Lire la suite]]> Si le projet est résolument tourné vers la production d’outils pour les acteurs et leurs territoires, il permet également de finaliser des résultats de recherche. L’UMR TETIS a publié un article étudiant l’influence de l’angle de scan du LiDAR aéroporté sur les indicateurs qui caractérisent la végétation. Ces éléments permettront d’émettre des préconisations pour les caractéristiques des acquisitions LiDAR à visée forestière.

Scan angle impact on LiDAR-derived metrics used in ABA models for prediction of forest stand characteristics : a grid based analysis. 2020. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci., XLIII-B3-2020, 975–982. K. R. Dayal, S. Durrieu, S. Alleaume, F. Revers, E. Larmanou , J–P Renaud, M. Bouvier.  https://doi.org/10.5194/isprs-archives-XLIII-B3-2020-975-2020

RÉSUMÉ – Lidar scan angle can affect estimation of lidar-derived forest metrics used in area-based approaches (ABAs). As commonly used first-order metrics and various user-developed metrics are computed in the form of a grid or a raster, their response to various scan angles needs to be investigated similarly. The objective of this study was to highlight the impact of scan angles on 11 metrics (9 height-based and 2 other commonly used metrics) at the level of the grid-cell. The study area was divided into a grid of cell size 30 m. In every grid-cell, the flight lines that sampled at least 90% area of the grid-cell were identified. The flight lines and the corresponding point clouds were then classified based on their mean scan angle into four classes 0°–10°, 10°–20°, 20°–30° and 30°–40°. Metrics were computed for one flight line per class for each grid-cell. This resulted in a maximum of four values for a metric in every grid-cell. Comparing these values revealed the evolving nature of the metrics with the scan angle. For the comparison we used a paired t-test and simple linear regression. We observed that most of the metrics were systematically under-estimated with increasing scan angle. Gap-fraction, rumple index were affected more than standard deviation of height while the maximum height was relatively stable. Among the height percentiles, the higher percentiles were relatively more stable compared to the lower percentiles. Scan angles can indeed have an impact on the estimation of lidar derived metrics. Although, many of the metrics studied showed statistically significant differences in their computation for different scan angles, their impact on the accuracies of ABA models needs to be studied further by accounting for the differences as shown in this study.

Lire la suite]]> Les cartographies de la ressource forestière et de son accessibilité produites dans le cadre du projet sont désormais consultables à l’adresse : https://protest.inrae.fr/webgis/

La consultation des informations sur les méthodes de production et validation des cartes est possible (et conseillée !) sur les deux pages suivantes :

• rapport de la modélisation de la ressource effectuée par l’ONF à partir des données LiDAR.
• rapport de la modélisation de l’accessibilité effectuée par INRAE avec le logiciel Sylvaccess.

Lire la suite]]> Le numéro 33 de la revue « Sciences, Eaux et Territoires » porte sur  la forêt et les défis du changement climatique. Il comporte un article intitulé « La télédétection aéroportée pour la gestion des territoires forestiers de montagne » qui s’appuie sur les résultats du projet PROTEST. L’article est également disponible au format pdf.

MONNET, Jean-Matthieu ; PACCARD, Pierre ; RIOND, Catherine, La télédétection aéroportée pour la gestion des territoires forestiers de montagne , Revue Science Eaux & Territoires, Forêt : relever les défis du changement climatique en France métropolitaine, numéro 33, 2020, p. 64-69, 10/04/2020. Disponible en ligne sur <URL : http://www.set-revue.fr/la-teledetection-aeroportee-pour-la-gestion-des-territoires-forestiers-de-montagne> (consulté le 22/04/2020).

Lire la suite]]> Si le projet est résolument tourné vers la production d’outils pour les acteurs et leurs territoires, il permet également de finaliser des résultats de recherche. L’UMR TETIS a publié un article étudiant l’influence des paramètres d’acquisition lidar et de données forestières sur la précision des cartographies qui en sont dérivées. Ces éléments permettront d’émettre des préconisations pour la réalisation d’inventaires forestiers assistés par lidar. Deux articles précédents avaient présenté la méthodologie et les premières cartes sur le PNR du Massif des Bauges.

