TldtectionpardronepourlareconaissancedeshabitatsetdelavgtationduprogrammeSentinellesduClimat MarionPrevitali

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/336613650
Télédétection par drone pour la reconnaissance des habitats et de la

végétation sur le programme "Les sentinelles du climat". Etude de cas sur
deux pelouses calcicoles. [Mémoire de...
Experiment Findings · September 2019

DOI: 10.13140/RG.2.2.23168.38401
CITATIONS READS
0 1,385
1 author:
Marion Previtali
Université Bordeaux Montaigne
1 PUBLICATION 0 CITATIONS
SEE PROFILE
All content following this page was uploaded by Marion Previtali on 17 October 2019.
The user has requested enhancement of the downloaded file.

Master 2
Mention « Géographie, Aménagement, Environnement et Territoire »
Parcours : « Innovation Territoriale et Expériment ation » (INTeX)

Option « Gestion Territoriale du Développemen t Durable » (GTDD)
Université Bordeaux Montaigne
Étude de faisabilité pour la reconnaissance de la structure des habitats sur

les sites de suivis des espèces du programme « Les Sentinelles du
Climat » à l’aide d’images prises par drone.
Étude de cas sur l’habitat pelouse calcicole
Marion PREVITALI
Direction de recherche : Laurent Couderchet (UMR PASSAGES CNRS, Université Bordeaux Montaigne)
Maitre de stage : Fanny Mallard (Association CISTUDE Nature, UMR PASSAGES CNRS)
Mémoire soutenu le 10 septembre 2019

Devant un jury constitué de :
- M. Laurent Couderchet (UMR PASSAGES CNRS, Université Bordeaux Montaigne)
- M. Sébastien Nageleisen (UMR PASSAGES CNRS, Université Bordeaux Montaigne)
Invités :
- M. Christophe Coïc (directeur de l’association CISTUDE Nature)
- Mme Fanny Mallard (coordinatrice du programme « Les Sentinelles du Climat », CISTUDE Nature, UMR PASSAGES CNRS)
- Mme Gabrielle Sauret (chargée de projet en médiation scientifique, CISTUDE Nature)
- M. Franck Uteau (chargé de mission environnement, télépilote, direction de l’Environnement du Département de la Gironde (33))
Remerciements
Je tiens avant tout à remercier l’Union Européenne, la Région Nouvelle-Aquitaine, le Département de

la Gironde et le Département des Pyrénées-Atlantiques qui par leurs soutiens financiers ont permis la
réalisation de ce stage.
Je remercie Monsieur Laurent Couderchet qui depuis la première année de master, a su par ses
enseignements, construire ma pratique de la géographie et dont les encouragements m’ont permis de
surmonter tous les obstacles.
Je remercie Monsieur Christophe Coïc pour l’opportunité de ce stage ainsi que Fanny Mallard qui m’a
donné sa confiance dans sa réalisation et qui à su être présente dans les moments d’enthousiasme
comme dans ceux d’inquiétude.
Je remercie l’ensemble de l’équipe de CISTUDE Nature qui par son accueil et sa bonne humeur m’a
fait bénéficier de conditions des plus agréables.
Je tiens à remercier tout particulièrement Monsieur Franck Uteau pour son oreille attentive à mes
questionnements aériens et son soutien indispensable dans mes débuts de télépilote.
Je remercie Jean-Paul Falguière pour ses précieux enseignements, son support logistique et parfois
même mécanique (avec un remerciement tout particulier pour avoir sorti ma voiture des vignes).
Je remercie Emmeline pour nos échanges géographiques et son aide précieuse dans mes nombreuses
tentatives de traitements d’images.
J’ai une pensée particulière pour mes camarades de promotion Damien, Julien et Katherine qui pendant
deux années ont été d’un soutien essentiel dans la réalisation de ce master.
III. TRAITEMENTS DES IMAGES : PROPOSITION
Table des matières
D’UNE METHODE D’INTERPRETATION .......................44
REMERCIEMENTS ............................................................ 0
1. ÉTAPES PREOPERATOIRES ...................................... 44
INTRODUCTION ........................................................... 1
A. Analyse des données Sentinelles des sites . 44
I. CONTEXTUALISATION DE LA DEMARCHE DE B. Définition de la résolution thématique ...... 45
RECHERCHE.................................................................. 5 2. TRAITEMENTS DES IMAGES MATRICIELLES ................. 46
1. INSCRIPTION DE L’ETUDE DE STAGE DANS UN A. Processus de traitement ............................ 47
PROGRAMME SCIENTIFIQUE ............................................... 5

B. Résultats de sorties sur les sites interprétés
A. Le programme « Les Sentinelles du Climat » 5 50
B. Identification des besoins .......................... 10 3. PROCEDURE EN TELEDETECTION ............................. 54
2. POTENTIALITES DU DRONE DANS UN USAGE EN A. Calcul du modèle numérique de hauteur ... 55
TELEDETECTION............................................................. 12
B. Segmentations de l’orthomosaïque ........... 57
A. Composition et fonctionnement ................ 12 C. Classification orientée objet ...................... 60
B. Emploi du drone dans la recherche 4. RESULTATS : DES IMAGES AUX INTERPRETATIONS

GEOGRAPHIQUES .......................................................... 63
environnementale ............................................... 18
C. Analyse des intérêts et points de vigilances A. Stratification de la végétation ................... 63
dans l’utilisation d’un drone pour l’usage B. Emprise de l’habitat et environnement
cartographique .................................................... 20 proche ................................................................. 64
3. TRADUCTION DANS LES INTENTIONNALITES DE LA C. Structure de l’habitat................................. 69
RECHERCHE .................................................................. 24 IV. DISCUSSION ......................................................71
II. MISE EN PRATIQUE : LA DIMENSION METIER 1. REPONSES APPORTEES ET LIMITES SOULEVEES ........... 71
DANS L’UTILISATION D’UN DRONE ............................ 25 A. Retour sur les besoins pré-identifiés .......... 71
1. OBTENTION DU CAPACITAIRE ................................. 26 B. De l’utilisation d’un drone ......................... 72
A. Devenir télépilote professionnel agréé ...... 27 C. Autour de la méthode ................................ 74
B. Devenir exploitant de drone à usage 2. APPORTS ET CRITIQUES DE LA TRES HAUTE RESOLUTION
professionnel ....................................................... 29 75
C. Acquérir le matériel ................................... 32 A. Conséquences induites .............................. 75
2. PREPARER LES MISSIONS DE VOL ............................. 33 B. Théorisation par le cube des résolutions ... 77
A. Cadre réglementaire .................................. 33 C. Traduction pour le programme scientifique
B. Démarches de pré-vol ................................ 35 78
C. Déroulement de la mission ........................ 39 CONCLUSION .............................................................79

3. ZOOM SUR LES SITES DE L’ETUDE DE CAS ................... 41
BIBLIOGRAPHIE ..........................................................80
A. Les pelouses calcicoles définies dans le
programme scientifique ...................................... 42 ANNEXES....................................................................81
B. Opérations de vols sur les sites

échantillonnés ..................................................... 42
0. INTRODUCTION
« Une simple image, si elle est nouvelle, ouvre le monde. »

La poétique de l’espace — Gaston Bachelard
Introduction
Bien souvent, les géomaticiens sont tributaires des fournisseurs d’imageries aériennes pour l’étude
d’une occupation du sol ou un suivi de végétation. Les naturalistes et opérateurs sur le terrain
recherchent pour leur part des outils de reconnaissances permettant d’aller plus loin dans leurs suivis
d’espèces. Enfin, la recherche académique en géographie questionne l’utilité des très hautes
résolutions spatiales pour l’étude des territoires. Ces enjeux sont complémentaires et l’hypothèse selon
laquelle l’utilisation de l’outil drone pourrait y répondre sera explorée ici.
Comprendre localement, les effets du changement climatique sur la biodiversité est une préoccupation
actuelle parmi les sphères scientifique, naturaliste et publique des acteurs de nos territoires. Le
programme scientifique « Les sentinelles du climat » pose l’hypothèse que ces effets peuvent être
étudiés au travers d’espèces indicatrices à faible capacité de déplacement. Elles seront les premières à
répondre aux variations locales par leur adaptation ou leur extinction locale (Mallard, Couderchet,
2019). Le laboratoire à ciel ouvert de la région Nouvelle-Aquitaine est alors le théâtre d’une recherche
d’envergure pour étudier ces phénomènes. Le changement climatique modifie rapidement nos
paysages et impacte profondément les espèces animales et végétales des territoires (IPCC., 2014).
Mesurer, quantifier, décrire, comprendre et partager les connaissances sur un contexte changeant
nécessite d’établir des méthodes innovantes et modulables.
Ouverture sur la télédétection :
Les méthodes d’extractions de l’information géographique sont nombreuses. La télédétection spatiale

est une technique qui permet d’acquérir des informations à distance sur un objet, une surface ou un
phénomène par l’enregistrement de l’énergie du rayonnement électromagnétique émis ou réfléchi
(Marchand-Vaguet, 2004). La difficulté est de traiter et analyser cette donnée pour caractériser la
surface du sol.
Le spectre électromagnétique représente la répartition des ondes électromagnétiques en fonction de

leur fréquence, leur longueur d’onde ou leur énergie. En télédétection spatiale, ce sont principalement
trois fenêtres spectrales qui sont utilisées :
1
0. INTRODUCTION
- Le domaine du visible (VIS) de 0,4 à 0,7 µm

- Les infrarouges proche, moyen et thermique (IR) de 0,7 à 100 µm
- Les hyperfréquences entre 1 mm et 1 m
La résolution spectrale indique alors le nombre et l’emplacement des bandes spectrales dans laquelle
le capteur enregistre les différentes radiations. La technologie du LiDAR a révolutionné ce genre par
l’utilisation du laser.
Une image peut également être décrite par sa résolution radiométrique. Elle informe sur sa capacité
à reconnaitre de petites différences dans l’énergie électromagnétique et par la même définit la
sensibilité du capteur utilisé.
La résolution temporelle est la reconductibilité dans le temps de la prise de l’image sur un même
espace.
Enfin, la résolution spatiale d’une image est la taille au sol de l’unité élémentaire de discrétisation de
l’espace par le capteur lors de sa prise de vue. Le drone, avec une résolution spatiale pouvant descendre
en dessous du centimètre est d’ores et déjà considéré comme une révolution dans ce domaine (Vallet
et al., 2012a).
L’hypothèse du drone :
La capacité de résolution du drone en tant que capteur d’images en vue de processus de télédétection
est aujourd’hui de plus en plus étudiée (Ventura et al., 2017 ; Pajares, 2015). L’histoire du drone
semble suivre les mêmes pas que la télédétection. En effet, d’après Y. Marchand-Vaguet (2004),
l’usage de la télédétection a longtemps été cantonné au domaine militaire, n’entrant dans le civil que
grâce à l’avènement d’une société de l’image. En ce sens, l’histoire semble se répéter pour le drone,
qui encore cantonné à une image militaire il y a
peu, tend de plus en plus à s’exposer au milieu
civil et à l’usage cartographique (Figure 1).
Les multiples possibilités que semblent offrir ce

nouvel outil dans l’étude des structures
paysagères pourraient correspondre aux enjeux du
programme « les sentinelles du climat » dans une
visée interdisciplinaire entre géographie et
écologie.
Figure 1 : Infographie sur l’évolution prévue de l’utilisation du
drone en France (@OlivierJames)
2
0. INTRODUCTION
Évolution de la mission :
Les premières discussions autour de la mission de stage proposaient comme enjeu global
l’« intégration des images prises par des drones dans l’étude des espèces sentinelles du climat ». Cette
formulation sous-entendait l’élaboration d’un protocole méthodologique de traitements des images en
vue de propositions cartographiques ainsi que l’intégration des données résultantes par des analyses
statistiques.
L’obtention des images drone a fait en premier lieu le souhait d’une collaboration avec des partenaires.
L’objectif en était d’acquérir les images des sites par la mise en commun des compétences des
télépilotes et de leur matériel. Cette possibilité est restée longtemps ouverte avant que ne soit prise la
décision de réaliser la capture des images en interne, faute d’autres possibilités. Ainsi, une grande
partie du stage a dû être consacrée à l’acquisition des compétences nécessaires. Le rétroplanning du
stage (Tableau 1) présente les grandes étapes de la recherche menée et permet une visualisation
générale du temps consacré pour chaque mission. Il n’est pas tenu compte du temps pris pour
rechercher et étudier les informations sur les nombreuses démarches nécessaires qui incombent à
l’aspirant utilisateur professionnel d’un drone de l’ordre de la juridiction et réglementations
applicables.
Tableau 1 : Calendrier des étapes principales effectuées pendant la mission de stage.
calendrier de stage
MARS AVRIL MAI JUIN JUILLET AOUT SEPT.
Misions de stages
S1 S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 S13 S14 S15 S16 S17 S18 S19 S20 S21 S22 S24 S25 S26 S27 S28
1. Immersion dans la mission de stage

Etude de la proposition du PNRLG
2. Acquisition de la compétence "télépilote"
3.1 Préparation des missions de vols
3.2 Terrain : acquisition des images pour 9 sites
4.1 Traitements "bruts" des images
4.2 Etude du processus de télédétection
5. Analyses statistiques
Ecriture du mémoire
Le questionnement sur la faisabilité de l’utilisation du drone comme outil d’acquisition des images
prendra ainsi en compte la dimension métier, qui n’est pas soulevée dans les articles scientifiques
traitant des méthodes de télédétection par drone.
L’ambition de la recherche présentée est l’établissement de l’état « 0 » de la structure des habitats

naturels ou semi-naturels des sites de suivis du programme scientifique « les sentinelles du
climat ». L’étude de l’outil drone comme réponse à ce besoin est l’enjeu de la mission de stage. Pour
3
0. INTRODUCTION
analyser de cette possibilité, la mission est restreinte à l’étude de cas des pelouses calcicoles suivies
dans le département de la Gironde.
La question posée est la suivante : l’acquisition d’images issues d’un drone est-elle pertinente
pour la reconnaissance de la structure des habitats étudiés dans le programme les sentinelles
du climat ? Étude de cas sur l’habitat des pelouses calcicoles en Gironde (33).
Plan du mémoire :
Cette mission de recherche peut donc s’inscrire dans une étude de faisabilité sur la construction d’un
protocole « solide », permettant de statuer sur la justification de l’utilisation d’un drone pour le
programme scientifique « les sentinelles du climat ». Ces travaux de recherches pourront également
être vus sous l’angle plus global de l’utilisation de l’imagerie drone dans le suivi des habitats et de la
biodiversité. La méthode générale adoptée suit un schéma logique d’acquisition (étapes 1 et 2) puis de
traitements des images (étapes 3 et 4) (Figure 2).
Figure 2 : Schéma des étapes de la méthode générale appliquée
Le mémoire s’articule autour de ces différents axes. La première partie est consacrée à l’introduction
du programme scientifique « les sentinelles du climat » et l’identification des besoins pour ces images
à très hautes résolutions. Cette partie terminera sur le développement des potentialités du drone au vu
des caractéristiques de ces appareils et des études scientifiques menées sur des sujets similaires. La
4
I. CONTEXTUALISATION DE LA DEMARCHE DE RECHERCHE
seconde partie fait état de la dimension du métier avant la phase d’acquisition des images grâce à
l’obtention du capacitaire en tant que télépilote et qu’exploitant, mais également dans la préparation
d’une mission de vol. Enfin, à partir des images obtenues, l’information géographique reste à
construire. La troisième partie développe une proposition méthodologique pour le traitement des
images, la construction d’un procédé d’interprétation de ces résultats en matière de reconnaissance de
l’habitat d’une pelouse calcicole et de sa composition végétale, sur deux sites échantillonnés dans le
programme de suivi scientifique. Enfin, la dernière partie permet une prise de recul de cette recherche
autour de l’outil et de la procédure.
Dans ce mémoire, j’ai fait le choix d’utiliser le terme « drone1 », une particularité française qui facilite
la lisibilité de l’écriture. Cependant, il existe de nombreuses dénominations relatives au drone et qu’il
convient de prendre en compte, notamment lors d’une recherche bibliographique. Dans la
réglementation française, le terme « drone », trop familier, n’existe pas et est remplacé par l’expression
« aéronef circulant sans personne à bord ». Pour autant, à l’international, il est d’usage d’utiliser le
terme « UAV » pour « Unmanned Aerial Vehicle » ou même UAS (Unmanned Aircraft System).
L’organisation de l’aviation civile internationale (OACI) a même retenu l’appellation « RPAS »
(Remotely Piloted Aircraft System).
I. Contextualisation de la démarche de recherche
1. Inscription de l’étude de stage dans un programme scientifique
A. Le programme « Les Sentinelles du Climat »
L’association CISTUDE Nature, porte et coordonne le programme de recherche scientifique « les

sentinelles du climat ». Celui-ci est financé pour six ans depuis 2016 avec pour objectif de développer
les connaissances des effets du changement climatique sur la biodiversité en région Nouvelle-
Aquitaine. Ce financement s’inscrit à différentes échelles. Il est porté localement par les Conseils
Départementaux de Gironde et des Pyrénées-Atlantiques, à une échelle plus globale par le Conseil
1
Le terme drone (faux bourdon) vient des Anglais qui affublèrent de ce surnom en 1935 les versions automatisées du De
Havilland DH.82 Tiger Moth, un avion biplan utilisée dans la Royale Air Force. En effet, leur constructeur avait baptisé
ces avions cibles DH.82 Queen Bee (reine des abeilles), mais leur vol bruyant, lent et lourd les faisait plutôt ressembler à
des faux bourdons.
5
Régional de la Nouvelle-Aquitaine, mais également par un financement de l’Union Européenne via le

FEDER.
Cette recherche effectuée à l’échelon régional fait échos à la loi NOTRe de 2015 qui, en modifiant
l’organisation territoriale, amène les Conseils Régionaux à piloter les SRADDET 2. Ces programmes
ont pour missions, entre autres, de définir les actions à mener en matière de protection et restauration
de la biodiversité dans la lutte contre le changement climatique. Les sites d’études sont aujourd’hui
répartis sur l’emprise de l’ancienne région Aquitaine (aire d’étude d’origine), mais s’étendent jusque
dans le département du Limousin. De nouveaux partenariats ont été mis en place lors de l’extension
de l’aire d’étude par la fusion des régions (nouveaux sites en Poitou-Charentes pour l’étude de la flore
prévus dans le courant de l’année 2019).
Le programme porte une ambition de recherche-action qui se concrétise par l’apport d’acteurs issus de
milieux différents (Figure 3).
Figure 3 : diagramme des partenaires du programme scientifique « les sentinelles du climat »
Le programme scientifique pose une hypothèse de base afin d’en déduire par la suite les conséquences
observables. Cette hypothèse est que des espèces qui ont des restrictions spatiales latitudinales et
altitudinales ainsi que des capacités de dispersions limitées sont plus sensibles aux changements de
leurs habitats de vie. Ces espèces appelées « sentinelles » devraient être celles qui répondent le plus
2
Schéma Régional d’Aménagement, de Développement Durable et d’Egalité des Territoires.
6
rapidement aux variations climatiques locales. L’hypothèse posée est que leurs suivis permettent de
comprendre les effets du changement climatique sur la biodiversité à l’échelle locale (Mallard, 2016a).
Partant de cette hypothèse, plusieurs données sont :
- Sur les espèces sentinelles : abondance, richesse spécifique et diversité sur les sites d’études.
Ces données sont complétées par des données historiques de présence à échelon régional, mais
également par les données écophysiologiques à l’échelle d’un individu (Mallard, 2017b).
- Sur la météorologie et le climat : par le microclimat étudié à l’aide de sondes thermiques, à
l’échelon local grâce à des stations météorologiques positionnées sur chaque site d’étude, mais
également à l’échelon régional avec des données fournies par Météo France (Mallard, 2017a).
- Sur les habitats : par l’analyse de sites d’études à l’échelle paysagère offrant une meilleure
compréhension des connectivités, raretés ou encore fractionnements (Lobry et al., 2018).
L’échelle plus fine du site est de même considérée pour comprendre les relations entre les
données acquises sur les espèces et les structures végétales présentes.
Les premières années de ce programme ont permis la définition des milieux et étudiés, la sélection des
espèces sentinelles du climat, la détermination des protocoles d’observation et d’analyse des données
de terrain ainsi que la sélection de sites d’étude. Pour être sélectionné, un site d’étude doit répondre à
différents critères (Mallard, 2016a) :
- Des habitats de même nature (définie selon l’appréciation des experts naturalistes) ;
- Le bon état écologique de la flore (sélection avec le concours du CBNSA) ;
- L’homogénéité végétale sur l’ensemble du site ;
- La gestion pérenne dans le temps grâce à une maîtrise foncière ;
- La répartition spatialement équilibrée sur le territoire de la Nouvelle-Aquitaine (distance
minimale de 2 km entre les sites) ;
- La mise à l’écart d’activités anthropique (50 m minimum).
Ce sont en tout 281 sites3 qui sont alors suivis sur cinq milieux représentatifs de la région : les milieux
dunaire, sec, humide, forestier et montagnard. Des indicateurs représentatifs de ces milieux sont
observés sur les sites de suivi : des cortèges végétaux, plusieurs espèces animales particulières (Lézard
ocellé, Azuré des mouillères, etc.) et deux ordres d’espèces (cortège de lépidoptères4, et odonates5)
3
D’après la base de données de juin 2019
4
Dénomination scientifique taxonomique désignant la famille des papillons
5
Dénomination scientifique taxonomique désignant la famille des libellules
7
(Mallard, 2018). Le programme, mené par une équipe de naturalistes de terrain, propose alors une
localisation de ces sites d’études par la création d’un vecteur point à proximité immédiate des emprises
Figure 4 : carte des sites d’études du programme Sentinelles du Climat

de suivis (Figure 4).
8
La construction puis la valorisation des données acquises sur ces sites d’études font l’objet de plusieurs
axes de recherche :
- La mise en place de protocoles de suivi sur ces espèces dites sentinelles du climat. Ces
protocoles sont spécifiques et normalisés afin d’obtenir une base de données constante et
homogène, permettant d’alimenter les futures modélisations de répartition des espèces face au
changement climatique (Mallard, 2018). Les données sont récoltées par des chargés de mission
de l’association, mais également par des naturalistes partenaires. Elles permettront de
constituer un « état zéro » des populations suivies sur ces sites.
- La modélisation qui, nourrie des données de suivis et des scénarios préétablis par le GIEC,
permet d’étudier les impacts potentiels du changement climatique grâce à des méthodes de
modélisation prédictive.
- Enfin, la médiation scientifique met à disposition le savoir acquis par le déploiement des
résultats auprès du grand public afin de sensibiliser les habitants du territoire en tant qu’acteurs
des orientations politiques et citoyens. Celle-ci se concrétise par :
 Un site internet (https://www.sentinelles-climat.org/) à fort impact visuel et composé
de contenus scientifiques, reportages vidéo, illustrations et revue de presse. Le site
internet se décline par un portail d’accès général, un autre destiné aux enseignants avec
du matériel pédagogique et un portail scientifique pour la mise à disposition des
rapports scientifiques annuels complets.
 Des actions de médiations directes comme des animations nature proposées aux publics
scolaires, des sorties destinées au grand public ou encore des évènements ponctuels en
lien avec le programme de recherche.
 Un observatoire participatif qui doit permettre d’inciter le grand public à l’observation
naturaliste afin d’incrémenter ces nouvelles données aux suivis déjà mis en place.
L’image est souvent le premier vecteur utilisé dans la médiation scientifique. Le programme « les
sentinelles du climat » joue sur cet aspect par un graphisme très recherché dans ses communications
auprès du grand public, avec son site internet, des infographies, ou encore par les bandes dessinées. Le
programme scientifique montre ainsi que la scène de la recherche autour du changement climatique ne
se joue pas uniquement sur le contenu scientifique des suivis opérés, mais également par sa capacité à
rendre accessible ses résultats.
9
Afin de s’affranchir d’une possible subjectivité des opérateurs de terrain dans leurs suivis, différentes
solutions ont été trouvées :
- La standardisation des protocoles de suivis ; des protocoles reconnus souvent au niveau

national et standardisés par espèces
- L’analyse de « l’effet observateur » par des ateliers sur le terrain. Peut être cité pour exemple,
celui déterminant la moyenne du « temps de parcours » d’un opérateur sur le terrain ou sa
perception des distances grâce à l’atelier « boite virtuelle » (Mallard, 2018, p.155)
Cependant, l’appréciation des experts naturalistes sur le terrain peut tout de même aboutir à une
hétérogénéité de données acquises. De plus, les critères de sélections des sites d’études ne peuvent
garantir leurs homogénéités structurelles pour un même habitat et ces premières réflexions sont le point
de départ dans l’identification des besoins auxquels la mission de stage doit permettre d’apporter des
solutions.
B. Identification des besoins
Les données acquises à ce jour par les différents protocoles mis en place dans le programme
scientifique ne permettent pas de répondre à certains besoins exprimés lors de différentes discussions
de suivis. Ces enjeux s’articulent notamment autour du besoin d’une définition plus précise de la
structure des sites d’étude :
Visée 1 : Disposer d’une représentation précise du réseau étudié par la caractérisation des sites du
programme en fonction de leur structure végétale (surfacique de l’habitat sur site, délimitations
des zones humides, surfaciques des couvertures végétales, etc.)
Visée 2 : Établir une méthode permettant de visualiser les trajectoires d’évolutions de la végétation
sur les sites (notamment d’identifier les sites en phase de fermeture des milieux)
Visée 3 : Permettre la compréhension de l’hétérogénéité des sites au sein d’un même type
d’habitat (comprendre la variabilité des sites pour chaque habitat)
Visée 4 : Relier les données d’observations des espèces sur site avec la structure du site
(comprendre le rôle de « l’effet site » dans les résultats des données des indicateurs)
Visée 5 : Consolider les protocoles de terrain par l’observation objective et la généralisation de

certains indices à l’ensemble du site d’étude (reconnaissance d’espèces végétales indicatrices
comme les plantes hôtes pour les lépidoptères, discontinuité de l’habitat, % de stratification, etc.)
10
L’hypothèse posée est que la connaissance précise de la structure, notamment végétale, des sites
d’études permet d’affiner ou de compléter les conclusions tirées des données d’observations des
indicateurs de biodiversité. Les changements d’occupation du sol, même à des échelles très localisées,
peuvent influencer de manière considérable la diversité biologique. Choisir de lier les pratiques de la
géographie avec les logiques de l’écologie semble ici prendre tout son sens.
Les bases de données existantes à ce jour, couvrant l’échelon régional de la Nouvelle-Aquitaine et

permettant d’étudier l’occupation du sol pour répondre à ces besoins, ne semblent pas adaptées. Les
données permettant de répondre aux besoins identifiés ci-dessus doivent pouvoir satisfaire plusieurs
exigences :
- Une résolution adaptée aux dimensions des sites d’études ;

