Durabilité
L’apprentissage profond augmente la précision de la détection des incendies de forêt en Amazonie à 93%
Ajouter Securities.io à vos sources préférées sur Google
L’équipe de recherche basée à l’Universidade Federal do Amazonas a développé un modèle de réseau de neurones artificiels (ANN) qui utilise des images satellites et des techniques d’apprentissage profond pour détecter les incendies de forêt dans la forêt amazonienne avec un taux de réussite élevé.
« La capacité à détecter et à réagir aux incendies de forêt est cruciale pour préserver l’équilibre écologique délicat de ces écosystèmes vitaux, et l’avenir de cette région amazonienne dépend d’une action décisive et rapide. »
– Auteur principal, Professeure Cíntia Eleutério de l’Universidade Federal do Amazonas
Bien que la surveillance en Amazonie soit encore fournie avec des données en temps réel aujourd’hui, elle possède des résolutions modérées, et la capacité à détecter les détails dans de petites flambées ou zones reculées est limitée.
Ainsi, le modèle représente une solution puissante pour détecter automatiquement les incendies de forêt, réduisant considérablement le temps nécessaire pour atténuer leurs effets dévastateurs.
Publié dans le International Journal of Remote Sensing, les résultats de l’étude rapportent un taux de réussite aussi élevé que 93 % lors de l’entraînement du modèle sur des images de la forêt amazonienne avec et sans incendies. Selon le co-auteur, le professeur Carlos Mendes:
« Le modèle CNN pourrait constituer un ajout précieux, permettant des analyses plus détaillées dans des régions spécifiques. En combinant la large couverture temporelle des capteurs actuels avec la précision spatiale de notre modèle, nous pouvons améliorer de manière significative la surveillance des incendies de forêt dans les zones critiques de préservation environnementale. »
L’étude a noté que l’intégration d’images satellites et d’IA constitue une approche proactive pour relever les défis croissants posés par les incendies de forêt tout en contribuant au domaine de la télédétection et de l’apprentissage profond.
Cette technologie offre particulièrement le potentiel d’améliorer les systèmes d’alerte précoce et les stratégies de réponse aux incendies, aidant à la préservation d’écosystèmes critiques comme l’Amazonie. L’intégration aux systèmes de surveillance existants pourrait facilement prendre de 1 à 3 ans, selon les efforts de validation et de déploiement supplémentaires. Mais examinons de plus près les avancées que la nouvelle technologie offre au monde.
Les poumons de la Terre confrontés à une menace sérieuse
La forêt amazonienne est un atout d’importance mondiale, contenant plusieurs millions d’espèces d’oiseaux, d’insectes, de plantes et d’autres formes de vie. C’est le réservoir biologique le plus riche et le plus varié du monde.
Les populations du monde entier dépendent de cette forêt non seulement pour la nourriture, l’eau, le bois et les médicaments, mais aussi pour aider à stabiliser le climat grâce à un immense stock de 150 à 200 milliards de tonnes de carbone qu’elle renferme.
La forêt amazonienne exerce une forte influence socio-environnementale et économique sur le Brésil, représentant environ 40 % de la superficie totale du pays sud-américain. En plus du Brésil, la forêt s’étend à huit autres pays d’Amérique du Sud.
Compte tenu de son rôle majeur dans la préservation de la biodiversité et la régulation du climat mondial, la forêt amazonienne revêt une grande importance écologique.
Cependant, elle fait face à une crise croissante sous la forme d’une déforestation galopante, de pratiques d’utilisation des terres non durables et de la menace imminente des incendies de forêt.
Au cours du dernier demi-siècle, l’augmentation des températures a conduit à l’intensification des sécheresses dans la région. Les choses ne feront qu’empirer, la plupart des modèles prédisant une hausse de l’intensité de la saison sèche dans la forêt amazonienne au 21e siècle.
Cette escalade est due aux forces de rayonnement et à la diminution de la production d’aérosols, ce qui provoque des variations anormales des températures de surface de la mer (SST), entraînant des fluctuations de la quantité de précipitations sur la région amazonienne.
