Analyse de la résolution spatiale et spectrale utilisant l’hyperspectral embarqué sur drone et l’imagerie multispectrale satellitaire pour la surveillance des eaux côtières peu profondes

Pourquoi cette étude côtière est importante

Les eaux côtières peu profondes abritent des prairies de zostères, des récifs et des bancs d’algues qui protègent les rivages, soutiennent les pêcheries et stockent du carbone. Pourtant, ces habitats sont difficiles à cartographier et à surveiller fréquemment en s’appuyant uniquement sur des bateaux. Cette étude montre comment le vol d’une caméra hyperspectrale sur un drone, combiné à des vues de type satellitaire, peut produire des cartes détaillées et reproductibles de la profondeur de l’eau et des habitats du fond, aidant les collectivités à gérer des côtes fragiles sous la pression croissante de l’activité humaine et du climat.

Regarder la mer depuis le dessus

Les chercheurs se sont concentrés sur la plage de Las Canteras, un littoral urbain de Grande Canarie protégé pour sa faune marine riche mais fortement fréquenté par les habitants et les touristes. Un banc rocheux naturel calme l’eau et rend le fond clairement visible depuis le ciel, ce qui est idéal pour la télédétection optique. Historiquement, la zone accueillait de vastes prairies de zostères, aujourd’hui largement disparues suite aux aménagements côtiers qui ont modifié les dynamiques de sable. Aujourd’hui, des taches d’algues vertes, brunes et rouges, ainsi que des étendues de sable et de roche, composent une mosaïque du fond qui reflète à la fois les changements naturels et l’impact humain.

Tester différents « yeux » sur l’eau

Au cœur du travail se trouve une expérience astucieuse : plutôt que de comparer directement des caméras différentes prises à des moments distincts, l’équipe a commencé par une seule image drone très détaillée capturée par un capteur hyperspectral (97 bandes étroites à 10 cm de résolution). À partir de cette référence unique, ils ont « dégradé » mathématiquement les données pour imiter un satellite commercial à 8 bandes plus larges et une caméra RGB simple à 3 bandes, chacune à la fois en pixels fins (10 cm) et plus grossiers (2 m). Cela a produit six versions contrôlées de la même scène, toutes exemptes de différences liées à la météo, à la transparence de l’eau ou aux marées. Ils ont ensuite utilisé ces images pour estimer la profondeur de l’eau (bathymétrie) et classer les types de fond (végétation, sable et roche) en combinant des formules bien connues et des méthodes modernes d’apprentissage automatique.

Lire la profondeur et les habitats à partir de la couleur

Pour reconstituer la profondeur, l’étude a comparé une approche mathématique établie qui relie la lumière dans deux bandes de couleur à la profondeur, avec un modèle d’apprentissage automatique plus flexible qui apprend les motifs à partir de nombreuses bandes simultanément. Pour les habitats benthiques, ils ont entraîné deux types de classifieurs : des machines à vecteurs de support et des réseaux de neurones feedforward, tous deux guidés par des relevés in situ et des photos du fond. Sur l’ensemble des tests, les données hyperspectrales issues du drone ont donné les résultats les plus précis, avec des erreurs de bathymétrie aussi faibles qu’environ 15 centimètres et environ 94 % de bonnes classifications d’habitat. L’imagerie multispectrale, similaire à celle des satellites commerciaux courants, a presque égalé ces performances, offrant un bon compromis entre détail, couverture et coût. La version RGB plus simple a produit des résultats acceptables pour la profondeur mais a eu du mal à distinguer de manière fiable les différents types de fond dans cet habitat complexe, en particulier pour différencier des espèces d’algues proches.

Qu’est-ce qui compte le plus : la netteté ou la richesse spectrale ?

Une des questions clés était de savoir si des pixels plus fins ou une richesse spectrale plus grande font la plus grande différence. Pour la profondeur, la réponse est surprenante : modifier la taille du pixel de 10 cm à 2 m a à peine affecté la précision. Parce que la profondeur dépend principalement de la manière dont la lumière s’atténue dans l’eau, un très haut niveau de détail spatial apporte peu lorsque les eaux ne dépassent que quelques mètres et sont relativement calmes. Pour la cartographie des habitats, en revanche, la richesse spatiale et spectrale compte davantage. Des pixels plus fins réduisent le mélange de sable, de roche et de plantes au sein de chaque pixel, rendant les classes plus faciles à séparer. Et lorsque l’objectif est de distinguer des types d’algues proches, le fait de disposer de plus de bandes spectrales aide clairement. Le modèle de réseau de neurones a tiré le meilleur parti de cette information supplémentaire, surpassant le classifieur plus traditionnel.

Suivre une perte préoccupante de végétation marine

Au-delà du test méthodologique, l’équipe a aussi comparé une véritable image satellite de 2016 avec les données drone de 2023, ajustées pour correspondre à la résolution plus grossière du satellite. Ils ont détecté une perte estimée d’environ 7 200 mètres carrés de végétation marine, dont une grande partie proviendrait probablement de prairies d’algue verte Cymopolia barbata. Combinée à la disparition déjà documentée des zostères historiques, à une tendance locale de réchauffement de la température de surface de la mer ainsi qu’à une forte fréquentation récréative et des problèmes périodiques de qualité de l’eau, ces observations suggèrent que ce récif urbain subit une pression significative.

Ce que cela signifie pour les côtes et les communautés

Pour un public non spécialiste, le message est double. D’une part, l’imagerie moderne par drones et satellites, analysée avec l’apprentissage automatique, peut désormais fournir des cartes précises et reproductibles de la profondeur en eaux peu profondes et de la vie du fond sans relevés constants par bateau. Cela rend pratique la surveillance des évolutions des habitats côtiers sur des années voire des saisons. D’autre part, le cas de Las Canteras illustre pourquoi une telle surveillance est urgente : des « forêts » sous-marines précieuses peuvent se réduire silencieusement sous le poids combiné du réchauffement des eaux et de la pression humaine locale. L’approche présentée ici offre une boîte à outils pragmatique aux villes et aux agences de conservation pour mieux surveiller leurs quartiers sous-marins et agir avant la perte d’habitats clés.

Citation: Mederos-Barrera, A., Eugenio, F. & Marcello, J. Spatial-spectral resolution analysis using drone hyperspectral and satellite multispectral imagery for shallow coastal water monitoring. Sci Rep 16, 14511 (2026). https://doi.org/10.1038/s41598-026-38166-7

Mots-clés: cartographie côtière, imagerie hyperspectrale par drone, bathymétrie des eaux peu profondes, suivi des habitats benthiques, perte de végétation marine