Un nouveau système d’IA peut cartographier les icebergs géants à partir d’images satellite 10 000 fois plus rapidement que les humains

Les scientifiques ont entraîné un système d’intelligence artificielle (IA) pour cartographier avec précision, en un centième de seconde, la surface et le contour des icebergs géants capturés sur des images satellite. L’article, intitulé « Cartographier l’étendue des icebergs géants de l’Antarctique avec le Deep Learning », est publié dans La cryosphère.

Il s’agit d’une avancée majeure par rapport aux systèmes automatisés existants, qui peinent à distinguer les icebergs des autres éléments de l’image. L’interprétation manuelle – ou humaine – de l’image est plus précise, mais cela peut prendre plusieurs minutes pour délimiter les contours d’un seul iceberg. Si cela doit être répété plusieurs fois, le processus devient rapidement long et laborieux.

Les icebergs ont un impact significatif sur l’environnement polaire et leur surveillance est essentielle à la fois pour la sécurité maritime et pour les études scientifiques. Ils peuvent être extrêmement vastes – dans certains cas de la taille de petits pays – et présenter un risque pour les navires de passage. En fondant, les icebergs libèrent des nutriments et de l’eau douce dans les mers, ce qui peut avoir un impact sur les écosystèmes marins.

Le Dr Anne Braakmann-Folgmann, qui a dirigé l’étude tout en entreprenant des recherches doctorales au Centre d’observation et de surveillance polaires de l’Université de Leeds, a déclaré : « Les icebergs existent dans des régions du monde difficiles d’accès et les satellites ne sont pas seulement un Outil fantastique pour observer où ils se trouvent, ils peuvent aider les scientifiques à comprendre le processus par lequel ils fondent et finissent par commencer à se briser.

“L’utilisation du nouveau système d’IA résout certains des problèmes des approches automatisées existantes, qui peuvent avoir du mal à distinguer les icebergs des autres glaces flottant sur la mer ou même d’un littoral voisin présents dans la même image.”

Réseau neuronal

Le Dr Braakmann-Folgmann et ses collègues ont utilisé un algorithme appelé U-net, un type de réseau neuronal, pour « entraîner » un ordinateur à cartographier avec précision le contour des icebergs à partir d’images prises par les satellites Sentinel-1 exploités par l’Agence spatiale européenne.

Dans le cadre de l’étude, l’efficacité de l’algorithme U-net a été comparée à deux autres algorithmes de pointe utilisés pour cartographier les icebergs. Ils sont connus sous le nom de k-means et Otsu. Les algorithmes ont été programmés pour identifier le plus gros iceberg dans une série d’images satellite.

L’image 1 montre l’algorithme U-net identifiant correctement l’iceberg, qui est surligné en rouge. En comparaison, l’algorithme k-means a identifié à tort un groupe d’icebergs et de fragments de glace plus petits, représentés en bleu, comme un seul grand iceberg. Cela est révélé dans l’image 2.

L’image 3 montre le U-net identifiant correctement l’iceberg, cette fois entouré de glace marine. L’iceberg est surligné en rouge et la glace de mer est représentée comme une structure grise. Cependant, l’algorithme k-means a identifié l’iceberg et la glace de mer comme un seul iceberg. L’algorithme est incapable de faire la différence entre les deux, bien qu’il s’agisse d’objets distincts, où la glace de mer est plutôt de la glace plate sur la mer et où un iceberg se dresse à quelques mètres au-dessus. (Montré dans l’image 4)

Comment fonctionne l’algorithme

L’animation 1 révèle le fonctionnement de l’algorithme. Il utilise une approche conçue pour manipuler des images. En analysant les pixels de l’image, il peut déterminer la limite ou le contour des objets, dans ce cas il identifie le contour de l’iceberg.

Animation 2 compare l’algorithme U-net à l’approche manuelle beaucoup plus lente.

Le Dr Braakmann-Folgmann, désormais basé à l’Université arctique de Norvège à Tromsø, a déclaré que cette technologie pourrait donner naissance à de nouveaux services fournissant des informations sur la forme et la taille des icebergs géants. Les services de cartographie actuels affichent uniquement l’emplacement médian ou central et la longueur des icebergs. L’interprétation par cette nouvelle approche permet de calculer leur contour et leur superficie.

Elle a ajouté : « Être capable de cartographier automatiquement l’étendue des icebergs avec une vitesse et une précision accrues ouvre la voie à un service opérationnel fournissant des contours d’icebergs de manière régulière et automatisée. Les combiner avec des mesures de l’épaisseur des icebergs permet également aux scientifiques de surveiller où les icebergs géants se libèrent. de grandes quantités d’eau douce dans les océans. Il existe des services qui fournissent des données sur l’emplacement des icebergs, mais pas sur leur contour ou leur superficie.

Précision du système de cartographie

Le système a été testé sur des images satellite de sept icebergs, qui mesuraient tous entre la taille de la ville de Berne et 54 km²; et Hong Kong : 1 052 km². Pour chacun de ces icebergs, jusqu’à 46 images ont été utilisées couvrant toutes les saisons de 2014 à 2020.

Au cours d’une série de tests, U-net a surpassé les deux autres algorithmes et s’est montré plus efficace pour délimiter les contours d’un iceberg dans les images prises lorsque les conditions environnementales étaient difficiles, comme l’image capturant de nombreuses structures de glace.

En moyenne, l’algorithme U-net n’a montré qu’une estimation inférieure de 5 % de la superficie d’un iceberg. En revanche, les algorithmes k-means et Otsu ont renvoyé, en moyenne, des chiffres pour la zone des icebergs qui étaient de 150 à 170 % trop grands, probablement parce que les algorithmes incluaient la glace de mer et même le littoral voisin dans les calculs.

En apprentissage automatique, le score F1 est une évaluation des performances d’un algorithme et va de 0 à 1, avec des valeurs plus proches de un affichant plus de précision. U-net a obtenu un score F1 de 0,84. Les deux autres algorithmes ont tous deux obtenu un score de 0,62.

Andrew Shepherd, professeur à l’Université de Northumbria et l’un des co-auteurs de l’étude, a déclaré : « Cette étude montre que l’apprentissage automatique permettra aux scientifiques de surveiller des régions du monde éloignées et inaccessibles presque en temps réel. En apprenant, l’algorithme deviendra plus précis à mesure qu’il apprendra des erreurs dans la manière dont il interprète une image satellite.