458 Fadil et al.

: Technologie drone en foresterie

Opportunités d’utilisation de la technologie drone au niveau des

écosystèmes forestiers
S. FADIL1, I. SEBARI1, M. BOUHALOUA2, K. AIT EL KADI1
(Reçu le 20/05/2020; Accepté le 31/05/2020)
Résumé
Au cours de la dernière décennie, la technologie drone a suscité un grand intérêt et a été largement utilisée pour des applications
civiles. Ainsi, les drones ont rapidement prouvé leurs efficiences dans les ressources naturelles, l’environnement, l’agriculture et
la foresterie. Étant une plate-forme de télédétection, les drones ont le potentiel d'augmenter l'efficacité d'acquisition des données
forestières en ayant des résolutions spatiale et temporelle beaucoup plus importantes que celles des autres techniques de télédé-
tection. Dans cet article, nous présentons une synthèse des travaux de recherche portant sur l’utilisation de la technologie drone
dans diverses applications forestières, dont la modélisation de la canopée forestière, l’évaluation des paramètres de l’inventaire
forestier, le suivi de la santé des forêts et la discrimination des essences forestières. L’analyse de ces travaux a montré que l’utili-
sation de la technologie drone a concerné plusieurs aspects diversifiés, tandis que d’autres thématiques de recherche sont encore
peu étudiées, notamment l’évaluation de la régénération naturelle, le suivi des projets de réhabilitation des écosystèmes naturels,
l’étude des impacts des changements climatiques et des impacts anthropogènes sur un écosystème forestier. Le drone offre des
opportunités d’utilisation de la technologie drone dans la gestion du domaine forestier Marocain, afin de remédier aux limites des
techniques de télédétection utilisées actuellement en termes de résolution spatiale, de flexibilité du choix du temps d’acquisition
des données et en terme du coût.
Mots clés: Drone, Écosystème forestier, Inventaire forestier, Modélisation de la canopée forestière, Photogrammétrie, Lidar

Opportunities for the use of drone technology in forest ecosystems

Abstract
Over the past decade, UAV technology has attracted a great deal of interest and has been widely used for civilian applications. UAVs
have rapidly proven their efficiency in natural resources, the environment, agriculture and forestry. As a remote sensing platform,
UAVs have the potential to increase the efficiency of forest data acquisition, having much higher spatial and temporal resolutions
than other remote sensing techniques. In this paper, we present a synthesis of research on the use of UAV technology in various
forestry applications, such as forest canopy modelling, forest inventory parameter assessment, forest health monitoring and forest
species discrimination. The analysis of this research has shown that the use of UAV technology has concerned several diversified
aspects, while other research themes are less studied, notably the assessment of natural regeneration, the monitoring of natural
ecosystem rehabilitation projects, the study of climate and anthropogenic change impacts forest ecosystems. UAV technology is
an opportunities for management of the Moroccan forest ecosystem, in order to overcome the limitations of the remote sensing
techniques currently used, in terms of spatial resolution, flexibility in the choice of data acquisition time and in terms of cost.
Keywords: UAV, Forest ecosystem, Forest inventory, Forest canopy modelling, Photogrammetry, Lidar

INTRODUCTION les bonnes pratiques de prise de décision. Ceci parce que la

forêt constitue un écosystème à long terme (par opposition
Depuis toujours, l’Homme a interagit avec son environne-
aux terres agricoles par exemple) qui dépasse généralement
ment, en façonnant les écosystèmes afin de répondre à ses
la durée de vie humaine. En d’autre terme, pour une bonne
besoins. En effet, les écosystèmes forestiers procurent de
prise de décision, il est nécessaire de connaître en détail
nombreux biens et services, notamment par la production
à la fois l’état récent des écosystèmes forestiers et leurs
de bois, l’accueil du public, la protection de la biodiver-
développement futur sans intervention humaine ou avec
sité et la séquestration du carbone. Toutefois, les forêts
des interventions de gestion planifiés (Kaya et al., 2016).
à travers le monde sont touchées par les changements
globaux, comme le changement climatique (GIEC, 2013), La foresterie a été parmi les premiers domaines, après la
qui affectent la croissance des forêts et la concurrence. Le géographie et la géologie, à utiliser de manière impor-
défi rencontré par le gestionnaire est d’assurer une gestion tante et récurrente les techniques de télédétection dans les
intégrée et durable de ces écosystèmes. Pour faire face à ses démarches d’inventaire et de cartographie de la ressource
attentes antagonistes, les gestionnaires forestiers doivent (Gupta et al., 2010). Ces techniques de télédétection, ter-
disposer d’informations exhaustives, précises, géo-locali- restres, satellitaires et aéroportées, offrent la possibilité au
sées et à jour et peu coûteuses. gestionnaire d’appréhender de larges surfaces et d’y mener
à bien un aménagement sur le long terme (Lisein, 2016).
En effet, les activités de gestion forestière suivent un
processus rationnel complexe qui consiste en trois mail- Il existe trois plateformes de capteurs importants, qui
lons de chaîne consécutifs, appelés «three Ds», Données, correspondent typiquement à trois niveaux de détails de
Dynamique et Décisions (Surový and Kuželka, 2019a). Les données acquises (Surový and Kuželka, 2019): (1) les
gestionnaires prennent des décisions, mais aucune décision satellites fournissant des données sur une grande étendue
raisonnable ne peut être prise sans être fondée sur des don- spatiale et avec une résolution grossière, (2) les avions four-
nées récentes. Dans le domaine de la sylviculture et la ges- nissant des données à mi-distance par rapport aux drones
tion de la nature, le deuxième maillon est aussi crucial pour et aux satellites, (3) les drones représentant une très haute
1
Département de Cartographie, Photogrammétrie, Institut Agronomique et Vétérinaire Hassan II, Rabat, Maroc
2
Département des Ressources Naturelles et Environnement, Institut Agronomique et Vétérinaire Hassan II, Rabat, Maroc
©
Revue Marocaine des Sciences Agronomiques et Vétérinaires • p-ISSN: 2028-991X www.agrimaroc.org
 Rev. Mar. Sci. Agron. Vét. (2020) 8(4): 458-464 459

