Dynafor présent au colloque SilviLaser 2025

Manon Collard et David Sheeren ont assisté au colloque international SilviLaser 2025 qui s'est tenu du 29 septembre au 3 octobre dans la ville de Québec au Canada. Manon y a présenté une communication orale sur les premiers résultats concernant la prédiction et spatialisation de l'IBP (indice de biodiversité potentielle) à partir de données de télédétection (notamment LiDAR). Il s'agit du travail débuté en stage de master 2 en 2024 et qu'elle va poursuivre en thèse au sein du laboratoire Dynafor.

Collard M., Martin O., Mellado N., Sheeren D (2025): Predicting the Index of Biodiversity Potential (IBP) of forest habitats from airborne LiDAR data: first results. In session Lidar for Biodiversity, habitat and ecological insights. Colloque SilviLaser 2025, 29 sept-3 octobre, Québec, Canada.

La conférence elle-même a été l'occasion de rencontrer la communauté internationale de chercheurs qui étudie les différentes applications du LiDAR (aérien, spatiale ou terrestre) aux milieux arborés. Les applications possibles sont variées: inventaires forestiers, reconstruction précise des arbres pour l’estimation de leur volume à des fins industrielles, mais aussi quantification du carbone, modélisation pour la prévention des feux de forêt, utilisation des données LiDAR comme indicateur de caractéristiques écologiques et de fonctions de la forêt... C'était la 20ème édition de cette conférence bisannuelle, organisée par l'Université de Laval.

Abstract:

Context: The Index of Biodiversity Potential (IBP) assesses the forest stand's capacity to host species through 10 structural and compositional factors. Widely used by French forest managers, it relies on in-situ surveys, limiting its large-scale application. While LiDAR-derived metrics can finely characterize forest structures, their relationship with the IBP remains unexplored.

Aims: We aimed to study the relationship between variables derived from airborne LiDAR data and the IBP factors, some of which reflect forest structure such as the number of large trees and vertical strata. We investigated the large-scale predictability of the IBP in French temperate forests using these LiDAR-based variables.

Methods : Using a dataset of 1750 1-hectare IBP field plots scattered across France, we computed several metrics from LiDAR and satellite optical imagery describing vertical and horizontal forest structure. We then explored the statistical relationships between these metrics and the IBP management factors. Predictive models were calibrated and evaluated using both regression and classification machine learning algorithms. Finally, the IBP was mapped for the first time over a 890 km² area within the forests of the Ariège Pyrenees Regional Natural Park (France).

Results and key outcomes: The results showed significant relationships between, for instance, the LiDAR-derived canopy cover and the IBP openness factor, emphasizing the relevance of LiDAR data for describing structural field metrics and predicting IBP at large scales. With an RMSE of 5.24 ± 0.63, our best model predicts IBP within 5 points, a threshold beyond which IBP variations are linked to actual changes in species richness within the forest stand. This demonstrates that the model’s accuracy is sufficient for operational monitoring of stand biodiversity and suggests the potential for predicting this habitat quality indicator on a national scale.