Préserver la forêt tropicale gr?ce à l'apprentissage automatique
L'informaticien David Dao développe des algorithmes d'apprentissage capables de prédire, à partir d'images de satellites et de drones, où la déforestation de la forêt tropicale continuera de s'étendre. Il présente aujourd'hui ses recherches lors de la conférence sur le climat à Madrid. En janvier, un projet test débutera au Chili.
Les images des forêts tropicales fumantes d'Amazonie ont marqué les esprits cet été - et certains se sont demandés combien de forêts étaient perdues ? L'un de ceux qui se consacrent à cette question est l'informaticien David Dao, doctorant à l'Université de Californie. site externeDS3Lab de l'Institut des plates-formes de calcul de l'ETH. L'Allemand est un spécialiste de l'apprentissage automatique et développe des algorithmes capables d'apprendre et d'évaluer de manière autonome des images satellites et de drones. De cette manière, ils peuvent reconna?tre où et dans quelle mesure la surface forestière diminue. Ils peuvent même prédire où la forêt tropicale continuera à diminuer dans un avenir proche. L'astuce réside dans la manière dont ils lisent les images.
Les satellites et les drones fournissent d'innombrables images de la forêt tropicale - à différentes altitudes et avec une résolution et une qualité variables. Le point commun de ces prises de vue est que les objets qu'elles représentent ne sont pas étiquetés ou marqués. Contrairement aux cartes géographiques, les lieux ne portent pas de nom et les forêts, les rivières et les routes ne portent pas de signature uniforme. Ils n'ont pas de "label", comme le disent les informaticiens. Les algorithmes informatiques ne peuvent donc pas déterminer directement à partir de l'image ce qui est une zone forestière et ce qui ne l'est pas.
Des "os de poisson" montrent où la forêt rétrécit
![L'apprentissage automatique prédit la déforestation. (Animation : David Dao)](/de/news-und-veranstaltungen/eth-news/news/2019/12/mit-maschinellem-lernen-den-regenwald-erhalten/_jcr_content/news_content/textimage_976861493/image.imageformat.text50percent.2084251468.gif)
Pour savoir où se trouve la forêt tropicale et si sa surface diminue, les algorithmes lisent donc des séquences, explique Dao. Il s'agit de séquences d'images individuelles qui se succèdent dans le temps - comme c'est le cas pour les bobines de films classiques ou les bandes dessinées. Si, par exemple, une nouvelle route est tracée dans la forêt tropicale, de nombreuses routes latérales se forment au fil du temps. Le long de ces routes s'étendent les surfaces sur lesquelles la forêt est défrichée. Vu du ciel, le motif qui se forme ressemble au squelette d'un poisson avec sa colonne vertébrale et ses arêtes - d'où son surnom d'"os de poisson".
En comparant de telles séquences de prises de vue aériennes successives dans le temps, les algorithmes peuvent calculer comment le paysage routier et les surfaces forestières évoluent avec le temps. De cette manière, les algorithmes d'apprentissage n'ont pas besoin d'étiquettes pour créer une image globale des endroits où la forêt tropicale se rétrécit. De plus, ils peuvent prédire où la déforestation va s'étendre le plus. Ce modèle fonctionne également pour la déforestation à proximité des rivières ou autour des terres agricoles.
Essai dans la forêt tropicale chilienne
Pour site externeson projet de recherche appelée "Komorebi", David Dao a des partenaires de terrain : par exemple, l'autorité forestière chilienne CONAF (Corporación Nacional Forestal). En janvier, un projet pilote sera lancé dans la "forêt tropicale valdivienne", située au sud de la capitale Santiago du Chili, sur la c?te Pacifique. La forêt tropicale réelle permettra de tester et de développer les algorithmes de prévision - car l'approche de Dao recèle le potentiel de reconna?tre non seulement le recul de la forêt tropicale dans son ensemble, mais aussi quelles espèces d'arbres sont particulièrement touchées.
Cela joue un r?le dans le contexte du changement climatique, car toutes les espèces d'arbres n'émettent pas la même quantité de CO2 et parce qu'en matière de protection des forêts, il existe aussi des approches visant à soutenir financièrement les populations locales lorsqu'elles utilisent des arbres comme puits de CO2-Le projet de recherche de l'EPFZ permet de préserver la mémoire plut?t que de défricher la forêt.
![David Dao . (Image : David Dao)](/de/news-und-veranstaltungen/eth-news/news/2019/12/mit-maschinellem-lernen-den-regenwald-erhalten/_jcr_content/news_content/textimage_1845695572/image.imageformat.textdouble.104408442.jpg)
Dans la forêt tropicale chilienne, il est notamment possible de tester comment améliorer la précision des algorithmes de prévision en utilisant, outre les images satellites, les prises de vue de drones volant plus bas. Contrairement aux images satellites, les images de drones peuvent être précises à 30 centimètres près : "Si nous avons des images de drones, nous pouvons également observer les changements d'espèces d'arbres et détecter les changements de diversité biodiversité", explique Dao.
Aujourd'hui, David Dao présente son projet de recherche dans le cadre du programme de la 25e conférence des Nations unies sur le climat à Madrid (COP25). Lors de cette session, à laquelle la Banque interaméricaine de développement et l'Office chilien des forêts l'invitent, il sera question à la fois de la manière d'utiliser les nouvelles technologies pour enregistrer et prévoir les changements d'utilisation des terres et de la manière de lier les résultats à des paiements afin que la population locale puisse préserver la forêt tropicale.
IA et financement climatique à la COP25
Outre David Dao, d'autres chercheurs de l'ETH Zurich dans les domaines du financement climatique et de l'apprentissage automatique participent à des manifestations de la Conférence des Nations unies sur le climat 2019 (site externeCOP25) est présent : par exemple, Lynn Kaack, postdoctorante en Groupe de politique énergétique, avec le groupe international de chercheurs "site externeChangement climatique AI"a organisé une table ronde dans le pavillon chilien. Les discussions ont porté sur la manière dont les méthodes d'intelligence artificielle peuvent être utilisées pour la protection du climat et sur les défis auxquels sont confrontés la recherche, l'industrie et le secteur public.
Le side event officiel suisse est dirigé par Lucas Bretschger, Professeur d'économie / économie des ressources à l'ETH, passe par - avec la délégation suisse et ses doctorantes Anna Stuenzi et Julia Bingler. Le thème est le financement climatique et en particulier l'objectif d'aligner les flux financiers mondiaux sur les objectifs climatiques convenus au niveau international. Il en résulte des défis particuliers pour les centres financiers comme la Suisse et pour les régions particulièrement touchées par le changement climatique.