Inventaire forestier multisource : un nouvel outil générique et flexible pour répondre aux enjeux territoriaux d'estimation et de cartographie haute-résolution des gisements en bois

Multisource Forest Inventory : a Generic and Flexible Tool for Forest Resource Estimation and Mapping at a Fine Scale

• Auteur / Autrice : Ankit Sagar
• Direction : Cédric Vega, Jean-Pierre Renaud
• Type : Thèse de doctorat
• Discipline(s) : Biologie et écologie des forêts et des agrosystèmes
• Date : Soutenance le 21/09/2023
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale SIReNa - Science et ingénierie des ressources naturelles (Lorraine ; 2018-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d’Inventaire Forestier
• Jury : Président / Présidente : Laurent Saint-André
• Jury : Examinateurs / Examinatrices : Cédric Vega, Jean-Pierre Renaud, Philippe Lejeune, Sylvie Durrieu, Claudine Richter
• Jury : Rapporteur / Rapporteuse : Philippe Lejeune, Sylvie Durrieu

Mots clés

Mots clés contrôlés

Perturbations écologiques

Nuages de points

Cartographie forestière

Modélisation prédictive

Estimation, Théorie de l'

Statistique mathématique

Inventaires forestiers

Mots clés libres

Inventaire forestier multi-sources

Statistiques inférencielles

Estimation de petits domaines

Télédétection

Nuages de points 3D

Perturbations forestières

Multisource Forest Inventory

Statistical Inference

Small Area Estimation

Remote Sensing

3D Point Cloud

Forest Disturbances

Résumé

Les méthodes d'inventaire forestier multi-sources visent à combiner les données d'inventaire de terrain avec des données auxiliaires (ie télédétection, cartes) afin de descendre les estimations en échelle tout en contrôlant la précision. Ces méthodes peuvent être abordées sous différents angles de modélisation et d'estimation. L'objectif principal de cette thèse était de proposer un cadre d'estimation flexible adapté aux données de l'inventaire forestier national français, pour optimiser les domaines d'estimation. Un objectif secondaire était de développer une méthode pour évaluer la fiabilité des prédictions des modèles au niveau du pixel à des fins de cartographier à haute résolution. Une approche de modélisation de type k-plus proches voisins a été principalement utilisée. Les données auxiliaires incluaient des données 3D lidar (ALS) et de photogrammétrie (DAP), des données optiques à haute résolution spatiale et de cartes forestières. Au chapitre I, une approche flexible assistée par un modèle multi-échelle a été proposée pour estimer des attributs forestiers au niveau de communes ou groupes de communes. Le cadre de descente d'échelle a été contrôlé par le nombre minimum de placettes IFN par domaine d'estimation et par un seuil d'erreur maximum. L'étude a été menée sur les forêts de Sologne et d'Orléans, représentant 157 communes, pour le volume et la surface terrière. Lorsque l'erreur d'estimation cible était fixée à 10 %, l'approche générait 23 domaines, avec une erreur d'estimation moyenne inférieure à 7,7 % pour les deux attributs. Ce chiffre passait à 80 domaines avec une erreur moyenne de 15,1 % lorsque le seuil était fixé à 50 %. Les résultats offrent aux utilisateurs d'améliorer la précision des estimations tout en conservant une échelle spatiale équilibrée. Au chapitre II, une méthode basée sur des enveloppes convexes a été utilisée pour identifier l'extrapolation dans les cartes prédictives d'attributs forestiers, et pour analyser l'impact de différents efforts d'échantillonnage sur la précision du modèle et les niveaux d'extrapolation. La méthode a été appliquée aux données d'inventaire de gestion de la forêt de Mouterhouse. Les résultats montraient que la précision du modèle se stabilisait rapidement avec un faible effort d'échantillonnage, mais que le niveau d'extrapolation restait élevé. Le niveau d'extrapolation se stabilisait lorsque l'intensité de l'échantillonnage augmentait. La méthode constitue un outil précieux pour l'élaboration de cartes de précision et permet d'identifier les zones qui nécessitent un effort d'échantillonnage supplémentaire. Au chapitre III, une approche basée sur un modèle a été développée pour produire des cartes à haute résolution avec une évaluation de la fiabilité au niveau du pixel. Testée sur les forêts de Sologne et d'Orléans, les résultats montraient qu'un minimum de 84% des prédictions était très fiable. Les performances de l'ALS et de la DAP étaient similaires, ce qui offre la possibilité d'utiliser la DAP, qui est fréquemment mise à jour, à des fins de surveillance. Les cartes avec fiabilité associée peuvent assister l'élaboration de plans de gestion forestière. Au chapitre IV, une approche basée sur un modèle a été utilisée pour évaluer la ressource affectée par les scolytes dans des forêts des Vosges. La méthode combinait des cartes générées avec la méthode développée dans le chapitre III avec des cartes de foyers d'infestation dérivées de la méthode ForDead. Deux modèles ont été évalués : un modèle général et un spécifique à l'épicéa et au sapin. En 2021-2022, ForDead identifiait 1 139 ha de foyers dans ces peuplements. Notre méthode évaluait le volume à 494 213 m³ (± 2,2 %) avec le modèle général et à 505,401 m³ (± 2,7 %) avec celui spécifique. Le volume moyen montrait que les peuplements matures étaient plus affectés. Les recherches futures porteront sur les incertitudes associées à la détection des surfaces et à leur intégration dans les estimateurs.