- La temporalité d’acquisition des données : la maîtrise du moment d’acquisition des données
est donc primordiale pour s’inscrire dans la continuité des objectifs scientifiques fixés par le
programme sentinelles ;
- La réplicabilité et l’applicabilité de la méthode : la démarche choisie pour répondre à ces enjeux
doit pouvoir être généralisée à l’ensemble des sites d’études du programme scientifique tout en
prenant en compte les facteurs de faisabilités techniques, économiques et humains.
En plus de leur localisation par un, ou parfois plusieurs vecteurs points de référence, les sites d’études
sont délimités par une « zone » comprenant l’ensemble des espaces de suivis sur l’habitat déterminé.
La limite de cet habitat a été arrêtée au dire des experts naturalistes de terrain, après une photo-
interprétation sur images satellites de type « Google satellite ». L’enjeu géographique est alors entre
autres de proposer une emprise des sites d’études en déterminant les limites de l’habitat afin d’en
comprendre son contexte au travers des suivis effectués sur le programme scientifique (Figure 5).
Figure 5 : Schéma de l’objectif de définition d’emprise des sites d’études.
11
L’étude de la structure des habitats sera définie sous forme de données d’images et de cartographies
pouvant être exploitées en statistique dans l’étude des corrélations possibles avec les données de terrain
des espèces. L’usage de la télédétection par l’acquisition d’images à très haute résolution des sites
d’études est donc la solution envisagée. D’après l’expérience des télépilotes6 J. Servant et J. Fouert du
Parc Naturel des Landes de Gascognes (PNRLG), le drone est un outil qui permettrait de répondre à
ces enjeux en tant que vecteur de l’acquisition d’images géoréférencées des sites d’études.
L’hypothèse suivante est formulée : l’acquisition d’images issues d’un drone est pertinente pour
la définition de l’habitat et la reconnaissance de sa structure végétale sur les sites de suivi du
programme les sentinelles du climat.
2. Potentialités du drone dans un usage en télédétection
A. Composition et fonctionnement
C’est grâce à la miniaturisation des différentes technologies utilisées dans la construction d’un drone
que son usage a su se populariser (Vallet et al., 2012a). La charge utile d’un drone, aussi appelée sa
« charge marchande », est composée de ses appareils embarqués ainsi que des batteries. En fonction
des objectifs de son exploitant, la limitation de cette charge utile est l’un des premiers freins à son
utilisation (ibid.). La connaissance de la composition matérielle d’un aéronef ainsi que des appareils
embarqués éventuels est une étape essentielle dans l’étude des possibilités permises par cet outil. Les
informations énoncées ci-dessous sont principalement tirées des cours pourvus par le site https://drone-
exam.fr7 lors de mon autoformation au brevet théorique de télépilote drone (partie II.1.A, p.27.).
6
Appellation donnée aux pilotes de drones
7
Les cours dispensés sur ce site reprennent les informations des livres consacrés au télépilotage des éditions Cépaduès
12
a) Les différents types de drones
Il est possible de distinguer principalement deux familles dans la typologie des drones (Chapman,
2016 ; Ventura et al., 2017) :
- Les UAV à voilure fixe sont constitués d’une aile rigide (Figure 6)
qui leur permet de s’élever grâce à la portance générée par l’aile
avec le mouvement de l’air. Ces drones nécessitent une rampe de
lancement ou sont lancés manuellement, suivant les modèles. Ils
Figure 6 : Silhouette d’un drone à
atterrissent, comme pour les avions, par une approche horizontale. voilure fixe
Cette caractéristique induit la nécessité de disposer d’un espace ouvert servant comme zone de
manœuvre. Avec leurs structures simples et aérodynamiques, ces drones à voilure fixe
nécessitent peu d’énergie ce qui leur permet une grande autonomie pour parcourir de longues
distances. L’inconvénient majeur de leurs constructions et qu’ils doivent rester en mouvement
afin d’assurer la portance et ne peuvent donc pas réaliser un vol stationnaire ou réalisent
difficilement des images obliques. Ils sont également plus encombrants et peu maniables. Leur
capacité à couvrir de larges surfaces les destine majoritairement à la cartographie des espaces
agricoles ou forestiers (Lisein et al., 2014 ; Klosterman, Richardson, 2017) .
- Les drones multirotors, appelés également octocoptère, sont munis

d’hélices (Figure 7). Contrairement aux drones à voilure fixe, ce
sont des rotors qui viennent s’opposer au poids pour permettre le
vol de l’appareil. L’endurance est donc réduite en raison d’une
plus faible capacité aérodynamique. Ils disposent a contrario d’une
plus grande stabilité, permettent le vol stationnaire et sont plus
Figure 7 : Silhouette d’un drone
maniables. Ils sont donc spécialisés dans les espaces confinés ou multirotors
en situation à risque. Leur principal avantage est leur capacité de décollage et d’atterrissage
vertical qui permet de plus grandes possibilités sur l’environnement de travail. Cependant, leur
plus faible autonomie peut nécessiter de multiplier les opérations de vols afin de couvrir la zone
choisie et donc un coût opérationnel multiplié dans l’arpentage de vastes zones. Les avancées
technologiques sont plus favorables à ce type de drone et ils sont ainsi de plus en plus utilisés
en télédétection (Lachenal, 2015 ; Michez, 2015).
Pour cette étude, le choix s’est porté vers un drone quadricoptère (voir II.1.C, p.32), nous nous
focaliserons donc pour la suite de cette partie sur ce type d’appareil.
13
b) Fonctionnement mécanique général
Les hélices du drone à multiples rotors disposent d’un sens de rotation et le choix de leurs diamètres
permet de jouer sur la portance et donc la stabilité de l’appareil, mais impactera l’autonomie du vol.
Le moteur étant dimensionné pour répondre à la demande des hélices la stabilisation de l’appareil
impactera la capacité de surface survolée.
Les moteurs électriques utilisés sur ces drones doivent être pilotés avec un contrôleur ECS (Electronic
Speed Controllers) paramétrable. Ce dispositif permet d’alimenter les phases du moteur et de modifier
la vitesse de rotation des hélices, et donc la vitesse de l’appareil.
L’aéronef multirotor possède trois axes de navigations ; le roulis,

le tangage et le lacet (Figure 8). Ces paramètres sont intégrés dans
une centrale inertielle qui estime l’orientation de l’appareil dans
l’espace, sa vitesse et sa position en indépendance du GPS.
Ces données enregistrées pendant le vol sont déterminantes pour la

Figure 8 : Schéma des axes de navigation
correction géométrique des images. d’un drone multirotor (©drone-exam)
c) Positionnement dans l’espace
L’ensemble des capteurs de la centrale inertielle est englobé sous la forme d’un dispositif électronique
nommé IMU (Unité de Mesure Inertielle) qui, à l’aide de différents composants, mesure et rapporte
des forces spécifiques telles que :
- La stabilité de l’appareil avec des gyroscopes informant sur l’assiette du drone dans ses
différents axes.
- Le maintien de l’altitude par les baromètres permettant la mesure d’un capteur de pression
absolue (capsule anéroïde) pour les faibles pressions et la mesure de pression statique avec un
capteur d’ultrasons (évitement des obstacles).
- Le contrôle du vol avec les magnétomètres (technologie du compas électronique) par
l’estimation de l’azimut du drone. Le compas comporte des puces de type « vecteurs »
contenant trois capteurs chacun perpendiculaire entre eux.
L’IMU doit être capable de prendre le relais lorsque le drone est dans l’incapacité de réceptionner le
signal GPS et il convient donc de s’assurer de son calibrage régulièrement.
14
Le positionnement de l’appareil est donc assuré par un module GPS (Global Positioning System),
également utilisé pour le géoréférencement des images. Les drones peuvent utiliser différents types de
données GPS, mais leur précision reste relative.
Il existe plusieurs systèmes de positionnements par satellites, les principaux étant NAVSTAR pour le
système américain, GLONASS pour le système russe et Galileo pour le système européen. La
réception simultanée de 4 satellites permet de déterminer l’heure, la latitude, la longitude et l’altitude
d’un point. L’appellation GPS désigne le système américain NAVSTAR qui se compose de
24 satellites répartis en six orbites à 20 200 km d’altitude et se compose de trois
segments interdépendants :
- Le segment spatial : l’ensemble des satellites permettant une couverture mondiale

- Le segment de contrôle : cinq stations de contrôle chargées de surveiller le fonctionnement des
satellites
- Le segment utilisateur : composé de l’ensemble des récepteurs
Les erreurs d’horloges, d’éphémérides8 et les erreurs dues à la propagation atmosphérique peuvent
affecter les performances de précisions du GPS. Celles-ci peuvent aboutir à une imprécision de
positionnement de l’ordre de 10 à 20 m sur chaque image capturée par apport à la réalité de terrain.
Afin de réduire ces erreurs de géolocalisations d’images, il est recommandé d’utiliser des points de
contrôle au sol (GCP). Ces GCP sont des points de coordonnées spatialement connues, qui ont été
mesurées à l’aide de méthodes d’arpentage dites traditionnelles. La mise en place de ces points consiste
au positionnement de cibles à l’intérieur de la zone d’étude (ou en périphérie suivant les contraintes)
et d’un nombre suffisant pour couvrir efficacement l’espace de vol. Ces cibles doivent ensuite être
mesurées à l’aide d’un GPS de haute précision dit en temps réel (RTK). Certains drones plus couteux
possèdent aujourd’hui un RTK intégré et n’ont alors plus besoin de cette méthode manuelle et
coûteuse.
Ce procédé permet de réduire le décalage dû au GPS à un ordre centimétrique. Les GCP peuvent
également être extraits de services de cartes web (WMS) comme Google Maps assurant ainsi un
meilleur traitement des géolocalisations des photos lors de leurs traitements, sans toutefois arriver
jusqu’à la précision centimétrique.
8
Elles correspondent aux erreurs d’orbites des satellites dues au vent solaire et à la gravité du soleil, de la lune et des
planètes
15
Ces connaissances sont inhérentes au métier de télépilote de drone et servent la réflexion du choix d’un
appareil et d’une procédure de mission de vol en vue de l’acquisition d’images dans un objectif
cartographique.
d) Paramétrages du vol
Une des obligations réglementaires dans la construction d’un drone est l’installation à bord de l’aéronef
d’un dispositif permettant d’enregistrer les paramètres essentiels au vol. Ces paramètres comprennent
au minimum la localisation, l’attitude de l’aéronef, et la qualité du signal de commande et de contrôle,
afin de permettre une analyse des 20 dernières minutes de vol. L’exploitant et le télépilote doivent
pouvoir garantir le déchiffrage de ces données. Ces enregistrements peuvent alors être utilisés dans
l’analyse des résultats du vol et le traitement des images.
Les données de positionnements et de déplacement dans l’espace acquises par les capteurs décrits ci-
dessus permettent d’assurer en temps réel le non-dépassement des limites du volume maximal de vol
autorisé par la réglementation. Un retour vidéo est donc obligatoire pour chaque aéronef, qu’il soit ou
non intégré dans la radiocommande permettant le pilotage.
e) Charge utile de l’aéronef
Les drones peuvent être équipés d’une ou plusieurs caméras embarquées. Celles-ci peuvent être
directement intégrées au drone, c’est le cas notamment de la marque DJI (https://www.dji.com),
largement représentée parmi les exploitants. Dans d’autres cas, les drones peuvent être munis d’une
simple nacelle sur laquelle l’utilisateur positionne le ou les capteurs de son choix. Il est donc possible
de modifier à volonté — en prenant en compte la capacité de la charge utile — le dispositif
d’acquisition de l’image. Suivant les objectifs de recherche, les capteurs peuvent alors être de type
multispectral (Ropert, 2012), simple RVB (Fraser et al., 2016), thermique ou encore pour de l’imagerie
LIDAR9.
9
Capteur actif de télémétrie par balayage laser.
16
La composition mécanique des drones permet une multitude de paramétrages de vol et multiplie les
possibilités d’acquisition de l’image (Figure 9). La maniabilité de l’aéronef accorde à l’utilisateur de
Les drones volent à basse altitude, la résolution des

images en est donc très haute, mais la fauchée
(emprise) des images est réduite. S : sommet de
prise de vue, Tp : taille du photosite, R : la
résolution de l’image, mesurée par la distance
d’échantillonnage au sol, H : hauteur de vol, p :
distance focale. La résolution R est fonction de la
hauteur de vol et de la focale, suivant la relation
𝐻𝑎𝑢𝑡𝑒𝑢𝑟
𝑅= . La fauchée de l’image, représentée
𝑝𝑖𝑥𝑒𝑙𝑠
par le rectangle en pointillé projeté au sol, est

fonction de l’altitude de vol, de la taille du capteur
et de la distance focale.
Figure 9 : Géométrie d’une image isolée ((Lisein, 2016) d’après (Pinte, 2015))
définir par exemple son angle de prise de vue pour la capture de l’image. Ce choix de l’angle permet
entre autres d’adapter la prise de vue à un objectif de 3 dimensions. Les perspectives d’un objet peuvent
être enregistrées suivant l’angle de caméra défini et vont ainsi permettre d’accéder au processus
photogrammétrique afin de reconstituer des vues 3D des objets capturés. Ce processus pourra être
engagé sur différents logiciels de traitement d’images.
17
B. Emploi du drone dans la recherche environnementale
Grâce à sa technologie, l’usage du drone s’est rapidement développé et touche de nombreux domaines
d’études comme l’archéologie, l’agriculture, la surveillance, la prospection, les suivis écologiques, etc.
(Manfreda et al., 2018 ; Ventura et al., 2017). L’intérêt du drone pour la recherche scientifique
environnementale progresse rapidement ces dernières années. Une recherche sur la database ISI-web10
avec les mots-clefs « UAV », « UAS » et « environnement » réalisée par Manfreda (ibid.) (Figure 10)
Figure 10: Graphique du nombre d’articles publiés extraits de la database de ISI-web depuis 1990 à 2017 (maj
le 15/01/2018) (Manfreda et al., 2019).
démontre ce nouvel intérêt. Depuis 2016, un laboratoire universitaire spécialisé a même vu le jour au
Canada afin de s’insérer à nouvelle niche de la recherche, le « Laboratoire de télédétection
environnementale par drone » (TED)11. Celui-ci travaille actuellement sur des projets allant de
l’agriculture de précision à l’industrie minière jusqu’à l’étude des écosystèmes aquatiques.
Les articles proposant un état de l’art des applications du drone dans l’environnement classent les
recherches suivant le milieu d’étude. Les usages en agriculture, foresterie, ou zones humides, sont
particulièrement prolifiques (Jiménez López, Mulero-Pázmány, 2019 ; Anderson, J. Gaston, 2013).
Nous nous intéresserons aux études traitant de la biodiversité végétale dont certains articles ont été
plus explicitement détaillés (ANNEXE 1).
10
Base de données bibliographiques universitaire en ligne, fournie par l’« Institute for Scientific Information ».
11
http://www.ete.inrs.ca/sites/default/files/centre_ete/Infrastructures/Fiche-TED-web.pdf
18
a) Identification des espèces végétales cibles
La discrimination d’objets par la télédétection pour l’identification des espèces végétales se retrouve
particulièrement dans les études forestières. L’identification et la quantification d’arbres individuels
au sein d’une forêt semblent être un objectif particulièrement adéquat pour le drone. En effet, dans ces
milieux difficilement accessibles la discrimination des objets est facilitée par la très haute résolution
permise par l’aéronef. Les recherches couvrent souvent l’objectif de discrimination d’arbres morts ou
malades par analyse spectrale (Lisein et al., 2015). Pour Baena (2017), la prise en compte de la
phénologie12 est un point clef en permettant une discrimination inter-espèce facilitée. Cette prise en
compte de la phénologie de l’espèce dans le choix du moment de l’acquisition des images est
également mise en avant par le « Timing is important », titré dans l’article de J. Müllerova (2017).
L’auteur conclut même que la précision temporelle surpasse la résolution spectrale dans ce type de
télédétection : « Dans le cas où une espèce a été échantillonnée à la phase phénologique la plus
distincte, une précision élevée est obtenue même avec une résolution spectrale inférieure avec un
drone à faible coût » ([traduction personnelle] ibid.). Pour les espèces végétales, c’est la période de
floraison qui semble la plus prometteuse et cette conclusion peut être généralisée à la recherche de
l’optimum phénologique d’un habitat pour la détection de ses cortèges végétaux (Lisein et al., 2015).
Si la recherche d’espèces végétales préalablement identifiées est possible grâce à l’utilisation du drone,
la télédétection de zones d’intérêts spécifique l’est également, notamment dans un objectif de
quantification de biomasse sur des parcelles pré-identifiées (Cunliffe et al., 2016). La caractérisation
des ressources forestières (Lisein, 2016) s’adapte particulièrement aux processus photogrammétriques
permis par les images acquises depuis un drone. Dans ces cas, les drones à ailes fixes sont confortés
pour leurs utilisations sur de grandes surfaces (Koh, Wich, 2012).
b) Reconnaissance de la végétation
L’auteur J. Lisein qui a rédigé de nombreux articles scientifiques sur l’utilisation du drone a également
étudié la modélisation des canopées forestières (Lisein et al., 2014) et il conclut sur l’intérêt d’une
utilisation conjointe d’un modèle numérique de terrain par technologie LiDAR avec les images issues
de drones afin d’estimer la hauteur dominante des peuplements arborés. Avec des enjeux similaires au
milieu forestier, le drone est utilisé dans la caractérisation et l’analyse des espèces présentes en
ripisylves13 (Michez et al., 2016 ; Dunford et al., 2009).
12
Variation saisonnière sur les espèces végétales
13
Forêt de bords des cours d’eau.
19
Dans son mémoire de master 2, Lachenal (2015) propose une méthode de télédétection dans le spectre
du visible, pour la reconnaissance et le suivi d’espèces invasives sur une zone de compensation
écologique. Il propose notamment un processus d’interprétation des images par différentes méthodes
de segmentations dont notre recherche pourra s’inspirer.
Encore une fois, la prise en compte de la phénologie des plantes est une caractéristique mise en avant
lors d’un processus de télédétection d’images issues de drones notamment par l’observation de la
saisonnalité d’un habitat ciblé (Klosterman, Richardson, 2017 ; Dvořák et al., 2015).
Au niveau de l’utilisation des capteurs embarqués sur les caméras de drones, la reconnaissance de la
végétation grâce aux calculs d’indices spectraux est largement utilisée dans les études de la végétation
(Arroyo-Mora et al., 2019 ; Melville et al., 2019 ; Gan, H. Richards, 2013 ; Bataille, 2015) notamment
grâce à l’indice de végétation NDVI calculé grâce à des capteurs du signal proche infrarouge. Ce type
de capteur est utilisé dans la quasi-totalité des études portant notamment sur l’agriculture de précision
par la détermination des zones de stress hydrique ou pour l’analyse des dynamiques végétales avec le
calcul des couvertures de la végétation.
C. Analyse des intérêts et points de vigilances dans l’utilisation d’un drone pour l’usage
cartographique
a) Qualités relevées
Malgré l’augmentation rapide et récente du nombre et de la portée des satellites d’observation de la

Terre (Drusch et al., 2012), leurs capteurs actuels ont généralement une résolution temporelle
insuffisante pour de nombreuses applications de télédétection dite quantitative. L’utilité de ces images
peut donc être limitée dans la détection et la surveillance de la dynamique des processus
environnementaux. Il s’agit là d’un des avantages que le drone peut apporter à la recherche
scientifique.
Les applications du drone permettent une grande polyvalence et flexibilité par rapport aux systèmes
aéroportés ou aux satellites. L’outil peut être déployé rapidement, de manière répétée et pour la
production de données à haute résolution spatiale et temporelle (Pajares, 2015).
20
Concernant la très haute résolution (THR) spatiale permise par l’outil

drone (Figure 12), elle permet de visualiser des objets géographiques
Ortho IGN 50cm

de très petite taille, ce qui semble représenter un avantage important
en faveur de l’utilisation de l’outil. Cependant, il est à noter que les
Ortho HR IGN 20cm

possibilités offertes par cette résolution ne représentent un gain qu’en
fonction des besoins de l’utilisateur. Nous pouvons ici simplement Ortho drone
2 cm
noter la différence de résolution entre les ortho-images classiques et
celles possibles avec un drone (Figure 11) en se posant la question de Figure 12: Schéma comparatif des
différentes résolutions spatiales à
sa concordance avec les objectifs de la recherche. En effet, avec les l’échelle 1/10
images de plus faible résolution spatiale, un pixel pouvait correspondre à un, voire à plusieurs objets
géographiques, mais la démultiplication de ces pixels repose la question de la discrimination de l’objet
géographique. On peut alors parler du « syndrome de l’arbre qui cache la forêt » (Couderchet, 2008).
Figure 11 : Comparaison d’orthophotographies à l’échelle 1:250 entre la BDortho20cm de l’IGN (2015) et celle issue
d’images drone à 1,46 cm du 11 juillet 2019 (© MarionPrevitali)
La différence entre ces deux ortho-images n’est pas à imputer simplement à la différence de résolution
spatiale, car la résolution spectrale et la dégradation des images IGN lors du mosaïquage des images
21
sont à prendre en compte. Cependant, alors que l’image fournie par l’IGN est extraite d’une couverture
départementale, celle du drone reste très localisée.
Pour synthétiser, l’utilisation du drone peut permettre une grande liberté dans la récolte de données
géographiques en raison de :
- Sa maniabilité : une technologie embarquée de pointe et une infinité de choix d’appareils grâce
à un marché florissant ;
- Sa rapidité d’exécution : les articles relevés dans les parties précédentes ne font pas état du
temps exact d’acquisition des images, mais il est possible de corréler à quelques minutes par
hectare les paramètres de vol et le type d’appareil utilisé ;
- La possibilité d’installer de multiples capteurs : les potentialités de la charge utile d’un drone
permettent de concevoir un outil en fonction des objectifs cartographiques d’une étude ;
- L’indépendance dans le choix du moment de vol : tirer parti de la phénologie des espèces
pour faciliter leur télédétection ou analyser la dynamique de la végétation par la prise d’images
multi-temporelles.
L’utilisateur final peut être alors en mesure d’imposer ses exigences critiques de thématicien par
rapport au mode de fabrication de la donnée grâce à un outil modulable et la maitrise de la démarche
d’acquisition d’un bout à l’autre de la chaîne.
b) Inconvénients soulevés
La réflexion autour de cette très haute résolution spatiale disponible ne doit pas être considérée de
facto comme un avantage pour la cartographie. Des inconvénients peuvent survenir notamment
concernant :
- La discrétisation des objets : la THR spatiale acquise par les images drone n’empêche pas sa
dégradation. Ainsi, il est possible d’imaginer de choisir la résolution spatiale en fonction de
l’objectif d’une étude et donc de conclure à la non-pertinence d’une très haute résolution si
l’objectif cartographique est l’étude à l’échelle paysagère par exemple.
- Le poids des données : point régulièrement soulevé dans les articles scientifiques, les données
issues du drone, à cause notamment de cette très haute résolution, sont sujettes à des temps de
traitements longs, nécessitant des ordinateurs performants et une capacité de mémoire
importante.
- La télédétection de dynamiques ponctuelles : cette THR spatiale permet tout autant d’identifier
les dynamiques de la végétation que d’établir un « t0 » potentiellement très ponctuel. Si c’est
22
une réalité pour chaque technologie, ce constat semble plus présent avec l’outil du drone. La
prise de recul sur les images acquises est d’autant plus importante que la finesse des objets
représentés peut augmenter le « bruit » de l’image :
 Positionnement changeant des houppiers avec les rafales ;
 Météorologie des jours voire heures précédentes (visibilité des flaques, changement
surfacique des zones humides, etc.) ;
 Phénomènes anthropiques de petite ampleur (piétinement d’une zone par exemple).
Certains articles tirés de cet état de l’art font notamment état de diverses difficultés, qu’elles soient
opérationnelles, de traitements informatiques ou dans l’interprétation des images. Il a ainsi été relevé
des flous d’images, dues aux mouvements de la plateforme sur laquelle est positionnée la caméra ou
dues au vent faisant légèrement bouger l’appareil pendant la capture d’images. Peuvent apparaître
également des problèmes d’orthorectifications et de distorsions géométriques associées à un
chevauchement d’images insuffisantes ou encore des effets spectraux induits par un éclairage variable
en vol (passages de nuages pendant le vol, ombres portées) (Whitehead, Hugenholtz, 2014). Ces
facteurs devront être pris en compte dans cette étude de faisabilité, car ils peuvent affecter des
contraintes opérationnelles, de qualité des images orthorectifiées ou des produits dérivés des
traitements.
Le système du drone comme vecteur de la télédétection ne peut également pas rivaliser avec l’imagerie
satellite en matière de couverture spatiale. Les images de télédétection spatiales (telles que MODIS,
Landsat ou Quickbird) disposent de résolutions spatiales variant de plus de 500 m à moins d’1 m. Ces
images ont été largement utilisées pour la classification par traitements semi-automatiques suivis de
photo-interprétation des espèces de végétation à des échelles spatiales allant du niveau communautaire
au niveau régional. L’atout du drone en tant que plateforme de télédétection, semble être sa capacité
de résolution temporelle autant que spatiale.
Bien qu’encensée dans de nombreux articles de vulgarisation, la lecture de la bibliographie sur le sujet
nous impose une prise de recul sur cette nouvelle technologie. Comme chaque outil, il est à choisir
avec précaution pour ses spécificités et dans le discernement de ses particularités. La maîtrise du
processus de télédétection depuis l’acquisition des images à leurs traitements impose une rigueur
méthodologique particulière, l’observation de l’ensemble des zones d’ombres et des implications
induites par les caractéristiques de l’appareil. La technique doit imposer de penser différemment l’objet
23
géographique et d’axer le protocole d’acquisition, de traitement et d’analyse en fonction des objectifs

de l’étude
3. Traduction dans les intentionnalités de la recherche
La télédétection repose sur un modèle interprétatif qui consiste à retrouver le signifiant géographique
à partir des réflectances codées de l’image (Marchand-Vaguet, 2004). S’il existe de grands types de
signatures (surface en eau, couvert végétal, etc.), les déclinaisons sont multiples. Ce n’est pas chaque
pixel de l’image, avec sa mesure, qui fait sens géographique, mais l’ensemble contigu de ces pixels
qui composent les agencements et formes spatiales : l’information est autant géométrique que
spectrale. Cependant, à la lecture de ces articles sur les images issues de drones, semble se rajouter
une nouvelle complexité, due à la démultiplication du nombre de pixels pour un même objet
géographique à interpréter. Les méthodes de la télédétection classique se réinventent et semblent être
à adapter plus en profondeur avec l’apparition de ces nouveaux vecteurs d’images.
La télédétection des images issues de drones peut servir à l’analyse spatiale de l’espace « naturel ».
Cependant, une structure spatiale ne peut être interprétée uniquement dans un sens géométrique ou
morphologique (Elissalde, 2004). Au-delà de la forme prise par l’arrangement spatial des objets
capturés, l’interdépendance entre ceux-ci se mesure. C’est peut-être en ce sens que l’imagerie drone
peut permettre une plus grande finesse d’interprétation, mais ne doit pas s’empêcher de prendre du
recul en se perdant dans l’étude du « tout petit ».
Un dialogue plus étroit entre thématicien et expert de terrain semble d’autant plus nécessaire pour
l’usage du drone qui multiplie les possibilités et l’importance de la prise en compte de la phénologie
des espèces végétales. La télédétection peut alors être ce qui permet de relier la vision géographique
et écologique du paysage (Lobry et al., 2018).
Le dialogue entre l’écologue et le géographe s’est, depuis la multiplication des questions autour des
enjeux de la biodiversité, intensifié grâce notamment aux recherches interdisciplinaires sur la
dynamique de la biodiversité ou de l’écologie du paysage. Cette rencontre se joue particulièrement
autour des questions nature et société, mais également par l’entrée de l’espace et du territoire, dont
chacune des disciplines propose une traduction (ibid.). Cette nécessité de l’interdisciplinarité et
transdisciplinarité, le programme « Les Sentinelles du Climat » l’a bien compris en s’entourant de
chercheurs issus de l’écologie de la conservation ainsi que de la géographie.
24
II. MISE EN PRATIQUE : LA DIMENSION METIER DANS L’UTILISATION D’UN DRONE
« À ces échelles-là, à ces résolutions-là nous devons apprendre à structurer