Influence of Sampling Design Parameters on Biomass Predictions Derived from Airborne LiDAR Data. 2019. Canadian Journal of Remote Sensing Marc Bouvier, Sylvie Durrieu, Richard A. Fournier, Nathalie Saint-Geours, Dominique Guyon, Eloi Grau & Florian de Boissieu  https://doi.org/10.1080/07038992.2019.1669013

RÉSUMÉ – Cette étude a examiné l’influence de différents paramètres sur l’estimation de la biomasse à partir de données de lidar aéroportés. Une approche consistant à faire varier les paramètres indépendamment les uns des autres et une analyse de sensibilité globale ont été utilisées pour identifier les paramètres ayant le plus d’impact sur la précision des modèles. Nous nous sommes concentrés sur plusieurs paramètres relatifs aux acquisitions lidar et aux inventaires de terrain qui peuvent être facilement contrôlées. Sur notre site d’étude, composé de plantations de pins, une diminution de la densité d’impulsions lidar (4 à 0,5 impulsions/m²) a conduit à une légère diminution de la précision de l’estimation (−3%). Cependant, la variabilité du nombre de placettes inventoriées, la précision de positionnement et la taille des placettes, impactent de manière significative la performance du modèle. Pour obtenir un modèle robuste, un minimum de 40 placettes inventoriées, un positionnement précis des placettes de 5 m ou moins, ainsi que des placettes inventoriées sur un rayon supérieur à 13 m sont recommandés. Le seuil de recensabilité des arbres ainsi que le choix de l’équation allométrique se sont avérés avoir un impact moindre sur la précision des modèles. De plus, les précisions sur la mesure du diamètre à hauteur de poitrine et sur celle de la hauteur des arbres ne représentent respectivement qu’une contribution mineure et négligeable à l’erreur commise sur l’estimation de la biomasse. Les coûts relatifs aux inventaires de terrain devront encore rester significatifs pour assurer des modèles lidar de qualité. Cependant, en réduisant la densité d’impulsion, des économies peuvent être faites lors du survol lidar.

Lire la suite]]> Les premières cartes résultant de la modélisation des caractéristiques forestières par télédétection ont été présentées lors de la réunion du 26 mars. La méthodologie se base sur l’utilisation de données acquises par un capteur lidar aéroporté et la calibration des modèles d’estimation grâce des placettes réalisées sur le terrain. Les premiers résultats sont présentés sur ce diaporama.

Lire la suite]]> Des placettes d’inventaire ont été réalisées en forêt, afin :

• de mieux connaître les forêts du PNR du Massif des Bauges, en constituant l’état initial d’un observatoire permanent des forêts.
• de constituer des points de calibration qui permettront de caler les estimations forestières à partir des données de télédétection.

L’inventaire s’est déroulé de mai à octobre 2018. Les informations sur le déroulement, le protocole appliqué ainsi que les premières statistiques de ce qui constituera l’observatoire permanent des forêts du PNR ont été présentées lors de la réunion du 26 mars 2019. Plus d’informations sont disponibles dans les documents suivants :

• article présentant la préparation de l’inventaire.
• diaporama de présentation du déroulement et des résultats.

Les placettes d’inventaire ont servi également à calibrer des modèles d’estimation des caractéristiques des forêts permettant une cartographie des forêts par télédétection Lidar.

Les données permettront également une meilleure connaissance des forêts du territoire et seront valorisées dans le cadre de la révision de la Charte Forestière.

Lire la suite]]> La cartographie de la ressource forestière sera faite en développant des modèles qui permettent de prédire des paramètres forestiers à partir de variables qui sont issues des nuages de points 3D Lidar et qui traduisent les propriétés de structure du peuplement.

L’élaboration des modèles se fait de préférence par type de peuplement et nécessite pour chaque type un nombre suffisant de placettes inventoriées sur le terrain (a minima 20, si possible 50 ou plus). Les nuages de points Lidar sont extraits au niveau des placettes inventoriées sur le terrain et un modèle est construit pour relier le paramètre forestier que l’on souhaite cartographier, par exemple la surface terrière ou le volume de bois marchand, aux caractéristiques des nuages de points lidar des placettes. Ces caractéristiques sont exprimées sous la forme d’une série de variables, encore appelées métriques, qui comprend par exemple, la hauteur moyenne des points Lidar, l’écart-type de ces mêmes points, les percentiles de la distribution en hauteur des points Lidar, des informations sur la densité des points par tranches de hauteurs, etc… Ces métriques globales sont, le cas échéant, complétées par des métriques calculées après avoir segmenté le nuage de point pour identifier les arbres dominants et analysé les propriétés de ces arbres (nombre dans la placette, surface moyenne des houppiers,…).

