Fiche détaillée
| Id | 381 |
| Auteur | Lambiel Audrey |
| Titre | Cartographie des espèces principales d’arbres du parc naturel régional Gruyère Pays-d’Enhaut à partir de données hyperspectrales. |
| Sous-titre | |
| Résumé | Cette étude a pour but de produire une carte de la distribution des principales espèces d’arbres (épicéa, sapin blanc, érable des montagnes, frêne commun et hêtre commun) présentes sur le territoire du parc naturel régional Gruyère Pays-d’Enhaut. Pour cela, nous avons utilisé un modèle Random Forest afin de classifier les images hyperspectrales (425 bandes spectrales ; résolution spatiale de 2 m) disponibles pour le territoire du parc. Ces dernières ont été acquises par la technologie AVIRIS-NG, lors de survols réalisés en juillet 2021. Le modèle a été calibré avec des données de terrain (position GPS précise d’arbres dont l’espèce est connue), celles-ci ayant été collectées au début du mois de juin 2022. La production des cartes finales a également nécessité le traitement de données LiDAR, afin de calculer un modèle de hauteur de canopée, nous permettant in fine de délimiter individuellement les arbres présents sur l’aire d’étude. Le modèle présente de bons résultats (précision = 0.73 ; Kappa = 0.64 ; AUC = 0.79), ceux-ci étant comparables à ce qui peut être retrouvé dans la littérature. Les proportions et la distribution spatiale des cinq espèces dans les cartes finales sont cohérentes avec ce qui peut être observé dans la réalité. Le modèle présente toutefois des difficultés à identifier les sapins blancs, qu’il a tendance à confondre avec des épicéas. Ce point pourrait être amélioré avec des données d’entrainement de meilleure qualité. Cependant, et compte tenu de l’étendue de la zone d’étude et du nombre relativement limité de données d’entrainement, la validation du modèle avec un jeu de données complètement indépendant (observations du 4ème inventaire forestier national) laisse imaginer une très bonne capacité du modèle à être généralisé. Les cartes produites présentent des applications multiples pour les gestionnaires du parc mais aussi pour la communauté scientifique : elles peuvent par exemple être utilisées comme un outil pour l’élaboration de plan de gestion des ressources forestières et/ou pour la mise en place de mesures de conservation de la biodiversité. Dans un futur proche, nous souhaitons utiliser les résultats de cette étude afin d’étudier les interactions possibles entre services écosystémiques et biodiversité. |
| Summary | The aim of this study was to produce a map of the distribution of the main tree species (spruce, silver fir, mountain maple, common ash and common beech) found in the Gruyère Pays-d'Enhaut Regional Nature Park. To do this, we used a Random Forest model to classify the hyperspectral images (425 spectral bands; 2 m spatial resolution) available for the park area. The images were acquired using AVIRIS- NG technology during overflights in July 2021. The model was calibrated with field data (precise GPS position of trees of known species), which was collected at the beginning of June 2022. The production of the final maps also involved processing LiDAR data in order to calculate a canopy height model, which ultimately enabled us to delimit the individual trees present in the study area. The model produced good results (accuracy = 0.73; Kappa = 0.64; AUC = 0.79), comparable to those found in the literature. The proportions and spatial distribution of the five species in the final maps are consistent with what can be observed in reality. However, the model has difficulty identifying white fir, which it tends to confuse with spruce. This point could be improved with better quality training data. However, given the size of the study area and the relatively limited amount of training data, validation of the model with a completely independent dataset (observations from the 4th national forest inventory) suggests that the model has a very good capacity to be generalised. The maps produced have multiple applications for park managers and the scientific community: they can be used, for example, as a tool for drawing up forest resource management plans and/or for implementing biodiversity conservation measures. In the near future, we hope to use the results of this study to investigate possible interactions between ecosystem services and biodiversity. |
| Volee | 2021 |
| Soutenance | 2023-08-06 |
| Sujet | Classification/Télédétection/Arbres/Suisse/AVIRIS-NG/Random Forest |
| Diffusion interdite |