Romain Fernandez, GCOI, avril 2020,

Contexte

Après avoir disparu de l’île de La Réunion au 19ème siècle, la Roussette noire (Pteropus niger) effectue de nos jours un timide retour sur le territoire (Moutou, 1982). Malgré la faible connaissance de l’écologie de cette espèce, une étude préliminaire menée par le Groupe Chiroptères Océan Indien (GCOI) rassure la filière arboricole en montrant qu’actuellement aucun dégât impactant l’activité économique des arboriculteurs réunionnais n’est imputé à la présence de la Roussette noire. L’approfondissement des connaissances sur l’écologie alimentaire de cette espèce devient nécessaire pour que la filière agricole et les acteurs de la conservation de l’espèce puissent évoluer en étroite collaboration. L’étude préliminaire menée par le GCOI révèle que les individus délaissent les zones agricoles pour passer une majeure partie de leur temps dans les zones naturelles ou en voie de renaturalisation. À l’heure où les disséminateurs naturels de certaines espèces d’arbres indigènes ou endémiques ont disparus, le retour de la Roussette noire se présente comme une chance pour dynamiser à nouveau la dispersion et la régénération de ces essences qui constituent le patrimoine naturel de l’île. L’étude a donc comme objectif d’apporter des connaissances supplémentaires sur l’écologie alimentaire de la Roussette noire en milieu naturel en s’intéressant aux essences d’arbre que fréquente l’espèce, en utilisant des outils d’analyse à large échelle.

Une roussette noire 

Objectifs

L’ensemble des étapes énumérées ci-après seront codées sur la base du langage R. La première partie de l’étude a pour objectif de délimiter les couronnes des arbres de la canopée réunionnaise (Individual Tree Crown (ITC)). Cette segmentation d’image est réalisée à l’aide de la création d’un Modèle Numérique de Canopée (MNC) issu d’une transformation de données LiDAR pour en extraire les Modèle Numérique de Terrain (MNT) et le Modèle Numérique de Surface (MNS) de l’île. Ce protocole de segmentation s’inspire des techniques utilisées au Canada pour inventorier de vastes étendues forestières (Ressources naturelles Canada, 2013) et d’études similaires réalisées en zones tropicales ou tempérées (Barnes et al., 2017; Zaki et al., 2015).

 

Inventaire forestier ITC d’une partie de la Forêt expérimentale de Petawawa, en Ontario.

En amont de la segmentation, divers traitements d’images sont appliqués pour obtenir une segmentation ITC optimale de la zone d’étude. La réalisation de la segmentation sur notre zone d’étude devant se faire uniquement sur des surfaces forestières, l’indice NDVI (Indice de végétation par différence normalisée) calculé à l’aide des images multispectrales Pléiades et seuillé, permettra d’exclure les zones n’appartenant pas au couvert forestier (Gougeon and Leckie, 2003). Le taux d’erreur de la segmentation sera calculé en comparant les résultats de la segmentation automatique à ceux d’une délimitation manuelle des couronnes d’arbres (Zaki et al., 2015). Ceci sera possible à l’aide de la bande proche infrarouge des images multispectrales Pléiades afin d’obtenir une précision optimale lors de la délimitation manuelle.
 
Dans une seconde partie, à l’aide des images multispectrales Pléiades à haute résolution (0.5 m/pixel), la signature spectrale de chaque polygone sera extraite. La haute résolution des images Pléiades entraîne l’accumulation d’un nombre important de pixels par polygone, ce qui permet une
extraction plus précise de la signature spectrale de l’espèce d’arbre délimitée. Une classification supervisée permet ensuite d’identifier l’espèce délimitée par chacun des polygones (ou groupe d’espèces quand la discrimination entre espèces est impossible). La base de données d’entraînement, permettant la calibration de la classification supervisée, sera composée des identifications d’essence d’arbre réalisées sur le terrain. Une partie du jeu de données d’entraînement sera utilisé pour le calcul de l’erreur du modèle.
 
Ce stage permet pour la première fois de tester la segmentation des couronnes d’arbre et leur classification supervisée sur l’île de La Réunion sur un couvert forestier qui peut parfois s’avérer complexe dans certaines zones de l’île et constituera une avancée notable sur les connaissances de l’écologie alimentaire de la Roussette noire.

Données d'intérêt

Images Pléiades multispectrales de l'île de La Réunion

Responsables

  • Thomas CORNULIER, Français, Université d’Aberdeen (Ecosse)
  • Gildas MONNIER, Français, Groupe Chiroptères Océan Indien (Ile de La Réunion)

Bibliographie

Barnes, C., Balzter, H., Barrett, K., Eddy, J., Milner, S., Suárez, J.C., 2017. Individual Tree Crown Delineation from Airborne Laser Scanning for Diseased Larch Forest Stands. Remote Sensing 9, 231. https://doi.org/10.3390/rs9030231

Gougeon, F.A., Leckie, D.G., 2003. Extraction d’information forestière à partir d’images à haute résolution spatiale en utilisant une méthode de reconnaissance individuelle des cimes d’arbres (Rapport technique No. BC-X-396F). Natural Resources Canada, Canadian Forest Service, Pacific Forestry Centre, Victoria.

Moutou, F., 1982. Note sur les chiroptères de l’Île de La Réunion.

Ressources naturelles Canada, 2013. Classification par arbre individuel au service de l’inventaire forestier [WWW Document]. URL https://www.rncan.gc.ca/nos-ressources-naturelles/foretsforesterie/amenagement-forestier-durable-au/mesures-rapports/teledetection-enforesterie/classification-par-arbre-individuel-au-service-de-linventaire-forestier/13444 (accessed 11.24.19).

Zaki, N.A.M., Latif, Z.A., Zainal, M.Z., Zainuddin, K., 2015. Individual tree crown (ITC) delineation using watershed transformation algorithm for tropical lowland dipterocarp, in: 2015 International Conference on Space Science and Communication (IconSpace). Presented at the 2015 International Conference on Space Science and Communication (IconSpace), pp. 237–242. https://doi.org/10.1109/IconSpace.2015.7283795


News de la communauté

Pas de news de disponnible pour cette communauté.