Comment les données satellitaires et l'IA peuvent protéger l'industrie viticole australienne

[.c-richtext-title-60] [.c-richtext-title-big] Le défi climatique : le lien entre le changement climatique et la production de vin [.c-richtext-title-big] [.c-richtext-title-60]

Classée 5e exportateur mondial de vin, l'Australie occupe une place de choix dans le monde du vin. La Hunter Valley, la plus ancienne région viticole d'Australie située à quelques heures au nord de Sydney, est confrontée à un défi de taille. Selon l'Atlas climatique de Wine Australia, cette région devrait connaître une hausse moyenne de la température de 2,3 degrés Celsius au cours des 50 prochaines années. Cela entraîne des conditions météorologiques imprévisibles et un risque accru de feux de brousse provoqués par l'intensification de la chaleur. La Hunter Valley est déjà confrontée à une vulnérabilité croissante aux feux de brousse, une menace qui prend de l'ampleur face au changement climatique.

[.c-richtext-text] [.c-richtext-text] Le risque ne provient pas uniquement de l'impact direct du feu. Au-delà des vignobles qui sont directement touchés par les flammes, le danger provient également de la fumée émanant des flammes voisines. L' « odeur de fumée », phénomène qui se produit lorsque des particules de fumée adhèrent à la peau des raisins, compromet la qualité du vin produit à partir de ces raisins, entraînant des pertes de récolte importantes.

À l'approche du phénomène El Niño à l'été 2023, on craint à la fois une chaleur record et une aridité extrême. L'accumulation élevée de combustible, la sécheresse, les conditions météorologiques propices aux incendies et l'activité de la foudre augmentent collectivement la probabilité de feux de brousse fréquents. Par conséquent, la convergence d'une sécheresse, d'une végétation desséchée et d'une chaleur sans précédent pourrait mettre en péril l'industrie viticole. L'atténuation de ces risques nécessite des stratégies efficaces de prévention des incendies, une évaluation précise des risques et des efforts stratégiques de réduction des risques.

[.c-richtext-title-60] [.c-richtext-title] L'œil vigilant de la nature : exploiter les données satellitaires pour évaluer la santé des terres [.c-richtext-title] [.c-richtext-title-60]

[.c-richtext-text-wrapper] [.c-richtext-text] Les satellites jouent un rôle central dans la boîte à outils des scientifiques, leur permettant de surveiller l'atmosphère, le relief et les océans de la Terre. La Sentinel-2, une composante du programme européen Copernicus nommée en l'honneur de l'astronome polonais Nicolaus Copernicus, est une mission d'observation de la Terre qui capture des images optiques à haute résolution spatiale (allant de 10 mètres à 60 mètres) au-dessus des eaux terrestres et côtières. Avec une constellation de deux satellites en orbite polaire, Sentinel-2 fournit des données tous les 5 jours. Sentinel-2 exploite des capteurs dans le visible, le proche infrarouge et l'infrarouge à ondes courtes sur 13 bandes spectrales. Ici, un composite de couleurs combine quelques-unes des bandes spectrales (bandes rouges, vertes et bleues visibles) avec les canaux rouge, vert et bleu correspondants, ressemblant à ce que vous verriez à l'œil nu. [.c-richtext-text] [.c-richtext-text-wrapper]

‍

‍

[.c-richtext-text-wrapper] [.c-richtext-text] Ces 13 bandes facilitent le calcul d'indices qui permettent d'estimer la santé de la végétation, de détecter des changements dans le paysage et même d'estimer le risque de feux de brousse. L'un des indices inestimables dérivés des bandes spectrales de Sentinel-2 est le Indice de végétation amélioré (MÉCHANT). Conçu pour améliorer la visibilité de la végétation tout en minimisant les interférences atmosphériques, EVI fournit des informations sur la santé de la végétation. Une végétation saine, verte et hydratée correspond à des valeurs EVI plus élevées, tandis qu'une végétation plus sèche et moins saine, révélatrice d'un risque de feu de brousse, correspond à des valeurs EVI plus faibles. [.c-richtext-text] [.c-richtext-text] Une divergence illustrative est visible dans la comparaison entre une végétation saine et sèche pendant la saison des feux de brousse australienne 2019-2020 (Black Summer) et une végétation florissante en décembre 2021. [.c-richtext-text] [.c-richtext-text-wrapper]

‍

‍

[.c-richtext-text-wrapper] [.c-richtext-text] Le jaune signifie une végétation en très bonne santé, tandis que le vert foncé signifie une mauvaise santé. EVI fournit une mesure quantitative de la santé de la végétation, permettant aux établissements vinicoles de suivre l'état général de l'ensemble de leurs vignobles, par opposition à des vignes individuelles. Cela peut aider à identifier les premiers signes qui peuvent ne pas être immédiatement évidents à l'œil nu. En suivant les tendances de l'EVI au fil du temps et en les comparant aux données historiques, nous pouvons identifier rapidement les conditions de sécheresse et alerter les responsables des vignobles pour qu'ils prennent les mesures appropriées. En analysant l'EVI parallèlement aux données d'humidité du sol, nous pouvons développer des stratégies d'irrigation qui garantissent une utilisation efficace de l'eau et empêchent la sur-irrigation ou la sous-irrigation. Les données EVI peuvent également détecter les premiers signes de maladies potentielles affectant les vignobles. Une végétation malsaine peut indiquer la présence de ravageurs ou de maladies. [.c-richtext-text] [.c-richtext-text-wrapper]

