Un modèle d’IA de la NASA et d’IBM cartographie les rizières d’Asie à une résolution de 30 mètres
Des chercheurs ont utilisé un modèle d’intelligence artificielle de la NASA et d’IBM pour cartographier les rizières de l’Asie des moussons à partir de données satellitaires de 2018 à 2023. Cette carte d’une résolution de 30 mètres pourrait affiner les estimations des surfaces, des besoins en eau et des émissions de méthane.
L’IA repère la riziculture dans l’Asie des moussons
Des chercheurs ont réalisé une nouvelle carte de la riziculture dans l’Asie des moussons grâce à un modèle d’intelligence artificielle d’observation de la Terre développé par la NASA et IBM, selon Aaj Tak. Fondée sur des observations satellitaires recueillies entre 2018 et 2023, la carte localise les zones rizicoles avec une résolution spatiale de 30 mètres.
Le projet répond à une difficulté persistante du suivi agricole. La production asiatique de riz s’étend sur un territoire immense et repose souvent sur de petites parcelles rapprochées, que les enquêtes régionales classiques peinent à distinguer de façon homogène. L’analyse automatisée des images satellitaires peut couvrir ces champs plus rapidement et appliquer une méthode commune à plusieurs régions.
Aaj Tak indique que la carte a atteint une précision moyenne d’environ 84%, avec des résultats compris entre approximativement 83% et 90% selon les zones. Ces performances ne suppriment pas la nécessité de vérifications locales, mais elles fournissent aux chercheurs et aux administrations agricoles une référence à l’échelle continentale pour localiser les rizières et suivre leur évolution.
Landsat et Sentinel-2 offrent un niveau de détail parcellaire
Le modèle s’est appuyé sur les images et observations des programmes satellitaires Landsat et Sentinel-2 pour reconnaître les surfaces cultivées en riz. Une résolution de 30 mètres permet de détecter la culture sur des portions de terrain relativement petites, ce qui est particulièrement utile lorsque le morcellement des exploitations complique l’estimation des superficies.
Une cartographie plus précise peut améliorer les estimations des surfaces semées et, une fois associée aux données de rendement et de saison, renforcer l’évaluation de la production de riz. Les pouvoirs publics, transformateurs, négociants et investisseurs utilisent ces données pour mesurer la disponibilité des récoltes, les besoins d’achat et les risques de marché. La carte ne constitue pas une prévision de production, mais elle offre une base géographique plus détaillée pour en établir une.
Les données couvrant 2018 à 2023 permettent également d’étudier l’évolution des surfaces cultivées pendant cette période. Des cartes répétées pourraient différencier les bassins de production durables des zones où les superficies rizicoles progressent, reculent ou se déplacent. Aaj Tak ne fournit toutefois pas de chiffres de superficie par pays.
Les estimations d’eau et de méthane pourraient gagner en précision
La localisation des rizières dépasse la seule mesure des cultures, car la riziculture exige d’importantes quantités d’eau. Aaj Tak cite une estimation mondiale antérieure selon laquelle elle représente environ 24% à 30% de l’eau douce utilisée par les humains. La majeure partie du riz mondial étant produite en Asie, des informations parcellaires plus précises pourraient mieux révéler les zones où se concentre la demande d’irrigation.
Les rizières inondées sont également une source de méthane. Les scientifiques estiment qu’elles émettent environ 32 téragrammes de méthane par an dans le monde, dont une part importante provient d’Asie, selon Aaj Tak. Une mesure plus précise de leur emplacement et de leur étendue pourrait améliorer les calculs d’émissions et l’étude des liens entre pratiques culturales, consommation d’eau et rejets de méthane.
Pour les acteurs du secteur, le bénéfice immédiat tient à une meilleure visibilité plutôt qu’à une modification directe de l’offre. Producteurs et autorités pourraient mieux cibler les programmes de gestion de l’eau, tandis que transformateurs et négociants pourraient associer la carte aux données météorologiques, de rendement et de récolte afin d’affiner leurs bilans régionaux. Son utilité commerciale dépendra de mises à jour régulières, de validations dans chaque bassin de production et de son intégration à d’autres bases agricoles.