Une nouvelle IA cartographie des icebergs 10 000 fois plus rapidement que les humains
Dans le cadre d’un développement révolutionnaire, des chercheurs de l’Université de Leeds ont dévoilé un réseau neuronal capable de cartographier avec rapidité et précision l’étendue de grands icebergs de l’Antarctique sur des images satellite, accomplissant la tâche en seulement 0,01 seconde. Cette nouvelle approche contraste fortement avec les efforts manuels laborieux et chronophages auparavant nécessaires.
Anne Braakmann-Folgmann, auteure principale des résultats publiés aujourd’hui dans The Cryosphere, a mené ses recherches alors qu’elle était doctorante à l’Université de Leeds au Royaume-Uni. Travaillant actuellement à l’Université arctique de Norvège à Tromsø, elle a souligné l’importance des grands icebergs dans l’environnement de l’Antarctique.
« Les icebergs géants sont des éléments importants de l’environnement antarctique. Ils ont un impact sur la physique, la chimie, la biologie des océans et, bien entendu, sur les opérations maritimes. Par conséquent, il est crucial de localiser les icebergs et de surveiller leur étendue, afin de quantifier la quantité d’eau de fonte qu’ils libèrent dans l’océan. »
En fournissant des images des icebergs quelle que soit la couverture nuageuse et le manque ou non de lumière du jour, la mission radar Copernicus Sentinel-1 joue un rôle central dans l’approche innovante consistant à utiliser l’intelligence artificielle pour cartographier les icebergs.
Sur les images de satellites équipés d’instruments semblables à des caméras, les icebergs, la glace de mer et les nuages apparaissent tous en blanc, ce qui rend difficile la détection des icebergs réels.
Toutefois, sur la plupart des images radar telles que renvoyées par Sentinel-1, les icebergs apparaissent comme des objets brillants sur le fond plus sombre de l’océan et de la glace de mer.
Néanmoins, lorsque les environnements sont complexes, il peut encore être parfois difficile de différencier les icebergs de la glace de mer, voire du littoral.
Le Dr Braakmann-Folgmann a expliqué : « Nous avons parfois eu du mal à séparer les icebergs de la glace de mer environnante, qui est plus rugueuse et plus ancienne et apparaît donc plus brillante sur les images satellite. » Il en va de même pour les océans agités par le vent.
« De plus, les fragments d’iceberg plus petits, qui se produisent fréquemment à proximité des icebergs car ils perdent constamment des morceaux de glace sur les bords, sont facilement regroupés par erreur avec l’iceberg principal. »
« Par ailleurs, le littoral de l’Antarctique peut ressembler à des icebergs sur les images satellite, de sorte que les algorithmes de segmentation standard ajoutent souvent la côte à la sélection au lieu de se cantonner à l’iceberg lui-même. »
Cependant, la nouvelle approche du réseau neuronal excelle dans la cartographie de l’étendue des icebergs, même dans ces conditions difficiles. Sa puissance réside dans la capacité des réseaux neuronaux à comprendre des relations non linéaires complexes et à prendre en compte l’ensemble du contexte d’une image.
Pour suivre efficacement les changements dans la superficie et l’épaisseur des icebergs, essentiels pour comprendre la façon dont les icebergs se dissolvent et libèrent de l’eau douce ainsi que des nutriments dans l’océan, il est primordial d’identifier un iceberg géant spécifique pour effectuer une surveillance continue.
Le réseau neuronal introduit dans cette étude est très efficace dans l’identification du plus gros iceberg sur chaque image, contrairement aux méthodes comparatives, qui sélectionnent fréquemment des icebergs légèrement plus petits à proximité.
L’architecture du réseau neuronal est basée sur la célèbre conception U-net. Il a été méticuleusement entraîné à l’aide d’images Sentinel-1 montrant des icebergs géants dans divers contextes, dont les contours dérivés manuellement ont servi de cible.
Tout au long du processus d’entraînement, le système affine continuellement ses prédictions, ajustant ses paramètres en fonction de la différence entre le contour dérivé manuellement et le résultat prédit. L’entraînement s’arrête automatiquement lorsque le système atteint ses performances optimales, garantissant ainsi son adaptabilité et sa réussite sur de nouveaux exemples.
L’algorithme a été testé sur sept icebergs, d’une taille allant de 54 km² à 1 052 km², soit à peu près l’équivalent des superficies des villes de Berne en Suisse et de Hong Kong, respectivement.
Un ensemble de données diversifié a été compilé, comprenant entre 15 et 46 images pour chaque iceberg, couvrant différentes saisons et les années 2014 à 2020.
Une seule image Sentinel-1 par mois et par iceberg a été utilisée pour garantir la variété des ensembles de données. Présentant une précision de 99 %, les résultats ont été impressionnants.
Le Dr Braakmann-Folgmann a ajouté : « Être capable de cartographier automatiquement l’étendue des icebergs avec une vitesse et une précision accrues nous permettra d’observer plus facilement les changements dans la zone des icebergs pour plusieurs icebergs géants et ouvrira la voie à une application opérationnelle ».
Mark Drinkwater, de l’ESA, a souligné : « Les satellites sont bien entendu essentiels pour surveiller les changements et comprendre les processus qui se produisent loin de la civilisation. Ce nouveau réseau neuronal automatise ce qui serait autrement une tâche manuelle et fastidieuse de localisation et de rapport sur l’étendue des icebergs. Nous félicitons l’équipe pour l’introduction de cette approche innovante d’apprentissage automatique, permettant de parvenir à une approche robuste et précise de surveillance des changements dans la région vulnérable de l’Antarctique ».
