Méthodologie permettant d'évaluer le niveau de santé des hêtres à partir d'images aériennes et de nuages de points LiDAR

Depuis quelques années, le Canton du Jura note un dépérissement des hêtres dans ses forêts. C’est un problème qui touche principalement la région de l’Ajoie et augmente chaque année. Pour identifier et quantifier précisément les zones touchées, de nouvelles procédures doivent être mises en place ; ceci dans le but de suivre l’expansion du dépérissement, de garantir une bonne gestion de l’exploitation du bois et d’assurer la sécurité sur les chemins forestiers.

En 2020, l’imagerie satellitaire a été utilisée pour établir des cartes globales les zones les plus touchées durant l’été, mais ces dernières ne suffisent pas à surveiller l’état de santé des hêtres. 

Dans ce projet, le Swiss Territorial Data Lab s’est aidé de la science des données et plus particulièrement d’un algorithme de classification automatisé, le random forest, pour inférer l’état de santé en trois catégories – sain, atteint, mort – sur deux secteurs forestiers représentatifs. Des vols spécifiques ont été effectués sur ces deux zones d’étude afin d’acquérir des images aériennes (RGB, NIR, 3 cm) et des nuages de points LiDAR (100 pts/m2) de hautes résolutions reflétant la situation actuelle sur le terrain.

De plus, aucune prédiction automatisée ne peut être vérifiée sans un jeu de données de contrôle, appelé la vérité terrain. La vérité terrain a été relevée sur place par les forestiers cantonaux à la même période que les acquisitions aériennes, ce qui assure une bonne correspondance entre elles. Dans la vérité terrain, le dépérissement des hêtres a été évalué selon quatre critères (Xavier Gauquelin, éditeur. Guide de gestion des forêts en crise sanitaire. Office National des Forêts, Institut pour le Développement Forestier; 2010. 96 p.) :

1. la mortalité des branches et des rameaux ;

2. la transparence du houppier ;

3. la répartition de la masse foliaire ;

4. l’état du tronc et d’autres aspects sanitaires.

En collaboration étroite avec les experts métier, les geo data scientists du STDL ont exploré les données acquises pour en tirer les informations-clefs à l’évaluation de l’état sanitaire des hêtres. Les images aériennes et les nuages de points LiDAR ont été travaillés pour obtenir des descripteurs capables de quantifier ou de qualifier l’état de santé des hêtres.

Du nuage de points LiDAR segmenté pour chaque arbre, des paramètres structuraux décrivant la distribution verticale et horizontale des points ont été dérivés du nuage de points LiDAR (liste non-exhaustive) :

• Couverture de la canopée ;
• Hauteur du sous-bois ;
• Coefficient de variation de la densité foliaire ;
• Moyenne et déviation standard de la réflectance LiDAR.

Sur la true orthophoto obtenue à partir des images aériennes, des statistiques (max, min, moyenne, médiane, déviation standard) sur chaque bande (RGB et NIR) et sur le NDVI dérivé ont été calculées pour chaque arbre. En utilisant le modèle numérique de hauteur dérivé du nuage de points LiDAR comme masque, les pixels représentant la végétation du sous-bois ont été exclus.

Le STDL a également fait usage des variations annuelles de NDVI disponibles sur waldmonitoring.ch (BFH-HAFL et OFEV), dérivées des images Sentinel-2, pour tenir compte des variations historiques du NDVI.

Un random forest a été entraîné avec les paramètres structuraux issus du LiDAR, les statistiques sur les images aériennes, les variations de NDVI et la vérité terrain. Cette dernière a été séparée en un ensemble de données d'entraînement (70%) et un ensemble de données de test (30%). On obtient jusqu'à 79% de prédictions correctes pour l’ensemble de données de test, en sachant que cette performance peut varier de quelques pourcents selon la partition aléatoire des données dans les jeux d'entraînement et de tests. Une meilleure représentativité des symptômes dans la vérité terrain et dans les descripteurs seraient nécessaires pour obtenir des résultats plus stables. 

Les descripteurs qui contribuent le plus aux prédictions sont :

• la variation annuelle du NDVI entre 2018 et 2019 ;
• le NDVI moyen ;
• la déviation standard de la bande bleue ;
• la déviation standard de la canopée ;
• la déviation standard de la réflectance.

Les inférences ont été calculées avec le meilleur modèle entraîné. Elles sont livrées sous la forme d'une carte thématique de l'état de santé des hêtres. Il s'agit d'un produit utile, validé par les experts forestiers. Il peut être utilisé pour cibler les zones et les individus atteints.

Pour en savoir plus, la méthodologie détaillée du projet est disponible sur notre site web technique et les scripts y-relatifs sur GitHub.