Infodoc : Sciences, Techniques et Culture

La Gélinotte des bois (Tetrates bonasia) est une espèce de galliformes forestière dont la population est en fort déclin dans de nombreux départements français. Pour préserver voire restaurer le milieu de vie de la Gélinotte, une amélioration des connaissances concernant son habitat est indispensable. La technologie LIDAR est déjà utilisée pour la description des peuplements forestiers, notamment dans le cadre d’étude de l’habitat de différents gallinacés. Une première cartographie a été réalisée sur les massifs des Bauges et de la Chartreuse en 2022 par Clara Leblanc. Le déploiement du LIDAR par l’IGN sur tout le territoire offre l’opportunité de transférer la méthode de cartographie à d’autres massifs, d’évaluer ainsi la robustesse de cette méthode et d’améliorer la chaîne de product[...]

La Gélinotte des bois (Tetrates bonasia) est une espèce de galliformes forestière dont la population est en fort déclin dans de nombreux départements français. Pour préserver voire restaurer le milieu de vie de la Gélinotte, une amélioration des connaissances concernant son habitat est indispensable. La technologie LIDAR est déjà utilisée pour la description des peuplements forestiers, notamment dans le cadre d’étude de l’habitat de différents gallinacés. Une première cartographie a été réalisée sur les massifs des Bauges et de la Chartreuse en 2022 par Clara Leblanc. Le déploiement du LIDAR par l’IGN sur tout le territoire offre l’opportunité de transférer la méthode de cartographie à d’autres massifs, d’évaluer ainsi la robustesse de cette méthode et d’améliorer la chaîne de production pour la cartographie d’habitat à grande échelle. Pour y répondre, la méthode mise au point par Leblanc a été reproduite sur les massifs de la Chartreuse et du Vercors. Cette méthode consiste à calculer 5 métriques identifiées par un groupe d’experts et une analyse bibliographique comme importantes pour la caractérisation de l’habitat de la Gélinotte. Ces métriques sont calculées sur un échantillon de placettes d’observations de Gélinottes ou échantillonnées dans des secteurs définis à dire d’experts comme favorables ou non à cet oiseau. L’analyse descriptive des distributions de ces métriques permet de définir des seuils pertinents pour segmenter les zones favorables ou défavorables à la Gélinotte. Cette analyse montre sur le Vercors que ces métriques ne sont pas toujours pertinentes à utiliser, que la distribution des valeurs entre type de placette varie en fonction des types de peuplements présents sur les sites d’étude, et que l’établissement de seuils doit être réalisé spécifiquement à chaque site plutôt que de façon globale. Des améliorations sont proposées pour optimiser cette méthode et la rendre facilement reproductible pour obtenir les cartes d’habitat pertinentes.

Hazel Grouse (Tetrastes bonasia) is a forest-dwelling galliform species whose population is in steep decline in several french departments. Preserving and potentially restoring the habitat of the Hazel Grouse requires a deeper understanding of its habitat requirements. LIDAR technology has already been used to characterize forest structure, including in studies of the habitat of various gallinaceous birds. In 2022, Clara Leblanc developed a method to produce Hazel Grouse habitat maps and applied it to the Bauges and Chartreuse mountains. Study plots were based on observations of Hazel Grouse presence indicators or sampled within areas identified by experts as either conducive or non-conducive to the presence of this bird. Five LIDAR metrics characterizing the forest stands from Leblanc's study were calculated on each plot. It was found through analysis that these indicators are not consistently relevant for all sites, as their distribution varies depending on the types of forest stands found in the study areas. Therefore, the establishment of specific thresholds for each site is recommended, rather than applying a global approach. The nationwide deployment of LIDAR by the National Geographic Institute presents an opportunity to work on new locations, assess the method's robustness, and establish a processing chain for habitat mapping. Improvements are proposed to optimize this method and make it replicable to obtain the most accurate habitat maps possible.