Plein les feux : Création d'une des premières bases de données de détection de méthane en Afrique à l'aide de données satellitaires

Assala Benmalek est une ingénieure de recherche basée en Algérie, titulaire d'un Master en Génie Informatique. Dans le cadre d'Africa Space Works, la première entreprise algérienne spécialisée dans le spatial, ses recherches portent sur l'exploitation de l'intelligence artificielle pour faire progresser les applications d'observation de la Terre, avec un accent particulier sur la détection des émissions de gaz à effet de serre à l'aide d'images satellitaires à haute résolution.

Grâce à son travail avec Digital Earth Africa, elle a contribué à la constitution de l'un des premiers ensembles de données de détection du méthane pour l'Afrique. En utilisant des données satellitaires, ses recherches identifient et surveillent les événements de super-émissions dans des régions industrielles clés, démontrant ainsi comment les données d'observation de la Terre ouvertes peuvent soutenir la surveillance environnementale et l'innovation pilotée par l'IA sur le continent.

J'ai obtenu mon diplôme en informatique à l'Université de Montréal et ma recherche actuelle porte sur l'apprentissage automatique pour les systèmes autonomes.

Je suis un ingénieur de recherche basé en Algérie, titulaire d'un Master en génie informatique. Dans le cadre d'Africa Space Works, la première entreprise algérienne axée sur l'espace, mes recherches portent sur l'utilisation de l'intelligence artificielle pour faire progresser les applications d'observation de la Terre, avec un accent particulier sur la détection des émissions de gaz à effet de serre (GES) à l'aide d'images satellitaires à haute résolution.

Comment avez-vous découvert Digital Earth Africa pour la première fois, et qu'est-ce qui vous a amené à commencer à utiliser la plateforme ?

J'ai découvert Digital Earth Africa pour la première fois en aidant à organiser la 5ème école Big Data Africa. Plus tard, le Dr Bonita a de nouveau mentionné la plateforme lors d'une discussion, et le Dr Sabrina Amrouche m'a directement présenté aux membres de l'équipe DE Africa.

J'ai également rencontré un membre de l'équipe lors de la conférence Deep Learning Indaba 2025 à l'Université de Kigali. L'équipe de Digital Earth Africa a toujours été accueillante et solidaire, ce qui a rendu l'engagement avec la plateforme beaucoup plus facile et plus significatif.

En quoi consistent vos recherches ou votre projet actuel et quel problème cherchez-vous à résoudre ?

Mon projet actuel se concentre sur la surveillance du méthane provenant des super-émetteurs de pétrole et de gaz en Afrique. Nous visons à détecter et à suivre les émissions de méthane à l'aide de données satellitaires afin de permettre une identification précoce des événements d'émission et de soutenir les efforts d'atténuation.

Dans le cadre de ces travaux, j'ai lancé un effort de collecte de données pour constituer l'un des premiers jeux de données de détection de méthane pour l'Afrique, en collaboration avec Digital Earth Africa. Ce jeu de données contribuera à améliorer les modèles d'IA pour la détection des panaches de méthane et la surveillance environnementale.

Comment les données d'observation de la Terre soutiennent-elles ce travail, en particulier l'imagerie Sentinel-2 ?

Ce projet se concentre sur la détection des points chauds critiques de méthane et des émissions provenant des principaux super-émetteurs de pétrole et de gaz en Afrique. J'ai commencé par l'Algérie, qui est une priorité dans mon rôle actuel, en me concentrant sur les points chauds d'émissions à Hassi Messaoud et Hassi R’Mel.

Les données d'observation de la Terre jouent un rôle central dans cet effort. En particulier, l'imagerie Sentinel-2 soutient la surveillance du méthane grâce à ses bandes infrarouges à courte longueur d'onde (SWIR), qui sont sensibles aux caractéristiques d'absorption du méthane. Ces caractéristiques spectrales permettent la détection et l'analyse des panaches de méthane à l'aide de données satellitaires à haute résolution.

Quels outils ou ensembles de données de Digital Earth Africa vous ont été les plus utiles, et comment les utilisez-vous en pratique ?

Digital Earth Africa a joué un rôle déterminant dans l'avancement de mes recherches. J'ai bénéficié de ses formations et j'utilise principalement le Sandbox, qui offre un accès efficace et plus rapide aux données pour l'analyse. Mon travail s'est concentré principalement sur l'ensemble de données d'imagerie Sentinel-2.

La documentation de DE Africa a également été une ressource précieuse pour comprendre les produits satellitaires disponibles et identifier les caractéristiques pertinentes pour la détection du méthane et la surveillance de l'environnement.

Voici une information clé ou un résultat de mon travail avec Digital Earth Africa : Le déploiement de solutions d'analyse d'images satellitaires à grande échelle grâce à la plateforme a permis d'améliorer considérablement le suivi des changements d'occupation des sols dans toute l'Afrique, facilitant ainsi une meilleure planification de l'utilisation des terres et une gestion plus efficace des ressources naturelles.

En utilisant Digital Earth Africa, nous avons réussi à détecter des super-émetteurs actifs précédemment rapportés dans la littérature à Hassi Messaoud, en Algérie. Un événement d'émission de méthane significatif identifié dans notre analyse s'est produit en 2019 et a persisté pendant environ 11 mois.