résolution des données sur une étendue spatiale locale. Ces pour une utilisation à long terme, certaines organisations
derniers ont prouvé rapidement leurs efficacités et leurs américaines et britanniques ont décidé d’employer plutôt
intérêts dans plusieurs domaines, et notamment dans la l’acronyme UAS (Unmanned Air System / Aircraft), ce qui
foresterie et l’environnement. Néanmoins, leur efficience signifie système d’aéronef sans humain à bord ». L’Auto-
est strictement liée au type de capteurs utilisé. rité de l’aviation civile du Royaume-Uni (CAA) fournit
Parallèlement avec le développement des capteurs, des une définition complète et l’explication de ce choix: Les
ordinateurs et des techniques de calculs, l’applicabilité de termes Unmanned Aircraft (UA) ou RPA (de Remotelly
la télédétection en foresterie a évolué des données de pho- Piloted Aircraft pour avion piloté à distance) sont utilisés
tographie aérienne (Lyons, 1966) aux données d’imagerie pour décrire l’avion lui-même, alors que le terme système
satellitaires (Asner, 2005); ce qui a permis de calculer des UAS (de Unmanned Aircraft System pour aéronef non
indices forestiers et d’estimer le volume et la biomasse (Lu, habité) est généralement utilisé pour décrire l’équipement
2006). Des programmes satellites comme Landsat, qui est d’exploitation complet, y compris l’avion, le poste de
l’un des programmes les plus utilisés dans le monde est commande avec lequel l’aéronef est piloté et la liaison de
couramment utilisé en foresterie ainsi que le Sentinel 2, données sans fil.
utilisé plus récemment, avec une fréquence de revisite plus RPAS: «L’Organisation de l’Aviation Civile Interna-
élevée, des largeurs de bande plus étroites et une résolution tionale (OACI) utilise l’acronyme RPAS (de l’anglais
plus fine (Hojas-Gascon et al., 2015). Néanmoins, leur Remotely Piloted Aircraft System ou système d’avion
utilisation ne convient pas aux applications nécessitant une piloté à distance) («Drone», 2020) et définit ces aéronefs
résolution plus importante, comme les arbres individuels comme “étant le fruit de développements de pointe dans
ou mêmes les feuilles, ou celles nécessitant une très courte le domaine de la technologie aérospatiale, les RPAS
période de revisite de zone. offrent d’immenses possibilités de progrès car ils ouvrent
Par conséquent, l’applicabilité et l’efficacité des drones des nouvelles pistes pour des applications civiles et com-
ont un grand potentiel pour combler les limites des autres merciales tout comme ils apportent des améliorations à la
types de données. En effet, depuis 1990 les chercheurs ont sécurité et l’efficacité de l’ensemble de l’aviation civile”.
exploré le potentiel des différents types de drones et de cap- La désignation RPAS (Remotely Piloted Aircraft System)
teurs dans la surveillance de la surface de la terre (Nowak et semble aussi avoir la préférence des agences de l’aviation
al., 2019). Les applications se développent dans différents civile internationales comme Eurocontrol, l’Agence Euro-
domaines et leur utilisation en foresterie augmente égale- péenne de la Sécurité Aérienne (AESA), l’Organisation
ment, conduisant éventuellement à une utilisation régulière Internationale de l’Aviation Civile (OACI), l’Autorité de
à des fins de surveillance à petite échelle et exploitant les sûreté de l’aviation civile (CASA-Australie), l’Autorité
avancements importants en terme de capteurs embarqués de l’aviation civile (CAA-Nouvelle-Zélande) et BeUAS
et des approches méthodologiques développées (Matese, (l’Association belge de l’aviation télépilotée)».
2020; Torresan et al., 2017). Classification des drones
Cet article traite de l’apport de l’utilisation de la techno-
logie drone en foresterie. Une première section est réser- Les drones peuvent être classés en fonction de critères
vée à la présentation de cette technologie en termes de multiples. Deux catégories peuvent être distinguées selon
terminologie, de classification, de capteurs embarqués et la plateforme utilisée: à voilure fixe et à voilure rotative.
de méthodes de traitements des données. Par la suite, une Une autre caractéristique importante des drones est leur
revue des applications potentielles de la télédétection par taille, qui détermine grandement leur portée et la charge
drone dans la recherche forestière. Les opportunités d’uti- utile qu’ils peuvent transporter (Nowak et al., 2019). Ainsi,
lisation du drone dans la recherche forestière et la gestion il existe aussi une autre classification sur la base de leur
du domaine forestier Marocain sont présentées. masse. Ils peuvent alors avoir les dénominations suivantes:
(1) MAV, de l’anglais Micro Air Vehicle, pour des tous
petits engins pesant moins d’un gramme; (2) sUAS, acro-
TECHNOLOGIE DRONE nyme de small Unmanned Aircraft System, employé pour
Terminologie des drones dont la masse est sous les 25 Kg; et (3) UAV
utilisé pour les aéronefs sans pilote dont le poids dépasse
Les drones sont connus sous le nom aéronefs sans pilote les 25 Kg.
ou systèmes aériens sans pilote («Drone», 2020). D’autres
termes sont employés pour désigner ces systèmes. En effet, Capteurs embarqués
les fabricants, les organismes publics, les opérateurs et les Différents capteurs sont susceptibles d’être embarqués
associations du domaine de l’aéronautique et des drones, sur un drone. Habituellement, il y a la caméra visuelle qui
utilisent tous des termes spécifiques comportant de légères capte des images en couleurs naturelles des parties sur-
différences au niveau de leurs définitions. Nous donnons volées. Mais d’autres capteurs peuvent être utilisés et qui
dans ce qui suit quelques appellations: permettent d’acquérir des données différentes voire com-
UAV: « acronyme des termes en anglais Unmanned Aerial plémentaires (Matese, 2020). En effet, Colomina et Molina
Vehicle, véhicule aérien sans pilote, il est le terme le plus (2014) ont discuté les différents capteurs compatibles avec
fréquemment employé en anglais pour définir un objet les exigences de la charge utile des micros et mini UAV.
volant utilisé pour des applications civiles dans un cadre Ils ont différencié les systèmes à bande visible, proche
amateur ou professionnel » . infrarouge (NIR), multispectral, hyperspectral, thermique,
UAS: «Malgré l’entente internationale globale sur à balayage laser (Lidar) et radar à ouverture synthétique
l’acronyme RPAS (Remotely Piloted Aircraft System) (SAR). Leur examen a révélé que les caméras visuelles
haute résolution étaient le capteur dominant le plus utilisé.
460 Fadil et al.: Technologie drone en foresterie

