Use of digital canopy height models to improve forest resource assessments at  local and regional levels.

Responsable scientifique : Jean-Pierre Renaud (ONF – Pôle R&D de Nancy)

Partenaires Labex : L. St-André (BEF), F. Ningre (LERFoB)

Collaboration : Jean-Christophe Hervé & Cédric Véga (LIF, IGN); Marc Pierrot-Deseilligny (ENSG, IGN) ; Philippe Lejeune & Jonathan Lisein (Univ. Liège-Gembloux) ; Nicolas Barbier (IRD, UMR AMAP) ; Sébastien Conil (OPE, ANDRA) ; Anne Jolly, Jérôme Bock & Alain Munoz (ONF)

____________________________

Contexte— Les récents développements dans le domaine du LiDAR aéroporté à balayage offrent de nouvelles possibilités pour estimer et cartographier différents attributs forestiers et améliorer la précision des inventaires.

Objectifs— Dans cette étude, deux méthodes de segmentation des nuages de points LiDAR ont été utilisées afin d’obtenir de nouvelles variables et d’évaluer leur apport sur la précision d’estimation de la hauteur dominante, de la surface terrière et du volume, sur trois sites forestiers contrastés.

Démarche— L’originalité de cette approche vient de l’utilisation conjointe de variables de segmentation et de métriques standards de distribution de hauteur dans le cadre d’une approche « placette ». Les précisions obtenues à l’aide des variables de segmentation ont été comparées à celles obtenues par l’approche « placette » initialement proposée par Næsset (1997) (un pionnier dans le domaine).

Résultats et impacts attendus — Cette approche novatrice permettra d’améliorer les modèles prédictifs de variables dendrométriques à partir de données de télédétection et facilitera l’évaluation de la ressource à des échelles plus locales. Elle ouvre également des perspectives nouvelles pour alimenter les modèles de dynamique forestière.

Résultats marquants —

Les résultats confirment l’avantage de combiner les 2 méthodes.

• Pour la surface terrière et le volume, des R² de 0.92 et 0.95, et une erreur quadratique moyenne de 4.6 m²/ha (16%) et 72.4 m³/ha (17%) ont été respectivement obtenus.
• Pour la hauteur dominante, l’erreur du modèle avoisine l’erreur de mesure sur le terrain (estimée inférieure à 1 m).

Principales conclusions  — Il semble donc que l’intégration de variables issues de la segmentation de houppiers permette d’améliorer l’estimation des attributs forestiers. La robustesse de ces résultats reste à évaluer sur un plus grand nombre de peuplements et sur des configurations d’acquisition LiDAR variées.

Perspectives — Cette étude ouvre des perspectives intéressantes sur l’utilisation de MNH pour estimer les attributs forestiers, notamment, elle permet d’envisager l’utilisation de MNH photogrammétriques issus de photos aériennes de l’IGN, régulièrement disponibles (à tous les 3 à 5 ans) sur tout le territoire métropolitain.