Infodoc : Sciences, Techniques et Culture

L’apport de l’imagerie drone pour la cartographie de la végétation s’est révélé un atout essentiel en servant de tremplin pour l’étude à grande échelle. Cette étude avait pour objectif de tester le potentiel des images drones à réaliser la cartographie de la biomasse à l’échelle du Sénégal. Ce travail s’est déroulé en deux phases, à savoir : (i) la réalisation des cartes de biomasse à partir des images drones puis (ii) le changement d’échelle pour produire une carte de biomasse à l’échelle nationale. La réalisation des cartes biomasse herbacée et ligneuse foliaire, à partir des images drones, a été rendu possible en utilisant respectivement la famille des modèles de régression random forest (R2=0,60) et stepwise (R2=0,35). Quant à la régression stepwise (R2=0,50) qui a servi pour esti[...]

L’apport de l’imagerie drone pour la cartographie de la végétation s’est révélé un atout essentiel en servant de tremplin pour l’étude à grande échelle. Cette étude avait pour objectif de tester le potentiel des images drones à réaliser la cartographie de la biomasse à l’échelle du Sénégal. Ce travail s’est déroulé en deux phases, à savoir : (i) la réalisation des cartes de biomasse à partir des images drones puis (ii) le changement d’échelle pour produire une carte de biomasse à l’échelle nationale. La réalisation des cartes biomasse herbacée et ligneuse foliaire, à partir des images drones, a été rendu possible en utilisant respectivement la famille des modèles de régression random forest (R2=0,60) et stepwise (R2=0,35). Quant à la régression stepwise (R2=0,50) qui a servi pour estimer la biomasse à l’échelle nationale, elle a utilisé deux indices (NDVI et MSAVI 2) issues d’une image composite de Sentinel 2. L’objectif de notre étude a été atteint, bien que certains verrous soient à souligner. Il s’agit entre autres de la fusion de certaines couronnes d’arbres lors de la segmentation en un seul polygone, puis la présence des nuages sur les mosaïques mensuelles Sentinel 2. Ces deux principales limites étaient à l’origine du choix du modèle stepwise quoi que le modèle random forest ait été plus performant lors de notre étude. Pour pallier ce problème et augmenter la précision du modèle il serait intéressant de tester dans le cadre des études futures l’apport du capteur infrarouge et d’utiliser des mosaïques mensuelles Planet.