Yacine Bouroubi

Professeur adjoint

Coordonnées

Je possède plus de vingt ans d’expérience de recherche dans les domaines du traitement des images numériques appliqué à différentes thématiques des sciences géomatiques. Le principal axe de recherche que je mène en qualité de professeur en traitement d'images concerne l’application des techniques d’intelligence artificielle aux images satellites à très haute résolution, ainsi qu’aux images aériennes à ultra-haute résolution (acquises par drones). Je possède également une expertise en agriculture de précision. Mes autres domaines de compétences concernent les corrections radiométriques et atmosphériques des images optiques multispectrales; l'application de la polarimétrie et de l’interférométrie SAR; le traitement de signal et la modélisation; les statistiques avancées; le gisement énergétique solaire.

Formation

  • B. Sc. (électronique), École polytechnique d'Alger, Algérie (1995)
  • M. Sc. (génie électrique), Université de la science et de la technologie, Algérie (1998)
  • Ph. D. (télédétection), Université de Montréal, Canada (2009)

Domaines d’enseignement

  • Télédétection et traitement d'images
  • Analyse et modélisation spatiale
  • Bases de données à référence spatiale
  • Géolocalisation et cartographie

    Recherches actuelles

    • Utilisation des drones et de l’apprentissage profond pour le dépistage automatisé des ravageurs en agriculture
    • Évaluation du potentiel photovoltaïque des toits de bâtiments sur les images WorldView-3 par les techniques de traitement d’images conventionnelles (photogrammétrie et classification OO) et avancées (réseaux de neurones convolutionnels)
    • Cartographie intelligente des sols agricoles par fouille de mégadonnées d’OT
    • Réduction des gaz à effet de serre par télédétection (projet d’AAC)
    • Détection des maladies des cultures par télédétection thermique (projet d’AAC)
    • CANARIE - GeoImageNet : plateforme web pour l’annotation et l’apprentissage profond sur les images satellites à très haute résolution spatiale
    • Environmental Defense Fund - AAFC : Relationship between Nitrogen balance and variability in remotely sensed measures / Relation entre l'équilibre azoté et la variabilité des mesures de télédétection
    • IABATHYM - Cartographie et suivi satellitaires des hauts-fonds par intelligence artificielle (projet en collaboration avec Effigis-GéoSolutions, financé par l’Agence spatiale canadienne)

    Publications récentes

    • Bouroubi Y., W. Batita, F. Cavayas, N. Tremblay. 2018. Ground Reflectance Retrieval on Horizontal and Inclined Terrains Using the Software Package REFLECT. Remote Sensing, 2018, 10, 1638.
    • Bouroubi Y., P. Bugnet, T. Nguyen-Xuan, L. Longchamps, C. Bélec. 2018. Pest detection on UAV imagery using a convolutional deep neural network. The 14th International Conference on Precision Agriculture. Montreal, Quebec, Canada.
    • Sadanand Shinde S., V. Adamchuk, R. Lacroix, N. Tremblay, Y. Bouroubi. 2018. Development of an Online Decision-Support Infrastructure for Optimized Fertilizer Management. The 14th International Conference on Precision Agriculture. Montreal, Quebec, Canada.
    • Adamchuk V., R. Lacroix, N. Tremblay, Y. Bouroubi, 2018. Development of a decision support system for 4R optimization of Nitrogen Fertilization. Canadian 4R network meeting, January 24, 2018. Mississauga, Ontario, Canada.
    • Bouroubi Y., M. Desrosiers, T. Nguyen-Xuan, 2017, Estimation des concentrations de sediments en suspension dans les eaux côtières à partir d’images Pleiades. Accepté par la Revue Française de Photogrammétrie et Télédétection en juin 2017.
    • Tremblay, N., Y. Bouroubi, C. Bélec, R. Mullen, N. Kitchen, W. Thomason, S. Ebelhar, D. Mengel, B. Raun, D. Francis, E.D. Vories, and I. Ortiz-Monasterio. 2012. Corn Response to Nitrogen is Influenced by Soil Texture and Weather. Agronomy Journal, 104(6): 1658-1671.
    • Xie M., N. Tremblay, G. Tremblay, G. Bourgeois, Y. Bouroubi, Z. Wei. 2013. Weather effects on corn response to in-season nitrogen rates. Canadian Journal of Plant Science, 93(3), p. 407-417.
    • Bouroubi Y., N. Tremblay, P. Vigneault, C. Bélec, B. Panneton and S. Guillaume, 2011. Fuzzy Logic Approach for Spatially Variable Nitrogen Fertilization of Corn Based on Soil, Crop and Precipitation Information. Lecture Notes in Computer Science, 2011, Volume 6782, 356-368.
    • Tremblay N., Y. Bouroubi, P. Vigneault and C. Bélec, 2011. Guidelines for in-season nitrogen application for maize (Zea mays L.) based on soil and terrain properties. Field Crops Research, 122: 273-283.
    • Tremblay N., Y. Bouroubi, B. Panneton, S. Guillaume and P. Vigneault, 2010. Development and validation of a fuzzy logic estimation of optimum N rate for corn based on soil and crop features, Prec. Agric. 11:621-635.
    • Mefti A., A. Adane and Y. Bouroubi, 2008. Satellite approach based on cloud cover classification: Estimation of hourly global solar radiation from meteosat images, Energy Conversion and Management, 49(4): 652-659.
    • Bouroubi Y., P. Vigneault, F. Cavayas et N. Tremblay, 2006. Le Progiciel « REFLECT » pour la correction atmosphérique d’images satellites: validation sur la Montérégie, Québec, Télédétection, 6(1):1-8.
    • Mefti A., Y. Bouroubi and A. Adane, 2003. Generation of hourly solar radiation for inclined surfaces using monthly mean sunshine duration in Algeria, Int. J. of Energy Conversion and Management, 44: 3125-3141.
    • Mefti A., Y. Bouroubi and A. Adane, 2002. Statistical analysis of solar measurements in Algeria using beta distributions, International Journal of Renewable Energy, 26(1): 47-67.