Méthodes de traitement des données ont utilisé un drone, GatewingX100 1. Les images ont été
Une révolution dans les techniques de traitement de don- traitées avec les approches «Structure from Motion» et un
nées drone est la technique Structure From Motion (SFM), modèle de surface de canopée de peuplements de feuillus
qui permet une reconstruction entièrement automatique de a été généré. Par la suite, ce modèle a été combiné avec un
scènes 3D et de nuages de points photogrammétries à partir modèle numérique de terrain Lidar pour obtenir un modèle
d’images à recouvrement (Surový and Kuželka, 2019). Ce de Hauteur de peuplement et pour en déduire la hauteur
qui permet de fournir des orthoimages drone de très haute dominante du peuplement. Ces résultats confirment la
résolution et de grande précision. faisabilité de modéliser l’évolution de la hauteur des peu-
plements forestiers depuis une série temporelle d’images
Des avancées importantes ont été réalisées dans le domaine drone. Les résultats obtenus sont satisfaisants et semblables
de traitement de l’image, permettant ainsi une analyse auto- à ceux obtenus avec un équipement LiDAR plus coûteux.
matique (non supervisée) ou semi-automatique (supervi-
sée) des données à grand échelle (Surový and Kuželka, Moe et al., (2020) ont étudié la hauteur individuelle de
2019). Avec les images et orthoimages drone, les méthodes certaines essences de bois de grande valeur telles que le
probablement les plus utilisées sont des méthodes statis- bouleau monarque (Betula maximowicziana), le ricin aralia
tiques modernes, à savoir Random Forest, Support Vector (Kalopanax septemlobus) et le chêne japonais (Quercus
Machine et dernièrement les réseaux neuronaux convolu- crispula) dans le nord du Japon. Ils ont comparé la hauteur
tifs (Yao et al., 2019). individuelle des arbres à partir de trois sources différentes
de données: des relevés conventionnels sur le terrain (1),
des photographies aériennes numériques dérivées des
APPLICATIONS DU DRONE DANS LE données des véhicules aériens sans pilote (UAV-DAP) (2)
DOMAINE FORESTIER et des données de détection et de télémétrie de la lumière
(LiDAR) (3). Les auteurs ont confirmé l’applicabilité des
Les utilisations des drones dans l’étude du domaine
données UAV-DAP pour obtenir la hauteur individuelle des
forestier sont multiples et diversifiés. Nous présentons
arbres des espèces de feuillus de grande taille et de grande
dans cette section quelques études qui se sont intéressées
valeur avec une précision comparable à celle des données
principalement à la modélisation de la canopée forestière et
obtenus par LiDAR et au niveau du terrain.
détermination de la hauteur, à l’évaluation des paramètres
de l’inventaire forestier, à la détection et reconstitution Évaluation des paramètres de l’inventaire forestier
d’arbres individuels, à la surveillance de la santé des forêts,
Pour l’estimation des paramètres dendrométriques, Puliti
à la discrimination des essences forestières, aux forêts de
et al., (2015) ont utilisé des variables trois dimensions
précision et gestion de la planification forestière durable, au
qui découlent de l’imagerie drone en combinaison avec
suivi des projets de restauration des écosystèmes forestiers
des données de référence au sol pour ajuster des modèles
et à la cartographie des clairières. Nous présentons à la
linéaires de hauteur moyenne de Lorey, hauteur dominante,
fin de cette section le tableau 1 dans lequel nous synthéti-
nombre de tiges, surface terrière, et estimation du volume
sons les travaux de recherche étudiés dans cet article, par
de la tige de peuplements dans une forêt boréale du sud-est
domaine d’application forestière, type de drone utilisé et
de la Norvège. Ces chercheurs ont utilisé un drone à ailes
type de capteur embarqué.
fixes eBee (senseFly Ltd., Suisse) équipé d’une caméra
Modélisation de la canopée forestière et détermina- S110 captant dans le visible et le proche infrarouge (PIR),
tion de la hauteur pour parcourir 38 parcelles d’échantillonnage circulaires
de 400 m2, dans une forêt au niveau de la Norvège. Les
La hauteur du couvert forestier est un paramètre précieux résultats ont révélé que l’utilisation de l’imagerie UAS
en foresterie et est normalement déterminée par des me- peut fournir des informations d’inventaire forestier relati-
sures sur le terrain. Plusieurs études se sont intéressées à vement précises et opportunes à l’échelle locale.
la détermination des hauteurs des arbres par drone. Zarco- Chianucci et al., (2016) ont testé dans des peuplements
Tejada et al. (2014), ont effectué en Espagne une étude de hêtres purs si la photographie numérique aérienne
portant sur une zone forestière de 158 ha et ayant pour drone en couleurs réelles peut être utilisée pour estimer
objectif la détermination de la hauteur des arbres dans une les paramètres du couvert forestier. Pour se faire, ils ont
canopée discontinue en utilisant la solution drone. Ils ont utilisé un drone eBee à voilure fixe (~700 g) d›une durée
utilisé un drone à ailes fixes avec un système de caméra de vol maximale de ~50 min, équipé d›un appareil photo
qui a permis d’acquérir des images avec 5 cm/pixel. Ils numérique RVB standard, pour voler à une altitude de 170
ont généré une ortho-mosaïque et des modèles numériques m et acquérir des images avec une résolution de ~7,5 cm
de surface (DSM) de la zone par le biais de méthodes de par pixel. Les résultats montrent qu’en utilisant un drone,
reconstruction automatique en 3D. Ces chercheurs ont les estimations des paramètres du couvert forestier sont
obtenu comme résultats des mesures précises de la hauteur intéressantes, rapides et utiles.
de la canopée en les comparants avec les déterminations
classiques sur terrain. Puliti et al., (2020) ont comparés plusieurs sources de
données, provenant de drone (UAV) et de balayage laser
Dans une approche combinée, caméra et lidar (Lisein aéroporté (ALS) pour la déduction des paramètres bio-
et al., 2014) ont utilisé les données de photogrammétrie physique clés dans les petites propriétés forestières (5 à
et Lidar pour modéliser la surface du couvert forestier à 300 ha). Les quatre types de données utilisés sont comme
partir d’images aériennes à basse altitude. La zone d’étude suit: des variables indépendantes du terrain à partir de
est un massif forestier qui s’étend sur 200 ha, située dans données photogrammétriques de drones (UAV-SfM) (1),
la commune de Felenne en Belgique, à cheval sur les des variables obtenues à partir de données photogrammé-
lieux-dits petit Houdron et les Rolisses. Pour ce faire, ils
 Rev. Mar. Sci. Agron. Vét. (2020) 8(4): 458-464 461

