💡 Le projet | BoscEnFlux, projet de recherche soutenu par la région Nouvelle Aquitaine, propose de relire les trajectoires des espaces forestiers néo-aquitains par une analyse croisée des dynamiques matérielles et des luttes discursives associées à leurs marges sociales et écologiques. La démarche, qui relève de la géographie humaine mais aussi de l’épistémologie et de l’histoire des sciences, repose en partie sur une logique de zones-atelier sur lesquelles portent des efforts particulier de travaux d’enquête qualitative et de cartographie de l’évolution des couverts arborés. Les deux terrains d’étude ainsi investis sont des rectangles d’une surface de 8640 ha, (6,4 x 13,5 km), localisés dans le Médoc (centré sur la commune de Saint-Laurent-Médoc) et le Sauternais (centré sur la commune de Bommes).

🌐 Le jeu de données | Il s'agit d’une cartographie à haute résolution (10 m) de la composition du couvert forestier de 2017 sur la zone d’étude « Médoc », construite en reprenant une proposition de Karasiak et al. (2017). Se basant sur des séries temporelles de portions d’images décrivant des réflectances de la végétation arborée, la méthode vise à discriminer l’essence forestière dominante au sein d’une maille élémentaire en fonction de la spécificité de sa phénologie sur une saison de végétation. La classification tire profit des possibilités opérationnelles offertes par les dernières générations de satellites d'observation : revisite de moins d’une semaine, disponibilité inconditionnelle des données, capteurs haute résolution dans les gammes de longueur d’onde sur lesquelles les variations de réflectance de la végétation sont recherchées.

🦺 Détails méthodologiques | Le produit sélectionné est une imagerie Sentinel-2 (ESA) de niveau 2A disponible sur l’année 2017 (via plateforme Copernicus, granule T30TXR) : 14 couvertures des réflectances de surface entre le 10/3 et le 25/11, avec quatre bandes couvrant le visible et le proche infrarouge (B2,3,4 et 8, résolution de 10 m). La bibliothèque de machine learning de la suite logicielle OrfeoToolBox est utilisée en trois temps. Après un premier masquage « végétation » basé sur l’interprétation d’une classification non supervisée, la couverture nuageuse est également détourée sur chaque image (SCL). 237 points de validation « terrain » ont permis de renseigner des espèces dominantes: après assignation d’une centaine des points à l’apprentissage, un algorithme de classification Support Vector Machine est appliqué.

📊 La nomenclature | à huit classes, est interprétée comme suit :

Robinier faux-acacia Chênes décidus Aulnes/Frênes
Autres feuillus Peuplier Jeune peuplement de Pin Pins (maritime, taeda, autres résineux) Autres(vignes, sols nus, prairies)</l

📚 Références extérieures | Karasiak, N., Sheeren, D., Fauvel, M., Willm, J., Dejoux, J., Monteil, C., « Mapping tree species of forests in southwest France using Sentinel-2 image time series », 9th International Workshop on the Analysis of Multitemporal Remote Sensing Images (MultiTemp), Bruges, Belgique, 27-29 juin 2017. 10.1109/Multi-Temp.2017.8035215