différemment notre façon d’appréhender les problématiques écologiques. La
notion d’habitat ne présente plus les mêmes frontières et le découpage qui se
faisait à partir d’un satellite à l’échelle d’un grand territoire n’a plus de sens.
Cela ne veut pas dire que la piste de travail n’est pas bonne, c’est juste qu’elle
nous ouvre une nouvelle dimension. » Extrait d’une discussion e-mail avec
F. Uteau (télépilote au Service environnement du Conseil Départemental de la
Gironde)
Les enjeux de l’étude de la biodiversité dans la compréhension des phénomènes dus au changement
climatique s’appuient ici sur les outils du géographe. La mission de stage s’inscrit dès lors dans une
démarche exploratoire tant l’utilisation du drone comme outil de télédétection semble émergente et
composée de méthodes d’analyses d’images non figées.
II. Mise en pratique : la dimension métier dans l’utilisation d’un drone
Je tente ici de saisir la dimension du métier, ses responsabilités et ses obligations inhérentes à chaque
mission de vol ; un passage obligatoire avant l’acquisition d’images permettant l’étude. Les
éclaircissements écrits dans cette partie donneront un aperçu des connaissances nécessaires à la
compréhension du métier de télépilote. Le guide fourni par la Direction de la Sécurité Aérienne Civile
(DSAC, DNO, 2018) édite sur 80 pages les informations réglementaires nécessaires à la bonne mise
en application du drone utilisé en « activités particulières » et qui m’a particulièrement servi pour mes
recherches.
25
1. Obtention du capacitaire
En France, la première réglementation relative à « la conception des aéronefs civils circulant sans
personne à bords, aux conditions de leur emploi et sur les capacités requises des personnes qui les
utilisent », date de 2012 et est abrogée en 2016 (Légifrance, 2012). L’utilisation d’un drone en extérieur
est considérée par la législation comme une activité aérienne et de ce fait, relève de la réglementation
applicable à l’aviation civile. Les utilisations autres que celles de loisir14 ou à d’expérimentation15 sont
considérées comme relevant de la réglementation en « activités particulières ». La frontière entre
« aéromodélisme », « expérimentation » et « activités particulières » n’est pas simple à déterminer. La
Direction Générale de l’Aviation Civile (DGAC) identifie l’activité particulière comme l’utilisation
de prises de vues dans un contexte professionnel ou utilitaire, même si aucune rémunération n’est
perçue (DSAC, DNO, 2018). Les activités considérées de « loisir » sont restreintes sur de nombreuses
zones du territoire français (Figure 13). Ces restrictions ne s’appliquent pas au télépilote professionnel,
qui doit alors effectuer les démarches réglementaires nécessaires suivant la zone d’évolution de son
drone.
Figure 13 : Capture de la plateforme Géoportail sur la carte des restrictions de vol pour les drones de loisirs
14
Pour une utilisation limitée au loisir appelé également « l’aéromodélisme » (http://www.ecologique-
solidaire.gouv.fr/drones-usages-professionnels)
15
On parle d’expérimentation pour les vols de développement ou de mise au point d’aéronefs télépiloté ou de son
système de commande (ibid.)
26
A. Devenir télépilote professionnel agréé
Depuis l’arrêté du 18 mai 2018 (Légifrance, 2018), un examen théorique spécifique aux pilotes de
drone est mis en place et fixe les exigences de formation pratique en modifiant les conditions
d’exercice du métier, auparavant plus souples. Ce pilote est alors appelé « télépilote » :
« Le télépilote est la personne qui contrôle manuellement les évolutions d’un aéronef circulant sans
personne à bord ou, dans le cas d’un vol automatique, la personne qui est en mesure, à tout moment,
d’intervenir sur sa trajectoire ou, dans le cas d’un vol autonome, la personne qui détermine
directement la trajectoire ou les points de passage de cet aéronef »16.
a) Passer un certificat d’aptitude théorique
Afin d’exercer une activité dans un usage professionnel, l’aspirant télépilote doit être titulaire d’un
« certificat théorique de télépilote » délivré par la DGAC après la réussite d’un examen théorique de
type QCM dans les centres d’examens des salles « OCEANE ». La validité du certificat d’aptitude
théorique de télépilote n’est pas limitée dans le temps, mais l’exploitant est tenu à l’évaluation
périodique du télépilote. L’arrêté de 2018 a défini le programme détaillé des connaissances théoriques
évaluées lors de l’examen. Les connaissances recouvrent entre autres :
- La réglementation applicable :
 Générale : règles de l’air, trafic aérien, service de l’information aéronautique ;
 Spécifique : conditions d’emplois, protection des données, sanctions applicables.
- Les principes techniques :
 Instrumentation : systèmes électriques, équipements obligatoires, système de
pilotages ;
 Préparation du vol : suivi du vol, aérodynamique ;
 Procédures : procédures de vols et d’urgences, navigation, entretiens de l’aéronef ;
 Radionavigation et communications.
- L’environnement :
 Performance humaine : psychologie, physiologie ;
 Météorologie : atmosphère, aérologie.
16
Article L. 6214-1 du Code des transports
27
De nombreux organismes
de préparation à cet examen
ont vu le jour depuis cet
arrêté, proposant des
formations payantes au
passage de l’examen. La
préparation à cet examen
théorique peut alors s’élever
entre 790 € et 1250 €17. Afin
de m’y préparer tout en
Figure 14 : Graphique des statistiques personnelles de résultats d’entrainements au brevet
tenant compte du budget théorique de télépilote (d’après mon compte personnel sur ©drone-exam)
alloué (ANNEXE 2), j’ai préféré la solution de l’autoformation grâce à l’apprentissage des notions
nécessaires via l’inscription à un site en ligne : https://drone-exam.fr/. Celui-ci propose des cours
recouvrant différents chapitres ainsi que des questionnaires d’entrainements permettant de
s’évaluer (Figure 14). Entre un et deux mois de préparation sont normalement recommandés avant
le passage à l’examen. L’inscription en salle d’examen s’effectue sur un site spécifique de la DSAC
dédié également à certains examens théoriques de l’aviation civile. A Bordeaux, l’examen est
ouvert deux jours par mois. Je me suis inscrite à la fin du mois d’avril pour un passage en salle
d’examen à la date du 23 mai. Après la réussite de cet examen, le certificat d’aptitude est envoyé
par la DGAC sous 4 semaines. Toujours dans l’attente du document, l’attestation de réussite
fournie à la sortie de l’épreuve a fait office de certificat d’aptitude théorique pour les démarches
effectuées par la suite.
b) Obtenir une certification de formation
Le télépilote professionnel est ensuite tenu d’obtenir une attestation de suivi de formation délivré par
un organisme agréé. J’ai alors repéré deux organismes sur Bordeaux et ses alentours proposant cette
formation et afin de demander un devis à chacune pour établir un comparatif et justifier mon choix
auprès de l’association (Figure 15).
Figure 15 : Tableau comparatif des devis pour la formation pratique qualifiante
Mon choix s’est porté comparaison des devis
sur l’organisme Structure Type de formation Conditions Durée Prix
Qualification DGAC "télépilote professionnel :
Cosmopter, qui avec sa Cosmopter captation d'images aériennes (dans le spectre visible ou 1 seul élève 20h 1 200 €
invisible) pour les scénarios S1 à S3"
tarification plus basse RefletDuMonde Formation qualifiante théorique (60%) + pratique (40%) Plusieurs 40h 2 890 €
17
Coût établi d’après des recherches sur plusieurs sites internet proposant des formations
28
proposait un apprentissage plus personnel en étant la seule élève pour toute la durée de la formation.
Après une première rencontre pour discuter des conditions de formation celle-ci s’est déroulée chez
l’instructeur, près de Libourne (33) sur une durée de 20 h répartie en trois journées complètes. Le livret
de progression, obligatoire pour l’obtention de l’accréditation au télépilotage professionnel est
renseigné par la structure puis fourni en fin de formation afin d’attester l’acquisition des compétences
pratiques. Un bon contact s’est créé avec l’instructeur ce qui m’a permis de revenir une journée
supplémentaire afin qu’il m’apporte son aide dans la préparation des missions de terrain. De plus, un
contact régulier s’est maintenant mis en place grâce à un « club drone » hebdomadaire auquel j’ai
participé et qui m’a permis d’échanger avec des télépilotes amateurs sur leur retour d’expérience.
B. Devenir exploitant de drone à usage professionnel
Il ne suffit pas d’être considéré comme un télépilote professionnel pour exercer une mission de vol par
drone. La désignation d’un exploitant est nécessaire. Responsable de l’activité, il s’agit d’une personne
morale ou physique (DSAC, DNO, 2018).
D’après un rapport du gouvernement sur

l’essor de l’utilisation des drones en
France (SGDSN, 2015) le nombre
d’exploitants en juillet 2015 était de
moins de 2000 (ibid.). Or, il est
aujourd’hui possible de récupérer sur la
plateforme AlphaTango® le fichier Excel
contenant la liste des exploitants déclarés
auprès de la DGAC en France. Après Figure 16 : Graphique de l’évolution du marché des exploitants d’aéronefs
(d’après SGDSN, 2015 et AlphaTango, 2019)
analyse de celui-ci18, il est possible de
dénombrer pas moins de 8524 exploitants différents en France (Figure 16) dont près d’1/30 sur le
département de la Gironde19. L’usage du drone est devenu une réalité pour les institutions et
particulièrement celles basées en Gironde. Pour ne citer que quelques exemples, l’ONF Landes Nord-
Aquitaine, la Chambre d’Agriculture ou encore l’IFREMER ont déclaré exploiter un drone par
structure alors que la DRAC Nouvelle-Aquitaine en a déclaré trois, l’Université Bordeaux Montaigne
avec son laboratoire d’archéologie Ausonius, en dispose de quatre et l’Université Bordeaux trois. En
1
18
Analyse Excel avec utilisation de filtres sur le champ « adresse » puis de la fonction = 𝑆𝑜𝑚𝑚𝑒𝑝𝑟𝑜𝑑( )
𝑁𝐵.𝑆𝐼(𝑝𝑙𝑎𝑔𝑒;𝑝𝑙𝑎𝑔𝑒)
sur le total de 15 599 lignes
19
280 exploitants déclarés au 20 août 2019
29
comptant ceux dont disposent par le PNRLG et le Conseil Départemental de la Gironde, l’utilisation
des drones semble se répandre dans les institutions. La question peut se poser sur l’effectivité de son
utilisation auprès de l’expérience des différentes institutions utilisatrices de cet outil comme plus-value
de leurs activités. La réalisation d’une enquête à ce sujet sur le département de la Gironde se révèlerait
intéressante.
a) Ouvrir un compte AlphaTango
AlphaTango20 est un portail web administré par la DGAC afin de permettre aux usagers « d’aéronefs
circulant sans personne à bord » de réaliser plus facilement et en ligne, les démarches prévues par la
réglementation. L’inscription de l’exploitant sur le site est obligatoire et permet ainsi de :
- Déclarer l’activité ;
- Notifier les vols, si nécessaires, aux préfectures (alternative à l’envoi du formulaire
CERFA 15476) ou au ministère des Armées (utilisation d’AlphaTango obligatoire dans ce
cas) ;
- Réaliser les bilans annuels d’activités.
J’ai en premier lieu ouvert un compte à mon nom, sans déclaration d’activité, afin de comprendre le
fonctionnement de la plateforme puis effectuer l’ensemble des démarches avec F. Mallard alors
désignée comme responsable sécurité de l’activité pour le compte de l’association CISTUDE Nature.
Le document principal requis pour la déclaration initiale de l’activité de l’exploitant est le « Manuel
d’Activité Particulière », qui n’est pas à joindre à la déclaration, mais doit être tenu à jour et mis à la
disposition des autorités en cas de besoin. À l’issue de cette déclaration, nous avons reçu un accusé de
réception mentionnant le « numéro d’exploitant déclaré » sous la forme ED[numéro]. Celui-ci sera
utilisé pour l’ensemble des démarches nécessaires à la préparation des missions de vols. Cette
déclaration d’activité est à renouveler tous les 24 mois.
b) Ecrire un Manuel d’Activités Particulières
Le Manuel d’Activités Particulières (MAP) consigné pour la déclaration d’activité décrit les modalités
de mise en œuvre de ses obligations réglementaires. Son contenu est défini par la DGAC, mais il
n’existe pas de canevas-type obligatoire. Le MAP de l’exploitant « Association Cistude Nature » (non
fourni en annexe pour cause de confidentialité) d’une longueur de 14 pages, a été validé par le directeur
de l’association C. Coïc et F. Mallard et il contient :
20
https://alphatango.aviation-civile.gouv.fr
30
- Un rappel de la réglementation,
- Les coordonnées de l’exploitant,
- Le tableau des amendements du document,
- La définition des responsabilités de l’activité drone au sein de la structure,
- Les activités autorisées spécifiques de l’entreprise,
- Le descriptif de l’aéronef utilisé
- Les informations sur le télépilote enregistré,
- Une synthèse des procédures de préparation au vol, pendant le vol et après le vol.
Ce document peut être demandé lors d’une mission de vol et permet de définir les conditions de l’activé
drone pour l’association.
c) Disposer d’une responsabilité civile particulière
L’exploitant doit également s’assurer que sa responsabilité civile prenne bien en compte la nouvelle
activité de la structure. C’est donc avec P. Bello, responsable administratif et financier de l’association
que j’ai pu m’assurer de cette condition. L’assurance professionnelle MAIF a pu certifier cette
attestation particulière de responsabilité civile spécifique à la prise en compte de cette nouvelle activité
et qui est précisée dans l’article 19.7 du contrat d’assurance RAQVAM (Figure 17).
Figure 17 : extrait du contrat de responsabilité civile RAQVAM de l’association Cistude Nature
d) Déclarer la prise de vue aérienne
L’exploitant réalisant des prises de vue aérienne avec n’importe quel capteur est également tenu de
souscrire annuellement une déclaration, auprès du chef du service territorial de l’aviation civile qui
relève son domicile (ou le siège social pour une entreprise). Il s’agit de la « déclaration d’activité de
photographie et de cinématographie aérienne - CERFA n° 12546*0 ».
Cette obligation m’est apparue tardivement, au détour d’un échange avec mon instructeur et seulement
trois jours avant le début des opérations de vol. J’ai alors contacté un opérateur de la DSAC Sud-ouest
qui a pu prendre en compte cet oubli. Le Cerfa a été rédigé avec l’aide de F. Mallard, déclarant, puis
transmis avec nos pièces d’identité. L’envoi des pièces jointes constitue la déclaration, aucun accusé
de réception n’est alors attendu.
31
C. Acquérir le matériel
a) Location d’un drone
En vue d’une utilisation à titre exploratoire, la solution de la location m’a semblé plus appropriée.
Avec des contraintes administratives lourdes, il est difficile de trouver une location de drone pour
professionnel. Seule l’entreprise RefletDuMonde semble proposer ce type de prestation (Tableau 2)
sur le territoire. En fonction du planning de stage prévu, nous avons programmé une phase de terrain
Tableau 2 : Comparaison des devis de location du matériel par RefletDumonde de deux semaines. La question d’une
Devis location matériel drone
objet date devis durée location caution prix TTC expérimentation avec un capteur
DJI Phantom 4 pro 20.05 2 semaine 1 699 € 339.80 € multispectral ou proche infra-rouge
capteur Sequoia avec support 20.05 2 semaine 3 500 € 1 200 €
1 batterie phantom 4 pro 18.06 2 semaine - 37.80 € avait été également soulevée. Cette
proposition a été abandonnée afin de ne pas complexifier l’expérimentation ainsi que par rapport au
coût de l’acquisition. La demande d’une batterie supplémentaire m’a rapidement semblé nécessaire au
vu de l’autonomie d’une batterie simple, de l’ordre de 30 min (Tableau 3).
Le choix du drone s’est porté sur le Tableau 3 : Caractéristiques principales du DJI Phantom 4 pro (d’après dji.com)
DJI Phantom 4 pro en raison de Phantom 4 pro
poids (batterie + hélices incluses) 1388g
l’expertise des télépilotes du PNRLG vitesse max 72 km/h
angle d'inclinaison max 42°
disposant eux-mêmes de ce modèle. résistance au vent 10m/s
temps de vol max env. 30min
De plus, le Phantom 4 pro revient de Appareil
précision du vol stationnaire - vertical
avec Vision Positioning +/- 0.1m
avec GPS +/- 0.5m
nombreuses fois dans les lectures des précision du vol stationnaire - horizontal
avec Vision Positioning +/- 0.3m
avec GPS +/- 1.5m
articles scientifiques traitant de la température de fonctionnement 0° à 40° C
Système de possitionnement satellite GPS/GLONASS
cartographie par images drones. Enfin, Nacelle
plage réglable inclinaison verticale -90° à +30°
précision du contrôle angulaire +/- 0.01°
ma formation pratique s’étant déroulée capteur pixels effectifs : 20M
FOV 84°, 8.8mm / 24mm
objectif
en grande partie sur ce modèle j’étais f/2.8 - f/11
Caméra photo automatique 100-3200
plage ISO
plus à l’aise pour l’utiliser. photo manuelle 100-12800
vitesse d'obturation électronique 8-1/8000s
carte SD micro SD, max 128Go
Le Phantom 4 pro utilise le Système de Application application mobile DJI GO 4
positionnement par satellite combiné du GPS avec du GLONASS (Tableau 3), ce qui permet d’affiner
sa précision spatiale. Il dispose de plus d’une caméra de 20M, d’une bonne résistance au vent et d’une
forte stabilisation en vol stationnaire ; des qualités importantes qui avaient été relevées dans l’étude
bibliographique.
32
b) Mise en conformité
Un drone n’est jamais à l’abri d’une panne, d’une défectuosité, d’une rafale de vent ou de n’importe
quel incident de vol. Ainsi, au vu de la caution demandée par la structure locative et bien qu’une marge
de manœuvre eût été laissée dans le budget prévisionnel, une assurance « matériel sensible » spécifique
a pu être souscrite sur l’assurance professionnelle de l’association après leur avoir fourni l’ensemble
des caractéristiques de l’appareil loué.
Autre point de vigilance, le propriétaire du drone est tenu de faire enregistrer son appareil sur la
plateforme AlphaTango. L’exploitant doit alors s’assurer de cet enregistrement afin d’être en mesure
de présenter une copie de l’attestation aux autorités en cas de besoin. Après réclamation auprès de
l’organisme locatif, le numéro d’enregistrement sous la forme UAS-FR-[numéro] est alors utilisé pour
remplir la partie destinée à l’aéronef sur le MAP.
Le Phantom 4 pro a été récupéré le vendredi 28 juin pour un commencement de la phase de terrain
prévu le lundi 1er juillet jusqu’au vendredi 12.
2. Préparer les missions de vol
A. Cadre réglementaire
La réglementation applicable aux « activités particulières » identifie 4 scénarios d’utilisation, appelés

« scénarios opérationnels » qui définissent les règles de vols et démarches à accomplir particulières
(Figure 18). La réglementation est d’autant plus stricte lorsque la mission de vol doit s’effectuer en
zone peuplée.
Un aéronef évolue en « zone peuplée » (« ville » sur la figure), lorsqu’il se situe :
- À une distance horizontale intérieure à 50 m d’une agglomération figurant sur les cartes
aéronautiques ;
- À une distance horizontale inférieure à 150 m d’un rassemblement de personnes.
33
La réglementation spécifie
également l’interdiction de
survol des tiers21 à moins d’une
distance horizontale minimale de
10 m.
S’agissant de la question du
survol des propriétés privées,
l’article L. 6211-3 du code des
transports stipule que « le droit
pour un aéronef de survoler les
propriétés privées ne peut
s’exercer dans des conditions
telles qu’il entraverait l’exercice
du droit du propriétaire ». Ainsi,
afin de mettre de côté la
Figure 18 : Scénarios de vols (DSAC, 2018)
possibilité de conflit avec les
propriétaires des parcelles survolées, j’ai fait le choix de demander une autorisation écrite pour chaque
propriétaire de sites survolés.
L’exploitant d’un aéronef circulant sans personne à bord peut être rendu responsable, dans les
conditions du Code civil, des dommages causés aux autres aéronefs et il est de plein droit responsable
des dommages causés aux personnes et aux biens à la surface22. Les sanctions possibles résultantes
d’une mauvaise utilisation du drone sont décrites en annexe (ANNEXE 3)
Ces différentes réglementations concernant le vol d’un drone, limite les conditions de son utilisation à
des démarches administratives longues, une prise de responsabilités importante et un niveau de
connaissance essentiel. La réglementation évolue constamment sur ce type d’appareil, dû à une
utilisation de plus en plus importante dans le milieu civil, il est nécessaire d’être toujours en veille sur
ces sujets. Une fois le contexte réglementaire compris l’étude de préparation des missions de vol peut
débuter.
21
Personnes considérées comme étrangères à la mission
22
Art. L. 6131-1 et L. 6131-2 du code des transports
34
B. Démarches de pré-vol
a) Définir le contexte de vol
La première étape dans l’élaboration d’une mission drone est la lecture du contexte de vol afin de
définir le scénario opérationnel, son cadre réglementaire et les démarches résultantes. La plateforme
en ligne « Mach7 », recense sous forme de cartes et d’outils spécifiques l’ensemble des informations
aéronautiques indispensables sous une même visualisation.
Pour donner un exemple de la recherche de préparation, nous utiliserons le site d’étude « Panoramis »
défini par le programme scientifique comme appartenant à l’habitat de la pelouse calcicole. Situé dans
l’agglomération bordelaise, le contexte de vol de ce site est complexe et permet ainsi d’expliciter les
différentes problématiques que peut représenter la mise en place d’une mission (Figure 19).
Figure 19 : Capture écran de la plateforme Mach7 avec un focus sur le site « Panoramis ».
Une synthèse du contexte de vol est visualisée en partie droite de l’écran. Le site annonce ici (partie
droite de l’écran : figure 23) qu’un vol ne peut pas être interdit sous la barre des 50 m, dans une
utilisation professionnelle. Le contexte de vol sur ce site est le suivant :
- Située en zone peuplée, la mission de vol est donc considérée comme un « scénario 3 »
(Figure 18). Une déclaration à la préfecture doit être envoyée avec un préavis de 5 j ouvrés,
une notification de vol est à instruire auprès de la mairie concernée et de la gendarmerie. La
déclaration auprès de la préfecture est le CERFA 15476*02 (effectuée sur plusieurs sites, la
déclaration envoyée en préfecture pour le survol des dunes est à titre d’exemple, en ANNEXE
4). En Gironde, la préfecture, après envoi de cette déclaration, notifie sa bonne réception en
35
mettant en copie le contact de la mairie et de la gendarmerie concernée. Cette procédure

simplifie les démarches pour le télépilote.
- Située à proximité de l’aéroport Bordeaux-Mérignac, la zone de vol est soumise à la
réglementation de son couloir aérien. L’aéronef évolue alors dans un CTR23 en zone « D » où
le contact par radio et la délivrance d’une clairance24 par le gestionnaire de l’espace sont
obligatoires. Si le drone évolue sous la barre des 50 m, ces déclarations ne sont pas obligatoires,
mais une notification du vol reste à réaliser afin de parer à toutes éventualités de confrontations.
- Un aérodrome est également signalé à proximité de la zone de vol. Celui-ci définit une limite
verticale de vol sans un protocole d’autorisation à 80 m.
Il est nécessaire de vérifier les informations présentes sur cette plateforme par la lecture de la carte de
l’OACI sur Géoportail25 et de mesurer la distance avec les habitations proches afin de s’assurer d’une
situation ou non en scénario 3 (Tableau 4).
Tableau 4 : Synthèse des démarches administratives suivant le scénario de vol

Démarches administratives pour effectuer un vol en tant qu'exploitant opérateur de Drone
Tiers au Sol Tiers en espace aérien
Zone à statut
particulier (D, R, P,
Scénarios Caractéristiques Riverain, CTR civil Terrain privé
Police ZTR, ZIT, RTBA, VoltAC,
préfecture Mairie propriétaire, (aérodrome CTR militaire (aérodrome non DSAC
Gendarmerie voltige, SETBA
etc. contrôlé) contrôlé)
aéromodélisme,
etc.)
S1 (en vue, RAS sauf
H < 150m
hors zone RAS RAS RAS oui oui oui oui autorisation oui
D < 200m
peuplée) spé.
notification
S2 (hors vue, H < 150m si < 2kg non oui
non applicable - du vol dans
hors zone H < 50m si > 2kg RAS RAS RAS oui applicable - oui notification oui
interdit AlphaTango
peuplée) D < 1000m interdit du vol
si vol >50m
M < 8kg RAS sauf
S3 (en vue, en
H < 150m oui oui oui oui oui oui oui autorisation oui
zone peuplée)
D < 100m spé.
La situation de la zone de vol en scénario 3 soit en agglomération complexifie davantage les dispositifs
de sécurisation au sol. Le survol de personnes tierces étant interdit lors d’une mission, une zone comme
celle du site Panoramis, un parc public situé en pleine agglomération nécessiterait un arrêté municipal
(mis en place pour le vol situé à Soulac-sur-Mer, pour exemple en ANNEXE 5), mais surtout un
périmètre de sécurité difficilement tenable sans l’intervention de la gendarmerie ou de plusieurs
personnes auxiliaires à la mission compte tenu de la surface du site et du nombre de ses entrées. C’est
pour cette dernière constatation que je n’ai pas souhaité réaliser un vol sur le site Panoramis, les
responsabilités qui incombent à la sécurité des personnes tierces étant trop complexe à mettre en place.
23
Les règles de l’air définissent une zone de contrôle (CTR) comme un espace aérien contrôlé s’étendant verticalement à
partir de la surface jusqu’à une limite supérieure spécifiée.
24
Autorisation spécifique délivrée à l’aéronef pour circuler dans la zone contrôlée
25
https://www.geoportail.gouv.fr/donnees/carte-oaci-vfr
36
b) Sélections des sites de vols
Il m’est rapidement apparu, aux yeux de la difficulté administrative et du temps imparti la nécessité de
réduire l’étude des sites du programme à un échantillon restreint. J’ai alors choisi de m’intéresser
uniquement aux sites du département de la Gironde. Ce choix me permettait d’avoir une homogénéité
géographique dans le découpage, une proximité de transport lors de la phase de terrain et de faciliter
quelque peu les démarches administratives. Les sites d’étude du programme scientifique situés sur un
milieu dunaire et ne disposant pas de stations météorologiques26, ont également été supprimés de
l’échantillon au vu de leurs nombres ainsi que les sites comportant les suivis de l’indicateur Cistude et
des micromammifères, laissés de côté par le programme scientifique. Le panel de sites potentiels est
alors au nombre de 33.
Dans l’intervalle de la fin de ma formation pratique de télépilotage et la programmation de la phase de

terrain s’est écoulé 3 semaines. La première semaine m’a permis de m’interroger sur mon organisation
dans cette préparation. C’est à ce moment-là que j’ai fait le choix de Mach7, appris son
fonctionnement, établi des tableaux d’organisations (Tableau 5) et j’ai commencé les recherches des
contextes de vols sur ces 33 sites.
Tableau 5 : Organisation de la préparation des missions de vol
Tableau de suivi des protocoles par site
semaine
date police / date date date
Habitat Ref_Site vol prefecture mairie date contact propriétaire gestionnaire
contact gendarmerie contact contact contact
prévu
date CTR date aérodro statut date

CTR civil date contact DSAC date contact commentaire
contact militaire contact me privé particulier contact
Tableau des contacts

