Je suis heureux de mettre à disposition un nouvel ouvrage consacré au suivi des algues vertes par drone multispectral.
Ce livre est né d’une formation réalisée pour des agents de l’Ifremer dans le cadre d’un travail consacré à la télédétection des algues vertes sur l’estran à partir d’images acquises par drone.
Au départ, il s’agissait simplement de produire un support pédagogique permettant de présenter les différentes étapes d’un workflow de télédétection : acquisition des données, pré-traitements, calcul d’indices spectraux, classifications supervisées et validation des résultats.
Au fil de la rédaction, le document a progressivement évolué. Les notions scientifiques ont été développées, les exemples enrichis, les méthodes comparées et de nouveaux chapitres consacrés à l’intelligence artificielle, au deep learning et à l’automatisation sous Python ont été ajoutés.
Le résultat dépasse aujourd’hui largement le cadre initial de la formation pour devenir un véritable ouvrage d’introduction à la télédétection environnementale appliquée au littoral.
Ce que vous trouverez dans ce livre
L’ouvrage suit l’ensemble de la chaîne de traitement utilisée pour transformer des images drone en informations environnementales exploitables.
Les premiers chapitres présentent les bases scientifiques de la télédétection multispectrale et les particularités du drone DJI Mavic 3 Multispectral. Une attention particulière est portée aux contraintes spécifiques des milieux intertidaux : marées, humidité, eau résiduelle, biofilms, ombres et conditions d’éclairage.
La seconde partie est consacrée aux pré-traitements sous QGIS : inspection des bandes, analyse des histogrammes, création de masques, calcul d’indices spectraux et contrôle de la qualité des données.
L’ouvrage aborde ensuite en détail le plugin Semi-Automatic Classification Plugin (SCP), qui constitue le cœur de la chaîne de classification supervisée dans QGIS. Les notions de signatures spectrales, de ROI, de classification et de validation y sont développées de manière progressive.
Une partie importante est également consacrée à la comparaison de différentes méthodes de classification à l’aide de QGIS, Orfeo ToolBox, GRASS GIS, Random Forest et des approches orientées objet.
Enfin, plusieurs chapitres introduisent les approches les plus récentes : segmentation par deep learning, fine-tuning de modèles existants, utilisation du plugin Deepness et automatisation des workflows grâce à Python.
Plus qu’un manuel logiciel
L’objectif de ce livre n’est pas seulement de montrer comment utiliser des outils.
J’ai également souhaité insister sur les aspects scientifiques de la télédétection : interprétation des signatures spectrales, validation des classifications, analyse critique des résultats et compréhension des limites des modèles.
La télédétection ne consiste pas simplement à produire des cartes. Elle vise avant tout à transformer des images en connaissances utiles pour comprendre les dynamiques environnementales.
Cette idée constitue le fil conducteur de l’ensemble de l’ouvrage.
Une rédaction assistée par l’intelligence artificielle
Ce livre présente également une particularité intéressante.
La structure générale, de nombreux développements pédagogiques et plusieurs reformulations ont été réalisés avec l’aide de l’intelligence artificielle générative. Les contenus ont ensuite été relus, corrigés, complétés et adaptés à partir de mon expérience de terrain, de mes formations et de mes travaux en géomatique et télédétection.
Cette collaboration entre expertise humaine et assistance par IA a permis de produire rapidement un document structuré tout en conservant une forte exigence technique et scientifique.
Je considère d’ailleurs que cette approche constitue aujourd’hui un excellent exemple de ce que peut apporter l’intelligence artificielle dans la production de ressources pédagogiques spécialisées.
Téléchargement
Le livre est disponible gratuitement au format PDF :
Cet ouvrage s’adresse aux géomaticiens, étudiants, chercheurs, collectivités territoriales et gestionnaires d’espaces naturels souhaitant utiliser les drones multispectraux et QGIS pour le suivi environnemental. Il couvre l’ensemble de la chaîne de traitement, depuis l’acquisition des images avec un DJI Mavic 3 Multispectral jusqu’à la classification supervisée, le machine learning, le deep learning et l’automatisation des analyses avec Python.
Vos remarques, suggestions et retours d’expérience seront naturellement les bienvenus.
