Peser le carbone des géants de la forêt

En 5 secondes Un modèle d’IA soutenu par IVADO estime l’espèce et la hauteur des arbres à partir d’images obtenues par drone pour mieux suivre le carbone des forêts.
Etienne Laliberté, professeur au Département de sciences biologiques de l'Université de Montréal

Une équipe de recherche réunissant des membres de Mila – l’Institut québécois d’intelligence artificielle –, de l’Université McGill et de l’Université de Montréal a mis au point un modèle d’intelligence artificielle (IA) capable d’estimer à la fois l’espèce à laquelle appartient un arbre et la hauteur de celui-ci à partir d’une seule photo prise par drone.

Financée par IVADO, cette avancée pourrait aider à déterminer plus rapidement si une forêt absorbe plus de carbone qu’elle en relâche, une donnée importante pour les décisions en matière de protection de l’environnement et de lutte contre les changements climatiques.

Le modèle, appelé DINOvTree, a été conçu par Jannik Endres, premier auteur de l’étude et étudiant de doctorat au Computer Vision Lab de l’Université de Würzburg. Il était stagiaire de recherche à Mila au moment de l’étude. Les autres coauteurs sont Etienne Laliberté, professeur au Département de sciences biologiques de l’UdeM, David Rolnick, professeur à l’École d’informatique de l’Université McGill, et Arthur Ouaknine, chercheur postdoctoral à l’Université McGill sous la supervision du professeur Rolnick.

Le défi de mesurer les arbres du haut des airs

Une photo de drone ordinaire permet d'estimer avec précision l'élévation du sommet de la canopée, mais pas celle du sol, qui reste largement invisible sous les arbres. La hauteur d'un arbre se calcule pourtant à partir de la différence entre ces deux élévations.

«Le problème, c'est qu'on ne connaît pas l'élévation du sol dans la majorité des forêts de la planète», dit Etienne Laliberté.

Les solutions de rechange restent coûteuses: mesurer chaque arbre au sol prend énormément de temps et le lidar, une technologie de balayage laser qui capte bien le sol, demande un équipement dont la plupart des forêts du monde n'ont jamais disposé.

«Les plus gros arbres stockent la moitié du carbone de la forêt, explique le professeur. Ils peuvent vivre des centaines d'années. Et l’on connaît très mal leur réponse aux changements climatiques.»

Ces géants de carbone sont aussi les moins bien étudiés parce qu'ils sont trop rares pour être échantillonnés en nombre suffisant. L’outil d’IA DINOvTree contourne le problème de l'élévation du sol en estimant la hauteur directement à partir de l'image.

Une autre façon de faire consiste à déduire la hauteur à partir de la largeur de la couronne, visible des airs. Cette méthode reste toutefois peu fiable: en forêt tempérée, elle conduit à près de trois fois plus d’erreurs que le nouveau modèle. Et cela, même dans les conditions les plus favorables, quand l'espèce et le contour de l'arbre sont déjà connus.

Un travail impossible à l'échelle humaine

L'identification taxinomique reste un problème distinct, tout aussi limitant: les feuilles, les fleurs et les fruits nécessaires pour distinguer une espèce sont souvent invisibles du sol, sous une canopée haute de plusieurs dizaines de mètres.

Sur le terrain, un inventaire traditionnel demande du temps: deux personnes mettent de 30 minutes à une heure pour couvrir une parcelle de 20 mètres sur 20 en forêt québécoise et le travail d'identification des espèces peut à lui seul prendre des mois sur une parcelle tropicale d'un hectare.

Le travail que l’équipe d’Etienne Laliberté accomplit aujourd'hui était-il humainement possible avant l'arrivée de ces outils? Le professeur est catégorique. «C'est absolument impossible. Il faudrait 1000 personnes pour le faire et, quand bien même, il faudrait que ce soit 1000 experts», répond-il.

