Vu(es) de l’espace

Je poursuis mon exploration des images satellites avec ces quelques vues générées le 3 février. Il s’agit de captations de NOAA 18, NOAA 19 et METEOR M2-3. C’est la première fois que je parviens à bien capter un METEOR, grâce à une configuration plus fine de SatDump.

J’ai pu faire un peu de captation de satellite Météo ce matin avec SatDump, profitant du passage successif de NOAA 18, NOAA 19 et METEOR M2-3. C’est d’ailleurs la première fois que j’arrive à bien capter un METEOR grâce à une configuration plus fine de SatDump. Je ne me lasse pas d’obtenir ainsi des images immédiates de la terre transmises pas ces instruments qui naviguent à 800-900 km au dessus de nous.
Mais au-delà de considérations esthétiques, j’ai déjà montré que c’est une bonne manière de travailler l’esprit scientifique. Et c’est aussi l’occasion de rappeler que la météo a bien sûr été investi par l’I.A. : depuis 2022 des modèles comme GraphCast, GenCast ou FourCastNet ont profondément modifié le domaine de la prévision météo en permettant des simulations bien plus rapides et à plus long terme. S’il peut être intéressant au quotidien d’avoir des prévisions fiables à 10 jours, on y trouvera surtout un intérêt dans la détection plus rapide d’aléas dangereux, notamment pour les cyclones dont les trajectoires sont affinées.
Et c’est aussi là encore une illustration de la force du modèle OpenSource, comme GraphCast développé par Google Deepmind et désormais expérimenté par le Centre Européen pour les Prévisions Météorologiques à Moyen Terme (ECMWF).
De mon côté, je me suis contenté de soumettre quelques unes des images à chat GPT pour obtenir une analyse Météo. Le résultat reste assez général mais parfaitement crédible:

«Peux-tu analyser ce document ?»

Oui ! Cette image semble être une carte satellite météorologique couvrant une grande partie de l’Europe. Elle présente des bandes noires, qui pourraient être dues à des pertes de signal lors de la réception.

«Fais moi un rapport détaillé sur Genève»

D’accord ! Je vais analyser la zone de Genève à partir de cette image satellite et te fournir un rapport détaillé.

Rapport Météorologique sur Genève (Basé sur l’Image Satellite)

1. Situation Géographique :

Genève est située à la frontière franco-suisse, au pied du Jura et près du lac Léman. Cette position influence fortement son climat, notamment en raison des masses d’air venant de l’Atlantique et des Alpes.

2. Analyse de la Couverture Nuageuse :

  • Présence de nuages bas et moyens visibles sur Genève et la région lémanique.
  • Une couverture nuageuse modérée semble s’étendre sur le bassin genevois, ce qui pourrait indiquer un ciel partiellement à majoritairement couvert.
  • Les Alpes au sud-est montrent des zones enneigées, confirmant des températures plus froides en altitude.

3. Températures Probables :

  • Avec cette couverture nuageuse, il est probable que les températures restent fraîches, typiques d’une période hivernale.
  • L’absence d’une couverture nuageuse dense et épaisse laisse supposer que Genève pourrait avoir des températures diurnes autour de 5 à 10°C, tandis que les températures nocturnes pourraient être proches de 0°C.
  • La proximité du lac Léman joue un rôle modérateur, limitant les variations extrêmes.

4. Risque de Précipitations :

  • Les formations nuageuses indiquent une possibilité d’averses faibles à modérées, mais il n’y a pas de signe clair de perturbation majeure.
  • Si des précipitations surviennent, elles seront probablement sous forme de pluie ou de neige fondue selon l’altitude et l’évolution des températures.

5. Vent et Conditions Atmosphériques :

  • Il n’y a pas d’indication claire de tempêtes ou de vents forts visibles sur cette image satellite.
  • Cependant, des vents modérés peuvent être présents, notamment en raison des variations de pression liées aux Alpes.

Conclusion :

  • Ciel : Partiellement à majoritairement couvert.
  • Températures : Fraîches, autour de 5-10°C en journée, proches de 0°C la nuit.
  • Précipitations : Faibles à modérées possibles, sous forme de pluie ou neige fondue.
  • Vent : Modéré, sans signe de tempête majeure.

Générer des cartes avec l’I.A.

En Géographie l’I.A. générative peut être utilisé pour construire des couches de données. J’ai donné deux exemples avec Magrit, pour une couche géolocalisée de lieux ponctuels comme pour une couche polygones. Ce sont des activités que je travaille en classe de seconde.

Mais on peut aussi utiliser un outil plus abordable pour les plus jeunes comme uMap et il est facile de faire générer une couche de données via un tableau. J’utilise ici Perplexity car il est accessible sans création de compte pour les élèves et il permet désormais de télécharger directement le tableau au format CSV.

Génère un tableau de trois colonnes avec les 10 villes les plus peuplées : latitude, longitude, noms. Les coordonnées ne sont exprimées que par une information numérique.

Après import dans uMap on obtient alors ce résultat un peu simple mais efficace. Avec des élèves de 4e, cela passe très bien.

Voir en plein écran

Cependant, une publication récente d’Arnaud Léonard via X a relancé mon intérêt. Le résultat obtenu en HTML est intéressant mais un peu complexe pour des collégiens. J’ai donc tenté un peu la même chose avec uMap. Avec ce service, les images ne sont pas téléversés sur leur serveur mais apparaissent via un lien qu’il faut donc récupérer :

Génère un tableau qui doit afficher les villes mondiales du classement GaWC 2024 réparties par catégories (Alpha++, Alpha+, Alpha). Les colonnes du tableau sont : Latitude, Longitude, name (sans majuscule) et description (sans majuscule). Dans description tu précises le rang de la ville (Alpha++, Alpha+, Alpha), tu ajoutes un commentaire et une image issue de la page Wikipedia de la ville avec le lien entre accolades comme par exemple {{https://upload.wikimedia.org/wikipedia/commons/4/49/Montagem_SP.png}} Donc tous les liens commencent par https://upload.wikimedia.org/wikipedia/commons et sont encodée en UTF-8

Le résultat est prometteur mais Perplexity (et Chat-GPT aussi en fait) a parfois du mal à passer outre le visualiseur de Wikimedia et à récupérer un lien correct. Cela suppose donc un correctif à la main. J’ai tenté de faire appel à une autre base, comme pexels cities mais le résultat est médiocre (je l’ai laissé sur le 2e claque de la carte) :

Voir en plein écran

C’est donc assez prometteur, On peut aussi par exemple travailler le récit historique ou de fiction :

Génère un tableau qui doit afficher les étapes de la vie de Christophe Colomb et de ses voyages. Les colonnes du tableau sont : Latitude, Longitude, name (sans majuscule) et description (sans majuscule). Dans description tu précises en détail ce qui se passe et à quelle date.

Voir en plein écran

Il ne reste donc plus qu’à trouver un moyen plus fiable d’extraire les images de Wikimedia.