DeepMind cartographie les types de forêts du monde avec une précision de 10 mètres
ForTy, une nouvelle carte Google DeepMind et World Resources Institute, trie les terres mondiales en forêts primaires, de repousse, plantées et de plantation, avec des limites de précision honnêtes.
Google DeepMind et World Resources Institute ont publié ForTy, abréviation de Forest Typology, une carte globale qui ne se contente pas de demander « y a-t-il un arbre ? » mais “de quel genre de forêt s’agit-il ?” Il couvre l’année 2020 avec une résolution de 10 mètres et classe les terres en six classes : forêt primaire, forêt à régénération naturelle, forêt plantée, forêt de plantation, cultures arboricoles telles que le palmier à huile, l’hévéa et le cacao, et autres terres. Les auteurs la considèrent comme la première carte mondiale de ce type.
Le timing n’est pas un hasard. La réglementation européenne sur la déforestation interdit les marchandises liées au déboisement après le 31 décembre 2020, les entreprises ont donc besoin d’une référence 2020 pour évaluer les risques liés à la chaîne d’approvisionnement. ForTy en propose un gratuitement sous licence CC BY 4.0, y compris à l’intérieur de Google Earth Engine.
Techniquement, il s’appuie sur AlphaEarth Foundations, un modèle qui compresse les données satellite (simulations optiques, radar, laser et climatiques) en une « empreinte digitale » compacte pour chaque carré de 10 mètres sur 10 au sol. Trois étapes de modèle affinent ensuite les étiquettes, et Gemini a permis d’adapter les anciennes données de formation aux définitions de l’UE. Les experts ont ajouté environ 43 000 exemples corrigés, par exemple en corrigeant des vignobles européens étiquetés à tort comme des cultures arboricoles.
Les chiffres de précision méritent une lecture attentive. La précision globale est de 90,2 pour cent, mais les auteurs affirment que la classe facile « autre pays » la gonfle. La forêt primaire est identifiée correctement dans 89 pour cent du temps. Les cultures arboricoles et les forêts plantées ne fonctionnent que dans environ la moitié du temps, et les plantations dans environ 60 pour cent. Le modèle surestime la forêt primaire d’Asie d’environ 200 millions d’hectares, en grande partie des forêts de conifères russes, et ne tient pas compte d’environ 94 millions d’hectares de forêt sèche ouverte en Afrique. Par rapport aux cartes de la Commission européenne basées sur les mêmes données de test, le ForTy a obtenu un score plus élevé : 90,9 pour cent contre 87,8 pour cent pour les types de forêts.
Qu’est-ce qu’il y a derrière : Les satellites peuvent voir le vert, mais pas la direction. Distinguer une forêt naturellement repoussée d’une forêt plantée est en partie une question de jugement, c’est pourquoi l’équipe a utilisé un délai de rotation de 40 ans et admet que cela ne convient pas à certaines régions. C’est pourquoi les scores de confiance par classe sont inclus : les utilisateurs peuvent définir leurs propres seuils au lieu de se fier à une seule étiquette.
Ce que cela signifie pour vous : Pour la plupart des lecteurs, rien ne change aujourd’hui. Si vous travaillez dans le domaine de la durabilité, de l’approvisionnement ou de la conservation, ForTy est une couche de départ utile, mais cela ne prouve pas qu’une parcelle spécifique est propre, et les classes faibles sont exactement celles qui intéressent les régulateurs. Si vous êtes simplement curieux, c’est un bon exemple de ce que l’IA fait bien : transformer un flot de données satellite en quelque chose qu’une personne peut vérifier, remettre en question et améliorer.
Sources
Sources: https://deepmind.google/blog/beyond-tree-cover-mapping-the-worlds-forest-types/
Rapport : OpenAI a levé environ 11 milliards de dollars sur un objectif de 30 milliards de dollars
Le Wall Street Journal aurait indiqué que OpenAI a obtenu environ un tiers de son objectif de financement, évalué à 1,25 billion de dollars, et qu'il se tourne vers des particuliers fortunés et vers une éventuelle introduction en bourse.
