Modèles de hauteur de canopée : Cartographie des hauteurs de végétation
Découvrez comment les scientifiques mesurent la hauteur des plantes grâce à des technologies avancées.
Brady W Allred, Sarah E. McCord, Scott L. Morford
― 7 min lire
Table des matières
Les Modèles de hauteur de canopée (MHC) sont des outils qui montrent à quel point les plantes et les arbres sont grands dans une certaine zone. Imagine voler haut au-dessus d'une forêt et regarder en bas ; tu verrais un mélange de vert, de marron, et peut-être un peu de gris. Les MHC nous aident à comprendre ce mélange en nous donnant une vue claire des hauteurs des différentes parties de l'environnement. Ils sont essentiels pour comprendre combien de carbone les arbres peuvent stocker, comment les habitats changent, et comment gérer les terres pour l'avenir.
Qu'est-ce que les Modèles de Hauteur de Canopée ?
Les Modèles de Hauteur de Canopée mesurent la hauteur de la Végétation au-dessus du sol. Ils aident les scientifiques et les gestionnaires de terres à voir à quel point les arbres ou les plantes sont grands dans une zone. Ces modèles sont créés principalement grâce à une technologie appelée LiDAR, qui signifie Détection et Mesure de la Lumière. Pense au lidar comme à une lampe torche super-héros, qui éclaire vers le bas pour mesurer la hauteur des choses en fonction du temps que met la lumière à rebondir.
Mais il y a un hic : beaucoup de mesures lidar viennent d'avions qui ne peuvent couvrir qu'une petite zone à la fois. C'est comme un selfie très ciblé qui ne montre pas toute la fête. Pour avoir une meilleure vue, les scientifiques utilisent des satellites qui peuvent voir de plus grandes zones mais perdent un peu de détail. Donc, tandis qu'une méthode donne une image claire, l'autre offre une portée plus large.
Combiner les Forces pour de Meilleurs Résultats
Pour tirer le meilleur parti des deux mondes, les scientifiques ont associé différentes technologies. Ils mélangent les Données lidar provenant des satellites avec des images prises par d'autres caméras ou même des radars. Cette combinaison permet d'avoir une vue plus complète de l'environnement. Imagine essayer de résoudre un puzzle-parfois, tu as besoin de voir le grand tableau pour voir où les pièces s'emboîtent.
Avec ces données combinées, les chercheurs ont pu créer des modèles détaillés de hauteur de canopée pour de grandes zones autour du globe.
L'Importance des Pâturages
Alors qu'un bon paquet de travail a été consacré à comprendre les forêts, les prairies et autres espaces ouverts appelés pâturages n'ont pas reçu autant d'attention. Même si les pâturages couvrent une énorme partie de la surface de la Terre, la mesure de leur végétation est souvent négligée. Cet oubli n'est pas top, car savoir à quelle hauteur les plantes sont dans ces zones est crucial pour bien les gérer. Après tout, sans savoir ce avec quoi tu travailles, comment peux-tu t'en occuper ?
Les pâturages peuvent être un peu chaotiques avec diverses plantes qui se battent pour l'attention. Pour obtenir de bonnes mesures, les scientifiques ont besoin de modèles détaillés de hauteur de canopée qui reflètent ce mélange de végétation.
Rassembler les Données
Pour créer un ensemble complet de modèles, les scientifiques ont utilisé les données du US Geological Survey collectées entre 2014 et 2023. Ils ont collecté des données à travers les États-Unis, se concentrant sur les zones où les pâturages sont courants tout en incluant d'autres types de terres aussi. Ils se sont assurés d'avoir un bon échantillon de lieux pour que chaque type majeur de couverture terrestre soit pris en compte.
Le processus n'a pas été sans défis. Parfois, les données n'étaient pas disponibles, ou la zone était juste trop dense en plantes, ce qui compliquait la collecte d'informations claires. Ils devaient s'assurer que les emplacements choisis étaient assez espacés pour ne pas interférer les uns avec les autres-au moins 240 mètres de distance !
La Magie du Lidar
Les données lidar utilisées pour ces modèles viennent dans un format spécial qui les rend faciles à récupérer et à traiter. À l'aide de ces données, les chercheurs ont examiné des emplacements spécifiques, rassemblant tous les points qu'ils pouvaient trouver. Ils ont dû jeter tout ce qui était trop bruité ou ne fournissait pas d'infos valables. Pense à ça comme essayer d'écouter de la musique dans une pièce bondée-tu veux te concentrer sur les bonnes notes et ignorer le bruit.