triques de drones normalisées à l’aide de données de terrain des données de facteur de réflectance bidirectionnelles ont
externes (UAV-SfMDTM) (2), drone laser scanne (3) et été produites. Ainsi, des arbres individuels ont été détectés
données ALS (4). Les auteurs ont concluent que l’utilisa- au niveau du modèle de hauteur de canopée (MHC) et leurs
tion de données de drones peut augmenter la précision des caractéristiques spectrales ont été extraites à partir des
estimations au niveau des tiges, même dans des conditions mosaïques d’images spectrales. Les auteurs ont obtenus
d’échantillonnage intensif sur le terrain. une précision de 76%, lorsque les arbres sont classés ont
trois classes (arbres sains, arbres infectés et arbres morts)
Détection et Reconstitution d’arbres individuels et une précision de 90% lorsque les arbres sont classés ont
En Allemagne, Fritz et al., (2013) ont utilisé un octocop- deux classes (arbres sains et arbres morts).
tère, équipé d'une caméra VIS-RGB Lumix G3 (Panasonic
Discrimination des essences forestières
Ltd.) pour détecter et reconstruire automatiquement des
arbres individuels sur une zone cible de 120 × 75 (m2), dans Lisein et al., (2016) ont utilisé une série temporelle de 20
une vieille forêt dominée par des chênes (Quercus robur). ortho-photomosaïques générées à partir d’images drone
Ces chercheurs ont pris plus de 1000 images avec un angle (Gatewing X100), pour déterminer les dates optimales
d’inclinaison de 45 ° et à une hauteur de 55 m au-dessus pour discriminer cinq essences feuillues (Erable, Peuplier,
du sol. La collecte des données a eu lieu à l’état de feuille Frêne, Chêne indigène et le Bouleau). Leurs résultats
morte en avril 2013. Après analyse et traitement des don- montrent que les vols les plus efficaces dans la différen-
nées, les résultats ont été comparés à un nuage de points ciation de ces essences forestières sont ceux effectuées en
du scanner laser terrestre (TLS) de la même zone drones. début et fin printemps, toutefois l’ajout d’acquisitions en
Actuellement, la technologie LiDAR devient beaucoup automne améliore la discrimination d’espèces.
plus accessible et représente une nouvelle solution pour Dans le cadre du projet FoGLIE (Fruition of Goods and
la caractérisation des peuplements forestiers, notamment Landscape in Interactive Environment). Gini et al., (2014),
grâce au fait qu’elle peut être montée sur des drones. Dans ont étudié un parc au nord de l’Italie, ils ont utilisé des
ce sens, Wallace et al., (2014) ont utilisé des données images très haute résolution, prises avec deux caméras
LiDAR haute résolution capturées à partir d’un drone compactes drone (RGB et NIR). Un modèle numérique de
multirotor pour la détection et de la délimitation des arbres surface a été généré ainsi que les ortho-images correspon-
au niveau d’un peuplement d’Eucalyptus globulus âgé de dantes, par la suite ils ont utilisé la classification supervisé
quatre ans. Ils se sont intéressés à déterminer l’influence et non supervisé pour faire la distinction entre différentes
de l’algorithme de détection et celle de la densité de points espèces d’arbustes et d’arbres. Les résultats de cette étude
sur la précision de la détection. Les résultats suggèrent que montrent que la précision globale pour la classification non
les deux paramètres sont tous les deux importants dans la supervisée est d’environ 50% tandis que la classification
précision de la détection et de la délimitation des arbres supervisée donne une précision d’environ 80%.
individuels.
Forêts de précision
Surveillance de la santé des forêts et cartographie
des maladies forestières Des paramètres tels que le couvert forestier, le nombre
d’arbres, l’estimation du volume, la vitalité ou la composi-
Le potentiel des drones pour la détection des niveaux d’in- tion des peuplements sont des paramètres importants pour
festation (Agrilus biguttatus) dans de petits peuplements de la planification forestière et la gestion durable des forêts.
forêts de chênes a été l’objet du travail de Lehmann et al., Le drone économise le temps d’estimation du volume et
(2015). Les auteurs ont utilisé un quadcoptère équipé d’une donne une précision acceptable, notamment dans l’étude
caméra CIR numérique (Canon IXUS 100 équipé d’un de Mokroš et al., (2016), qui ont utilisé un quadricoptère
capteur infrarouge) pour acquérir des images à très haute à faible coût commercial (DJI Phantom 3 Professional)
résolution spatiale (~ 2 cm/pixel). Leurs résultats, basés pour voler à environ 20 mètres d’altitude afin d’estimer le
sur cinq classes (Healthy, Infested, Dead, Other Vegetation volume de la pile de copeaux de bois. Après avoir com-
Canopy Gaps), avaient une précision globale de plus de paré les résultats avec le volume obtenu par relevé GNSS
82,5% avec un gain de temps et en coût estimés de plus de (Système mondial de navigation par satellite), les auteurs
50% pour les peuplements de taille petite à moyenne par ont conclu que l’utilisation des drones n’entraînait pas de
rapport au processus de détection traditionnel. résultats sensiblement différents (10,4% de plus de volume
Dans le Sud de la Finlande et plus exactement au niveau estimé par la méthode du drone) et le temps nécessaire pour
d’une forêt urbaine, Näsi et al., (2015), ont étudié le collecter des données est significativement plus faible (12
potentiel d’utilisation de la photogrammétrie et de l’ima- à 20 fois moins) avec l’avantage de la documentation par
gerie hyperspectrale à base de drone pour cartographier l’ortho-mosaïque.
les dommages causés par les scolytes (Ips typographus). Hassaan et al., (2016) ont utilisé un quadricoptère commer-
Ces chercheurs ont travaillé sur neuf parcelles échantil- cial (DJI Phantom 2) avec un temps de vol maximal de ~ 20
lons, de forme circulaires et ayant un diamètre de 10 m. min pour compter les arbres dans les zones urbaines et ont
Ces parcelles ont été géo-référencées et les arbres ont été réussi à identifier les arbres avec une précision de 72%. De
localisés en mesurant la distance et l’azimut par apport même, Wallace et al., (2014) ont détecté le nombre d’arbres
au centre des parcelles. Les paramètres dendrométriques à l’aide de capteurs LiDAR (détection de la lumière et
(DBH: Diamètre à hauteur de poitrine et la hauteur des télémétrie) montés sur un drone.
arbres) ont été mesurés et les symptômes des arbres ont été
enregistrés. Un modèle numérique de surface (DSM) est Sur un territoire d’étude au niveau de la Colombie-Britan-
généré à l’aide des méthodes d’appariement denses. Après nique, Goodbody et al., (2017) ont effectué une recherche
certain ajustements des mosaïques d’images spectrales et impliquant les drones pour mettre à jour un inventaire
forestier amélioré. En effet, ils ont utilisé des nuages de
462 Fadil et al.: Technologie drone en foresterie

