Selon une étude présentée le mois dernier lors de la réunion annuelle de l’American Geophysical Union, la combinaison de la technologie satellitaire et de l’apprentissage automatique pourrait permettre aux scientifiques de mieux suivre et se préparer aux risques naturels induits par le climat.
Au cours des dernières décennies, la hausse des températures mondiales a provoqué une augmentation de l’intensité et de la fréquence de nombreux phénomènes naturels tels que les ouragans, les tempêtes de neige, les inondations et les incendies de forêt.
Bien que les humains ne puissent pas empêcher ces catastrophes de se produire, le nombre croissant de satellites en orbite autour de la Terre depuis l’espace offre une in addition grande opportunité de surveiller leur évolution, a déclaré CK Shum, co-auteur de l’étude et professeur au Byrd Polar Study. Centre et en sciences de la terre à l’Ohio Condition University. Il a déclaré que le fait de permettre aux habitants de la région de prendre des décisions éclairées pourrait améliorer l’efficacité de la réponse et de la gestion locales des catastrophes.
“Prédire l’avenir est une tâche assez difficile, mais en utilisant la télédétection et l’apprentissage automatique, notre recherche vise à aider à créer un système qui sera able de surveiller ces dangers induits par le climat d’une manière qui permette une réponse rapide et informée aux catastrophes, ” dit Shum.
Les recherches de Shum utilisent la géodésie – la science de la mesure de la taille, de la forme et de l’orientation de la planète dans l’espace – pour étudier les phénomènes liés au changement climatique mondial.
À l’aide de données géodésiques recueillies auprès de divers satellites d’agences spatiales, les chercheurs ont mené plusieurs études de cas pour tester si une combinaison de télédétection et d’analyse d’apprentissage automatique en profondeur pouvait surveiller avec précision les épisodes météorologiques brusques, y compris les inondations, les sécheresses et les ondes de tempête dans certaines régions du monde.
Dans une expérience, l’équipe a utilisé ces méthodes pour déterminer si les signaux radar du système mondial de navigation par satellite (GNSS) de la Terre, qui étaient réfléchis au-dessus de l’océan et reçus par des récepteurs GNSS situés dans des villes au significant du golfe du Mexique, pouvaient être utilisés pour suivre l’évolution des ouragans en mesurant l’élévation du niveau de la mer après l’atterrissage. Entre 2020 et 2021, l’équipe a étudié remark sept tempêtes, telles que l’ouragan Hana et l’ouragan Delta, ont affecté le niveau de la mer côtière avant de toucher terre dans le golfe du Mexique. En surveillant ces changements complexes, ils ont trouvé une corrélation constructive entre l’élévation du niveau de la mer et l’intensité des ondes de tempête.
Les données qu’ils ont utilisées ont été collectées par la NASA et la mission GRACE (Gravity Recovery And Local climate Experiment) du Centre aérospatial allemand, et son successeur, GRACE Stick to-On. Les deux satellites ont été utilisés pour surveiller les changements de masse de la Terre au cours des deux dernières décennies, mais jusqu’à présent, ils n’ont pu voir la planète qu’à un peu in addition de 400 milles. Mais grâce à l’analyse approfondie de l’apprentissage automatique, l’équipe de Shum a pu réduire cette résolution à approximativement 15 miles, améliorant efficacement la capacité de la société à surveiller les risques naturels.
“Tirer parti de l’apprentissage automatique en profondeur signifie devoir conditionner l’algorithme pour qu’il apprenne en continu à partir de diverses entrées de données afin d’atteindre l’objectif que vous souhaitez atteindre”, a déclaré Shum. Dans ce cas, les satellites ont permis aux chercheurs de quantifier la trajectoire et l’évolution de deux ondes de tempête induites par des ouragans de catégorie 4 dans l’Atlantique lors de leurs atterrissages au Texas et en Louisiane, l’ouragan Harvey en août 2017 et l’ouragan Laura en août 2020, respectivement.
Des mesures précises de ces aléas naturels pourraient un jour aider à améliorer la prévision des ouragans, a déclaré Shum. Mais à courtroom terme, Shum aimerait voir les pays et les organisations rendre leurs données satellitaires moreover facilement accessibles aux scientifiques, auto les projets qui reposent sur l’apprentissage automatique en profondeur ont souvent besoin de grandes quantités de données à grande échelle pour aider à faire des prévisions précises.
“Beaucoup de ces nouvelles techniques satellitaires nécessitent du temps et des endeavours pour traiter des quantités massives de données précises”, a déclaré Shum. “Si les chercheurs ont accès à as well as de ressources, nous pourrons potentiellement développer des systems pour mieux préparer les gens à s’adapter, ainsi que permettre aux agences de gestion des catastrophes d’améliorer leur réponse aux aléas naturels intenses et fréquents induits par le climat.”
Les co-auteurs du projet étaient Yu Zhang, Yuanyuan Jia, Yihang Ding et Junyi Guo de l’État de l’Ohio Orhan Akyilmaz et Metehan Uz de l’Université system d’Istanbul et Kazim Atman de l’Université Queen Mary de Londres. Ce travail a été soutenu par l’Agence des États-Unis pour le développement worldwide (USAID), la Nationwide Science Foundation (NSF), la Nationwide Aeronautics and Space Administration et le Scientific and Technological Investigate Council of Türkiye (TÜB?TAK).