Une nouvelle méthode d’intelligence artificielle transforme la façon dont nous observons les océans de la Terre, transformant les satellites météorologiques standards en trackers haute résolution des mouvements sous-marins. En exploitant les données satellitaires existantes, les chercheurs ont développé un moyen de cartographier les courants océaniques avec des détails et une fréquence sans précédent, comblant ainsi une lacune critique dans notre compréhension des systèmes climatiques de la planète.
Les lacunes dans l’observation des océans
Pendant des décennies, les scientifiques ont eu du mal à équilibrer deux besoins contradictoires en océanographie : couverture à grande échelle et détails à haute fréquence.
Traditionnellement, l’observation de l’océan s’appuie sur deux méthodes principales, qui présentent toutes deux des inconvénients importants :
– Altimétrie par satellite : Ces satellites mesurent la hauteur de la surface de la mer pour estimer les courants, mais ils ne revisitent le même endroit que tous les 10 jours environ. C’est beaucoup trop lent pour capturer des événements « transitoires », c’est-à-dire des courants qui émergent et disparaissent en quelques heures.
– Capteurs locaux : Les navires et les radars côtiers fournissent d’excellents détails, mais ils sont limités à de petites zones localisées.
Ce manque de données crée un « point mort » concernant le mélange vertical, le processus par lequel les eaux de surface coulent ou les eaux profondes montent. Ce mouvement est vital car il agit comme le système circulatoire de l’océan, transportant les nutriments vers la vie marine et séquestrant le dioxyde de carbone de l’atmosphère vers les profondeurs océaniques. Sans données en temps réel sur les petits courants rapides qui entraînent ce mélange, nos modèles climatiques restent incomplets.
Entrez GOFLOW : transformer la température en mouvement
La solution, baptisée GOFLOW (Geostationary Ocean Flow), a été développée par une équipe de recherche dirigée par Luc Lenain (Scripps Institution of Oceanography de l’UC San Diego) et Kaushik Srinivasan (UCLA).
La avancée réside dans la manière dont le système utilise les données. Plutôt que de nécessiter un nouveau matériel coûteux, GOFLOW utilise l’imagerie thermique des satellites météorologiques géostationnaires existants (tels que GOES-East). Ces satellites capturent les modèles de température à la surface de l’océan toutes les cinq minutes.
Comment fonctionne l’IA
Les chercheurs ont formé un réseau neuronal d’apprentissage profond pour résoudre un casse-tête visuel complexe. Le processus fonctionne comme suit :
1. Reconnaissance de modèles : L’IA a été entraînée à l’aide de simulations informatiques haute résolution pour reconnaître comment les modèles de température « se plient, s’étirent et se déplacent » sous l’influence de la vitesse de l’eau.
2. Suivi temporel : En analysant des séquences d’images thermiques, l’IA suit la façon dont ces modèles thermiques se déforment au fil du temps.
3. Inférence : Le système déduit ensuite les courants océaniques sous-jacents responsables de ces mouvements spécifiques, transformant ainsi un « time-lapse » de températures en une carte du mouvement de l’eau.
Validation des résultats
Pour s’assurer que l’IA ne se contentait pas de modèles « hallucinants », l’équipe a comparé les résultats de GOFLOW aux mesures du monde réel prises par les navires dans le Gulf Stream et aux données topographiques satellitaires traditionnelles.
Les résultats ont été très réussis. GOFLOW a non seulement fait correspondre les données existantes, mais a également révélé des caractéristiques à échelle fine, telles que de petits tourbillons et des couches limites, que les méthodes précédentes avaient tendance à lisser ou à ignorer. Ces courants faibles et intenses sont les principaux moteurs du mélange vertical et, pour la première fois, ils peuvent être observés dans des contextes réels plutôt que simplement dans des simulations informatiques.
Implications pour l’avenir
La capacité de suivre les courants océaniques en temps quasi réel a des conséquences considérables :
– Science du climat : Meilleure compréhension de la manière dont l’océan absorbe la chaleur et le carbone.
– Protection de l’environnement : Meilleur suivi des déversements d’hydrocarbures et du mouvement des débris marins (tels que le plastique).
– Sécurité : Données améliorées pour les opérations de recherche et de sauvetage.
– Prévisions météorologiques : Modèles plus précis des interactions air-mer.
“Cela ouvre la porte à la mise à l’épreuve d’idées anciennes sur la façon dont l’océan absorbe la chaleur et le carbone”, note Luc Lenain.
Défis et prochaines étapes
Bien que révolutionnaire, GOFLOW n’est pas sans obstacles. Étant donné que le système repose sur l’imagerie thermique, la couverture nuageuse peut obstruer la vue, créant ainsi des lacunes dans les données. Pour résoudre ce problème, l’équipe de recherche travaille à l’intégration de types supplémentaires de données satellite afin de fournir une couverture transparente et continue.
L’équipe a déjà rendu public son code et ses produits de données, invitant la communauté scientifique mondiale à étendre cette technologie aux océans du monde.
Conclusion : En réutilisant les données satellitaires météorologiques existantes grâce à l’IA, GOFLOW fournit une fenêtre peu coûteuse et très détaillée sur le mouvement de l’océan, offrant ainsi un nouvel outil essentiel pour surveiller le rythme cardiaque du climat de notre planète.
