Upload
others
View
0
Download
0
Embed Size (px)
Citation preview
© IGN
Projet IFM-GT
UN INVENTAIRE FORESTIER MULTISOURCE POUR LA GESTION DES TERRITOIRES
DB Irulappa Pillai Vijayakumar, JP Renaud, F Morneau, C Véga
DES FORÊTS EN EXPANSION
Surface et stock en augmentation …..
+ 17 % (2,3 millions d’hectares) entre
1975 et 2010
16,5 millions d’hectares – 30 % du territoire métropolitain .
+ 59 % du stock (930 millions de m3)
entre 1975-2010
2 570 millions de m3
23/03/2018
Journées IGN de la recherche 2
Source: Denardou-Tisserand et al. (2017)
Variation relative de la surface et du stock (%)
DES FORÊTS EN EXPANSION
…. avec une forte hétérogénéité territoriale
23/03/2018
Journées IGN de la recherche 3
Source: Denardou-Tisserand et al. (2017)
Variation de Surface (%) Variations de stock (%)
AFPS: autres forêts publiques soumises
DES FORÊTS EN EXPANSION
Des ressources nouvelles, mais mal connues des acteurs locaux
Expansion plus importante dans des territoires parfois peu forestiers auparavant
Plus importante dans les forêts privées, moins gérées
Inventaire forestier national: portrait de l’évolution des ressources à l’échelon national
Précision insuffisante pour décrire les territoires forestiers (> 10 000 ha)
Nécessité d’améliorer la précision des statistiques d’inventaire à ces échelles
Elaboration des stratégies de gestion forestières dans les territoires
23/03/2018
Journées IGN de la recherche 4
L’INVENTAIRE FORESTIER MULTISOURCE
Méthodes développées pour améliorer la précision des estimations statistiques sur des petites surfaces sans accroître le cout prohibitif des mesures terrain
Combinaison des données terrain avec des données auxiliaires spatialisées, notamment des images satellites et des cartes
23/03/2018
Journées IGN de la recherche 5
23/03/2018
Journées IGN de la recherche 6
L’INVENTAIRE FORESTIER MULTISOURCE
Approche la plus répandue : non paramétrique basée sur les k plus proches voisins (k-nn)
Plus adaptée que les autres méthodes (ie régression) pour le cas multivarié
Espace objet : nombre de voisins (k), critère de distance (pondération), type et nombre de
données auxiliaires
23/03/2018
Journées IGN de la recherche 7
Source : Tomppö et al. 2008, Multi-source national forest inventory: methods and applications
OBJECTIFS DU PROJET IFM-GT
Développer une méthode d’inventaire forestier multisource et tester son efficacité dans les forêts françaises métropolitaines
Plus diversifiées que les forêts scandinaves
Tester le concept de système d’information sur la forêt
Mise à jours régulières – données auxiliaires
Outil d’aide à la décision pour l’optimisation des stratégies de gestion forestière
23/03/2018
Journées IGN de la recherche 8
RÉGION PILOTE
23/03/2018
9
Sologne et forêt d’Orléans (~ 6 500 km2)
Journées IGN de la recherche
Données d’inventaire
2011-2015
Carte forestière V2
2008
Landsat TM 2013
Données Lidar 2013
(MNT)
Photos aériennes
2013-2014 (hauteur et
structure )
MÉTHODES
23/03/2018
10
Optimisation du modèle non paramétrique (k-nn)
Nombre de voisin, critère de distance et pondération
Impact du nombre de point terrain, de la nature des données auxiliaires et des
attributs cibles sur la performance
Inférence statistique
Estimateurs assistés par un modèle: échantillonnage aléatoire
Estimateurs basés sur un modèle : plus appropriées par la cartographie
Journées IGN de la recherche
23/03/2018
11 Journées IGN de la recherche
MÉTHODES
Approche IFN standard (probabiliste)
Utilisation de données auxiliaires pour améliorer la précision (probabiliste)
Utilisation de modèles (modélisation)
Inférence statistique: un même modèle k-nn, deux types d’estimateurs
23/03/2018 12 Journées IGN de la recherche
Echantillonnage aléatoire Echantillon « large » IFN
Echantillonnage « subjectif » Echantillon « restreint » cartographie
MÉTHODES
DONNÉES
23/03/2018
Journées IGN de la recherche 13
• Echantillonnage terrain: ~ 150 points / an
DONNÉES
23/03/2018
Journées IGN de la recherche 14
• Images Landsat 2014 : indices de végétation
NDVI SLAVI
Brightness Greenness
Résolution spatiale : 30 m
Domaine : pixels 100%
contenus dans le masque
forêt
Suppression des routes (à
traiter)
Wetness
DONNÉES
23/03/2018
Journées IGN de la recherche 15
• Photos aériennes 2013 – 2014 (35 cm)
DONNÉES
23/03/2018
Journées IGN de la recherche 16
• Descripteurs de la structure forestière à l’échelle de la placette d’inventaire
15 m de rayon –> pixels de 30x30 m (Landsat)
Vega et al. (2016)
DONNÉES
23/03/2018
Journées IGN de la recherche 17
• Carte Forestière (BD forêt V2) : feuillus, conifères, mixtes
!(
!(
!(!(
!(
!(
!(
!(
!(
Gien
Saran
Olivet
Vierzon
Orléans
Fleury-les-Aubrais
Romorantin-Lanthenay
Saint-Benoit-Sur-Loire
2°0'0"E
48°0'0"N
47°50'0"N
47°40'0"N
47°30'0"N
47°20'0"N
47°10'0"N
Feuillus
Mixte
Résineux.
