La préservation de la forêt tropicale grâce au «machine learning»
Les images de forêts tropicales en feu dans les régions amazoniennes ont été gravées dans nos mémoires cet été et ont soulevé la question suivante: combien d'hectares de forêts avons-nous perdus? L'une des personnes qui tentent de répondre à cette question est l'informaticien David Dao, doctorant au DS3Lab de l'ETH Zurich Institute for Computing Platforms.
David Dao, originaire d'Allemagne, est un spécialiste de l'apprentissage automatique et développe des algorithmes intelligents capables d'analyser de manière autonome des images de satellites et de drones. Cela aide à révéler où la couverture forestière s'amenuise et dans quelle mesure. Ces algorithmes peuvent même prédire où la forêt tropicale va se retirer dans un avenir proche. L'astuce réside dans la façon dont les algorithmes lisent les images.
Les satellites et les drones fournissent d'innombrables images de forêts humides - de différentes altitudes et avec des résolutions et des qualités différentes. Ce que ces images ont en commun, c'est que les régions qu'elles représentent ne sont pas identifiées. Contrairement aux cartes, les lieux ne portent pas de noms et les forêts, les rivières et les routes n'ont pas de «signatures» ou d'«étiquettes» facilement identifiables. Cela signifie que les algorithmes informatiques sont incapables de discerner ce qu'est la couverture forestière et ce qui ne l'est pas.
Comme l'explique David Dao, les algorithmes lisent des séquences afin de reconnaître quelles zones sont boisées et si ces zones se rétrécissent. Ces séquences sont des images individuelles enchaînées dans le temps, comme de vieilles bobines de film ou des bandes dessinées. Ainsi, lorsqu'une nouvelle route est construite à travers la forêt tropicale, par exemple, de nombreuses petites routes se forment au fil du temps. C'est le long de ces routes que la couverture forestière est détruite.
Du point de vue d'un oiseau, le motif qui en résulte ressemble au squelette d'un poisson, avec sa colonne vertébrale et ses petits os - d'où le surnom d'«os de poisson». En comparant ces vues aériennes chronologiquement séquentielles, les algorithmes peuvent déterminer comment les systèmes routiers et la couverture forestière changent avec le temps.
Cela signifie que les algorithmes intelligents n'ont pas besoin d'étiquettes pour générer une image globale indiquant où les forêts tropicales se rétrécissent. Ils peuvent également prédire où la pire déforestation apparaîtra la prochaine fois. Ce modèle s'applique également à la déforestation près des rivières et autour des zones agricoles.
Essai dans la forêt tropicale chilienne
Pour le projet de recherche, qui s'appelle Komorebi, David Dao a travaillé avec des partenaires sur le terrain, dont la CONAF (Corporación Nacional Forestal) du Chili. En janvier, un projet pilote débutera dans la forêt tropicale valdivienne, sur la côte pacifique au sud de la capitale, Santiago. David Dao testera et peaufinera ses algorithmes prédictifs dans des conditions réelles de forêt tropicale. Son approche pourrait permettre de détecter non seulement le déclin global de la forêt tropicale humide, mais aussi de déterminer quelles espèces d'arbres sont les plus touchées.
Il s'agit là d'un facteur important du changement climatique, car les différents types d'arbres stockent le CO2 à des taux différents, et une approche de la conservation des forêts consiste à offrir aux populations locales des incitations financières pour conserver les arbres comme réservoirs de CO2 plutôt que de défricher la forêt.
Dans la forêt tropicale chilienne, ils examineront des questions telles que la façon d'améliorer la précision des algorithmes prédictifs en combinant l'imagerie satellite avec des images captées par des drones. Contrairement à l'imagerie satellitaire, les images de drones peuvent être précises à 30 centimètres près. «Si nous avons des images de drones, nous pouvons aussi observer les changements dans les espèces d'arbres et détecter les changements dans la biodiversité», explique David Dao. Début décembre, l'informaticien présentera son projet de recherche à la 25e Conférence des Nations Unies sur les changements climatiques à Madrid (COP25).
La session, organisée par la Banque interaméricaine de développement et l'autorité forestière chilienne, examinera les moyens d'utiliser les nouvelles technologies pour renseigner et prévoir les changements dans l'utilisation des terres, ainsi que la possibilité de lier les résultats aux paiements que les populations locales reçoivent pour préserver la forêt tropicale.
L'IA et le financement de la lutte contre le changement climatique à la COP25
Aux côtés de David Dao, d'autres chercheurs de l'ETH Zurich présentent leurs travaux dans les domaines du financement climatique et du machin learning lors de la Conférence des Nations Unies sur le changement climatique 2019 (COP25). Il s'agit notamment de Lynn Kaack, chercheuse postdoctorale au sein du Energy Politics Group, qui a organisé une table ronde avec le groupe de recherche international «Climate Change AI» dans le pavillon chilien. Le panel a discuté de la manière dont les méthodes d'intelligence artificielle peuvent être déployées pour la protection du climat et des défis que cela représente pour la recherche, l'industrie et le secteur public.
Lucas Bretschger, professeur à l'EPF Zurich d'économie et d'économie des ressources, dirigera la manifestation parallèle officielle avec la délégation suisse et ses doctorantes Anna Stuenzi et Julia Bingler. Le sujet est la finance climatique, en particulier l'objectif d'aligner les flux financiers mondiaux sur les objectifs climatiques convenus au niveau international. Cela pose des défis particuliers aux places financières comme la Suisse et aux régions les plus touchées par le changement climatique.