Si cette nouvelle configuration climatique est confirmée, l’étude note que la forêt pourrait devenir un système amplifié, sujet aux incendies de forêt. Cela expose les poumons de la Terre à une menace croissante en raison du nombre croissant d’incendies.
Les répercussions environnementales de ces feux ne se limitent pas aux frontières régionales ; elles affectent les modèles climatiques mondiaux et la biodiversité. Cela rend crucial la détection et la réponse aux incendies de forêt en Amazonie.
Pour surveiller et répondre à cette crise environnementale, la télédétection via les images satellites est devenue un outil essentiel pour préserver l’équilibre écologique délicat de cet écosystème vital.
Cliquez ici pour découvrir pourquoi la sécurité incendie est plus cruciale que jamais.
L’effet néfaste de l’intensification des incendies de forêt
Selon les données de l’Institut national de recherche spatiale (INPE) sur la plateforme web TerraBrasilis, les incendies de forêt entre janvier et juin sont restés faibles de 1999 à 2023. Cependant, le nombre d’incidents a considérablement augmenté entre juillet et novembre avant de diminuer en décembre.
Le nombre d’incidents d’incendies de forêt était faible tout au long de l’année entre 1999 et 2001. L’intensité des incendies a fortement augmenté à partir de 2002, atteignant un maximum local en 2005.
La diminution a duré jusqu’en 2011, lorsque les chiffres ont commencé à connaître une augmentation constante, et cette tendance à la hausse se poursuit. Les cinq dernières années ont enregistré les incidences les plus élevées d’incendies de forêt. En 2023, il y a eu 98 639 incendies de forêt en Amazonie.
La forêt amazonienne représente également une part importante (plus de la moitié) des incendies de forêt dans les biomes brésiliens.
En dehors de l’Amazonie, d’autres écosystèmes présents au Brésil comprennent le Cerrado, qui représente 26,70 % de tous les incendies, ainsi que le Caatinga, la forêt atlantique, le Pantanal et les Pampas, ces deux derniers étant les moins touchés par les incendies en 2023.
Chacun de ces écosystèmes possède une diversité d’espèces et des caractéristiques uniques. Ces biomes sont essentiels pour atténuer le changement climatique, agir comme puits de carbone et protéger les espèces menacées. Cependant, les incendies de forêt causent des dommages importants à tous ces écosystèmes.
En termes de localisation, la plus forte concentration d’incendies dans l’État d’Amazonas se trouve dans les municipalités de Lábrea, Apuí et Novo Aripuanã, qui ont enregistré le plus grand nombre d’incidents.
Les incendies de forêt sont extrêmement néfastes et ont des conséquences dévastatrices sur de multiples fronts.
Tout d’abord, ils détruisent la végétation, ce qui peut entraîner une extinction irréversible des espèces indigènes. Certaines de ces plantes possèdent des propriétés médicinales uniques et ne se trouvent que dans la région amazonienne.
Les incendies compromettent également la fertilité du sol, le rendant stérile et entravant la récupération naturelle des zones affectées. De plus, la déforestation amazonienne causée par les incendies a augmenté le ruissellement de l’eau, faisant monter les niveaux des rivières. Cela est dû à la réduction de la couverture végétale, qui affecte négativement l’infiltration de l’eau dans le sol, réduisant les taux d’évapotranspiration.
Ensuite, il y a la perte de la faune et de la flore, ce qui est tout aussi alarmant. Les incendies de forêt entraînent la destruction d’habitats vitaux, provoquant d’importants déséquilibres dans la chaîne alimentaire locale.
Les émissions intenses de CO₂ dans l’atmosphère aggravent également l’effet de serre et le réchauffement climatique. Cela intensifie les défis climatiques mondiaux et rend les grands incendies encore plus fréquents dans la forêt amazonienne.
