Analyse ITC d’images aériennes


Synergie avec le LiDAR

Bien que le focus principale de l'analyse à l'arbre près ITC a toujours été d'extraire de l'information forestière à partir d'images numériques (aériennes ou satellitaires), l'importance potentielle des données LiDAR dans ce processus ne doit pas être sous-estimé. La synergie avec des données LiDAR peut s'établir à plusieurs niveaux. À un extrême, avec des données expérimentales de haute densité (>10 retours/m2), les cimes peuvent être extraites directement d'images dérivées des données LiDAR (Leckie et al., 2003). Ici, nous discuterons des bénéfices dus aux données LiDAR de faible densité (0.5-1 retour/m2) qui sont de plus-en-plus disponibles (déjà très communes dans les pays scandinaves).

Les données aériennes LiDAR proviennent de retours d'impulsions Laser envoyées par le capteur vers le sol et sont souvent pré-séparées par leur fournisseur en premier et dernier retours, correspondant généralement pour les régions boisées au retours de la canopée et du sol (il exite aussi des capteurs LiDAR à retours multiples et à courbes d'amplitude complète, mais nous n'en discuterons pas ici). Une utilisation évidente de ces données est la création, en interpolant entre les retours, de modèles numériques de terrain (MNT) et de modèles numériques de surface (MNS), à partir desquels l'on dérive des modèles de hauteur du couvert (MHC) Les MNTs sont utilisés de multiples façons pour la planification des opérations forestières (p.ex., la construction des routes) et produisent des informations complémentaires lorsque combinés aux attributs forestiers provenant de l'inventaire (p.ex., qualité du site). Les MHCs peuvent utilisés pour estimer la hauteur des peuplements forestiers (occasionnellement, la hauteur des arbres) et peuvent devenir une composante importante lors de la délinéation de ces peuplements.

Bien que la force de l'approche à l'arbre près soit la délinéation, l'identification et le regroupement des cimes en peuplements forestiers (ou autres strates environnementales), ce qui produit une information très détaillée sur leur contenue, des mécanismes sont nécessaires pour contenir l'algorithme de délinéation aux zones boisées (c.à-d., séparer celles-ci des zones non-boisées). Souvent, des masques de zones non-boisées peuvent être créés en spécifiant de simples seuils à appliquer aux images de bandes spectrales spécifiques ou des image dérivées, tel les images d'index normalisés de végétation. Les zones boisées peuvent aussi être déterminés par des processus de segmentation d'images, d'analyse de texture ou de simples classifications non-dirigées d'images de moindre résolution. Des fois, l'information provenant d'une carte de base ou d'un viel inventaire forestier (typiquement, déjà sous forme numérique) peut aussi être utilisé dans un tel but. Malheureusement, ces méthodes ne peuvent que produire un masque assez grossier des zones non-boisées. Par contre, cela est souvent suffisant pour permettre aux algorithmes ITC de fonctionner correctement.

En utilisant ces techniques, des zones végétalisées (mais, non-boisées) ne sont souvent pas bien masquées (p.ex., trouées de la canopé, pâturins, clairières, etc.) et des zones boisées sont masquées par erreur due au manque de précision spatiale de certaines de ces techniques (p.ex., l'analyse de la texture). Ceci peut résulter en des erreurs de commissions ou d'omissions dans la délinéation des cimes, et plus généralement, dans de mauvais pourtours de cimes.

L'utilisation d'un simple seuil (< 2m) sur un modèle de la canopée dérivé des données LiDAR peut souvent permettre une stratification plus précise des zones boisées et non-boisées. L'effet de l'utilisation d'un tel masque pour contraindre l'analyse ITC aux zones boisées est illustré à la figure 1. Ici, les zones non-boisées telles les clairières et les trouées (a) sont exclus de l'analyse en utilisant un masque provenant des données LiDAR (b). L'algorithme de délinéation des cimes est ainsi contraint aux zones boisées (c). Prenez note qu'un seuil sur un MHC est l'une des rares techniques qui permettent au logiciel ITC d'isoler des arbres seuls sur fond végétatif (c). Malgré cela, les seuils de bandes spectrales sont encore très utiles pour créer toute sorte de masques d'intérêt spécifique tel que pour les routes, les zones de dépôt, les emprises, ou les bâtiments. Ces masques seront toujours utiles au produit final.

Les zones non-boisées tel les clairières et les trouées (a)   sont exclus de l'analyse ITC en utilisant un masque dérivé des données LiDAR (b);  l'analyse ITC subséquente est contrainte aux zones boisées (c). Photo : Silvatech Consulting Ltd., BC

Figure 1 - Les zones non-boisées tel les clairières et les trouées (a) sont exclus de l'analyse ITC en utilisant un masque dérivé des données LiDAR (b); l'analyse ITC subséquente est contrainte aux zones boisées (c). Photo : Silvatech Consulting Ltd., BC.

N.B. : Un modèle de hauteur du couvert (MHC) provenant de corrélations stéréoscopiques peut faire tout aussi bien l'affaire.


Statut du projet

  • En cours

Membre(s) de l'équipe