Type Structure / Statut Nom Tel. Mail commentaire
Tableau de synthèse
semaine
scénario autorisations
Ref_site Habitat vol date vol commentaire
s de vol en attentes
prévu
Missions réalisées
autorisations/déclarations en cours
Vol autorisation refusées
Vol autorisations abandonnées
Au fur et à mesure de ces recherches, j’ai réduit les possibilités de réalisation de missions de vol. Ont
alors été supprimés les sites :
26
D’après les données de décembre 2018
37
- Ne comportant que les suivis floristiques dont l’intérêt est moindre pour l’analyse des données ;
- Dont le contexte de vol se situe sur des zones de contrôle militaires ;
- Dont les autorisations n’ont pu aboutir pour diverses raisons.
Après ces ajustements, la démarche de planification de vol s’établit sur les 9 sites restants dont la
synthèse est visualisée sur une carte (Figure 20).
Figure 20 : Carte de synthèse des sites d’étude sur le département de la Gironde
38
C. Déroulement de la mission
a) Préparation du matériel
Une fois définis les sites d’études qui feront l’objet de missions de vol et en possession des
autorisations adéquates, l’organisation de la phase terrain passe par différentes étapes.
En premier lieu, le drone nécessite une plateforme plane, rigide, voyante et

d’une surface convenable pour son décollage et son atterrissage dans
différentes conditions. L’achat d’une plateforme spéciale coûte sur le
marché une quinzaine d’euros. Cependant, pour ne pas risquer un défaut de
livraison ainsi que dans un objectif de cohérence écologique j’ai fait le
choix de fabriquer la plateforme. Celle-ci a été créée en utilisant une Figure 21 : plateforme de
décollage « fabrication maison »
planche de bois non utilisée par l’association et par l’achat d’un scotch (©L.Couderchet, 2019)
orange permettant une bonne visibilité que la plateforme soit posée sur une surface herbeuse ou sur sol
nu (Figure 21).
Pour une conformité réglementaire, le

marquage du drone par son exploitant est
obligatoire (Figure 22). Après réception du
Figure 22 : marquage de l’aéronef par l’exploitant (DGAC, 2018) Phantom 4 pro, une étiquette conforme lui est
donc apposée.
La tablette numérique utilisée par l’association comme support pour ses animations est récupérée afin
de servir de moniteur vidéo au drone et sa compatibilité avec l’application de vol est vérifiée.
Le matériel sera finalement équipé de 5 batteries au lieu des 2 prévues par la location. Il est en effet
apparu rapidement que 2 batteries n’étaient pas suffisantes, j’ai donc fait appel à mon instructeur de la
formation pratique, qui nous a gracieusement prêté des batteries supplémentaires pour nos missions.
Cette organisation matérielle est décrite plus amplement dans la liste de vérification écrite à ce propos,
pour les missions de terrain (ANNEXE 6).
b) Déroulement d’une mission
La phase de terrain se déroule en début du mois de juillet. Le soleil se couchant tard à cette période
nous a permis de déterminer une plage horaire de vol entre 9 h et 18 h. Afin d’éviter au maximum les
ombres portées, cette plage a généralement pu être réduite entre 14 h et 16 h. Après vérification des
39
autorisations en possession, contrôle de la météorologie (ni pluie ni rafales supérieures à 40 km/h) et

mise en place du dispositif de sécurité au sol, le vol peut débuter.
Pour une utilisation cartographique des images issues du drone, il est nécessaire d’utiliser un vol dit
automatique. J’ai choisi l’application « Pix4D capture » en accès gratuit, et permettant une cohérence
avec le logiciel de traitement des images Pix4D (III.2.A, p.47). Une fois arrivée sur la zone où j’ai
choisi de faire décoller l’appareil, l’application est lancée et ses paramètres choisis (Figure 23). Je
choisis de faire lorsque cela est possible 3 types de vols :
- Un vol destiné à la 3D dont le trajet de vol quadrille le site avec un angle de prise de vue de
80° et une couverture des images de 80 %. Le temps de vol est alors doublé par rapport à un
vol simple ce qui est à prendre en compte dans la surface possiblement survolée.
- Un vol destiné à la 2D à la même altitude de vol que le vol 3D. L’angle de la caméra est au
nadir et le recouvrement toujours de 80 %.
- Un vol 2D au nadir, à plus faible hauteur au-dessus des quadrats de suivis floristiques afin
d’obtenir une résolution spatiale de moins de 1 cm.
L’altitude de vol est définie par rapport au point de décollage et peu donc simplement être considérée
comme la hauteur du vol. Elle est choisie en fonction des obligations réglementaires sur le site et de
sa topographie (prise en compte de la pente, hauteur des arbres, réseau électrique). Lorsque cela était
Figure 23 : Capture écran de l’application « Pix4D capture » en prévision d’un vol 2D (©JoseR.Batista,
Youtube, 2017)
40
possible, j’ai essayé de garder une homogénéité dans les hauteurs de vol établie à 70 m. Cette altitude
permet une GSD27 au sol d’environ 2 cm, cette indication est directement fournie par l’application.
𝐻𝑎𝑢𝑡𝑒𝑢𝑟 𝑑𝑒 𝑣𝑜𝑙 ×𝐿𝑎𝑟𝑔𝑒𝑢𝑟 𝑑𝑢 𝑐𝑎𝑝𝑡𝑒𝑢𝑟

Elle est calculée suivant l’opération suivante 𝐺𝑆𝐷𝑤 = 𝐷𝑖𝑠𝑡𝑎𝑛𝑐𝑒 𝑓𝑜𝑐𝑎𝑙𝑒 ×𝐿𝑎𝑟𝑔𝑒𝑢𝑟 𝑑𝑒 𝑙′𝑖𝑚𝑎𝑔𝑒 . Cette hauteur
permet également de couvrir une surface jusqu’à 200 m du télépilote avec une grille de vol 3D tout en
restant au-dessus de 30 % de batterie et en environ 15 min.
3. Zoom sur les sites de l’étude de cas
La volonté de s’appuyer sur les optimums phénologiques des différents habitats survolés pour une
meilleure appréciation des discriminations d’espèces végétales possibles avait été soulevée dès les
débuts de la recherche en fonction des lectures bibliographiques. La détermination de ces optimums
s’est faite à dire d’expert d’après les informations données par le CBNSA lors d’une rencontre de
présentation de cette étude (Tableau 6).
Tableau 6 : Optimums phénologiques des habitats étudiés sur le programme scientifique
Calendrier des optimums phénologiques
avril mai juin juillet aout sept.
critère étudié début milieu fin début milieu fin début milieu fin début milieu fin début milieu fin début milieu fin
commentaires
milieu dunaire
lézard ocelé dérangement de l'espèce
pelouse calcicole
landes humides
gentiane pneumonanthe pour l'azuré des mouillère
lagunes
hetraie
sous-bois sec sur sol calcaire la diversité spectrale sera plus visible
climat pluvieux sur sol acide début du printemps ou en automne
montagne spécifique Appolo
Les missions ont été effectuées au début du mois de juillet. Sur les 9 sites survolés pendant cette phase
de terrain, seul l’habitat de la pelouse calcicole à mésobromiom était complet, en dehors du site
Panoramis. De plus, sa période d’optimum phénologique (jusqu’à la fin juin) possède une temporalité
proche de la période de terrain (vols réalisés le 2 et 4 juillet). C’est en prenant en compte l’ensemble
Figure 24 : schéma de sélection d’échantillonnage des sites survolés
27
« Ground Sample Distance » qui détermine la résolution spatiale (revenir à la Figure 10)
41
de ces considérations que l’étude de cas s’est focalisée sur ces deux sites pour le traitement des images
récoltées (Figure 25).
A. Les pelouses calcicoles définies dans le programme scientifique
Les pelouses calcicoles sont considérées comme des habitats semi-naturels, car elles doivent être
gérées, par la main de l’homme ou par l’action animale afin de rester un espace ouvert (Mallard,
2016b). La flore des coteaux calcaires de Nouvelle-Aquitaine est particulièrement diversifiée et
intéressante. Les conditions nécessaires à son développement et à sa pérennité sont assez drastiques
(sols maigres, pauvres en nutriments, en stations souvent pentues et supportant un déficit hydrique
important en période estivale) (ibid.).
Le programme les Sentinelles du climat suit les pelouses calcicoles dans le temps et l’espace au travers
de :
- Leur structure (types biologiques dominants, hauteur, recouvrement) ;

- Leur composition floristique (diversité spécifique, cortèges indicateurs, fréquence relative des
espèces, spectre chorologique).
À ce jour, pour suivre les végétations de pelouses calcicoles dans le temps et dans l’espace,
l’échantillonnage d’un site est basé sur un système de quadrats emboités. Ceux-ci permettent de suivre
la mosaïque de végétation présente ainsi que la composition et la fréquence floristique de manière fine
(Mallard, 2017b). Les sites Coteau de Pujols (CPUJO) et Tertre de Thouil (THOUI) sont considérés
comme relevant du Mesobromiom erecti (Mallard, 2017a) avec un taux de fermeture plus ou moins
important. Le site CPUJO est un site géré par le CBNSA afin de maintenir l’ouverture du milieu tandis
que le site THOUI est situé sur une ancienne zone de vignes.
Ces deux habitats peuvent donc être hétérogènes dans leur taux de fermeture, l’un grâce à une gestion,
l’autre de par son historique. L’interprétation des images prises avec le drone permettrait de prouver
ou non cette hétérogénéité si elle est observable.
B. Opérations de vols sur les sites échantillonnés
Les missions sur ces deux pelouses calcicoles ont été relativement simples à préparer. En effet, situés
hors agglomération, nul besoin de déclarer le vol auprès des autorités. De plus, aucun couloir aérien
42
contrôlé ne passait au-dessus du site et les coordonnées des propriétaires étaient référencées. Ainsi,
l’écriture et signature d’une attestation d’autorisation
signée de leur part m’a permis de réaliser la mission de vol
en accord avec la réglementation. F. Mallard, présente à
chaque mission était responsable du maintien à distance
des personnes tierces à la mission, mais sur ces sites,
distant d’espaces publics, aucune entrée de personne n’est
venue perturber la mission (Figure 25). Figure 25 : Photo prise au décollage du drone sur
Coteau de Pujol (©L.Couderchet, 2019)
La topographie générale de ces deux sites est de (Mallard, 2017a) :
- Coteau de Pujol : pente à 25 %, orientation sud / sud-ouest

- Tertre de Thouil : pente à 10 %, orientation sud-est
Un plan de vol a été rédigé pour chacun des sites (ANNEXE 7 ET ANNEXE 8) spécifiant les
caractéristiques de la mission.
La récupération des données de vol sur l’application AirData28 permet de se rendre compte du contexte
de chaque vol (Tableau 7) et propose entre autres une visualisation des trajectoires de vol (ANNEXE 9).
Tableau 7 : Logs des missions de vol sur les sites THOUI et CPUJO (en gras une synthèse de la mission) (d’après les données AirData)
LOG des vols effectués
altitude au hauteur Couverture Moy. Vent Max. Moy.
temps Visibilité humidité
site adresse date heure type vol décollage lat long de vol T° (°C) nuageuse en vol rafales direction vent Kp indice
de vol (km) (%)
(ASL m) (m) (%) (km/h) (km/h) en vol (°)
CPUJO 191 Lafuge, 33350 Pujols 02/07/2019 03:45PM 00:13:40 3D 39 44.802335 -0.042948 80 27 100 10 61 12.1 24.8 335 1
CPUJO 191 Lafuge, 33350 Pujols 02/07/2019 04:43PM 00:08:54 2D 39.1 44.802323 -0.042939 80 28 82 10 58 14 20.2 285 1
CPUJO 191 Lafuge, 33350 Pujols 02/07/2019 05:33PM 00:04:51 2D 51.8 44.801174 -0.041314 30 27.6 75 10 57 10.6 13.6 297 1 2/3
CPUJO 191 Lafuge, 33350 Pujols 43648 3H 0.01904 - - - - - 27.5 86 excellente 58.7 12.2 19.5 306 bon
THOUI 795 Route de Thouil 33141 Villegouge 04-juil 02:57PM 00:05:34 2D 41.5 44.970826 -0.331119 70 32.6 9 10 46 4.5 11.4 50 2
THOUI 795 Route de Thouil 33141 Villegouge 43650 2H 0.01376 - - - - - 33.7 5 excellente 41.0 8.2 15.6 74 bon
Cette synthèse permet d’attester les observations météorologiques de terrain. Les conditions n’étaient
en effet pas totalement semblables entre les deux missions. Sur la mission du site CPUJO, une large
couverture nuageuse était visible bien que fine (OVC = 8 octas en aéronautique), tandis que lors du
vol sur THOUI, le ciel était clair (FEW = 1 à 2 octas en aéronautique). Cette observation est à prendre
en compte dans les possibles différences de résultats de traitement des images notamment au niveau
des ombres portées.
28
Création d’un compte sur https://airdata.com/ et importation des logs des vols après une récupération des fichiers sur la
tablette numérique ayant servie de retour vidéo.
43
III. TRAITEMENTS DES IMAGES : PROPOSITION D’UNE METHODE D’INTERPRETATION
Les images prises pendant ces deux missions de vols et sauvegardées sur les différentes cartes micro-
SD sont transférées sur ordinateur et sauvegardées sur un disque dur externe en vue de leurs
traitements.
III. Traitements des images : proposition d’une méthode d’interprétation
1. Étapes préopératoires
A. Analyse des données Sentinelles des sites
La première étape consiste à rechercher et comprendre les données disponibles sur les sites qui seront
étudiés avec les images issues du drone. Le programme dispose d’une base de données sur un fichier
Excel, rempli par chacun des observateurs de terrain puis vérifié par F. Mallard, la coordinatrice du
programme. Ce fichier est traduit sous format .csv afin d’être transcrire sur le logiciel QGis. L’objectif
du programme scientifique étant l’analyse des suivis des opérateurs de terrain, la base de données est
construite afin qu’une ligne corresponde à un seul suivi. L’emprise d’un site d’étude pouvant renfermer
plusieurs types de suivis, plusieurs lignes de la base de données peuvent décrire un seul site.
Notre recherche se focalisant sur l’emprise géographique d’un site d’étude et non sur ces espaces de
suivis, il m’est apparu nécessaire de traduire la base de données existante afin qu’une ligne corresponde
à un seul site. Cette nouvelle base de données permettra une étude facilitée des sites d’études dans leur
ensemble. Aujourd’hui, les sites sont spatialisés par un point défini subjectivement au centroïde de
Tableau 8 : Description de la base de données proposée, axée sur les sites d’études du programme scientifique
Champ Champ_Qgis Description Type Commentaire
site_Ref_Courte site_Ref_C référence du site texte base de données SDC
obs_nomSite obs_nomSit nom du site texte base de données SDC
milieu milieu type de milieu texte base de données SDC
typeHabSDC typeHabSDC type d'habitat sur le suivi texte base de données SDC
nb_suivi nb_suivi nombre d'indicateurs suivis hors flore nombre entier d'après les données Qgis
indicateursSDC_1 indSDC_1 nom indicateur (hors flore) texte base de données SDC
suivi_indicateursSDC_1 typ_ind1 type de dispositif de suivi texte d'après les rapports SDC
nb_ue_indicateursSDC_1 nb_ue_ind1 nombre d'unités d'échantillons nombre entier d'après les données Qgis
surf_indicateursSDC_1 surf_ind1 surface totale d'unités d'échantillons (m²) nombre décimal calcul raster d'après données sur Qgis
indicateursSDC_2 indSDC_2 nom indicateur (hors flore) texte base de données SDC
suivi_indicateursSDC_2 typ_ind2 type de dispositif de suivi texte base de données SDC
nb_ue_indicateursSDC_2 nb_ue_ind2 nombre d'unités d'échantillons nombre entier d'après les rapports SDC
surf_indicateursSDC_2 surf_ind2 surface totale d'unités d'échantillons nombre décimal d'après les données Qgis
suivi_vege suivi_veg suivi par indicateur floristique (m²) oui/non calcul raster d'après données sur Qgis
type_ue_vege typ_ue_veg type de suivi floristique texte d'après les rapports SDC
nb_ue_vege nb_ue_veg nombre d'unités d'échantillons floristique nombre entier base de données SDC
surf_vege surf_veg surface totale d'unités d'échantillons floristique (m²) nombre décimal calcul raster d'après données sur Qgis
sonde_meteo sta_meteo présence d'une sonde météo sur site oui/non d'après les données Qgis
surf_site surf_site surface de l'habitat du site suivi (m²) nombre décimal après télédétection par drone
CodeDepartement CodeDepart code du département nombre entier base de données SDC
Commune Commune nom de la commune texte base de données SDC
44
l’emprise du site. Celle-ci est ensuite définie par l’expertise de l’opérateur de terrain. Ainsi, un site
d’étude dispose parfois de plusieurs polygones d’emprises, un pour chaque type de suivi, dans
plusieurs fichiers différents et délimités selon les dires des opérateurs de terrain.
Tableau 9 : Extrait de la base de données modifiée
Les champs de la nouvelle base de données ont été définis sur les sites THOUI et CPUJO
avec F. Mallard et ont pour fonction de reprendre les site_Ref_C THOUI CPUJO
obs_nomSit Tertre de Thouil Coteau de Pujols
données existantes ou d’en produire de nouvelles Tableau milieu Sec Sec
typeHabSDC Pelouse calcicole Pelouse calcicole
8). La visée est de correspondre aux objectifs de définition nb_suivi 1 1
indSDC_1 Cortège de lépidoptères Cortège de lépidoptères
géographique d’un site d’étude en permettant une typ_ind1
nb_ue_ind1
transect
1
transect
1
surf_ind1 500 500
visualisation globale de chaque entité. indSDC_2
typ_ind2
Concernant nos deux sites d’études, il est possible de noter nb_ue_ind2

surf_ind2
suivi_veg oui oui
une certaine homogénéité dans les suivis (Tableau 9) qui typ_ue_veg quadrat paysager quadrat paysager
nb_ue_veg 1 1
permettra de comparer les résultats statistiques de cette surf_veg 625 625
sta_meteo oui oui
recherche avec les données naturalistes du programme surf_site
CodeDepart 33 33
scientifique. Commune Villegouge Pujols
B. Définition de la résolution thématique
L’objectif premier était de proposer une nomenclature d’occupation du sol rattachée à une
nomenclature scientifiquement reconnue comme PIGMA29. Cette donnée d’occupation du sol, réalisée
par photo-interprétation sur l’emprise de l’ex-région Aquitaine dispose d’une nomenclature de type
« Corine Land Cover »30 sur plusieurs niveaux. La proposition consistait à proposer des niveaux
supplémentaires correspondant à nos besoins et spécifiques aux résolutions spatiales de l’outil drone
(ANNEXE 10). Cette solution avait été envisagée jusqu’au début des traitements où elle s’est rapidement
révélée insuffisante. Les différents
Tableau 10 : Nomenclature proposée pour la classification des images
niveaux proposés par PIGMA
Nomenclature
disposent d’une résolution thématique Niveau 1 Niveau 2
insuffisante sur l’habitat d’intérêt, ici code de

nom de classe
code de
nom de classe
classe classe
la pelouse calcicole, tandis que cette
110 sol nu
10 pelouse calcicole
résolution est trop importante sur les 120 herbacées de pelouse calcicole
20 prairie 130 herbacées de fermeture du milieu
unités écologiques limitrophes de 30 forêt mélangée
40 vignes
l’habitat d’intérêt. Pensée avec 50 sentiers et chemins
60 ombres
29
Portail cartographique des acteurs de la décision publique néo-aquitains (https://portail.pigma.org/outils-et-
services/cartographie/).
30
Inventaire biophysique de l’occupation des sols et de son évolution selon une nomenclature en 44 postes.
45
F. Mallard, une nomenclature ex nihilo est alors imaginée (Tableau 10). Son objectif est avant tout de
permettre la discrimination de la pelouse calcicole des différentes unités écologiques visibles sur les
images capturées avant d’identifier la composition de structure végétale.
Après une concertation au regard des images récupérées et de l’expertise de terrain, deux niveaux sont
proposés. Avec sa signature spectrale particulière, un champ « ombre » a dû être également ajouté. Le
niveau 1 permet de discriminer l’habitat pelouse calcicole tandis que le niveau 2 permet de décrire sa
structure. Cette résolution thématique est basée sur les objectifs de la recherche et non en fonction des
possibilités de l’outil ce qui permettra d’étudier la faisabilité du protocole par des images issues de
drones.
2. Traitements des images matricielles
D’après la recherche bibliographique et les différentes discussions avec des télépilotes,31 trois logiciels
ressortent pour le traitement des images issues du drone :
- MicMac : logiciel libre de droit produit par l’IGN pour la « mise en correspondance
automatique dans le contexte géographique » (Pinte, 2017), langage C/C++
- Agisoft Metashape anciennement Photoscan : logiciel payant (1 mois de test gratuit) pour les
« processus de photogrammétrie des images digitales et la génération de données spatiales
3D »32
- Pix4D mapper : logiciel payant (avec 15 jours de gratuité) pour le traitement
photogrammétrique spécialisé dans les images issues de drones.
Mon choix s’est porté vers le logiciel Pix4D mapper, permettant de garder une cohérence avec le
logiciel utilisé pour le vol automatique, Pix4D capture et retrouvé dans certains des articles de la
bibliographie (Mishra et al., 2018 ; Baena et al., 2017). Dans un objectif de recherche scientifique, le
logiciel MicMac semblerait pourtant le plus adapté, étant libre de droit il ne contient pas de « boîte
noire » et est entièrement paramétrable du fait de son langage d’utilisation. Cependant, ne disposant
pas des connaissances en C/C++, ce choix a dû être mis de côté.
Le processus de traitement réalisé avec le logiciel sera en premier lieu décrit puis les résultats de ces
traitements sur les sites Tertre de Thouil (THOUI) et Coteau de Pujols (CPUJO) seront présentés.
31
F. Uteau télépilote au département de la Gironde, J. Fouert et J. Servant du PNR-LG
32
Traduction d’après la page d’accueil du site internet https://www.agisoft.com/
46
A. Processus de traitement
L’interface Pix4D mapper intègre de manière automatisée les mesures des points de rattachements, du
calibrage de la caméra, l’extraction du Modèle Numérique de Surface (MNS) et la production
d’orthomosaïques. Le géoréférencement des balises EXIF33 permet de fournir les coordonnées d’une
image avec une précision due à la puce de navigation GPS (quelques mètres sans GCP34) (Vallet et al.,
2012b).
Sur Pix4D, les images se comportent comme les « tuiles » composantes de l’ensemble du site et
appareillées pour produire différentes images de sorties. Le logiciel propose différents modèles
d’options de traitement par défaut suivant l’objectif souhaité :
- Des processus 3D : que ce soit pour des « cartes 3D » ou des « modèles 3D » en résolution
basse ou haute ;
- Des processus destinés à l’agriculture : pour des images multispectrales, en caméra modifiée
ou en simple RVB, en résolution basse et rapide ou haute et plus lente ;
- Pour les images thermiques : suivant le type de caméra utilisée pendant la capture.
Pour nos images issues des vols avec la grille 2D, j’ai choisi l’option « agriculture RVB » en haute
résolution, spécialisée pour les sorties d’orthomosaïques. Concernant les vols avec une grille 3D, j’ai
préféré la solution « carte 3D » à haute résolution produisant le MNS et une orthomosaïque ainsi que
le nuage de points permettant de générer un MNT.
C’est sur ce dernier procédé, issu des images prises par le vol en grille 3D, que va se baser la suite de
l’étude. Ce choix est fait afin de pouvoir utiliser simultanément l’ortho-image et les modèles
numériques, qui s’ils n’étaient pas issus d’un même vol ne pourraient pas être comparés, sans
traitements supplémentaires (orthorectification des images).
a) Étapes de traitement
Le site internet d’aide au logiciel Pix4D comporte de nombreux articles35 permettant d’éclaircir la
boite noire des algorithmes utilisés par le logiciel. Plusieurs étapes sont établies pour générer
33
Métadonnées disponibles sur chaque image
34
Points de contrôles au sol
35
https://support.pix4d.com/hc/en-us
47
l’orthomosaïque est les modèles numériques issus de la centaine d’images prises lors des missions de
vol.
i. Processus initial
Cette étape réalise la correspondance entre les images et l’étalonnage de celles-ci. Les options définies
d’après ce modèle de traitement pour la mise en correspondance sont optimisées sur les paramètres
internes de la trajectoire de vol « en grille » du logiciel Pix4D capture (taux de recouvrement de
l’image, orientation de la caméra, etc.). Le nombre de points homologues36 extrait sur les différentes
vues d’une même scène est défini automatiquement. Le logiciel précise que lors de l’extraction de ces
points sur une image, une notation interne leur est affectée. Sur la base de cette notation, les meilleurs
points de correspondances sont sélectionnés.
L’étalonnage optimise les paramètres de la caméra embarquée. Les petites caméras utilisées sur les
drones sont sensibles à la température ou aux vibrations, ce qui affecte le calibrage. Le logiciel
reconnait quel est le drone utilisé pour la capture des images et donc ses paramètres internes (modèle
de la caméra) et externes (position et orientation). Ainsi, il définit par défaut les différents paramétrages
à effectuer pour l’étalonnage des images. Une dernière étape d’optimisation est alors lancée et consiste
à exécuter plusieurs fois, jusqu’à une reconstruction jugée optimale par le logiciel, les étapes de :
- Triangulation automatique aérienne (AAT) : d’après la corrélation des images ;

- Réglage du bloc d’ensemble (BBA) : en fonction de la grille de vol ;
- Auto-étalonnage de la caméra : d’après les paramètres interne et externe.
ii. Nuage de points et maillage

La seconde étape du traitement des images débute par le paramétrage du « nuage de points ». Des
points 3D supplémentaires sont ajoutés jusqu’à obtenir une densification d’un point pour 8 pixels par
images. Le logiciel paramètre ensuite un seuil de 3 images minimales pour valider la projection de
chaque point 3D. Ce calcul s’effectue sur une fenêtre de 7x7 pixels définie par le modèle de traitement.
Ces paramètres peuvent être modifiés, notamment sur le nombre de points 3D37, la taille de la fenêtre
de calcul38 ou encore la possibilité de limiter automatiquement la profondeur de la caméra 39. C’est le
36
Se définissent comme des points de correspondances présents sur plusieurs images et servant à leurs appariements
37
Un nombre plus grand réduira le bruit tout en améliorant la qualité du nuage de points, mais risquerai de réduire ce
même nombre de points.
38
Possibilité d’une fenêtre de 9x9 pixels pour une recherche plus précise de position des points densifiés.
39
Empêche la reconstruction d’objets en arrière-plan qui pourrait être utile dans les projets d’images obliques ou avec un
terrain en pente non-nulle. 48
nuage de point qui permet la génération du modèle numérique de surface (MNS) et son classement qui
propose la sortie d’un modèle numérique de terrain (MNT).
b) Les sorties Pix4D
L’option de traitement choisie définit la résolution spatiale du MNS et de l’orthomosaïque produit

1 GSD (Ground Sample Distance), la distance d’échantillon au sol en cm/pixel.
i. Génération du MNS
Le MNS représente la surface théorique des points hauts (Figure 26). C’est un modèle 2.5D dont
chaque pixel du raster de sorti contient l’information x, y et la donnée d’altitude par rapport au point
de décollage du drone.
Figure 26 : schéma de représentation des différents modèles numériques
Le MNS est généré avec un filtrage du bruit qui corrige l’altitude des points jugés erronés avec
l’altitude médiane des points voisins. Une fois le filtre anti-bruit appliqué, une surface est générée qui
peut contenir des zones inexactes de « bosses ». Un lissage de type « tranchant » est appliqué, qui
conserve l’orientation de la surface et les éléments nets. Ce filtrage et lissage n’impactent que la sortie
du MNS et non le nuage de points qui sera utilisé pour la génération du Modèle Numérique de Terrain
(MNT). La méthode utilisée par l’option de traitement choisi pour générer le MNS est la « pondération
inverse de la distance ». Cette méthode d’interpolation spatiale est un processus permettant d’assigner
une valeur à un espace non connu à partir d’un semis de points connus40.
ii. Génération du MNT

Le modèle numérique de terrain peut ensuite être généré par la classification du nuage de points
densifiés. Les différentes classes sémantiques possibles avec le logiciel sont les classes :
40
Elle s’appuie sur la Loi de Tobler, dite Première loi de géographie : « Tout est lié à tout le reste, mais les choses plus
proches ont plus d’influence que les choses distantes » (« Everything is related to everything else, but near things are
more related than distant things" (Tobler, 1970))
49
- Sol
- Surface de la route
- Végétation haute
- Bâtiments
- Objets fabriqués par l’homme
Cette classification est basée sur des techniques d’apprentissage automatique générées par les
algorithmes internes du logiciel utilisant la géométrie et la radiométrie.
Un masque de terrain est calculé en fonction de cette classification. Seules les classes « sol » et
« surfaces de la route » sont conservés et les points des autres classes lissés. Afin de réduire au
maximum cette interprétation du logiciel et d’éviter un MNT trop lissé, la classification sera vérifiée
et éditée manuellement au besoin. La résolution du modèle est définie sur 5x le GSD du projet. Cette
résolution plus faible par rapport à celle du MNS permet une plus grande précision de résultat.
iii. Orthomosaïque
Pix4D utilise l’orthorectification à l’aide du MNS et des images originales pour générer
l’orthomosaïque. Le raster en sorti prend alors bien en compte les perspectives de la caméra et les
différentes distances entre chaque point de l’objet/sol et la caméra.
B. Résultats de sorties sur les sites interprétés
Les traitements du logiciel sont très gourmands en capacité de matériel informatique notamment sur
le processeur et la mémoire vive. L’ordinateur fourni au départ par l’association n’étant pas assez
puissant pour une utilisation basique de ce logiciel je me suis rapidement tournée vers mon ordinateur
personnel. Celui-ci parvenait à faire fonctionner le logiciel, mais les temps de traitements restaient très
longs et l’ordinateur surchauffait de longues journées. Une demande a donc été faite auprès de l’UMR
PASSAGES, mais l’ordinateur fourni ne disposait pas de capacités suffisantes pour ne serait-ce que
lancer le logiciel. Après de nombreuses recherches, je me suis tournée vers un service web permettant
d’accéder à un ordinateur de dernière génération à distance (Figure 27).
Xeon / 12GO RAM