Exploiter l’apprentissage profond pour la détection automatisée des incendies de forêt
Pour répondre au problème, l’étude a utilisé une nouvelle technologie, le réseau de neurones convolutif (CNN), afin de classer les incendies de forêt dans la région.
Le CNN est une sous-catégorie spécialisée optimisée pour l’analyse d’images et la reconnaissance de motifs visuels, qui est devenue un outil puissant en vision par ordinateur.
Par exemple, le modèle CNN a été utilisé pour classer et diagnostiquer le COVID-19. En plus de cela, il a été employé pour détecter la pneumonie à partir d’images radiographiques thoraciques, identifier intelligemment les déchets et le recyclage, analyser les collisions en physique des hautes énergies, et identifier les types cellulaires dans les images de cellules souches.
Il est également utilisé pour la détection des changements de déforestation dans l’Amazonie brésilienne à l’aide de données Landsat, la détection d’incendies de forêt, et la détection de fumée d’incendie forestier sur des images de véhicules aériens sans pilote (UAV).
Le CNN utilise l’apprentissage profond, une sous-catégorie de l’intelligence artificielle (IA) et de l’apprentissage automatique qui emploie des algorithmes s’améliorant avec le temps à mesure qu’ils sont exposés à de nouvelles données croissantes.
Pour cette étude, les chercheurs ont tiré parti de l’algorithme des réseaux de neurones artificiels (ANN), qui imite le fonctionnement du cerveau humain et permet aux modèles computationnels de discerner des motifs complexes et de relever des défis qui pourraient dépasser la compréhension humaine.
Il empile plusieurs couches de manière séquentielle pour faciliter l’assimilation des connaissances afin de travailler avec d’importants ensembles de données pendant le processus d’entraînement.
Cette synergie technologique utilise des procédures statistiques pour aider les machines à accomplir des tâches telles que l’identification des incendies de forêt grâce à l’apprentissage expérientiel.
En exploitant le grand potentiel des techniques d’apprentissage profond, le réseau offre une solution puissante pour la détection automatisée des incendies de forêt. L’identification automatisée permet une réponse rapide afin d’atténuer les effets dévastateurs des incendies.
Dans la dernière étude, les chercheurs ont élargi le cadre du réseau de neurones pour se concentrer sur le CNN, spécifiquement utilisé via les bibliothèques Python TensorFlow et Keras, un type de modèle largement employé dans les applications de vision par ordinateur pour extraire des caractéristiques d’images.
L’objectif a été d’utiliser le CNN pour détecter les incendies de forêt dans la région amazonienne à l’aide des images satellites Landsat 8 et Landsat 9.
Approche avancée et localisée de la détection des incendies de forêt
L’équipe a utilisé des images provenant des satellites Landsat 8 et Landsat 9 pour entraîner le modèle.
Ces satellites sont équipés d’instruments avancés pour capturer des images à travers diverses bandes spectrales, nécessaires à la détection et à la classification des incendies de forêt. Les capacités multispectrales et thermiques de ces satellites permettent d’identifier les anomalies de température et de différencier les types de végétation et les zones brûlées.
Ces deux satellites sont dotés de l’Operational Land Imager (OLI), qui capture des images dans les bandes visible, proche infrarouge (NIR) et infrarouge à ondes courtes (SWIR), ce qui est essentiel pour détecter les changements de végétation.
Les zones brûlées présentent une faible réflectance dans le NIR, tandis que la végétation saine reflète fortement. Les bandes infrarouges à ondes courtes (SWIR) aident quant à elles à détecter l’humidité du sol et de la végétation pour identifier les régions affectées par le feu.
Les deux satellites possèdent également le capteur infrarouge thermique (TIRS), qui fonctionne sur deux bandes infrarouges thermiques et fournit des données précieuses sur les sources de chaleur et la température de surface. Le TIRS offre une résolution spatiale de 100 mètres, tandis que les bandes OLI ont une résolution spatiale de 30 mètres. Ainsi, elles sont les plus pertinentes pour la surveillance des incendies de forêt et permettent une cartographie plus détaillée de la santé de la végétation.
