Chaine de traitement pour la production de cartes forestières à partir de données LiDAR ou photogrammétriques

Les forêts jouent un rôle majeur dans la production de bois, la biodiversité, l’accueil du public et la protection contre les risques naturels. Une gestion durable des forêts nécessite une connaissance précise de la ressource, de sa répartition et des contraintes associées. Les méthodes traditionnelles d'inventaire permettant de caractériser la ressource forestière sont fastidieuses et manquent de précision spatiale. Cette étude explore l'utilisation du LiDAR et de la photogrammétrie pour améliorer l'inventaire et la cartographie des forêts de Chartreuse et de Savoie, deux régions des Alpes françaises. Une chaîne de traitement a été développée pour produire des cartes forestières à partir de données LiDAR ou photogrammétriques. La méthode implique la calibration de modèles mathématiques reliant des variables dendrométriques, mesurées sur des placettes de calibration, à des indicateurs statistiques dérivés du nuage de points 3D. Le nuage de points 3D de chaque placette est extrait en fonction des positions GNSS relevées sur le terrain. Les apex et les cimes des arbres sont détectés à l'aide de l'algorithme SEGMA, optimisé pour les arbres conifères et feuillus. Des métriques sont calculées aux niveaux de la placette et de l'arbre, et les modèles sont ajustés à l'aide de régressions linéaires ou par la méthode des forêts aléatoires (Random Forest). Le meilleur modèle est sélectionné après analyse de la distribution des erreurs. La zone d'intérêt est divisée en pixels unitaires, de taille équivalente aux placettes de calibration, et le modèle est appliqué pour générer des cartes des paramètres forestiers à l'aide de la plateforme Computree. Les résultats de deux études de cas sont présentés en utilisant des données LiDAR (20 pts/m² en Chartreuse, 4 pts/m² en Savoie) et des données photogrammétriques (résolution de 8 cm). Les données de calibration comprenaient 340 placettes en Chartreuse et 299 placettes en Savoie, où tous les arbres de plus de 17,5 cm de diamètre ont été mesurés sur 15 m de rayon, pour leur diamètre, leur position et leur essence. L'algorithme SEGMA a détecté entre 56 % et 68 % des arbres, avec les meilleures performances obtenues à partir des données LiDAR (65 % de détection, 14 % de fausses détections). Les modèles ont prédit les essences (feuillus/conifères) avec une précision de 70 à 80 % et le diamètre avec une erreur quadratique moyenne (RMSE) d'environ 9 cm (22 à 25 % d'erreur). Les prédictions pour la surface terrière (G), le diamètre quadratique (Dg) et la surface terrière des gros bois (GGB) présentaient des erreurs respectives de 29 à 33 %, 15 à 18 %, et 41 à 44 %, avec de meilleurs résultats en Savoie malgré une densité de points LiDAR plus faible. Cette étude démontre la faisabilité de la cartographie forestière à haute résolution à l'aide du LiDAR et de la photogrammétrie. Le LiDAR reste la méthode la plus précise, mais la photogrammétrie constitue une option viable pour la mise à jour des données dans les zones disposant de modèles numériques de terrain existants. Ces outils apportent une aide précieuse pour la gestion durable des forêts en fournissant des informations détaillées et spatialement explicites pour la prise de décision. Les avancées technologiques, telles que le LiDAR à mode Geiger, pourraient encore améliorer la surveillance des forêts.