Changements significatifs de la végétation

Ce service détecte des changements probables de la couverture forestière sur un territoire et une période donnée. Le service s’appuie sur une détection de changement entre deux images satellites, et plus spécifiquement sur la différence de NDVI qui est un indice mesurant le taux de végétation contenu dans chaque pixel. Par différence de NDVI entre deux dates données et mesure de paramètres statistiques, cela délimite les changements probables survenus sur une zone forestière entre deux dates. Ces changements peuvent concerner les coupes à blanc, mais également des zones affectées par une sécheresse ou une maladie. 

Les images utilisées pour ce service sont les images Sentinel-2 dont la résolution spatiale est de 10 ou 20 m selon les bandes spectrales.

eo-forestry-1

 

Cartographie forestière

Ce service délimite les zones forestières sur un territoire (A) et détermine la typologie à savoir, la différentiation entre les feuillus et les résineux (B). Cette typologie peut varier selon le contexte forestier et/ou géographique, le prérequis étant la disponibilité de données terrain sur la zone analysée. Le service s’appuie sur des algorithmes de Machine Learning afin de différentier les pixels de l’image et de les classer en tant que forêt/non forêt (A) et feuillus/résineux (B). Une dimension temporelle est ajoutée au processus de classification afin de renforcer la précision des résultats. Plusieurs images sont ainsi traitées sur une année, la combinaison des différentes classifications permettant de déduire la probabilité d’appartenance à une des classes. 

Les images utilisées pour ce service sont les images Sentinel-2 dont la résolution spatiale est de 10 ou 20 m selon les bandes spectrales.

eo-forestry-2

 

Cartographie des principales essences forestières

Ce service cartographie les essences forestières principales sur un territoire. La définition des essences principales peut varier selon le contexte forestier et/ou géographique, le prérequis étant la disponibilité de données terrain sur la zone analysée. Dans le cadre des études menées en Wallonie, les essences cartographiées sont 1) l’Epicéa, 2) le Douglas, 3) le Mélèze, Pins et autres résineux, 4) le Chêne, 5) le Hêtre, 6) les autres feuillus. Le service s’appuie sur des algorithmes de Machine Learning afin de différentier les pixels de l’image et de les définir selon la liste des classes. Une dimension temporelle est ajoutée au processus de classification afin de renforcer la précision des résultats. Plusieurs images sont ainsi traitées sur une année, la combinaison des différentes classifications permettant de déduire la probabilité d’appartenance à un des classes. 

Les images utilisées pour ce service sont les images Sentinel-2 dont la résolution spatiale est de 10 ou 20 m selon les bandes spectrales.

eo-forestry-3

 

Phénologie des essences et détection d’anomalies

Ce service illustre au sein d’un graphique l’évolution de la couverture végétale d’une ou plusieurs parcelle(s) forestière(s). Le service calcule pour chaque date où une image est disponible, la moyenne des pixels de NDVI (indice mesurant le taux de végétation par pixel) au sein de chaque parcelle dont les limites doivent être fournies. Ces valeurs sont enregistrées dans un tableau qu’il est alors possible d’exploiter, soit en traçant les courbes phénologiques par parcelle pour une simple visualisation, soit afin de réaliser des analyses plus ciblées, comme par exemple la détection d’anomalie dans la couverture végétale d’une année sur l’autre (sécheresse, maladie, coupe …).

Les images utilisées pour la phénologie sont les images Sentinel-2 dont la résolution spatiale est de 10 ou 20 m selon les bandes spectrales.

eo-forestry-4