L’inventaire forestier multi-sourcepermet d’améliorer significativement l’estimation des attributs forestiers (volume, hauteur, structure) en combinant, par des approches de modélisation et d’estimation, les données d’inventaire de terrain avec des données auxiliaires spatialisées. Parmi ces dernières, les données tridimensionnelles issues du LiDAR aéroporté et de la photogrammétrie s’avèrent particulièrement pertinentes, car elles offrent une meilleure sensibilité aux variations de structure forestière que les données optiques ou radar, notamment dans les zones à forte biomasse où ces dernières peuvent saturer. En France, la mise en œuvre de ces méthodes a été fortement accélérée par le programme LiDAR HD de l’IGN, qui fournit un modèle numérique de terrain (MNT) de haute précision à l’échelle nationale. Ce programme ouvre également la voie à un renouvellement régulier de l’information forestière, notamment via des acquisitions photogrammétriques répétées à l’échelle départementale, avec une fréquence cible de l’ordre de trois ans.
Parallèlement, les progrès récents en intelligence artificielle, notamment en apprentissage profond, permettent d’exploiter pleinement les bases de données de télédétection — qu’elles soient issues du LiDAR aéroporté, du LiDAR spatial, de la photogrammétrie ou encore des capteurs satellitaires comme Sentinel — pour produire des estimations spatialisées plus fines, plus fréquentes et plus robustes d’attributs forestiers, ouvrant des perspectives sur le monitoring des forêts. Cette présentation revient sur les travaux menés au LIF dans ce domaine et souligne en particulier les enjeux liés à l’utilisation des cartes prédictives, notamment le risque de biais lorsqu’elles sont utilisées à des échelles fines ou en dehors des domaines bien couverts par les données de calibration. Elle met en avant l’intérêt des approches assistées par le modèle, qui permettent de mieux quantifier l’incertitude, de corriger les biais potentiels et d’assurer une meilleure robustesse dans les estimations, notamment pour des applications locales où la précision et la fiabilité des données sont cruciales.
Cédric Vega est directeur de recherche à l’Institut géographique national (IGN), en France. Ses recherches portent sur la télédétection des écosystèmes forestiers, en particulier à l’aide du lidar, de la photogrammétrie et de l’imagerie optique à très haute résolution. Il s’intéresse tout particulièrement au développement de méthodes permettant à la fois de surveiller la structure et la dynamique des forêts et d’estimer leurs paramètres biophysiques.
👉 Lien TEAMS ICI 👈👈