Détection automatique et analyse des variations de végétation à l’échelle du site pour des bâtiments patrimoniaux individuels le long de la Grande Muraille

Pourquoi les plantes peuvent menacer la pierre ancienne

La Grande Muraille de Chine est célèbre pour ses panoramas de remparts de pierre, mais ses parties les plus vulnérables sont souvent les petites tours de guet et tours de signalisation disséminées le long du tracé. Ces constructions individuelles sont lentement fragilisées par les racines et l’humidité provenant de la végétation voisine. L’étude présentée ici montre comment de nouveaux outils informatiques et des données satellitaires peuvent être combinés pour suivre les zones où la végétation autour de ces structures s’épaissit, aidant ainsi les conservateurs à prioriser les interventions avant que les dommages ne deviennent irréversibles.

Bâtiments cachés dans un vaste paysage

Depuis le sol, les bâtiments patrimoniaux individuels le long de la Muraille sont faciles à manquer. Beaucoup sont construits en terre compactée qui ressemble presque aux collines environnantes. Ils sont petits, altérés par le temps, et dispersés sur plus de 250 kilomètres de terrain accidenté dans la province du Shaanxi. Les relevés traditionnels exigent des experts qui inspectent des photos aériennes une par une, un processus lent et irrégulier. Sans contours précis de chaque tour, il est difficile de définir le « site » à surveiller ou d’évaluer comment les alentours immédiats ont évolué au fil du temps.

Apprendre aux ordinateurs à repérer les vieilles tours

Les chercheurs ont développé un système d’analyse d’images spécialisé appelé IHBSegNet pour délimiter automatiquement ces petites structures dans des images satellites à haute résolution. Le système repose sur des techniques modernes d’apprentissage profond excellant à reconnaître des motifs visuels. Parce que les tours se fondent dans leur arrière‑plan, les auteurs ont conçu plusieurs modules d’« attention » additionnels qui aident le réseau à se concentrer sur de subtiles différences de forme et de texture. Entraîné sur des échantillons soigneusement annotés à la main, le modèle a pu détecter et tracer les empreintes des tours plus précisément que plusieurs méthodes de segmentation d’images de référence, tout en restant suffisamment efficace pour être appliqué sur de grandes superficies.

Lire l’histoire de la végétation depuis l’espace

Une fois l’emplacement de chaque bâtiment fiabilisé, l’équipe s’est tournée vers un autre type de produit satellite qui résume le comportement du couvert terrestre sur une année entière. Plutôt que de travailler avec des clichés isolés susceptibles d’être masqués par les nuages ou par des fluctuations saisonnières, ils ont utilisé des embeddings satellitaires : des descriptions numériques compactes qui capturent une saison complète de variations pour chaque pixel de 10 mètres. En regroupant les pixels présentant des patrons d’embedding similaires via une méthode de clustering non supervisée, ils ont divisé le paysage en quatre types de densité de végétation faciles à interpréter : nu, clairsemé, modéré et dense. Ce processus a été répété pour chaque année de 2017 à 2024, créant une série propre de cartes de végétation pour le corridor de la Grande Muraille.

Suivre le changement local autour de chaque tour

Avec les contours des tours et les cartes annuelles de végétation en main, les chercheurs les ont superposés pour poser une question simple : pour le sol immédiatement à l’intérieur de l’emprise de chaque tour, la végétation est‑elle devenue plus dense, plus rare ou est‑elle restée à peu près la même sur sept ans ? Ils ont traité les quatre types de végétation comme des niveaux ordonnés du nu au dense et ont calculé combien de niveaux chaque pixel avait déplacés entre 2017 et 2024, puis ont moyenné ces déplacements pour chaque bâtiment. La plupart des plus de 550 tours détectées dans les secteurs de Fugu, Shenmu et Yuyang ont montré peu de changement net, suggérant des alentours relativement stables. Cependant, 67 sites se sont distingués par des variations marquées, et à Fugu et Yuyang la majorité de ces changements allaient vers une couverture plus dense — signe d’une pression croissante des racines et d’une humidité accrue sur des murs en terre fragiles.

Des cartes aux décisions de conservation

Le cadre résultant fait plus que produire des cartes esthétiques : il fournit aux gestionnaires du patrimoine une liste hiérarchisée de tours où la végétation rampante compromet le plus vraisemblablement la stabilité. Parce que la méthode s’appuie sur des données de télédétection ouvertes et sur un modèle de détection réutilisable, elle peut être étendue à d’autres portions de la Grande Muraille ou même à d’autres sites patrimoniaux linéaires dans le monde. Si les auteurs soulignent que des bâtiments très envahis ou peu visibles et des variations végétales à court terme peuvent encore échapper à la détection, leur approche marque la première quantification des changements de végétation bâtiment par bâtiment le long de ce monument emblématique. Concrètement, elle offre un moyen de convertir les flux satellitaires mondiaux en signaux locaux d’alerte précoce pour aider à préserver des structures anciennes menacées d’être progressivement démantelées par le paysage vivant qui les entoure.

Citation: Zheng, D., Wang, S., Feng, H. et al. Automatic detection and site-scale vegetation shift analysis for individual heritage buildings along the Great Wall. npj Herit. Sci. 14, 161 (2026). https://doi.org/10.1038/s40494-026-02422-w

Mots-clés: Conservation de la Grande Muraille, bâtiments patrimoniaux, télédétection, changement de végétation, apprentissage profond