75.3% Feuillus 15.5% Résineux 8.7% Mixte
RÉSULTATS
Optimisation du modèles k-nn
Nombre de voisin : stable entre 4 - 9
Critère de distance : forêt aléatoire
Echantillon : stabilisation au-delà de 300
Variables cibles et auxiliaires: performance
dépend des corrélations entre variables cibles et
avec les variables auxiliaires
Nécessité de considérer plusieurs années
Intérêt des placettes remesurées : doublement de
l’échantillon annuel
Rechercher des variables auxiliaires corrélées avec
les variables cibles. Difficultées avec la densité
2014
2014 + 2015
2013 + 2014
2013 + 2014 + 2015
23/03/2018
18 Journées IGN de la recherche
RÉSULTATS
Approches assistées d’un modèle: cadre de l’IFN, non biaisées
23/03/2018
Journées IGN de la recherche 19
Terrain 2013+2014
(n=304)
Landsat + BD Forêt Photogrammetry + BD Forêt
Landsat + Photogrammetry
+ BD Forêt
Variables Mean Variance Mean Variance R.E Mean Variance R.E Mean Variance R.E
Volume 159.43 35.71 162.34 28.54 1.25 150.73 16.54 2.15 156.68 14.77 2.42
Production en Volume
5.40 0.05 5.30 0.04 1.25 4.83 0.04 1.25 5.44 0.03 1.66
Surface terrière (G) 20.97 0.39 20.96 0.31 1.25 19.98 0.24 1.63 20.05 0.20 1.95
Densité 682.285 1053.92 664.73 1085.18 0.97 647.25 763.46 1.38 669.45 746.67 1.41
Diamètre quadratique moyen (Dg)
24.50 0.53 25.13 0.56 0.95 25.50 0.40 1.32 25.67 0. 38 1.39
RÉSULTATS
23/03/2018
Journées IGN de la recherche 20
Terrain 2013+2014
(n=304)
Landsat + Photogrammetry + BD Forêt
Assistées d’un modèle Basée sur un modèle
Variables Moyenne Variance Moyenne Variance Moyenne Variance
Volume 159.43 35.71 156.68 14.77 (9.42%) 160. 19 19.16
Production en Volume 5.40 0.05 5.44 0.03 (0.55%)
5.33 0.04
Surface terrière (G) 20.97 0.39 20.05 0.20 (0.99%) 20.62 0.27
Densité 682.285 1053.92 669.45 746.67 (111.53%)
665.72 974.99
Diamètre quadratique moyen (Dg)
24.50 0.53 25.67 0. 38 (1.48%) 25.68 0.39
Inférence statistique (Terrain – NFI 2013 + NFI 2014)
Deux approches avec des niveaux de performance similaires. Objectifs et applications différentes
RÉSULTATS
Approches basée sur un modèle: biais du modèle, cartographie
23/03/2018
Journées IGN de la recherche 21
Carte du volume (30 m)
Landsat + Photogrammetry +
BD forêt
Total volume (m3/ha)
413
1.06
!(
!(
!(!(
!(
!(
!(
!(
!(
Gien
Saran
Olivet
Vierzon
OrléansFleury-les-Aubrais
Romorantin-Lanthenay
Saint-Benoit-Sur-Loire
2°0'0"E
48°0'0"N
47°50'0"N
47°40'0"N
47°30'0"N
47°20'0"N
47°10'0"N
RÉSULTATS
Approches basée sur un modèle: estimation « boostrapped »
23/03/2018
Journées IGN de la recherche 22
!(
!(
!(!(
!(
!(
!(
!(
!(
Gien
Saran
Olivet
Vierzon
Orléans
Fleury-les-Aubrais
Romorantin-Lanthenay
Saint-Benoit-Sur-Loire
2°0'0"E
48°0'0"N
47°50'0"N
47°40'0"N
47°30'0"N
47°20'0"N
47°10'0"N
Total volume (m3/ha)
413
1.06
RÉSULTATS
Approches basée sur un modèle: incertitudes
23/03/2018
Journées IGN de la recherche 23
!(
!(
!(!(
!(
!(
!(
!(
!(
Gien
Saran
