Algorithme pour déterminer sécheresse à partir des données d’une api

1. Attribuer des poids aux critères

 Humidité : 30%
 Précipitations : 25%
 Température : 20%
 Vitesse du vent : 25%

Considérations générales pour attribuer des poids : Sècheresse =100%

Importance relative : Considérez l'importance relative de chaque critère dans la

détermination du niveau de sécheresse. L’humidité et les précipitations sont généralement des
facteurs très importants dans la mesure de la sécheresse, tandis que la température et la vitesse
du vent peuvent également jouer un rôle, mais peut-être dans une moindre mesure.

Impact sur la sécheresse : Pensez à l'impact que chaque critère a sur la sécheresse une faible
humidité et des précipitations insuffisantes sont des indicateurs directs de la sécheresse, tandis
que des températures élevées et des vents forts peuvent contribuer à l'évaporation de
l'humidité, exacerbant ainsi la sécheresse.

2. Normalisation des données

Normalisez les valeurs de chaque critère pour qu'elles se situent dans la même échelle (par
exemple, de 0 à 1) afin de les comparer plus facilement. Par exemple, vous pouvez diviser
chaque valeur par la valeur maximale observée pour ce critère.

3. Calcul du score global

Score global = (Humidité normalisée * Poids de l'humidité) + (Précipitations normalisées *

Poids des précipitations) + (Température normalisée * Poids de la température) + (Vitesse du
vent normalisée * Poids de la vitesse du vent)

4. Détermination du niveau de sécheresse

 Si le score global est inférieur à 0.3, le niveau de sécheresse est faible.

 Si le score global est compris entre 0.3 et 0.6, le niveau de sécheresse est modéré.
 Si le score global est compris entre 0.6 et 0.8, le niveau de sécheresse est élevé.
 Si le score global est supérieur à 0.8, le niveau de sécheresse est très élevé.

-----------------------------------------------------------------------------------------------------------------

!! modifier classe apiData les donnes enregistrées dans bd à partir d’ api doit être enregistre
avec date =today

!! recup data pour traitement avec date=today ou sort (la dernière enregistrée)

!! utiliser ancien data pour prédiction

 Presentation Eco-Watch Tangier

-Intro (on va présenter notre état d’avancement) saif

-Why eco watch tangier? (problematique) saif

-Les fonctionnalités de notre app /Users (who can use our app ) nada

-UML diagrammes mousaab

-Architecture : MVC / Classe / Code (algo pour module de traitement) randa

-Stimulations

-Conclusion (notre prochaine étape) saif

-----------------------------------------------------------------------------------------------------------------

4-

Since we're using ASP.NET MVC, it's evident that our project is divided into Models, Views,
and Controllers.
In the Models, where we create our main classes, we have a folder named "ApiData" which
collects all the classes related to it. Then we have "Blog", "Notifications", and
"WeatherDataAnalysisResult" for data from API after processing.
In Views, we have our pages .cshtml like home, map, and others.
Then we have Controllers, where we'll focus on the "WeatherDataController" by explaining
the following algorithm.
First, we get data from the API, and focus on Humidity, Precipitation, Temperature, and Wind
Speed. Then, we'll assign weights to each criterion, considering that these elements
collectively construct drought, and each has a property that influences the drought.
After that, we'll normalize the values of each criterion to ensure they are on the same scale.
Next, we'll calculate the overall score using this formula. Finally, we'll identify the level of
drought based on this score.
Additionally, to these folders, we have an area containing user management files using
Identity and migration, along with all the migrations performed.