Grant: CCI Applied Research and Development Grants

Le suivi des peuplements forestiers est d’importance considérant l’état précaire des écosystèmes à l’échelle mondiale. Couvrant plus du tiers de la surface terrestre, les forêts sont les principales responsables de la qualité de l’environnement, notamment parce qu’elles assurent la qualité de l’air et le filtrage de l’eau, qu’elles abritent la moitié des espèces animales et qu’elles sont une ressource massive de matières premières. Diverses méthodes de télédétection permettent la caractérisation de son état, de son évolution temporelle et spatiale. Parmi les solutions d’acquisitions, l’imagerie satellitaire est la plus populaire mais elle présente des limites de moments de survol, des choix d’instruments de mesure et des résolutions souhaitées. Les drones, eux, ne peuvent survoler que de petites zones à faible altitude, ce qui rend ardue l’évaluation de grandes superficies. L’utilisation de stations de mesures portées par ballons stratosphériques flottant entre 10 et 35 km d’altitude s’avère une solution clef pour la prise de mesure à l’échelle nationale. Le but de ce projet est de concevoir une méthode de détection automatique d’espèces forestières par apprentissage profond à partir d’imagerie multispectrale acquise à bord d’une station de mesure en haute atmosphère. Cette méthode permettra l’identification des espèces et l’évolution spatiotemporelle de certaines de leurs caractéristiques. De plus, l’outil développé pourrait aider à détecter la présence de feux de forêts et leur évolution à court terme. Afin d’y arriver, le CERFO procédera au traitement d’images satellitaires gratuites ainsi que d’images et données fournies par LUX Aerobot. Ensuite, leur prétraitement permettra d’optimiser les étapes d’apprentissage profond. S’en suivra une évaluation et une sélection des algorithmes adaptés à la classification des espèces forestières. Leurs performances seront alors optimisées par l’ajustement de leurs paramètres d’entraînement. Une méthode de détection nommée multi-couches sera testée afin de classifier les images par ensembles d’espèces à diverses échelles spatiales, soit de grossière (feuillus/conifères) à fine (essence individuelle). Finalement, l’amélioration continue des performances de détection sera effectuée à partir des nouvelles données qui seront acquises au long du projet. Il en résultera une méthode complète d’analyse automatique d’images pour le suivi des peuplements forestiers par ballons stratosphériques de LUX Aerobot.