Suivi du confort des arbres dans les villes : approche multi-échelles avec télédétection multimodale, modélisation physique, apprentissage profond et données in-situ – MONI-TREE

Dans un contexte de changement global, l'effet des modifications climatiques génère déjà des événements violents (tempêtes, vagues de chaleur, longues sécheresse, …) qui, en milieu urbain, posent des défis critiques aux villes. Selon la Banque mondiale, 54 % de la population mondiale vit aujourd'hui dans des zones urbaines et ce chiffre devrait atteindre 80 % en 2050. Compte tenu des changements environnementaux attendus et de leurs conséquences, il est de plus en plus important de disposer de politiques et d’outils capables de rendre les villes résilientes et adaptables à ces changements profonds.

Il est désormais bien connu que la végétation, en particulier les arbres, offre des solutions très efficaces pour réduire ces impacts : les arbres peuvent, entre autres, rafraîchir les villes, améliorer la qualité de l'air ou la biodiversité. Cependant, pour jouer un rôle positif, les arbres doivent survivre et maintenir un bon état physiologique dans un contexte hostile de modifications drastiques de leur environnement (augmentation du stress hydrique et thermique, limitation des ressources, …). Comme l'a montré récemment l'été 2022, la longue période de stress hydrique associée à des températures élevées a causé la mort de nombreux arbres. Cependant, d'autres ont survécu malgré des contextes environnementaux a priori défavorables. Ces observations surprenantes inquiètent les gestionnaires des villes qui manquent d'outils de suivi du bien-être des arbres, capables d'alerter en cas de stress important, et d'orienter les plans de gestion futurs et adaptés des plantations d'arbres.

Afin de mieux comprendre la réponse des arbres aux sollicitations extrêmes, de prévenir leur sénescence à un stade précoce, et de fournir des cartes du confort des arbres dans les villes associées à des systèmes d'alerte, la ligne directrice de ce projet consiste à acquérir un grand nombre de variables physiologiques (en conditions réelles, simulées et contrôlées) associées à leur environnement (modèle urbain, conditions climatiques), et d'exploiter des méthodes d’apprentissage automatique afin d'identifier des liens entre elles et de générer des cartes globales. Une question sous-jacente concerne la capacité des données de télédétection à mesurer les variables physiologiques liées à la structure interne des arbres. Nous explorerons des modèles d'estimation par apprentissage capables de dériver certaines relations entre les variables physiologiques et leurs contreparties dans les images. Une originalité ici est que ces méthodes seront calibrées sur base de simulations physiques, ce qui nous permettra i) de garantir un nombre de données suffisamment important pour entraîner nos modèles et ii) d'assurer la cohérence physique de nos estimateurs. Ces modèles seront ensuite affinés sur des données acquises dans des environnements contrôlés afin d'assurer, à nouveau, une cohérence physique de nos modèles. Dans un deuxième temps, l'application en conditions réelles (en utilisant des images de télédétection réelles et des mesures in situ) sera réalisée. À cette fin, la transférabilité de nos modèles dans des situations réelles sera étudiée. De plus, pour assurer une reproduction aisée de nos procédés, nous nous appuierons sur des images SENTINEL librement disponibles. Ces dernières étant acquises à une résolution de 10m, une étape de super-résolution sera nécessaire pour améliorer la résolution spatiale à 3m, plus adaptée à l'échelle des villes. A partir des cartes générées des paramètres biophysiques à l'échelle de la ville et des mesures internes aux arbres, nous développerons des méthodologies pour estimer des indices de confort des arbres. A cette fin, des données qualitatives mesurées sur les arbres seront utilisées et seront liées à des facteurs de stress (modèles urbains, température). Une attention particulière sera portée à l'analyse et à l'interprétation des liens entre motifs urbains et stress des arbres.