Core i5 / 8GO RAM
Figure 27 : schéma des solutions trouvées pour l’acquisition d’une configuration informatique adéquate au logiciel Pix4D
50
Cette plateforme « shadow »41 est basée en France et propose une offre de test sur un mois avant une
obligation d’engagement à l’année. Utilisée sur mon ordinateur personnel, cette solution m’a ainsi
permis de travailler depuis un même écran sur deux ordinateurs différents. Ayant déjà souscrit à une
offre d’essai du logiciel Pix4D sur deux semaines arrivées à expiration après ces premiers essais, j’ai
ouvert un compte différent sur cet ordinateur à distance ainsi qu’une boite gmail afin de transférer les
images issues des missions de vols. Cette solution m’a permis de traiter dans les deux nouvelles
semaines d’offre du logiciel Pix4D, l’ensemble des images issues des vols sur les 9 sites différents
étudiés en un temps 3 à 4 fois plus rapide qu’avec mon ordinateur personnel (Tableau 11).
Cette solution ne semble cependant possible que provisoirement due notamment à la difficulté de
transfert de fichiers entre les deux espaces. Après cette expérience, il est possible de conclure que la
configuration minimale requise pour des traiter des projets compris entre 100 et 400 images à 20Méga-
pixels est :
- Processeur « quad-core » ou « hexa-core » Inteli7/Xeon

- 16 Go de RAM avec 20 Go d’espace libre sur le disque dur
Tableau 11 : Durée des traitements Pix4D, les traitements utilisés pour l’étude de cas sont grisés
Mission de vol Durée de traitement
matériel
date du Densification
Site type de hauteur Nombre Processus ortho- informatique
traitement du nuages de DTM DSM TOTAL
grille (m) d'images initial mosaïque utilisé
points
GATMO 5-juil. 2D 70 99 2:09:26 0:12:37 0:49:20 3:11:23 ordinateur
CPUJO 16-juil. 2D 80 188 4:54:41 0:18:44 1:27:02 6:40:27 personnel :
CPUJO 17-juil. 2D 30 58 1:20:07 0:05:27 0:29:36 1:55:10 RAM 8GO /
CPUJO 18-juil. 3D 80 337 2jours 1/2 0:21:44 0:23:28 0:09:37 0:00:40 env. 3 jours Core i5-7200U
CPUJO 25-juil. 3D 80 337 0:38:41 2:33:35 1:03:05 0:05:47 0:50:25 5:11:33
THOUI 25-juil. 2D 70 97 0:14:11 0:04:24 0:23:34 0:42:09
THOUI 25-juil. 3D 70 195 0:33:21 1:11:31 0:37:54 0:03:03 0:23:38 2:49:27
THOUI 25-juil. 2D 30 64 0:10:42 0:17:50 0:17:50 0:46:22
ordinateur
LO345 30-juil. 2D 50 84 0:09:10 0:03:22 0:21:58 0:34:30
"Shadow"
ARGUE 5-août 2D 70 91 0:12:57 0:03:15 0:35:46 0:51:58
RAM:12GO /
ARGUE 7-août 3D 70 142 0:20:14 0:14:51 0:31:35 0:22:17 1:28:57
Xeon CPU E5-
BROUS 8-sept. 3D 40 252 ? 1:31:20 0:51:08 0:37:03 2:59:31
2678 v3
LACAM 30-juil. 2D 70 270 0:33:15 0:12:10 1:13:45 1:59:10
LACAM 30-juil. 3D 70 385 1:05:49 2:34:49 2:34:29 0:43:51 6:58:58
LAYAT 31-juil. 3D 70 232 0:44:51 1:26:52 0:50:35 0:39:08 3:41:26
LAYAT 31-juil. 2D 70 114 0:19:46 0:06:08 0:21:09 0:05:09 0:52:12
Ces constatations sont en enjeu fort dans l’utilisation d’images issues de drones en vue de leurs
interprétations géographiques et doivent être prises en compte dans une étude de faisabilité.
Le logiciel Pix4D fournit après chaque traitement un « rapport de qualité » qui précise les paramètres
utilisés et les résultats en sortie. Il est ainsi possible de noter différentes informations essentielles
41
https://shadow.tech/ avec une configuration axée sur le gaming mais qui peut être personnalisable
51
comme le GSD des images, le taux de recouvrement, la calibration de la caméra, le nombre de points
3D, etc.. L’ANNEXE 11 fournit le rapport de qualité pour la mission de vol du Tertre de Thouil. Nous
noterons simplement ici la résolution spatiale des sorties du MNS et de l’orthomosaïque :
- Mission de vol sur le site Coteau de Pujols : 2,08 cm/pixel sur 12,57 hectares
- Mission de vol sur le site Tertre de Thouil : 1,91 cm/pixel pour 5,46 hectares
a) Orthomosaïque
Les orthomosaïques produites contiennent par défaut 4 bandes ; les bandes RVB du spectre visible et
une quatrième bande, ici vide, contenant normalement les données du proche infra-rouge (Figure 28,
CPUJO en ANNEXE 12).
Figure 28: orthomosaïque en sortie du site Tertre de Thouil
L’erreur GPS qui a été présentée plus haut dans ce dossier et due à l’absence de GCP ou d’une
technologie RTK peut alors se révéler. Cette erreur de concordance est visible lorsque l’on compare le
positionnement de la plateforme sur l’orthomosaïque en sortie et la géolocalisation du point de
décollage donné par les logs des missions de vols (Figure 30). Le défaut de positionnement semble se
situer pour nos deux sites sur une fourchette d’environ 1 à 3 m.
Les orthomosaïques des deux sites présentent quelques artefacts. Une typologie des erreurs retrouvées
dans ces images de sorties avait notamment été décrite par Whitehead et Hugenholtz (2014), repérée
52
précédemment dans l’état de l’art. Ces artefacts restent rares, mais quelques-uns peuvent se retrouver
ici, particulièrement sur l’orthomosaïque issue des images du site CPUJO (Figure 30)
Distance
Mission
Site ortho/log
de vol
(m)
THOUI 3D 3.16
THOUI 2D_70m 1.98
THOUI 2D_30m 2.45
CPUJO 3D 1.05
CPUJO 2D_80m 2.82
CPUJO 2D_30m 2.19
Moyenne (m) 2.275
Figure 30: Erreur GPS entre l’orthomosaïque de sortie et le log
du vol sur le site THOUI
Figure 30 : Artefacts et distorsions en sorties de l'orthomosaïque du

site "CPUJO" : (1) flou de mosaïque dans une zone de chevauchement
; (2) distorsions de l'image; (3) trous causés par un manque d'images;
(4) aberrations chromatiques.
La précision relative42 est considérée comme bonne sur ce genre de projet avec une erreur estimée
entre 1 à 3 fois le GSD (pix4D.support). Une erreur qui est non globale sur une même image, mais
variable pour chaque pixel.
b) Modèles Numériques
Sans l’utilisation de points de contrôle au sol, il est donc difficile d’évaluer la qualité de la sortie du
MNS même si la précision relative générée par le traitement des images permet d’aboutir à une
cohérence des volumes entre eux.
La classification automatique proposée par le logiciel aboutit parfois à quelques impairs notamment
sur les zones de bordures comme les vignes ou en limite de chemins. Un travail de vérification et de
modification est à effectuer. Sur la Figure 31 les zones en rouge représentent les modifications réalisées
sur la classification automatique proposée par l’algorithme du logiciel sur le site de CPUJO. Même si
42
Il s’agit de la précision qui est définie en comparant des entités individuelles entre elles et une même image.
53
Classe « sol » Classe « végétation haute » Classe « route » les vignes semblaient mal
référencées il ne s’agissait que
d’une confusion entre la
thématique « objet humain » et
« végétation haute » qui n’a
pas d’influence sur la
génération du MNT. Cette
manipulation reste rapide à
effectuer, mais étant réalisée
par photo-interprétation du
nuage de point, la qualité du
résultat est difficile à évaluer.
La génération du MNT en
fonction de ces classes ne reste
Figure 31 : Classification du nuage de points sur Pix4D, site CPUJO alors qu’une approximation
lissée qui ne peut valoir une analyse précise des volumes avec la technologie du LiDAR.
Les images en sorties des traitements réalisés sur le logiciel Pix4D qui seront utilisées dans les
procédures de télédétections sont après ces étapes au nombre de trois par sites (Tableau 12).
Tableau 12 : Synthèse des rasters de sortis sur Pix4D

Site Raster GSD (cm/pxl) Données Min. Max.
THOUI orthomosaïque 1.9 Octet 0 255
THOUI MNS 1.9 Float32 -1.149 46.698
THOUI MNT 5x1.9 = 9.5 Float32 -1.134 33.082
CPUJO orthomosaïque 2.1 Octet 0 255
CPUJO MNS 2.1 Float32 -32.919 33.982
CPUJO MNT 5x2.1 = 10.5 Float32 -32.939 22.437
3. Procédure en télédétection
Les images matricielles résultantes des précédents traitements photogrammétriques par le

logiciel Pix4D sont utilisées pour la recherche d’un processus de télédétections permettant la
description de la structure végétale des sites choisis.
Le procédé général proposé est une classification orientée objet sur l’image concaténée d’un site
contenant l’orthomosaïque, le modèle numérique de hauteur, une segmentation radiométrique et des
indices texturaux. Cette partie présente le déroulement de la méthode.
54
A. Calcul du modèle numérique de hauteur
Un modèle numérique de hauteur (MNH) s’établit grâce à la soustraction du MNS par le MNT. La
couche en sortie contient pour chacun des pixels une information de hauteur au-dessus du sol.
L’établissement de classes de hauteurs informe sur la stratification de la végétation. Les seuils de cette
nomenclature (Tableau 13) se justifient par différents choix.
Tableau 13 : Nomenclature des classes de stratifications L’erreur de précision relative étant située entre 1
Hauteur
Classe et 3 GSD et la résolution spatiale des images étant
(m)
≤ -0.06 Erreurs de l’image
d’environ 2 cm, j’ai fait le choix de définit comme
≤0 Sol nu seuil d’erreur du calcul à -6 cm.
≤ 0.5 Herbacées
≤1 Herbacées significatives d’une fermeture du milieu Le CBNSA, dans l’élaboration de l’état de
≤ 10 Arbustive référence des pelouses calcicoles (II.3.A, p .42)
> 10 Arborescente
des sites du programme scientifique, définissait le
Brachypodium rupestre comme caractéristique de la fermeture du milieu (Mallard, 2017a). L’expertise
de ces observations permet de diviser la stratification herbacée en deux classes de 50 cm jusqu’à 1 m
de hauteur. Enfin, F. Mallard soulève dans sa thèse (2014) le seuil de hauteur de la stratification
arbustive à 10 m.
Avec les points de défiances relevés sur la génération du modèle numérique de terrain par le logiciel,
j’ai souhaité essayer d’utiliser un MNT différent.
a) Test avec le MNT issu de l’IGN
L’Institut Géographique National propose aux professionnels ayant souscrit à l’offre, différentes bases
de données. Par le biais de l’UMR PASSAGES j’ai ainsi pu récupérer les deux tuiles MNT recouvrant
l’emprise du site CPUJO. Le MNT est issu d’images satellites prises en 2014 et d’une résolution
spatiale de 1 m.
Dans un premier temps, le MNS est calibré en fonction de l’altitude enregistrée à son point de décollage
par le log de la mission de vol. Pour se faire, un pixel au centre de la plateforme de décollage repérée
sur l’orthomosaïque est sélectionné, sa donnée est notée et la différence entre celle-ci et l’altitude est
ajoutée à la couche avec la calculatrice raster. Le MNS est dès lors calibré sur l’altitude. Ensuite, les
deux tuiles issues d’une projection Lambert 93, sont reprojetées dans le SRC du projet, soit en
« WGS84 / UTM zone 30N » (EPSG :32630). Les couches sont ensuite soustraites au MNS issu des
images drone. Afin de calibrer le MNT avec le MNS, l’orthomosaïque est utilisée pour repérer les
zones considérées en « sol nu » et pour évaluer la différence d’altitude entre les deux couches. Une
55
dizaine de points sont ainsi récupérés et la moyenne calculée. Cette moyenne pourra alors être
soustraite à l’ensemble du MNS via la calculatrice raster. Le MNH est alors visualisé (Figure 32)
d’après la nomenclature des classes de stratification définie plus haut.
Figure 32 : Flux de travail et résultat du MNH via le

MNT fourni par l’IGN
Le résultat montre une hétérogénéité entre le bas et le haut du site ainsi qu’une incohérence dans les
volumes. Dans l’Est du site sur l’image, la zone où l’altitude est plus élevée, la différence de hauteur
est minime voire négative, tandis que dans la zone située en contrebas, à l’Ouest, la hauteur calculée
est plus élevée.
La première explication est que cette incohérence dans le calcul est due à la distance d’échantillonnage
au sol. Le survol des sites a été effectué à une altitude homogène, sur une pente non nulle occasionnant
une distance d’échantillonnage au sol hétérogène (Figure 33). La précision est donc différente suivant
le relief du site, occasionnant des volumes incohérents sur cette globalité. Ces erreurs sont peut-être
causées par le traitement effectué avec la méthode de pondération inverse à la distance qui, sur des
images issues d’un « même lot » et cohérentes entre-elles, B
A
s’ajustent, mais ne peut fonctionner sur une image issue de
paramètres différents.
Pix4D capture ne permet pas aujourd’hui de suivre le relief Figure 33 : Schéma explicatif sur la
différence de GSD en vol automatique
pendant un vol automatique, ce qui permettrait de minimiser ce
type d’erreur. Avec ces résultats, il ne semble pas possible d’utiliser ce MNH, car les deux modèles
numériques, issus de captations différentes, ne peuvent être comparés.
56
Le MNT et le MNS en sorties du logiciel Pix4D ont gardé une cohérence entre eux, c’est donc malgré
les biais décrits dans la partie précédente que l’utilisation du MNT de l’IGN est abandonnée au profit
du MNT lissé.
b) Génération du MNH avec le MNT issu de Pix4D
Le MNH sera généré par la soustraction entre le MNS et le MNT en sortie du logiciel Pix4D (Figure
34). Les volumes des deux images étant cohérents entre eux, car issus d’une même captation d’images,
permettent d’utiliser ce résultat comme entrée dans les prochains traitements. Les résultats de cette
manipulation seront discutés en partie 4.A (p.63).
Figure 34 : Flux de travail et prévisualisation du MNH calculé avec le MNT issu de Pix4D
B. Segmentations de l’orthomosaïque
La segmentation se traduit par le rattachement de pixels suivant les mêmes propriétés prédéfinies.
Des tests ont été effectués sur l’orthomosaïque issue d’un vol à 30 m de hauteur avec un GSD de
0,80 cm sur site Coteau de Pujols. L’objectif était de discriminer une herbacée d’après la segmentation
de ses inflorescences de couleur rose, visible sur l’image (ANNEXE 13).
Les traitements réalisés sur les orthomosaïques seront essentiellement menés avec Orfeo ToolBox
(OTB). Il s’agit d’un « projet open source pour la télédétection de pointe »43. Plusieurs plateformes
permettent son accès. Je me suis tournée vers l’adaptation pour QGis, qui nécessite une installation
manuelle et quelques ajustements44 afin d’être opérationnelle sur la dernière version du logiciel
cartographique.
43
https://www.orfeo-toolbox.org/
44
Les images en entrée et sortie des traitements OTB doivent être issues du dossier temporaire de l’ordinateur et être
supprimé régulièrement, car de nombreuses images intermédiaires lourdes sont générées.
57
De nombreux essais de procédures et de paramétrages ont dû être testés avant de se positionner sur un
traitement particulier45. Certains tests de seuils et paramétrages ont pris plus de 15 h en continu à
charger sur l’ordinateur personnel utilisé. L’enjeu premier de l’étude étant la discrimination de
l’habitat « pelouse calcicole » de son environnement, la résolution spatiale de 2 cm ne semblait pas la
plus pertinente pour atteindre ce résultat. En effet, pour ces enjeux la démultiplication des pixels pour
un même objet géographique pose problème46. Afin de répondre à ce constat et de réduire les temps
de traitements, les orthomosaïques ont été dégradées à 4xGSD. Le logiciel TerrSet 47 a été utilisé pour
réaliser cette dégradation avec le traitement « resample ».
La méthode de dégradation choisie est la « convolution cubique », car l’information traitée nous
intéresse pour son caractère continu en permettant la généralisation des pixels en objets géographiques
cohérents. Cette méthode procède par une moyenne pondérée de la distance sur une fenêtre prédéfinie
de 16x16 pixels entourant la localisation du nouveau pixel.
Les différents paramètres particuliers choisis pour chacun des traitements présentés ci-après sont
disponibles en ANNEXE 14.
a) Indices de texture
Les indices de textures sont des mesures de variation de l’intensité d’une surface en quantifiant des
propriétés comme la rugosité ou la régularité d’une image. Mon choix s’est porté sur les indices
d’Haralick qui sont des attributs relatifs à la texture d’une image en
niveaux de gris (Baghdadi et al., 2018), car cette méthode a été
soulevée dans certains articles de l’état de l’art (Bataille, 2015 ;
Mishra et al., 2018). Le choix de paramètre « advanced » de
l’application permet de calculer 10 attributs avancés comme la
moyenne, la variance ou la dissimilarité des pixels de l’image.
Chacun de ces calculs sort sur une bande séparée dans une même
image (Figure 35). Figure 35 : Image à multiples bandes des
indices d’Haralick sur CPUJO (OTB, QGis)
45
L’extension QGis « semi-automatic classification plugin » ou encore le logiciel TerrSet ont également été envisagés
46
Regroupement en unité de référence des multiples configurations écologiques réduit la complexité et peut se traduire
par le syndrome de « l’arbre qui cache la forêt » (Couderchet, 2008)
47
Logiciel intégré géospatial proposant de nombreux outils de traitements (https://clarklabs.org/terrset/)
58
b) Segmentation radiométrique
L’exploitation de l’information spectrale pour une segmentation de l’image constitue un enjeu

important dans un objectif de classification.
Une segmentation par la méthode Watershed avec le logiciel TerrSet a été essayée (ANNEXE 15) avant
de se diriger vers les outils de l’OrfeoToolBox pour rester homogène sur l’ensemble du processus en
utilisant une seule application.
Je me suis dirigée vers la méthode de la segmentation LSMSS (Large-Scale Mean-Shift

Segmentation) après la lecture de diverses bibliographies, notamment grâce au retour d’expérience
de A. Bataille (2015). Cette segmentation est basée sur la moyenne et la variance de la radiométrie
de l’image. Le traitement se déroule suivant plusieurs étapes :
- Le lissage de l’image : « Mean-Shift Smoothing »,

- La segmentation de l’image lissée « LSMS segmentation »,
- La fusion des petits segments : « Small Region Merging ».
L’algorithme traite les images en tuiles et se base sur des paramètres

d’intervalles de distance entre pixels adjacents. Certains objets créés
de trop petite taille peuvent être alors fusionnés dans de plus grands
segments, les objets sortent sous la forme de polygones (CNES,
2018).
Le premier processus dans le traitement, le lissage de l’image est un

algorithme itératif préservant les contours. L’application génère
l’image des signatures spectrales moyennes finales et également le
champ de déplacement entre la position de pixel en entrée et celle en
sortie après la convergence. La perte d’information radiométrique
résultante réduit le temps de traitements sans perdre en qualité de
résultats (Figure 36).
Figure 36 : Traitement Mean-Shift-
Cette image et les données de déplacements des pixels sont alors Smoothing sur CPUJO
utilisées en entrée de la segmentation. La généralisation est ensuite effectuée pour un seuil de taille
minimum de segments de 10 000, similaire au paramètre utilisé par A. Bataille (2015) puis de
500 pixels (Figure 37).
59
L’image résultante du premier seuil servira comme couche d’information à la délimitation de l’emprise
de l’habitat tandis que le seuil de 500 servira de couche supplémentaire à la classification.
L’image utilisée comme entrée de la classification est

concaténée pour être composée de :
- 3 bandes RVB de l’orthomosaïque dégradée à 8 cm,

- 1 bande du modèle numérique de hauteur,
- 10 bandes d’indices d’Haralick,
- 1 bande de la segmentation radiométrique LSMS au
seuil de 500.
Figure 37 : Résultat de la segmentation LSMS au
seuil 500 sur CPUJO (OTB, QGis)
C. Classification orientée objet
La traduction des valeurs contenues dans les pixels de l’image concaténée sous la forme d’une
information thématique s’établit par le biais de la classification. Dans cette image, les pixels
comprennent diverses combinaisons des composantes précédemment établies. Combinée à une très
haute résolution spatiale impliquant la démultiplication des possibilités thématiques, la classification
par objet a semblé plus adéquate. La classification supervisée utilise des polygones d’entraînements
(descripteurs et code de la classe correspondant au pixel) pour apprendre une règle de décision
associant ainsi directement le pixel à sa classe thématique et appliquée à l’image entière.
Dans l’Orfeo ToolBox, plusieurs applications permettent d’obtenir cette classification. J’ai fait le choix
d’utiliser en premier lieu l’application « TrainImageClassifier » qui permet de sélectionner les données
d’entraînements et calcule le modèle d’apprentissage de la classification combiné à l’application
« ImageClassifier » pour la réalisation du modèle.
La première étape est la création des zones d’entrainements spécifiques à chacun des sites et à chacun
des deux niveaux (Figure 38). Le fichier vecteur créé est alors associé à l’image concaténée dans
l’application d’apprentissage avec l’algorithme Random Forest.
60
Cet algorithme formalise un ensemble d’arbres de décisions sur des sous-ensembles de données
d’apprentissages. La sortie de l’algorithme est la moyenne des prédictions de tous les arbres de décision
de l’ensemble, permettant de réduire la variance globale du classificateur. Cette méthode est souvent
utilisée dans les articles traitant de la classification d’images issues de drone (Müllerová et al., 2017 ;
Mishra et al., 2018 ; Lisein, 2016).
Figure 38 : Carte des polygones d’entrainements du niveau 1 sur le site THOUI
La sortie de cette classification au niveau de la nomenclature 1 permet de délimiter l’habitat pelouse

calcicole. La segmentation radiométrique au seuil de 10 000 permet de consolider l’emprise de
l’habitat. Ainsi, la classification à la résolution thématique plus fine du niveau 2 de la nomenclature,
avec des polygones d’entrainements correspondants, permet d’obtenir la composition structurelle de
cette emprise d’habitat.
Les différents traitements précédemment décrits sont mis sous la forme d’un schéma de processus afin
de permettre une vision d’ensemble des traitements proposés (Figure 39) mais également sous la forme
du processus d’images en ANNEXE 16.
61
Figure 39 : Schéma du processus de traitements proposé
62
4. Résultats : des images aux interprétations géographiques
A. Stratification de la végétation
Les objets géographiques des différentes strates donnent un effet « poivre et sel » dû à la très haute
résolution spatiale des images en entrées. La forte précision relative entre le MNS et le MNT se
confirme ici par des volumes cohérents entre eux (Figure 40).
Figure 40 : Carte de la stratification de la végétation sur le site CPUJO (OTB, QGis)

Le modèle numérique de hauteur permettant d’interpréter la stratification s’étire entre -0,65 et +20,36.
Les pixels de données négatives sont très peu nombreux sur l’image finale et se trouvent tous sur les
bordures d’objets géographiques interprétés comme étant hauts (bordure de la strate arborescente
particulièrement). On retrouve ces artefacts d’effet de bord sur la plupart des déliminations d’objets
(Figure 42). Ce problème d’interprétation pourrait être réglé en définissant une surface minimale des
63
objets, en effectuant une correction géométrique de l’image ou en limitant la profondeur de la caméra

sur les traitements initiaux des images. Un autre type d’artefact est apparu sur l’image d’interprétation,
cette fois-ci semblant être dû à un manque de points d’appariements pendant le traitement du logiciel
Pix4D sur certaines zones (Figure 41), particulièrement forestières. Ces espaces, comme les zones en
eau, peuvent paraître trop homogènes pour le logiciel à de trop hautes résolutions spatiales. Cette erreur
peut être supprimée en augmentant la hauteur de vol au-dessus de ces zones.
Figure 41 : Erreurs de calcul du MNH

résultant du manque de points
Figure 42 : Effet de bords sur le MNH d’appariement calculé sur le MNS du
site CPUJO dans Pix4D
Dans l’ensemble, la stratification du site se rapproche d’une vérité terrain. Les effets de bordures étant
nombreux j’ai préféré garder un modèle numérique de hauteur linéaire dans son utilisation pour la
classification plutôt que de le traduire en classes discrètes.
B. Emprise de l’habitat et environnement proche
La stratégie d’analyse de l’image par la classification objet permet d’amalgamer des groupes de pixels
en objets discrets, basés sur des caractéristiques spectrales et texturales. Les objets sont alors classés
en fonction de leurs propriétés intrinsèques suivant une nomenclature définie par des zones
d’entrainement identifiées manuellement. Les objets ainsi décrits représentent des unités significatives
correspondant aux objectifs établis par la nomenclature.
64
La classification de l’image concaténée à la résolution thématique issue du niveau 1 de la nomenclature

apparaît comme imparfaite (Figure 43). Les deux sites comportent une certaine hétérogénéité entre
eux.
Figure 43 : Cartes des classifications des sites CPUJO et

THOUI au niveau 1 (OTB, QGis)
La nomenclature a donc dû être adaptée pour chaque site :
- Concernant CPUJO, une zone végétale considérée par l’expertise de F. Mallard comme
« pelouse calcicole interprétée en fermeture » (A) est discriminée sans apparaître sur le site de
THOUI. Une zone classée en « prairie » et n’apparaissant pas sur THOUI et visible et sa
signature semble parfois se confondre avec celle de la classe « pelouse calcicole ».
- Pour les deux sites, la classe « vigne » est difficile à discriminer à cause semble-t-il leurs
mixités en sol nu et végétation. En effet, les cartes de confiance issues du coefficient kappa48
les zones de « vignes » sont en effet considérées comme les moins performantes. Cet objet
géographique possède une hétérogénéité dans sa signature trop importante pour les résolutions
spatiales de nos images et celles-ci sont proches de la signature de l’habitat pelouse calcicole.
Etonnamment, les indices texturaux ne semblent pas permettre de discriminer ces deux habitats
alors que la vigne est composée d’une structure bien particulière faite d’alternances linéaires
48
Fourni par TrainImagesClassifier lors du traitement et calculé en utilisant le jeu d’apprentissage.
65
entre sol nu et végétation comparée à la pelouse calcicole, moins structurée. Pour résoudre cette
difficulté, deux méthodes peuvent être envisagées :
 Les vignes étant facilement identifiables, leur classification pourrait être réalisée par
simple photo-interprétation afin d’être discriminée du traitement.
 Un modèle graphique de cet habitat pourrait être élaboré afin de considérer les critères
de reconnaissances à ces résolutions spatiales pour les discriminer par la suite.
- Concernant le site de THOUI, la délimitation des classes, notamment sur les « vignes » ne
possède pas cet aspect « poivre et sel » retrouvé sur CPUJO. Cependant pour sa classification
a été ajoutés les « ombres » qui au vu des conditions météorologiques ensoleillées lors du vol
(revoir II.3.B, p.42) étaient visibles sur les images49 et faussaient la classification si elles
n’étaient pas prises en compte.
Au vu de ces résultats, deux manières ont été utilisées pour

définir l’emprise de l’habitat « pelouse calcicole ».
Concernant le site CPUJO, la segmentation radiométrique au

seuil 10 000 a donnée de très bons résultats sur la délimitation
de l’espace « pelouse calcicole » pouvant se valider par la
classification au niveau 1 sortie précédemment (Figure 44).
Après vectorisation de cette image segmentée, le polygone
correspondant à l’emprise de la classe « pelouse calcicole »
Figure 44 : segmentation LSMS au seuil 10000 sur

de la classification sera
CPUJO
considéré comme l’emprise de
l’habitat.
Pour le site THOUI, la segmentation radiométrique, pourtant réalisée

suivant les mêmes traitements ne permet pas d’établir un objet
géographique homogène sur la pelouse calcicole (même après avoir
testé à des seuils supérieurs comme 15 000 ou 20 000). Cependant, la
classification précédente ayant donné de bons résultats, je décide de
vectoriser la classe « pelouse calcicole » ajoutée à la classe « ombres »
et de découper ce résultat sur le regroupement des polygones de la
segmentation formant un ensemble cohérent (Figure 45).
Figure 45 : Découpage de l’emprise
de l’habitat sur THOUI
49
La mission de vol effectuée sur CPUJO ayant été réalisée sous un couvert nuageux, il n’y a pas eu d’ombres portées
sur les images
66
Il est également à noter que cette emprise n’évoque que la limite extérieure de l’habitat et ne discrimine
pas les objets géographiques intérieurs n’étant pas considérés comme faisant partie de l’habitat pelouse
calcicole comme les arbustes et arbres. Pour ce constat il semble intéressant d’utiliser les données de
la stratification de la végétation. La solution proposée serait d’utiliser la calculatrice raster afin de sortir
une image unique des objets interprétés strictement supérieurs à 1 m de hauteur, soit la strate arbustive
et arborescente. Une fois cette couche vectorisée, elle pourrait servir de couche de masque dans
l’extraction de l’emprise de l’habitat.
Pour autant, l’emprise aujourd’hui définie de l’habitat combinée à cette première classification permet
d’évaluer la structure paysagère proche de la pelouse calcicole. Déterminer les pourcentages de chaque
classe sur l’image finale ne permet pas d’établir de conclusion sur le paysage proche du site, car
l’emprise de l’image autour de l’habitat est différente. Cependant la faisabilité semble bien réelle. Je
propose donc dans un souci de démonstration, l’établissement d’une zone tampon de 50 m autour de
l’emprise de l’habitat définie. La distance de cette zone tampon est établie en fonction des capacités
de l’emprise de l’image50.
Figure 46 : Schémas de la définition d’une zone tampon

