Afrique | Les satellites plus précis que les humains pour compter les éléphants

Les résultats de recherches menées à l’Université d’Oxford (UK) ont démontré la faisabilité d’utiliser l’imagerie satellitaire à haute résolution comme nouvelle technique prometteuse de suivi et décompte des éléphants d’Afrique.

La recherche intitulée “Using very high-resolution satellite imagery and deep learning to detect and count African elephants in heterogeneous landscapes” a été publiée en septembre 2020 par Isla Duporge de l’Unité de recherche sur la conservation de la faune et le groupe de recherche Machine Learning.

Selon la recherche, les satellites permettent d’effectuer des levés à grande échelle sur de courtes périodes avec des relevés répétés possibles en moins de 24 heures. Par conséquent, l’étude a utilisé des images satellite à très haute résolution pour détecter et dénombrer certaines espèces sauvages dans des paysages marins et des paysages marins ouverts et homogènes où les animaux cibles contrastent fortement avec leur environnement. Cependant, aucune recherche à ce jour n’a détecté des animaux dans des environnements hétérogènes complexes ou détecté des éléphants depuis l’espace à l’aide d’images satellitaires à très haute résolution et d’un apprentissage en profondeur.

La recherche a utilisé l’imagerie satellite la plus haute résolution actuellement disponible – les données satellitaires WorldView-3 et 4. L’équipe a ensuite appliqué un modèle de réseau neuronal à convolution (CNN) pour détecter et compter automatiquement les éléphants d’Afrique dans un écosystème de savane boisée en Afrique du Sud. L’équipe a ensuite formé et testé le modèle sur onze images de 2014 à 2019, comparant la précision des performances du CNN à la précision humaine. De plus, le modèle a été appliqué sur une image satellite de résolution plus grossière (GeoEye-1) capturée au Kenya pour tester si l’algorithme peut se généraliser à une population d’éléphants en dehors de la zone d’entraînement.

Les résultats ont montré que le CNN fonctionnait avec une grande précision, comparable aux capacités de détection humaine. La précision de détection (c’est-à-dire le score F2) des modèles CNN était de 0,78 dans les zones hétérogènes et de 0,73 dans les zones homogènes. Cela se compare à la précision de détection des marqueurs humains avec un score F2 moyen de 0,77 dans les zones hétérogènes et de 0,80 dans les zones homogènes. Le modèle CNN peut se généraliser pour détecter les éléphants dans un emplacement géographique différent et à partir d’un satellite de résolution inférieure.

Le succès de la recherche contribuera à protéger la population d’éléphants d’Afrique, qui ont été victimes de braconnage, de massacres en représailles à cause des pillages de cultures et de la fragmentation de l’habitat.

Print Friendly, PDF & Email
SOURCEAfrica news
PARTAGER