En nous appuyant sur ces résultats, nous développons l'un des premiers ensembles de données de détection de méthane pour l'Afrique. Cet ensemble de données vise à améliorer les modèles de vision par ordinateur pour la détection de panaches de méthane et à soutenir les solutions de surveillance pilotées par l'IA sur tout le continent.

Avez-vous collaboré avec d'autres chercheurs ou institutions dans le cadre de ce travail ?

Pas directement par ce projet spécifique, mais l'engagement avec la communauté Digital Earth Africa a élargi mon réseau de recherche. Grâce à l'exposition et au soutien obtenus de DE Africa, j'ai récemment rejoint le groupe de recherche GeoHealth de la NASA pour approfondir ma compréhension des applications d'observation de la Terre pour la surveillance de la qualité de l'air.

Cette collaboration a élargi ma perspective sur la manière dont les données satellitaires peuvent relever les défis environnementaux et de santé publique et façonne l'orientation future de mes recherches.

J'ai également présenté ces travaux lors du Deep Learning Indaba à l'Université du Rwanda et à l'Université des sciences et technologies du roi Abdallah (KAUST), partageant des perspectives sur la surveillance du méthane en Afrique à l'aide de données satellitaires.

D'après votre expérience, quel est le principal obstacle à une adoption plus large de l'observation de la Terre dans la recherche africaine, et qu'est-ce qui aiderait à le surmonter ?

L'une des plus grandes barrières est la disponibilité limitée de jeux de données ouverts et bien organisés, adaptés aux défis locaux africains. Dans mon travail, j'ai rencontré cette difficulté en recherchant des jeux de données sur la détection du méthane pertinents pour le continent.

Ce fossé m'a motivé à contacter des experts de Digital Earth Africa pour obtenir des conseils et une collaboration. L'élargissement de l'accès aux données ouvertes, à la formation technique et au soutien communautaire accélérerait considérablement l'adoption de l'observation de la Terre en Afrique.

Qu'aimeriez-vous voir Digital Earth Africa prioriser ensuite pour les chercheurs à travers le continent ?

La surveillance de la qualité de l'air est une priorité essentielle et opportune pour l'Afrique. Je souhaiterais que Digital Earth Africa élargisse ses ensembles de données et ses outils pour mieux soutenir la recherche et les applications axées sur la qualité de l'air et les émissions atmosphériques sur le continent.

Voici quelques conseils pour un jeune chercheur intéressé par l'utilisation des outils Digital Earth Africa : * **Familiarisez-vous avec la plateforme et ses données :** Passez du temps à explorer le portail DEA, à comprendre les différents jeux de données disponibles (données satellitaires, données auxiliaires, etc.) et à vous familiariser avec l'interface du Sandbox et de l'API. * **Commencez par des projets simples :** Ne vous lancez pas tout de suite dans des analyses complexes. Commencez par des tâches basiques comme l'importation de données, la visualisation d'images satellites ou la réalisation de calculs simples. Cela vous aidera à vous familiariser avec la logique et les commandes. * **Utilisez les tutoriels et la documentation :** DEA propose une documentation complète et des tutoriels (souvent en anglais pour l'instant). Ces ressources sont inestimables pour comprendre comment utiliser les outils, les fonctions et résoudre des problèmes courants. * **Apprenez Python et les bibliothèques associées :** La plupart des outils DEA sont basés sur Python. Si vous n'êtes pas encore familier avec ce langage, commencez à l'apprendre. Familiarisez-vous avec des bibliothèques comme GeoPandas, Xarray, NumPy et Pandas, qui sont indispensables pour la manipulation de données géospatiales. * **Rejoignez la communauté :** Explorez les forums et les groupes de discussion liés à DEA. Poser des questions, partager vos expériences et apprendre des autres est un excellent moyen de progresser. * **Soyez patient et persévérant :** L'apprentissage de nouveaux outils et de nouvelles méthodes prend du temps. Il y aura des moments de frustration, mais ne vous découragez pas. Continuez à expérimenter et à chercher des solutions. * **Identifiez votre question de recherche :** Avant de plonger dans les outils, assurez-vous d'avoir une question de recherche claire que voulait répondre. Cela vous aidera à cibler les données et les méthodes les plus pertinentes. * **N'hésitez pas à adapter et à innover :** Une fois que vous maîtrisez les bases, n'ayez pas peur d'adapter les exemples existants à vos besoins spécifiques ou d'essayer de nouvelles approches. DEA est une plateforme puissante qui permet beaucoup de flexibilité. * **Considérez les limites des données :** Comprenez les résolutions spatiales et temporelles des données que vous utilisez et soyez conscient de leurs limites pour votre projet. * **Collaborez :** Si possible, travaillez avec d'autres chercheurs ou experts qui ont plus d'expérience avec DEA. La collaboration peut accélérer votre apprentissage et améliorer la qualité de vos résultats.

Je vous recommande de commencer par les cours de formation et la documentation de Digital Earth Africa, car ils fournissent une base solide pour travailler efficacement avec les données d'observation de la Terre. La pratique avec les dépôts GitHub et l'expérimentation dans le bac à sable sont également d'excellents moyens d'acquérir une expérience pratique.

La plateforme rend les données ouvertes accessibles et utilisables et j'apprécie sincèrement ses efforts pour soutenir les chercheurs africains.