Arctic-NEMO
Surveillance et optimisation des émissions naturelles pour l’adaptation
Présentation
L’Arctique se réchauffe rapidement : pourquoi c'est important
Les régions arctiques connaissent des changements environnementaux rapides, induits par le dégel du pergélisol, l’évolution de la dynamique des zones humides et des lacs, le développement du thermokarst (paysage accidenté caractérisé par des dépressions et des affaissements de terrain dus au tassement du sol consécutif à la fonte du pergélisol), l’érosion des paysages et l’augmentation des émissions de methane (CH4). Ensemble, ces processus affectent les écosystèmes, les infrastructures, les sites culturels, l’aménagement communautaire et les rétroactions climatiques mondiales. De plus, le CH₄ reste difficile à surveiller car les paysages arctiques sont vastes, isolés et très dynamiques, avec de forts changements saisonniers en termes d’étendue des eaux, d’état de gel-dégel et de connectivité de surface.
👉 Les décideurs ont besoin d’informations actualisées et spatialement précises pour comprendre où et quand ces changements se produisent, où et quand les sources de méthane sont les plus actives, et quelles zones nécessitent des mesures d’adaptation ou de restauration. Or, ce type d’informations est rare dans les régions arctiques en raison du manque de fonds, de données, de ressources et de moyens de surveillance.
La solution Arctic-NEMO
Arctic-NEMO comble cette lacune en transformant les résultats de deux initiatives complémentaires, EOWetMet (pôle scientifique sur le carbone de l’ESA) et MACAI (programme smartEarth de l’Agence spatiale canadienne)*, en un cadre opérationnel de services climatiques. Le projet combine des données satellitaires multicapteurs, une validation sur le terrain et des analyses basées sur l’intelligence artificielle afin de produire des indicateurs de méthane en tenant compte des incertitudes pour les zones humides, les lacs et les paysages de pergélisol de l’Arctique. Ces indicateurs sont conçus en collaboration avec des partenaires territoriaux et autochtones afin de faciliter la prise de décisions concrètes en matière d’adaptation, de restauration et d’aménagement du territoire. Arctic-NEMO transforme ainsi les données d’observation de la Terre en renseignements climatiques exploitables. Il aide les gouvernements, les communautés autochtones, les chercheurs et les responsables de l’environnement à mieux comprendre l’évolution des paysages carboniques de l’Arctique, à identifier les risques émergents et à prendre des décisions d’adaptation mieux informées. Les indicateurs seront facilement accessibles et interprétables, garantissant ainsi que les données soient utiles à un large éventail de parties prenantes. | L’une des innovations clés d’Arctic-NEMO réside dans l’intégration de modèles géospatiaux de nouvelle génération, basés sur l’IA et l’observation de la Terre, afin de modéliser la dynamique des émissions de méthane avec un niveau de détail spatial sans précédent. S'appuyant sur les avancées récentes des initiatives EOWetMet et MACAI*, le projet utilisera des cadres de modélisation basés sur l’IA capables d’ identifier les caractéristiques à petite échelle des paysages arctiques, la connectivité hydrologique et les points chauds d’émissions de méthane. Ces capacités permettent la production d’indicateurs harmonisés et à haute résolution qui rendent compte de la variabilité environnementale souvent négligée par les approches de surveillance conventionnelles. |
Site(s) d’application
Les zones d’application se situent dans deux régions du nord des Territoires du Nord-Ouest (T.N.-O.) au Canada et du nord de la Suède, où les projets EOWetMet et MACAI sont en cours. Mesurant environ 500 × 500 km et couvrant de vastes espaces de zones humides et de lacs soumises aux effets du pergelisol, ces sites d’études sont représentatifs des environnements arctiques et subarctiques. |  Figure 1 . Sites d'application dans le nord des Territoires du Nord-Ouest, au Canada (à gauche), et dans le nord de la Suède (à droite). |
Données
Arctic-NEMO utilise un ensemble de données provenant de multiples sources pour décrire les facteurs physiques, hydrologiques et atmosphériques qui régissent le paysage arctique, en s’appuyant sur les travaux et les résultats des projets EOWetMet et MACAI en cours. Les observations satellitaires sont combinées à des données issues de drones (UAV), de relevés de terrain, de données climatiques et socio-environnementales afin d’établir un lien entre les changements environnementaux et les priorités en matière d’adaptation. Le cadre proposé intègre ces données pour saisir à la fois les caractéristiques spectrales et physiques.
