Les scientifiques développent des systèmes avancés de surveillance des forêts: les forêts se surveilleront-elles à l’avenir?

Les chercheurs de la KTU proposent des solutions technologiques innovantes: un modèle innovant de régénération forestière et un système d’analyse solide qui peut prédire les conditions forestières et détecter les changements environnementaux en temps réel.

La gestion forestière est aujourd’hui de plus en plus remise en question par les changements environnementaux qui se sont intensifiés ces dernières années. « Les forêts, en particulier dans des régions comme la Lituanie, sont très sensibles à l’augmentation des températures hivernales. Une combinaison de facteurs fait affaiblir les arbres, ce qui les rend plus vulnérables aux ravageurs », explique Maskeliūnas.

Selon le scientifique, les méthodes de surveillance traditionnelles telles que les inspections visuelles des forestiers ou la surveillance basée sur les pièges ne sont plus suffisantes. « Nous n’aurons jamais assez de personnes pour observer continuellement ce qui se passe dans les forêts », explique-t-il.

Pour améliorer la protection des forêts, les chercheurs de la KTU ont utilisé l’intelligence artificielle (IA) et l’analyse des données. Ces technologies permettent non seulement une surveillance des forêts en temps réel, mais également une analyse prédictive, permettant une intervention précoce en réponse aux changements environnementaux.

SLes arbres Pruce sont particulièrement affectés par le changement climatique

Une solution clé est le modèle de dynamique de régénération forestière, qui prévoit comment les forêts se développent et changent avec le temps. Le modèle suit les groupes d’âge des arbres et calcule les probabilités pour les transitions des arbres d’un groupe d’âge à un autre en analysant les taux de croissance et de mortalité.

Chef du Centre informatique en temps réel (RLKSC), expert en analyse des données, le professeur Robertas Damaševičius, identifie les avantages de base du modèle: il peut identifier les espèces d’arbres les mieux adaptées à différents environnements et où ils doivent être plantés.

« Il peut aider à planifier des replantations forestières mixtes pour améliorer la résilience contre le changement climatique, ainsi que pour prédire où et quand certaines espèces pourraient devenir plus vulnérables aux ravageurs, permettant des mesures préventives. Cet outil soutient la conservation des forêts, l’entretien de la biodiversité et les services d’écosystème en optimisant l’allocation de financement et la compensation pour les propriétaires de forêts », explique Maskelinas.

Le modèle est basé sur des méthodes statistiques avancées. Le modèle de chaîne Markov calcule comment une forêt passe d’un état à l’autre, sur la base des conditions actuelles et des taux de croissance et de mortalité probabilistes. « Cela nous permet de prédire combien de jeunes arbres survivront ou mourront en raison de maladies ou de parasites, contribuant à prendre des décisions de gestion des forêts plus éclairées », explique le professeur de la Faculté d’informatique de KTU.

De plus, une décomposition multidirectionnelle des séries chronologiques distingue les tendances à long terme de la croissance forestière des changements saisonniers ou des facteurs environnementaux inattendus tels que les sécheresses ou les épidémies de ravageurs. La combinaison de ces méthodes offre une vue plus complète des écosystèmes forestiers, ce qui permet une prévision plus précise dans différentes conditions environnementales.

Le modèle a également été appliqué pour évaluer la situation forestière de la Lituanie, révélant que les épinettes sont particulièrement affectées par le changement climatique, devenant de plus en plus vulnérable en raison de périodes sèches plus longues en été et des hivers plus chauds. « Les épinettes, bien qu’elles poussent rapidement dans les jeunes forêts, connaissent des taux de mortalité plus élevés au stade de la vie ultérieure.

Les sons forestiers révèlent la santé de l’écosystème

Un autre outil développé par les chercheurs est un système d’analyse solide qui peut identifier les sons forestiers naturels et détecter les anomalies qui peuvent indiquer des troubles de l’écosystème ou une activité humaine. L’analyse solide devient une partie importante de la numérisation des forêts, permettant une surveillance environnementale en temps réel et une réponse plus rapide aux menaces potentielles.

Le modèle, proposé par KTU RLKSC PhD, Ahmad Qurthobi, est innovant dans la combinaison d’un réseau neuronal convolutionnel (CNN) avec un modèle de mémoire à court terme à long terme (BILSTM) bidirectionnel.

« CNN reconnaît et fournit des fonctionnalités qui décrivent le son, mais il ne suffit pas de comprendre comment les sons changent avec le temps. C’est pourquoi nous utilisons Bilstm, qui analyse les séquences temporelles », explique Maskeliūnas.

Ce modèle hybride détecte non seulement avec précision les sons statiques, tels que le gazouillis constant des oiseaux, mais identifie également des changements dynamiques, tels que des bruits de déforestation soudains ou des changements d’intensité de vent.

« Par exemple, les chansons d’oiseaux aident à surveiller leur activité, leur diversité d’espèces et leurs changements saisonniers dans la migration. Une diminution soudaine ou une augmentation significative des sons d’oiseaux peuvent signaler des problèmes écologiques », explique Maskeliūnas.

Même les sons générés par les arbres, tels que ceux causés par le vent, le mouvement des feuilles ou les branches de rupture, peuvent indiquer la force du vent ou les changements structurels des arbres dus à la sécheresse ou à d’autres facteurs de stress.

Les chercheurs conviennent que le modèle pourrait également être adapté pour surveiller d’autres changements environnementaux: « Notre modèle pourrait détecter les sons animaux tels que les hurlements de loup, les appels d’accouplement des cerfs ou l’activité des sangliers, aidant à surveiller leurs mouvements et leurs modèles de comportement. Dans les zones urbaines, il pourrait être utilisé pour suivre la pollution du bruit ou l’intensité. ».

La solution elle-même n’est pas seulement une innovation sur le papier. Le système d’analyse sonore s’intègre facilement à l’Internet des objets Smart Forest développé (IoT) – Forest 4.0.

« Les appareils IoT Forest 4.0 sont comme les écosystèmes silencieux de Guardians of Tomorrow, analysant le rythme cardiaque de nos forêts en temps réel et favorisant un monde où la technologie écoute la nature », explique le professeur Egidijus Kazanavič de KTU IoT.

Actuellement, certains des modèles utilisés par les forestiers ont tendance à simplifier la dynamique écologique complexe et à ne pas considérer la concurrence des espèces, les boucles de rétroaction environnementale et la variabilité climatique. En conséquence, prédire avec précision comment les forêts réagiront à différents facteurs demeure un défi.

« C’est pourquoi ces technologies avancées représentent l’avenir de la gestion forestière », conclut le professeur Maskeliūnas.