Une technologie combinant des données satellitaires et des données de modèles numériques pour la détection des incendies de forêt a été développée, offrant une approche plus complète et adaptable pour surveiller et réagir aux incendies de forêt. Cette solution innovante, développée par le professeur Jungho Im et son équipe du Département de génie civil, urbain, terrestre et environnemental de l’UNIST, a le potentiel de minimiser considérablement les dommages causés par les incendies de forêt de taille moyenne et grande.
Les systèmes traditionnels de détection des incendies de forêt reposent uniquement sur les données satellitaires depuis plus de deux décennies. Cependant, l’équipe de recherche dirigée par le professeur Im a cherché à améliorer l’approche existante en intégrant les données de modèles numériques utilisées dans les prévisions météorologiques. En combinant diverses données, notamment l’humidité relative, la température de surface et l’angle d’observation du satellite, l’équipe a développé un modèle d’apprentissage en profondeur avec une structure de réseau neuronal convolutif à double module (DM CNN) pour extraire et combiner indépendamment les données du satellite et du modèle numérique.
La technologie développée a été comparée à des technologies de détection largement utilisées telles que MODIS/VIIRS, AHI et AMI. Les méthodes existantes ont du mal à détecter avec précision les incendies de forêt en raison de signaux mixtes provoqués par des facteurs tels que l’humidité et la position du soleil. En revanche, le modèle développé par l’équipe du professeur Im considère plusieurs variables simultanément, offrant un avantage significatif pour maintenir la précision de la détection malgré les changements de l’environnement.
Des expériences réelles ont été menées pour valider les performances de la technologie dans diverses conditions environnementales. Les résultats ont démontré que le modèle développé surpassait les méthodes de détection existantes, démontrant ainsi sa capacité à localiser avec plus de précision les incendies de forêt. Bien que la résolution du satellite soit inférieure à celle des technologies de détection à portée étroite, la plage spatiale plus large couverte par le modèle (4㎢) compense cela en offrant une plus grande précision.
« Cette étude maximise les avantages de l’apprentissage profond, en permettant la convergence de données hétérogènes présentant des caractéristiques diverses », a déclaré le professeur Im. « Cela représente une réalisation importante en proposant une nouvelle direction pour la technologie mondiale de détection des incendies de forêt. »
Le travail est publié dans la revue Télédétection de l’environnement.
Plus d’information:
Yoojin Kang et al, Vers un modèle d’apprentissage profond adaptable pour la surveillance des incendies de forêt par satellite en tenant compte des conditions environnementales, Télédétection de l’environnement (2023). DOI : 10.1016/j.rse.2023.113814