Approche de fusion de données de télédétection pour surveiller la dégradation des forêts : une nouvelle étude

Face aux changements climatiques mondiaux et à l'intensification des activités humaines, les forêts du monde entier sont menacées par divers ravageurs, agents pathogènes et maladies. Ces menaces compromettent la santé, la résilience et la productivité des forêts naturelles et des plantations forestières.

La gestion efficace de ces problèmes exige une détection et une intervention précoces, ce qui s'avère complexe sur de vastes étendues. Conscients de l'importance de cette question, les chercheurs ont mis au point de nouvelles technologies, basées sur les données d'observation de la Terre, pour surveiller et gérer la dégradation des forêts.

Une étude récente présente une approche d'apprentissage automatique pour identifier les forêts endommagées à partir d'images de télédétection open source de Sentinel-2, complétées par des données de Google Earth. Cette approche cible spécifiquement les forêts boréales touchées par le scolyte Polygraphus proximus Blandford.

L'étude a combiné l'imagerie par télédétection et des algorithmes d'apprentissage automatique pour détecter et évaluer les dommages causés aux forêts. Voici un bref résumé de leur méthodologie et de leurs conclusions :

• Annotation d'images et développement d'algorithmes : Les chercheurs ont commencé par annoter les images disponibles sur Google Earth selon les canaux correspondant à la perception naturelle des couleurs (rouge, vert et bleu). Ils ont ensuite appliqué des réseaux neuronaux profonds à deux formulations de problèmes : la segmentation sémantique et la détection.
• Résultats expérimentaux : Grâce à leurs expériences, les chercheurs ont mis au point un modèle qui évalue quantitativement et avec une grande précision les changements affectant les objets cibles. Ce modèle a obtenu un score F1 de 84,561, permettant de déterminer efficacement le nombre d'arbres endommagés et d'estimer les superficies occupées par les peuplements dépérissants.
• Intégration avec les images Sentinel-2 : Les masques de dommages obtenus à partir des images haute résolution ont été intégrés aux images Sentinel-2 de résolution moyenne. Cette intégration a permis d'atteindre une précision de 81,26%, rendant la solution adaptée aux systèmes de surveillance opérationnelle. Cette avancée offre une méthode rapide et économique pour identifier les forêts endommagées dans la région.
• Ensemble de données annotées unique : De plus, les chercheurs ont constitué un ensemble de données annotées unique afin d'identifier les zones forestières endommagées par le coléoptère polygraphe dans la région étudiée. Cet ensemble de données est précieux pour les recherches et les efforts de surveillance futurs.

La détection précoce et la quantification de la dégradation des forêts grâce à cette approche de fusion de données de télédétection offrent des perspectives prometteuses pour les stratégies de gestion et de conservation des forêts. En permettant une intervention rapide, ces technologies peuvent contribuer à limiter la propagation des dommages et à soutenir des pratiques de gestion durable des forêts.

Bien que l'article complet détaillant cette recherche n'ait pas encore été publié, ce résumé préliminaire met en lumière le potentiel de l'intégration des données de télédétection aux techniques d'apprentissage automatique avancées pour répondre au problème urgent de la dégradation des forêts. À mesure que ces technologies évoluent, elles joueront un rôle crucial dans la protection de nos forêts face aux menaces croissantes que représentent les changements climatiques et les activités humaines.

Restez à l'écoute pour la publication complète de cette recherche novatrice, qui apportera sans aucun doute de nouvelles perspectives et applications dans le domaine de la gestion forestière.

Source: https://www.frontiersin.org/journals/environmental-science/articles/10.3389/fenvs.2024.1412870/abstract