Abstract :
[fr] Les exigences en matière d'inventaire forestier évoluent rapidement pour répondre à un ensemble de normes économiques, sociales et environnementales de plus en plus complexes en matière de gestion durable des ressources forestières. Le manque d'informations détaillées sur l'approvisionnement, c'est-à-dire la quantité et les caractéristiques des ressources forestières, constitue un obstacle important à la satisfaction de ces exigences. Avec le développement continu et la démocratisation des capteurs de lidar sur drone (ULS) et de lidar mobile (MLS), de nouveaux types de nuages de points sont de plus en plus accessibles pour appuyer le niveau opérationnel de l’inventaire. Dans la présente thèse, le potentiel et les limites de l’utilisation de nuages de points ULS et MLS pour la numérisation des arbres feuillus en amont de la chaine d’approvisionnement ont été évalués. Des méthodes de traitement ont été développées pour l’estimation d’attributs structuraux clefs tels que le diamètre à hauteur de poitrine (DHP), la hauteur de l'arbre, les dimensions de la couronne et le volume de bois marchand.
Dans le premier article, nous nous sommes concentrés sur le développement et l'évaluation de chaînes de traitement automatiques pour la détection et la segmentation des arbres individuels (ITD : Individual Tree Dectection and Delineation) et l'estimation de leurs attributs structuraux. Ceci, à partir de données ULS acquises avec et sans feuilles dans un peuplement naturel hétérogène de feuillus nordiques. Des comparaisons fines avec des nuages de points de lidar aérien (ALS) et terrestre (TLS) ont été réalisées pour mieux comprendre la configuration des données ULS et pour valider l'extraction d’attributs d’inventaire dérivés de l’ULS. Les meilleurs résultats pour la segmentation des arbres et l’estimation de leurs attributs structuraux ont été obtenus hors feuilles via l’utilisation d’une approche de segmentation dite ascendante (« bottom-up »). Les performances globales des capteurs ULS, en termes d'ajustement cylindrique des tiges et de précision géométrique des points le long de la tige, ne sont toutefois pas comparables à celles du TLS. Les incertitudes sont encore trop élevées au niveau de l'arbre individuel pour respecter les normes de l’inventaire terrain. L’acquisition hors feuilles de données ULS à haute densité pourrait toutefois jouer un rôle important dans le développement de modèles allométriques locaux qui font généralement défaut dans les peuplements complexes de feuillus, ainsi que pour la caractérisation des ressources et le soutien des opérations de foresterie de précision.
Dans le second article, nous proposons une méthode innovante pour extraire le volume de bois marchand à partir des données MLS-SLAM (localisation et cartographie simultanées). Les approches actuelles pour prédire le volume de bois marchand reposent sur des équations allométriques qui sont indépendantes de la forme et de la géométrie de l'arbre. Il existe des biais et des erreurs connus associés à cette simplification, en particulier pour les arbres feuillus. L'utilisation d'algorithmes de modèles structurels quantitatifs (QSM : Quantitative Structural Model) pour estimer le volume de bois à partir de nuages de points 3D représente une alternative prometteuse aux mesures destructives et un fort potentiel pour améliorer les modèles allométriques. Les résultats ont montré une grande similitude entre les données TLS et MLS pour l'estimation de la hauteur des arbres, des dimensions de la couronne et du DHP. L'application de QSMs sur des nuages de points MLS filtrés pour extraire le volume marchand du tronc principal des arbres feuillus n'a montré aucun biais significatif par rapport aux estimations TLS. Néanmoins, les données MLS sont plus bruitées que les données TLS, ce qui a entraîné une surestimation du volume de bois des branches qui augmente avec l'ordre de ramification. Toutefois, ces erreurs ont été limitées du fait que les branches de 2ème et de 3ème ordre de ramification ne représentaient qu'une faible proportion du volume marchand total. Ces résultats constituent une étape importante vers la prochaine génération d'inventaires forestiers améliorés par lidar mobiles au sol.
Compte tenu de l'utilisation accrue des systèmes ULS et MLS dans la gestion forestière, nos développements constituent des étapes importantes pour les futurs inventaires lidar à l’échelle de l’arbre individuel. Nos résultats démontrent des avancées significatives dans l'utilisation des configurations ULS et MLS pour l’estimation des paramètres biophysiques forestiers.
[en] Forest inventory requirements are rapidly evolving to meet an increasingly complex set of economic, social and environmental standards for sustainable forest resource management. The lack of detailed supply information, i.e., the quantity and characteristics of the forest resource, is a significant barrier to meeting these requirements. With the continued development and democratization of drone-based lidar (ULS) and mobile lidar (MLS) sensors, new types of point clouds are becoming increasingly available to support the operational level of inventory. In this thesis, the potential and limitations of using ULS and MLS point clouds for upstream hardwood tree digitization were evaluated. Processing methods were developed for the estimation of key structural attributes such as diameter at breast height (DBH), tree height, crown dimensions and merchantable wood volume.
In the first paper, we focused on the development and evaluation of automatic processing chains for the individual tree dectection and delineation (ITD) and the estimation of tree structural attributes. This is based on ULS data acquired with and without leaves in a heterogeneous natural stand of northern hardwoods. Fine comparisons with airborne (ALS) and terrestrial lidar (TLS) point clouds were performed to better understand the configuration of the ULS data and to validate the extraction of ULS-derived inventory attributes. The best results for tree segmentation and structural attribute estimation were obtained leaf-off using a bottom-up segmentation approach. The overall performance of the ULS sensors, in terms of cylindrical fit of the stems and geometric accuracy of the points along the stem, is however not comparable to that of the TLS. Uncertainties are still too high at the individual tree level to meet field inventory standards. However, leaf-off acquisition of high-density ULS data could play an important role in the development of local allometric models that are generally lacking in complex hardwood stands, as well as for resource characterization and support of precision forestry operations.
In the second paper, we propose an innovative method to extract merchantable wood volume from MLS-SLAM data (simultaneous location and mapping). Current approaches to predict merchantable wood volume rely on allometric equations that are independent of tree shape and geometry. There are known biases and errors associated with this simplification, particularly for hardwood trees. The use of Quantitative Structural Model (QSM) algorithms to estimate wood volume from 3D point clouds represents a promising alternative to destructive measurements and has great potential to improve allometric models. Results showed high similarity between TLS and MLS data for estimating tree height, crown dimensions and DBH. Applying QSMs on filtered MLS point clouds to extract the main stem merchantable volume of hardwood trees showed no significant bias compared to the TLS estimates. Nevertheless, the MLS data are noisier than the TLS data, which resulted in an overestimation of branch wood volume that increases with branching order. However, these errors were limited by the fact that 2nd and 3rd branching orders represented only a small proportion of the total merchantable volume. These results are an important step towards the next generation of improved ground-based mobile lidar forest inventories.
Given the increased use of ULS and MLS systems in forest management, our developments are important steps toward future lidar inventories at the individual tree scale. Our results demonstrate significant advances in the use of ULS and MLS configurations for estimating forest biophysical parameters.