points obtenus d’une part par lidar aéroporté en 2013 et Drone, une Technologie prometteuse pour le
par photogrammétrie à l’aide d’un drone en 2015 pour domaine forestier Marocain
estimer l’accroissement en hauteur et en volume sur des
arbres choisis (246 arbres). Les auteurs ont conclus que les L’analyse approfondie des travaux de recherche anté-
nuages de points obtenus sur drone (UAS-DAP) peuvent rieurs sur les drones, a révélé qu’au niveau des pays de
donner une précision temporelle et spatiale plus importante l’Afrique du Nord et particulièrement au Maroc, l’usage
lors des inventaires améliorés et constitueraient une source de cette technologie dans la gestion du patrimoine naturel
d’information valable pour certaines activités d’aménage- en général et du patrimoine forestier en particulier est rare
ment forestier durable. et insuffisant, compte tenu des avantages incomparables
qu’elle procure.
Avec une utilisation conjointe avec l’imagerie satellitaire,
Thibaut et al., (2019) ont caractérisé la structure forestière En effet, les drones permettent une acquisition rapide et peu
d’un miombo en périphérie de la ville de Lubumbashi couteuse des données, avec une résolution temporelle et
(RDC) à l’aide d’imageries drone et satellitaires. Ils ont spatiale plus importante et variant selon le type de capteur
conclu que l’identification des arbres individuels par utilisé. Nous présentons ci-dessous, quelques propositions
imagerie drone est jugée satisfaisante à plus de 70% de d’applications des drones dans la gestion du domaine
même que les hauteurs extraites du Modèle Numérique de forestier Marocain.
Hauteur avec une erreur de l’ordre de 11%. Ils ont mis en Inventaire Forestier National
évidence un modèle d’estimation de la biomasse aérienne
au départ du volume sous le Modèle Numérique de Hau- Grâce à sa position géographique privilégiée, entre la Mé-
teur Volha et du coefficient de variation de la hauteur Hcv diterranée au nord, l’océan Atlantique à l’ouest et le Sahara
(variables surfaciques extraites du Modèle Numérique de au sud, et grâce à l’importance des chaînes de montagnes,
Hauteur). dont certaines dépassent quatre mille mètres d’altitude, le
Maroc présente une grande diversité bioécologique et une
Suivi des projets de restauration des écosystèmes gamme très importante de milieux naturels différents.
forestiers Pour avoir une connaissance complète et homogène sur
l’état du patrimoine forestier, le premier Inventaire Fores-
Almeida et al., (2019) ont exploré le potentiel d’un sys-
tier National (IFN), réalisé entre 1990-2005, a permis
tème lidar transporté par drone pour évaluer les résultats
de disposer d’une base de données cartographiques et
d’une expérience de plantation de restauration avec 20
numériques fiables et importantes sur la répartition géo-
espèces indigènes. L’expérience a été établie dans la forêt
graphique, la consistance et l’état général des ressources
atlantique du Brésil et les résultats ont démontrés que les
forestières (HCEFLCD, 2018).
systèmes lidar transportés par drones ont montré un énorme
potentiel pour le suivi de projets de restauration forestière L’une des caractéristiques des écosystèmes forestiers
à grande échelle (des milliers d’hectares), fournissant un marocains c’est qu’ils évoluent rapidement à cause des
outil important pour aider à la prise de décision et à la contraintes d’ordre écologique, social et économique qui
responsabilité dans la restauration des paysages forestiers. entraînent différentes formes de dégradation (Bijaber et
Ahlafi, 2005). Par conséquent, la révision de l’Inventaire
Cartographie des clairières Forestier Nationale est primordiale pour une connaissance
exacte et précise de l’état actuel du patrimoine forestier.
La présence de clairières dans le domaine forestier peut L’utilisation des images satellitaires à cette fin (comme
refléter le niveau de dégradation de ce dernier ainsi que LANDSAT TM et SPOT XS) est important surtout pour
l’importance des pressions anthropiques et naturelles qui de grandes étendues. Toutefois, elle reste insuffisante à
lui sont exercés. D’où l’importance de leurs cartographie. cause de leurs résolutions moyennes et leurs coûts élevés.
Toutefois, les petites clairières avant, ne pouvaient pas être Cela implique l’utilisation des techniques innovantes pour
mesurés avec précision à l’aide de données satellitaires remédier aux limites des techniques classiques d’acquisi-
(Frolking et al., 2009), mais il est désormais possible à l’aide tion de données en termes de coût, de temps et de précision.
de la télédétection par drone (Banu et al., 2016).
D’où l’intérêt de l’usage des drones, indépendamment des
En Allemagne, Getzin et al., (2012) ont effectué des vols types de capteurs, cette technologie contribuera efficace-
de drones dans des forêts mixtes de conifères à feuilles ment dans la révision de l’Inventaire Nationale Forestier,
caduques et à prédominance de hêtres, obtenant ainsi des au Maroc ainsi que dans d’autres pays Africains (Berie
images d’une résolution de 7 cm permettant d’identifier and Burud, 2018).
avec précision les trous dans la canopée d’une taille maxi-
male de 1 m². Les vols ont eu lieu à une altitude de 250 m Aménagement des Forêts
avec un drone pesant environ 6 kg et ayant des temps de
Une gestion durable des ressources forestières n’est conce-
vol allant jusqu’à 60 minutes. Après traitement des images
vable que si l’exploitation du capital productif veille à
obtenues, une corrélation significative entre les paramètres
conserver intactes les fonctions socio-écologiques. Ainsi,
de clairière mesurés et les indicateurs de biodiversité a été
les études d’Aménagement menées par le département des
trouvée. L’étude Suggère que l’utilisation de drones et de
Eaux et Forêts, constituent la clef de voûte d’une gestion
leurs images haute résolution peut mesurer avec précision
parcimonieuse des forêts. Il se veut un outil essentiel de
les paramètres de vide dans la canopée, qui pourraient en
gestion non seulement pour l’exploitation forestière mais
réalité constituer de précieux indicateurs de la biodiversité.
aussi, et surtout, pour la politique des investissements et la
planification sectorielle (HCEFLCD, 2018).
 Rev. Mar. Sci. Agron. Vét. (2020) 8(4): 458-464 463

