Un volontaire du projet Space Cloud Watch de la NASA a développé un outil d’apprentissage automatique pour l’identification des nuages noctiluques. Cette innovation vise à optimiser la vérification des observations soumises par les citoyens scientifiques. Elle répond à la difficulté de distinguer ces formations lumineuses des nuages de plus basse altitude.
Les nuages noctiluques, ou noctilucent clouds (NLC), sont un phénomène atmosphérique qui suscite l’intérêt des scientifiques. Ces formations nuageuses, les plus hautes de l’atmosphère terrestre, se manifestent par un éclat argenté après le coucher du soleil et avant son lever, résultant de la diffusion de la lumière solaire. Toutefois, des observations récentes indiquent un changement dans leur comportement : ils apparaissent plus fréquemment et à des altitudes inférieures que par le passé.
Pour mieux comprendre les facteurs influençant ces évolutions, potentiellement liés aux changements des régimes météorologiques à long terme de la Terre, le projet Space Cloud Watch, soutenu par la NASA, mobilise des citoyens scientifiques. Des contributeurs du monde entier sont invités à soumettre des images de ces nuages.
Le défi de l’identification visuelle des NLC
Malgré leur luminosité caractéristique, la distinction entre les nuages noctiluques et des formations nuageuses de plus basse altitude est parfois complexe. Cette confusion entraîne une charge de travail significative pour les responsables du projet, qui devaient jusqu’à présent valider manuellement les images reçues. Namai Chandra, un volontaire engagé dans le projet Space Cloud Watch, a identifié cette problématique.
« J’ai remarqué que les images de NLC étaient vérifiées manuellement par les responsables du projet, » a partagé Namai Chandra. « Il m’a semblé que c’était une tâche bien adaptée à un pipeline d’apprentissage automatique avec intervention humaine, capable de gérer le filtrage répétitif automatiquement, tout en conservant le jugement humain central pour les images les plus importantes. » Son objectif était de faciliter la vérification des observations pour les participants.
Une innovation en apprentissage automatique au service de la science
Namai Chandra a contacté les scientifiques du projet Space Cloud Watch, les Drs. Chihoko Cullens et Brentha Thurairajah, qui ont accueilli son idée avec enthousiasme. Il a rapidement développé un pipeline d’apprentissage automatique. Cet outil a été entraîné sur une vaste gamme d’images de nuages, incluant à la fois des NLC authentiques et les formations de basse altitude qui prêtent souvent à confusion parmi les soumissions.
Le pipeline intègre un pré-filtrage des images, une classification des nuages et un routage de révision basé sur un indice de confiance. Après plusieurs cycles de développement, de tests et d’affinements, l’outil d’identification des NLC a été mis à la disposition du projet. Il représente une avancée concrète dans la gestion et l’analyse des données de science citoyenne.
Optimisation de la participation citoyenne et de la recherche
Cet outil est désormais utilisé par les contributeurs de Space Cloud Watch qui doutent de la nature de leurs observations, leur offrant un moyen de vérifier leurs images avant de les partager. Les scientifiques du projet l’emploient également pour marquer les images nécessitant une révision spécifique. L’intégration de cette solution technologique simplifie le processus de soumission et améliore la qualité des données collectées.
L’initiative de Namai Chandra illustre le rôle croissant que peut jouer la science citoyenne, lorsqu’elle est augmentée par des technologies intelligentes. Elle permet d’accélérer la recherche sur des phénomènes atmosphériques importants comme les nuages noctiluques, dont la fréquence et l’altitude pourraient être des indicateurs de changements climatiques ou atmosphériques.
Source : Lire l’article original