Les forêts sont d'importants puits de carbone menacés par le changement climatique et l'activité humaine, mais leur surveillance à grande échelle constitue un défi scientifique majeur. Pour y remédier, Etienne Laliberté, professeur titulaire à l'Université de Montréal et à Mila, dirige le projet Kanopia, un collectif de recherche et une plateforme ouverte conçus pour mettre l'imagerie par drone et l'intelligence artificielle à la portée des chercheurs, des communautés locales et des conservationnistes du monde entier.
Dans un article publié dans Methods in Ecology and Evolution, intitulé « Seeing both the forest and the trees: An automated workflow for ultra-high-resolution drone imaging of tropical canopies », l'équipe dévoile Harpia, un flux de travail en code source libre qui automatise l'acquisition de photos à haute résolution de la canopée à une échelle sans précédent.
Identifier les arbres individuels
« Les forêts tropicales sont l'un des plus grands puits de carbone sur Terre », explique Étienne Laliberté. « Sans forêts tropicales, le climat serait plus chaud, ce serait comme vivre avec un seul poumon. »
Protéger ces écosystèmes fragiles exige une surveillance à grande échelle, mais les écologistes sont confrontés depuis longtemps à un défi majeur : les satellites couvrent de vastes paysages mais manquent de détails au niveau des espèces, tandis que les relevés sur le terrain fournissent des identifications précises mais ne couvrent que de petites zones.
« Les drones comblent l'écart entre ces deux échelles », précise-t-il.
Le flux de travail commence par la cartographie de la forêt à des dizaines de mètres au-dessus de la canopée. Des algorithmes d'IA détectent et délimitent ensuite la couronne des arbres individuels sur la carte aérienne obtenue. Une fois les couronnes cibles identifiées, le système programme la trajectoire de vol du drone pour capturer des photos détaillées des feuilles, des fleurs et des fruits nécessaires pour identifier les arbres.
Ce flux de travail automatisé capture en une journée ce qui aurait pris à des humains des mois de cartographie.
Surveiller la forêt à grande échelle
Développée dans le cadre de la candidature victorieuse de l'équipe au XPRIZE Rainforest, Harpia est la bibliothèque Python en code source libre qui automatise ces missions de vol.
À l'aide d'un drone grand public, les pilotes réalisent d'abord une étude cartographique grand-angle sur des surfaces allant jusqu'à 200 hectares. La photogrammétrie transforme ces images en une orthomosaïque et un modèle numérique de surface 3D.
Ensuite, guidé par un GNSS RTK de qualité topographique, le drone survole de manière autonome les couronnes pré-sélectionnées. En vol stationnaire à 6 mètres au-dessus du feuillage, son téléobjectif capture des images macro de 0,2 à 0,4 mm par pixel, suffisamment nettes pour que les botanistes puissent inspecter la nervation de fines feuilles, les fleurs et les lianes directement à l'écran (les images sont tellement précises que l'équipe a même aperçu une araignée se reposant sur une feuille).
Grâce à cette méthode, un seul pilote peut photographier jusqu'à 300 couronnes d'arbres détaillés par jour (les récentes optimisations sur le terrain dépassant les 1000) dans un rayon de 3 kilomètres autour du point de décollage, offrant ainsi un accès à environ 2 800 hectares de forêt à partir d'un seul point de lancement.
Entraîner des IA botanistes
Entraîner des modèles de vision par ordinateur à identifier les espèces d'arbres à travers des paysages entiers nécessite des ensembles de données vastes et fiables. Au fil des ans, l'équipe a donc effectué des campagnes de terrain sur l'île Barro Colorado au Panama, une station de recherche disposant d'un siècle de données botaniques.
« L'île Barro Colorado est l'une des forêts tropicales les plus étudiées au monde », explique Helene Muller-Landau, chercheuse principale au Smithsonian Tropical Research Institute, qui est partenaire du projet.
« L'un des grands avantages de la réalisation de ce travail pilote est que nous disposons de 100 ans de recherche sur cette île sur lesquels nous appuyer. Car une partie essentielle de ce travail d'intelligence artificielle consiste à disposer d'un jeu de données d'entraînement vaste et de haute qualité. »
Avec plus de 24 000 arbres de la canopée déjà photographiés au Panama, en Équateur et au Brésil, ces images vérifiées établissent la base sur laquelle les futurs modèles d'IA pour la classification automatisée des espèces dans d'autres biomes pourront être entraînés.
Des outils ouverts pour protéger les forêts
Des vols de drones récurrents permettent également de suivre la façon dont les forêts réagissent activement aux stress environnementaux.
« Le projet Kanopia constitue un changement majeur dans notre façon de comprendre les forêts tropicales », déclare Adriane Esquivel-Muelbert, professeure agrégée au département des sciences végétales de l'Université de Cambridge, également partenaire du projet.
« Il élargit l'échelle, pour mieux comprendre les forêts au niveau de l'écosystème, mais nous permet également de comprendre les réponses presque en temps réel au changement climatique. »
Résoudre les incertitudes dans les modèles de végétation nécessite une surveillance fréquente pour observer comment les arbres individuels font face aux vagues de chaleur ou aux sécheresses, par exemple.
Ces données peuvent aider à prédire les réponses climatiques futures, à guider la sélection des espèces pour les programmes de restauration et à permettre aux communautés de surveiller la santé de leurs forêts au fil du temps.
En rendant ce flux de travail entièrement ouvert, le projet Kanopia réduit les obstacles financiers et techniques en équipant les acteurs de la conservation d'outils accessibles pour protéger, gérer et restaurer des écosystèmes forestiers vitaux dans le monde entier.
Vidéo connexe
