FMT et développements, mise à jour été 2023

Github | Documentation

Plan de la présentation

  • Présentation de FMT
  • Génération de calendriers de COS
  • Replanification
  • Intelligence artificielle (machine learning)
  • Chronologie des travaux entamés
  • Planification 0-6 mois
  • Planification 1-5 ans
  • Questions

Qu’est-ce que FMT ?

  • librairie open source
  • objets et fonctions
  • en C++, R ou Python
graph TD; 2-->14; 1-->2-->5; 1-->3-->6; 1-->4-->7; 3-->8; 3-->12; 3-->15; 4-->13; 5-->9; 5-->10; 5-->11; 1["FMT API"]; 2["C++"]; 3["Python"]; 4["Cran R"]; 5["Interface"]; 6["Re-planification"]; 7["Base de données"]; 8["BFEC-GCBM"]; 9["Planification"]; 10["Spatialisation"]; 11["BFECOPT"]; 12["Analyses diverses"]; 13["Autre"]; 14["Tests"]; 15["Machine Learning"];
classDiagram FMTobject <|-- FMTmodel FMTmodel <|-- FMTsemodel FMTsemodel <|-- FMTsamodel FMTsemodel <|-- FMTsesmodel FMTmodel <|-- FMTsrmodel FMTsrmodel <|-- FMTlpmodel FMTsrmodel <|-- FMTnssmodel

A quoi sert FMT ?

  • planification forestière
    • Comment récolter des forêts pour maximiser des objectifs (e.g. rendement) ?
    • Sous certaines contraintes (e.g. legislation, technologie, etc.)

En pratique, a quoi ca sert ?

  • Lecture de modèles Woodstock
  • Simulation de paysages forestiers
  • Optimisation / Réoptimisation de modèles
  • Planification (en utilisant des événements stochastiques)
  • Résolution des heuristiques d’agrégation
  • Planification des blocs de récolte

Comment est-ce que ça marche ?

  • Code source en c++
  • Compilation en Python et R

Interface de programmation (C++)
Interface de programmation (C+…
R
R
Python 2
Python 2
Python 3
Python 3
Text is not SVG - cannot display

Pourquoi FMT ?

Projet du Bureau du Forestier en Chef du Québec.

  • 2017 : Besoin d’automatiser l’utilisation de modèles Woodstocks
  • 2018 : Besoin de relier Woodstock à GCBM pour estimations de carbone
  • 2019 à aujourd’hui : Augmentation des performances et fonctionalités

Planification des Compartiments d’Organisation Spatiale (COS) BFECOpt/FMT

Documentation COS

Bilan carbone avec l’IA

stateDiagram direction LR state IA_par_pixel { direction LR state Intrants { direction LR Dernières_perturbations Volume_de_feuillus_tolérants Volume_de_feuillus_intolérants Volume_de_résineux } Intrants --> Réservoir state Réservoir { Biomasse_aérienne Biomasse_souterraine Bois_mort Carbone_du_sol Litière } Intrants --> Flux State Flux { Productivité_nette_de_l'écosystème } } IA_par_pixel --> Entrainement State Entrainement { direction LR CPF2328 --> Global CPF2328 --> Pessière CPF2328 --> Sapinière CPF2328 --> Érablière } Entrainement --> Validation State Validation { direction LR Spatial --> 07152 Non_Spatial --> 07152 Spatial --> 02751 Non_Spatial --> 02751 Spatial --> 08665 Non_Spatial --> 08665 Spatial --> 08762 Non_Spatial --> 08762 Spatial --> 09751 Non_Spatial --> 09751 }

Planification spatiale par IA

stateDiagram direction LR Modèle --> FMTsamodel state FMTsamodel { direction LR state Intrants { direction LR (i)Cellule --> Âge (i)Cellule --> Opérabilité (i)Globale --> Taille_des_blocs (i)Globale --> Délai_d'adjacence } Intrants --> IA state Générateur { direction LR Calcul_2328 --> Apprentisage } State IA { Générateur --> Prédiction state Prédiction { (o)Spatiaux --> Blocs_de_coupes (o)Non_spatiaux --> faisabilité (o)Non_spatiaux --> Bilan_carbone } } IA --> Optimisation State Optimisation { Validation --> Amélioration } } FMTsamodel --> Solution

Les objectifs

  • Obtention du bilan de carbone rapidement (Article #1)
    • Tous les réservoirs de l’écosystème
    • La productivité nette de l’écosystème
  • Génération de planification spatialement explicite (Article #2)
    • Maximisant le bilan carbone
gantt dateFormat YYYY-MM-DD title Projet FORAC excludes weekends section IA estimateur carbone Script d'entrainement :done,des1,2021-04-01,2021-09-01 Script d'utilisation : done,des2,2021-04-01,2021-09-01 Sélection du modèle : done,des2,2021-04-01,2021-05-01 Rapport : done,des3,2021-09-01,2021-10-01 Installation FMT release :done,des4,2021-10-01,2021-11-01 Pytorch à C++ : done,des5, 2021-10-01,2021-12-01 Installation FMT debug : done,des6, 2021-12-01,2022-03-01 Implémentation : done,des8, 2021-12-01,2022-03-01 Écriture de l'article estimateur de carbone :des16,2022-09-01,2023-04-01 Test et validation avec modèles réels :active,des15,2022-10-01,2023-05-01 section IA Planification spatiale Test et extension à la planification référencée : done,des9, 2022-02-01,2022-05-01 Mise en place d'un plan : done,des10, 2021-12-01,2022-02-01 Lien FMT avec Python avec exemple : done,des11, 2022-01-01,2022-04-01 Modèle IA de spatialisation mimétique: done,des12, 2022-04-01,2022-10-01 Modèle IA d'évaluation de planification spatialisée :done,des13,2022-09-01,2023-03-01 Modèle IA de spatialisation (avec carbone) :done,des14,2023-02-01,2023-08-01 Écriture de l'article planification forestière :crit,des17,2023-04-01,2023-08-01