En utilisant un logiciel conçu pour analyser les données lidar, ils ont transformé ces informations brutes en modèles de hauteur de canopée utilisables. Parfois, les tentatives pour créer ces modèles échouaient, et ils devaient essayer différentes techniques pour remettre les choses sur les rails.
S'associer avec les Images NAIP
Alors que les modèles de hauteur de canopée fournissent des infos précieuses sur la végétation, ils avaient besoin de quelque chose pour les compléter. C'est là que les images du National Agriculture Imagery Program (NAIP) entrent en jeu. Ces images sont prises tous les quelques années et aident à fournir un contexte visuel pour les MHC.
Les scientifiques sont partis à la chasse aux trésors, cherchant des images NAIP qui correspondaient à la période des données lidar. Ils voulaient s'assurer que les photos prises s'aligneraient bien, comme comparer tes selfies du même événement.
Tout Rassembler
Après beaucoup de travail, les chercheurs ont réussi à créer plus de 22 millions de paires de modèles de hauteur de canopée et d'images NAIP. C'est comme prendre une tonne de photos et s'assurer qu'elles s'intègrent toutes bien dans un album. Cette collection donne une vision large et détaillée de la végétation à travers les États-Unis.
Le Résultat Final
Le résultat de ce travail est un énorme ensemble de données qui peut aider dans différents domaines comme la gestion des terres, la conservation, et même la gestion des catastrophes. En comprenant mieux à quelle hauteur sont les plantes et comment elles changent dans le temps, les gestionnaires de terres et les scientifiques peuvent prendre des décisions plus éclairées sur la manière de prendre soin de ces écosystèmes vitaux.
Contrôle de Qualité
Comme dans tout bon projet, des contrôles de qualité étaient essentiels. La répartition des données a montré que le design d'échantillonnage a bien fonctionné, et les pâturages étaient bien représentés. Cependant, certaines images n'ont pas tout à fait réussi à passer le processus, soit à cause de données manquantes, soit à cause de décalages temporels.
Après avoir comparé leur travail avec des modèles existants créés par d'autres chercheurs, ils ont trouvé que leurs résultats étaient plutôt bons. Les erreurs dans les mesures de hauteur étaient petites, montrant que leurs méthodes fonctionnaient efficacement.
Conclusion
Au final, ces modèles de hauteur de canopée servent d'outil puissant pour comprendre notre monde naturel. Ils permettent aux chercheurs de rassembler non seulement des données, mais aussi des infos sur comment notre planète change et comment on peut mieux en prendre soin. Que ce soit une forêt immense, une prairie ensoleillée, ou une zone urbaine animée, connaître les détails sur les hauteurs des plantes peut informer d'innombrables décisions pour l'avenir.
Donc, la prochaine fois que tu sors et que tu regardes les arbres et les herbes autour de toi, souviens-toi qu'il y a tout un monde de données derrière leurs hauteurs. Et même si ton voisin est un peu plus grand que toi, au moins tu sais maintenant comment obtenir les mesures !
Titre: Canopy height model and NAIP imagery pairs across CONUS
Résumé: Canopy height models (CHM) provide detailed environmental vertical structure information and are an important indicator and input for ecological and geospatial applications. These models are often spatiotemporally inconsistent, necessitating additional modeling to scale them in space and time. Yet, such scaling is hindered by a lack of spatially diverse data. To address this, we use United States Geological Survey 3D Elevation Program lidar data to produce 22,796,764 one meter resolution CHM chips, stratified across the dominant land covers of the conterminous United States. For each CHM, we pair a matching time-aligned aerial image from the United States Department of Agriculture National Agriculture Imagery Program. This dataset can be used to train models for large scale CHM production.
Auteurs: Brady W Allred, Sarah E. McCord, Scott L. Morford
Dernière mise à jour: Dec 24, 2024
Langue: English
Source URL: https://www.biorxiv.org/content/10.1101/2024.12.24.630202
Source PDF: https://www.biorxiv.org/content/10.1101/2024.12.24.630202.full.pdf
Licence: https://creativecommons.org/licenses/by/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.