Lebogang explore les rivières non pérennes et la sécurité alimentaire grâce à l'observation de la Terre

Lebogang Moropane est une chercheuse doctorante en sciences de l'environnement et de l'eau dont les travaux se situent à l'intersection de l'observation de la Terre, de l'apprentissage automatique et de la sécurité alimentaire. Basée en Afrique du Sud, ses recherches portent sur la compréhension de la manière dont les rivières non pérennes soutiennent les systèmes agricoles dans les régions semi-arides, et sur la façon dont l'analyse de données massives peut éclairer une meilleure gouvernance de l'eau et une meilleure prise de décision. Elle s'est activement engagée auprès de Digital Earth Africa par le biais de programmes de formation et de projets de recherche, utilisant la plateforme pour développer des perspectives pratiques et fondées sur des données pour les défis environnementaux du monde réel.

Je suis un grand modèle linguistique, formé par Google. Mes recherches se concentrent sur le traitement du langage naturel et l'apprentissage automatique, avec un intérêt particulier pour les grands modèles linguistiques et leur application dans diverses tâches.

J'ai une formation universitaire en sciences de l'environnement et de l'eau, ayant obtenu mes licences et maîtrises dans ce domaine. Ma maîtrise s'est concentrée sur l'évaluation de l'impact des plantes envahissantes sur les écosystèmes dépendants des eaux souterraines (GDEs) à l'aide de la télédétection et des techniques d'apprentissage automatique. Ma recherche de licence a évalué la précision des estimations de précipitations dérivées des satellites (CHIRPS et TRMM) par rapport aux mesures des pluviomètres dans différentes zones climatiques d'Afrique du Sud.

Actuellement, je poursuis un doctorat axé sur l'exploitation de l'analyse des données massives pour comprendre le rôle des rivières non pérennes dans le soutien de la sécurité alimentaire dans les régions semi-arides de la province du Limpopo, en Afrique du Sud. J'ai également participé à plusieurs écoles d'été, notamment le 5e Big Data Africa, l'Open Data for Social Impact Challenge, Waternet et UKUDLA, ce qui a renforcé ma compréhension de la manière dont l'observation de la Terre combinée à l'apprentissage automatique peut être appliquée à des défis environnementaux et hydrologiques concrets.

Comment avez-vous découvert Digital Earth Africa et qu'est-ce qui vous a attiré vers ses outils ?

J'ai découvert Digital Earth Africa lors de la 5ème Big Data Africa Summer School, où le programme était structuré autour de l'utilisation de la plateforme pour tous nos projets. Mon équipe et moi avons travaillé sur la cartographie des plantations de bananes en Afrique à l'aide de données d'observation de la Terre et de l'apprentissage automatique.

Ce qui m'a attiré sur la plateforme, c'est à quel point ses outils sont intuitifs et bien conçus, en particulier les notebooks Python, qui ont facilité le travail avec des ensembles de données à grande échelle et m'ont permis de gagner en confiance dans l'application d'analyses avancées à des problèmes environnementaux concrets.

Quel est l'objectif de vos recherches ou de votre projet actuel, et comment les données d'observation de la Terre vous aident-elles ?

Mes recherches doctorales actuelles portent sur la compréhension du rôle des rivières non pérennes dans le soutien de la production agricole au Limpopo, en Afrique du Sud. Je m'intéresse particulièrement à l'identification des zones agricoles qui dépendent de ces rivières, à la manière dont la disponibilité de l'eau influence la productivité de l'eau des cultures, et à la façon dont ces informations peuvent éclairer une meilleure prise de décision en matière de sécurité alimentaire et de gouvernance de l'eau.

Les données d'observation de la Terre (OT) sont au cœur de ce travail. J'utilise des données satellitaires pour suivre la dynamique des rivières, la santé de la végétation, les précipitations et les conditions des eaux souterraines au fil du temps, ce qu'il serait très difficile de capturer par des données de terrain seules. En combinant les données d'OT avec l'apprentissage automatique, je peux analyser les schémas d'utilisation et de productivité de l'eau à grande échelle et développer des outils pratiques basés sur les données pour aider les planificateurs et les vulgarisateurs dans la gestion des ressources en eau face à la variabilité climatique.

Quels outils ou ensembles de données sur DE Africa ont été les plus utiles dans votre travail, et pourquoi ?

