Les recherches réalisées dans le cadre de cette thèse représentent une avancée pour l’évaluation de la ressource forestière et l’exploration du lien entre structure forestière et biodiversité. L'ensemble des objectifs de la thèse ont été atteints. Dans la première étude, l'identification de nouvelles variables lidar a permis de caractériser les différentes composantes structurelles des peuplements et d’améliorer les modèles existants pour la cartographie de la ressource. Ces modèles ont été validés sur différents types de peuplements, présentant des structures de complexités variées. Dans la deuxième étude, les différentes sources d’erreur qui affectent la précision de ces modèles ont été étudiées de façon originale, en implémentant pour la première fois dans un tel contexte une méthode d’analyse de sensibilité globale, et ont pu être hiérarchisées afin de fournir des recommandations pour l'évaluation de la ressource par lidar aéroporté et les campagnes d’acquisitions de données associées. Dans la troisième étude, des modèles ont aussi été développés pour l’évaluation de la biodiversité en intégrant de nouvelles variables lidar afin de décrire les structures forestières. La dépendance de la diversité et de la richesse floristique locale à la structure tridimensionnelle des peuplements sur un voisinage de taille variable a été mise en avant, confirmant le potentiel du lidar pour l’étude de la biodiversité.
Les approches « à la placette » traditionnelles furent développées pour mettre en relation des attributs forestiers mesurés à l’échelle des placettes d’inventaire avec des variables calculées à partir des nuages de points lidar correspondant à ces placettes (Næsset, 1997, 2002, 2004b). Les variables lidar utilisées dans ces approches étaient sélectionnées parmi un large choix de variables souvent colinéaires et ne décrivant que la distribution verticale de la végétation (Chen, 2013). L’ajout de nouvelles variables lidar, le développement et la diversification des algorithmes de sélection des variables avaient permis d’améliorer statistiquement les modèles au prix d’une complexification croissante (Magnussen et al., 2012). Différents algorithmes furent testés durant cette thèse pour l'évaluation et la comparaison de nouvelles variables. Néanmoins, dans un contexte opérationnel le développement de modèles plus fiables et la simplification du processus de modélisation sont nécessaires. L’approche présentée dans la première partie de ce manuscrit permet de simplifier le développement de modèles pour
s’appuyer sur une meilleure compréhension et sur la conceptualisation des composantes structurelles de la végétation. Ainsi, cette étude introduit un premier niveau de généralisation avec des modèles mécanistes basés sur l’utilisation d’un même jeu de variables lidar extraites au niveau de la placette d'inventaire. Dans cette nouvelle approche, seules quatre variables lidar sont utilisées dans les modèles quel que soit l’attribut forestier ou le type de peuplement concerné. Ces variables ont été identifiées pour décrire de façon complémentaire la structure des peuplements et caractériser la structure verticale et horizontale, son hétérogénéité ainsi que la végétation du sous-étage. L’utilisation de ces quatre variables permet de supprimer l'étape de sélection des variables et ainsi limiter le sur-ajustement des modèles (Khan et al., 2007). Ces résultats ont été validés pour l’évaluation des volumes de bois total et marchand, pour la biomasse, ainsi que pour la surface terrière avec des erreurs (RSD) comprises entre 12% et 24%. Pour la biomasse, des erreurs de 13% ont été obtenues dans des peuplements de conifères, contre 19% dans des peuplements de feuillus et 22% dans des peuplements mélangés. Dans une méta-analyse récente, Zolkos et al. (2013) ont rapporté des erreurs sur l’évaluation de la biomasse par ALS (à retour discret) de 27% dans des forêts tempérées de conifères (médiane des résultats de 14 publications), 33% dans des forêts tempérées de feuillus (6 publications) et 28% dans des forêts tempérées et mélangées (3 publications). Les modèles développés dans le chapitre I permettent donc d'améliorer nettement la qualité de l'évaluation de la ressource.