Satellite
Sentinel-1 SAR pour les inondations, l’étendue des plans d’eau, le cycle gel-dégel et les changements de surface
Sentinel-2 pour la couverture terrestre, la végétation et l’état de la surface
Sentinel-5P / TROPOMI pour les observations du méthane atmosphérique
Landsat-8/9 pour la dynamique à long terme des eaux de surface et de la végétation
SMAP pour l'humidité du sol et les indicateurs des eaux de surface
ALOS-2 PALSAR-2 et NiSAR pour la sensibilité du SAR en bande L à l'humidité et à la structure de la végétation
Autres
Environnement et climat
ArcticDEM pour les caractéristiques topographiques, notamment l'altitude, la pente et l'exposition
ERA5 pour les informations climatiques sur la température et les précipitations
MERIT Hydro pour les données hydrologiques
Données de terrain et de contexte décisionnel
Les relevés effectués par drones et véhicules fournissent des données multispectrales et thermiques pour la validation à petite échelle, l’interprétation du paysage local et la cartographie de l’ébullition hivernale.
Enregistrements in situ et climatiques rendant compte de l’épaisseur de la couche active, de la température du sol, des observations hydrologiques, des mesures de flux, des données gouvernementales et de la réanalyse ERA5 pour le forçage et la validation du modèle.
Couches socio-environnementales telles que les infrastructures, l’occupation des sols, les atouts communautaires et les priorités culturelles, utilisées pour traduire les indicateurs de CH₄ en informations pertinentes pour l’adaptation.
Résultats - Produit(s) final(aux)
Arctic-NEMO transforme des ensembles de données complexes issues de l’observation de la Terre et de l’atmosphère en un service pratique d’information climatique. Plutôt que de fournir des cartes statiques ou de vastes ensembles de données scientifiques, le projet propose des indicateurs opérationnels qui aident les utilisateurs à identifier les zones où les paysages arctiques évoluent, à comprendre comment les émissions de méthane évoluent parallèlement à ces changements, et à évaluer les implications pour l’aménagement du territoire, le développement des infrastructures, la gestion environnementale et l’adaptation au changement climatique. Ces indicateurs mettent ainsi en évidence les zones pouvant nécessiter une adaptation, une surveillance ciblée, des efforts de restauration ou d’autres mesures de planification proactives. Le service permet une prise de décision éclairée pour les parties prenantes, notamment les agences gouvernementales, les organisations autochtones, les chercheurs, les responsables de l’environnement et les communautés du Nord. Il peut, par exemple, soutenir la planification de la préparation aux situations d’urgence, la gestion des écosystèmes et les initiatives de développement durable.
Le produit final est une plateforme opérationnelle de services climatiques WebGIS fournissant des indicateurs, des cartes et des services de données harmonisés et tenant compte des incertitudes concernant le CH₄ pour les zones humides, les lacs et les régions de pergélisol de l’Arctique. La plateforme intègre les résultats validés d’EOWetMet et de MACAI dans trois niveaux d’indicateurs prêts à l’emploi :
Indicateurs d’étendue : cartes dynamiques des zones humides, des lacs de dégel, des inondations, des perturbations du pergélisol et des changements géomorphologiques.
Indicateurs de flux : émissions de CH₄ calculées selon une approche ascendante à partir de l’observation de la Terre, de données de terrain et de modèles basés sur l’IA.
