Crédit :CC0 Domaine public
Des chercheurs de l'Université du Sussex ont mis au point un système capable de prédire avec précision une période de sécheresse en Afrique de l'Est jusqu'à dix semaines à l'avance.
L'imagerie satellitaire est déjà utilisée au Kenya pour surveiller l'état des pâturages et déterminer la santé de la végétation à l'aide d'une métrique connue sous le nom d'indice de l'état de la végétation. Celles-ci sont transmises aux décideurs dans les régions arides et semi-arides du Kenya par le biais de systèmes d'alerte précoce à la sécheresse.
Cependant, ces systèmes, géré par l'Autorité nationale de gestion de la sécheresse (NDMA), ne permet aux organisations et aux communautés d'intervenir que lorsque les impacts d'une sécheresse se sont déjà produits. À ce moment-là, des conditions météorologiques aussi extrêmes auraient déjà eu un effet dévastateur sur les moyens de subsistance de la population locale.
Au lieu, une équipe de chercheurs de l'Université du Sussex et de la NDMA ont développé un nouveau système appelé Astrocast.
Cofinancé par le Science and Technology Facilities Council, le projet permet aux agences humanitaires et aux gestionnaires des risques de sécheresse d'être proactifs lorsqu'il s'agit de faire face aux impacts des conditions météorologiques extrêmes en prévoyant les changements avant qu'ils ne surviennent.
Dans un article de recherche publié dans Télédétection de l'environnement , ils expliquent comment une équipe interdisciplinaire de scientifiques des données (astronomes et mathématiciens) avec des géographes a utilisé des techniques issues de la science de l'astronomie ; traiter les données directement des télescopes spatiaux avant d'utiliser des méthodes statistiques avancées pour prévoir les conditions météorologiques extrêmes.
Dr Pedram Rowhani, Maître de conférences en géographie et co-fondateur d'Astrocast, a déclaré :« Dans de nombreux cas, les premiers signes de sécheresse sont visibles sur la végétation naturelle, qui peut être surveillé depuis l'espace.
"Notre approche mesure l'indice d'état de la végétation (VCI) passé et présent, un indicateur basé sur l'imagerie satellitaire et souvent utilisé pour identifier les conditions de sécheresse, comprendre les tendances et le comportement général du VCI dans le temps, pour prédire ce qui pourrait arriver à l'avenir.
Co-premier auteur de l'article et maître de conférences en Machine Learning et Data Science, Le Dr Adam Barrett a déclaré :« Après des conversations dans les couloirs avec le Dr Rowhani à propos d'AstroCast, J'ai vu une opportunité d'appliquer la méthodologie que j'avais développée en neurosciences théoriques à un projet ayant un potentiel d'impact humanitaire réel.
"Avec Sussex encourageant activement le travail interdisciplinaire, nous avons décidé de combiner les compétences. Cela m'a ouvert les yeux de voir comment nos techniques peuvent être appliquées à un problème du monde réel et améliorer des vies."
Il y a eu une demande croissante au sein du secteur humanitaire pour développer des systèmes qui se concentrent sur les alertes anticipées et encouragent une approche plus proactive des catastrophes.
La NDMA kenyane fournit déjà des bulletins mensuels de sécheresse pour chaque comté, quel état a détecté des changements dans la végétation et sont utilisés pour prendre des décisions sur l'opportunité de déclarer une alerte à la sécheresse.
Mais avec les prévisions Astrocast, ces bulletins pourraient également inclure une prédiction de ce que le VCI est susceptible d'être dans quelques semaines, donnant aux agriculteurs et aux pasteurs un temps précieux pour se préparer.
Seb Olivier, Professeur d'Astrophysique et co-fondateur d'Astrocast, a déclaré :« Une grande partie de mes recherches en astrophysique nécessite le traitement des données des télescopes spatiaux astronomiques, comme l'observatoire spatial Herschel. Les satellites d'observation de la Terre ne sont pas si différents.
« Nous utilisons souvent des statistiques de pointe et des approches d'apprentissage automatique pour interpréter nos données astronomiques. Dans ce cas, nous avons utilisé des approches d'apprentissage automatique, et nous avons pu prévoir l'état de la végétation jusqu'à dix semaines à l'avance avec une très bonne confiance.
« Nous imaginons que nos rapports pourraient être utilisés pour définir un nouveau drapeau d'avertissement permettant aux chefs de comté de prendre des décisions plus tôt et ainsi de mieux se préparer. Mais ces informations pourraient également être utilisées par des organisations humanitaires comme la Croix-Rouge du Kenya ainsi que d'autres organisations comme la Kenya Département rencontré.
"Une préparation plus précoce est bien connue pour être beaucoup plus efficace qu'une réponse réactive."