Des modèles pour l’évaluation de la ressource ont aussi été développés sur des peuplements de feuillus avec des acquisitions lidar en période de présence des feuilles et hors feuilles. Dans ces deux conditions, les capacités prédictives des modèles se sont révélées similaires. La prise en compte des strates de végétation intermédiaires par la variable CvLAD représente une avancée pour l’évaluation de la ressource, améliorant la qualité des estimations, en particulier pour ces peuplements de feuillus. La variable CvLAD permet de caractériser la dispersion de la distribution verticale de la végétation. L’atténuation du signal lidar sous la canopée ne permettant pas de décrire correctement la structure verticale de la végétation, des méthodes basées sur l’équation de MacArthur et Horn (1969) ont été développées pour corriger cet effet d'occlusion par le couvert pour les lidars à retour d’onde complète (Lefsky et al., 1999b; Allouis et al., 2013). Cependant, les données issues de lidars à retours discrets sont aussi affectées par l’occlusion de la végétation, et la distribution verticale des échos lidar ne correspond pas au profil de végétation. L’introduction d’une méthode de normalisation du nuage de points lidar dans le chapitre I a permis de corriger le profil de densité de végétation de
(Figure I.4). De nouvelles variables pourraient être introduites à partir de ces profils normalisés pour caractériser la végétation du sous-étage.
Les travaux de recherche présentés dans ce premier chapitre ont permis de réaliser des cartes (Annexe 1-Annexe 8) pour chacun des sites étudiés. Des cartes plus précises de la ressource forestière devraient permettre de mieux la localiser et d'améliorer les prélèvements de bois, bénéficiant en particulier à la filière bois-énergie. Néanmoins, le prix de vente du bois-énergie est relativement faible face au coût d’acquisition des données lidar, auquel doit encore s'ajouter le coût du débardage. L’évaluation de la ressource forestière par lidar aéroporté doit aussi être complétée par l’étude de l'accessibilité à la ressource. Plusieurs outils de simulation tel que Cartomob (Ginet and Carette, 2014) ou Sylvaccess (Bellier et al., 2014), intègrent l'utilisation de données lidar pour accéder à ces informations (la détection de routes et le calcul des pentes par exemple). Ces outils permettent une évaluation globale de la ressource et sont une aide à la décision pour la gestion et l’exploitation forestière.
Dans la deuxième partie de la thèse, une analyse de sensibilité a été réalisée pour évaluer le comportement du modèle développé dans le chapitre précédent selon différents paramètres relatifs aux acquisitions lidar et aux inventaires forestiers. Ce modèle a été utilisé pour différents types de peuplements conduisant à des résultats contrastés. La variabilité de ces résultats peut donc en partie être expliquée par les différences entre types de peuplements mais les différences entre les paramètres d'acquisition lidar et des protocoles d'inventaires ont aussi un impact, difficile à quantifier. En effet, les sites étudiés dans le chapitre I ont été choisis pour leur diversité, et plusieurs organismes ont effectué les acquisitions lidar(IGN et Sintegra) et les relevés dendrométriques (FCBA, IGN, Irstea et ONF) avec des paramètres et des protocoles différents. Les erreurs les plus faibles ont été obtenues sur le site le plus "simple" (plantations de conifères des Landes) avec les inventaires les plus complets: inventaire en plein, mesure de toutes les hauteurs, positionnement de chaque arbre, positionnement centimétrique du centre de chacune des placettes. Alors que des erreurs plus élevées ont été obtenues sur le site le plus "complexe" (forêt de montage) survolé avec la plus faible densité de pulse (3,5 pulses/m2).