Au niveau du Maroc, la majorité des forêts sont aménagées, RÉFÉRENCES

c’est-à-dire possèdent une planification dans le temps et Almeida, D. R. A., Broadbent, E. N., Zambrano, A. M. A., Wilkin-
dans l’espace sur une durée approximative de 24 ans. Ces son, B. E., Ferreira, M. E., Chazdon, R., Meli, P., Gorgens, E. B.,
études d’aménagement sont la base d’une gestion ration- Silva, C. A., Stark, S. C., Valbuena, R., Papa, D. A., Brancalion,
nelle du domaine forestier et se réalisent par des bureaux P. H. S. (2019). Monitoring the structure of forest restoration
d’études spécialistes dans ce domaine. Toutefois, leurs plantations with a drone-lidar system. International Journal of
réalisations demandent beaucoup de temps et de ressources Applied Earth Observation and Geoinformation, 79: 192-198.
humaines (pour la réalisation des inventaires, construction Asner, G. P. (2005). Selective Logging in the Brazilian Amazon.
de tarifs de cubage, étude phytoécologique, etc.) mais avec Science, 310: 480-482.
une précision moyenne et variable. Banu, T. P., Borlea, G. F., Banu, C. (2016). The use of drones in
L’utilisation des drones va sans doute améliorer la réalisa- forestry. Journal of Environmental Science and Engineering B,
tion de ces études d’aménagement et va faciliter le travail 5: 557-562.
de vérification (vérification de la carte des types de peuple- Berie, H. T., Burud, I. (2018). Application of unmanned aerial
ment, des tarifs de cubage, des fiches d’inventaires, etc). vehicles in earth resources monitoring: Focus on evaluating
potentials for forest monitoring in Ethiopia. European Journal
Autres applications of Remote Sensing, 51: 326-335.
En plus de l’Inventaire National Forestier et de l’Amé- Bijaber, N., Ahlafi, Z. (2005). Projet FORMA: Études détail-
nagement des forêts, les drones peuvent être d’un grand lées pour la cartographie des changements dans le cadre de
intérêt dans la réhabilitation des écosystèmes forestiers, l’Inventaire Forestier National. 9.
par le suivi des travaux de reboisement, la surveillance des Chianucci, F., Disperati, L., Guzzi, D., Bianchini, D., Nardino, V.,
périmètres mis en défens, l’évaluation de la régénération Lastri, C., Rindinella, A., Corona, P. (2016). Estimation of canopy
naturelle, etc. attributes in beech forests using true colour digital images from
a small fixed-wing UAV. International Journal of Applied Earth
Ainsi, Chaque année des programmes de coupes de bois et Observation and Geoinformation, 47: 60-68.
de récolte de liège sont préparés, sur la base d’inventaire Fritz, A., Kattenborn, T., Koch, B. (2013). UAV-based photo-
forestier et à l’aide des études d’aménagements, la tech- grammetric point clouds -Tree stem mapping in open stands in
nologie drone va faciliter le travail du personnel forestier, comparison to terrestrial laser scanner point clouds. Int. Arch.
en économisant le temps et l’effort et en augmentant la Photogramm. Remote Sens. Spat. Inf. Sci., 40: 141-146.
précision. Frolking, S., Palace, M. W., Clark, D. B., Chambers, J. Q.,
Par ailleurs, les drones peuvent aider aussi, dans la surveil- Shugart, H. H., Hurtt, G. C. (2009). Forest disturbance and
lance des incendies de forêt. En effet, l’utilisation de cette recovery: A general review in the context of spaceborne remote
