INTELLIGENCE ARTIFICIELLE SUR LA SÉCHERESSE | L’intelligence artificielle peut prédire les sécheresses un an à l’avance

Les sécheresses, de plus en plus graves et fréquentes en raison du changement climatique, constituent des menaces importantes pour l'agriculture et la santé publique.. Au cours des derniers étés, l’urgence de s’attaquer à ce problème a été soulignée dans l’hémisphère nord. Une nouvelle enquête a abouti en améliorer la prévision des sécheresses grâce à l’intelligence artificielleune étape cruciale pour atténuer les effets néfastes de ces catastrophes naturelles.

« Nous avons réussi à fournir un meilleur modèle, adapté à la prise de décision agricole et aux applications d'assurance », affirment les chercheurs de l'Institut des sciences et technologies de Skolkovo (Russie), qui ont proposé modèles d'apprentissage profond qui prédisent les sécheresses à l’aide de données climatiques.

Les producteurs agricoles planifiant leurs opérations, ainsi que les compagnies d'assurance et les banques évaluant les risques climatiques et ajustent les notations de crédit des entreprises, ils recherchent ce type de prévisions à long terme. Les résultats sont publiés dans la revue « Environmental Modeling & Software ».

Lors de la planification, un agriculteur doit prendre en compte la possibilité qu'une sécheresse affecte son entreprise, et les banques tentent de prendre en compte ces risques dans les notations de crédit des entreprises. Les compagnies d’assurance doivent également quantifier les risques météorologiques pour déterminer le montant de la prime.

Les cinq régions dans lesquelles des recherches ont été menées avec l'aide de l'IA. / Alexandre Marusov et al. / Modélisation environnementale et logiciels

Toutes ces entreprises bénéficieraient grandement de Prédictions précises à long terme des périodes de sécheresse imminentes. Cependant, ces prévisions n’étaient pas disponibles jusqu’à présent en raison du caractère stochastique (aléatoire) des phénomènes climatiques et de la complexité des données utilisées.

Les modèles ont été testés sur des données provenant de cinq régions couvrant plusieurs continents et zones climatiques : la Pologne, l'État américain du Missouri, l'État de Goiás au Brésil, l'État indien du Madhya Pradesh et le nord du Kazakhstan.

Prévisions à moyen et long terme

« Les tests nous ont permis de déterminer que notre modification du modèle 'EarthFormer' basé sur un transformateur est la meilleure à réaliser. prévisions à moyen termetandis qu'une version modifiée du modèle « ConvLSTM » (réseau neuronal récurrent pour la prédiction spatio-temporelle) présentait les meilleures performances en prédictions à long terme« , explique Alexeï Zaytsev.

« Notre modèle offre une qualité élevée pour diverses zones climatiques. Grâce aux méthodes fiables d'intelligence artificielle utilisées, cette qualité restera élevée au cours des 10 prochaines années », ajoute Zaytsev.

« La prévision de la sécheresse est une préoccupation majeure dans de nombreuses régions de notre pays, y compris dans ma région natale d'Astrakhan (sud de la Russie). Cependant, ce phénomène naturel est difficile à modéliser, car de nombreux facteurs doivent être pris en compte, notamment réchauffement global. Nos modèles permettent prévoir les sécheresses un an à l’avance« , indique l'auteur principal de l'étude, Alexander Marusov.

Le lit asséché du fleuve Pô, en Italie.

Le lit asséché du fleuve Pô, en Italie. /EFE/Giorgio Benvenuti

Les résultats de cette recherche seront utilisés par la plus grande banque de Russie dans son système de gestion des risques. « Bien que les risques climatiques en Russie ne soient pas aussi évidents que dans les pays dotés d'infrastructures plus denses, ils sont déjà confrontés à un un impact important sur l'économie. Les sécheresses génèrent des risques pour l'agriculture, les installations énergétiques et la population », souligne Nazar Sotiriadi, co-auteur de l'étude.

« Nous utilisons les résultats de la recherche pour accroître la précision de nos notations, tant pour l'assurance que pour les prêts. Dans les années à venir, la gestion de ces risques pourrait avoir un impact plus important sur l'entreprise que nous ne l'avions prévu il y a trois ou cinq ans. Et ces tâches nécessitent invariablement modèles d'évaluation« , indique Sotiriadi.

Rapport de référence : https://www.sciencedirect.com/science/article/abs/pii/S1364815224001889?via%3Dihub

…………….

Contact de la section Environnement : criseclimatica@prensaiberica.es