Un nouveau modèle d’IA développé par des chercheurs israéliens promet de révolutionner les prévisions des incendies de forêt causés par la foudre avec une précision sans précédent de plus de 90%.
le changement climatique rend les incendies de forêt plus fréquents, plus violents et plus imprévisibles. Parmi les causes les plus redoutées: la foudre, souvent responsable des départs d’incendie dans les zones reculées, difficile d’accès et parfois impossible à surveiller en temps réel.
Pour relever ce défi, les chercheurs israéliens viennent de développer un modèle d’intelligence artificielle (IA) capable de prédire ces incendies avec une précision sans précédent.
Une avancée majeure dans la lutte contre les incendies naturels
Développé par des chercheurs des universités Bar-ilan, Ariel et Tel Aviv, le modèle est basé sur sept ans de données satellites à haute résolution combinées à des variables environnementales telles que la végétation, la météo et la topographie. Cela leur a permis de développer une IA capable d’anticiper le risque de feu causé par la foudre avec une précision supérieure à 90%. Cette performance dépasse largement celle des systèmes de prévision traditionnels, souvent limités à une approche régionale ou axée sur les activités humaines.
L’équipe de chercheurs a testé le modèle sur les incendies de 2021, et les résultats étaient particulièrement prometteurs. Ce système pourrait finalement devenir un outil de première ligne pour les services de planification d’urgence et d’urgence, permettant des interventions plus rapides et mieux ciblées. Il répond également à un écart crucial: les incendies causés par la foudre, bien que mortels, sont rarement intégrés dans des modèles prédictifs conventionnels, car leur comportement est complexe et leur origine est souvent difficile à retracer.
Dans le contexte du changement climatique, où des orages secs, des sécheresses prolongées et des écosystèmes vulnérables se multiplient, cette innovation ouvre la voie à une gestion proactive des risques. Si le modèle n’est pas encore intégré à des systèmes de prévisions à temps réel, ses applications futures pourraient bien transformer la prévention des catastrophes naturelles dans le monde.
Source: Phys.org