Olivet
Vierzon
Orléans
Fleury-les-Aubrais
Romorantin-Lanthenay
Saint-Benoit-Sur-Loire
2°0'0"E
48°0'0"N
47°50'0"N
47°40'0"N
47°30'0"N
47°20'0"N
47°10'0"N
Coeifficient of variation (%) of total volume
0-33%
33-66%
66-100%
Coefficient de variation
(%) volume total
confiance forte
Moyenne
faible
Effet des variables auxiliaires
23/03/2018
Journées IGN de la recherche 24
RÉSULTATS
Volume (m3/ha)
413
1.06
Coefficient de variation (%)
0-33%
33-66%
66-100%
Landsat + BD Forêt
Landsat +
Photogrammetrie
+ BD Forêt
37.2%
Conf.
forte
50.7%
Conf.
forte
CONCLUSION ET PERSPECTIVES
23/03/2018
25
Optimisation du modèle non paramétrique (k-nn)
A ce jour : Landsat ,carte forestière et photos 3D aérienne
En cours : Comparison 3D LiDAR avec photos 3D aérienne
Inférence statistique : approches assistée par un modèle
En cours : gestion des surfaces et analyse de variance associée
Paramétrage de modèle de projection sous différents scénarios de gestion
Journées IGN de la recherche
REMERCIEMENTS
23/03/2018
26
Financement du projet IFM-GT par l’ADEME, appel REACCTIF 3
Journées IGN de la recherche
MERCI DE VOTRE ATTENTION
ign.fr
23/03/2018
28 Journées IGN de la recherche
MÉTHODES
Auxiliary information available
for entire population
Auxiliary information available
as probability sample
Model-
assisted
estimation
Model-based
estimation
Hybrid
estimation
Model-
assisted
estimation
23/03/2018
Journées IGN de la recherche 29
NFI points 2013+2014
(n=304)
Landsat + forest maps Aerial photogrammetry 3D models + forest maps
Landsat + Aerial photogrammetry 3D models + forest maps
Variables Mean Variance Mean Variance R.E Mean Variance R.E Mean Variance R.E
Total volume 159.43 35.71 162.34 28.54 1.25 150.73 16.54 2.15 156.68 14.77 2.42
Conifers volume 48.46 29.37 40.69 25.86 1.13 39.22 12.72 3.19 38.49 8.60 3.41
Broadleaved volume 110.97 30.20 121.35 20.99 1.43 111.51 14.38 2.10 118.19 12.76 2.37
Oak volume 76.18 25.69 87.38 20.80 1.23 80.90 18.17 1.41 84.09 16.63 1.55
Other broadleaved volume
34.79 10.60 33.97 10.97 0.96 30.61 10.20 1.03 34.1 9.44 1.12
Scots pine volume 24.90 20.93 21.01 18.99 1.10 20.21 14.57 1.43 21.54 12.68 1.65
Other conifers volume
23.57 12.24 19.68 10.66 1.14 19.01 10.22 1.04 16.95 10.06 1.22
Production volume 5.40 0.05 5.30 0.04 1.25 4.83 0.04 1.25 5.44 0.03 1.66
Stand basal area 20.97 0.39 20.96 0.31 1.25 19.98 0.24 1.63 20.05 0.20 1.95
Stand density 682.285 1053.92 664.73 1085.18 0.97 647.25 763.46 1.38 669.45 746.67 1.41
Quadratic mean diameter
24.50 0.53 25.13 0.56 0.95 25.50 0.40 1.32 25.67 0. 38 1.39
Ajout de la carte forestière, Landsat et photos aerienne 3D améliore la précision des estimation
Assiste par un modele
METHODES
Estimateur assisté par un modèle (design-based ou model-assited)
Estimateur dépendant d’un modèle (model-based)
22/03/2018 Séminaire ADEME 30
Source: McRoberts et al.. (2015)
METHODES
22/03/2018 Séminaire ADEME 31