Un nouveau logiciel de la NASA pourrait aider à prévoir les problèmes de qualité de l’eau dans la baie de Chesapeake

PROJET

Soutenir la conchyliculture dans le Chesapeake à l’aide de l’intelligence artificielle

INSTANTANÉ

Une équipe de la NASA forme et vérifie des algorithmes d’apprentissage automatique qui seront utilisés pour identifier les zones de mauvaise qualité de l’eau dans les images satellites, à commencer par la baie de Chesapeake.

Image satellite de la baie de Chesapeake. La conchyliculture est une partie essentielle et croissante de l’économie du Maryland. (crédit image : Landsat 8 / USGS)

L’excès de nutriments et de polluants emportés par les tempêtes peut dégrader la qualité de l’eau et nuire à la vie marine et aux populations. Identifier ces problèmes avant qu’ils ne nous affectent est un défi constant pour les gestionnaires des ressources en eau.

La NASA, la National Oceanic and Atmospheric Administration (NOAA) et le Département de l’environnement du Maryland (MDE) collaborent pour créer un logiciel permettant d’identifier plus facilement la qualité de l’eau altérée. Le logiciel est conçu pour aider les gestionnaires de ressources à surveiller la baie de Chesapeake, qui abrite une industrie aquacole dynamique qui contribue plus de 9 millions de dollars par an à l’économie de l’État du Maryland, selon la Chesapeake Bay Foundation.

Cette collaboration entre agences fédérales et étatiques – qui a permis d’utiliser des capteurs de la NASA montés sur des bateaux MDE et une tour des garde-côtes américains – a lancé un processus de développement logiciel complexe qui consiste à collecter des observations in situ pour former et vérifier des algorithmes d’apprentissage automatique qui permettront finalement être utilisé pour identifier les zones de mauvaise qualité de l’eau dans les images satellites.

Bien qu’elle en soit encore aux premiers stades de développement, l’équipe de recherche a déjà franchi plusieurs étapes importantes. Plus précisément, ils ont démontré que leur logiciel était capable de former avec succès des algorithmes d’apprentissage automatique pour identifier les précurseurs de la mauvaise qualité de l’eau dans les images satellites de la baie de Chesapeake collectées par le satellite MODIS-Aqua de la NASA et le satellite Sentinel 3 OLCI, exploité par l’Agence spatiale européenne.

Ce logiciel prépare les scientifiques à maximiser l’utilité des futures missions – telles que les prochaines missions Biologie et géologie de surface (SBG) et Plancton, aérosol, nuage, écosystème océanique (PACE) de la NASA – et à aider les communautés côtières qui dépendent de mers sans pollution pour leurs moyens de subsistance.

« Le Maryland et la Virginie disposent de décennies de données d’observation, ce qui fait de la baie de Chesapeake l’endroit idéal pour développer et former nos algorithmes afin de trouver des modèles trop subtils pour que l’œil humain les détecte par eux-mêmes », a déclaré Stephanie Schollaert Uz, chercheuse principale du projet et Responsable des sciences appliquées au Goddard Space Flight Center de la NASA.

Schollaert Uz explique qu’à mesure que le changement climatique entraîne des tempêtes plus humides et plus vigoureuses, davantage de nutriments, de sédiments et de polluants tels que les eaux usées brutes se retrouveront des environnements urbains vers la mer. Un ruissellement excessif présente non seulement un risque pour la santé des écosystèmes aquatiques, mais également pour la santé des personnes.

“Par exemple, les fuites ou les déversements d’eaux usées peuvent contaminer toute une récolte d’huîtres, et si le problème n’est pas diagnostiqué, les gens peuvent tomber malades”, explique Schollaert Uz.

Les gestionnaires de ressources du MDE travaillent sans relâche pour s’assurer que la baie de Chesapeake est sans danger pour l’aquaculture et les loisirs. Mais avec des centaines de sites de test à tester chaque mois, il est difficile de trouver chaque cas d’eau contaminée avant qu’elle ne mette en danger les personnes et l’environnement.

Les satellites de la NASA, avec leur large couverture et leurs multiples apparitions en un mois, peuvent être un outil puissant pour augmenter les programmes de surveillance de la qualité de l’eau de l’État. Mais de nombreux polluants n’émettent pas de signature optique discernable à partir de capteurs satellites, qui utilisent la lumière pour détecter les sédiments, les pigments phytoplanctoniques et les matières organiques dissoutes. Au lieu de cela, les algorithmes d’apprentissage automatique doivent détecter des modèles secondaires – ou “proxy” – qui indiquent des polluants invisibles.

Troy Ames, co-investigateur du projet et ingénieur en informatique au Goddard Space Flight Center de la NASA, a expliqué que leur programme se compose de plusieurs éléments clés pour former des algorithmes d’apprentissage automatique et rechercher des preuves d’une mauvaise qualité de l’eau. . Ces composants comprennent des modules d’encodeur pour extraire des informations précieuses à partir d’ensembles de données brutes, un module de fusion pour combiner ces informations en un modèle visible, un module temporel pour détailler l’évolution des informations dans le temps et des modules de décodeur pour traduire ces informations en indicateurs de qualité de l’eau.

“Cela facilite à la fois la formation et les tests, car vous pouvez réellement combiner des composants dans différentes configurations en fonction d’indicateurs”, a déclaré Ames.

Le COVID-19 a rendu difficile pour Schollaert Uz et son équipe de terminer le travail personnel sur le terrain et les études en laboratoire nécessaires à la formation de leurs algorithmes pour identifier les polluants de ruissellement tels que les eaux usées dans l’imagerie satellite. Mais ils ont pu utiliser la sortie du modèle du Virginia Institute of Marine Sciences Chesapeake Bay Environmental Forecast System pour former des techniques d’apprentissage automatique qui assimilent les données satellitaires pour identifier les précurseurs de l’hypoxie, tels que les zones à faible teneur en oxygène qui peuvent endommager l’écosystème aquatique.

“Je ne saurais trop insister sur la difficulté de connecter l’imagerie satellitaire optique à l’hypoxie. L’hypoxie se produit en profondeur, pas près de la surface. C’est un problème vraiment complexe qui affecte régulièrement négativement la qualité de l’eau”, a déclaré Schollaert.

Pour développer davantage leur projet, Schollaert Uz et ses collègues visent à renforcer leur méthode actuelle d’apprentissage automatique en utilisant des informations environnementales de la NOAA et des observations de terrain supplémentaires, dans le but ultime d’exploiter les prochaines données satellitaires hyperspectrales en temps quasi réel pour les gestionnaires des ressources de la baie de Chesapeake.

“La NASA conserve une incroyable collection de données sur les sciences de la Terre. Nous voulons aider les gens à accéder à ces données et à les appliquer pour résoudre des problèmes du monde réel”, a déclaré Schollaert Uz.

CHEF DE PROJET

Stephanie Schollaert Uz, responsable des sciences appliquées au centre de vol spatial Goddard de la NASA

ORGANISME PARRAIN

Programme Advanced Information Systems Technology (AIST) de la Division des sciences de la Terre

En savoir plus Faits saillants technologiques

Leave a Reply

Your email address will not be published. Required fields are marked *