'IA, l'IoT, les applications mobiles et la technologie des drones, englobant la collecte de données, l'analyse, la prévision et l'élaboration de politiques. Il met également l’accent sur l’inclusion du genre, le renforcement des capacités et la collaboration régionale, en favorisant une communauté d’experts et de dirigeants. Les sujets de recherche englobent les émissions de gaz à effet de serre, les risques climatiques, l’évaluation de l’impact climatique, l’IA responsable, le changement climatique, la biodiversité, l’agriculture intelligente face au climat et le développement de villes intelligentes. Les résultats du projet visent à combler le fossé entre la recherche et l'application pratique, pour, à terme, améliorer la neutralité carbone durable ainsi qu'une croissance et un développement économiques résilients au climat en Afrique. | |
| projet 6 — RAGA : un système basé sur l'intelligence artificielle pour prédire la disponibilité des eaux souterraines | |
| Chercheur principal: Dr Cyril Dziedzorm Boateng, Université des sciences et technologies Kwame Nkrumah (KNUST) Prof DD Wemegah, Université des sciences et technologies Kwame Nkrumah (KNUST), Dr Marian Osei, Université des sciences et technologies Kwame Nkrumah (KNUST) | Pays : Ghana |
| Résumé du projet: Ce projet vise à développer un cadre open source innovant basé sur l'intelligence artificielle (IA) pour prédire la disponibilité des eaux souterraines au Ghana en utilisant les niveaux des eaux souterraines (GWL) comme proxy. Nous appellerons ce projet RAGA : Rapid Assessment of Groundwater Availability. Ce projet fera évoluer le paradigme de la surveillance des eaux souterraines d'un processus statique à un processus dynamique pour permettre l'adaptation de systèmes de gestion de l'eau résilients en réponse au changement et à la variabilité climatiques. Cette étude vise à atteindre son objectif en construisant une base de données spatio-temporelles de variables hydrologiques, géologiques et physiographiques, climatiques et de niveau des eaux souterraines (GWL) pour le Ghana ; développer des algorithmes et des flux de travail d'IA pour l'intégration de sources de données variées et la prévision de la disponibilité des eaux souterraines et développer une application Web open source pour une évaluation rapide de la disponibilité des eaux souterraines à utiliser par les parties prenantes et la population en général. | |
| projet 7 — Combler les lacunes critiques dans les données sur l'humidité relative pour améliorer la science et les services climatiques en Éthiopie : le cas du bassin de la rivière Awash | |
| Chercheur principal: Dr Mekonnen Adnew Degefu, Université Debre Markos Dr Abebe Belay Adege, Université Debre Makos | Pays : Éthiopie |
| Résumé du projet: L'objectif du projet de recherche proposé est d'améliorer les services climatiques en comblant les lacunes critiques dans les données sur l'humidité relative pour l'Agence météorologique nationale d'Éthiopie. Le plan est de produire des données représentatives d'humidité relative maillées de haute qualité en fusionnant les données satellitaires de meilleure qualité et les données de réanalyse HR du bassin de la rivière Awash provenant de sources ouvertes mondiales avec des enregistrements de contrôle de qualité in situ. Nous prévoyons d'abord d'évaluer la qualité des produits de données mondiaux, puis de produire de nouveaux ensembles de données en fusionnant les données RH relativement meilleures avec des enregistrements de contrôle qualité in situ. Nous proposons de mettre la recherche en pratique en appliquant et en testant le nouveau produit de données pour la capacité de détection précoce des sécheresses et pour les indices de confort des humains et du bétail. Nous prévoyons de faciliter la mise en œuvre grâce à nos réseaux d’experts multidisciplinaires existants (climatologue, expert en données et expert en intelligence artificielle) et en partenariat avec l’Agence météorologique nationale d’Éthiopie. | |
| projet 8 — Intelligence artificielle et apprentissage automatique pour la modélisation du changement climatique, de la dynamique du paysage et l'amélioration de l'adoption des technologies d'énergie renouvelable pour la protection de l'environnement dans le bassin du Congo | |
| Chercheur principal: Prof. Engr. Derek Ajesam Asoh, Institut National Supérieur Polytechnique (NAHPI), Université de Bamenda | Pays : Cameroun |
| Résumé du projet: Cette étude vise à utiliser les techniques d'IA et de ML pour modéliser le changement climatique et la dynamique du paysage ; prédire le potentiel des énergies renouvelables et déployer les technologies associées dans le bassin du Congo dans les conditions actuelles et futures du changement climatique. Les principales méthodes à utiliser comprennent la modélisation spatiale avec des réseaux de neurones artificiels/réseaux de neurones profonds, la classification aléatoire supervisée des forêts, les automates cellulaires (AC) les simulations de changement de couverture terrestre/d'utilisation, l'analyse des tendances et la dynamique avec TIMESAT, ainsi que la configuration sur le terrain et l'opérationnalisation d'un système solaire. centrale électrique dans le Cameroun rural. Les principaux résultats du projet comprennent les tendances spatiales de la dynamique du paysage – le lien entre le changement climatique, les changements de couverture terrestre/d'utilisation, les projections et les tendances de la déforestation, la dynamique quotidienne/saisonnière des ressources en eau de surface (par exemple, les barrages et les réservoirs) et les impacts sur l'approvisionnement en hydroélectricité. les tendances à long terme du rayonnement solaire et des sites d'énergie solaire appropriés simulés, ainsi qu'une centrale solaire opérationnelle dans les zones rurales du Cameroun. Le projet aura des impacts considérables sur les processus décisionnels relatifs à l'approvisionnement énergétique dans le bassin du Congo, car il fournira des modèles d'énergie propre pilotés par la communauté qui fourniront des solutions climatiques intelligentes au niveau local. Le renforcement des capacités et la formation des acteurs de la communauté locale, en mettant l'accent sur l'équité entre les sexes, seront la stratégie adoptée pour garantir une acceptation, une utilisation, un entretien et une gestion appropriés de la ferme énergétique pour le respect de l'environnement. | |
