Méthodologie & Sources
Comment JeryMotro détecte, prédit et alerte sur les feux de brousse à Madagascar.
Sources de données — NASA FIRMS
JeryMotro s'appuie sur le système NASA FIRMS (Fire Information for Resource Management System), qui agrège les détections de feux actifs issues de deux capteurs satellitaires :
- MODIS (Moderate Resolution Imaging Spectroradiometer) — résolution 1 km, passage 2×/jour.
- VIIRS (Visible Infrared Imaging Radiometer Suite) — résolution 375 m, passage 2×/jour.
Chaque détection est géolocalisée et inclut une mesure FRP (Fire Radiative Power, en MW) qui reflète l'intensité thermique de l'incendie. Les données sont actualisées toutes les heures environ.
Modèle de prédiction — XGBoost v2.1
Le moteur de prédiction J+1 utilise un modèle XGBoost entraîné sur :
- 3 ans de données FIRMS historiques pour Madagascar (2021–2024).
- Données météorologiques : température, humidité relative, vitesse du vent (sources ERA5/MERRA-2).
- Indice de végétation NDVI (capteur MODIS) pour évaluer la sécheresse de la biomasse.
- Classification d'occupation des sols (CORINE/ESA WorldCover).
Précision globale : 89% sur le jeu de test (validation croisée 5-fold). Cette précision varie selon la région et la saison. Elle est plus élevée pendant la saison sèche (avril–octobre).
Pipeline de traitement
Le pipeline de traitement de JeryMotro fonctionne comme suit :
- Récupération automatique des données FIRMS (API NASA) toutes les heures.
- Géocodage et rattachement de chaque détection à la région administrative concernée.
- Calcul du score de risque par le modèle XGBoost.
- Clustering géographique des détections proches.
- Déclenchement des alertes via n8n (Email, SMS via Twilio, WhatsApp via WAHA).
Délai de traitement moyen : < 2 secondes par lot de détections.
Contexte académique
JeryMotro est un prototype développé dans le cadre d'un mémoire de Licence (L3) en Génie Logiciel (2026). Il démontre la faisabilité d'une plateforme de surveillance environnementale à faible coût pour les pays à ressources limitées, en combinant des données satellitaires open source, des algorithmes de machine learning, et une architecture cloud moderne (Symfony + PostgreSQL + n8n).
Limites et avertissements
- Les détections peuvent inclure des faux positifs (cultures brûlées intentionnellement, zones industrielles).
- La couverture nuageuse peut masquer des feux réels temporairement.
- Le délai entre l'allumage d'un feu et sa détection satellitaire est d'environ 1 à 3 heures.
- Les alertes SMS/WhatsApp dépendent de la disponibilité du réseau mobile local.
Contact & Open Source
Pour toute question sur la méthodologie ou les données :
randriamanantenatsikynyantsa@gmail.com
Les données satellitaires utilisées sont publiées sous licence ouverte NASA. Les algorithmes de prédiction sont la propriété de l'équipe JeryMotro.
