Risque d'incendie météo environnement

👋 Introduction

L'association Pyronear, engagée dans la gestion du risque des feux de forêt, a décidé de développer un outil de calcul de scores de risque de feu de forêt pendant le Hackathon Météo-France des 8 et 9 avril 2024.

Nous avons créé, dans le cadre du hackathon, un API exposant un score de risque d'incendie ainsi que des statistiques sur les feux ayant déjà eu lieu, dont le code est disponible ici.

🚸 Score de risque

Les scores de risques sont une donnée très importante pour les pompiers puisqu’ils leur permettent d’anticiper leur charge, et de déployer leurs moyens en conséquence.

Un score de risque de feu est calculé par Météo-France, il s'agit de l'Indice Feu Météo, ou IFM. L'IFM se base uniquement sur la météo comme son nom l'indique. D'autres données pourraient pourtant se révéler pertinentes si jamais elles étaient croisées avec les données météo afin de prédire le score de risque de feu. En étudiant le papier Wildfire Danger Prediction and Understanding With Deep Learning de Spyros Kondylatos et Ioannis Prapas, nous avons décidé de croiser les données météo avec l'indice d'humidité des sols, ainsi que des données de végétation, et d'entrainer un algorithme très simple (Random Forest), et de voir si nous arrivions à produire des scores de risque plus performants que l'IFM.

🧪 Expérience

Nous avons décidé de nous concentrer sur un département : les Landes, de 2020 à 2022.

Tout d’abord, nous avons utilisé la base de données de la NASA nous permettant d’avoir une liste des feux landais de 2020 à 2022, afin de constituer la cible prédictive de notre algorithme. Nous avons enrichi cette base avec la BDIFF pour enrichir la caractérisation des feux rencontrés. Nous avons également requêté l'IFM sur la base de données Copernicus (il n'est pas encore rendu public par Météo-France).

Ensuite, nous avons requêté les données météo et d'indice d'humidité des sols. Nous n'avons pas réussi à exploiter Corine Land Cover pour le moment, mais c'est notre prochaine étape.

Enfin nous avons entraîné l'algorithme afin de créer notre score de feu.

✨ Rendu final

Nous avons créé une API afin de requêter notre score, et une visualisation, à laquelle nous avons intégré le carroyage DFCI, et qui pourra donc nous resservir par la suite pour présenter nos résultats aux pompiers.

Le développement de notre score de risque n'est pas fini, il ne fait que commencer 🚀