Constats IA vs GCBM

  • On peut maintenant obtenir un bilan de carbone facilement pour:
    • Une solution spatiale explicite et spatialement référencée
    • Les cinq principaux réservoirs de l’écosystème
    • Les émissions nettes de l’écosystème
  • On peut maintenant utiliser le Machine Learning pour:
    • Générer des intrants au calcul (Courbes de production, Paramètres économiques)
  • La génération de solution spatiale avec IA:
    • Nous permettra de faire de l’optimisation spatialement explicite
    • Utilisation du projet de fin d’étude à B. Forest
    • Replanification spatialement explicite
gantt dateFormat YYYY-MM-DD title Travaux entamés excludes weekends section Replanification Développement :done, 2023-01-23,2023-05-22 Support travaux (F.S, L-A.G, A.B-R) : ,2023-01-09,2023-12-27 section Interface Déploiement :done, 2023-01-09,2023-01-10 Présentation :done, 2023-03-13,2023-03-14 Documentation :done, 2023-04-03,2023-04-10 Mise en place d'un comité FMT : ,2023-05-1,2023-11-07 BFEC-GCBM, mises à jour de FMT :en cours, 2023-07-10,2023-08-28 section Génération de calendriers de COS Intégration des fonctions du chantier COS : en cours, 2023-04-17,2023-12-27 section IA Modèles global et par sous-domaines d'intéligence artificielle :done,2023-01-09,2023-05-01 Tests IA :en cours,2023-04-03,2023-08-28 Entretien et débogage : ,2023-01-02,2023-12-27 Support : ,2023-01-02,2023-12-27

Étapes de la replannification (0-6 mois)

gantt dateFormat YYYY-MM-DD tickInterval month axisFormat %b%d title Planification 0-6 mois excludes weekends section Carbone Utilisation de l'IA pour l'obtention d'un bilan carbone : ,2023-12-18,2024-01-01 section Analyses Support et transfert aux analystes : , 2023-08-07,2024-01-01

Documentation

Étapes de l’IA (0-6 mois)

gantt dateFormat YYYY-MM-DD tickInterval month axisFormat %b%d title Planification 0-6 mois excludes weekends section IA Carbone Optimisation NEP, :active, des1, 2023-05-26,2023-07-24 Optimisation des Stocks de Carbone :active, des1, 2023-05-26,2023-07-24 Optimisation AAM 2751 (scénario de référence) :active, des1, 2023-06-26,2023-07-24 Optimisation stock de carbone forêt feuillue - UA 7152 : des1, 2023-07-14,2023-09-28 Analyses des différents scénarios d'optimisation : des1, 2023-08-17,2023-09-28 Apprentissage avec perturbations naturelles : des1, 2023-09-04,2023-12-18 Développement pour l'opérationalisation du calcul : ,2023-09-04,2024-01-01 Test de l'opérationalisation : ,2023-10-06,2024-01-01

Documentation Machine Learning

Interface (0-6 mois)

gantt dateFormat YYYY-MM-DD tickInterval month axisFormat %b%d title Planification 0-6 mois excludes weekends section SSP Analyses de modèles de base : ,2023-08-17,2024-01-01 section Spatialisation Ajout du Simulated Annealing : ,2023-10-16,2024-01-01 section Calendrier de COS Intégration des fonctions du chantier COS : en cours, 2023-04-17,2023-12-27

LES FUTURS PROJETS (0-5 ans)

  • GCBM

    • Mise à jour de GCBM
    • Refonte des scripts en Python3
    • Intégration des produits du bois
  • Spatialisation du calcul

    • Développement d’un indice caribou
    • Développement d’un indice de réseau routier
    • Visualisation de solutions alternatives

LES FUTURS PROJETS (0-5 ans)

  • Gestion des modèles de base

    • Automatisation des validations
    • Automatisation d’analyses préliminaires
  • Replanification spatialement explicite

    • Permettre d’obtenir un effet de spatialisation à travers la replanification
    • Utilisation d’évènements stochastiques spatiaux
    • Inclure les enjeux opérationels
    • Changements climatiques
  • Continuer/faire un transfert de connaissances aux différents services

Des Questions?

Github | Documentation

%!(EXTRA string=sha512-as1BF4+iHZ3BVO6LLDQ7zrbvTXM+c/1iZ1qII/c3c4L8Rn5tHLpFUtpaEtBNS92f+xGsCzsD7b62XP3XYap6oA==)