[.c-richtext-title-60] [.c-richtext-title] Des pixels à la précision : analyse affinée : examen de champs individuels à l'aide de l'IA [.c-richtext-title] [.c-richtext-title-60]

[.c-richtext-text-wrapper] [.c-richtext-text] Au-delà des évaluations régionales, il est possible de réaliser une évaluation plus fine de domaines individuels. Compte tenu de la rareté des données étiquetées, une approche non supervisée est adoptée pour classer les champs agricoles similaires en fonction de leur EVI et de leurs bandes spectrales de base. Cette approche repose sur l'hypothèse que des types de plantes similaires présentent des réponses analogues aux changements environnementaux. [.c-richtext-text] [.c-richtext-text] Comme nous ne connaissons pas les limites exactes des champs, nous pouvons utiliser l'apprentissage automatique non supervisé algorithme, Clustering K-means, pour partitionner les points de données non étiquetés en K clusters en fonction de leur similitude. Dans le contexte des données Sentinel-2, K-means facilite le regroupement de pixels similaires en fonction de leurs caractéristiques spectrales et de leurs valeurs EVI. [.c-richtext-text] [.c-richtext-text-wrapper]

‍

‍

[.c-richtext-text-wrapper] [.c-richtext-text] Le résultat du clustering K-means est des étiquettes de cluster qui attribuent chaque point de données à l'un des K clusters. K-means, c'est comme trier les boules colorées en groupes en trouvant leur couleur moyenne. Dans le domaine des données Sentinel-2, ces étiquettes permettent d'identifier des zones caractérisées par des attributs spectraux similaires. Ces zones peuvent ensuite être soumises à un examen plus approfondi pour obtenir des informations précieuses, telles que la classification de l'utilisation des terres et la surveillance environnementale, et en tant qu'entrée dans l'algorithme de segmentation. Afin d'extraire des champs individuels pour une résolution encore plus élevée, afin de faciliter l'analyse des champs individuels, nous pouvons utiliser Algorithme de Felzenszwalb, une technique de segmentation largement utilisée dans le traitement d'images et la vision par ordinateur. [.c-richtext-text] [.c-richtext-text-wrapper]

‍

[.c-richtext-text-wrapper] [.c-richtext-text] Cet algorithme fonctionne comme un outil de segmentation ascendante, agrégeant des pixels présentant des caractéristiques similaires et une proximité spatiale en segments ou régions. C'est comme tracer des lignes autour de carrés de couleurs similaires sur une image pour créer des formes. Cette méthode facilite l'extraction et l'analyse de champs individuels pour des recherches futures, telles que la gestion agricole de précision, la prévision du rendement des cultures ou l'évaluation des risques individuels des champs. [.c-richtext-text] [.c-richtext-text-wrapper]

[.c-richtext-title-60] [.c-richtext-title] Estimation du risque de feux de brousse : une application avancée des données satellitaires [.c-richtext-title] [.c-richtext-title-60]

[.c-richtext-text-wrapper] [.c-richtext-text] Les données satellitaires peuvent être utilisées pour une gestion proactive des feux de brousse. L'imagerie par satellite nous permet d'évaluer à la fois la vulnérabilité de champs individuels et de régions entières aux feux de brousse et, grâce à la puissance de l'IA, de prévoir la santé de la végétation, les conditions de sécheresse et les épidémies. [.c-richtext-text] [.c-richtext-text] L'estimation du risque de feu de brousse peut être calculée à l'aide de l'indice EVI déjà mentionné, ainsi que d'autres indices calculés à partir de bandes satellites, tels que l'indice de différence normalisée de l'eau (indicateur de la présence d'eau liquide)), le taux de combustion normalisé (utilisé pour identifier les zones brûlées et quantifier la gravité des brûlures), et la température de surface actuelle. [.c-richtext-text] [.c-richtext-text] En outre, ces indices et données satellitaires jouent un rôle crucial en aidant les agences gouvernementales des États et du gouvernement fédéral à améliorer la résilience de l'industrie, à planifier la préparation aux catastrophes et à prépositionner l'allocation des ressources pour les activités de relèvement. Cette approche collaborative garantit la préservation non seulement de l'industrie viticole de la Hunter Valley, mais également d'autres secteurs vitaux vulnérables aux défis posés par l'évolution rapide de notre climat. [.c-richtext-text] [.c-richtext-text-wrapper]