Multisource Forest Inventory methods aim at combining field inventory data with auxiliary data from remote sensing and/or maps to downscale estimates while controlling precision. Those methods can be developed under different modelling and estimation frameworks. This thesis focused on the development of such methods for downscaling French National Forest Inventory estimates. Owing to their multivariate capacities, non-parametric k-nearest neighbour's models were used. The main objective of this thesis was to evaluate up to which scale auxiliary data allow to downscale estimates, and to propose methods to optimise the small area estimation (SAE) domains. A secondary objective was to develop method to evaluate the reliability of model predictions at pixel level to support high resolution mapping of forest attributes. The auxiliary data considered in the thesis were mostly 3D data from airborne laser scanning (ALS) and photogrammetry (DAP), and optical data from high resolution satellites images and forest map. Based on these objectives, four studies were conducted in four chapters. In Chapter I, a flexible multi-scale model-assisted approach for SAE of forest attributes at the municipality or group of municipalities' level was proposed. The scaling framework was controlled by a minimum number of NFI plots per computation domain and a maximum error threshold. The study was conducted over Sologne and Orleans forests, representing 157 municipalities, for volume and basal area. When the target estimation error was set to 10%, the approach yielded 23 estimated grouped domains, with an average estimation error below 7.7% for both attributes. It increased to 80 domains with an average error of 15.1% when the error threshold was set to 50%. The results provided users with the flexibility to improve the precision of the estimates while maintaining a balanced spatial scale. In Chapter II, a convex hull method was used to identify the proportion of extrapolated predictions in model-based map products, and to analyse the impact of various sampling efforts on model precision and extrapolation levels. The method was applied to management inventory data over Mouterhouse forest, in North-Est France. Results showed that the model precision stabilized quickly with small sampling effort, but the extrapolation level remained high. Extrapolation level stabilised at higher sampling intensity. The method serves as a valuable tool for building accuracy maps and enables the identification of areas that requires additional sampling effort. In Chapter III, a model-based approach was developed to produce high resolution maps with reliability assessment at pixel level. The method relies on bootstrapped predictions and extrapolation. Tested over Sologne and Orleans forests, result showed that a minimum of 84% of the predictions were highly reliable. The performance of both ALS and DAP were similar, offering the possibility of utilizing cost-effective and frequently updated DAP for monitoring purposes. The high resolution outputs were significant for forest management and decision making purposes. In Chapter IV, a model-based approach was used for SAE of forest attributes impacted by bark-beetle outbreak in the Vosges forests. The methods combined maps generated using the methodology developed in Chapter III with anomaly map derived from the ForDead method. Two maps were evaluated: a general one covering the entire area and a specific one generated for spruce and fir. In 2021-2022 ForDead identified 1,139 ha of outbreaks in spruce and fir dominated stands. Our method evaluated the amount of volume impacted to 494,213 m³ (± 2.2%) with the general model and to 505,401 m³ (± 2.7%) with the specific model. On average, the impacted volume was 67 m3/ha higher than the population mean, indicating that mature stands were primarily impacted. Future research will address the uncertainties associated with surface detection and their integration in resource estimations.