VineForecast fait des recherches sur l'utilisation de capteurs mobiles
Les données microclimatiques fournies par des capteurs mobiles peuvent-elles améliorer les prévisions météorologiques locales ? Pour répondre à cette question, VineForecast a récemment reçu une subvention de recherche du Incubateurs de haute technologie (HTI) Basse-Saxe. .
Les capteurs mobiles sont installés sur des équipements et des véhicules qui traversent différents champs pendant leur fonctionnement régulier. Cette approche s'oppose aux stations météorologiques fixes qui sont liées à un site. Lorsque les véhicules se déplacent à travers différents champs, les capteurs collectent une série de données climatiques provenant de différents endroits. Au fil du temps, les données collectées servent de ressource précieuse pour l'entraînement des algorithmes d'intelligence artificielle (IA). Ces algorithmes d'IA reconnaissent les liens entre les mesures climatiques et les caractéristiques topographiques locales afin d'adapter encore mieux les prévisions météorologiques standard aux facteurs spécifiques du lieu.
Dans l'article sur la régionalisation des prévisions météorologiques, nous avons décrit comment VineForecast utilise déjà des algorithmes d'IA pour générer des prévisions microclimatiques à haute résolution. Pour ce faire, nous avons utilisé des données de mesure provenant d'un grand nombre de stations météorologiques fixes de toute l'Europe afin d'entraîner un algorithme qui adapte les prévisions météorologiques standard aux conditions topographiques d'une parcelle (pente, orientation, etc.). Plus cet algorithme dispose de données provenant de sites très différents, plus il est possible d'adapter les prévisions microclimatiques à des sites particuliers (décrites de manière simplifiée).
Premières expériences avec des données de station météo réduites
Lors des premières expériences, nous avons constaté qu'une fraction des mesures d'une station météorologique fixe suffisait comme données d'entraînement pour conduire à une amélioration significative des prévisions de température et d'humidité. Dans la figure 1, on peut voir en noir l'erreur de la prévision météorologique standard pour une station météorologique située sur une pente raide de la Moselle. Celle-ci était en moyenne d'environ 1,8°C sur une période allant de 2011 à 2021. En vert, l'erreur dans la prévision est représentée lorsque l'algorithme reçoit des données d'entraînement de la station météorologique. Si l'algorithme n'utilise qu'environ 1% des données de mesure de la station, l'erreur de prévision tombe déjà à environ 1,1°C.
Il est intéressant de noter que la courbe d'amélioration s'aplatit avec l'augmentation des données d'entraînement. Cela signifie que de plus en plus de données provenant du même site ne conduisent pas à une amélioration des prévisions. La raison en est simple. Le temps n'est pas seulement déterminé par le microclimat. L'algorithme a certes la capacité de prendre en compte les erreurs dans les prévisions météorologiques qui sont provoquées par un microclimat spécifique (inclinaison, orientation, etc.). Les erreurs dont la cause est plutôt de "nature macroscopique", c'est-à-dire que la cause de l'erreur provient de l'environnement plus large, ne peuvent toutefois pas être corrigées par cet algorithme.
Premiers tests et essais sur le terrain avec des entreprises partenaires.
Nous sommes actuellement dans la phase de développement du projet avec des capteurs mobiles, les essais sur le terrain ayant commencé début mai 2023. Notre projet vise à améliorer la prévision du microclimat en créant un réseau de capteurs climatiques mobiles et en affinant les algorithmes de prévision correspondants. Pour nos premiers tests et nos prochains essais sur le terrain, nous collaborons avec MeteoTracker, une entreprise qui propose des stations météorologiques mobiles.
Pour les essais sur le terrain à venir, nous travaillerons en outre avec un groupe de quatre clients. Nous sommes heureux que les entreprises Harth & Harth (Rheinhessen), Weingut Brand (Pfalz), Habitat Weine eG (Palatinat) et Strickhof Trotte Wülflingen (Suisse) font partie du projet de recherche!
Avant le début des essais, nous nous sommes concentrés sur la validation des capteurs mobiles et sur l'analyse des variations climatiques locales en fonction de la topographie.
Notre scientifique des données, Helyne, fait le tour de Leipzig avec les capteurs mobiles MeteoTracker pour collecter des données.
Nous avons effectué différents tests afin de comparer les données des capteurs mobiles avec celles des stations météorologiques fixes. Pour cela, nous avons collecté des données à Leipzig. Les tests ont montré que les données des capteurs fournissent une bonne qualité et que les données mesurées par les mobiles correspondent dans une large mesure à celles des stations météorologiques fixes (figure 2).
En outre, notre étude a analysé la répartition spatiale des données des capteurs afin d'identifier les régions présentant un microclimat particulier dans les zones urbaines. Nous avons trouvé des liens statistiquement significatifs entre les variations du microclimat et les caractéristiques topographiques locales, telles que les différences d'altitude et la couverture végétale. Comme prévu, les parcs et les forêts ont tendance à être plus frais et plus humides que les zones construites (figure 3). Cela souligne la capacité des capteurs à détecter ces variations localisées des conditions environnementales.
Début mai 2023, les premiers capteurs mobiles ont été installés et les premières données ont été collectées dans le cadre d'une visite chez nos partenaires de projet. Les données des capteurs mobiles collectées par nos partenaires seront désormais utilisées en combinaison avec nos algorithmes de prévision afin de calculer des prévisions microclimatiques plus précises pour les vignobles. Ceci est particulièrement important pour les vignobles, dans lesquels le microclimat peut avoir un impact considérable sur la qualité et la santé des raisins. Les connaissances et le retour d'information des participants seront également très précieux pour faire progresser notre système de capteurs mobiles et ses applications pratiques dans la viticulture.
L'installation des capteurs mobiles chez nos partenaires de projet début mai.
Projets en collaboration avec l'université d'Onsabrück
En plus de ses propres essais sur le terrain, VineForecast s'occupe depuis 2022 déjà du projet d'étude "Robot of Vines" à l'université d'Osnabrück (https://www.hs-osnabrueck.de/loesungen-fuer-morgen/robot-of-vines/). Dans le cadre de ce projet, les étudiants ont développé une station météorologique automotrice. Pour ce faire, ils ont monté un système de capteurs sur un Rover qui, à l'aide d'un GPS et d'un RTK ainsi que d'un capteur lidar, se dirige sans collision à travers le vignoble du Vignoble Brinkmann en test sur le terrain (illustration 4). Sept capteurs mesurent la pression atmosphérique, la température et l'humidité de l'air à une hauteur allant jusqu'à 2 mètres. .
Si l'on se projette un peu plus loin dans l'avenir, les capteurs n'auront peut-être plus besoin d'être fixés à un outil de culture, mais se déplaceront de manière autonome dans les vignobles et enregistreront toujours des données là où l'algorithme ne dispose pas encore de suffisamment de données d'entraînement.