technologie pour une première reconnaissance, procure un sensing of impacts on aboveground biomass and canopy structure.
gain de sécurité pour les équipes sur le terrain et permet Journal of Geophysical Research: Biogeosciences, 114 (G2).
ainsi de recueillir les données de la zone incendiée pour Gadat, S. (1995). Séance 12: Algorithmes de Support Vector
mieux planifier l’intervention. Machines. s a, 57.
Getzin, S., Wiegand, K., Schöning, I. (2012). Assessing biodiver-
CONCLUSION sity in forests using very high-resolution images and unmanned
aerial vehicles : Assessing biodiversity in forests. Methods in
L’utilisation des drones a augmenté dans plusieurs Ecology and Evolution, 3: 397-404.
domaines grâce aux avantages incomparables qu’ils pro- Gini, R., Passoni, D., Pinto, L., Sona, G. (2014). Use of Unmanned
curent, notamment leurs résolutions spatiales et tempo- Aerial Systems for multispectral survey and tree classification : A
relles, leurs déploiements rapides et leurs coûts opération- test in a park area of northern Italy. European Journal of Remote
nels bas. Ainsi, l’usage des drones est devenu primordiale Sensing, 47: 251-269.
pour une gestion rationnelle du domaine forestier dans Goodbody, T. R. H., Coops, N. C., Marshall, P. L., Tompalski,
certains pays, notamment Canada et la France. Néanmoins, P., Crawford, P. (2017). Unmanned aerial systems for precision
il est encore en stade de recherche et d’exploration, pour forest inventory purposes: A review and case study. The Forestry
de nombreux pays, en particulier, ceux de l’Afrique. Chronicle, 93: 71-81.
Toutefois, l’utilisation usuelle du drone incessamment GIEC (2013). Changements climatiques 2013, les éléments sci-
dans la gestion forestière, s’impose surtout dans certaines entifiques Groupe d’experts intergouvernemental sur l’évolution
conditions (forêt de montagne ou le terrain est inaccessible, du climat, 4 p.
surveillance périodique des placettes de santé de forêt, Gupta, S., Weinacker, H., Koch, B. (2010). Comparative Analysis
incendie de forêt, etc.). of Clustering-Based Approaches for 3-D Single Tree Detec-
tion Using Airborne Fullwave Lidar Data. Remote Sensing, 2:
Les applications des drones décrites ci-dessus sont nom- 968-989.
breuses et diversifiées, mais plusieurs pistes de recherche
Hassaan, O., Nasir, A. K., Roth, H., Khan, M. F. (2016). Precision
dans le domaine forestier sont encore vierges et il faudrait Forestry: Trees Counting in Urban Areas Using Visible Imagery
les explorer, notamment l’utilisation des drones dans l’éva- based on an Unmanned Aerial Vehicle. IFAC-PapersOnLine,
luation de la régénération naturelle, le suivi des travaux de 49: 16-21.
réhabilitation des écosystèmes (exemple : reboisement), Hojas-Gascon, L., Belward, A., Eva, H., Ceccherini, G., Hagolle,
l’usage de cette technologie dans l’étude des impacts des O., Garcia, J., & Cerutti, P. (2015). Potential improvement for
changements climatiques et des impacts anthropogènes sur forest cover and forest degradation mapping with the forthcoming
un écosystème forestier. Sentinel-2 program. ISPRS - International Archives of the Pho-
togrammetry, Remote Sensing and Spatial Information Sciences,
XL-7/W3, 417-423.
464 Fadil et al.: Technologie drone en foresterie