L’équipe a entraîné le CNN à l’aide d’un ensemble de données de 200 images récentes obtenues via EarthExplorer, montrant des incendies dans la forêt amazonienne. Un nombre égal d’images sans incendies a également été utilisé pour garantir une approche d’apprentissage équilibrée.
L’ensemble de données, bien que petit, était suffisant pour que le CNN atteigne une précision de 93 % pendant la phase d’entraînement. Lorsqu’il a été testé sur 40 images non incluses dans l’entraînement, le modèle a pu classer avec précision 23 des 24 images contenant des incendies et toutes les 16 images sans incendies.
Ce niveau de performance très satisfaisant met en évidence la robustesse et les capacités de généralisation du modèle.
Cette approche, selon l’équipe, présente un grand potentiel pour la détection des incendies de forêt et peut être utilisée en complément des systèmes de surveillance à grande échelle bien établis tels que le Moderate Resolution Imaging Spectroradiometer (MODIS) et le Visible Infrared Imaging Radiometer Suite (VIIRS), largement utilisés au Brésil pour la détection large et continue des incendies.
En tant qu’outil supplémentaire, le CNN peut être utilisé conjointement avec MODIS et VIIRS pour améliorer les systèmes d’alerte précoce et les stratégies de réponse aux incendies de forêt.
Les chercheurs ont en outre souligné que la méthodologie dépasse l’écosystème amazonien avec le potentiel d’être utilisée dans d’autres régions du monde. Elle peut réellement aider les autorités compétentes à combattre et gérer de tels incidents, « offrant une approche avancée et plus localisée de la détection des incendies de forêt », indique l’étude.
Les chercheurs ont suggéré que le CNN pourrait également être exploité pour la surveillance et le contrôle de la déforestation. Leur prochaine étape consiste à augmenter le nombre d’images d’entraînement afin d’obtenir « un modèle plus robuste ».
Entreprise innovante
Palantir Technologies Inc. (PLTR )
Avec ses analyses géospatiales pilotées par l’IA et ses solutions d’intervention en cas de catastrophe, Palantir représente un acteur majeur dans la surveillance environnementale et la détection des incendies de forêt.
Fondée en 2003 par Alex Karp, Peter Thiel, Stephen Cohen et Joe Lonsdale, Palantir est un fournisseur de logiciels via Gotham, Foundry, Apollo et AIP (Artificial Intelligence Platform). Avec une capitalisation boursière de 186,6 milliards de dollars, les actions Palantir se négocient actuellement à 81,25 $, en hausse de 5,28 % depuis le début de l’année. Elle affiche un BPA (TTM) de 0,19 et un PER (TTM) de 421,05.
PLTR Graphique du prix
Début février, l’entreprise a annoncé ses résultats financiers du quatrième trimestre 2024, déclarant un chiffre d’affaires de 828 millions de dollars, en hausse de 36 % d’une année sur l’autre et de 14 % d’un trimestre sur l’autre. Son nombre de clients a également bondi de 43 % d’une année sur l’autre et de 13 % d’un trimestre sur l’autre.
Le chiffre d’affaires américain de Palantir était de 558 millions de dollars, en hausse de 52 % d’une année sur l’autre et de 12 % d’un trimestre sur l’autre, le revenu commercial américain s’élevant à 214 millions de dollars, dépassant le revenu du gouvernement américain de 343 millions de dollars.
Au cours de cette période, l’entreprise a conclu 32 contrats d’au moins 10 millions de dollars, 58 contrats d’au moins 5 millions de dollars et 129 contrats d’au moins 1 million de dollars. Elle a également clôturé un record de 803 millions de dollars de valeur totale de contrats commerciaux américains (« TCV ») tandis que la valeur des contrats restants (« RDV ») s’élevait à 1,79 milliard de dollars.
