Le projet FRIEND/AMIGO vise à faire progresser la surveillance et la modélisation hydrosédimentologiques dans les systèmes fluviaux d'Amérique latine et des Caraïbes qui sont de plus en plus affectés par la variabilité du climat et les pressions anthropiques.

Notre objectif : utiliser des données d'observation de la Terre pour évaluer les variations spatiales et temporelles de la connectivité fluviale et leurs implications pour la résilience écologique et la qualité de l'eau

Nous intégrons l'altimétrie satellitaire (par exemple, SWOT), l'imagerie multispectrale et hyperspectrale basée sur les drones, et les mesures in situ telles que l'ADCP et la spectrométrie de terrain pour caractériser les processus de transport des sédiments, détecter les zones sujettes à l'érosion, et développer des indicateurs d'alerte précoce des changements morphodynamiques. 

Parallèlement, nous explorons l'utilisation des technologies émergentes et le machine learning pour soutenir la gestion des ressources en eau basée sur les données. Il s'agit notamment de développer des modèles bio-optiques pour surveiller l'eutrophisation et le drainage minier acide dans les lacs et les rivières vulnérables, d'intégrer des modèles hydrologiques (tels que QSWAT+) avec des séries chronologiques satellitaires pour estimer les bilans hydriques, et de définir les exigences en matière de débit environnemental à l'aide d'ensembles de données provenant de sources multiples. Notre approche est basée sur un cadre transdisciplinaire et multi-échelle conçu pour soutenir la gestion durable des bassins versants et les stratégies d'adaptation au climat dans toute la région.

Principale question de recherche :

1. Comment le transport de sédiments, la connectivité fluviale et les changements morphodynamiques interagissent-ils dans les systèmes fluviaux d'Amérique latine et des Caraïbes dans des scénarios de variabilité climatique et de pression anthropique ?
2. Quelles combinaisons de technologies de télédétection (satellites et drones), de données in situ et de modèles hydrologiques peuvent estimer avec précision la qualité de l'eau, le bilan hydrique et les flux environnementaux dans les bassins où les données sont rares ?
3. Comment les technologies émergentes et l'intelligence artificielle peuvent-elles soutenir le développement d'outils de surveillance et d'alerte précoce pour permettre une gestion adaptative des ressources en eau à l'échelle du bassin ?