Grâce aux outils de QGis, une zone tampon de 50 m est donc calculée autour de l’emprise de l’habitat
vectorisé puis une différenciation symétrique est réalisée entre cette nouvelle emprise et l’emprise de
l’habitat afin de disposer d’une « frange » de 50 m autour de la pelouse calcicole. Il suffit alors de
50
Une zone tampon plus large peut être définie, mais la mission de vol lors de la capture des images doit alors prendre en
compte cet espace supplémentaire
67
découper l’image de la classification au niveau 1 avec cette zone tampon. En rouge (Figure 46) se
trouvent les zones manquantes dues à un défaut d’images lors de la prise de vue.
Les surfaces des différentes classes peuvent alors être calculées avec l’outil « area » sur le logiciel
TerrSet puis présentées sous la forme d’un tableau (Tableau 14). Les pourcentages ainsi calculés
permettent d’analyser la structure paysagère environnante du site d’étude.
Tableau 14 : Résultats des surfaces déterminées suivant les classes interprétées du niveau 1 de la nomenclature
Niveau 1
surface des sites (m²)
code
nom de
de CPUJO THOUI
classe classe
image entière zone tampon 50m image entière zone tampon 50m
10 pelouse calcicole 14531.70 2506.29 8%

9368.06 1729.52 7%
130 pelouse en fermeture 6994.61 3734.05 11%
20 prairie 15056.34 4853.91 15%
30 forêt mélangée 69262.9 18435.1 56% 15841.04 13982.30 58%
40 vignes 17286.16 2729.85 8% 14395.08 7120.12 29%
50 sentiers et chemins 2203.17 612.24 2% 2942.31 756.29 3%
60 ombres 2579.54 706.66 3%
Surface totale (m²) 125334.88 32871.46 45126.03 24294.89
100% 100%
Surface totale (ha) 12.53 3.28715 4.51 2.43
manque 4738.06 14% manque 4523.93 19%
En premier lieu, il faut noter le pourcentage de la zone manquante dans ce résultat qui est de 14 % sur
CPUJO et de 19 % sur THOUI. Ce constat permet de comparer le résultat des autres surfaces avec une
marge d’erreur de 5 %.
Plusieurs choses ressortent distinctement qui peuvent être corrélées avec les besoins du cortège de
lépidoptères étudiés sur ces deux sites :
- Le site CPUJO permet une ouverture de l’habitat sur 42 % de sa zone tampon (pelouse calcicole
ouverte et fermée + prairie + vignes) dont près de 20 % en pelouse calcicole de l’habitat de
prédilection des lépidoptères.
- Sur THOUI à contrario, 36 % de la structure paysagère proche est ouverte en pelouse calcicole
et presque 30 % seulement en vignes.
- Pour les deux sites, entre 55 % et 60 % de cette zone est arborescente.
Il est donc possible de conclure que le site de CPUJO permet une capacité de dispersion de l’espèce
plus importante et notamment des habitats à proximité viables pour le développement des papillons,
ce que ne permet par le site de THOUI, enfermé entre forêt mélangée et vignes.
68
C. Structure de l’habitat
Sur l’emprise de l’habitat défini précédemment, la classification réalisée sur le niveau 2 de la

nomenclature permet d’interpréter la structure intérieure de l’habitat du cortège de lépidoptères étudié
par le programme scientifique (Figure 47).
Figure 47 : Cartes de la structure de la pelouse calcicole sur les sites CPUJO et THOUI
69
Malgré le défaut de limites intérieures qui pourra se résoudre comme expliqué plus haut par le
découpage avec la stratification de la végétation, plusieurs résultats peuvent d’ores et déjà être soulevés
en fonction des surfaces de chaque classes (Tableau 15) :
- Le site de CPUJO semble être représentatif d’un habitat de pelouse calcicole avec un fort taux
d’herbacées typique du milieu puis des pourcentages similaires entre les espaces en fermeture
et en sol nu.
- Sur THOUI, le site semble être dans une dynamique de fermeture de son habitat avec quasiment
autant d’herbacées significative du milieu que d’espèces interprétées comme représentatives
de la fermeture.
Tableau 15 : Résultats des surfaces déterminées pour les classes interprétées au niveau 2
Niveau 2
surface des sites (m²)
code
de nom de classe
classe CPUJO THOUI
110 sol nu 1838.19 16% 282.00 3%
120 herbacées de pelouse calcicole 8265.49 73% 3920.73 47%
130 herbacées de fermeture du milieu 1241.38 11% 3609.53 43%
60 ombres null null 583.30 7%

Surface totale (m²) 11345.1 8395.56
100% 100%
Surface totale (ha) 1.13 0.84
Ces résultats confirment l’hétérogénéité des sites expliquée par leurs différentes gestions (revoir II.3.A,
p.42). Le site de CPUJO est géré régulièrement par le CEN Aquitaine afin de conserver un milieu
ouvert tandis que la pelouse présente sur le site THOUI semble se densifier et appartenir à une strate
herbacée plus haute.
Les résultats de ces surfaces implémentées avec les données issues de la présence de l’espèce
permettraient d’analyser la corrélation entre l’abondance des lépidoptères avec la structure de son
habitat et du paysage proche.
70
IV. DISCUSSION
IV. Discussion
1. Réponses apportées et limites soulevées
A. Retour sur les besoins pré-identifiés
Les besoins identifiés dans la partie I.1.B (p.10) sont repris afin de déterminer si la méthode proposée
permet d’y répondre :
- Besoin 1 : disposer d’une caractérisation des habitats du réseau des sites d’études.
L’interprétation de données de résultat nous a permis de caractériser les deux sites étudiés (CPUJO et
THOUIL) en fonction de leurs structures spatiales et végétales. La généralisation de ce procédé sur les
282 sites du programme permettrait une classification de l’ensemble des sites par catégories de
structure spatiale comme végétale sur les différents types habitats ou d’indicateurs biologiques de
suivis. Par exemple, sur l’ensemble des sites de suivi du cortège de lépidoptères, l’image drone
permettrait d’étudier la surface favorable pour le déplacement des populations par leurs disponibilités
en surfaces de pelouses calcicoles et milieux ouverts présents dans la zone tampon de 50 m
L’acquisition d’images drone permet également de disposer d’un état « 0 » ou état de référence du site
permettant aux générations futures de disposer d’informations précises sur l’état du site au moment
des suivis des espèces.
- Besoin 2 : Visualisation des trajectoires d’évolutions de la végétation.
La nomenclature définie par le thématicien a pris en compte la végétation de pelouse calcicole

interprétée comme étant dans une dynamique de fermeture du milieu. Cette dynamique peut engendrer
un changement du type de l’habitat et donc influence les espèces observées, or le programme
scientifique tente d’analyse uniquement l’effet du changement climatique (Lobry et al., 2018 ; Mallard,
2016a). Les paramètres du processus mis en place ont donc été axés sur la recherche de cet objectif et
ont permis d’identifier cette classe sur nos sites. Ainsi, les résultats permettent de visualiser la
localisation et la surface des espaces en voie de fermeture comme leur surface et donc analyser leurs
trajectoires d’évolution.
- Besoin 3 : Compréhension de l’hétérogénéité des sites d’un même habitat.
Si la volonté du programme est de respecter une uniformité de type d’habitat dans le choix des sites
suivis, l’étude de deux sites (trois sont suivis dans le programme en Gironde) de l’habitat « pelouses
71
IV. DISCUSSION
mésoxérophiles calcicoles subatlantiques à atlantique à mésobromion » (Mallard, 2017a) permet

d’ores et déjà de déduire l’hétérogénéité des sites. Les données construites mettent par exemple en
avant le cloisonnement du site Tertre de Thouil, entouré par la forêt mélangée et des vignes tandis que
le contexte paysager proche du site Coteau de Pujols est plus hétérogène et ouvert. À l’intérieur même
de l’habitat, l’occupation végétale diffère par une fermeture de la végétation de pelouse plus importante
dans le premier site que dans le second. Cela peut s’expliquer par la différence de gestion entre ces
deux sites et ainsi appuyer son importance pour le maintien de cet habitat. En effet, le site CPUJO est
géré par le CEN Aquitaine et le site THOUI est situé sur une ancienne vigne à l’abandon.
- Besoin 4 : Relier les données d’observations avec les données obtenues.
Les données interprétées pourraient être reliées aux données d’observations des opérateurs de suivi sur
les espèces indicatrices présentes sur le site, ici les lépidoptères de pelouses calcicoles (Mallard, 2018).
Cependant, pour établir cette corrélation statistique (corrélation de Spearman) entre la diversité des
espèces de lépidoptères et les caractéristiques des sites, un plus grand nombre de sites devraient être
étudiés avec la méthode proposée (23 sites de pelouses calcicoles suivis au total (ibid.)).
- Besoin 5 : Consolider les protocoles de terrain.
La consolidation des protocoles de terrain passe par une meilleure représentation visuelle de l’espace
étudié. L’image non interprétée directement acquise par l’outil drone représente un résultat à part
entière pour l’opérateur de terrain. Celui-ci pourrait s’appuyer sur cet outil pour comprendre la
structure générale du site et évaluer plus précisément ses changements. Les images acquises à très
haute résolution spatiale et temporelle peuvent appuyer les suivis botaniques effectués sur les quadrats
paysagers du CBNSA (Mallard, 2017a). La stratification de la végétation est un des paramètres à
relever sur certains protocoles de suivis par exemple les suivis de Lézard vivipare (ibid.). Cette donnée,
obtenue à l’issue des traitements, permet d’objectiver et de généraliser les calculs réalisés par les
opérateurs de terrain et ainsi réduire l’effet observateur.
B. De l’utilisation d’un drone
Les images issues de la télédétection sont des représentations de portions de l’espace terrestre vues du
dessus et ne sont donc en mesure d’offrir qu’un aperçu de la réalité du terrain (Marchand-Vaguet,
2004). La très haute résolution centimétrique, rendue accessible par le drone, tend certes à se
rapprocher de cette réalité, mais elle ne doit pas être confondue avec une réalité de la vue « du-dedans »
et reste une interprétation de la vue « du dessus ». De plus, différentes approximations et biais rapportés
par cette méthode démontrent bien que cette image, même de l’ordre centimétrique, reste une
72
IV. DISCUSSION
représentation et doit donc être étudiée avec du recul. Le drone permet bien une résolution de l’ordre
du centimètre, mais il s’agit d’une précision relative. La précision réelle doit quant à elle être amenée
grâce à d’autres outils comme au minimum les points de contrôles au sol (GCP) ou le RTK intégré
directement sur l’aéronef. L’apport de cette précision permettrait une comparaison des images entre
différents vols sur un même site afin de :
- réaliser un suivi régulier du site en revenant à différents moments réaliser un vol et pouvoir
comparer les images entres-elles ;
- permettre une classification plus précise grâce à la possibilité de concaténer les images issues
du vol en 3D (pour la stratification) avec celles du vol effectué dans un objectif de 2D dont
l’orthomosaïque est plus adaptée (pour les segmentations).
Le capteur d’acquisition d’images dans le spectre du visible semble en difficulté pour la discrimination
d’objet comme l’eau ou la discrimination d’arbres au sein d’une forêt. Ce constat semble être dû au
fait que les images de surface, les réflexions et les ondulations ou les vagues changent
constamment. Les cimes des arbres nécessitent quant à elles un effort supplémentaire pour être
capturées correctement, surtout lorsque les conditions météorologiques ne sont pas optimales avec du
vent. La capture de l’horizon dans l’imagerie peut également perturber les algorithmes de
photogrammétrie. Parfois, de grandes étendues de prairies ou de champs labourés posent des
problèmes pour le processus d’assemblage d’images, car il n’y a pas assez de points d’aspect
différents. Le meilleur moyen de surmonter ces difficultés consiste à utiliser une vitesse de vol plus
lente et un chevauchement d’image plus élevé pour assurer plusieurs points de couture et supprimer le
flou de mouvement. La vitesse de vol du drone met également en avant les caractéristiques inhérentes
à l’utilisation du drone pour son compromis avec la surface fauchée. Les surfaces survolées sont
nécessairement restreintes bien que variantes suivants le type et le modèle de l’appareil. Ce constat
découle de contraintes techniques liées aux capacités de traitements plus qu’aux capacités théoriques
sur les processus en cours.
Le rôle du thématicien est prépondérant dans ce type de démarche de recherche. Les images en sorties
sont subjectives, car l’opérateur est « maître » de la thématisation. Celui-ci définit son moment
d’acquisition des images et le type de mission de vol (grille du vol automatique), mais surtout qu’elle
est l’information qu’il choisit de retirer de l’image. À une telle résolution, les images peuvent servir à
interpréter plusieurs phénomènes suivant les paramètres d’entrées, traitements opérés, objectifs
souhaités. Cette subjectivité est intéressante et permet un large panel d’utilisation de l’outil, l’exigence
du thématicien est ici prépondérante.
73
IV. DISCUSSION
Ce constat met d’autant plus en avant la différenciation de besoin entre télédétection pour le géographe
et carte pour le naturaliste. La flexibilité de l’outil permet de repenser les exigences de résultats et le
rôle du géographe.
C. Autour de la méthode
Concernant la méthode de classification proposée, le niveau 1 de discrimination des habitats pourrait

être consolidé en mutualisation les polygones d’entraînements des sites étudiés. Cette proposition
permettrait de multiplier les caractéristiques de reconnaissance des unités écologiques d’intérêts, de
solidifier l’algorithme de traitement et de s’assurer de l’homogénéité du processus.
Il est également important de garder à l’esprit que le MNS et le MNT ne sont que des modèles. Les
modèles numériques bien que décrivant des volumes cohérents entre eux, n’empêchera pas l’effet de
lissage du logiciel. L’utilisation d’autres logiciels photogrammétriques générera des résultats
différents. Ce constat est l’une des raisons poussant à expérimenter le logiciel MicMac pour cette
procédure d’interprétation afin de contrôler chaque étape des traitements d’images.
Les résultats obtenus par l’acquisition d’images à très haute résolution issue d’un drone du commerce,
sur des sites échantillonnés et leurs traitements par le logiciel Pix4D ainsi que grâce à la mise en place
d’un processus de classification aboutissent à des résultats intéressants et prometteurs permettant de
remplir les objectifs fixés en début de recherche. L’outil drone est, de mon point de vue, un outil
s’insérant dans l’interdisciplinarité puisqu’il convoque à la fois de la géographie, de l’écologie et de
l’informatique. Cette rencontre entre les disciplines est possible à condition de mutualiser des
compétences et connaissances, car l’outil permet une grande flexibilité dans la fabrication des données
en fonction des objectifs définis par les disciplines.
La méthode proposée dans cette recherche implique plusieurs disciplines. Dans une perspective de
consolidation de la démarche il semble nécessaire de mutualiser les différentes personnes-ressources
de ces disciplines à chaque étape clefs de la méthode. :
- Acquisition des images : le choix de l’outil d’acquisition s’est porté vers un drone du
commerce, le Phantom 4 pro, largement représenté dans les recherches scientifiques (Peppa et
al., 2019) et dans le milieu professionnel (modèle possédé par le PNRLG et par mon
instructeur). Maitrisé par nombre de personnes, il parait donc intéressant de se tourner vers des
74
IV. DISCUSSION
télépilotes disposant de plus d’expérience afin de retravailler les plans d’acquisitions des
images (paramètres internes, calibration de la caméra, plan de vol plus adapté, etc.)
- Traitement des images : Plusieurs logiciels de photogrammétries peuvent être utilisés dans les
traitements d’images issues de drones. Bien que Pix4D soit spécialisé dans l’imagerie drone et
promu dans plusieurs articles (Arroyo-Mora et al., 2019 ; Mishra et al., 2018), le logiciel
MetaShape semble également faire ses preuves (Dvořák et al., 2015 ; Puliti et al., 2015). Pour
autant, dans une visée de recherche scientifique il semble judicieux de se tourner vers le logiciel
OpenSource produit par l’IGN, MicMac. Ce choix amène à réfléchir l’interdisciplinarité par
des connaissances dirigées davantage vers la géomatique.
- Classification des objets : Dans notre méthode, les polygones d’entrainements ont été
déterminés par l’avis d’expert de F. Mallard et par ma photo-interprétation des images.
Cependant, il semble nécessaire de revoir ces objets afin de s’assurer de leurs correspondances
avec la classe attribuée et pour affiner la précision thématique. Le suivi botanique des sites
étant réalisé par le CBNSA, une expertise mutualisée de ces images pourrait être mise en place.
Enfin, le drone n’est pas simplement un vecteur d’images géoréférencées, mais avant tout un appareil
photographique aérien. Le programme « les sentinelles du climat » porte un fort enjeu de médiation et
de sensibilisation auprès du grand public, de la sphère scientifique et des acteurs de la vie politique.
Les images acquises par le drone ont un caractère visuel très intéressant qui par leur « vue du dessus »
englobe un site d’étude et propose un angle de vue différent au spectateur. Il semble intéressant de
coupler les résultats des traitements par une exploitation visuelle et thématicienne des suivis effectués.
Le matériel visuel possède un pouvoir émotif (Joffe, 2007) qui peut être exploité à travers ces images
de sites de suivis dans leurs réactions au changement climatique et leurs dynamiques paysagères.
2. Apports et critiques de la très haute résolution
A. Conséquences induites
L’utilisation du drone permet l’acquisition d’image à très haute résolution spatiale, bien supérieure à
celles atteintes aujourd’hui par l’imagerie satellite. L’avantage n’en est pas que spatial, mais surtout
temporel : sa flexibilité d’utilisation lui permet une très haute résolution temporelle (Pajares, 2015).
Bien que cette THR spatiale puisse offrir un certain nombre d’avantages, la quantité de détails alors
disponibles représente de nouveaux défis du point de vue du poids des données, mais également
notamment sur la classification thématique des images. La luminosité d’un pixel individuel représente
un agrégat du rayonnement solaire réfléchi provenant des différents types de couvertures constituant
75
IV. DISCUSSION
ce pixel (Whitehead, Hugenholtz, 2014). Cependant, en télédétection traditionnelle les plus basses
résolutions des images satellites ou aériennes ont tendance à proposer des groupes de pixels
relativement homogènes, donc adaptés aux flux de travail d’analyses à base de pixels. Sur les images
prises par drone, avec leur résolution centimétrique, les composantes individuelles d’un objet sont
apparentes (feuilles, fleurs, branches, couverture végétale sous-jacente de la forêt à cause d’une trouée,
etc.). En raison des différences de contrastes élevées entre ces caractéristiques, les pixels mixtes
comprenant diverses combinaisons de ces composantes, auront tendance à présenter des variations
plus importantes que celles apparentes dans les images à résolutions inférieures. C’est pour cette raison
que la méthode de classification par objet a rapidement semblé plus adéquate dans ce travail.
La très haute résolution n’est cependant par systématiquement synonyme de précision des
nomenclatures :
- Le travail a été effectué sur le spectre du visible et non en multispectral, la recherche de

thématisation sur le contenu du pixel est donc simplifiée ;
- La démultiplication des pixels pour un même objet géographique multiplie les signatures
spectrales de cet objet, augmentant la difficulté de sa discrétisation.
La résolution thématique est définie suivant les besoins de l’étude. Ainsi, lorsque la volonté de l’étude
est de discriminer l’habitat pelouse calcicole par rapport à des vignes ou à une prairie, la THR spatiale
peut devenir un frein : l’optimum de résolution spatiale semble se jouer à une échelle inférieure à celle
d’une résolution décimétrique. Cependant, lorsque la volonté est de déterminer la structure interne de
la pelouse calcicole, la résolution spatiale de l’outil permet une complexité du résultat intéressante sur
ces petites surfaces.
Une proposition pourrait être de continuer à dégrader l’orthomosaique pour trouver l’optimum de
résolution permettant de discriminer l’objet « habitat pelouse calcicole » afin de résoudre le problème
d’apparition d’objets incohérents dans la classification (vignes). Ce procédé n’empêche pas de revenir
à une résolution spatiale plus fine (1 ou 2 GSD) pour la qualification de la structure interne de l’habitat.
Ce jeu de résolution pourrait permettre de modifier la résolution temporelle des images en fonction
des besoins identifiés.
76
IV. DISCUSSION
B. Théorisation par le cube des résolutions
Les images de télédétection peuvent se représenter suivant leurs résolutions spatiales, temporelles et
thématiques. Tout au long de cette recherche s’est joué une réflexion entre la pertinence de la très haute
résolution spatiale (images dégradées et optimums de résolution) et l’enjeu de la résolution temporelle
(prise en compte de l’optimum phénologique). Contrairement à l’idée préconçue, l’amélioration de la
résolution spatiale ne permet pas de répondre à l’ensemble des questionnements sur l’occupation du
sol dû à des problèmes de mixité des pixels, interférant avec une image à l’échelle paysagère (« l’arbre
Figure 48 : Cube des résolutions modifié
77
IV. DISCUSSION
qui cache la forêt » (Couderchet, 2008)). La maitrise de la conception de l’image doit alors se jouer à
l’articulation des trois résolutions (Bousquet et al., 2013). Conçu conjointement avec E. Lobry,
doctorante dans le programme scientifique et travaillant sur les images satellites Landsat et Sentinelles,
un cube de résolution permet justifier l’utilisation du drone au travers de ces composantes (Figure 48).
Nous proposons ici une comparaison des utilisations des bases de données pour l’objectif de
sentinelles. Comme le proposent les auteurs, la résolution temporelle est ici envisagée comme la
densité des mesures au fil du temps (par exemple, la cartographie Corine Land Cover est renouvelée
tous les six ans tandis qu’une prise d’images par drone serait pertinente annuellement pour le suivi
dynamique des composantes de l’habitat (niveau 2), mais simplement 1 fois pendant le programme
soit chaque 6 ans pour l’emprise même de l’habitat (niveau 1)). La résolution spatiale correspond à
celle de l’image classifiée (de 1,9 cm ou 8 cm pour le drone à 160 m (unité minimale cartographiée de
25ha pour Corine Land Cover). Enfin, la résolution thématique s’échelonne d’une information
générale sur les milieux à une allant dans le détail des composantes de l’habitat. Cette figure permet
d’illustrer le phénomène « d’emboitement des échelles » qui semble pertinent pour l’observation et
l’étude des sites de suivis du programme scientifique.
C. Traduction pour le programme scientifique
La méthode mise en place permettrait, dans le cadre du programme, non seulement d’harmoniser la
définition des emprises des sites de suivi, mais surtout de les caractériser par une étude fine de leurs
structures spatiales. Cette étude, menée à l’échelon de la communauté, de l’écosystème, permettrait
d’établir une base de données spatiales très complète : les indices paysagers calculés sur les habitats,
voire ses composantes, pourraient ainsi être mis en relation avec les données sur les espèces récoltées
lors des suivis. L’hétérogénéité spatiale visible sur les cartes résultante de la classification des images
prises par drone semble correspondre à l’« espace vécu » des individus étudiés, dans la mesure où leur
capacité de déplacement est limitée. La méthode proposée permet alors de visualiser le « paysage
vécu » des populations étudiées au travers une classification de la scène paysagère à une échelle
similaire à leur capacité de déplacement.
La mise en valeur de cette hétérogénéité des sites d’un même habitat a également pour atout de
permettre la dissociation des effets liés au contexte du site, appelé également « effet site », des facteurs
climatiques. Le processus proposé par cette étude permet ainsi de mieux « isoler le facteur du
changement climatique » (Mallard, Couderchet, 2019) pour le programme les sentinelles du climat.
78
0. CONCLUSION
Conclusion
La mission de ce stage s’intégrait dans le programme scientifique « les sentinelles du climat » dont
l’objectif général est d’étudier les conséquences du changement climatique sur des espèces à faible
capacité de dispersion. L’enjeu était ici d’étudier la faisabilité d’une utilisation du drone pour la
caractérisation des sites de suivis du programme tant dans la délimitation de l’emprise de l’habitat que
dans la structuration végétale de l’espace.
La méthodologie proposée a démontré la place prépondérante de la dimension métier dans l’utilisation

