Inventaires forestiers assistés par LiDAR aérien

Transcription

1 Inventaires forestiers assistés par LiDAR aérien Matthew Parkan Laboratoire des Systèmes d Information Géographique (LASIG) EPFL WHFF (OFEV), projet

2 Introduction (1) - Objectifs Dans le contexte des inventaires forestiers, le traitement des données du LiDAR aérien a pour principaux objectifs: Extraction d arbres individuels Morphométrie (dendrométrie) Identification des espèces

3 Introduction (2) Paramètres à l échelle de l arbre

4 Introduction (3) Paramètres à l échelle de la parcelle Paramètres Limites du peuplement Densité [#tiges / ha] Distribution des hauteurs Distribution des DHP Surface terrière totale [m 2 / ha] Volume total [m 3 / ha] Biomasse totale [kg] Composition en espèces

5 Introduction (4) Limites des relevés terrestres Travail intensif Coûts élevés par surface Restreints aux zones accessibles (topographiquement et administrativement) Positionnement des troncs sujet à des erreurs parfois importantes Mesure directe des hauteurs et de l étendue des couronnes difficile Biais subjectifs liés à l observateur Peu ou pas intégrés avec les relevés par télédétection

6 Introduction (5) Limites des relevés par télédétection Compétences et outils spécialisés nécessaires Fréquence d acquisition et résolution actuellement relativement basses Mesure directe du DHP difficile Manque d algorithmes robustes pour l extraction d arbres individuels (feuillus en particulier) Difficultés pour la validation (morphométrie et espèce) sur de grands échantillons Retard des standards et directives (e.g. coordination des relevés, formats de stockage/échange, procédures d évaluation de la qualité, législation) Difficultés à présenter les produits d une manière adaptée aux gestionnaires Peu ou pas coordonnés avec les relevés de terrain

7 Introduction (6) Bénéfices des relevés laser aériens Selon Mascaro et al. [1], un relevé laser aérien de toutes les forêts tropicales est possible avec seulement 5% des fonds déjà investis pour la réduction des émissions de carbone liées à ces forêts USGS [2] estime que les relevés laser aériens ont un rapport bénéfice/coût global situé entre 4.3 à 1 (estimation prudente) et 4.9 à 1 (estimation potentielle) : Domaine Conservation des ressources naturelles Estimation prudente Estimation potentielle $ M $ M Gestion des incendies $ M $ M Gestion des ressources forestières $ M $ M Gestion des habitats $1.510 M $4.020 M [1] J. Mascaro, G. P. Asner, S. Davies, A. Dehgan, and S. Saatchi, These are the days of lasers in the jungle, Carbon Balance and Management, vol. 9, no. 1, p. 7, Sep [2] National Enhanced Elevation Assessment (NEEA), United States Geological Survey (USGS), Mar

8 Introduction (7) Points clés du processus d inventaire Collecte Cohérence spatio-temporelle entre relevés terrestres et aériens Période d acquisition Résolution spatiale Traitement Extraction des arbres individuels (segmentation) Morphométrie (dendrométrie) Identification des espèces Interdépendance Diffusion Représentation Intégration au processus de gestion et décision Intégration avec les relevés terrestres

9 Collecte (1) Relevés terrestres (a) Les relevés terrestres sont indispensables à plusieurs titres, notamment: Ils servent de référence pour la calibration et la validation des algorithmes de traitement des données LiDAR (à condition d être spatialement et temporellement cohérents avec ces dernières) Ils permettent d effectuer des observations très détaillées (e.g. petits arbres, biodiversité, sécurité)

10 Collecte (2) Relevés terrestres (b) Cohérence spatiotemporelle avec les relevés aériens: Erreur typique du LiDAR aérien 10 cm Le degré de cohérence spatiale requis dépend de l échelle de travail (e.g. arbre, parcelle) Pour le travail à l échelle de l arbre, la différence de position tolérable p dépend du DHP et ne devrait pas dépasser 1 m: p arg min (DHP, 1) Autant que possible, les relevés terrestres doivent être effectuée de manière synchrone avec les relevés aériens

11 Collecte (3) Relevés terrestres (c) Méthode Erreur de position Coûts outils (est.) Temps de relevé Chevillère + boussole < 3 m < 100 CHF f(personnel, surface, densité, seuil DHP) Trilatération par télémètre laser (+ boussole) < 1 m < 300 CHF f(personnel, surface, densité, seuil DHP) Photogrammétrie < 1 m < 2000 CHF f(personnel, surface, densité) Récepteur GNSS (prof.) < 3 m CHF f(densité, surface, seuil DHP) Station totale + récepteur GNSS (prof.) Scanner laser terrestre + station totale + récepteur GNSS (prof.) < 5 cm CHF f(densité, surface, seuil DHP) < 10 cm CHF f(surface)