Parmi les nombreux paramètres susceptibles d'avoir un impact sur la précision des modèles lidar pour l'évaluation de la ressource, seuls quelques-uns peuvent être facilement contrôlés. A ce jour, il n’existe pas d’étude évaluant l’influence de
d’un ou deux paramètres (e.g. Lim and Treitz, 2004; Gobakken and Næsset, 2009; Frazer et al., 2011), rendant difficile la classification de l'impact des différents paramètres. Le chapitre II s’est intéressé à ces différents paramètres étudiés conjointement afin d’identifier les compromis qui peuvent être faits sur les paramètres d’acquisition lidar, et les paramètres des inventaires de terrain, sans dégrader la précision des modèles développés. Ces compromis visent à limiter les coûts d'acquisition des données lidar et terrain. L'influence de différents paramètres a été observée sur la précision de l'évaluation de la biomasse par lidar aéroporté. Dans un premier temps, l'impact de ces paramètres a été étudié individuellement (OAT), en analysant l'effet de la variation d'un seul paramètre sur l’erreur associée au modèle de biomasse. Ensuite une analyse de sensibilité globale (GSA) a été utilisée pour observer simultanément l'impact de différents paramètres relatifs aux inventaires forestiers et mettre à jour d’éventuelles interactions. Les résultats de ces analyses ont permis de classifier les impacts de ces paramètres en quatre catégories : (1) la première correspond aux paramètres ayant un impact majeur : le nombre de placettes, leur taille et la précision de leur positionnement; (2) l'équation allométrique de biomasse et le diamètre pré-comptable (DBHmin) utilisés ont un impact intermédiaire, (3) la densité d’impulsions lidar, l'angle de tir maximal, et la précision sur la mesure du DBH ont un impact mineur, (4) enfin la précision sur la mesure de hauteur a un impact négligeable sur la précision des modèles de biomasse développés. L'impact de certains paramètres s'est révélé très élevé pour des valeurs extrêmes. Néanmoins, cette classification a été établie en considérant une variation de ces paramètres dans des conditions "normales", s'appuyant sur les gammes de valeurs couramment utilisées dans les différents inventaires (McRoberts et al., 2009; Tomppo et al., 2010).
Les conclusions fournies par cette étude soulignent qu’un effort important pour récolter des données de terrain de qualité est indispensable pour le développement de modèles à partir de données lidar afin de satisfaire les besoins des utilisateurs. Ces conclusions sont nécessaires pour guider de futures campagnes d’acquisition de données pour l’évaluation de la ressource forestière par lidar aéroporté. Néanmoins, bien que l’importance relative des différents paramètres puisse être similaire dans d’autres types de peuplements, ces résultats sont limités à des plantations mono-spécifiques de conifères. Des conclusions différentes pourraient être obtenues sur les deux autres peuplements étudiés dans le chapitre I. Reproduire cette étude dans d'autres types de peuplements est indispensable pour l'optimisation de futures campagnes d'acquisition de données.
modéliser le lien entre structure forestière et biodiversité pour à terme orienter les pratiques de gestion forestière et favoriser la biodiversité. L'utilisation de données lidar pour évaluer à la fois la ressource et la biodiversité est pertinente car la structure forestière qui détermine la ressource a potentiellement aussi un impact sur la biodiversité. Des variables lidar ont déjà été mises en relation avec la diversité floristique (R2=0,50, Simonson et al. 2012) et la richesse spécifique (R2=0,64, Lopatin et al. 2014), mais avant notre étude, il n'existait pas de modèle pour caractériser la biodiversité floristique avec à la fois des données lidar et des variables environnementales. Si la structure de la végétation peut être reliée à la biodiversité floristique, il est indispensable dans une approche plus globale de prendre en compte un ensemble de variables écologiques (Major, 1951; Maestre et al., 2009; Austin and Van Niel, 2011). Pour l'étude de la biodiversité floristique, la complexité et les spécificités des relations écologiques, nous ont contraints à abandonner les modèles "classiques" développés dans la première partie de cette thèse pour utiliser un nouveau cadre de modélisation plus adapté. L'approche Bayésienne, dont la mise en place peut s'avérer compliquée, permet de décrire ces relations complexes avec un grand nombre de variables caractéristiques des études écologiques (Clark, 2005). Cette approche permet d'évaluer la magnitude de la relation entre chaque variable utilisée dans le modèle et l'indicateur de biodiversité étudié. Lors de ce travail, nous avons pu nous appuyer sur une méthodologie dont les fondement ont été développés et validés au centre Irstea de Nogent-sur-Vernisson (Zilliox and Gosselin, 2014). L'intégration de variables lidar dans cette approche nous a permis d'évaluer le potentiel du lidar pour le suivi de la biodiversité floristique et plus particulièrement pour améliorer les modèles de biodiversité floristique. Le travail entamé dans le chapitre I a été poursuivi en recherchant de nouvelles variables lidar pour décrire les différents aspects de la structure forestière afin d'étudier le lien entre les différentes composantes structurelles et différents indicateurs de biodiversité floristique. Ces variables sont reliées à la distribution verticale de la végétation et son hétérogénéité, la distribution horizontale caractérisant la répartition des trouées et la quantité de lumière pénétrant à travers la canopée. La plupart de ces variables sont difficiles à mesurer sur le terrain au niveau d’une placette d’inventaire. De plus, nous avons tiré profit de la télédétection, pour estimer des variables lidar à différentes échelles afin d'évaluer l'impact de la structure forestière autour des placettes d’inventaire floristique.
