Cartographie à large échelle d’un degré de maturité écologique des forêts par télédétection multimodale et apprentissage profond

Résumé du projet

Les vieilles forêts, définies par leur ancienneté et leur maturité (Cateau et al., 2015), jouent un rôle écologique essentiel. Elles participent à la séquestration et au stockage du carbone (Luyssaert et al., 2008), constituent des refuges de biodiversité rares et spécialisés (Paillet et al., 2010) et contribuent à la régulation du climat, tant au niveau local que global (Watson et al., 2018). Toutefois, elles restent très rares (Massin, 2024) et insuffisamment protégées (Sabatini et al., 2020). L’Union européenne et la France prévoient une protection stricte de ces forêts ; pour atteindre cet objectif de conservation, il est indispensable de savoir précisément où elles se situent. Le repérage terrain consiste à relever des indices écologiques tels que la présence de bois morts ou de très gros bois vivants. Mais cette approche est longue et difficile à transposer à grande échelle. En revanche, les vieilles forêts présentent une structure irrégulière observable depuis le ciel. Cette hétérogénéité peut être caractérisée par télédétection, en combinant des modalités complémentaires (images infrarouge-couleur, hauteur de canopée, biomasse, images historiques). On fait l’hypothèse qu’un réseau de neurones peut apprendre à reconnaˆıtre ces motifs grâce à la fusion de données multimodales. L’objectif de ce travail est de développer un modèle basé sur la fusion de données pour détecter les vieilles forêts d’Occitanie. L’étude s’appuie sur un inventaire de vieilles forêts de plaine et de montagne en Occitanie couvrant 35 300 hectares. A partir de cet inventaire, 5 500 imagettes de 512×512 pixels ont été extraites et annotées en trois classes : sol, forêt et vieille forêt. Quatre modalités de télédétection ont été mobilisées— orthophotographies IRC, modèle de hauteur de canopée, carte de biomasse aérienne et orthophotos historiques — afin de capturer la structure irrégulière caractéristique des vieilles forêts. L’architecture multibranche MIPANet (Zhang and Xie, 2024) a été retenue et utilisée en testant différentes stratégies de fusion (précoce et tardive) pour évaluer la complémentarité des données. Plusieurs modèles ont été évalués. Dans un premier temps, chaque modalité a été testée individuellement afin d’en mesurer l’apport. Ensuite, des fusions bimodales ont été explorées pour identifier les combinaisons les plus complémentaires. Enfin, des modèles multimodaux intégrant un plus grand nombre de données ont été évalués. Les résultats montrent que lIRC est déjà une modalité très informative : le modèle entraîné uniquement sur l’IRC détecte 66 % des vieilles forêts. L’ajout de la biomasse en fusion précoce améliore les performances globales (+4 % de précision et +5 % d’IoU). Enfin, la combinaison multimodale complète — intégrant orthophotographies IRC, modèle de hauteur de canopée, images historiques et carte de biomasse — obtient les meilleures performances, avec 79 % de précision globale et 74 % de vieilles forêts détectées.

Compétences déployées

IA (développer un modèle de type CNN à plusieurs branches)