L’une des principales difficultés en matière de surveillance des feux de forêt consiste à distinguer les zones brûlées de celles qui ne le sont pas et à évaluer l’étendue des dommages. Cette distinction est essentielle pour aider les services de secours à prendre des décisions adaptées. L’imagerie satellite, enrichie d’informations temporelles et spectrales et associée aux méthodes avancées de Machine Learning, ouvre de nouveaux horizons en matière de surveillance et de gestion automatisées des paysages après des incendies à grande échelle. Le modèle de Deep Learning pour les zones brûlées peut se révéler indispensable pour identifier et cartographier précisément les conséquences des feux de forêt à partir d’images satellite.
Le modèle pré-entraîné Prithvi-100M-burn-scar a été développé par la NASA et IBM, en optimisant leur modèle de base d’observation terrestre, le jeu de données Prithvi-100m, HLS Burn Scar Scenes. Utilisez ce modèle pour automatiser le processus de classification des zones brûlées dans l’imagerie satellite multispectrale.
Licence requise
Pour réaliser ce processus, les licences suivantes sont nécessaires :
- ArcGIS Desktop : extension ArcGIS Image Analyst pour ArcGIS Pro
- ArcGIS Enterprise : ArcGIS Image Server avec l’analyse raster configurée
- ArcGIS Online : ArcGIS Image for ArcGIS Online
Détails du modèle
Ce modèle présente les caractéristiques suivantes :
- Entrée - Raster, jeu de données mosaïque ou service d’imagerie composite 6 bandes.
- Sortie - Raster classé avec deux classes (no burn et burn scar).
- Calcul - Ce processus sollicite beaucoup de ressources de calcul, il est donc recommandé de s’équiper d’un processeur graphique avec des capacités de calcul 6.0 ou supérieures.
- Géographies concernées - Ce modèle est prévu pour fonctionner parfaitement dans le monde entier.
- Architecture - Ce modèle contient le modèle Prithvi-100M-burn-scar développé par la NASA et IBM et utilise un encodeur auto-supervisé développé à l’aide d’une architecture ViT et d’une stratégie d’apprentissage MAE (Masked AutoEncoder).
- Données d’entraînement - Ce modèle optimise le modèle pré-entraîné Prithvi-100m à l’aide du jeu de données HLS Burn Scar Scenes.
- Métriques d’exactitude du modèle - Intersection sur union (IoU) de 0,73 pour la classe burn scar et exactitude globale de 96 %.
Accéder et télécharger le modèle
Téléchargez le modèle pré-entraîné Prithvi - Segmentation des zones brûlées à partir de ArcGIS Living Atlas of the World. Vous pouvez également accéder au modèle directement dans ArcGIS Pro ou l’utiliser dans ArcGIS Image for ArcGIS Online.
- Accédez à ArcGIS Living Atlas of the World.
- Connectez-vous à l'aide de vos identifiants de connexion ArcGIS Online.
- Recherchez Prithvi - Segmentation des zones brûlées et ouvrez la page de l’élément à partir des résultats de recherche.
- Cliquez sur le bouton Download (Télécharger) pour procéder au téléchargement du modèle.
Vous pouvez utiliser le fichier .dlpk téléchargé directement dans ArcGIS Pro ou le charger et l’utiliser dans ArcGIS Enterprise. Il est également possible d’optimiser le modèle pré-entraîné, si nécessaire.
Notes de version
Voici les notes de version :
| Date | Description |
|---|---|
| Janvier 2024 | Première version du modèle Prithvi - Segmentation des zones brûlées |
Vous avez un commentaire à formuler concernant cette rubrique ?