Nouvel article : peu d’apport des images Sentinel-1 pour le suivi du dépérissement des chênes et châtaigniers

Dans le cadre du projet SuFoSat mené au CESBIO, une collaboration entre trois laboratoires (CESBIO, Dynafor et P2PE) a permis d’évaluer l’apport des images Sentinel-1 pour la détection précoce du dépérissement sur deux essences de feuillus : les chênes et les châtaigniers sur une vaste zone (12 tuiles Sentinel-2, voir Figure 1). Des classifications ont été effectuées pour mesurer la capacité des données Sentinel-1 à identifier les parcelles sous différentes conditions de dépérissement. Deux algorithmes de classification, Random Forest et Logistic Regression ont été appliqués sur des ensembles de données composés de données Sentinel-1, de données Sentinel-2 ou d’une combinaison de données Sentinel-1 et Sentinel-2 (voir Figure 2 : diagramme de l’étude). En outre, l’importance des différentes bandes spectrales optiques et polarisations radar  a été calculée à l’aide de différentes techniques : l’importance RF native, la méthode SFS (sequential feature selection) et la pénalité LASSO.

Les résultats (Figure 3) montrent que les séries temporelles Sentinel-1, malgré leur sensibilité à la structure de la canopée et à la teneur en eau, ne sont pas très sensibles aux premiers stades de dépérissement forestier. Les images Sentinel-1 semblent être utiles seulement dans certains cas de dépérissement extrême. L’utilisation d’une seule image Sentinel-2 prise en été conduit à des résultats de classification plus précis que l’utilisation d’une année entière de données Sentinel-1. Avec l’algorithme SFS, 2 ou 3 bandes spectrales de Sentinel-2 suffisent pour atteindre une précision quasi optimale. Cela confirme les précédentes études (Mouret et al. 2023) qui avaient identifié l’importance des bandes spectrales dans le proche et moyen infra-rouge pour la détection du dépérissement sur les chênes.

Bien que les données Sentinel-1 ne soient pas adaptées à la détection des premiers stades du dépérissement forestier, il pourrait être intéressant de les utiliser pour d’autres applications de surveillance des forêts qui ne devraient pas être affectées par le dépérissement , comme par exemple la reconnaissances des essences d’arbres et la détection des coupes rases.

Reference 

F. Mouret, M. Parrens, V. Chéret, J. -P. Denux, C. Vincent-Barbaroux and M. Planells, « Evaluating Sentinel-1 Capability in Classifying Dieback in Chestnut and Oak Forests, » in IEEE Geoscience and Remote Sensing Letters, vol. 21, pp. 1-5, 2024, Art no. 2505005, https://ieeexplore.ieee.org/document/10638634