L'amélioration de ces modèles suite à l’introduction d’une variable de structure a été observée selon les sites d'études, l'indicateur de biodiversité étudié, les composantes
indicateurs de biodiversité aux variables de structure issues des données lidar sont apparues très contrastées et fortement dépendantes des conditions environnementales propres à chaque site d’étude. Les variables lidar reliées à la pénétration de la lumière à travers la canopée ont permis d’observer des réponses opposées pour la richesse des espèces héliophiles et celle des espèces sciaphiles. Plusieurs échelles sont apparues pertinentes pour la caractérisation des structures selon les indicateurs de biodiversité. L’impact de la structure forestière autour des placettes d’inventaire floristique s'est révélé supérieur à celui de la placette elle-même. La biodiversité sur une placette d’inventaire est donc influencée par la structure forestière dans le voisinage de cette placette, notamment sur un rayon de 100 m. Certains résultats suggèrent également que des espèces sciaphiles ne sont pas présentes dans les placettes au voisinage de grandes trouées, se comportant ainsi comme des espèces de l'intérieur des forêts. Le grand nombre de modèles (11 indicateurs de biodiversité et 10 variables lidar testés sur 2 sites d'études) et le temps de calcul élevé inhérent aux approches Bayésiennes ont limités le nombre d'échelles testées à quatre (i.e. rayon 9/15 m, 50 m, 100 m, et 200 m). L’estimation de nouvelles variables lidar sur des échelles intermédiaires pourrait permettre de déterminer plus précisément les échelles les plus adaptées pour prédire les indicateurs de biodiversité répondant à la structure forestière.
Contrairement aux modèles développés dans le premier chapitre pour l’évaluation de la ressource, les modèles de biodiversité n’utilisent pas les variables lidar comme seules variables explicatives. Ces derniers modèles sont calibrés avec plusieurs variables environnementales : le pH et la réserve en eau du sol, les précipitations, la radiation solaire, la température, l’altitude, la pente et l’orientation de la placette. Si l’altitude, la pente et l’orientation peuvent être mesurées à partir des données lidar, ce n’est pas le cas des autres variables. Ces modèles ne peuvent donc pas être extrapolés et fournir des cartes des différents indicateurs de biodiversité floristique modélisés dans cette étude.
La discrimination des essences constitue une perspective majeure pour l’amélioration de l’ensemble des modèles présentés dans ce manuscrit. Plusieurs études ont démontré les capacités du lidar pour la classification des essences avec des précisions allant jusqu’à 90% (Brandtberg, 2007; Korpela et al., 2010). Cependant, ces études se sont toujours concentrées sur un nombre restreint d'essences limitant l’utilisation opérationnelle de ces méthodes. D’autres sources d’information peuvent être utilisées pour enrichir la description des peuplements. Dans le chapitre I,
site de montagne a permis d’améliorer les modèles de 1% à 12%. Cette stratification permet de contrôler la variabilité des placettes de calibration et de modéliser chacune de ces strates séparément afin d’améliorer la précision de l’estimation globale (Kangas and Maltamo, 2006; Gregoire and Valentine, 2007). Les cartes forestières déjà existantes (e.g. BD Forêt® en France) renseignent sur les types de peuplements et pourraient être utilisées en post-stratification afin d'améliorer les modèles d’estimation de la ressource. L'information sur les types de peuplements pourrait aussi être acquise par télédétection et certaines études ont déjà montré l’avantage d’un couplage des données lidar avec de l’imagerie hyper-spectrale pour l'évaluation de la ressource dans des peuplements complexes (Dalponte et al., 2008; Swatantran et al., 2011). La discrimination des essences est aussi nécessaire pour la biodiversité, la composition pouvant se révéler plus importante que la structure forestière mesurée par lidar (Franklin et al., 2002; Simonson et al., 2012).
