Détection automatisée du réseau routier en forêt boréale par télédétection
Notice bibliographique
Résumé
Les routes forestières sont essentielles pour l’aménagement forestier durable, il est important pour les gestionnaires des forêts de détenir l’information adéquate du réseau routier dans leur prise de décision. Ce projet a permis d’évaluer l’apport de trois approches orientées objets d’extraction du réseau routier en forêt boréale à partir de; 1) LiDAR aéroporté à 1 mètre de résolution spatiale; 2) l’image satellitaire Sentinel-2 à 10 mètres de résolution et 3) la fusion de deux sources de données précédentes. Le but étant non seulement d’estimer la contribution individuelle de chaque donnée, mais aussi de compléter les informations morphologiques sur les routes forestières afin de mettre à jour les bases de données géographiques disponibles, à partir d’un processus de détection automatique par télédétection. En effet, les bases de données disponibles sont sujettes des incohérences dues aux problèmes liés à la structuration des données reflétant la réalité de terrain ainsi que des limitations sur le géoréférencement qui affectent la prise de décision sur l’ensemble du territoire forestier. Avec l’essor de la technologie de produits de télédétection et de systèmes d’information géographique, nous proposons dans cette étude, une approche de classification automatique basée sur les objets pour l’identification et la caractérisation automatique des chemins en forêt boréale. La segmentation multirésolution a été appliquée aux trois approches sur trois zones d’étude situés au Québec. Les objets linéaires détectés ont été construits de manière itérative en objets linéaires routes par utilisation supplémentaire de la segmentation basée sur la différence spectrale. Les objets linéaires routes ont ainsi été classifiés en réseau routier à partir d’un jeu de règles, définissant ainsi le processus de la classification orientée objet. Les données des composantes morphologiques des routes (largeur de l’emprise et pente longitudinale) ont été extraites du réseau routier pour servir de caractérisation automatique des chemins forestiers. Cette approche méthodologique minimise les incohérences d’informations retrouvées dans les outils cartographiques actuellement disponibles (Routard) et contribue à la documentation sur la morphologie (qualité de l’information sur la géométrie) des données routières disponibles. Les résultats montrent pour les trois zones d’étude que l’approche utilisant la fusion de données Sentinel-2 et LiDAR améliore considérablement les performances de la précision globale (88%) quant à la détection de réseau routier par rapport à l’approche basée sur Sentinel-2 (70%) et celle basée sur LiDAR (63%). Les résultats obtenus sont présentés sous la forme d’une couche vectorielle dans une base de données d’information géographique pour un territoire d’étude.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».