Cartographie des défoliations du massif forestier du Pays des étangs en Lorraine : Apports potentiels de la télédétection

Résumé

Depuis le début des années 2000, les chênaies du massif forestier du Pays des étangs en Lorraine, massif essentiellement feuillu, subissent des dépérissements importants, aux causes multiples (insectes défoliateurs, sécheresse et canicule de 2003). La chenille processionnaire du chêne y joue un rôle essentiel en provoquant de nombreuses et importantes défoliations depuis les années 1990. Cette étude exploratoire montre qu’en s’appuyant sur des observations de terrain comme données de référence, une cartographie des défoliations des années 2010 peut être réalisée à partir d’images satellitaires. La méthode s’appuie sur des images à moyenne (MODIS) et haute (Landsat) résolutions spatiales, acquises à plusieurs dates dans l’année, d’une part, et sur une méthode de classification supervisée basée sur les forêts aléatoires d’arbres de décision, d’autre part. Une extrapolation permet d’avoir des indications sur le niveau des défoliations localement. Des améliorations de la méthode sur plusieurs points (meilleure adéquation entre les observations de terrain et les images, utilisation des images satellitaires Sentinel-2, choix des prédicteurs issus des images) sont envisagées afin de l’utiliser pour d’autres forêts subissant également d’importantes défoliations.

Abstract

Oak groves in the Pays des Etangs forest in Lorraine, composed essentially of oak trees, have suffered extensive die back since the beginning of the years 2000, attributable to various causes (defoliating insects, drought and 2003 heatwave, etc.). The oak processionary caterpillar has played an essential role by causing major, widespread defoliation since the 1990’s. This exploratory study shows that based on observations in the field used as reference data, mapping of defoliation in the years starting in 2010 can be performed with satellite images. The method relies on medium- (MODIS) and high- (Landast) spatial resolutions acquired on various days of the year on the one hand. And on the other, it relies on a supervised classification method based on the random forests of decision trees. By extrapolation, one obtains indications about the level of defoliation locally. Improvements of the method in several respects (better match between field observations and images, use of Sentinel-2 satellite images, choice of predictors derived from images) are being researched so that it can be applied to other forests experiencing major defoliation.