L’intelligence artificielle pour cartographier la végétation aquatique des rivières à partir d’images satellites

Les gestionnaires des milieux aquatiques sont demandeurs de nouveaux outils permettant de suivre le développement des herbiers aquatiques. L‘approche développée par les chercheurs du laboratoire d’Ecologie Fonctionnelle et Environnement et leurs collègues de la société Adict Solutions, du GET et de DYNAFOR constitue la première étude montrant le potentiel des images satellites à très haute résolution spatiale Pléiades associées à des algorithmes d’apprentissage automatique (machine learning) pour cartographier automatiquement le recouvrement des herbiers. Elle ouvre la voie au suivi temporel des herbiers, encore difficilement appréhendable par des relevés in situ. Cette étude paraît en septembre 2020 dans la revue Water Research.

Résultats cartographiques du recouvrement total (prédit et observé) sur une portion du site d’étude. La carte de recouvrement prédit présentée ici est la meilleure carte automatique obtenue ; elle est issue d’un modèle de régression basé sur l’algorithme Random Forest, construit avec les bandes spectrales du rouge, vert, bleu et proche-infrarouge et le jeu de données de recouvrement de 880 quadrats.
© D. Espel
Référence de l’article: D. Espel, S. Courty, Y. Auda, D. Sheeren, A. Elger (2020) Submerged macrophyte assessment in rivers: an automatic mapping method using Pléiades imagery. Water Research (in press)