Wallace, L., Lucieer, A., Watson, C. S. (2014). Evaluating Tree

Kaya, A., Bettinger, P., Boston, K., Akbulut, R., Ucar, Z., Siry, Detection and Segmentation Routines on Very High Resolution
J., Merry, K., Cieszewski, C. (2016). Optimisation in Forest UAV LiDAR Data. IEEE Transactions on Geoscience and Re-
Management. Current Forestry Reports, 2: 1-17. mote Sensing, 52: 7619-7628.
Lehmann, J., Nieberding, F., Prinz, T., Knoth, C. (2015). Analysis Yao, H., Qin, R., Chen, X. (2019) Unmanned Aerial Vehicle for
of Unmanned Aerial System-Based CIR Images in Forestry—A Remote Sensing Applications-A Review. Remote Sensing, 11:
New Perspective to Monitor Pest Infestation Levels. Forests, 6: 1443.
594-612. Zarco-Tejada, P. J., Diaz-Varela, R., Angileri, V., Loudjani, P.
Lisein, J. (2016). Application des techniques de photogrammét- (2014). Tree height quantification using very high resolution
rie par drone à la caractérisation des ressources forestières. BIO imagery acquired from an unmanned aerial vehicle (UAV) and
TECH, 119. automatic 3D photo-reconstruction methods. European Journal
of Agronomy, 55:89-99.
Lisein, J., Bonnet, S., Lejeune, P., Pierrot-Deseilligny, M. (2014).
Modélisation de la canopée forestière par photogrammétrie
depuis des images acquises par drone. 10.
Lu, D. (2006). The potential and challenge of remote sens-
ing‐based biomass estimation. International Journal of Remote
Sensing, 27: 1297-1328.
Lyons, E. H. (1966). Fixed air-base 70 mm photography, a new
tool for forest sampling. The Forestry Chronicle, 42: 420-431.
Matese, A. (2020). Editorial for the Special Issue “Forestry Appli-
cations of Unmanned Aerial Vehicles (UAVs)”. Forests, 11: 406.
Mokroš, M., Tabačák, M., Lieskovský, M., Fabrika, M. (2016).
Unmanned aerial vehicle use for wood chips pile volume estima-
tion. ISPRS - International Archives of the Photogrammetry, Re-
mote Sensing and Spatial Information Sciences, XLI-B1, 953-956.
Monasse P., Nadjahi K. (2020). Qu’est ce qu’un réseau de
neurones convolutif (ou CNN) ? Cours Centrale Supélec, Open-
Classrooms.
Moe, K., Owari, T., Furuya, N., Hiroshima, T. (2020). Comparing
Individual Tree Height Information Derived from Field Surveys,
LiDAR and UAV-DAP for High-Value Timber Species in North-
ern Japan. Forests, 11: 223.
Näsi, R., Honkavaara, E., Lyytikäinen-Saarenmaa, P., Blomqvist,
M., Litkey, P., Hakala, T., Viljanen, N., Kantola, T., Tanhuanpää,
T., Holopainen, M. (2015). Using UAV-Based Photogrammetry
and Hyperspectral Imaging for Mapping Bark Beetle Damage at
Tree-Level. Remote Sensing, 7: 15467-15493.
Nowak, M. M., Dziób, K., Bogawski, P. (2019). Unmanned Aerial
Vehicles (UAVs) in environmental biology: A review. European
Journal of Ecology, 4: 56-74.
Puliti, S., Ørka, H., Gobakken, T., Næsset, E. (2015). Inventory of
Small Forest Areas Using an Unmanned Aerial System. Remote
Sensing, 7: 9632-9654.
Puliti, S., Dash, J. P., Watt, M. S., Breidenbach, J., Pearse, G. D.
(2020). A comparison of UAV laser scanning, photogrammetry
and airborne laser scanning for precision inventory of small-
forest properties. Forestry: An International Journal of Forest
Research, 93: 150-162.
HCEFLCD (2018). Rapport des activités 2018, Haut-Commis-
sariat aux Eaux et Forêts et à la Lutte contre la Désertification,
Rabat Chellah, Maroc.
Surový, P., Kuželka, K. (2019). Acquisition of Forest Attributes
for Decision Support at the Forest Enterprise Level Using
Remote-Sensing Techniques-A Review. Forests, 10: 273.
Thibaut, Q. (2019). Structure d’une forêt claire de type miombo
par imageries drone et satellitaire. Travail de fin d’études, Uni-
versité Gembloux Agro-Bio Tech (GxABT).
Torresan, C., Berton, A., Carotenuto, F., Di Gennaro, S. F., Gioli,
B., Matese, A., Miglietta, F., Vagnoli, C., Zaldei, A., Wallace,
L. (2017). Forestry applications of UAVs in Europe: A review.
International Journal of Remote Sensing, 38: 2427-2447.