Valeur des données hyperspectrales pour la cartographie mur à mur de la végétation des zones humides dans des paysages hétérogènes

Pourquoi cartographier les paysages aquatiques est important

Les zones humides figurent parmi les écosystèmes les plus productifs et les plus menacés de la planète. Elles stockent du carbone, limitent les inondations et abritent des plantes et des animaux rares — mais elles sont aussi difficiles d’accès et encore plus difficiles à cartographier en détail sur le terrain. Cette étude pose une question pratique que se posent les gestionnaires de parcs et les conservationnistes partout : avons‑nous vraiment besoin de coûteux vols hyperspectraux de pointe pour comprendre la végétation des zones humides, ou des images aériennes moins coûteuses et plus courantes suffisent‑elles ?

Observer un labyrinthe de marais

Les chercheurs se sont concentrés sur le parc national du Narew, dans le nord‑est de la Pologne, l’un des plus vastes complexes de plaines inondables d’Europe. Ici, une rivière à multiples bras serpente dans une vallée plate parsemée de roselières, de marais à carex, de prairies humides, de tourbières de plaine, de fourrés de saules et de forêts riveraines. De nombreuses zones sont difficiles voire impossibles d’accès depuis le sol, et la végétation évolue à mesure que l’agriculture traditionnelle recule et que les niveaux d’eau baissent. Pour suivre ces changements, l’équipe a combiné botanique de terrain et télédétection embarquée sur avion sur plus de 300 kilomètres carrés.

Avions, lasers et de nombreuses couleurs de lumière

À l’été 2020, des avions ont collecté trois types de données au‑dessus du parc. Des capteurs hyperspectraux ont enregistré des centaines de bandes spectrales très étroites, du visible jusqu’au proche infrarouge ondes‑courtes, capturant de subtiles différences de chimie foliaire et d’humidité. Un scanner LiDAR a émis des impulsions laser pour mesurer la structure tridimensionnelle de la végétation, comme la hauteur et la complexité du couvert. Une caméra RGBN haute résolution a pris des images rouge, verte, bleue et proche‑infrarouge avec un détail de 10 centimètres, à partir desquelles l’équipe a aussi calculé un indice de végétation et des mesures de texture à fine échelle décrivant la variation des tons de pixel dans de petits voisinages. Sur le terrain, des botanistes ont cartographié près de 2 000 parcelles de référence, distinguant 30 classes de végétation détaillées allant de l’eau libre à des communautés spécifiques de marais et de forêts.

Apprendre à un ordinateur à reconnaître les motifs végétaux

Les scientifiques ont ensuite entraîné un modèle d’apprentissage automatique (CatBoost) pour prédire le type de végétation au mètre carré, en testant quatre combinaisons de données. L’ensemble le plus riche en informations associait hyperspectral et LiDAR ; un second utilisait uniquement le LiDAR ; un troisième fusionnait LiDAR et images RGBN ; et un quatrième ajoutait des couches de texture à ce mélange RGBN‑LiDAR. En entraînant et en validant à plusieurs reprises le modèle sur différents sous‑ensembles des parcelles de terrain, ils ont évalué la fréquence à laquelle il identifiait correctement chaque classe. Ils ont aussi comparé la similarité des cartes obtenues entre elles et avec une carte de végétation dessinée à la main utilisée dans le parc, en s’appuyant à la fois sur l’inspection visuelle et sur un indice d’emboîtement standard.

Ce qui se gagne et se perd sans données hyperspectrales

Le jeu de données combiné hyperspectral plus LiDAR a clairement donné les meilleurs résultats, classant correctement environ 82 % des emplacements au global et produisant d’excellents résultats pour de nombreuses communautés individuelles, en particulier les forêts, les roselières marécageuses et les bosquets de saules. L’utilisation du seul LiDAR a fait chuter la précision à environ 63 %, que les auteurs jugent insuffisante pour les décisions de conservation. Le remplacement des données hyperspectrales par des images RGBN a nettement amélioré les performances par rapport au LiDAR seul : la précision est montée à environ 72–73 %, les couches de texture supplémentaires n’apportant qu’un léger gain. Pour certains types de végétation — comme les plantes d’eau libre, certaines roselières et les tourbières de plaine — l’approche RGBN plus texture s’est approchée des performances des données hyperspectrales. Pour d’autres, notamment les communautés de grandes herbacées et certains marais à carex et types d’arbustes, la perte du détail hyperspectral a entraîné des baisses marquées de fiabilité.

Voir plus que ce que montrent seules les cartes de terrain

Lorsque les nouvelles cartes issues de la télédétection ont été comparées à la carte de végétation traditionnelle utilisée dans le plan de gestion du parc, les différences étaient frappantes. Les données aériennes ont révélé de nombreuses petites parcelles écologiquement importantes — comme des prairies sur de minuscules buttes minérales et des fragments de végétation rare de tourbières — que la carte de terrain avait manquées ou généralisées en larges unités. La télédétection a aussi capté des mosaïques complexes où différentes communautés de marais s’entrelacent à travers la plaine inondable. Dans le même temps, certains types de prairies très finement différenciés identifiés par les botanistes restaient difficiles à séparer à partir des images seules, soulignant la valeur persistante du travail d’expert sur le terrain.

Ce que cela signifie pour la protection des zones humides

Pour les gestionnaires de zones humides protégées, l’étude délivre un message nuancé. Si les budgets le permettent, la combinaison des données hyperspectrales et LiDAR offre les cartes mur à mur les plus précises et soutient le mieux une gestion détaillée des habitats. Cependant, lorsque de tels vols avancés sont trop coûteux, la fusion d’images RGBN plus abordables avec le LiDAR fournit tout de même des cartes utiles et raisonnablement précises pour de nombreux types de végétation, surtout lorsqu’elles sont enrichies d’informations de texture. Surtout, le travail montre que la télédétection embarquée — qu’elle soit de premier ordre ou plus modeste — peut enrichir et compléter considérablement la cartographie de terrain traditionnelle, révélant le fin maillage de la végétation des zones humides qui sous‑tend la biodiversité et guide des décisions de conservation plus intelligentes.

Citation: Jarocińska, A., Kopeć, D., Niedzielko, J. et al. Value of hyperspectral data for wall to wall wetland vegetation mapping in heterogeneous landscapes. Sci Rep 16, 13947 (2026). https://doi.org/10.1038/s41598-026-44275-0

Mots-clés: cartographie des zones humides, télédétection, imagerie hyperspectrale, LiDAR, classification de la végétation