| projet 9 — Modélisation de la demande d'électricité du réseau à l'aide de l'intelligence artificielle | |
| Chercheur principal: Professeur Olusanya Elisa OLUBUSOYE ; Université d'Ibadan | Pays : Nigéria |
| Résumé du projet: Ce projet propose une solution d'apprentissage automatique pour profiler la demande d'électricité dans les pays africains comme moyen d'atténuer le changement climatique. Cette étude adoptera une approche mixte utilisant des algorithmes de simulation et prédictifs sur des données existantes qui doivent être comparées statistiquement avec des données en temps réel. En outre, les paramètres à adopter dans l'étude comprennent la capacité installée, la capacité générée réelle, le PIB par habitant en charge de pointe annuelle PPA, la charge de base annuelle, la consommation annuelle d'électricité, la température et d'autres variables spécifiques au pays (par exemple, la fréquence de l'effondrement du réseau) et les facteurs étrangers. taux de change. Ces paramètres ont été rassemblés au cours des 10 dernières années et le modèle permettrait d'accéder à des données en temps réel, car l'étude repose sur une approche de séries chronologiques. La modélisation et les simulations seraient réalisées à l’aide de processus d’apprentissage automatique supervisés. Des modèles bien formés éclaireraient la nature réelle et optimale de la demande et de l’offre de réseau nécessaires à la transition énergétique de l’Afrique. Cela encouragerait l’optimisation énergétique liée à la fois à la décarbonisation et à la modélisation du système énergétique du coût de charge. | |
| projet 10 — Impacts du changement climatique et de la dynamique de l'occupation des sols sur la production hydroélectrique et conséquences sur l'approvisionnement en électricité en Afrique de l'Ouest à l'aide de l'apprentissage automatique d'Ensemble | |
| Chercheur principal: Dr Salomon Obahoundje, Université Félix Houphouët Boigny | Pays : Côte d'Ivoire |
| Résumé du projet: Ce projet vise à contribuer à gérer et planifier durablement la production hydroélectrique en Afrique de l'Ouest dans un contexte d'incertitudes climatiques et de dynamique LULC en utilisant l'apprentissage automatique. Ce projet sera axé sur quatre barrages (sites pilotes) au Togo (Nangbeto), en Côte d'Ivoire (Taabo), au Burkina Faso (Bagré) et au Sénégal (Manantali), situés sous des climats différents et visera à construire des communautés de pratiques avec Parties prenantes du HPG (gestionnaires de barrages, décideurs politiques locaux, représentants de la société civile, association de femmes, etc.) pour aborder les défis, les synergies et les compromis dans le lien climat-terre-énergie-eau en WA pour une gestion et une planification durables du HPG. Pendant la mise en œuvre, le projet favorisera le partage et l'apprentissage commun entre les 4 études de cas. | |
| projet 11 — Développement d'un cadre assisté par intelligence artificielle pour évaluer la vulnérabilité au changement climatique des écosystèmes de mangrove en Afrique de l'Ouest : application sur les mangroves côtières du Bénin | |
| Chercheur principal: Adandé Belarmain FANDOHAN, Université Nationale d'Agriculture | Pays : République du Bénin |
| Résumé du projet: Cette étude vise à développer un cadre dynamique assisté par intelligence artificielle pour évaluer la vulnérabilité au changement climatique des écosystèmes de mangroves d'Afrique de l'Ouest. Plus précisément, il vise à déterminer des indicateurs significatifs pour l'évaluation de la vulnérabilité des écosystèmes de mangrove d'Afrique de l'Ouest ; construire un modèle intégré pour l'évaluation de la vulnérabilité des mangroves ; et évaluer la vulnérabilité des écosystèmes de mangrove du Bénin à l'aide du modèle construit. Ainsi, des algorithmes d'apprentissage supervisé et non supervisé des méthodes d'apprentissage automatique seront combinés pour sélectionner des paramètres significatifs afin de développer un nouveau cadre dynamique pour l'évaluation de la vulnérabilité des écosystèmes de mangrove en Afrique de l'Ouest. Les paramètres seront sélectionnés en tenant compte du surplus et du déficit écologiques, du degré d'altération hydrologique, de la période hydrologique, de la télédétection et du STI couplé à la régression. Les techniques d'optimisation par essaim de particules (PSO), de machine à vecteurs de support (SVM), de réseau neuronal artificiel (ANN), de fonction de base radiale (RBF), de M5P et d'algorithmes d'ensachage seront intégrées pour modéliser l'état de vulnérabilité des mangroves ; et la méthode des caractéristiques de fonctionnement du récepteur (ROC) et l'analyse de sensibilité seront utilisées pour la validation des modèles. Les résultats seront diffusés aux parties prenantes à travers des programmes de sensibilisation, des ateliers et des formations. | |