baleinIdées : quand l'espace vient en aide aux baleines

L'imagerie satellitaire pour mieux connaitre l'habitat de la baleine noire de l'Atlantique Nord

La compagnie Arctus a mis sur pied le projet SIMBA (Système intégré de modélisation de la baleine noire de l'Atlantique Nord). Avec ses collaborateurs, elle utilise des images satellitaires pour en savoir plus sur les endroits où se trouvent les baleines. En combinant ces images avec des modèles de prévision des habitats, on peut mieux comprendre le comportement des BNAN et leurs déplacements. Ces renseignements sont utiles aux autorités et aux pêcheurs et pourront les aider à prendre des décisions qui assureront une meilleure cohabitation avec les baleines.

Dans le cadre du projet SIMBA, Arctus crée des cartes de zones où se trouve le zooplancton dont se nourrissent les baleines. En associant ces cartes à des images satellitaires, les experts savent où il est plus probable de trouver une baleine et recueillent de l'information importante sur son habitat marin. En fait, les images satellitaires enrichissent les modèles de prévision des habitats des baleines en révélant ce qui se passe dans l'océan. Elles montrent des variations de la couleur de l'eau, essentiellement dues à la présence de phytoplancton, un minuscule organisme végétal dont se nourrit le zooplancton.

Détection et surveillance des baleines noires de l'Atlantique Nord avec OCIANA^TM grâce à des modèles opérationnels de détection d'objets

La plateforme OCIANA^TM de la société Global Spatial Technology Solutions (GSTS) est reconnue par l'industrie du transport maritime pour ses solutions visant à améliorer la prise de décisions relatives à l'ensemble de la chaîne d'approvisionnement et à la logistique maritime. Dans le cadre de l'initiative baleinIdées, GSTS a créé un nouveau système de détection et de surveillance des baleines pour aider à la compréhension des effets sur l'environnement et, plus important encore, de permettre aux exploitants de navires et de ports de prendre des mesures pour protéger la faune et la flore marines dans le cadre de leurs activités quotidiennes.

Les données provenant d'une variété de fournisseurs de services satellitaires peuvent servir à la détection et à l'examen des baleines lorsqu'elles se trouvent à la surface de l'océan ou juste en dessous. L'exécution de tâches par une intelligence artificielle, en s'appuyant sur des modèles de qualité de l'habitat et sur le trafic maritime, peut optimiser l'acquisition d'images satellites appropriées. Ces images sont ensuite automatiquement intégrées dans OCIANA^TM et converties en une forme adaptée aux modèles de détection d'objets. Grâce à l'intégration de plusieurs sources de données fondamentales, de modèles fondés sur l'intelligence artificielle et de la plateforme maritime intelligente OCIANA^TM de GSTS, les exploitants de navires et les autres intervenants peuvent prendre des mesures pour atténuer les risques à l'égard de la baleine noire de l'Atlantique Nord (BNAN).

Plusieurs autres fonctionnalités ont été mises au point, notamment la mise en œuvre d'un modèle dynamique de risque pour les baleines, qui intègre des données environnementales sur l'emplacement et l'abondance prévus de leur principale source de nourriture (des copépodes du genre Calanus, un genre de zooplancton). Lorsque des baleines sont détectées, le système de GSTS détermine les risques de collisions au moyen d'outils de prédiction de la trajectoire des navires. Ce type de données pourrait contribuer à renseigner comme jamais auparavant les marins qui naviguent dans l'habitat de la BNAN. Grâce à ces données, la plateforme OCIANA^TM peut produire des données dynamiques sur l'itinéraire et la vitesse à recommander aux navires, permettant ainsi d'optimiser l'heure d'arrivée au poste d'amarrage tout en protégeant les espèces marines en voie de disparition.

Observation par satellite des baleines noires de l'Atlantique Nord et détection de leurs zones d'alimentation par la mission de la Constellation RADARSAT (MCR)

Fluvial Systems Research (FSR) a mis au point l'algorithme d'acquisition de données satellitaires et de détection de la baleine noire qui, exécuté sur des images satellitaires prises au moyen de capteurs optiques et de systèmes radars à synthèse d'ouverture (RSO), permet de détecter les baleines noires de l'Atlantique Nord (BNAN) et de cerner les zones où elles sont susceptibles de s'alimenter. Ces zones présentent une accumulation de matières organiques, comme du zooplancton (la proie de la BNAN), ce qui les rend convenables pour l'alimentation des baleines.

