Gully erosion is a worldwide threat with numerous environmental, social, and economic impacts. The purpose of this research is to evaluate the performance and robustness of six machine learning ensemble models based on the decision tree principle: Random Forest (RF), C5.0, XGBoost, treebag, Gradient Boosting Machines (GBMs) and Adaboost, in order to map and predict gully erosion-prone areas in a semi-arid mountain context. The first step was to prepare the inventory data, which consisted of 217 gully points. This database was then randomly subdivided into five percentages of Train/Test (50/50, 60/40, 70/30, 80/20, and 90/10) to assess the stability and robustness of the models. Furthermore, 17 geo-environmental variables were used as potential controlling factors, and several metrics were examined to evaluate the performance of the six models. The results revealed that all of the models used performed well in terms of predicting vulnerability to gully erosion. The C5.0 and RF models had the best prediction performance (AUC = 90.8 and AUC = 90.1, respectively). However, according to the random subdivisions of the database, these models exhibit small but noticeable instability, with high performance for the 80/20% and 70/30% subdivisions. This demonstrates the significance of database refining and the need to test various splitting data in order to ensure efficient and reliable output results.

Depuis longtemps l’Homme cherche l’exploitation des ressources naturelles à des fines quotidiennes. Ainsi, le développement scientifique et technologique actuel lui a facilité et lui a donné des vraies opportunités pour la surexploitation de ces ressources en général et du couvert végétal en particulier. Afin de montre cette exploitation nous voulons, dans le présent article, étudier l’évolution du couvert végétal de la forêt des Ait Daoud ou Ali, située dans le Haut Atlas central sur une superficie de 30 860 ha, entre 1972, 1999 et 2020, en se basant sur la télédétection et l’outil SIG. Pour ce qui concerne la méthodologie de travail, l’étude multi-chronique de la dynamique du couvert végétal de la zone d’étude, repose sur l’analyse spatio-temporelle et le traitement des images satellitaires par la télédétection spatiale. En effet, dans le présent papier nous avons opté cette démarche qui s’appuie sur l’utilisation des données des images du satellite de LandSat de trois types; il s’agit des images de type MSS, ETM et Oli, pour trois dates 1972, 1999 et 2020 (période de 48 ans) pour identifier les différences spatiales du couvert végétal entre les trois dates choisies. En effet, l’étude de la dynamique du couvert végétal de la forêt des Ait Daoud ou Ali entre 1972, 1999 et 2020, a montré une variation spatio-temporelle très importante, liée essentiellement à plusieurs facteurs (naturels et humaines). La comparaison des résultats de la classification des images Landsat, a montré un recul et une dégradation importante du couvert végétal entre 1972 et 1999 de 12% de la surface totale de la zone d’étude. Cette dégradation est justifiée par l’intervention de plusieurs facteurs, notamment les conditions climatiques et les périodes sèches qu’a connu le Maroc à cette période. Pour la deuxième période (1999-2020), le traitement a montré une progression du couvert végétal de l’ordre de 10%. Dans cette étude, nous avons mis en évidence l’impact des facteurs naturels et notamment les actions anthropiques sur la dynamique de la forêt des Ait Daoud ou Ali située dans Haut Atlas Central, en se basant sur l’utilisation des techniques géospatiales qui nous ont permis d’avoir des informations très précises relatives à la dynamique spatio-temporelle du couvert végétal.