Indicateurs intégrés de méthane : estimations de flux harmonisées issues d’inversions atmosphériques utilisant TROPOMI et GOSAT. Les résultats seront présentés via des tableaux de bord interactifs, des analyses de séries chronologiques, des API et des outils de simulation de scénarios afin de soutenir la planification de l’adaptation.
 |  |
Figure 2 . Cartes dynamiques des zones humides, Canada (à gauche) et nord de la Suède (à droite).
Références
C-CORE, 2026. EO-Driven Insights for Advancing Arctic Wetland and Lake Methane Emissions Monitoring (EOWetMet). C-CORE. https://c-core.ca/projects/eo-driven-insights-for-advancing-arctic-wetland-and-lake-methane-emissions-monitoring-eowetmet/
Hemati, M., Mahdianpari, M., Nassar, R., Shiri, H., Mohammadimanesh, F., 2024a. Urban methane emission monitoring across North America using TROPOMI data: an analytical inversion approach. Sci Rep 14.
Hemati, M., Mahdianpari, M., Shiri, H., Mohammadimanesh, F., 2024b. Integrating SAR and Optical Data for Aboveground Biomass Estimation of Coastal Wetlands Using Machine Learning: Multi-Scale Approach. Remote Sensing 16.
Jafarzadeh, H., Mahdianpari, M., Gill, E.W., Mohammadimanesh, F., 2024. Enhancing Wetland Mapping: Integrating Sentinel-1/2, GEDI Data, and Google Earth Engine. Sensors 24.
Kouhgardi, E., Mahdianpari, M., Shiri, H., Shakerdargah, A., 2025. The Future of Northern Canadian Land Use in the Age of Climate Change. EJFOOD 7.
Mahdianpari, M., Granger, J., Mohammadimanesh, F., Sonnentag, O., Marjani, M., 2026a. Dynamic Arctic wetland mapping: A multi-mission satellite time series approach. International Journal of Applied Earth Observation and Geoinformation 149.
Mahdianpari, M., Sonnentag, O., Mohammadimanesh, F., Radman, A., Marjani, M., Morse, P., Marsh, P., Lavoie, M., Risk, D., Wu, J., Suh, C.N., Gee, D., Giff, G., Ferguson, C., Peichl, M., Granger, J., 2026. State of the Art in Monitoring Methane Emissions from Arctic–boreal Wetlands and Lakes. Remote Sensing 18.
Marjani, M., Mahdianpari, M., Mohammadimanesh, F., Gill, E.W., 2024. CVTNet: A Fusion of Convolutional Neural Networks and Vision Transformer for Wetland Mapping Using Sentinel-1 and Sentinel-2 Satellite Data. Remote Sensing 16.
Marjani, M., Mohammadimanesh, F., Mahdianpari, M., Gill, E.W., 2025. A novel spatio-temporal vision transformer model for improving wetland mapping using multi-seasonal sentinel data. Remote Sensing Applications: Society and Environment 37.
Merchant, M., Bourgeau-Chavez, L., Mahdianpari, M., Brisco, B., Obadia, M., DeVries, B., Berg, A., 2024. Arctic ice-wedge landscape mapping by CNN using a fusion of Radarsat constellation Mission and ArcticDEM. Remote Sensing of Environment 304.
Mohammadimanesh, F., Marjani, M., Mahdianpari, M., 2026. HiResNet: A Low-to-High Deep Learning Framework for Updating Large-Scale Land Cover Inventory. IEEE Trans. Geosci. Remote Sensing 64.
Radman, A., Mohammadimanesh, F., Mahdianpari, M., 2024. Wet-ConViT: A Hybrid Convolutional–Transformer Model for Efficient Wetland Classification Using Satellite Data. Remote Sensing 16.
Projet(s) lié(s)
- EOWetMet : Pôle scientifique sur le carbone de l’ESA : surveillance, à l’aide de l’observation de la Terre, des émissions de méthane provenant des zones humides et des lacs de l’Arctique.
- MACAI (Mitigating Arctic Challenges Using AI) : Programme smartEarth de l'Agence spatiale canadienne (CSA) : cartographie, grâce à l'IA, du pergélisol, de l'érosion et des changements du paysage arctique.
