Approche multi-capteurs pour la cartographie par télédétection des ressources ligneuses en Wallonie : application à la commune de Paliseul

Abstract

L'objectif de ce travail est de mettre en place une méthode de cartographie forestière à l'aide d'une synergie de capteurs de résolutions spatiale, temporelle et radiométrique différentes. La carte est générée sur la commune de Paliseul, en Ardenne belge, et est destinée au gestionnaire forestier ainsi qu'à la filière bois, dans un but de caractérisation de la ressource ligneuse. Trois types de données ont été utilisées: des ortho-images (2012-2013), un Modèle Numérique de Hauteur (MNH) (2014) et de l'imagerie satellitaire du satellite Sentinel-2A (S2) (2016). Les données à très haute résolution spatiale (orthophotos et MNH) entrent dans un traitement de segmentation d'image sur eCognition. Ensuite, l'information S2 permet de caractériser les segments pour la classification par objet à l'aide du modèle Random Forest. La qualité des modèles et résultats a été évaluée grâce à une matrice de confusion. Le résultat final de la classification par objet est une carte de l'occupation du sol en forêt avec une précision du producteur moyenne estimée à 73,6% (entre 47% et 100% selon les classes forestières) et une précision du consommateur moyenne de 62,1% (entre 3% à 95% selon les classes forestières). Ces résultats sont prometteurs, d'autant que les confusions entre les classes trouvent souvent une explication concrète sur le terrain. Les pistes d'amélioration sont nombreuses et concernent notamment la révision et évaluation de la qualité de la segmentation, la rectification de la légende de classification et l'amélioration de la base de données d'entrainement. L'acquisition de données mises à jour et synchrones permettrait d'augmenter la précision de la méthode actuelle mais également de bénéficier à de nouvelles applications. La perspective d'une cartographie dynamique pour le suivi régulier et précis de nos forêts est un challenge.

The aim of this study is to develop a multi-sensor approach for the mapping and the characterisation of wood resources in a municipality of Wallonia, Paliseul. This cartography should help the forest manager and the wood sector for the characterisation of natural resources of our forests. We used different sources of Remote Sensing information: Aerial imagery (2012-2013), a Digital Elevation Model (DEM) (2014) and satellite imagery from Sentinel-2A (S2) (2016). Data with high spatial resolution (aerial imagery and DEM) were used in an image segmentation processing with eCognition. Then S2 information is needed to describe objects in an object-based classification with the Random Forest model. The accuracies of models and maps were evaluated. Final results of the cartography of the forest land cover with an object-based approach showed an average producer accuracy of 73,6% (between 47% and 100% depending on the forest class) and an average consumer accuracy of 62,1% (between 3% and 95% depending on the forest class). These results are promising especially because the class confusion can mostly be explained practically on the field. There are many potential solutions that might help us to improve this map. For example, we can improve and evaluate segmentation quality, revise the classification legend and improve our training data. Updated and ideally synchronous data should increase the accuracy of the current method but also facilitate new applications. More research is needed to develop a dynamic map for constant and precise forest monitoring in a context of sustainable forest management.