Image d'amplitude SAR zoomée sur la ville de La Marque et Texas City (Houston), très proche de la côte du Texas. Les zones sombres représentées sur cette figure sont principalement de l'eau. La zone très lumineuse en bas à droite de la figure est une zone industrielle avec de nombreuses installations de production de pétrole. Une onde de tempête peut causer une grande quantité de pertes économiques lorsqu'elle frappe cette zone. Crédit :Université du Texas à Austin
Les types de terres qui nous entourent jouent un rôle important dans le déroulement des tempêtes majeures :les eaux de crue peuvent se déplacer différemment dans les zones rurales et urbaines, par exemple. Cependant, il est difficile d'obtenir une image précise des types de terres en utilisant uniquement des données d'images satellitaires, car elles sont si difficiles à interpréter.
Des chercheurs de la Cockrell School of Engineering ont, pour la première fois, appliqué un algorithme d'apprentissage automatique pour mesurer la rugosité de surface de différents types de terrain avec un niveau de détail élevé. L'équipe a utilisé un type d'imagerie satellitaire plus fiable et plus facile à capturer que les photographies optiques classiques, mais aussi plus difficile à analyser. Et ils s'efforcent d'intégrer ces données dans des modèles d'ondes de tempête pour donner une image plus claire de ce qui se passera lors d'événements météorologiques majeurs.
« Vous pouvez imaginer que lorsqu'une tempête approche de la terre, elle se déplacera beaucoup plus rapidement et plus loin sur des terres ouvertes ou stériles, " a déclaré Ke Wang, un chercheur diplômé dans le laboratoire d'Ann Chen, professeur adjoint au Département de génie aérospatial et de génie mécanique. "Et, en revanche, les tempêtes se déplacent plus lentement sur des surfaces plus rugueuses comme les forêts à végétation dense."
Aujourd'hui, la principale source de données sur les types de terres provient de la National Oceanic and Atmospheric Administration. Mais ces données ne sont mises à jour que tous les cinq ou six ans, ce qui rend difficile d'obtenir une image claire de la façon dont la terre change au fil du temps. Les chercheurs visent à rendre leurs données foncières capables de mises à jour au moins annuelles, et idéalement, plus fréquent que cela.
Pour leur expérience, l'équipe a analysé le radar à synthèse d'ouverture accessible au public, ou SAR, images prises depuis un satellite japonais. Les images SAR sont différentes des caméras puissantes d'autres satellites car elles éclairent activement le sol à l'aide de signaux radar plutôt que de se fier à la lumière du soleil, qui peut être limitée la nuit ou lorsque la couverture nuageuse est présente.
Standard, Les modèles basés sur la physique ont eu du mal à analyser avec précision ces types d'images. Mais l'algorithme d'apprentissage automatique de l'équipe a été en mesure de créer une image suffisamment claire des données de rugosité du sol pour que les informations puissent être utilisées dans la modélisation des ondes de tempête.
Un exemple des mesures InSAR. Un interférogramme peut être considéré comme la différence entre deux images SAR acquises sur la même zone à des dates différentes. La couleur d'un pixel représente de combien la surface terrestre a bougé entre les deux dates d'acquisition. Crédit :Université du Texas à Austin.
En utilisant ces images satellite accessibles au public, l'algorithme classe automatiquement différents types de terres en analysant des caractéristiques telles que la topographie et la luminosité à partir des données satellitaires. La recherche s'est principalement concentrée sur les zones le long de la côte du golfe autour de la Nouvelle-Orléans et de Houston, où les changements rapides de terrain et l'augmentation des fortes tempêtes exposent ces grandes villes à un risque accru de dommages importants.
L'équipe travaille avec Clint Dawson, professeur et président du Département de génie aérospatial et de mécanique du génie et chef du groupe d'hydraulique computationnelle de l'Institut Oden, d'adapter les données pour ses modèles d'ondes de tempête.
"L'onde de tempête est une compétition entre le vent poussant l'eau vers la côte, et la capacité de la côte à résister à la force de la houle, " Dawson a déclaré. "Il y a une grande différence dans les ondes de tempête lorsque la côte est couverte d'herbe souple par rapport à des arbres épais tels que les mangroves. La côte du Texas est particulièrement vulnérable aux surtensions, car il s'agit principalement de marais et de prairies de faible altitude. Par conséquent, connaître le type de couverture terrestre dans une région côtière est essentiel pour être en mesure d'atténuer et de prévoir les ondes de tempête."
Ces données pourraient aider les décideurs qui envisagent des méthodes pour atténuer l'impact des tempêtes, dit Chen, qui est le chercheur principal sur l'article publié dans Transactions IEEE sur les géosciences et la télédétection . Par exemple, Les décideurs politiques ont longtemps débattu de la possibilité de construire des « murs verts » de végétation pour protéger les zones intérieures des ouragans et autres tempêtes potentiellement dangereuses. Cette information pourrait aider à déterminer les meilleurs endroits pour mettre ces murs verts pour protéger les zones vulnérables.
Bien que cette recherche soit principalement axée sur les modèles d'ondes de tempête, il existe un certain nombre d'autres applications. Il pourrait être utilisé pour examiner les forêts et classer les arbres afin de comprendre l'offre potentielle de bois et les impacts de la récolte de bois. Et cela pourrait un jour aider à suivre l'évolution des terres au fil du temps, que ce soit à cause de choses comme la déforestation, développement urbain ou élévation du niveau de la mer.
Mais cela nécessiterait des améliorations des données satellitaires. L'algorithme des chercheurs a besoin d'environ 10 images pour effectuer une caractérisation précise du terrain. S'il a fallu un an pour obtenir ces 10 images, il pourrait dire quel type de terrain se trouve à cet endroit, mais il ne pouvait pas analyser comment la terre avait changé au cours de l'année. Cependant, La NASA est au milieu d'un programme de mise à jour et de mise à niveau des satellites nécessaires pour capturer ces images. Ils collecteront des données plus régulièrement à une résolution plus élevée.
"Les données d'images spatiales que nous avons maintenant sont bien plus importantes qu'il y a 10 ans, " a dit Chen. " Et dans les 10 prochaines années, avec la qualité et la quantité des données que nous allons avoir, ce sera une période de croissance exponentielle."