12 Collecte (4) Relevés terrestres (d) Bois de Chêne, VD Type: forêt de feuillus Surface: 2 ha Statut: réserve Topographie: plat Monitoring: placette WSL Boudry, NE Type: forêt mixte Surface: 2 ha Statut: exploité Topographie: pente, sud Monitoring: marteloscope (SFFN), IFN (WSL) Sauvabelin, VD Type: forêt de feuillus Surface: 1 ha Statut: forêt / parc Topographie: pente, sud-ouest Monitoring: marteloscope (SFFN)

13 Collecte (5) Relevés terrestres (e) Scanner laser, récepteur GNSS et station totale Capture simultanément la structure et la couleur (RGB) Le récepteur GNSS (en terrain découvert) et la station totale permettent de lier le nuage de points à un système de référence cartographique Permet d obtenir un relevé spatialement cohérent avec le LiDAR aérien

14 Collecte (6) Relevés terrestres (f) Télémètre laser Similaire à l approche de [1], mais employant les positions des troncs comme référence dans la trilatération 3D (résolution par moindre carrés) Permet de positionner les arbres manquants dans le relevé aérien Erreur planimétrique 1 m [1] I. Korpela, T. Tuomola, and E. Valimaki, Mapping forest plots: an efficient method combining photogrammetry and field triangulation, Silva Fennica, vol. 41, no. 3, p. 457, 2007.

15 Collecte (7) Période d acquisition Le choix de la période d acquisition dépend des produits désirés, du type de forêt (feuillus, conifères) et de la résolution Sans feuilles bon MNT, accès à la structure du branchage Avec feuilles moins bon MNT, bon modèle de canopée, perte d information sur le sous-bois Idéalement, deux vols consécutifs avec et sans feuilles

16 Collecte (8) Résolution spatiale Pour les arbres à feuilles/épines caduques, la résolution spatiale (points / m 2 ) a une influence prépondérante sur les traitements applicables et la gamme de produits dérivés: Faible (< 10 points / m 2 ) travail sur le MNH (canopée) Moyenne ( 10 et < 30 points / m 2 ) travail sur le MNH (canopée) ou le nuage de points (structure) Elevée ( 30 points / m 2 ) travail sur le nuage de points (structure) Pour les arbres à feuilles/épines persistantes, la résolution spatiale est moins importante, car la structure du branchage est généralement occluse

17 Traitement (1) Extraction des arbres individuels (a) Motivation: étape fondamentale dont dépend la morphométrie et l identification des espèces Intérêts de recherche Méthodes vectorielles (i.e. travail sur le nuage de points) Méthodes de squelettisation (i.e. estimation de la position de l axe central) Modèles auto-organisés et fractales (Mandelbrot) Modèles architecturaux (Hallé et al.) Lois allométriques biologiques (West et al.)

18 Traitement (2) Extraction des arbres individuels (b) Les arbres ont une configuration spatiale complexe Géométries non-conventionnelles Intersection de couronnes Occlusions (e.g. exclusion du sous-bois )

19 Traitement (3) Extraction des arbres individuels (c) Méthode évaluée I Algorithme: colonisation spatiale (Runions et al, 2007) Type: croissance auto-organisée Hypothèse: La structure du branchage résulte d un processus auto-organisé de compétition pour l espace et la lumière

20 Traitement (4) - Extraction des arbres individuels (d) (a) Trouver attracteurs locaux dans la zone perceptive (b) Propager nouveau point vers attracteurs (c) Supprimer attracteur situés dans le rayon destructif (d) Créer nouvelle branche

21 Traitement (5) - Extraction des arbres individuels (e) Méthode évaluée II Algorithme: vote géodésique Type: analyse structurale du graphe des k plus proches voisins Hypothèse: Le plus court chemin (géodésique) entre une feuille et la base du tronc représente approximativement la structure de branchage (pour les feuillus). Ce type de structure maximise la surface d échange tout en minimisant l utilisation d énergie (et de matériaux). Motif des chemins de raid de la fourmi E. Burchelli. Deneubourg et al., 1987

22 Traitement (6) - Extraction des arbres individuels (f) (a) Points de végétation ( ), de terrain ( ) et nœud ( ) (b) Graphe de voisinage et connexions au nœud via le terrain (c) Calcul des géodésiques depuis tous les points vers le nœud

23 Traitement (7) - Extraction des arbres individuels (g) (d) Calcul de la densité géodésique à chaque point et seuillage (e) Séparation des arbres individuels

24 Traitement (8) - Extraction des arbres individuels (h) - Géodesique

25 Traitement (9) - Extraction des arbres individuels (i) Résultats DHP # arbres # vrais positifs # faux négatifs # faux positifs cm cm > 50 cm Bonnes performances pour DHP > 40 cm L algorithme détecte aussi des arbres sous le seuil d inventaire (18 cm) Relevé terrestre (référence) Relevé aérien (segmentation)

