L'IA peut-elle prévoir les inondations à partir de données satellitaires ?

Les modèles d'IA peuvent prédire les inondations, la propagation des incendies et les phénomènes météorologiques extrêmes en utilisant des images satellites et des données climatiques historiques.

Les systèmes actuels utilisent des modèles de deep learning formés sur des images radar et optiques par satellite (par exemple, Sentinel-1/2, Landsat, GPM) pour détecter l'étendue des inondations et prévoir l'inondation jusqu'à quelques jours à l'avance en assimilant des masques d'eau observés dans des modèles hydrodynamiques. Les services opérationnels tels que le Copernicus Emergency Management Service (CEMS) et FloodPROOFS de la NASA, soutenu par la FEMA, fournissent déjà des cartes d'inondations en temps quasi réel et des perspectives probabilistes à 72 heures, tandis que les prototypes de recherche qui fusionnent des données multi-capteurs et des prévisions météorologiques étendent les délais fiables jusqu'à 5 à 7 jours. La précision reste la plus élevée dans les régions plates riches en données et diminue dans les terrains escarpés, urbanisés ou fortement végétalisés où les occlusions par les bâtiments et la canopée des arbres dégradent la détection. Un étalonnage par rapport aux jauges au sol est toujours nécessaire pour réduire les biais systématiques dans les estimations de la hauteur des inondations.

— Enriched 12 mai 2026 · Source : Copernicus Emergency Management Service de la Commission européenne — https://emergency.copernicus.eu