Un cadre intégré de télédétection combine des données LiDAR aéroportées et terrestres avec des images multispectrales et satellitaires haute résolution (Sentinel-2, Landsat-8) pour produire des mesures évolutives et reproductibles de la structure, de la composition et de l'évolution des forêts. En stratifiant la sélection des parcelles selon les traitements de restauration et en appliquant un prétraitement rigoureux (filtrage des nuages de points, correction radiométrique, co-enregistrement), cette approche fournit des mesures précises de la hauteur du couvert forestier, de la diversité structurale et de la santé de la végétation, permettant d'évaluer et de suivre les trajectoires de restauration à l'échelle du paysage.
2.5.1 Justification
Les relevés de terrain traditionnels sont essentiels à la vérification sur le terrain, mais sont limités par le coût, le temps et l'accès physique, et ils produisent souvent une représentation spatiale limitée. Pour répondre aux exigences spatiales ou temporelles de la restauration des paysages forestiers à grande échelle (Chazdon et al., 2016), il est important de tirer parti des approches de télédétection capables de produire des mesures reproductibles et à haute résolution de la structure, de la composition et de l'évolution des forêts sur des zones vastes et inaccessibles (Valbuena et al., 2020). Parmi les outils les plus puissants dans ce domaine figure le LiDAR (Light Detection and Ranging), qui permet une caractérisation tridimensionnelle détaillée de la structure du couvert forestier et de la sous-couverte (Valbuena et al., 2017). Les mesures dérivées du LiDAR, telles que la hauteur du couvert, la fraction de trouée et la diversité de la hauteur du feuillage, sont des indicateurs fiables de propriétés écologiques clés comme la biomasse aérienne, le stade de succession et l'adéquation de l'habitat. De plus, le LiDAR permet de quantifier la diversité et l'hétérogénéité structurelles, des propriétés difficiles à mesurer manuellement mais essentielles à la conservation de la biodiversité, à la protection microclimatique et à la résilience écologique (Valbuena et al., 2012). Par exemple, le coefficient de Gini et l'asymétrie de Lorenz (Bourdier et al., 2016), ainsi que les moments L dérivés des distributions de hauteur LiDAR, peuvent être utilisés pour décrire l'inégalité de taille des arbres, la stratification de la canopée et la disponibilité lumineuse ; facteurs étroitement liés aux niches de régénération et à l'adéquation de l'habitat aux espèces dépendantes de la forêt (Toivonen et al., 2023). Ces données peuvent désormais être collectées à partir de multiples plateformes, notamment des drones, des aéronefs pilotés et des scanners laser terrestres, chacun adapté à différentes échelles et résolutions spatiales. De plus, l'imagerie multispectrale aérienne ou satellitaire provenant de capteurs tels que Sentinel-2 et Landsat-8 complète le LiDAR en capturant la dynamique temporelle de la santé de la végétation, de la phénologie et de la couverture terrestre qui s'est avérée utile pour surveiller la vigueur de la végétation et évaluer les processus de récupération précoce pendant la restauration (Valbuena et al., 2025).
2.5.2 Méthodes d'enquête
Dans le cadre du projet SUPERB, nous adoptons une stratégie intégrée de télédétection combinant LiDAR, imagerie multispectrale et satellite afin d'établir des bases de référence cohérentes et évolutives et de suivre l'évolution des forêts au fil du temps. Notre approche s'inspire des meilleures pratiques décrites dans la littérature et est conforme aux normes émergentes en matière de surveillance de la structure des écosystèmes (Wang et al., 2024). Chaque source de données a été sélectionnée pour sa pertinence à une échelle spatiale, une résolution ou un objectif écologique particulier, conformément aux recommandations de Valbuena et al. (2020).
Déploiement de la plateforme.
- Des relevés LiDAR aériens ont été réalisés à l'aide de drones équipés de capteurs LiDAR légers afin d'acquérir des données de nuages de points 3D haute densité sur des parcelles de restauration sélectionnées. La planification des vols a permis d'assurer un recouvrement adéquat et une densité de points suffisante (>10 pts/m²) pour une modélisation fiable de la canopée et du terrain.
- La numérisation laser terrestre (TLS) a été mise en œuvre sur des parcelles sélectionnées à l'aide de systèmes LiDAR fixes ou portables afin de capturer la structure détaillée du sous-bois et de la strate herbacée. Ces nuages de points haute résolution (jusqu'à 50 000 points/m²) ont servi à valider les mesures dérivées du LiDAR aéroporté et à évaluer la complexité au sein du peuplement.
- Des images multispectrales ont été acquises par drone équipé de capteurs calibrés capturant les bandes spectrales visible, rouge lointain et proche infrarouge. Les vols ont été effectués dans des conditions d'éclairage et phénologiques standardisées afin d'assurer la comparabilité des données, et ont servi au calcul d'indices de végétation tels que le NDVI, le NDRE et l'EVI à une résolution spatiale de l'ordre de 10 à 20 cm.
- Les données satellitaires Sentinel-2 (10–20 m) et Landsat-8 (30 m) ont été acquises via les plateformes Copernicus Open Access Hub et USGS Earth Explorer. Des scènes sans nuages ont été sélectionnées sur plusieurs années et phases phénologiques afin de permettre l'analyse chronologique de la régénération de la végétation, de l'occupation des sols et de l'évolution du couvert forestier.
La sélection des parcelles pour les campagnes de drones et de TLS a été stratifiée selon les types de restauration (par exemple, passive ou active), l'âge des peuplements et les traitements de gestion. Des analyses satellitaires ont été réalisées sur l'ensemble des zones de démonstration, en utilisant des zones tampons et des unités paysagères harmonisées. La collecte des données a été limitée aux périodes de fin de printemps et d'été afin de minimiser la variabilité saisonnière et de maximiser la visibilité de la canopée.
2.5.3 De la collecte des données à la communication des données
Lors du traitement de différents types de données LiDAR, associées à des images multispectrales et satellitaires, pour évaluer la hauteur et la structure du couvert forestier, les utilisateurs doivent prendre en compte plusieurs facteurs clés qui influencent directement la précision des mesures dérivées. Le type de système LiDAR (aéroporté, terrestre ou mobile) détermine la densité de points et la précision verticale, essentielles à une modélisation précise de la hauteur, de la stratification et de la complexité verticale du couvert. Une densité de points élevée et les multiples retours du LiDAR aéroporté, par exemple, permettent une caractérisation détaillée du sommet, de l'étage intermédiaire et de l'élévation du sol du couvert, permettant ainsi des calculs précis des modèles de hauteur du couvert et des profils de feuillage (Roussel et al. 2020). L'alignement temporel entre le LiDAR et l'imagerie optique est essentiel, car les changements phénologiques peuvent affecter la réflectance du couvert et l'interprétation structurale. L'imagerie multispectrale et satellitaire fournit des informations spectrales précieuses sur la santé de la végétation, la différenciation des espèces et l'indice de surface foliaire, qui complètent les informations structurales du LiDAR. Cependant, ces jeux de données doivent être alignés géométriquement et corrigés radiométriquement pour garantir une fusion fiable. Les systèmes de coordonnées, la résolution des données et l'étalonnage des capteurs influencent tous le processus d'intégration et la précision spatiale des mesures forestières. Le choix des techniques de prétraitement, telles que le filtrage des points au sol et l'interpolation de la surface de la canopée, a également un impact significatif sur la modélisation structurelle. En fin de compte, un flux de traitement cohérent est nécessaire pour traduire les données brutes en mesures précises et exploitables de la hauteur et de la structure de la canopée (Loke et Chisholm, 2022).