du drone comme vecteur d’une imagerie aérienne. La procédure d’interprétation des images acquises
soulève l’intérêt de cette utilisation comme facteur de stabilité pour les suivis scientifiques réalisés
dans le cadre du programme. La plus-value ajoutée est bien réelle dans la détermination de l’emprise
des habitats de suivis qui permet ainsi de délimiter objectivement l’emprise étudiée. La prise en compte
de la phénologie biologique de l’habitat semble être un point clef dans le choix du moment
d’acquisition des images en permettant de déterminer les composantes végétales de l’habitat plus
distinctement.
Auparavant donné, la donnée issue de l’imagerie par drone est ici construite grâce à la grande flexibilité
du vecteur. L’information est quant à elle fabriquée par l’opérateur des traitements. Cette subjectivité
du thématicien est importante à retenir, car elle met en avant la possibilité de choix entretenu par le
processus d’interprétation de l’image.
Il semble tout de même intéressant de réfléchir à l’impact possible d’une mission de drone sur la faune
des habitats survolés dans le cadre d’un programme étudiant les conséquences du changement
climatique sur ces espèces pour des sites naturels et semis-naturels. La perturbation du milieu reste
cependant minime, car l’opérateur peut se tenir à l’écart des zones sensibles d’un site, mais le drone
pourrait entraver l’avifaune.
Les images acquises par le biais du drone ne doivent pas rester l’apanage du géographe, mais peuvent
être appropriées par le naturaliste lors de ses suivis de terrain ou en tant qu’objet de communication et
de sensibilisation.
79
0. BIBLIOGRAPHIE
Bibliographie
ANDERSON, Karen et J. GASTON, Kevin, 2013. CNES, 2018. LSMSSegmentation - Exact Large-
Lightweight unmanned aerial vehicles will Scale Mean-Shift segmentation, step 2 — OTB
revolutionize spatial ecology. In : Frontiers in CookBook 6.6.1 documentation. In : The OTB
Ecology and the Environment. mars 2013. Vol. 11, CookBook [en ligne]. 2018.
n° 3, p. 138‑146. DOI 10.2307/23470549. [Consulté le 28 août 2019]. Disponible à l’adresse :
https://www.orfeo-
ARROYO-MORA, J. Pablo, KALACSKA, toolbox.org/CookBook/Applications/app_LSMSSe
Margaret, INAMDAR, Deep, SOFFER, Raymond, gmentation.html.
LUCANUS, Oliver, GORMAN, Janine,
NAPRSTEK, Tomas, SCHAAF, Erica Skye, COUDERCHET, Laurent, 2008. Le Paysage
IFIMOV, Gabriela, ELMER, Kathryn et comme paradigme, discussion sur les zonages
LEBLANC, George, 2019. Implementation of a écologiques et paysagers et leur production.
UAV–Hyperspectral Pushbroom Imager for Bordeaux. Université de Bordeaux 3.
Ecological Monitoring. In : Drones. mars 2019.
Vol. 3, n° 1, p. 12. DOI 10.3390/drones3010012. CUNLIFFE, Andrew M., BRAZIER, Richard E. et
ANDERSON, Karen, 2016. Ultra-fine grain
BAENA, Susana, MOAT, Justin, WHALEY, landscape-scale quantification of dryland
Oliver et BOYD, Doreen S., 2017. Identifying vegetation structure with drone-acquired structure-
species from the air: UAVs and the very high from-motion photogrammetry. In : Remote Sensing
resolution challenge for plant conservation. In : of Environment. septembre 2016. Vol. 183,
ROCCHINI, Duccio (éd.), PLOS ONE. p. 129‑143. DOI 10.1016/j.rse.2016.05.019.
27 novembre 2017. Vol. 12, n° 11, p. e0188714.
DOI 10.1371/journal.pone.0 188 714. DRUSCH, M., DEL BELLO, U., CARLIER, S.,
COLIN, O., FERNANDEZ, V., GASCON, F.,
BAGHDADI, Nicolas, MALLET, Clément et HOERSCH, B., ISOLA, C., LABERINTI, P.,
ZRIBI, Mehrez, 2018. QGIS et outils génériques MARTIMORT, P., MEYGRET, A., SPOTO, F.,
[en ligne]. S.l. : s.n. [Consulté le 20 août 2019]. SY, O., MARCHESE, F. et BARGELLINI, P.,
ISBN 978-1-78406-335-1. Disponible à l’adresse : 2012. Sentinel-2: ESA’s Optical High-Resolution
http://proxy.bibliotheques.uqam.ca/login?url=http:/ Mission for GMES Operational Services. In :
/ressources.bibliotheques.uqam.ca/re/mono_elect/3 Remote Sensing of Environment. 15 mai 2012.
35_QGIS-et-outils-generiques_Baghdadi-1.pdf. Vol. 120, p. 25‑36. DOI 10.1016/j.rse.2011.11.026.
BATAILLE, Anaïs, 2015. Apport d’images issues DSAC et DNO, 2018. Guide. Aéronefs circulant
de drone pour le suivi de végétation naturelle. sans personne à bord : activités particulières.
Mémoire master 2 Aménagement du territoire et 26 octobre 2018. S.l. : Ministère de la Transition
Télédétection Toulouse-Auch. S.l. Irstea — UMR écologique et solidaire.
Tetis - Maison de la Télédectection.
DUNFORD, R., MICHEL, K., GAGNAGE, M.,
BOUSQUET, Aurélie, COUDERCHET, Laurent, PIÉGAY, H. et TRÉMELO, M.-L., 2009. Potential
GASSIAT, Anne et HAUTDIDIER, Baptiste, 2013. and constraints of Unmanned Aerial Vehicle
Les résolutions des bases de données « occupation technology for the characterization of
du sol » et la mesure du changement. In : LEspace Mediterranean riparian forest. In : International
geographique. 14 mars 2013. Vol. Tome 42, n° 1, Journal of Remote Sensing. 22 septembre 2009.
p. 61‑76. Vol. 30, n° 19, p. 4915‑4935.
DOI 10.1080/01431160903023025.
CHAPMAN, Andrew, 2016. Types of Drones:
Multi-Rotor vs Fixed-Wing vs Single Rotor vs DVOŘÁK, P., MÜLLEROVÁ, J., BARTALOŠ, T.
Hybrid VTOL. In : Drone magazine [en ligne]. juin et BRŮNA, J., 2015. Unmanned aerial vehicles for
2016. [Consulté le 11 août 2019]. Disponible à alien plant species detection and monitoring. In :
l’adresse : ISPRS - International Archives of the
https://www.auav.com.au/articles/drone-types/. Photogrammetry, Remote Sensing and Spatial
80
0. BIBLIOGRAPHIE
Information Sciences. 26 août 2015. Vol. XL- recherche en sciences et technologies pour
1/W4, p. 83‑90. DOI 10.5194/isprsarchives-XL-1- l’environnement et l’agriculture (IRSTEA), 2 rue de
W4-83-2015. la Papeterie, 38402 Saint-Martin-d’Hères.
[Consulté le 12 mars 2019]. Disponible à
ELISSALDE, Bernard, 2004. Structure spatiale. l’adresse : https://dumas.ccsd.cnrs.fr/dumas-
In : HYPERGÉO (éd.), Hypergéo [en ligne]. 2004. 01282318/document.
[Consulté le 18 mars 2019]. Disponible à
l’adresse : LE FOULER, Anthony, 2013. Le suivi des pelouses
http://www.hypergeo.eu/spip.php?article83. calcicoles d’Aquitaine — Méthodes et première
lecture. S.l. Conservatoire Botanique National Sud-
FRASER, Robert H., OLTHOF, Ian, LANTZ, Atlantique/DREAL Aquitaine.
Trevor C. et SCHMITT, Carla, 2016. UAV
photogrammetry for mapping vegetation in the low- LÉGIFRANCE, 2012. Arrêté du 11 avril 2012
Arctic. In : Arctic Science. septembre 2016. Vol. 2, relatif à la conception des aéronefs civils qui
n° 3, p. 79‑102. DOI 10.1139/as-2016-0008. circulent sans aucune personne à bord, aux
conditions de leur emploi et sur les capacités
GAN, Daniel et H. RICHARDS, Jennifer, 2013. requises des personnes qui les utilisent. 11 avril
Evaluating high-resolution aerial photography 2012. S.l. : s.n.
acquired by unmanned aerial systems for use in
mapping everglades wetland plant associations. S.l. LÉGIFRANCE, 2018. Arrêté du 18 mai 2018
GIS Center 25. relatif aux exigences applicables aux télépilotes qui
utilisent des aéronefs civils circulant sans personne
IPCC., 2014. Working Group II : Climate Change à bord à des fins autres que le loisir. 18 mai 2018.
2014 : Impacts, Adaptation, and Vulnerability. S.l. : s.n.
Cambridge, UK and New York, USA. Cambridge
University Press. Contribution to the IPCC 5th LISEIN, Jonathan, 2016. Application des
Assessment Report. techniques de photogrammétrie par drone à la
caractérisation des ressources forestières. Thèse de
JIMÉNEZ LÓPEZ, Jesús et MULERO- doctorat — Géographie. S.l. : Paris-Est. tel-
PÁZMÁNY, Margarita, 2019. Drones for 01539627
Conservation in Protected Areas: Present and
Future. In : Drones. 9 janvier 2019. Vol. 3, n° 1, LISEIN, Jonathan, BONNET, Stéphanie,
p. 10. DOI 10.3390/drones3010010. LEJEUNE, Philippe et PIERROT-DESEILLIGNY,
Marc, 2014. Modélisation de la canopée forestière
JOFFE, Helene, 2007. Le pouvoir de l’image : par photogrammétrie depuis des images acquises
persuasion, émotion et identification. In : Diogene. par drone. In : Revue Française de
10 septembre 2007. Vol. n° 217, n° 1, p. 102‑115. Photogrammétrie et de Télédétection. jui 2014.
Vol. 206, p. 45‑54.
KLOSTERMAN, Stephen et RICHARDSON,
Andrew, 2017. Observing Spring and Fall LISEIN, Jonathan, MICHEZ, Adrien,
Phenology in a Deciduous Forest with Aerial Drone CLAESSENS, Hugues et LEJEUNE, Philippe,
Imagery. In : Sensors. 8 décembre 2017. Vol. 17, 2015. Discrimination of Deciduous Tree Species
n° 12, p. 2852. DOI 10.3390/s17122852. from Time Series of Unmanned Aerial System
Imagery. In : PLOS ONE. 24 novembre 2015.
KOH, Lian Pin et WICH, Serge A., 2012. Dawn of Vol. 10, n° 11, p. e0141006.
Drone Ecology: Low-Cost Autonomous Aerial DOI 10.1371/journal.pone.0 141 006.
Vehicles for Conservation. In : Tropical
Conservation Science. juin 2012. Vol. 5, n° 2, LOBRY, Emmeline, MALLARD, Fanny et
p. 121‑132. DOI 10.1177/194008291200500202. COUDERCHET, Laurent, 2018. Tome V : Prise en
compte des éléments paysagers dans la
LACHENAL, Philippe, 2015. Utilisation modélisation des répoartitions des espèces
d’imagerie aérienne Très Haute Résolution sentinelles du climat. Le Haillan. Association
Spatiale pour le suivi de la recolonisation végétale Cistude Nature. Programme Les sentinelles du
sur une zone de compensation écologique EDF : climat.
l’Île Falcon (Isère) [en ligne]. other. S.l. : Institut de
81
0. BIBLIOGRAPHIE
MALLARD, F. (coord.)), 2017 b. Programme les Aquitaine (South West, France). In : LEAL FILHO,
sentinelles du climat. Tome IV : Ajustement des Walter, BARBIR, Jelena et PREZIOSI, Richard
protocoles d’échantillonnage et analyses (éd.), Handbook of Climate Change and
exploratoires des indicateurs des effets du Biodiversity [en ligne]. Cham : Springer
changement climatique sur la biodiversité en International Publishing. p. 223‑241.
Nouvelle-Aquitaine [en ligne]. Le Haillan, France : [Consulté le 30 août 2019]. ISBN 978-3-319-
C. Nature. Disponible à l’adresse : 98680-7. Disponible à l’adresse :
https://technique.sentinelles-climat.org/les- http://link.springer.com/10.1007/978-3-319-
productions/. 98681-4_14.
MALLARD, Fanny, 2014. Développement d’une MANFREDA, Salvatore, MCCABE, Matthew,

méthode d’évaluation quantitative des effets des MILLER, Pauline, LUCAS, Richard, PAJUELO
projets d’infrastructures de transport terrestre sur MADRIGAL, Victor, MALLINIS, Giorgos, BEN
les milieux naturels. Ecologie. Nantes : Ecole DOR, Eyal, HELMAN, David, ESTES, Lyndon,
Centrale de Nantes (ECN). CIRAOLO, Giuseppe, MÜLLEROVÁ, Jana,
TAURO, Flavia, DE LIMA, M. Isabel, DE LIMA,
MALLARD, Fanny, 2016 a. Tome I: Joao L.M.P., FRANCES, Felix, CAYLOR, Kelly,
Développement d’indicateurs des effets du KOHV, Marko, MALTESE, Antonino, PERKS,
changement climatique sur la biodiversité en Matthew, RUIZ-PÉREZ, Guiomar, SU, Zhongbo,
Nouvelle-Aquitaine. Le Haillan. Association VICO, Giulia et TOTH, Brigitta, 2018. On the Use
Cistude Nature. Programme Les sentinelles du of Unmanned Aerial Systems for Environmental
climat. Monitoring. In : [en ligne]. 13 mars 2018.
[Consulté le 14 mars 2019].
MALLARD, Fanny, 2016 b. Tome II : Protocoles DOI 10.20944/preprints201803.0097.v1.
d’échantillonnage des indicateurs des effets du Disponible à l’adresse :
changement climatique sur la biodiversité en http://www.preprints.org/manuscript/201803.0097/
Nouvelle-Aquitaine. Le Haillan. Association v1.
Cistude Nature. Programme Les sentinelles du
climat. MARCHAND-VAGUET, Yvette, 2004.
Télédétection. In : GDR LIBERGÉO (éd.),
MALLARD, Fanny, 2017 a. Tome IV : Ajustement Hypergéo [en ligne]. 2004.
des protocoles d’échantillonnage et analyses [Consulté le 1 avril 2019]. Disponible à l’adresse :
exploratoires des indicateurs des effets du https://e-cours.univ-
changement climatique sur la biodiversité en paris1.fr/modules/uved/envcal/html/vegetation/role
Nouvelle-Aquitaine. Le Haillan. Association -teledetection/index.html.
Cistude Nature. Programme Les sentinelles du
climat. MELVILLE, Bethany, LUCIEER, Arko et
ARYAL, Jagannath, 2019. Classification of
MALLARD, Fanny, 2017 b. Tomme III : Cadre de Lowland Native Grassland Communities Using
la modélisation prédictive des réponses des espèces Hyperspectral Unmanned Aircraft System (UAS)
face au changement climatique en Nouvelle- Imagery in the Tasmanian Midlands. In : Drones.
Aquitaine. Le Haillan. Association Cistude Nature. 5 janvier 2019. Vol. 3, n° 1, p. 5.
Programme Les sentinelles du climat. DOI 10.3390/drones3010005.
MALLARD, Fanny, 2018. Tome VI : Résultats MICHEZ, Adrien, 2015. Utilisation des drones pour
exploratoires des indicateurs des effets du la caractérisation de la végétation riverain des cours
changement climatique sur la biodiversité en d’eau : cartographie des plantes invasives,
Nouvelle-Aquitaine. Le Haillan. Association composition spécifique et état sanitaire. In :
Cistude Nature. Programme Les sentinelles du Séminaire télédétection à très haute résolution.
climat. Rennes : Université de Liège — Gembloux Agro-
Bio Tech. 11 décembre 2015.
MALLARD, Fanny et COUDERCHET, Laurent,
2019. Climate Sentinels Research Program: MICHEZ, Adrien, PIÉGAY, Hervé, LISEIN,
Developing Indicators of the Effects of Climate Jonathan, CLAESSENS, Hugues et LEJEUNE,
Change on Biodiversity in the Region of New Philippe, 2016. Classification of riparian forest
82
0. BIBLIOGRAPHIE
species and health condition using multi-temporal In : Remote Sensing. 29 juillet 2015. Vol. 7, n° 8,
and hyperspatial imagery from unmanned aerial p. 9632‑9654. DOI 10.3390/rs70809632.
system. In : Environmental Monitoring and
Assessment [en ligne]. mars 2016. Vol. 188, n° 3. ROPERT, Michel, 2012. Potentiel de l’imagerie
[Consulté le 14 mars 2019]. DOI 10.1007/s10661- hyperspectrale aéroportée comme nouvel outil
015-4996-2. Disponible à l’adresse : d’évaluation spatiale de l’état de santé d’un
http://link.springer.com/10.1007/s10661-015- écosystème récifal à La Réunion. In : Valor-IG’12.
4996-2. Ifremer - Délégation océan Indien. Nantes.
9 octobre 2012.
MISHRA, Niti, MAINALI, Kumar, SHRESTHA,
Bharat, RADENZ, Jackson et KARKI, Debendra, SGDSN, 2015. 154 000 748 : L’essor des drones
2018. Species-Level Vegetation Mapping in a aériens civils en France : enjeux et réponses
Himalayan Treeline Ecotone Using Unmanned possibles de l’Etat. Rapport du Gouvernement au
Aerial System (UAS) Imagery. In : ISPRS Parlement. S.l. Secrétariat général de la défense et
International Journal of Geo-Information. de la sécurité nationale.
14 novembre 2018. Vol. 7, n° 11, p. 445.
DOI 10.3390/ijgi7110445. TOBLER, W. R., 1970. A Computer Movie
Simulating Urban Growth in the Detroit Region.
MÜLLEROVÁ, Jana, BRŮNA, Josef, In : Economic Geography. juin 1970. Vol. 46,
BARTALOŠ, Tomáš, DVOŘÁK, Petr, VÍTKOVÁ, p. 234. DOI 10.2307/143141.
Michaela et PYŠEK, Petr, 2017. Timing Is
Important: Unmanned Aircraft vs. Satellite Imagery VALLET, J., PANISSOD, F., STRECHA, C. et
in Plant Invasion Monitoring. In : Frontiers in Plant TRACOL, M., 2012a. Photogrammetric
Science [en ligne]. 31 mai 2017. Vol. 8. performance of an ultra light weight swinglet
[Consulté le 14 mars 2019]. « UAV ». In : ISPRS - International Archives of the
DOI 10.3389/fpls.2017.00887. Disponible à Photogrammetry, Remote Sensing and Spatial
l’adresse : Information Sciences. 6 septembre 2012.
http://journal.frontiersin.org/article/10.3389/fpls.2 Vol. XXXVIII-1/C22, p. 253‑258.
017.00887/full. DOI 10.5194/isprsarchives-XXXVIII-1-C22-253-
2011.
PAJARES, Gonzalo, 2015. Overview and Current
Status of Remote Sensing Applications Based on VALLET, J., PANISSOD, F., STRECHA, C. et
Unmanned Aerial Vehicles (UAVs). In : TRACOL, M., 2012 b. Photogrammetric
Photogrammetric Engineering & Remote Sensing. performance of an ultra light weight swinglet
1 avril 2015. Vol. 81, n° 4, p. 281‑330. « UAV ». In : ISPRS - International Archives of the
DOI 10.14358/PERS.81.4.281. Photogrammetry, Remote Sensing and Spatial
Information Sciences. 6 septembre 2012.
PEPPA, M. V., HALL, J., GOODYEAR, J. et Vol. XXXVIII-1/C22, p. 253‑258.
MILLS, J. P., 2019. Photogrammetric assessment DOI 10.5194/isprsarchives-XXXVIII-1-C22-253-
and comparison of DJI Phantom 4 pro and Phantom 2011.
4 pro RTK small unmanned aircraft systems. In :
ISPRS - International Archives of the VENTURA, Daniele, BONIFAZI, Andrea,
Photogrammetry, Remote Sensing and Spatial GRAVINA, Maria Flavia et ARDIZZONE, Gian
Information Sciences. 4 juin 2019. Vol. XLII- Domenico, 2017. Unmanned Aerial Systems
2/W13, p. 503‑509. DOI 10.5194/isprs-archives- (UASs) for Environmental Monitoring: A Review
XLII-2-W13-503-2019. with Applications in Coastal Habitats. In : Aerial
Robots - Aerodynamics, Control and Applications
PINTE, Antoine, 2017. Micmac. In : IGN [en ligne]. 6 septembre 2017.
[en ligne]. 16 mars 2017. [Consulté le 14 mars 2019].
[Consulté le 25 août 2019]. Disponible à l’adresse : DOI 10.5772/intechopen.69598. Disponible à
http://logiciels.ign.fr/?Micmac. l’adresse :
https://www.intechopen.com/books/aerial-robots-
PULITI, Stefano, ØRKA, Hans, GOBAKKEN, aerodynamics-control-and-applications/unmanned-
Terje et NÆSSET, Erik, 2015. Inventory of Small aerial-systems-uass-for-environmental-monitoring-
Forest Areas Using an Unmanned Aerial System. a-review-with-applications-in-coastal-habi.
83
0. BIBLIOGRAPHIE
WHITEHEAD, Ken et HUGENHOLTZ, Chris H., Unmanned Vehicle Systems. septembre 2014.
2014. Remote sensing of the environment with Vol. 02, n° 03, p. 69‑85. DOI 10.1139/juvs-2014-
small unmanned aircraft systems (UASs), part 1: a 0006.
review of progress and challenges. In : Journal of
84
ANNEXES
85
Annexe 1
Articles scientifiques synthétisés autour de l’utilisation du drone dans l’étude des
dynamiques végétales
LU, BING ET HE, YUHONG, 2017. SPECIES CLASSIFICATION USING UNMANNED AERIAL VEHICLE (UAV)-ACQUIRED HIGH
SPATIAL RESOLUTION IMAGERY IN A HETEROGENEOUS GRASSLAND. IN : ISPRS JOURNAL OF PHOTOGRAMMETRY AND
REMOTE SENSING. 1 JUIN 2017. VOL. 128, P. 73-85. DOI 10.1016/J.ISPRSJPRS.2017.03.011.
Objet de l’étude : Identifier la composition des espèces végétales de prairies de l’Ontario par l’étude de
leurs phénologies, à l’aide d’images prises par drone
Matériel : caméra numérique du commerce modifiée avec le spectre proche infra-rouge à la place de la
bande rouge et montée sur un drone octoptère : Tarot T15
Méthode de terrain :
- GSD de 5cm et chevauchement d’images à 85% frontal et 50% latéral
- 7 missions de vol d’avril à décembre pour détecter l’ensemble du cycle de croissance de la prairie avec
points de contrôles au sol + données de terrain sur des parcelles d’étude (compositions spécifique,
réflectance, hauteur végétation, humidité et capture de photos).
- 6 couvertures distinctes (classes) ont été identifiées par les enquêtes de terrain. Les éléments de terrains
tels que chemins artificiels, terres labourables, ont été délimités manuellement pour réduire la
complexité de la classification.
Méthode d’analyse :
Utilisation du logiciel Definiens Developer
7.0 pour la classification par objets. Choix de
ce type de segmentation car elle est décrite
comme avantageuse pour traiter les grandes
quantités d’informations spatiales et spectrales.
La méthode de classification basée sur les
objets est ici considérée comme
particulièrement avantageuse pour la
classification des espèces car elle peut utiliser
différents facteurs, tels que les valeurs
spectrales, les motifs de texture et les
dimensions des objets, pour segmenter les
images en objets écologiquement significatifs.
L’étude utilise la classification Random Forest
avec un nombre important d’échantillon
d’entraînement
Figure : processus de traitement des images pour produire une carte de classification des espèces (B. Liu, 2018)
BAENA, SUSANA, MOAT, JUSTIN, WHALEY, OLIVER ET BOYD, DOREEN S., 2017. IDENTIFYING SPECIES FROM THE AIR:
UAVS AND THE VERY HIGH RESOLUTION CHALLENGE FOR PLANT CONSERVATION. IN : ROCCHINI, DUCCIO (ED.), PLOS
ONE. 27 NOVEMBRE 2017. VOL. 12, N° 11, P. E0188714. DOI 10.1371/JOURNAL.PONE.0188714.
Objet de l’étude : Etude sur l’efficacité de la télédétection par drone d’espèces végétale. L’article
présente une approche permettant d’identifier et de quantifier les arbres individuels au sein d’une forêt sèche
dans le nord du Pérou. Trois espèces d’arbres dominantes ont été retenues pour la détermination et leurs états
de santé sera pris en compte (bon, malade, arbre mort).
Matériel : Drone à ailes fixes (pouvant couvrir une plus grande surface que les multirotors -> jusque 12km²
en un seul vol). Utilisation du proche infra-rouge. Vols effectués pendant la saison sèche pour avoir le
maximum de discrimination visible inter-espèces
Méthode de terrain : Préparation des vols avec le logiciel eMotion. Altitude de vol de 260m pour une
résolution au sol d’environ 8cm, avec une couverture d’images de 75%
Méthode d’analyse : Utilisation du logiciel Pix4D pour la production des orthomosaïques, du MNT et
MNS. 1. Segmentation sur eCognition pour délimiter les couronnes des arbres épars, la végétation est
discriminée des arbres par la bande proche-infrarouge avec des indices de végétation. 2. Classification objet
avec les indices et la segmentation de la végétation avec une taille minimum d’objet de 4m². L’identification
des espèces est effectué grâce à l’information spectrale de l’ensemble des indices produits (variance, moyenne,
bordures, CHM, etc. ) permettant la discrimination inter-espèces
Résultat : L’étude a permit de déterminer l’espèce dominante sur la zone et le fort pourcentage d’arbres
mort sur une même espèce. Le proche-
infrarouge est un réel atout pour la détection
et discrimination des espèces. De plus
l’étude note l’imprécision relative du MNT
qui dépend de la qualité du nuage de point
produit par le logiciel, certains pixels du
feuillage des arbres étant souvent confondu
avec des points au sol. Une acquisition via
LIDAR embarqué semblerait être une
meilleure solution. La facilité de
déploiement du drone ne doit pas faire
oublier l’étude et la planification des
paramètres d’acquisitions des images dans
la phase de pré-vol afin de faciliter par la
suite les pré-traitements d’images sur les logiciels comme Pix4D.
CUNLIFFE, ANDREW M., BRAZIER, RICHARD E. ET ANDERSON, KAREN, 2016. ULTRA-FINE GRAIN LANDSCAPE-SCALE
QUANTIFICATION OF DRYLAND VEGETATION STRUCTURE WITH DRONE-ACQUIRED STRUCTURE-FROM-MOTION
PHOTOGRAMMETRY. IN : REMOTE SENSING OF ENVIRONMENT. SEPTEMBRE 2016. VOL. 183, P. 129-143.
DOI 10.1016/J.RSE.2016.05.019.
Objet de l’étude : Développer une méthode permettant de quantifier la biomasse sur de petites parcelles
de terres arides au Nouveau-Mexique
Matériel :
- Drone hexacoptère « 3D Robotics Y6 » monté avec une caméra du commerce (Canon S100). Le drone
a été mis au point spécialement pour l’expérimentation. Altitude maximale de 120m pour une distance
horizontale maximum au télépilote de 500m.
- Nombreux points de contrôle au sol (GCP).
- Traitement des images sur un ordinateur puissant (4x 16 core AMD Opteron 6276, 512 GB 1600 MHz
RAM dont la mémoire a été dédié au processus.
Méthode de terrain : Sept zones d’intérêts ont été repérées contenant les communautés végétales
d’intérêt pour l’étude. Ces zones ont été étudiées sur une période de 11jours. Deux vols automatiques réalisés
avec le logiciel « Open Source Mission Planner ». Le premier vol effectué au nadir et le second à 45°.
Méthode d’analyse :
- Logiciel Agisoft’s PhotoScan. Géoréférencement amélioré
grâce aux points de contrôle au sol ; 15m de précision avec la
géolocalisation interne du drone et 0.015m avec les points de
contrôle au sol.
- Le DTM est interpolé sur PhotoScan par la classification du
nuage de points entre le sol et la végétation haute avec la
création d’un linéaire pour combler les « trous » dans le nuage
de points. Les valeurs négatives ont été amené au point 0 et
l’erreur estimé au DTM est de 0.2% de pixels.
BATAILLE, ANAÏS, 2015. APPORT D’IMAGES ISSUES DE DRONE POUR LE SUIVI DE VEGETATION NATURELLE. MEMOIRE
MASTER 2 AMENAGEMENT DU TERRITOIRE ET TELEDETECTION TOULOUSE-AUCH. S.L. IRSTEA - UMR TETIS - MAISON DE LA
TELEDECTECTION.
Objet de l’étude : Tester différents protocoles de terrain et approches de traitements d’images issues
de drone pour le projet CarHab. CarHab est un projet lancé par le MEDDE (Ministère de l’Ecologie, du
Développement Durable et de l’Energie) pour la réalisation d’une cartographie de la végétation naturelle et
semi-naturelle en France à l’échelle du 1 :25000.
Sites d’étude : Les sites étudiés sont situés dans des zones Natura 2000 dans la région Montpelliéraine.
Le premier est une garrigue composée de mares temporaires « Les Causses d’Aumelas » (8ha). Le second site,
le « Marais du Pontet » (13ha) est composé d’habitats prioritaires dont l’accès est difficile et le piétinement à
éviter.
Matériel :
Base de données : Utilisation de la BD ortho à 50cm de l’IGN, pour le repérage et le géoréférencement des
sites. Des orthophotographies d’une résolution de 20cm sont également utilisée pour le géoréférencements des
images drones et fournies par une association partenaire.
Drone : Deux drones différents ; un octocoptère et un hexacoptère de la amrque allemande MikroKopter. Une
nacelle est créée composée d’une capéra GoPro, d’une caméra du commerce pour le RVB et d’une seconde
avec filtre PIR. Les plans de vols et les vols automatiques sont effectués par le logiciel particulier du drone
« MK »
Méthode de terrain : série de clichés chaque 7sec selon des transects. Recouvrement de 80% à l’avant
et 60% en latéral. Le drone est programmé pour une altitude de 140m.
La hauteur de la végétation a été estimé sur plus de 160 arbres sur un des sites à l’aide d’un vortex forestier.
Les espèces sont identifiées et les arbres sont ensuite noté sur l’orthophotographie à 20cm.
Méthode de traitement : Utilisation du logiciel Smart3DCapture, développé par Acute 3D partenaire
du projet, pour le mosaïquage des images. Le logiciel génère également le Modèle Numérique de Surface
grâce à une aérotriangulation puis un appariement des images entres elles.
1. Calculs de primaires : NDVI, NDWI et BI² grâce aux images en PIR.
2. Segmentations LSMSS (large-scale mean-shift segmentation) via OrfeoTolBox (OTB)
3. Classification :
a. Non supervisée : algorithme K-means
b. Supervisée pixel par pixel : SVM (séparateur à vaste marge), choix de classe comme « arbre »
/ « eau » / « herbacée » / « ombre » / « sol » / « arbuste » / « route »
c. Supervisée orientée objet avec OTB
d. Hauteur de végétation : Calcul du MNT via le MNS par interpolation des données terrain puis
interpolation spatiale pour le calcul des hauteurs.
Résultat : La classification K-means est d’après l’auteur peut efficace dû à des classes trop « proches ».
La classification SVM est efficace mais la performance varie selon le site d’étude. La classification orientée
objet est prometteuse mais ne prends pas en compte les petits objets de type chemin ou rocher et également
beaucoup plus lourde en temps de traitement.
MELVILLE, BETHANY, LUCIEER, ARKO ET ARYAL, JAGANNATH, 2019. CLASSIFICATION OF LOWLAND NATIVE
GRASSLAND COMMUNITIES USING HYPERSPECTRAL UNMANNED AIRCRAFT SYSTEM (UAS) IMAGERY IN THE TASMANIAN
MIDLANDS. IN : DRONES. 5 JANVIER 2019. VOL. 3, N° 1, P. 5. DOI 10.3390/DRONES3010005.
Objet de l’étude : Classification des communautés végétales de prairies en Tasmanie sur une zone
d’environ 16ha.
Matériel : Les données sont collectées en utilisant les 20 bandes hyperspectrales d’une caméra montée sur
un drone. Drone multi-rotor DJI S1000 pour l’imagerie multispectrale (25 bandes de 600 à 875nm) réunie par
la suite sur 20bandes + drone à ailes fixes Phantom FX-61 pour le RVB.
Méthode de terrain : La végétation est décrite suivant quatre communautés végétales par l’espèce
dominante. Construction d’un MNS par un SfM (structure-from-motion). Utilisation de 22 points de contrôles
au sol distribué aléatoirement sur site et contrôlé par un RTK récepteur, permettant une résolution spatiale de
2 à 4cm. Observation des communautés végétales sur deux transects pendant la phase de terrain pour la
validation des données.
Méthode d’analyse : Traitements des images récoltées réalisées sur PhotoScan. Traitement sur ArcGis
10.3 pour l’étude du relief (toolset) via le MNS. Segmentation de l’orthomosaique et du MSN sur le logiciel
eCognition. Classification basée par objet avec le modèle Random Forest sur l’image multispectrale et le
MNS.
Résultat : Bonne délimitation entre les classes (occurrence du résultat générale de 71%), cependant
quelques omissions et confusion sur certaines espèces. L’explication de cette confusion est d’après l’auteur
dû à similarité photosynthétique et phénologique (« similar photosynthetic pathway and phenological
staging »). De plus ce sont deux communautés végétales à basse hauteur de végétation et qui peuvent alors
être confondue par des erreurs sur le MNS.
Annexe 2
Etude budgétaire
Budget prévu par l'association (€) 3599
PREVISIONNEL
Objectif Objet Descriptif Date coût TTC (€)
préparation examen théorique inscription drone-exam 11.04 50.00 €
Devenir télé-pilote
examen Télépilote drone DGAC inscription salle Oceane 01.05 30.00 €
agréée
certification pratique formation pratique 03.05 1 200.00 €
RDM : Phantom 4 /2 semaine 17.06 339.80 €
location drone
Acquisition du caution drone 17.06 1 699.00 €
matériel responsabilité civile 17.05 - €
assurances
assurance matériel 17.06 - €
Acquisition des Traitements images + prépa vol Pix4D / 2 mois 01.07 434.00 €
Logiciels Analyse images TerrSet éutdiant 1an (49$) 03.05 44.00 €
DEPENSE TOTALE (- caution) 2 097.80 €
DIFFERENCIEL 1 501.20 €
REEL
Objectif Objet Descriptif Date coût TTC (€)
inscription drone-exam 11.04 50.00 €
Devenir télé-pilote certificat théorique
inscription examen salle Océane 30.04 30.00 €
agréée
attestation pratique formation pratique Cosmopter 6.06 1 200.00 €
DJI Phantom 4 pro / 2 semaines (AerialShop) 28.1 339.80 €
location du drone
1 batterie sup./2semaine 28.1 50.00 €
Acquisition du
logiciel Mach7 d'étude des sites outil "recherche" sur Mach7 10.1 6.00 €
matériel
Plateforme de décollage scotch "orange fluo" 25.1 5.00 €
assurance MAIF "Biens sensible" 1.07 6.58 €
Traitement des capacité de traitements souscription logiciel Shadow 1mois avec réduction 25.1 19.95 €
images outil d'analyse inscription sur le logiciel AirData 24.1 2.68
DEPENSE TOTALE 1 710.01 €
DIFFERENCIEL 1 888.99 €
Annexe 3
Etude budgétaire
« Est puni d’un an d’emprisonnement et de 75 000 euros d’amende le fait d’utiliser un aéronef circulant sans
personne à bord dans des conditions d’utilisation non conformes aux règles édictées en vue d’assurer la
sécurité1 .
Est puni de six mois d’emprisonnement et de 15 000 euros d’amende le fait pour un télépilote de faire survoler
par un aéromodèle, par maladresse ou négligence, une zone du territoire français en violation d’une
interdiction de survol. Les sanctions sont portées à un an d’emprisonnement et 45 000 euros d’amende en cas
de survol volontaire ou de refus de se conformer aux injonctions de l’autorité administrative 2. Dans ces deux
cas, ou dans les cas de mise en danger de la vie d’autrui 3 une peine complémentaire de confiscation de
l’aéromodèle peut en outre être prononcée4.
Est puni d’un an emprisonnement et de 45 000 euros d’amende le fait, au moyen d’un procédé quelconque,
de porter atteinte volontairement à l’intimité de la vie privée d’autrui :
- En captant, enregistrant ou transmettant, sans le consentement de leur auteur, des paroles prononcées
à titre privé ou confidentiel ;
- En fixant, enregistrant ou transmettant, sans le consentement de celle-ci, l’image d’une personne se
trouvant dans un lieu privé5.
Est passible d’une contravention6 le fait :
- Pour le télépilote d’un aéromodèle de 800g ou plus :

