evidoria

← Retour à la liste

Bonne pratique Importée

Forest Foresight — la prédiction de la déforestation par IA et radar au service de la forêt tropicale du Gabon

Gabon · Libreville · Voir le profil de Gabon · Voir le profil de Libreville

Preuves: Descriptif / auto-déclaré Top 76% 47/100 · Demandez à Evidence Copilot à propos de cette pratique

L'outil Forest Foresight, développé par le WWF et l'université de Wageningen, utilise le radar Sentinel-1 et l'apprentissage automatique pour signaler des mois à l'avance les risques d'exploitation forestière et minière illégales. Des gardes forestiers gabonais ont agi sur une alerte pour stopper une exploitation minière aurifère illégale, sauvant environ 30 hectares de forêt et menant à des arrestations.

30 hectares
Forêt sauvée lors d'une intervention documentée contre l'extraction d'or
34 actions
Actions de prévention de la déforestation dans les projets pilotes du Gabon et du Kalimantan (six months)
6 months (up to)
Délai de prévision avant un défrichement illégal
Forest Foresight — la prédiction de la déforestation par IA et radar au service de la forêt tropicale du Gabon

Détails

Maturité
Pilote
Promoteur
WWF and Wageningen University & Research, with Gabon's Ministry of Water and Forest Affairs
Période
2022–present (pilot, scaling to 2027)
Mots-clés
environment, conservation, satellite monitoring, forestry, compliance & enforcement

Contexte

Forest Foresight combine l'imagerie radar Sentinel-1 (via le système RADD) à un modèle d'apprentissage automatique entraîné sur les schémas qui précèdent généralement l'exploitation forestière illégale, l'exploitation minière et le défrichement agricole, signalant les zones forestières à haut risque jusqu'à environ six mois avant que le défrichement ne se produise. Au Gabon, l'outil est géré conjointement par le WWF, l'Université de Wageningen (Wageningen University & Research) et le ministère gabonais des Eaux et Forêts, avec le MINFOF camerounais comme partenaire dans le projet pilote plus large du Bassin du Congo ; l'initiative a été présentée à la COP28 en 2023.

Objectifs

L'outil vise à donner aux gardes forestiers et aux autorités une fenêtre d'alerte précoce pour intervenir avant qu'un défrichement illégal ne survienne, plutôt que de seulement le détecter après coup, avec pour objectif final d'étendre la surveillance prédictive à 15 paysages dans 12 pays d'ici 2027.

Activités

Des alertes fondées sur le radar et l'apprentissage automatique sont générées pour les zones forestières à risque et transmises aux gardes forestiers et aux autorités ; l'approche est testée simultanément au Gabon, au Kalimantan (Indonésie) et au Suriname.

Résultats

Dans un cas documenté, une alerte a permis à des gardes forestiers gabonais de détecter et d'arrêter une opération illégale d'extraction d'or, sauvant environ 30 hectares de forêt et menant à des arrestations. Pour l'ensemble des projets pilotes au Gabon et au Kalimantan, les partenaires indiquent que les alertes ont conduit à 34 actions de prévention de la déforestation en six mois.

Conclusions

Les preuves proviennent directement des partenaires de mise en œuvre plutôt que d'une évaluation indépendante, et aucun taux de précision ou de faux positifs publié n'existe pour le modèle de prédiction ; la répartition des responsabilités opérationnelles entre le gouvernement gabonais et les partenaires ONG/université n'est pas non plus clairement documentée, si bien qu'il convient de considérer ce projet comme un pilote prometteur et réel, mais encore porté par des ONG.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€) — No budget figures are published; classified as medium cost based on the scale of a multi-country satellite-ML monitoring partnership involving two research/NGO bodies and government ministries, presented internationally at COP28.
Délai jusqu’aux résultats
Moyen (1–3 ans) — Piloted since 2022 with a stated roadmap to scale to 15 landscapes across 12 countries by 2027, indicating a multi-year programme rather than a short pilot cycle.
Personnel et compétences
WWF, Wageningen University & Research, Gabon's Ministry of Water and Forest Affairs, Cameroon's Ministry of Forests and Wildlife (MINFOF), partner for the wider Congo Basin pilot

Conditions de réussite

  • Access to Sentinel-1 radar imagery and the RADD deforestation-detection system
  • Rangers and authorities able to act on alerts before clearing occurs
  • Ongoing government partnership for on-the-ground enforcement

Modes d’échec courants

  • No published accuracy or false-positive rate for the prediction model
  • Operational responsibility between government and NGO/university partners not clearly documented

Habituellement financé par

Philanthropic / foundation funding

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles