Estimation de l'état sanitaire des peuplements de hêtre au Grand-Duché du Luxembourg à l'aide d'images aériennes

Details

Supervisors

Ponette, Quentin ; Titeux, Hugues

Faculty

Faculté des bioingénieurs

Degree label

Master [120] : bioingénieur en sciences et technologies de l'environnement, à finalité spécialisée

Abstract

À la fin août 2020, des traces de rougissements ont été observées dans les peuplements de hêtres au Grand-Duché du Luxembourg, suite à une longue période de sècheresse. Cependant, l'ampleur de ce phénomène et ses conséquences à long terme ne sont pas encore connues. Les effets des sécheresses répétées de 2018, 2019 et 2020 ont été constatées. Il est nécessaire d'étudier leur impact sur la santé des hêtres à long terme. C'est dans ce contexte qu'un projet de collaboration entre l'UCLouvain et Lux-Sense a été lancé pour identifier les zones où les effets des canicules et des sécheresses sont les plus marqués. Ce mémoire s'inscrit dans ce projet et vise à affiner les méthodes d'interprétation des images aériennes pour quantifier les processus pouvant entraîner un changement de couleur ou une défoliation chez les hêtres. Différentes méthodes ont été testées afin d'améliorer les interprétations des images aériennes dans le cadre de la surveillance de l'état sanitaire du hêtre commun. La première méthode d'analyse passe par la mise en place d'un modèle de classification d'images basé sur l'apprentissage profond. Le type de modèle utilisé est un réseau de neurones convolutif. Ce modèle entraîné est utilisé de différentes façons, il sert dans un premier temps à différencier le hêtre et le chêne sur base des images aériennes des houppier des deux essences. Ces deux essences majoritaires des forêts grand-ducales côtoient généralement les mêmes milieux. Il est primordial de les différencier sur base d'images aériennes. Le modèle a montré des performances encourageantes avec une exactitude sur de nouvelles données atteignant 92,5%. Dans une seconde étape, le modèle CNN est utilisé afin de caractériser l'état sanitaire du hêtre commun. Trois modèles ont été mis en place. Le premier a pour but de classer les images aériennes selon la coloration du feuillage, le second classe les images en fonction de la présence de branches mortes et le dernier modèle classe selon le pourcentage de défoliation. Les 3 modèles entrainés obtiennent des résultats plus décevants sur de nouvelles données. L'exactitude des modèles se trouve entre 60 et 70%. La perte (elle est calculée en comparant les prédictions du modèle aux véritables étiquettes de classe ou aux valeurs cibles des échantillons de test sur les nouvelles données) se trouvent entre 0,65 et 0,75 indiquant la difficulté des modèles à généraliser sur de nouvelles images. Ces 3 modèles ont entre 56 et 77 images pour leur entraînement quand le modèle de différenciation s'entraîne avec 1090 images. Cela permet d'expliquer en partie les performances réduites des 3 modèles sur l'état sanitaire du hêtre commun. Cette étude propose également un suivi de l'état sanitaire du hêtre sur base des indices de végétation NDVI (l'indice de végétation par différence normalisée) et du GNDVI (l'indice de végétation par différence normalisée en vert). Les indices ont été mis en relation avec des observations de terrain effectuées sur l'état sanitaire du hêtre. Des tests de corrélation ont été effectués dans le but de savoir si les indices de végétation basés sur les images aériennes sont de bons indicateurs de l'état sanitaire du hêtre. Les résultats sont décevants, car bien que les tests de corrélation révèlent l'existence d'une relation statistiquement significative, ils n'expliquent que de manière limitée la variabilité des indices à partir des observations sur le terrain