o De ne pas avoir obtenu l’attestation de suivi de formation requise *
o De ne pas être en mesure de présenter immédiatement l’attestation de suivi de formation en cas
de contrôle **
o De ne pas être en mesure de présenter dans un délai de 5 jours son attestation de suivi de
formation *
- Pour le propriétaire d’un aéromodèle de 800g ou plus, de laisser utiliser son aéromodèle :
o Sans avoir procédé à l’enregistrement * ;
o En ayant fourni, lors de l’enregistrement, des informations inexactes sur les caractéristiques de
l’aéronef ou sur l’identité du ou des propriétaires * ;
o Sans avoir apposé le numéro d’enregistrement sur l’aéronef *.
* Contravention de 4ème classe

** Contravention de 1ère classe
1
Art. L.6232-4 du code des transports
2
3
Art. 223-1 du code pénal
4
5
Art. 226-1 du code pénal
6
Décret [Sanc] (pas encore publié)
Annexe 4
Cerfa N° 15476*02 : déclaration préfectorale pour deux missions sur les dunes de la
commune Soulac-sur-Mer et Le-Verdon-sur-Mer
Annexe 5
Arrêté municipal pour une mission de vol sur la commune de Soulac -sur-Mer
Annexe 6
Liste de vérifications préparée pour les missions de terrain
Annexe 7
Plan de la mission de vol : site Coteau de Pujols
2 juillet 2019, début à 14H30
Se rendre sur place :

Rue Lafuge, Pujols 33350 >
propriétaire (P bleu sur figure)
Habitat désigné par Sentinelles :
Pelouse calcicole
Indicateurs suivis sur site : cortège
lépidoptères
Station météo :
lat : 44.801482 long : -
0.041856
( site Coteaux de Pujols: Google satellite, échelle 1 : 3000)
Scénario choisi :
S1 (en vue < 200m, hors agglomération)
Procédure de sécurité spécifique :

RAS sauf voisinage ; propriété privée autre
que le propriétaire proche.
Appeler la mairie matin du vol pour prévenir
de la mission qui sera effectuée
Opération de vol : (essayer de se mettre à

l’ombre pour éviter les reflets sur le retour vidéo de la radiocommande)
-> plateforme de décollage (croix orange) afin de toujours se situer à -200m du drone, en vue du drone sans être
sur les photos.
- 1 premier décollage vérification du matériel (localisation go home, mise au point, calibrage,
enregistrement sd)
- 1 photo d’ensemble prise maximum à 150m de hauteur sur carte sd1
Pose du drone, changement de carte sd pour sauvegarde image
- 1 passage vol automatique 2D à 70m sur emprise large (zone grisée) sur carte sd2. Vol 3D 70m ? >
aviser sur place pour les choix de vols (en fonction pixel/cm et temps de vol)
Pose du drone, changement de carte sd pour sauvegarde du vol, changement plateforme de décollage (croix jaune)
- 1 passage vol automatique 2D/3D à 20 sur emprise réduite (limite jaune), fonction du quadrat paysager sur
carte sd1
Autorisations / protocoles :
- Autorisation du propriétaire B. Arino (06 87 11 17 57 )
Personne à contacter sur place :
- Prévenir du début et fin de mission la mairie de Pujols ( 05 57 40 50 19 ) et le propriétaire
Annexe 8
Plan de la mission de vol : site Tertre de Thouil
4 juillet 2019, début à 14H
Se rendre sur place :

Chemin des granges, Villegouges
Habitat désigné par Sentinelles : Pelouse calcicole
Indicateurs suivis sur site : cortège lépidoptères
Station météo : lat : 44.97064 long : -0.3329

(Figure : site Tertre de Thouil: Google satellite, échelle 1 : 3000)
Scénario choisi :
S1 (en vue < 200m, hors
agglomération)
Procédure de sécurité spécifique :

Sentiers de randonnées possibles,
prévenir le public (surligneur orange)
Opération de vol : plateforme de

décollage (croix orange) afin de toujours
se situer à -200m du drone et en vue.
- 1 premier décollage vérification du matériel (localisation go home, mise au point, calibrage,
enregistrement sd)
- 1 photo d’ensemble prise à 70m sur carte sd1
Pose du drone, changement de carte sd pour sauvegarde image
- 1 passage vol automatique 2D à 50/70m sur emprise large (zone grisée) sur carte sd2. Vol 3D 70m ? >
protocole similaire au site Coteaux de Pujols
Pose du drone, changement de carte sd pour sauvegarde du vol, changement plateforme de décollage (croix jaune)
- 1 passage vol automatique 2D/3D à 20 sur emprise réduite (limite jaune), fonction du quadrat paysager sur
carte sd1
Autorisations / protocoles :
- Autorisation du propriétaire Y. Ayguesparsse ( 06.82.84.88.69 )
Personne à contacter sur place :
- Prévenir du début et fin de mission la mairie de Villegouge (05 57 84 42 08) et le propriétaire
Annexe 9
Synthèses des vols sur CPUJO et THOUI avec AirData
C OTEAUX DE P UJOLS T ERTRE DE T HOUIL
Opération de vol avec la grille 3D :
Opération de vol avec la grille 2D
Opération de vol basse altitude avec la grille 2D

Indicateurs des paramètres du vol en grille 3D sur le site de Coteau de Pujols
Annexe 10
Utilisation du référentiel aquitain PIGMA comme squelette à la nomenclature
Nomenclature PIGMA :
Issu d’une volonté locale, le référentiel de PIGMA est co-produit avec l’IGN. La méthodologie utilisée est de
la photo-interprétation assistée par ordinateur (PIAO) avec un travail sur différentes images comme la BD
Ortho à 40cm, couleur à 50cm et infrarouge ainsi que la BD Topo complétée par des données vectorielles sur
différents objets comme la vigne ou la thématique routière.
Dans notre recherche, les sites de l’habitat pelouse calcicole THOUI et CPUJO sont considéré d’après ce
référentiel en niveau 4 « Landes et broussailles » (Figure 1) :
Les unités minimales de cartographie et les échelles de travail

pour le thème « forêt et milieux semi-naturels » qui est la
généralisation du niveaux « landes et broussailles » sont :
- Unité minimale cartographique : 10 000m²

- Largeur minimale cartographique : 7.5m
- Echelle de trail : 1 : 8000
- Echelle de restitution : 1 : 25000
Figure 1 : occupation du sol d'après le référentiel aquitain

La résolution thématique de ce référentiel est souvent insuffisante pour les objectif de notre étude, dû à
l’échelle de travail e à la taille minimale de l’objet référencé, aboutissant à des agrégation parfois
malencontreuses (Figure 2) :
Figure 2 : cas d'agrégations (PIGMA, 2016)
Malgré ce constat une proposition de nomenclature de notre recherche basée sur ce référentiel est établie
(Tableau 1). Cette nomenclature est rattachée au niveau 4 du référentiel PIGMA puis propose différents
niveaux complémentaires en fonction de la résolution thématique souhaitée par l’étude et des possibilités de
résolution spatiale des images issues du drone.
Tableau 1: Nomenclature pour le traitement des images drones en fonction du référentiel aquitain
N4 PIGMA N5 Sentinelles N6 drone dégradé N7 drone + intérêt suivi espèce
Construction 1.2.1.8.1.1. blokhaus
1.2.1.8. Vacant urbain 1.2.1.8.1.
"anthropique" 1.2.1.8.1.2. autre
3.2.2.0.1.1 sol nu
3.2.2.0.1.2.1 plantes mellifères
3.2.2.0. Landes et broussailles 3.2.2.0.1. Pelouse calcicole 3.2.2.0.1.2 herbacée
3.2.2.0.1.2.2 plantes hotes ..
3.2.2.0.1.3 strate arbustive
3.3.1.2.1.1 sol nu
3.3.1.2.1.2.1 souches
3.3.1.2.1.2 abris naturel
3.3.1.2. Dunes 3.3.1.2.1. Dunes grises 3.3.1.2.1.2.2 pierriers
3.3.1.2.1.3 strate herbacée
Sol nu
3.3.2.0. Roches nues 3.3.2.0.1. 3.3.2.0.1.1. Sentiers et chemins
anthropique
Végétation
3.3.3.0. Végétation clairsemée 3.3.3.0.1. clairsemée 3.3.3.0.1.1. végétation piétinée
anthropique
4.1.1.1.1.1 sol nu
4.1.1.1.1.2 strate muscinale
4.1.1.1.1.4.1 mollinie
4.1.1.1. Végétation de ceinture des bords des eaux 4.1.1.1.1. landes humides 4.1.1.1.1.3 strate herbacée
4.1.1.1.1.4.2 fougères
4.1.1.1.1.5 arborée
5.1.2.1.1.1. zone en eau
5.1.2.1 plans d'eau naturels 5.1.2.1.1. lagunes 4.1.1.1.1.2.1 herbier flottant
5.1.2.1.1.2. végétation aquatique
..
- Le niveau 5 fait référence aux habitats définis par le programme sentinelles dont la résolution
thématique est supérieure à celles proposée aujourd’hui par PIGMA.
- Le niveau 6 s’inscrit dans la caractérisation végétale du niveau supérieur.
- Le niveau 7 tentera de discriminer des objets de très petites tailles intéressants pour l’étude des sites
au regard des indicateurs biologiques suivis dans ces espaces.
Les différents niveaux proposés ne s’organisent pas de manières cohérentes avec le référentiel aquitain d’après
ces quelques exemples :
- Le niveau 4 « roche nues » peut s’inscrire dans chaque habitat des sites sentinelles sans besoin de
distinctions supplémentaires ;
- Les lagunes sont situées bien souvent à l'intérieur des zones de "landes humides" et pour autant elles
sont classées différemment dans le référentiel aquitain, ou le plus souvent non référencées dû à l’unité
minimale utilisée ;
- Il semble délicat de discriminer la végétation clairsemée, de la strate herbacée d’une pelouse calcicole.
Ces quelques réflexions ont contribué à ne finalement pas utilisée le référentiel aquitain comme squelette de
nomenclature pour l’interprétation de nos images drone.
Annexe 11
Rapport de qualité de la mission de vol 3D sur THOUI (Pix4D mapper)
Annexe 12
Orthomosaïque issue du vol 3D du site CPUJO
Annexe 13
Test de discrimination d’une espèce floristique par l’inflorescence
Objectif : Est-on en capacité de reconnaître une espèce floristique particulière à partir des images prises par
drone ? exemple avec les inflorescences de Vicia sativa visibles sur l’ortho-image réalisé sur l’emprise du
quadrat du CBNSA
Image utilisée : site Coteaux de Pujols, vol à 30m de hauteur au point de décollage, résolution 0.80cm/pxl
Traitement réalisé : logiciel TerrSet, segmentation sur l’algorithme « Watershed ». Le logiciel réalise un
prétraitement automatique selon des paramètres modifiables (taille de la fenêtre de traitement, poids des
facteurs de variance et de moyenne). L’algorithme recherche les zones homogènes en fonction de ces
paramètres et les délimite.
L’enjeu est alors de trouver le bon paramétrage selon l’objectif fixé. Augmenter le poids de la moyenne permet
de « gommer » les micro-hétérogénéités (potentiellement les fleurs qui nous permettent de remarquer les
espèces floristiques intéressantes), l’inverse se passe lorsqu’on attribue plus de poids au facteur « variance ».
Résultats : le seuil de similarité à 25 semble être le plus adapté dans la reconnaissance de l’espèce floristique.
Cependant lorsque la segmentation est élargie à l’image entière les objets « inflorescences roses » se perdent
parmi le très grand nombre d’objets reconnus et il semble également difficile d’évaluer la validité du résultat
25 50 10
Tableau : Nombre d'objets sur les images segmentées pour l’orthomosaïque produite par le vol à 30m de
hauteur sur l’emprise élargie du quadrat du CBNSA du site CPUJO avec l’outil de segmentation « Watershed »
Nombre d’objets
Seuil de similarité
résultants
25 103403
50 9873
Figure 1 : Photo de Vicia sativa (©Y.Martin)
100 775
:
Annexe 14
Synthèse des paramètres de traitements avec l’Orfeo ToolBox
Segmentation radiométrique LSMS
MeanShiftSmoothing – paramétrage standard non modifié

Clé paramètre Paramètre Description
Spatial radius 5 Rayon du voisinage spatial pou le moyennage (des valeurs
plus élevées entraînent plus de lissage et un temps de
traitement plus long
Range radius 15 Seuil sur la distance euclidienne de la signature spectrale
(en unité de radiométrie) pour prendre en compte le pixel
de voisinage pour la moyenne (les valeurs élevées
préservent moins les contours et les valeurs faibles
entrainent moins de lissage du bruit.)
Mode convergence treeshold 0.1 Algorithme arrêté si la mise à jour de la signature spectrale
moyenne et de la position spatiale est inférieure à ce seuil
Maximum number of iterations 100 Nombre maximal d’itération avant l’arrêt de l’algorithme
Range radius ramp coeff. 0 (Expérimental)
Mode search. actif Convergence arrêtée si le pixel est déjà convergé
LSMS segmentation
Spatial radius 5 Rayon du voisinage spatial pour le moyennage (des valeurs
plus élevées entraînent plus de lissage et un temps de
traitement plus long
Range radius 15 Seuil sur la distance euclidienne de la signature spectrale
(en unité de radiométrie) pour prendre en compte le pixel
de voisinage pour la moyenne (les valeurs élevées
préservent moins les contours et les valeurs faibles
entrainent moins de lissage du bruit.)
Min. segment size 0 Un segment inférieur à une taille inférieure à ce critère ne
sera pas pris en compte
Size of tiles in pixel (X-axis) 256 Taille de la tuile sur l’axe x pour le traitement en mosaïque
Size of tiles in pixel (X-axis) 256 Taille de la tuile sur l’axe y pour le traitement en mosaïque
LSMS Small Region Merging (seuil 500)
Min. segment size 500 Un segment inférieur à une taille inférieure à ce critère ne
sera pas pris en compte
Size of tiles in pixel (X-axis) 500 Taille de la tuile sur l’axe x pour le traitement en mosaïque
Size of tiles in pixel (X-axis) 50 Taille de la tuile sur l’axe y pour le traitement en mosaïque
Classification OTB ave Random Forest
Train Images Classifier

Paramètre Description
Max. training sample size per 1000 Taille maximale par classe (en pixels) de la liste
class d’échantillon d’apprentissage (défaut =1000)
Max. validation sample size per 1000 Taille maximale par classe (en pixels) de la liste
class d’échantillons de validation (défaut=1000)
Bound sample number by min. 0 Limiter le nombre d’échantillons pour chaque classe au
nombre d’échantillons disponibles par la classe la plus
petite (défaut =1)
Training and validation sample 1 Rapport entre les échantillons d’apprentissage et de
ratio validation (0=ensemble de la formation, 1 = toutes les
valeurs)
Classifier to use for the training Rf Random Forest
Max. depth of the tree 10 L’algorithme d’apprentissage tente de scinder chaque nœud
lorsque sa profondeur est inférieure à la profondeur
maximale possible de l’arborescence
Min. number of samples in each 20 Si le nombre d’échantillons dans un nœud est inférieur à ce
node paramètre, le nœud ne sera pas divisé
Termination criterai for 1 Si toutes les différences absolues entre une valeur estimée
regression tree dans un nœud et les valeurs des échantillons de train dans
ce nœud sont inférieures à ce paramètre de précision de
régression, le nœud n’est plus divisé
Cluster possible valuez of a 20 Cluster des valeurs possibles d’une variable catégorielle
categorical variable K
Annexe 15
Test de segmentation avec la méthode Watershed sur le logiciel TerrSet
Plusieurs tests sont effectués avec différents paramétrages. Le logiciel TerrSet ne semble pas
pouvoir segmenter l’image lorsque celle-ci est à une résolution non dégradée (2,1cm/pxl). Un
premier test de la segmentation, basée sur l’algorithme Watershed, a donc été fait avec une
orthomosaique dégradée à 1m (Figure 1), puis à 50cm, puis 20cm (Figure 2), ainsi qu’en
ajustant les seuils de tolérance (25, 50, 75 jusque 100). La dernière résolution essayée est celle
de la mosaïque sortie par Pix4d avec le vol en 3D, à 8cm/pxl.
Figure 2: test à la résolution de 1m

Figure 1 : test à la résolution spatiale de 20cm
Parallèlement aux essais menés avec OrfeoToolBox, un flux de travail aboutissant à une
image segmentée et classée a été testé avec le logiciel TerrSet. Ce flux de travail est décrit par
la figure ci-dessous, ainsi que son résultat cartographique.
Dans le logiciel TerrSet, les zones d’entrainement ne peuvent pas être décrites dans un fichier
extérieur mais doivent être choisies parmi le résultat de la segmentation. Pour sélectionner des
zones d’entrainement similaires à celles utilisées avec OrfeoToolBox (encadrés noirs sur
l’image), ce sont les segments compris dans les zones identifiés qui ont été utilisés.
Le résultat du flux de traitement

mené avec TerrSet est le suivant :
MNH ORTHO
seg
Haralick LSMS
500
concaten
concaten
polygone
entrainement
niveau 2
polygones
entrainement
niveau 1 masque
classiﬁcation
thématique 1
classiﬁcation
thématique 2
seg
LSMS
10000
View publication stats
Structure de
l'habitat

TldtectionpardronepourlareconaissancedeshabitatsetdelavgtationduprogrammeSentinellesduClimat MarionPrevitali

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

TldtectionpardronepourlareconaissancedeshabitatsetdelavgtationduprogrammeSentinellesduClimat MarionPrevitali

Transféré par

Droits d'auteur :

Formats disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Télédétection par drone pour la reconnaissance des habitats et de la

Experiment Findings · September 2019

The user has requested enhancement of the downloaded file.

Parcours : « Innovation Territoriale et Expériment ation » (INTeX)

Étude de faisabilité pour la reconnaissance de la structure des habitats sur

Mémoire soutenu le 10 septembre 2019

Je tiens avant tout à remercier l’Union Européenne, la Région Nouvelle-Aquitaine, le Département de

1. INSCRIPTION DE L’ETUDE DE STAGE DANS UN A. Processus de traitement ............................ 47

PROGRAMME SCIENTIFIQUE ............................................... 5

A. Le programme « Les Sentinelles du Climat » 5 50

B. Identification des besoins .......................... 10 3. PROCEDURE EN TELEDETECTION ............................. 54

2. POTENTIALITES DU DRONE DANS UN USAGE EN A. Calcul du modèle numérique de hauteur ... 55

A. Composition et fonctionnement ................ 12 C. Classification orientée objet ...................... 60

B. Emploi du drone dans la recherche 4. RESULTATS : DES IMAGES AUX INTERPRETATIONS

dans l’utilisation d’un drone pour l’usage B. Emprise de l’habitat et environnement

cartographique .................................................... 20 proche ................................................................. 64

3. TRADUCTION DANS LES INTENTIONNALITES DE LA C. Structure de l’habitat................................. 69

RECHERCHE .................................................................. 24 IV. DISCUSSION ......................................................71

1. OBTENTION DU CAPACITAIRE ................................. 26 B. De l’utilisation d’un drone ......................... 72

A. Devenir télépilote professionnel agréé ...... 27 C. Autour de la méthode ................................ 74

B. Devenir exploitant de drone à usage 2. APPORTS ET CRITIQUES DE LA TRES HAUTE RESOLUTION

C. Acquérir le matériel ................................... 32 A. Conséquences induites .............................. 75

A. Cadre réglementaire .................................. 33 C. Traduction pour le programme scientifique

B. Démarches de pré-vol ................................ 35 78

C. Déroulement de la mission ........................ 39 CONCLUSION .............................................................79

B. Opérations de vols sur les sites

« Une simple image, si elle est nouvelle, ouvre le monde. »

Ouverture sur la télédétection :

Les méthodes d’extractions de l’information géographique sont nombreuses. La télédétection spatiale

Le spectre électromagnétique représente la répartition des ondes électromagnétiques en fonction de

- Le domaine du visible (VIS) de 0,4 à 0,7 µm

Les multiples possibilités que semblent offrir ce

1. Immersion dans la mission de stage

L’ambition de la recherche présentée est l’établissement de l’état « 0 » de la structure des habitats

Figure 2 : Schéma des étapes de la méthode générale appliquée

I. Contextualisation de la démarche de recherche

1. Inscription de l’étude de stage dans un programme scientifique

A. Le programme « Les Sentinelles du Climat »

L’association CISTUDE Nature, porte et coordonne le programme de recherche scientifique « les

Régional de la Nouvelle-Aquitaine, mais également par un financement de l’Union Européenne via le

Figure 3 : diagramme des partenaires du programme scientifique « les sentinelles du climat »

Partant de cette hypothèse, plusieurs données sont :

Figure 4 : carte des sites d’études du programme Sentinelles du Climat

- La standardisation des protocoles de suivis ; des protocoles reconnus souvent au niveau

B. Identification des besoins

Visée 5 : Consolider les protocoles de terrain par l’observation objective et la généralisation de

Les bases de données existantes à ce jour, couvrant l’échelon régional de la Nouvelle-Aquitaine et

- Une résolution adaptée aux dimensions des sites d’études ;

Figure 5 : Schéma de l’objectif de définition d’emprise des sites d’études.

2. Potentialités du drone dans un usage en télédétection

a) Les différents types de drones

- Les drones multirotors, appelés également octocoptère, sont munis

b) Fonctionnement mécanique général

L’aéronef multirotor possède trois axes de navigations ; le roulis,

Ces données enregistrées pendant le vol sont déterminantes pour la

c) Positionnement dans l’espace

- Le segment spatial : l’ensemble des satellites permettant une couverture mondiale

e) Charge utile de l’aéronef

Les drones volent à basse altitude, la résolution des

par le rectangle en pointillé projeté au sol, est

B. Emploi du drone dans la recherche environnementale

a) Identification des espèces végétales cibles