L’IA nettoie les images radar par satellite afin que les scientifiques puissent mieux repérer les signes avant-coureurs avant que les volcans ne disparaissent sur le mont Doom

  • FrançaisFrançais


  • Un projet financé par la NASA a démontré comment les algorithmes d’apprentissage en profondeur peuvent aider les experts à déterminer à partir des analyses de satellite si un volcan doit ou non entrer en éruption.

    Les géosciences et les informaticiens de la Pennsylvania State University (PennState) aux États-Unis ont construit un réseau neuronal convolutif (CNN) qui supprime automatiquement les distorsions atmosphériques des images radar par satellite représentant les volcans et leurs environs, ce qui facilite la détection des mouvements révélateurs d’une éruption. arrive. Un article décrivant ce système d’IA a été publié dans le Journal of Geophysical Research le mois dernier.

    Christelle Wauthier, co-auteur de l’article et professeur agrégé de géosciences à PennState, a expliqué cette semaine que des images radar précises sont particulièrement nécessaires, car ces mouvements géologiques sont «subtils et ne peuvent pas être captés à l’œil nu».

    “La forme des volcans change constamment et une grande partie de ce changement est due aux mouvements souterrains de magma dans le système de plomberie de magma constitué de réservoirs et de conduits de magma”, a-t-elle ajouté. Ces minuscules déformations peuvent être utilisées pour déterminer si une éruption est imminente et sont le genre de signaux qui pourraient être utilisés pour développer un système d’alerte précoce.

    La forme des volcans change constamment et une grande partie de ce changement est due aux mouvements souterrains de magma dans le système de plomberie de magma constitué de réservoirs et de conduits de magma.

    Nous pourrions utiliser des instruments sur le terrain pour capter ces changements; cet équipement est plus précis que les images radar depuis l’espace, mais les gadgets ont une portée très limitée, doivent pouvoir fonctionner avec peu ou pas d’entretien dans des zones très éloignées et peuvent être détruits par l’activité géologique à l’approche d’une éruption plus importante ou autrement détruit par la nature. Ainsi, les images radar peuvent être le meilleur choix pour un système d’alerte, bien que la couverture souffre lorsque la terre est couverte de nuages ​​épais et d’autres perturbations météorologiques qui bloquent ou gênent les ondes radio du radar.

    Entrez dans l’apprentissage automatique pour nettoyer les lectures radar: il peut supprimer automatiquement le bruit, permettant d’analyser les petits mouvements de la terre pour détecter les signes de danger. Les chercheurs ont formé le réseau neuronal sur 16 000 images radar synthétiques et l’ont testé sur 4 000. L’équipe a utilisé 20 GPU Nvidia Tesla P100 pour entraîner son modèle.

    Les données synthétiques sont normalement utilisées lorsqu’il n’y a pas assez de données réelles ou si les données réelles sont trop compliquées. Les chercheurs sont convaincus que leurs algorithmes peuvent être appliqués à des scénarios du monde réel et les ont testés sur des images satellite radar du volcan Masaya au Nicaragua. L’objectif était de voir si l’IA pouvait suffisamment supprimer le bruit des images radar pour que les mouvements présents sur les images se marient avec les mouvements détectés sur terre par les stations au sol.

    Le réseau de neurones n’a pas mal fonctionné, bien que sa sortie semble surestimer le mouvement du volcan.

    «Ces erreurs initiales dans le CNN peuvent être causées par un mauvais échantillonnage spatial», ont écrit les chercheurs dans leur article. «Une analyse utilisant des benchmarks synthétiques montre que le CNN est capable de révéler des signaux de déformation de surface sans bruit», ont-ils conclu. Pour améliorer la précision de leur modèle, ils recommandent d’inclure plus de données dans la phase d’entraînement, y compris les lectures GPS.

    «Nous souhaitons être en mesure d’identifier les mouvements de tremblements de terre et de failles ainsi que les sources magmatiques et d’inclure plusieurs sources souterraines générant une déformation de surface», a ajouté Wauthier de PennState. «Nous appliquerons cette nouvelle méthode révolutionnaire à d’autres volcans actifs grâce au soutien de la NASA.» ®

    Laisser un commentaire

    Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *