Global Vision Media Focus
L'entreprise a été présentée sur les chaînes de vidéosurveillance à 15 reprises, et sa diffusion via les médias du Parti, les médias centraux et les médias officiels locaux a touché un total de 50 millions de personnes.
Comment les satellites hyperspectraux « voient-ils à travers » la diversité de la végétation ? — Décomposition hybride des pixels : une technologie permettant d'identifier plusieurs types de végétation à partir d'un seul pixel.
Question : Comment évaluer quantitativement l'efficacité de la restauration écologique ?
Les inventaires traditionnels de la diversité des espèces reposent sur des quadrats au sol, dont la mise en place est limitée par les ressources humaines, les moyens de transport et les conditions du terrain, ce qui rend difficile la couverture de vastes zones. Bien que le ministère de l'Écologie et de l'Environnement ait défini des méthodes d'évaluation de la diversité, cet indicateur a longtemps fait défaut dans les évaluations complètes et pratiques en raison de la difficulté d'obtenir des données d'observation au sol. Nous avons besoin d'une technologie capable d'« observer » la diversité de la végétation depuis le ciel.
Pourquoi l'hyperspectral ?
Les satellites de télédétection se classent en trois catégories selon leur résolution spectrale : les satellites à large bande et haute résolution (comme GF-2, avec 4 bandes et une résolution au sol de 1 m), les satellites multispectraux (comme Sentinel-2, avec 13 bandes et une résolution au sol de 10 à 20 m) et les satellites hyperspectraux (comme XG005, avec 72 bandes étroites consécutives et une résolution au sol de 40 m). Plus le nombre de bandes est élevé, plus la résolution spectrale est importante et plus les différences subtiles entre les types de végétation sont facilement repérables.
Le problème fondamental réside dans les « pixels mixtes » : une résolution de 40 m est bien supérieure à la largeur de la canopée d'une seule plante, et un pixel unique contient souvent des signaux spectraux provenant de plusieurs types de végétation. Si les satellites à haute résolution offrent une haute résolution spatiale, ils ne possèdent généralement que quatre bandes spectrales larges, ce qui rend difficile la distinction des espèces d'arbres aux couleurs et formes similaires, un peu comme lorsqu'on regarde une photographie en noir et blanc. En revanche, les satellites hyperspectraux, avec leurs 72 bandes spectrales étroites, agissent comme un « prisme », décomposant le signal mixte en contributions de chaque composante en fonction de ses caractéristiques spectrales – c'est la clé pour comprendre la structure des pixels mixtes.Décomposition hybride des pixels« Les fondements de la technologie. »
Principes et procédés techniques
Le parcours technique complet se compose de quatre étapes principales :
Étape 1 : Déterminer « combien de types de végétation existent » (estimation de dimension virtuelle)
L'algorithme HFC a été utilisé pour déterminer automatiquement le nombre de sources de signaux de végétation indépendantes dans les images, grâce à des tests d'hypothèses statistiques. Cette analyse a permis d'identifier automatiquement sept signatures spectrales, représentant sept types ou états de végétation différents dans la région des monts Qinling.
Étape 2 : Extraire « à quoi ressemble chaque type de végétation » (extraction des composantes finales)
Grâce à l'algorithme VCA (Analyse des Composantes de Vertex), sept des caractéristiques spectrales les plus pures ont été automatiquement identifiées parmi des millions de pixels. Ces composantes peuvent correspondre à différents types de végétation tels que les forêts de conifères à feuilles persistantes, les forêts de feuillus à feuilles caduques, les formations arbustives, les forêts mixtes et les terres agricoles.
Étape 3 : Calculer « la quantité de chaque type »Inversion d'abondance)
Pour chaque pixel, l'abondance de chaque composant est calculée à l'aide de l'algorithme FCLS (moindres carrés entièrement contraints). La contrainte impose que toutes les abondances soient non négatives et que leur somme soit égale à 1, garantissant ainsi une interprétation physique cohérente. On obtient ainsi sept cartes de distribution des abondances, chacune représentant la densité de distribution spatiale d'un type de végétation particulier.
Figure 1.Distribution spatiale de l'abondance de 7 composantes végétales (chaque pixel est décomposé en plusieurs composantes)
Étape 4 : Calculer l’indice de diversité
L'abondance au sein de chaque pixel est considérée comme la « composition des espèces », et l'indice de diversité classique, l'indice de Shannon-Wiener (qui combine richesse et équitabilité), est calculé.Indice de SimpsonLa probabilité de sélectionner aléatoirement deux individus appartenant à des types différents, la richesse (nombre de profils représentatifs) et l'équitabilité (équilibre de la distribution) sont prises en compte. Enfin, une fusion pondérée est effectuée pour obtenir l'indice de biodiversité global BDI (0-1, plus l'indice est élevé, meilleure est la diversité).
Comparaison des capacités avec les satellites haute résolution/multispectraux
Principaux avantages : Les satellites à haute résolution permettent de détecter les changements de végétation localisés, et les satellites multispectraux peuvent acquérir des indicateurs de vitalité de la végétation tels que l’indice NDVI. Cependant, aucun de ces systèmes ne permet de déterminer la composition des types de végétation au sein d’un pixel à l’échelle spectrale. La technologie de démixage hyperspectral comble cette lacune : elle fournit des informations quantitatives sur la diversité de la végétation à l’échelle sub-pixel, informations actuellement inaccessibles avec d’autres types de satellites de télédétection.
Principales conclusions
Cette analyse d'une zone d'environ 6400 km² (soit environ 4 millions de pixels de végétation effectifs) dans l'arrière-pays d'une région montagneuse révèle :
1. La diversité globale est modérée à élevée.L'indice BDI moyen est de 0,568 et la plupart des pixels sont composés d'un mélange de trois types de végétation (représentant 65,5 %), reflétant l'hétérogénéité de la végétation dans la région.
2. « Vert » ne signifie pas « diversité ».La corrélation entre l'indice de biodiversité (BDI) et l'indice de vitalité de la végétation (NDVI) était faible (r = 0,369), ce qui démontre que les zones à couvert végétal abondant ne sont pas nécessairement riches en espèces (par exemple, les forêts de conifères pures présentent un NDVI élevé mais une faible biodiversité). Ceci confirme l'intérêt de la méthode de décontamination.
Figure 2.Matrice des coefficients de corrélation de Pearson des indicateurs de diversité
Figure 3.carte de répartition de l'indice de végétation NDVI
Figure 4.Répartition spatiale de l'indice composite de biodiversité (BDI) – Le vert indique les zones de forte diversité.
3. Le profil du gradient d'altitude est clair.:CombinaisonDonnées MNT SRTMLa diversité diminue significativement avec l'altitude (r=-0,623), présentant un modèle à trois niveaux.
Basse altitude (Forêt mixte de feuillus et de conifères, BDI=0,65~0,75, avec la plus grande diversité ;
Moyenne altitude (1000-1800m)Zone de transition : la biodiversité décline rapidement, tandis que la proportion de forêts de conifères augmente ;
Haute altitude (>1800m)Les forêts pures de conifères dominées par le sapin et le séquoia ont un BDI de 0,13 à 0,21 et une biodiversité faible mais stable.
Figure 5.Répartition des MNT dans la zone d'étude
Figure 6.Évolution des indicateurs de diversité en fonction de l'altitude
Figure 7.La corrélation négative entre le BDI et l'altitude (r=-0,623)
Importance et perspectives
La décomposition hyperspectrale de pixels mixtes a ouvert une voie entièrement nouvelle pour le suivi de la diversité végétale sur de vastes étendues. Comparée aux relevés par quadrats traditionnels, elle offre une large couverture (une seule scène peut couvrir des milliers de kilomètres carrés) et une grande rapidité d'exécution (l'analyse peut être réalisée en quelques heures). Comparée aux satellites multispectraux à haute résolution, elle possède la capacité unique de distinguer la composition de la végétation à partir de sa dimension spectrale et de produire directement des indicateurs quantitatifs de diversité, au lieu de se contenter d'informations indirectes sur la « verdure ».
À l’avenir, la combinaison de données multi-temporelles permettra de surveiller divers changements dynamiques interannuels, et la validation par quadrats au sol permettra d’établir [un système/mécanisme].Diversité spectraleLa relation quantitative entre biodiversité et diversité des espèces. Cette méthode devrait combler une lacune importante dans l'évaluation nationale des fonctions écologiques, à savoir le manque d'indicateurs de « diversité », et fournir un appui technique objectif et reproductible à l'évaluation quantitative de l'efficacité de la gouvernance écologique.