Densité de population, circulation automobile, concentration de bâtiments, absence de végétation, matériaux inadéquats utilisés pour la construction des édifices et le revêtement des sols…Plusieurs facteurs favorisent la formation d’îlots de chaleur en milieu urbain (ICU), entraînant des impacts nocifs sur la santé publique. Grâce à la géomatique et à la télédétection, il est possible de cartographier et d’analyser les ICU pour établir des scénarios d’aménagement urbain visant à atténuer ces impacts. Pourrait-on générer une analyse plus efficace, plus accessible et plus économique grâce à l’intelligence artificielle (IA)? C’est ce que tente de démontrer le finissant à la maîtrise en géographie Ali Tarhini.
Aujourd’hui, pour cartographier les ICU et mesurer les températures de surface, on utilise principalement des données de télédétection issues d’images satellitaires (imagerie satellite thermique) et d’images aéroportées, dont l’acquisition varie en fonction de divers facteurs: portée des opérations, type d’équipement utilisé et services associés (permis, licences, assurances).
«Le problème est que l’accès à l’imagerie satellite thermique demeure limité en raison de ses coûts élevés, ce qui constitue un frein pour son utilisation à grande échelle», explique Ali Tarhini. Quant aux images aéroportées, on doit planifier plusieurs missions de vol avec un drone thermique pour les obtenir. Et pour de grandes superficies, un appel d’offres doit être lancé à des compagnies spécialisées. «Toute cette logistique est lourde et s’avère coûteuse, d’où la nécessité d’envisager une autre approche, plus rapide et plus économique», observe l’étudiant.
Un modèle d’apprentissage profond
Dans le cadre de son projet de maîtrise, mené sous la direction du professeur du Département de géographie Claude Codjia, Ali Tarhini a développé un modèle d’apprentissage profond, appelé U-Net, basé sur un algorithme constitué de plusieurs couches de neurones artificielles hiérarchisées. Ce modèle a été appliqué en entraînant l’algorithme d’apprentissage au moyen d’images optiques de différents formats, même sur une capture d’écran, pour une zone d’étude donnée. «L’hypothèse centrale de la recherche est qu’il est possible de prédire efficacement la distribution spatiale des ICU à partir des caractéristiques spectrales et texturales des images optiques sans recourir directement à des images thermiques, plus coûteuses et plus difficiles d’accès, note le jeune chercheur. Cette hypothèse repose sur l’idée que certains indices dérivés des images optiques, tels que l’indice de végétation, peuvent être corrélés aux variations de température de surface.»
Ali Tarhani a exprimenté deux modèles dans la région de Pointe-Claire, avant de les valider dans la zone de Dorval. Le premier modèle a permis de cartographier avec précision des îlots de chaleur urbains en utilisant uniquement des images optiques, alors que le second combinait les images optiques avec des indices de végétation et des données thermiques.
«Ce deuxième modèle a été retenu pour sa meilleure précision spatiale, sa plus grande fiabilité dans l’estimation des températures de surface et sa plus grande efficacité, alors qu’il permet d’analyser 20 % du territoire montréalais en une minute», souligne le chercheur. Les comparaisons visuelles ont montré que le premier modèle produisait des prédictions plus diffuses, avec des zones surestimées ou sous-estimées par rapport aux températures réelles. «En revanche, le second modèle offrait des délimitations plus nettes et une correspondance plus précise avec les cartes thermiques de référence, capturant mieux les variations thermiques urbaines.»
Pour mener à bien sa recherche, Ali Tarhani a pu compter sur l’appui d’une équipe cde collaborateurs formée du professeur Claude Codjia, directeur de l’Institut des sciences de l’environnement, d’Imad Lekouch, chargé de cours et analyste en système d’information géographique, et de Mourad Djaballah, technicien en cartographie/et coresponsable du Laboratoire de technopédagogie et de géomatique.
Présentation en France
En avril dernier, Ali Tarhini, a présenté les résultats sa recherche à la conférence «Îlots de chaleur urbains: mesures, impacts et perspectives», qui s’est tenue à Nice, en France. Cet événement réunissait plusieurs chercheuses et chercheurs du Conseil national de la recherche scientifique (CNRS), de l’Université de Nice, de l’UQAM et de l’Université de Sherbrooke ainsi que des représentantes et représentants de villes et de municipalités. «À la fin de la présentation, plusieurs personnes ont manifesté leur intérêt pour des collaborations futures et pour l’intégration de mon approche dans leurs recherches», indique l’étudiant.
Selon Ali Tarhini, en démontrant que l’IA appliquée à l’imagerie optique permet une détection efficace des ICU, son étude constitue une avancée en matière de cartographie thermique urbaine. «Grâce à l’apprentissage profond et au modèle U-Net, il est possible de prédire avec précision les températures de surface, de faciliter l’analyse à grande échelle des ICU et d’assurer un suivi régulier. En servant de base à la création de systèmes de surveillance de l’environnement thermique, ce modèle peut constituer un outil d’aide à la planification urbaine pour anticiper et atténuer les effets des vagues de chaleur.»
Le jeune chercheur entend poursuive le développement de son modèle dans le cadre d’un doctorat à l’Institut des sciences de l’environnement de l’UQAMis. «Je vise à le perfectionner en intégrant davantage de paramètres, dit-il. Mon souhait est qu’il puisse être accessible à plusieurs chercheuses et chercheurs ainsi qu’à des villes, et ce, dans différents pays à travers le monde.»