L'imagerie optique, tout comme la photographie, utilise la lumière du soleil pour capter des objets visibles, tandis que l'imagerie RSO, en particulier celle de la MCR, sert principalement à produire des données sur la rugosité de la surface de la Terre et de l'océan.

FSR a démontré pour la première fois que l'imagerie satellitaire optique peut servir à détecter et à confirmer la présence de la BNAN à l'échelle de l'espèce, et même à identifier un individu en particulier. Par exemple, sur l'image ci-dessous, un biologiste à bord d'un avion a pris une photo d'une baleine nommée Halo. Exactement au même moment, l'équipe de FSR a capté une image de l'avion et de la baleine au moyen du satellite WorldView-3, à une résolution de 30 cm. Les cicatrices blanches le long du bord antérieur de la nageoire caudale gauche de Halo et la callosité continue sur sa tête peuvent être vues sur les deux images.

FSR a également démontré que les zones d'alimentation de la BNAN peuvent être caractérisées par la présence de nappes huileuses d'origine biologique. Ces nappes forment une fine pellicule suffisante pour supprimer la rugosité de la surface de l'océan. Elles sont également visibles sous forme de filaments sombres sur les images radar. Une corrélation a été établie entre la détection au moyen d'images radar et les emplacements consignés du navire de recherche dans la baie de Cape Cod et dans le golfe du Saint-Laurent, ainsi qu'avec les images en lumière visible prises par des drones au-dessus des zones d'acquisition de la MCR.

Repérer automatiquement et rapidement des baleines dans les images satellitaires grâce à l'intelligence artificielle

Repérer les baleines en voie de disparition, comme la BNAN, dans des zones comme le golfe du Saint-Laurent permet de les protéger des lignes de pêche et des navires. Toutefois, la surveillance de ces vastes zones peut s'avérer difficile. Les satellites prennent des images détaillées de vastes zones, mais examiner ces images et y repérer les baleines peut prendre des jours, voire des semaines.

Hatfield et ses partenaires ont créé un système qui met à profit l'intelligence artificielle pour trouver automatiquement et rapidement les éléments qui pourraient être des baleines dans les images satellites. Ce système de détection depuis l'espace (SDE) ne présente que les parties de grandes images satellites où il a trouvé de possibles baleines, réduisant ainsi de 98 % la zone à examiner. Lors d'un test effectué en 2023 sur une zone de 2 000 km², le SDE de Hatfield a repéré 75 % des baleines visibles sur les images satellites. Plus important encore, il a pu le faire en quelques heures seulement, alors qu'il aurait fallu plusieurs jours à un humain sans le système.

Le SDE enregistre les positions des baleines et les affiche sur une carte interactive. Il peut également repérer des baleines dans une grande variété de conditions aquatiques et d'endroits dans le monde. Il a même trouvé ce qui serait probablement la première BNAN dans le golfe du Saint-Laurent jamais vue sur une image satellite.

Un système de modélisation prédictive pour une meilleure protection de la BNAN dans le golfe du Saint-Laurent

WSP Canada, DHI Water & Environment Inc. et leurs partenaires ont mis au point un système d'aide à la décision (SAD) sur le Web, lequel permet de prévoir l'habitat convenable des baleines et de prédire leurs déplacements dans le golfe du Saint-Laurent au cours des trois jours suivants. Le SAD a la capacité de combiner une prévision du trafic maritime commercial au cours des douze heures suivantes et les délimitations des zones de pêche au crabe des neiges, permettant ainsi, pour la première fois, de prévoir et de prévenir les collisions entre les baleines et les navires de même que les risques d'enchevêtrement dans les engins de pêche.

L'outil Web d'aide à la décision s'appuie sur des modèles universitaires et commerciaux, qui tiennent compte à la fois de caractéristiques hydrodynamiques et écologiques, comme les courants océaniques, la température et la charge en nutriments de l'océan, et des trajectoires précises des navires. Les modèles qui alimentent le SAD du groupe WSP pourraient éventuellement être intégrés dans les prévisions futures et contribuer à stimuler les progrès dans le domaine des sciences de la conservation.