De XPRIZE à DINOvTree

Cette capacité de calcul est une addition récente, distincte du modèle de détection des couronnes utilisé par l'équipe depuis 2024. C'est cette même technologie qui a mené l'équipe à la victoire, sous le nom Limelight Rainforest, à la compétition internationale XPRIZE Rainforest en 2024, grâce à une méthode de détection et de cartographie des couronnes d'arbres par drone.

Développée avec l’appui du programme IA, biodiversité et changements climatiques d’IVADO, poursuivi maintenant sous le regroupement Environnement du programme IAR³, cette technologie sert à détecter et à cartographier les couronnes d’arbres à partir d’images prises à l’aide d’un drone.

L'équipe a conçu ces outils pour qu’ils puissent fonctionner sur du matériel grand public. 

«Il faut installer un progiciel et, avec une seule ligne de code, on peut faire tourner tout le modèle sur son propre ordinateur», indique Arthur Ouaknine, également codirecteur du projet.

Ce choix répond à une demande des écologistes de terrain avec qui l’équipe travaille déjà, notamment au Brésil, en Équateur et au Panama. DINOvTree identifie l’espèce et détermine la hauteur à partir de la même image, deux tâches traitées simultanément pour la première fois, selon les auteurs.

Ce qui échappe encore au modèle

En forêt tropicale, la méthode traditionnelle n'a même pas pu servir de point de comparaison pour évaluer la hauteur des arbres: elle exige des paramètres calculés espèce par espèce et ces données sont inexistantes pour la plupart des arbres tropicaux.

«Je pense aux différentes espèces d'érables, dit Arthur Ouaknine. Si l’on n'est pas au bon moment, les couleurs par exemple, c'est très difficile de les reconnaître. Même pour des écologistes, d'un point de vue visuel, c'est compliqué.»

Ce qu’il faut prouver pour protéger une forêt

L'enjeu est aussi politique. Pour convaincre des autorités qu'une parcelle de forêt mérite d'être protégée, une communauté doit habituellement établir deux choses: la biodiversité qui s'y trouve et la quantité de carbone que ses arbres absorbent.

«Concrètement, il faut des écologistes qui vont sur le terrain mesurer les arbres et faire des inventaires», mentionne Arthur Ouaknine. Cette surveillance automatisée rend ce genre de démonstration possible dans des régions où elle ne l'était pas auparavant, notamment dans les régions tropicales.

L'équipe cherche maintenant à étendre ses partenariats au-delà de la parcelle test du concours XPRIZE, y compris en dehors de la forêt tropicale, notamment pour le suivi de plantations en forêt boréale au Québec.

Deux secteurs réclament déjà ce type de segmentation et d'estimation d'espèces à grande échelle, selon Arthur Ouaknine: l'industrie de la reforestation et les producteurs acéricoles, qui cherchent à maintenir la biodiversité de leurs forêts.

Pour Etienne Laliberté, le succès de la prochaine étape ne se mesurera pas au nombre de nouveaux projets de recherche, mais à un produit logiciel assez accessible pour que de nouveaux partenaires deviennent autonomes en quelques mois, plutôt que de dépendre d'un accompagnement individuel qui prend actuellement plusieurs mois par zone de végétation.

Reste que ce travail d’inventaire demeure hors de portée dans la plupart des forêts tropicales. «On voudrait bien le faire, on veut connaître les espèces, mais on n'y arrive pas parce que ça coûterait une fortune, souligne Etienne Laliberté. Il faudrait envoyer les experts un peu partout dans l'Amazonie et il n'y a presque pas d'experts, ils ne sont pas disponibles.»

Le financement de ce travail reste inégalement réparti: les chercheurs qui vivent dans les régions tropicales y ont moins accès.

«Chaque personne bénéficie du fait qu'il y a des forêts tropicales en santé sur la planète, conclut Etienne Laliberté. Ça régule le climat global. Donc il faut les étudier.»

Demandes médias

Université de Montréal
Tél. : 514 343-6111, poste 67960