Caractériser l’hétérogénéité spatiale de milieux naturels à partir d’imagerie optique très haute résolution spatiale

Le bassin Méditerranéen est un hotspot de biodiversité pour lequel la biodiversité et l’hétérogénéité spatiale des paysages sont particulièrement importantes. Les milieux méditerranéens s’organisent en mosaïques hétérogènes de quatre strates verticales : le sol nu, l’herbe, les ligneux bas et les ligneux hauts. La biodiversité de ces milieux est aujourd’hui menacée par une fermeture de milieux naturels qui entraîne la disparition de certains habitats et l’homogénéisation des paysages, homogénéisation qui entraîne elle-même une augmentation des risques d’incendies.

La thèse de Marc Lang, soutenue le 29 mai 2019 , se propose de développer des indices caractérisant l’hétérogénéité spatiale des milieux naturels dans un contexte méditerranéen à partir d’images de télédétection à très haute résolution. L’approche développée se base sur une analyse fréquentielle d’image à très haute résolution et est basée sur la méthode FOTO (FOurier based Textural Ordination).
Elle permet la production non supervisée de trois indices synthétiques et complémentaires qui permettent de caractériser la composition et l’organisation relative au quatre strates d’intérêts. Ces indices ont également pu permettre de prédire la présence de quatre espèces d’oiseaux sensibles à l’hétérogénéité de la végétation.

Ces travaux sont emblématiques des recherches menés au sein du CES Paysage et du CES Variables pour la biodiversité. L’ensemble de la soutenance de Marc Lang est aujourd’hui visible en ligne :

Plus d'actualités

EGU 2024 | Quelques contributions THEIA

L’assemblée générale 2024 de la European Geoscience Union (EGU) 2024 de se terminer à Vienne. C’est l’occasion de mettre en lumière quelques présentations issues de la communauté THEIA.

Deux outils LiDAR THEIA pour suivre les forêts

En cette journée internationale des forêts, placée en 2024 sous le signe de l’innovation, nous mettons en avant deux outils dédiés à la gestion des données LiDAR aériennes pour la caractérisation des forêts.

Des données SWOT qui dépassent les attentes

Les données hydrologiques SWOT arrivent sur hydroweb.next et leur qualité dépasse les espérances.

Rechercher