La stratification effectuée dans le chapitre I nous a imposé de diviser le jeu de données de terrain en trois groupes de 33, 23, et 36 placettes alors que les résultats du chapitre II recommandent un minimum de 40 à 50 placettes pour la calibration et la validation des modèles. La nécessité d’un tel nombre de placettes est une contrainte forte pour le développement futur de modèles. Il est nécessaire pour ce type d'étude d’avoir un plan d’échantillonnage terrain spécifique et très complet afin de pouvoir évaluer jusqu’à quel niveau on peut assouplir cette contrainte sans dégrader la qualité des modèles lors du passage en mode opérationnel. Le nombre de placettes est aussi apparu comme une des principales limites aux développements de modèles pour la biodiversité floristique. Les deux sites d’études ont été élargis autour des zones d’acquisition lidar afin d’obtenir plus de placettes, près de 2 000 au total. Pourtant, les résultats de cette étude restent limités par un nombre encore trop faible de placettes d’inventaire, ne nous permettant pas de conclure pour un peu plus de la moitié des modèles (56%) sur l’effet des variables lidar. Des études ont exploré de nouvelles méthodes pour optimiser le nombre de placettes nécessaires, notamment pour l’évaluation de la ressource par lidar (e.g. Junttila et al., 2008). L'utilisation du lidar terrestre (TLS) en complément du lidar aéroporté (ALS) pourrait permettre de mesurer un plus grand nombre de placettes en facilitant les inventaires de terrain (Thies and Spiecker, 2004), la mesure directe des volumes (Dassot et al., 2012) ou encore l'estimation de la biomasse (Greaves et al., 2015). Le TLS pourrait aussi améliorer la précision des inventaires de terrain comparés aux inventaires traditionnels (Dassot et al., 2011). Cependant, comme pour l'approche à l'arbre à partir de données ALS (Chapitre
non-détections et des faux positifs de détections d'arbres. Ces erreurs ont un impact sur la qualité des modèles d'évaluation de la ressource et pourraient être étudiées en complément du chapitre II dans une perspective de généralisation de l'utilisation du TLS. L’utilisation du lidar mobile (MLS) apparait comme une alternative nouvelle au TLS. Le MLS permet un gain de temps conséquent mais les nuages de points sont plus bruités que ceux du TLS et les erreurs associées à la mesure du DBH sont supérieures à celle obtenues avec cinq scans TLS combinés (Bauwens et al., 2014). Cependant, le développement technologique actuel de ces lidars et des méthodes d’extraction d’attributs forestiers laisse entrevoir une réelle perspective opérationnelle.
Les données ALS utilisées dans le cadre de cette thèse ont permis de développer des modèles pour l'évaluation de la ressource ainsi que pour le suivi de la biodiversité floristique. L'utilisation du lidar en forêt peut donc bénéficier à plusieurs applications afin de caractériser les diverses fonctions des forêts et mutualiser les coûts d'acquisition. Ainsi, le jeu de données acquis sur la forêt de feuillus de plaine (chapitres I et III) a aussi été utilisé pour des recherches archéologiques. Ces études ont révélé la présence de nombreux vestiges antiques de l'époque gallo-romaine conservés sous couvert forestier (Georges-Leroy et al., 2014). Les perspectives pour la caractérisation par lidar des structures forestières sur de grandes étendues seront liées aux décisions politiques et aux développements technologiques futurs. Certains pays ont déjà réalisé des acquisitions lidar sur tout leur territoire avec des densités de points variant de 0.04 à 16 points/m2 (e.g. Danemark, Finlande, Pays-Bas, Suisse). Ces acquisitions nationales représentent une opportunité idéale d’utilisation du lidar pour les applications forestières. L'apparition récente de systèmes ALS légers (~2 kg) permet maintenant de les embarquer sur des drones afin de limiter les coûts d'acquisition. Avec des drones volant à faible vitesse, ces lidars peuvent acquérir des données avec de fortes densités de points. Cependant la règlementation française actuelle et les contraintes d'autonomie