Cartographie automatique des écosystèmes côtiers et estuariens par LiDAR topobathymétrique

Articles dans Remote Sensing
Letard et al.

Dans un article publié en Janvier 2022 dans la revue Remote Sensing, Mathilde Letard (Ecole Pratique des Hautes Etudes, PSL Université ; Université de Rennes 1, Géosciences Rennes, OSUR), Antoine Collin (Coastal GeoEcology Lab, Ecole Pratique des Hautes Etudes—PSL Université), Thomas Corpetti (CNRS, LETG-Rennes, OSUR) et Dimitri Lague (CNRS, Géosciences Rennes, OSUR) et leurs collègues Yves Pastol et Anders Ekelund, proposent d’étudier les zones à l’interface entre terre et mer en utilisant le LiDAR topo-bathymétrique, capteur actif permettant de modéliser aussi bien les milieux immergés que les zones terrestres en 3D. Ils développent une méthode pour exploiter la richesse des formes d’ondes complètes du LiDAR, qui sont encore rarement explorées sur des capteurs bathymétriques, pour identifier les occupations du sol et des fonds marins peu profonds. Les premiers résultats obtenus avec leur procédé de traitement et de classification par apprentissage automatique ("machine learning") produisent une cartographie en trois dimensions d’une vingtaine d’habitats terrestres et marins d’une zone côtière bretonne.

 

La télédétection par LiDAR aéroporté s’est beaucoup développée au cours des dernières décennies, notamment pour l’étude de la topographie et des nombreux phénomènes dont elle résulte ou qu’elle conditionne. Parmi eux, les différentes occupations du sol et les types de couvert végétal. Si l’étude des écosystèmes terrestres par télédétection (passive ou active) s’est largement répandue, le milieu marin et plus spécifiquement la zone de transition entre terre et eau sont eux moins bien renseignés, leur observation étant compliquée par la présence d’eau. Pourtant, la télédétection s’impose comme un outil idéal pour le suivi de milieux fragiles et menacés par les pressions naturelles et anthropiques, en permettant la collecte d’informations à haute résolution temporelle et spatiale sur de grandes étendues sans perturber l’équilibre local avec des campagnes de mesure invasives. Cette approche, relevant plus de la modélisation que de la mesure directe, repose sur l’étude des interactions de l’environnement étudié avec la lumière, et nécessite le développement de capteurs adaptés aux différents milieux mais aussi de méthode de traitement des données massives et complexes produites par ces capteurs.

L’étude propose de s’appuyer sur le LiDAR topobathymétrique pour lever le voile sur la nature de la surface des zones côtières, sans interruption entre zones immergées et émergées. En utilisant la forme d’onde du signal rétrodiffusé par l’environnement lors d’un survol lidar, les auteurs mettent au point un algorithme d’apprentissage machine prédisant automatiquement la nature de la surface modélisée, parmi 21 types de sols identifiés. Celui-ci permet la cartographie de zones côtières avec un unique jeu de données, sans séparer l’étude du littoral terrestre de celle du littoral marin. En effet, grâce à l’émission de faisceaux laser verts et infrarouges, le LiDAR topobathymétrique pénètre les surfaces d’eau et permet de collecter des informations sur la topographie et sur la bathymétrie en simultané. Contrairement à l’imagerie satellite ou aéroportée, il est capable de ‘voir’ sous l’eau à plus grande profondeur, et surtout d’informer sur les différentes couches de couvert végétal. La forme de l’onde lumineuse réfléchie par le sol diffère selon la nature de celui-ci. L’asymétrie, l’aplatissement, l’amplitude ou encore la variation du pic d’intensité rétrodiffusée par un élément naturel caractérisent donc sa manière d’intéragir avec la lumière et renseignent ainsi sur ses propriétés physiques. A partir de descripteurs mathématiques de la forme d’onde complète, un algorithme de machine learning prédit le type d’habitat écologique ou d’occupation du sol rencontré, permettant de collecter des informations précieuses sur ces zones fragiles et essentielles aussi bien sur le plan écologique que sur le plan socio-économique.

Letard et al. Figure 1 : La forme d’onde du LiDAR correspond à l’intensité lumineuse rétrodiffusée par le milieu survolé au cours d’un intervalle de temps donné (ici, le signal est enregistré pendant 278 nanosecondes après l’émission de l’impulsion laser verte vers le sol). La figure a) illustre la forme typique du signal réfléchi par une zone terrestre comprenant un arbre et du sol. La figure b) illustre une forme d’onde bathymétrique, obtenue avec un laser vert envoyé vers une surface ennoyée peu profonde et peu turbide

 

Letard et al.

Figure 2 : La forme des pics de réflection de l’intensité laser par l’environnement est différente selon la nature du couvert. Un pic dans la forme d’onde correspond à une objet rencontré par le faisceau laser sur sa trajectoire entre l’avion et le sol. En présence de plusieurs pics, on peut donc conclure que plusieurs couches d’obstacles ont été traversées (celle-ci pouvant être diverses épaisseurs de végétation, ou bien la surface d’eau puis le fond par exemple). Le nombre de pics dans une forme d’onde et leurs caractéristiques de forme et d’intensité permettent donc de déduire la nature de la scène survolée. Le tableau ci-dessus montre la signature LiDAR de différents types de milieux identifiés sur la zone d’étude.

 

 La carte obtenue a une justesse estimée à environ 90%. Ces résultats montrent le potentiel des formes d’ondes du LiDAR topobathymétrique pour la cartographie de milieux complexes et très divers, et présentent les possibilités ouvertes par l’utilisation de données 3D pour aborder les sujets d’écologie côtière.

Letard et al.

Figure 3 : Le nuage de points classifié obtenu avec la méthode dévéloppée, vu à la verticale. Cette carte est en réalité un modèle en 3 dimensions de la nature des occupations du sol et des fonds marins sur la zone étudiée, à Sables d’Or les Pins (Fréhel, 22)

Référence
Letard M, Collin A, Corpetti T, Lague D, Pastol Y, Ekelund A. Classification of Land-Water Continuum Habitats Using Exclusively Airborne Topobathymetric Lidar Green Waveforms and Infrared Intensity Point Clouds. Remote Sensing. 2022; 14(2):341. doi.org/10.3390/rs14020341