- Site officiel

 

VEN
10
DEC

De 11h00 à 12h00, en salle Zénith.

Café DOC avec Rim Douss :  "Fusion Lidar Multispectrale pour une gestion intelligente des forêts"

Résumé : Récemment dans la littérature, on s’intéresse de plus en plus à la fusion des données de télédétection multiplicateurs pour l’extraction directe du caractéristiques de la végétation nécessaires à la gestion durable des forêts . L’objectif principal de nos études est d’explorer la faisabilité de fusionner les données de deux types de capteurs afin d’améliorer l’évaluation de deux indicateurs de la structure forestière largement utilisés,c'est-à-dire la surface terrière (G) et l'indice de Gini (GINI). Au niveau du peuplement, la surface terrière est liée à la densité de la tige et au volume de bois et l'indice de Gini mesure la diversité structurelle du diamètre des arbres. Les nuages ​​de points à balayage laser aéroporté (ALS, capteur actif) ont été utilisés pour estimer les données d’inventaire au niveau du peuplement et des arbres, y compris la hauteur, les dimensions de la cime, le volume, la biomasse et la surface terrière . Cependant, les modèles dépendent des espèces. Les images multispectrales haute résolution Sentinel 2 (S2) peuvent améliorer la précision de l'identification des espèces d'arbres et devraient donc apporter des informations complémentaires pertinentes aux nuages ​​de points ALS . Pour notre cas d'étude, les coefficients de référence G et Gini ont été calculés à partir de la BD terrain au niveau des placettes. Un ensemble de variables ALS et Sentinel 2 ont également été calculés au niveau de la parcelle, pour évaluer les avantages de la fusion des images SLA et Sentinel afin d'améliorer la caractérisation de la structure forestière, 4 algorithmes de régression (modèle linéaire, régression partielle des moindres carrés, RF , SVM et kNN) ont été comparés au modèle G et GINI en fonction des seules variables ALS et Sentinel 2. Les modèles résultants ont été comparés sur la base des valeurs RMSE (Root Mean Square Error) et R².