GOFLOW lit les courants cachés depuis l’espace

📷 Hurricane Dennis from space — Credit : NOAA

La surface de l’eau est grise ce matin-là, presque métallique. Aucun signe visible de ce qui se passe en dessous. Pourtant, à quelques centaines de kilomètres au-dessus, un satellite enregistre tout, pixel par pixel, degré par degré.

Des images satellites transformées en cartes de courants

Voilà des décennies que les chercheurs observent l’océan depuis l’espace. Les satellites mesurent la température de surface, la couleur de l’eau, la hauteur des vagues. De l’information brute, précieuse, mais difficile à interpréter en temps réel pour ce qui se passe en profondeur ou à très petite échelle.

GOFLOW change la donne. Cette méthode basée sur l’intelligence artificielle analyse la façon dont les motifs de température bougent d’une image à l’autre, d’une heure à l’autre, d’un jour à l’autre. En comparant ces déplacements avec une précision que l’oeil humain ne pourrait jamais atteindre, l’algorithme reconstitue les courants qui transportent ces structures thermiques à travers l’océan ScienceDaily Earth.

Sur le terrain, ça ressemble à ça : imaginez observer un banc de brume se déplacer sur une rivière. Vous ne voyez pas l’eau bouger directement, mais vous déduisez la direction et la vitesse du courant en suivant la brume. GOFLOW fait exactement cela, mais à l’échelle planétaire, avec des données satellitaires et une puissance de calcul que personne n’avait encore utilisée de cette façon.

Le chiffre qui change tout

Jusqu’ici, les méthodes classiques permettaient de cartographier des courants à des échelles de plusieurs dizaines de kilomètres. GOFLOW descend à des échelles bien plus fines, révélant des structures de quelques kilomètres seulement. Ce sont précisément ces courants rapides et étroits, appelés courants submésoscalaires dans le jargon scientifique, qui étaient jusqu’alors impossibles à observer directement depuis l’espace.

Pourquoi est-ce important ? Parce que ces petits courants sont en réalité des moteurs essentiels du système océanique. Ils transportent des nutriments vers la surface, alimentant les écosystèmes marins. Ils mélangent les couches d’eau, influençant la façon dont la chaleur et le carbone sont redistribués entre l’atmosphère et les profondeurs. Ce n’est pas une métaphore : une partie significative du carbone que l’océan absorbe chaque année, environ 25 à 30 % des émissions humaines de CO2, passe par ces processus de mélange que GOFLOW commence seulement à rendre visibles à grande échelle.

Un outil qui n’a pas besoin de nouveau matériel

Ce qui rend cette avancée particulièrement remarquable, c’est que GOFLOW fonctionne avec des satellites déjà en orbite. Pas besoin de lancer une nouvelle constellation d’engins spatiaux, pas besoin d’investissements colossaux en infrastructure. Les données existent. L’intelligence artificielle apprend à les lire différemment.

Les capteurs thermiques embarqués sur plusieurs satellites météorologiques et d’observation de la Terre transmettent en continu des images de la surface océanique. GOFLOW ingère ces flux, les compare, et produit des cartes de courants avec une résolution et une fréquence que les méthodes précédentes ne pouvaient pas atteindre ScienceDaily Earth. La combinaison d’un coût limité et d’une couverture quasi-mondiale place cette méthode dans une catégorie à part.

Pour les équipes de recherche qui travaillent avec des budgets serrés, souvent sur des zones géographiques peu étudiées comme l’océan Austral ou les mers polaires, c’est une ouverture concrète. Plus besoin de déployer des bouées dérivantes ou d’envoyer un navire océanographique à chaque fois qu’on veut comprendre la dynamique d’une région.

Ce que ça change pour le climat et les écosystèmes

Les modèles climatiques actuels ont une limite bien connue : ils peinent à représenter fidèlement les processus océaniques à petite échelle. Or, ces processus influencent directement la façon dont l’océan régule la température de la planète. En fournissant des données observationnelles plus précises, GOFLOW pourrait permettre de valider et d’améliorer ces modèles, de corriger des biais qui se propagent aujourd’hui dans les projections climatiques.

Du côté des écosystèmes, les implications sont tout aussi concrètes. Les zones de fort mélange vertical, souvent associées à ces courants rapides, correspondent à des zones de productivité biologique élevée. Plancton, poissons, mammifères marins : toute la chaîne alimentaire marine est structurée en partie par ces dynamiques de courants. Mieux les cartographier, c’est mieux comprendre pourquoi certaines zones sont riches et d’autres désertiques, et anticiper comment ces zones vont évoluer à mesure que l’océan se réchauffe.

Les gestionnaires de pêcheries, les autorités chargées de la création d’aires marines protégées, les équipes qui modélisent la dispersion des polluants ou des nappes de plastique : tous travaillent avec des données de courants. Une carte plus précise, mise à jour plus fréquemment, change directement la qualité de leurs décisions.

Une IA qui observe ce que nos yeux ne voient pas

Il reste des questions ouvertes. GOFLOW produit des cartes de courants en surface, ou très près de la surface. Ce qui se passe à 200, 500, 1000 mètres de profondeur échappe encore à cette approche. Les courants de fond, qui jouent un rôle central dans la circulation thermohaline et donc dans la régulation du climat à long terme, restent pour l’instant hors de portée des satellites.

La précision de l’algorithme dépend aussi de la qualité et de la fréquence des images disponibles. Par mauvais temps, la couverture nuageuse masque la surface de l’océan et prive GOFLOW de ses données d’entrée. Les régions chroniquement nuageuses, comme certaines zones des tropiques ou des hautes latitudes en hiver, posent un défi réel.

Mais la trajectoire est tracée. Une méthode comme GOFLOW, affinée, combinée avec d’autres sources de données comme les radars à synthèse d’ouverture ou les futures missions altimétriques à haute résolution, pourrait dans les prochaines années fournir une image de l’océan en mouvement d’une précision jamais atteinte.

L’océan n’a jamais été aussi observé. La vraie question est peut-être celle-ci : sommes-nous prêts à agir sur ce que nous allons voir ?

📡 Source originale : ScienceDaily Earth