EcoMapper : Modélisation générative pour des images satellites sensibles au climat

Les images satellites sont essentielles pour l'observation de la Terre, permettant des applications telles que la prédiction du rendement des cultures, le suivi environnemental et l'évaluation des changements climatiques. Cependant, l'intégration des images satellites aux données climatiques reste un défi, limitant leur utilité pour les prévisions et l'analyse de scénarios. Nous présentons un nouveau jeu de données composé de 2,9 millions d'images Sentinel-2 couvrant 15 types de couverture terrestre, accompagnées de leurs enregistrements climatiques correspondants. Ce jeu de données constitue la base de deux approches de génération d'images satellites utilisant des modèles Stable Diffusion 3 affinés. La première est un modèle de génération d'images à partir du texte qui utilise des invites textuelles contenant des détails sur le climat et la couverture terrestre pour produire des images synthétiques réalistes spécifiques à certaines régions. La seconde exploite ControlNet pour la génération d'images conditionnelles multiples, préservant les structures spatiales tout en cartographiant les données climatiques ou en générant des séries temporelles pour simuler l'évolution du paysage. En combinant la génération d'images synthétiques avec les données climatiques et de couverture terrestre, notre travail fait progresser le modèle génératif en télédétection, offrant des entrées réalistes pour les prévisions environnementales et de nouvelles possibilités pour l'adaptation au changement climatique et l'analyse géospatiale.