Améliorer l'entretien des arbres avec des données de drones et de satellites

La Santé des arbres en ville et dans les forêts est menacée à cause du changement climatique et des sécheresses de plus en plus longues et sévères. Les arboristes et les forestiers doivent gérer des charges de travail plus importantes et souvent avec moins de personnel pour les aider. Pour les aider à travailler plus efficacement et efficacement, une nouvelle approche open-source est proposée. Cette méthode utilise des images aériennes capturées par des Drones et des satellites pour créer des informations détaillées sur les arbres, ce qui aide à planifier les tâches liées à l'entretien des arbres.

#Le Rôle des Drones et Satellites

Les drones, aussi appelés Véhicules Aériens Sans Pilote (UAV), sont utilisés pour rassembler des images de haute qualité des arbres dans les parcs de la ville et les forêts. Ces images aident à créer des inventaires d'arbres et à évaluer la santé des arbres individuels. Cependant, à cause des réglementations de l'Union Européenne qui restreignent les vols de drones en milieu urbain, des données satellites sont aussi utilisées. De plus, des Capteurs d'humidité du sol sont installés en ville pour surveiller les niveaux d'eau dans le sol, ce qui est essentiel pour la santé des arbres.

Bamberg, une ville en Allemagne, a une base de données d'environ 15 000 arbres, ce qui aide à rassembler et analyser des infos sur la vitalité des arbres. Toutes les données collectées par les drones, satellites et capteurs de sol sont combinées et affichées dans une application web interactive. Cet outil permet aux arboristes et aux forestiers d'analyser les données et de prendre des décisions éclairées concernant l'entretien des arbres.

#Défis liés au Changement Climatique

La crise climatique représente une menace sérieuse pour les arbres. La montée des températures et les sécheresses peuvent rendre les arbres plus vulnérables aux parasites et augmenter les taux de mortalité. Les arboristes et les forestiers à Bamberg doivent faire face à ces problèmes, mais souvent avec un personnel et un budget limités.

Pour relever ces défis, un projet nommé BaKIM a été lancé en collaboration avec les autorités locales et les universités. Le projet vise à fournir aux arboristes et aux forestiers de meilleures informations basées sur des données collectées par des drones et des satellites. En utilisant une combinaison d'apprentissage profond, d'apprentissage automatique et de méthodes statistiques, le projet cherche à créer des informations utiles et flexibles pour le soin des arbres.

#Collecte de Données et Surveillance

BaKIM utilise diverses méthodes de collecte de données pour surveiller la santé des arbres. Les principales sources de données sont des drones équipés de caméras haute résolution. Ces drones sont classés selon leur poids et les zones où ils peuvent opérer. Par exemple, un drone à ailes fixes est utilisé dans les zones forestières en dehors de la ville, tandis qu'un plus petit quadcopter peut fonctionner en milieu urbain.

En plus des images de drones, BaKIM utilise des images satellites et des capteurs d'humidité du sol pour fournir une vue d'ensemble de la santé des arbres. Le projet se concentre sur plusieurs zones désignées où les arbres sont surveillés et échantillonnés.

#Méthodes de Détection des Arbres

Pour identifier et localiser avec précision les arbres individuels, le projet utilise des techniques d'apprentissage profond en vision par ordinateur. Cela implique deux processus clés : détecter des arbres uniques et délimiter leurs couronnes. Les méthodes précédentes s'appuyaient sur des techniques traditionnelles, mais les nouvelles méthodes d'apprentissage profond se sont révélées plus efficaces pour identifier avec précision les arbres dans des environnements complexes.

Une méthode, appelée Faster R-CNN, aide à détecter des arbres individuels, tandis qu'une autre appelée Mask R-CNN fournit des informations plus détaillées sur la forme des couronnes d'arbres. Ces techniques avancées surpassent les anciennes méthodes et permettent des évaluations plus précises de la santé des arbres.

#Classification Non Supervisée des Espèces Arborées

Un défi dans le soin des arbres est l'identification des différentes espèces. Les méthodes traditionnelles nécessitent des experts pour classifier chaque arbre, ce qui peut prendre beaucoup de temps. BaKIM introduit une méthode non supervisée, qui permet de traiter plus rapidement la classification des espèces d'arbres à partir de leurs images.

Cette méthode consiste à capturer des images des couronnes d'arbres, à les prétraiter, à extraire des caractéristiques, puis à appliquer des algorithmes de regroupement pour catégoriser les arbres sans nécessiter d'intervention humaine extensive. En simplifiant le processus de classification, les arboristes peuvent obtenir des infos précieuses sur la distribution des espèces plus efficacement.

#Segmentation Sémantique pour Tâches Spécifiques

Une autre stratégie utilisée dans BaKIM est la segmentation sémantique, qui classe les espèces d'arbres dans les images aériennes sans se concentrer sur des arbres individuels. Cette méthode utilise une structure appelée U-Net pour décomposer les images en parties plus petites, identifiant différentes espèces d'arbres sur une zone plus large.

Bien que des résultats utiles aient été obtenus, certaines espèces restent sous-représentées dans le jeu de données. Le projet vise à corriger ce déséquilibre en combinant des classes moins fréquentes en une seule catégorie, facilitant ainsi la gestion des tâches de classification.

#Évaluation de la Vitalité des Arbres

Évaluer la vitalité des arbres est crucial pour les forestiers et les arboristes. Deux approches sont utilisées : l'utilisation d'indices statistiques dérivés de données multispectrales et l'utilisation de méthodes d'apprentissage profond pour identifier les signes de stress ou de maladie chez les arbres.

Les indices statistiques comme l'Indice de Végétation par Différence Normalisée (NDVI) aident à indiquer la présence de végétation saine. En calculant ces indices à partir des données collectées, les arboristes peuvent mieux évaluer la santé des arbres et les facteurs de stress potentiels.

De plus, l'apprentissage profond peut aider à identifier des problèmes spécifiques, comme le gui ou les feuilles mortes dans les couronnes des arbres. En formant des modèles pour reconnaître ces conditions à partir des images aériennes, le projet vise à établir une approche plus proactive pour le soin des arbres.

#Application Web Interactive pour les Arboristes

Pour s'assurer que les informations générées soient accessibles, BaKIM inclut une application web interactive. Cette plateforme permet aux arboristes et aux forestiers de visualiser et d'analyser les infos collectées. Ils peuvent filtrer les données, voir différentes perspicacités liées aux arbres et évaluer les conditions de manière conviviale.

#Conclusion et Étapes Futures

BaKIM progresse dans la création d'un outil précieux pour le soin des arbres grâce à des approches centrées sur l'humain. Les premiers retours des arboristes et forestiers locaux indiquent que les solutions développées sont utiles pour les tâches quotidiennes.

En créant une base de données de données aériennes et de résultats d'analyse, BaKIM peut faciliter de futures études sur des séries temporelles. Cela est particulièrement significatif pour comprendre l'impact du changement climatique sur les arbres. Les capteurs d'humidité du sol installés peuvent également fournir des données en temps réel sur les niveaux d'eau des arbres, aidant à leur entretien.

Bien que l'exactitude des inventaires d'arbres s'améliore, le projet vise à peaufiner encore les méthodes pour obtenir de meilleurs résultats. Cependant, il est important de souligner que BaKIM est conçu pour soutenir plutôt que remplacer l'expertise des arboristes et forestiers. En fin de compte, les informations améliorées peuvent les aider dans leur travail, menant à des arbres plus sains à Bamberg et au-delà.