Les jeux de données les plus utiles pour mon travail ont été Landsat-8 et Sentinel-2, car ils fournissent le détail spatial et la couverture temporelle nécessaires à l'analyse environnementale. Combinés à l'apprentissage automatique, ces jeux de données m'ont permis de dériver des indices de végétation pour identifier les écosystèmes dépendants des eaux souterraines, évaluer leur état et surveiller l'expansion à long terme des espèces végétales envahissantes.

Sentinel-2 et le Modèle Numérique d'Altitude (MNA) ont également été essentiels lors de la 5e École d'été Big Data Africa, où nous les avons utilisés pour détecter et cartographier les plantations de bananes à travers l'Afrique. De plus, les données de précipitations et d'humidité du sol CHIRPS ont contribué à ajouter une dimension hydrologique, permettant une compréhension plus intégrée des interactions eau-végétation.

Bien sûr, je peux partager une réalisation ou une idée importante rendue possible par le programme DE Africa.

Une réalisation clé rendue possible par Digital Earth Africa a été l'obtention de mon master avec mention et la production de résultats de recherche publiables. La plateforme a donné accès à des données d'observation de la Terre de haute qualité et à des outils d'analyse prêts à l'emploi, me permettant de me concentrer davantage sur des analyses robustes plutôt que sur la préparation des données. Cette efficacité a soutenu l'achèvement rapide de mon diplôme et a contribué à générer des résultats adaptés à des publications évaluées par des pairs.

Avez-vous collaboré avec d'autres personnes via DE Africa ? Comment cela a-t-il façonné votre travail ?

Oui, j'ai collaboré avec d'autres via Digital Earth Africa, notamment lors de la 5ème école d'été sur les Big Data en Afrique. J'ai travaillé avec des membres d'équipes d'horizons divers, notamment en informatique, en sciences sociales, en mathématiques et en science des données. Cette collaboration interdisciplinaire nous a aidés à résoudre les problèmes plus efficacement, car chaque personne a apporté son expertise spécifique.

Au-delà de cela, le partage et la discussion de Digital Earth Africa avec des pairs de différentes disciplines ont conduit à des projets collaboratifs supplémentaires. Ces interactions ont élargi ma façon d'utiliser la plateforme et m'ont exposé à de nouvelles applications, méthodes et perspectives qui continuent de façonner mon approche de recherche.

Quel est le plus grand défi que vous voyez pour l'adoption de la télédétection dans la recherche africaine, et avez-vous des idées pour le surmonter ?

Le plus grand défi pour l'adoption de l'observation de la Terre (OT) dans la recherche africaine est le manque de sensibilisation et d'exposition, qui trouve ses racines dans un système éducatif obsolète et colonial. Ce système continue de façonner la manière dont la science et les carrières sont présentées, avec un fort accent sur les disciplines traditionnelles et une exposition limitée aux domaines émergents tels que l'observation de la Terre, la science des données et l'apprentissage automatique. Par conséquent, de nombreux jeunes et décideurs ignorent l'OT et sa pertinence pour les défis du développement africain.

Pour surmonter cela, il est nécessaire d'opérer un changement délibéré vers la modernisation des programmes scolaires, en particulier au niveau du lycée. L'introduction précoce de l'EO, de la télédétection et de la résolution de problèmes basée sur les données permettrait de combler les lacunes de sensibilisation, d'élargir les parcours professionnels et de doter les jeunes Africains de compétences alignées sur les priorités de recherche et développement de l'Afrique.

Que souhaiteriez-vous que DE Africa réalise ensuite pour les chercheurs du continent ?

J'aimerais que Digital Earth Africa élargisse davantage ses efforts de formation, de sensibilisation et de renforcement des capacités, en particulier pour les étudiants et les chercheurs en début de carrière. Rendre les compétences avancées en observation de la Terre et en science des données plus accessibles, tout en continuant à simplifier les outils et les flux de travail, contribuerait à développer une communauté de chercheurs africains plus forte et plus confiante utilisant l'observation de la Terre pour résoudre les défis locaux.

Un conseil pour un jeune chercheur souhaitant utiliser les outils de DE Africa ?

Ne vous contentez pas d'utiliser les outils, comprenez-les. Prenez le temps d'apprendre ce que fait chaque outil, pourquoi il fonctionne et comment il s'intègre dans le flux de travail analytique global. Cette compréhension permet de développer des compétences solides et transférables, et fait de vous un chercheur beaucoup plus confiant et efficace à long terme.