26 Traitement (10) Morphométrie (a) Motivation: Estimer le volume de bois, identifier les arbres remarquables, surveiller la croissance et la régénération Intérêts de recherche: Estimation directe à partir du nuage de points Estimation indirecte par régression (modèles allométriques)

27 Traitement (11) Morphométrie (b)

28 Traitement (12) Identification des espèces (a) Motivation: améliorer les estimation morphométriques indirectes, améliorer les estimations de la valeur économique et écologique, modélisation des habitats Intérêts de recherche: Développement/évaluation d indices structuraux (e.g. indices de forme) Développement/évaluation d indices contextuels (e.g. altitude, co-occurence) Développement/évaluation d indices spectraux Algorithmes d apprentissage statistique

29 Traitement (13) Identification des espèces (b) Etapes 1. Relevés terrestres pour l entraînement et la validation 2. Création des variables de prédiction (indices) pour chaque arbres (segment) 3. Classification supervisée (apprentissage statistique) 4. Validation (i.e. quantification des erreurs de classification) 5. Généralisation

30 Diffusion (1) Représentations (a) Elevé (différent de la perception naturelle) Degré d abstraction Eléments à considérer: Erreurs liées à la représentation Degré d abstraction et échelle (zonale, arbres individuels, mixte) Variation temporelle Support interactif ou unilatéral Support mobile ou statique Faible (similaire à la perception naturelle) Intégration d informations contextuelles (e.g. chemins forestiers, bâtiments, rivières, etc)

31 Diffusion (2) Représentations (b) Zonale 2D Avantages Facile à produire et à traiter Information contextuelle facilement intégrable Portable (e.g. carte papier) Inconvénients Erreurs de hauteurs liées à l interpolation et aux hauteurs projetées Modèle Numérique de Hauteur (MNH) 2D catégorisé Pas d information sur le sous-bois et la topographie Interprétation parfois difficile

32 Diffusion (3) Représentations (c) L interprétation du MNH est sujette à des erreurs de hauteurs parfois importantes (dans les pentes)

33 Diffusion (4) Représentations (d) Zonale 3D Avantages Facile à produire et à traiter Interprétation plus simple que le MNH 2D Inconvénients Erreurs de hauteurs liées à l interpolation et aux hauteurs projetées Pas d information sur le sous-bois 3D nécessite une interactivité Modèle Numérique de Surface (MNS) 3D avec drapage des catégories de hauteurs Information contextuelle difficilement intégrable

34 Diffusion (5) Représentations (e) Zonale 3D Avantages Donnée brute Information sur le sous-bois Pas d erreurs liées au traitement (e.g. interpolation, hauteurs projetées) Inconvénients Interprétation difficile (objets difficiles à discerner) Nuage de points classé 3D nécessite une interactivité Information contextuelle difficilement intégrable

35 Diffusion (6) Représentations (f) Arbres individuels 2D Avantages Facile à interpréter et à traiter information contextuelle facilement intégrable Possibilité de varier couleur, forme et taille des marqueurs thématiquement Pas d erreurs liés à l interpolation et aux hauteurs projetées Portable (e.g. carte papier) Inconvénients Positions des troncs et hauteurs Nécessite segmentation

36 Diffusion (7) Représentations (g) Arbres individuels 3D Avantages Interprétation facile L information sur le sous-bois et la topographie est conservée Pas d erreurs liées à l interpolation et aux hauteurs projetées Inconvénients Nécessite segmentation 3D nécessite une interactivité Arbres individuels (couleurs adjacentes distinctes) Information contextuelle difficilement intégrable

37 Diffusion (8) Intégration au processus de gestion La réussite de l intégration nécessite une réflexion notamment au niveau des: Outils informatiques (bureau/terrain) Méthodes de mesure utilisées lors des relevés terrestres Formats d échange Moyens de distribution (e.g. accessibilité en ligne)

38 Conclusion Coordination rapprochée nécessaire entre relevés terrestres et aériens Nécessité de considérer toutes les étapes interdépendantes du processus (collecte, traitement, diffusion) La segmentation d arbres individuels est l étape clé du traitement L interactivité est importante pour saisir toute l information contenue dans la donnée LiDAR et pouvoir choisir le mode de représentation adéquat

39 Remerciements Fonds pour les Recherches Forestières et l Utilisation du Bois (WHFF, OFEV), projet Etats de Vaud, Neuchâtel, Jura et Fribourg Laboratoire de Topométrie (TOPO, EPFL) Institut de Géomatique et d Etude des Risques (IGAR, UNIL)