JEAN-ROMAIN ROUSSEL, étudiant au doctorat Exploitation des

JEAN-ROMAIN ROUSSEL, étudiant au doctorat
Exploitation des données du LiDAR aéroporté pour prédire les propriétés
structurales des forêts
Direction : Alexis Achim
Codirection :
John Caspersen
Partenaire industriel :
À venir
Organisme subventionnaire : À venir
Date de début de projet :
Automne 2015
Date de fin de projet :
Été 2018
[email protected]
Problématique
Le LiDAR aérien permet d’acquérir un très grand nombre de points dans l’espace qui décrivent la forêt, et ce, de manière
extrêmement rapide. Il constitue alors un outil intéressant pour l’amélioration des inventaires forestiers en produisant des mesures
impossibles à réaliser par des techniciens sur place tant par leur quantité que par leur technicité.
Ces points bruts et diffus ne sont pas directement exploitables. Il faut donc apprendre à les interpréter. Pour cela il est nécessaire
de développer des algorithmes opérationnels ainsi que des modèles mathématiques permettant de transformer ces nuages de
points en informations structurées et sémantiques.
Des efforts de recherche sont menés afin d’appliquer cette technologie aux particularités de la forêt boréale canadienne.
Cependant, « avant que cette technologie puisse être adoptée avec confiance pour le suivi à long terme au Canada, des modèles
robustes pouvant être appliqués et validés pour des superficies de forêt vastes et complexes doivent être développés » (Thomas
et al. 2006).
L’objectif de la recherche
L'objectif général de ce projet est de développer des méthodes opérationnelles permettant de faire des prédictions à grandes
échelles dans des forêts de structure complexe. En effet, les études portant sur le LiDAR sont généralement très spécifiques.
Cela signifie que les résultats trouvés sont valables pour un jeu de données ou une forêt en particulier, mais qu’on ignore s’ils
sont généralisables. Nous souhaitons donc mettre en place des méthodes d'analyse permettant de donner des résultats
généralisables sur de grands territoires. . Les grands axes de recherche prévus sont les suivants :
1. Analyser comment différents jeux de données LiDAR peuvent être combinés pour être analysés ensembles. Les données ne
sont pas acquises de la même façon et avec les mêmes technologies. Les comparer n'a donc pas forcement de sens.
2. Chercher une méthode permettant de classifier à grande échelle la structure des forêts d'après une typologie. L'objet de ce
volet et la création d'un modèle de cartographie LiDAR.
3. Poursuivre et améliorer des travaux en cours sur le modèle de Spriggs (Université de Cambridge) qui utilise une prédiction
de la structure du couvert forestier afin d’inférer la structure diamétrale des forêts à partir des données LiDAR. Les volets 1
et 2 permettront de travailler à grandes échelles et de mieux contraindre le modèle de Spriggs.
Méthodologie
•
•
•
Association des données LiDAR
Pour étudier si et comment différent jeux de données LiDAR peuvent être associées nous étudierons comment les statistiques
dérivées évoluent en fonction de la densité de points, de la hauteur de survol ou du nombre de retours. Par ailleurs, notre jeu
de données permettra aussi de simuler des inventaires terrain de tailles variables afin de tester dans quelle mesure le l'effort
d'inventaire influence les résultats.
Approche typologique
Un grand jeu de données va permettre de classer de nombreuses parcelles selon une typologie basée sur les diamètres. À
partir des données dérivées du LiDAR et d'algorithmes de classement nous pensons pouvoir mettre en place une méthode
unique permettant de prédire le type d'une parcelle de forêt sur un grand territoire. La littérature aujourd'hui présente plutôt une
multitude de méthodes plus précises, mais non généralistes (applicables uniquement à un tout petit territoire).
Modèle de Rebecca Spriggs
Le modèle de Spriggs fonctionne en deux parties. La première vise à prédire des signatures dans les données LiDAR. La
deuxième vise à reconnaître ces signatures. Seule la première a été construite. Ici nous allons construire la seconde partie du
modèle. L'approche typologique (volet 2) donnera une vision globale à grande échelle, alors que cette approche est plus précise
et plus détaillée.
Applications potentielles et retombées industrielles
L'état de l'art aujourd'hui ne permet pas aux exploitants forestiers d'utiliser la technologie LiDAR en se basant sur les travaux
académiques. En effet, ils n'ont ni le temps ni les moyens ni les compétences pour adapter les travaux publiés à leurs forêts.
Travailler à grande échelle permet de proposer des méthodes applicables telles quelles partout. L'objectif de cette thèse est donc
de faire avancer la recherche dans cette direction et de proposer de modèles apportant aux exploitants et aux chercheurs des
moyens de répondre à leur questions non plus sur quelques centaines de kilomètres carrés, mais quelques milliers de kilomètre
carrés.