JOURNAL en LIGNE des DRONES

L'étude de cas de Routescene démontre les avantages de l'utilisation de drones pour gérer la végétation des lignes électriques.

par Ian M. Crosby, rédacteur en chef de DRONELIFE

La dernière d'une série d'études de cas basées sur la foresterie menées par Routescène présente la valeur des techniques de télédétection telles que le LiDAR pour les drones pour identifier les arbres malades ou endommagés et la végétation envahie près des lignes électriques afin de prévenir les pannes ou les incendies de forêt.

Le projet de Pound Farm dans le Suffolk, au Royaume-Uni, visait à identifier les arbres malades et la végétation envahie qui risquaient d'endommager les lignes électriques de 33 kV traversant la forêt de 120 acres. Routescene a collaboré avec 2Excel Geo, Science de la Fera et Dielmo 3D afin de fournir les résultats à la Fiducie forestière propriétaire du terrain.

Ces dernières années, la forêt a été touchée par la maladie fongique hautement destructrice connue sous le nom de dépérissement des cendres. Capable de tuer les frênes rapidement, ses symptômes incluent un noircissement et un flétrissement des feuilles au milieu à la fin de l'été.

Des techniques d'imagerie LiDAR, RVB, multispectrale et hyperspectrale ont chacune été utilisées pour déterminer leur capacité à identifier les signes de dépérissement des cendres.

Les capacités de pénétration de la végétation du système LiDAR Routescene ont permis de compiler un profil d'arbres individuels du niveau du sol à la canopée afin d'examiner leur état de santé. L'analyse de la densité des données LiDAR recueillies sur la cime des arbres devait être utilisée pour identifier la maladie. Le LiDAR a également pu capturer facilement les lignes électriques minces pour établir la proximité de la végétation environnante.

Le traitement en profondeur des données LiDAR a été effectué avec le logiciel de post-traitement LidarViewer de Routescene. L'équipe a créé un Modèle Numérique de Terrain (DTM) pour localiser les lignes électriques et les pylônes et un Modèle Numérique de Surface (DSM) pour déterminer la hauteur des arbres. Cela a été utilisé pour calculer la hauteur normalisée et aider à identifier les arbres individuels.

“Le nuage de points à haute densité du système LiDAR de l'UAV Routescene a facilité la détection améliorée des arbres individuels dans la forêt", a déclaré le Dr Chloe Barnes de 2Excel Geo. “Les informations structurelles fournies par le LiDAR ont également fourni des ensembles de données complémentaires aux informations spectrales de l'imagerie aéroportée pour la santé des arbres et la classification des espèces.”

L'ajout d'images RVB a facilité la visualisation de la couleur des feuilles pour déterminer la santé des arbres. La fusion d'images RVB avec des données LiDAR a donné à chaque point LiDAR une valeur RVB, pour coloriser le nuage de points, fournissant une couleur vraie aux images LiDAR qui les rendent plus faciles à interpréter.

Des données d'imagerie hyperspectrales et multispectrales ont été recueillies par des avions légers et des drones. Utilisées pour capturer des données au-delà de la portée de la vision humaine, lorsqu'elles sont analysées statistiquement, ces données peuvent aider à identifier l'espèce, la santé et le stress des arbres. 18 indices de végétation ont été utilisés pour vérifier la santé des arbres, y compris l'Indice de végétation de Différence normalisée (NDVI), qui est une fonction de l'énergie rouge et proche infrarouge qui peut indiquer l'indice de surface foliaire, la biomasse végétale et la vigueur de croissance.

Le nuage de points LiDAR a été combiné avec l'imagerie multispectrale et hyperspectrale à l'aide d'une série d'approches d'apprentissage automatique. Les divers indices de végétation, couleurs et densités de nuages de points ont été analysés pour rechercher des signes de maladie, tels que des arbres individuels sans feuilles, avec des couleurs de feuilles différentes, des résultats d'index de végétation différents ou des valeurs de densité de nuages de points plus faibles dans la couche supérieure de la canopée. L'analyse de la densité des données LiDAR et des données hyperspectrales a ensuite été effectuée, en utilisant les données des 2 mètres supérieurs de la cime de l'arbre, pour identifier la maladie.

Enfin, l'équipe devait fournir des résultats qui pourraient être facilement interprétés par le Woodland Trust. Les données LiDAR ont été exportées vers le portail Web de Dielmo 3D pour la visualisation et la création de rapports. Ces résultats ont été utilisés pour localiser les zones à risque le long de la ligne de transport d'électricité. L'analyse s'est concentrée sur les arbres à proximité de la ligne de transport d'électricité afin de créer une carte du risque de dépérissement de la végétation envahie et des cendres.

“Ce projet a montré à quel point les résultats créés à partir des données LiDAR d'UAV peuvent être utiles et pratiques pour reconnaître les zones de maladie dans une forêt”, a déclaré Gert Riemersma, directeur technique et fondateur de Routescene. "Il a également parfaitement démontré comment les relevés LIDAR par UAV à haute résolution peuvent être utilisés pour identifier les lignes électriques individuelles et déterminer quels arbres et quelle végétation peuvent causer des dommages en raison de la croissance ou de la maladie.”

En savoir plus sur drones en foresterie ici, ou plus sur LiDAR basé sur un drone ici.

Ian a étudié à l'Université dominicaine de Californie, où il a obtenu un baccalauréat en anglais en 2019. Passionné depuis toujours par l'écriture et la narration et passionné par la technologie, il contribue maintenant à DroneLife en tant que rédacteur en chef

Ces informations ont été trouvées sur Drone Magazine