Des méthodes statistiques sont ensuite utilisées pour sélectionner les métriques les plus performantes pour prédire le paramètre forestier d’intérêt et pour établir le modèle permettant de calculer ce paramètre à partir des métriques retenues. Le modèle peut ensuite être extrapolé à la totalité de la zone d’étude. La figure ci-dessous schématise cette approche. Les partenaires du projet ont déjà développé plusieurs types de modèles pour prédire et cartographier des paramètres forestiers.

Principales étapes pour le développement d’un modèle d’estimation d’un attribut forestier et la réalisation d’une carte de cet attribut à partir de données lidar (figure adaptée de la fig. 1.2 de la thèse de M. Bouvier, 2015)

Références :

Bouvier M., Durrieu S., Fournier R.A., Renaud J.P. 2015, Generalizing predictive models of forest inventory attributes using an area-based approach with airborne LiDAR data. Remote Sensing of Environment, Vol. 156, pp. 322-334.

Monnet, J.-M., Chirouze, É., Mermin, É. 2015. Estimation de paramètres forestiers par données LiDAR aéroporté et imagerie satellitaire RapidEye – Étude de sensibilité. Revue Française de Photogrammétrie et Télédétection, 211-212, 71-80.

Munoz, A., Bock, J., Monnet, J.-M., Renaud, J.-P., Jolly, A., Riond, C. 2015, Evaluation par validation indépendante des prédictions des paramètres forestiers réalisées à partir de données de Lidar aértoporté. Revue Française de Photogrammétrie et Télédétection, Vol. 211-212.

Lire la suite]]> Le projet Protest prévoit de réaliser des placettes d’inventaire en forêt, afin :

• de mieux connaître les forêts du PNR du Massif des Bauges, en constituant l’état initial d’un observatoire permanent des forêts.
• de constituer des points de calibration qui permettront de caler les estimations forestières à partir des données de télédétection.

Afin d’assurer une représentativité des forêts du territoire par ces placettes, celles-ci sont réparties selon un échantillonnage systématique dans les forêts définies par la BD Forêt de l’IGN. Au total, près de 400 placettes seront inventoriées pour les besoins du projet, dont un peu plus de la moitié en forêt privée.

Les mesures seront réalisées en forêt publique par les agents de l’ONF, assistés par un stagiaire de Irstea. En forêt privée, les mesures seront réalisées par des agents de Irstea, appuyés par des agents du PNR ou de la Chambre d’Agriculture. Suite à une concertation organisée avec les organismes représentant la forêt privée du territoire, les conditions d’accès aux placettes situées en forêt privée ont été définies par arrêté préfectoral. L’accès est restreint aux personnels travaillant pour les besoins du projet, et n’est possible que si les propriétaires n’ont pas notifié leur refus après avoir été informés du projet par courrier individuel. Toutes les communes du territoire ont également été informées du projet par courrier. L’envoi du courrier aux propriétaires des parcelles concernées par les placettes d’inventaire a été réalisé par le PNR, avec l’appui de la Chambre d’Agriculture. Il ne sera fait aucun lien entre l’identité des propriétaires et les données collectées sur les placettes.  Ce travail d’information pour 209 placettes s’est traduit par 411 courriers (286 propriétaires en propre ou indivision, et 125 en bien non délimité). À la date du 15 juin, seuls 5 propriétaires ont exprimé leur souhait que leur parcelle ne fasse pas l’objet de mesures.

Le protocole de mesure pour chaque placette est tiré du protocole qui sera à terme mis en place sur l’ensemble des forêts publiques de Savoie. Les données prises sont :

• les données générales sur la placette (station forestière) et  relevé de la position pour pouvoir croiser avec les données de télédétection
• l’inventaire des arbres de plus de 17.5 cm de diamètre dans un rayon de 15m
• l’inventaire des perches
• l’inventaire de la régénération sur trois sous-placeaux de 2 m de rayon
• le relevés des bois morts sur pied et au sol de plus de 30 cm.

Aucune trace n’est laissée en forêt et sur les arbres, hormis :

• un fer à béton enfoncé dans le sol au centre de la placette, permettant de retrouver sa position lors de campagnes futures, l’objectif d’un observatoire permanent étant de caractériser la dynamique forestière d’un territoire via des mesures séparées de plusieurs années ;
• des marques temporaires à la craie sur les arbres permettant aux agents d’éviter les oublis et double-comptes. Ces marques disparaissent en quelques semaines.

La fin des relevés est prévues pour l’automne 2018. L’exploitation des données permettra ensuite :

• de calibrer des modèles d’estimation pour la cartographie des forêts par télédétection lidar.
• d’établir les premiers éléments de l’observatoire permanent des forêts du Parc naturel régional du Massif des Bauges.