Palantir a déclaré 460 millions de dollars de trésorerie provenant des opérations et un revenu net GAAP de 79 millions de dollars, tandis que son bénéfice par action GAAP était de 0,03 $ et son BPA ajusté de 0,14 $. L’entreprise a terminé l’année avec 5,2 milliards de dollars en liquidités, équivalents de liquidités et titres du Trésor américain à court terme.
Pour l’ensemble de 2024, Palantir a réalisé un chiffre d’affaires de 2,87 milliards de dollars, dont 1,90 milliard aux États‑Unis, et 1,15 milliard de trésorerie provenant des opérations. Maintenant, pour le premier trimestre 2025, l’entreprise prévoit un chiffre d’affaires compris entre 858 et 862 millions de dollars et un flux de trésorerie disponible ajusté pour l’année 2025 compris entre 1,5 et 1,7 milliard de dollars.
« Nos résultats commerciaux continuent d’étonner, démontrant notre position croissante au cœur de la révolution IA. Nos premières analyses concernant la marchandisation des grands modèles de langage sont passées de la théorie à la réalité. »
– PDG Karp
En ce qui concerne les développements les plus récents, plus tôt ce mois-ci, Palantir a annoncé le déploiement de ses deux premiers systèmes activés par l’IA pour l’armée américaine. Le CTO de Palantir USG, Akash Jain, a qualifié cela de « moment de saut technologique » pour l’armée américaine. L’entreprise a remporté le contrat de 178 millions de dollars il y a un an, devançant le géant de la défense RTX Corporation (RTX ) , marquant une étape clé pour Palantir, connue pour ses services d’analyse de données.
L’accord porte sur 10 systèmes Targeting Access Node (TITAN) qui utilisent l’IA pour collecter des données provenant de capteurs spatiaux afin d’aider les soldats à obtenir une meilleure précision de ciblage. Fonctionnant comme une station au sol mobile, ces systèmes contribuent à faire progresser la stratégie de guerre des soldats. Palantir a collaboré avec L3Harris (LHX ), Northrop Grumman (NOC ), et Anduril Industries pour développer certaines des capacités.
Cette semaine, Palantir a partagé une liste de nouveaux clients ayant assisté à son événement IA, qui a révélé Walgreens , Heineken, Ripcord et RaceTrac, entre autres, comme ses derniers clients.
Elle s’est également associée à Archer Aviation (ACHR ) pour construire la base IA du futur des technologies aéronautiques de prochaine génération et aider à augmenter ses capacités de fabrication d’avions. Le plan est d’exploiter AIP et Foundry pour développer des logiciels utilisant l’IA afin d’améliorer les systèmes aéronautiques tels que le contrôle du trafic aérien, la planification des itinéraires et le contrôle des mouvements.
« Le partenariat de Palantir avec Archer redéfinit l’avenir du vol, le rendant non seulement plus efficace mais aussi plus accessible », a déclaré Karp, ajoutant que cette intégration prépare « le terrain pour un bond transformateur en matière d’efficacité, de sécurité et de durabilité ».
Dernières nouvelles sur Palantir Technologies Inc.
Conclusion
L’Amazonie, avec sa riche biodiversité et ses vastes ressources, contribue au paysage économique mondial. Ainsi, la conservation et la gestion durable de ces zones ne sont pas seulement bénéfiques pour le Brésil, mais également essentielles à la santé de notre planète entière.
Cependant, la forêt amazonienne fait face à la menace des incendies de forêt, ce qui constitue un défi sérieux pour sa stabilité. Cela signifie que l’avenir de la région dépend d’une action décisive et rapide.
Ici, le modèle de détection des incendies de forêt basé sur l’apprentissage profond représente une avancée majeure dans la lutte contre cette crise. En atteignant un taux de précision de 93 %, le modèle fournit un outil puissant pour la détection précoce et la réponse rapide aux incendies, ce qui pourrait aider à prévenir des dommages environnementaux catastrophiques et à maintenir la santé et la stabilité à long terme de la forêt amazonienne.
