Identification de l'espèce d'arbres individuels à partir de données d'un balayeur LIDAR multispectral aéroporté

Budei, Brindusa Cristina (2020). « Identification de l'espèce d'arbres individuels à partir de données d'un balayeur LIDAR multispectral aéroporté » Thèse. Montréal (Québec, Canada), Université du Québec à Montréal, Doctorat en sciences de l'environnement.

Fichier(s) associé(s) à ce document :
[img]
Prévisualisation
PDF
Télécharger (5MB)

Résumé

L’identification de l’espèce est cruciale pour l’inventaire forestier. L’automatisation de la séparation des arbres individuels, de l’identification de leur espèce et de l’évaluation de leurs propriétés, comme la hauteur, peut améliorer la prise de décision dans la gestion forestière. En télédétection, la technique standard pour l’identification des espèces utilise l’information spectrale obtenue avec les images des capteurs passifs multi ou hyperspectraux. Le balayeur laser aéroporté (BLA) monospectral à retours discrets, a une capacité de séparation d’un nombre limité d’espèces (souvent entre feuillus et conifères), avec des variables calculées à partir de la hauteur ou de l’intensité des retours. L’apparition des lidars multispectraux (LMS) offre l’opportunité d’utiliser une information spectrale améliorée par rapport aux balayeurs laser monospectraux, en permettant de réaliser des différences d’intensité entre les canaux, comme des ratios ou des indices normalisés. Le lidar multispectral Titan de Teledyne Optech Inc., issu en 2014, est le premier système aéroporté avec trois lasers intégrés (canaux C1, C2, C3) qui balayent avec des longueurs d’onde différentes (respectivement 1550, 1064, et 532 nm) et différents angles de balayage (respectivement inclinée de 3,5°, 0° et 7° par rapport au plan vertical). L’objectif de cette étude est de tester l’exactitude de l’identification des espèces d’arbres en utilisant un LMS aéroporté. Les objectifs spécifiques sont d’évaluer : 1) l’amélioration de l’exactitude de l’identification des espèces par rapport à celle obtenue avec un lidar monospectral, 2) l’influence d’une caractéristique de l’arbre, la hauteur, sur l’exactitude de l’identification des espèces et 3) l’influence d’un paramètre de l’enregistrement, l’angle de balayage, sur l’exactitude de l’identification des espèces. Deux enregistrements ont été acquis dans la région de Toronto, Canada, en différents type de milieux (arbres urbains, en plantation ou en forêt mixte). Pour le premier objectif dix espèces de feuillus et conifères ont été utilisés. Pour les deux derniers objectifs six espèces de conifères en plantation ont été utilisés. L’identification de l’espèce a été réalisée par l’algorithme de forêt aléatoire (random forest). Pour l’objectif 1), les résultats de classification avec des variables 3D et d’intensité calculées à partir de chaque canal séparément (monospectral) ont été comparés à ceux obtenus avec des variables calculées avec tous les canaux (multispectral). Le LMS a présenté une amélioration significative quand le nombre de classes a été élevé. L’erreur out-of-bag a été de 3-5% pour la classification feuillu-conifère, 13%-20% pour sept genres et 24% pour dix espèces. L’exactitude de l’identification de l’espèce peut être améliorée en utilisant le LMS par rapport aux systèmes BLA monospectral, surtout quand la diversité des espèces est assez grande (sept espèces ou plus). Pour l’objectif 2), malgré la normalisation des variables 3D selon la hauteur de l’arbre, la corrélation de ces variables avec la hauteur de l’arbre reste encore élevée dans certains cas (r2 jusqu’à 0.6). Pour réduire l’influence de la hauteur de l’arbre dans l’identification de l’espèce, plusieurs stratégies de classification ont été testées a) utiliser toutes les variables, sans stratification en fonction de la hauteur, b) considérer seulement les variables qui ne varient pas en fonction de la hauteur de l’arbre et c) entraîner des classificateurs différents par strate de hauteur. La précision de la stratégie b) a été plus faible, certaines variables utiles étant exclues à cause de leur variation en fonction de la hauteur de l’arbre. La stratégie c) offre une amélioration limitée par rapport à la stratégie a). L’exactitude de la classification a été évaluée en tenant compte de différentes approches pour traiter les arbres pour lesquels il y a des variables qui ne peuvent pas être calculées. Une approche hybride de classification est proposée pour utiliser des variables complexes pour les grands arbres et des variables plus robustes pour les petits arbres. Pour l’objectif 3), l’influence de l’angle de balayage (jusqu’à 20°) sur l’exactitude de la classification des espèces d’arbres est limitée pour une faible variation d’élévation du terrain (40 m), entre 1% (toutes les variables) et 8% (variables 3D seulement). La normalisation de l’intensité selon la portée améliore l’exactitude avec 8% pour les classifications qui utilisent seulement des variables d’intensité monospectrales (canaux individuels). Cette amélioration décroît (2-4%) quand des variables qui ne changent pas de valeur après la normalisation ont été ajoutées, comme les variables 3D ou les variables d’intensité multispectrales (indices normalisés). Le LMS est un système de télédétection prometteur, pour extraire de l’information utile pour l’identification des espèces. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : identification d'espèce d'arbre, lidar multispectral, intensité, random forest, Titan, angle de balayage, hauteur de l’arbre.

Type: Thèse ou essai doctoral accepté ()
Informations complémentaires: Fichier numérique reçu et enrichi en format PDF / A.
Directeur de thèse: Fournier, Richard
Mots-clés ou Sujets: Arbres / Espèces (Biologie) / Identification / Imagerie multispectrale / Lidar / Télédétection
Unité d'appartenance: Instituts > Institut des sciences de l'environnement (ISE)
Déposé par: Service des bibliothèques
Date de dépôt: 20 avr. 2021 12:34
Dernière modification: 20 avr. 2021 12:34
Adresse URL : http://archipel.uqam.ca/id/eprint/14193

Statistiques

Voir les statistiques sur cinq ans...