Application des techniques de photogrammétrie par drone à la caractérisation des ressources forestières | UAV Photogrammetry applied to the characterization of forest ecosystem ressources

Французский. Une gestion raisonnée et multifonctionnelle des forêts n’est possible qu’avec une description à jour de l’état de la ressource naturelle. Les inventaires forestiers traditionnels, réalisés sur le terrain, sont couteux et ne couvrent qu’un échantillonnage de la surface boisée. L’essor des drones civils pour la cartographie a initié une révolution dans le domaine de la télédétection environnementale. La polyvalence et la diversité des systèmes drones sont une aubaine pour la foresterie de précision. Ceux-ci sont utilisés pour la réalisation de cartographie très fine des habitats naturels avec une résolution temporelle et spatiale sans précédent. Nous explorons les possibilités d’utilisation de mini-drones pour la caractérisation quantitative et qualitative de la ressource forestière. Nous nous intéressons en particulier à l’estimation de la hauteur des arbres et à la caractérisation de la composition spécifique au sein de peuplements forestiers. La hauteur de la canopée est une variable dendrométrique de première importance : elle est un bon indicateur du stade de développement des peuplements et intervient notamment dans les estimations de biomasse ou de niveau de productivité. La composition spécifique est une information essentielle en regard des principales fonctions que remplit la forêt (conservation, production, récréation, etc). Nous avons comparé l’estimation de la hauteur des peuplements à partir de mesures LiDAR et celle obtenue par photogrammétrie. Bien que permettant une mesure de hauteur individuelle avec une incertitude de l’ordre de 1.04 m (RMSE) en feuillus, la photogrammétrie par drone sur des zones forestières est systématiquement moins précise que les mesures par LiDAR (RMSE de 0.83 m). Ces résultats sont cependant prometteurs, étant donné que la mesure sur terrain de la hauteur totale des arbres est également sujette à une importante imprécision. De plus, la grande flexibilité que confère les petits drones permet d’acquérir, au moment propice du stade de végétation, et l’information de relief de la canopée, et l’information spectrale. La période de fin de feuillaison, au début du mois de juin, s’est avérée le moment le plus propice à une discrimination automatique de cinq groupes d’essences feuillues (le chênes pédonculé, les bouleaux, l’érable sycomore, le frêne commun et les peupliers). Une erreur globale de classification des houppiers de 16% est obtenue avec des acquisitions monotemporelles, alors que l’utilisation d’images acquises à différentes dates permet encore d’améliorer cette classification (erreur globale de classification de 9% pour la meilleure combinaison de 3 dates). Les contraintes de la législation régissant l’utilisation des aéronefs sans pilote à bord restreignent le champs d’action des drones civils. Ainsi, afin d’assurer une sécurité pour tous les usagers de l’espace aérien, les opérations avec un drone sont limitées sous un seuil d’altitude et à une distance maximale du télépilote, ce qui ne permet pas une utilisation optimale de cette technologie pour la couverture de grands domaines forestiers (plusieurs milliers d’hectares). De plus, d’autres outils de télédétection utilisés en foresterie, tels que le LiDAR et l’imagerie satellite et aéroportée, sont plus compétitifs que les drones dès qu’il s’agit de couvrir de grandes surfaces (plusieurs milliers d’hectacre). C’est pourquoi nous pensons que les drones resterons un outils d’analyse de petites surfaces (dizaines voire centaines d’hectares), plus utiles à des fins de recherches scientifiques qu’à une utilisation en gestion forestière.