Yacine Bouroubi

par

Sujet de recherche
]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.

Contacts

Yacine.Bouroubi@USherbrooke.ca
+1 819 821-8000 x62522

Projets en cours

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

Publications (sélection d’articles)

  • Echevin, D., Fotso, G., Bouroubi, Y., Coulombe, H., & Li, Q. (2025). Combining survey and census data for improved poverty prediction using semi-supervised deep learning. Journal of Development Economics, 172, 103385.

  • Etezadi, H., Adamchuk, V., Bouroubi, Y., Leduc, M., Gasser, M., & TitleyPeloquin, D. (2025). Quantifying intra-field soil variability using categorical data: A case study of predicting soil organic matter using soil survey maps. Smart Agricultural Technology, 101503.

  • Kamga, G. A. F., Bouroubi, Y., Germain, M., Martin, G., & Bitjoka, L. (2025). Beekeeping suitability prediction based on an adaptive neuro-fuzzy inference system and apiary level data Ecological Informatics, 86, 103015.

  • Clabaut, É., Foucher, S., Bouroubi, Y., & Germain, M. (2024). A Self-Supervised Approach for Producing A Land Use Map for Southern Quebec. In IGARSS 2024-2024 IEEE International Geoscience and Remote Sensing Symposium (pp. 7049-7052). IEEE.

  • Clabaut, É., Foucher, S., Bouroubi, Y., & Germain, M. (2024). Synthetic data for sentinel-2 semantic segmentation. Remote Sensing, 16(5), 818.

  • Kamga, G. A. F., Bouroubi, Y., Germain, M., Mbom, A. M., & Chagnon, M. (2024). Expert knowledge-based modelling approach for mapping beekeeping suitability area. Ecological Informatics, 80, 102530.

  • Leroux, F., Germain, M., Clabaut, É., Bouroubi, Y., & St-Pierre, T. (2024). Improving Three-Dimensional Building Segmentation on Three-Dimensional City Models through Simulated Data and Contextual Analysis for Building Extraction. ISPRS International Journal of Geo-Information, 13(1), 20.

  • Clabaut, É., Foucher, S., Bouroubi, Y., & Germain, M. (2024). Synthetic data for sentinel-2 semantic segmentation. Remote Sensing, 16(5), 818.

  • Kpegouni, G., Bouroubi, Y., Coulombe, H., Echevin, D., Lauzier-Hudon, E., & Germain, M. (2023). Application of deep-learning techniques to very-high-resolution satellite images supporting population censuses in developing countries. Journal of Applied Remote Sensing, 17(2), 024506-024506.

  • Ojaghi, S., Bouroubi, Y., Foucher, S., Bergeron, M., & Seynat, C. (2023). Deep Learning-Based Emulation of Radiative Transfer Models for Top-of-Atmosphere BRDF Modelling Using Sentinel-3 OLCI. Remote Sensing, 15(3), 835.

  • Kacem, H. A., Bouroubi, Y., Khomalli, Y., Elyaagoubi, S., Maanan, M., Rhinane, H., & Maanan, M. (2022). The economic benefit of coastal blue carbon stocks in a Moroccan Lagoon ecosystem: A case study at Moulay Bousselham Lagoon. Wetlands, 42(2), 1-15.
  • Clabaut, É., Lemelin, M., Germain, M., Bouroubi, Y., & St-Pierre, T. (2021). Model Specialization for the Use of ESRGAN on Satellite and Airborne Imagery. Remote Sensing, 13(20), 4044.
  • Turgeon-Pelchat, M., Foucher, S., & Bouroubi, Y. (2021). Deep Learning-Based Classification of Large-Scale Airborne LiDAR Point Cloud. Canadian Journal of Remote Sensing, 1-15.
  • 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.
  • Dahmane M., Foucher S., Beaulieu M., Riendeau F., Bouroubi Y. and Benoit M., 2016. Evaluation of Deep Features for Car Detection in Very High Resolution Imagery. 23rd International Conference on Pattern Recognition, December 2016, Cancun, Mexico.
  • Bouroubi Y., V. Sarago, M. Benoit and C. Gosselin, 2016. 2D dam displacement measurements from space using SAR interferometry. Canadian Dam Association Annual Conference, Halifax, Nova Scotia, October 15-20, 2016.
  • Khun K., P. Vigneault, N. Tremblay, Y. Bouroubi, F. Cavayas and C. Codjia. 2016. Comparative benefits of drone imagery for nitrogen status determination in corn. Proceedings of the 13th International Conference on Precision Agriculture July 31 – August 3, 2016, St. Louis, Missouri, USA
  • Dahmane M., Foucher S., Beaulieu M., Riendeau F., Bouroubi Y. et Benoit M., 2016. Object Detection in Pleiades Images using Deep Features. IGARSS 2016, July 10-15, 2016, Beijing, China.
  • Bouroubi Y., Rheault M., Sarago V., Gosselin C. et Benoit M, 2016. DInSAR technology applied to TerraSAR-X and RADARSAT-2 images for monitoring the stability of mine sites. KEGS PDAC Symposium 2016: Geophysics and the Environment, March 5th, 2016, Toronto, Canada.

    • Livres

    Dahmane, M., S. Foucher, M. Beaulieu, Y. Bouroubi, M. Benoit, 2017.The Potential of Deep Features for Small Object Class Identification in Very High Resolution Remote Sensing Imagery. Chapter in book: Image Analysis andRecognition, pp.569-577, January 2017. DOI: 10.1007/978-3-319-59876-5_63.

    Bouroubi Y., F. Cavayas et N. Tremblay, 2010. Les corrections radiométriques des images multispectrales et leur importance pour la fiabilité des applications de la télédétection, Éditions Universitaires Européennes, Sarrebruck, Germany, ISBN 978-613-1-50059-6.

    Tremblay N, Y. Bouroubi, B. Panneton, P. Vigneault and S. Guillaume, 2010. Space, Time, Remote Sensing and Optimal Nitrogen Fertilization Rates – A Fuzzy Logic Approach, GIS Applications in Agriculture Nutrient Management for Improved Energy Efficiency, CRC Press, 2010.