Deep4Dist : un jeu de données à très haute résolution pour détecter les perturbations forestières par deep learning

Les forêts européennes font face à des perturbations de plus en plus fréquentes : attaques de scolytes, dépérissements liés aux pathogènes, chablis provoqués par les tempêtes. Le problème n'est pas seulement leur multiplication, c'est aussi leur détection : une grande partie de ces événements passe sous le radar des satellites à résolution moyenne, tout simplement parce qu'ils sont trop petits ou trop localisés pour être visibles sur une image de plusieurs mètres de résolution. C'est ce vide que le jeu de données Deep4Dist, publié en mars 2026 dans la revue Scientific Data (groupe Nature), vient combler.

Un jeu de données pensé pour le deep learning, pas pour l'archive

Deep4Dist a été construit à partir d'orthophotos aériennes numériques du Land de Rhénanie-Palatinat, en Allemagne. Il rassemble environ 17 500 patchs géoréférencés de 500 par 500 pixels, à une résolution de 20 centimètres, pour un total de plus de 20 000 enregistrements de perturbations forestières. Chaque patch combine cinq canaux : rouge, vert, bleu, proche infrarouge, et une couche de hauteur d'objet (un modèle numérique de hauteur de canopée). À cela s'ajoute un masque de segmentation qui classe chaque perturbation identifiée selon son type : dégâts de scolytes, coupes rases ou chablis.

Ce n'est pas un simple inventaire cartographique : c'est un jeu de données "prêt pour l'IA", conçu dès le départ pour entraîner et évaluer des modèles de segmentation sémantique par deep learning, avec des classes et un format directement exploitables dans un pipeline d'apprentissage supervisé.

Pourquoi la résolution fait toute la différence

La plupart des produits de suivi forestier à grande échelle s'appuient sur des capteurs satellite à résolution moyenne, de l'ordre d'une dizaine de mètres par pixel pour les missions les plus utilisées en recherche forestière. À cette échelle, un début d'attaque de scolytes sur quelques arbres, ou une petite trouée créée par un chablis localisé, occupe une fraction de pixel : le signal se dilue dans son environnement et devient statistiquement invisible pour un modèle entraîné sur ce type d'image.

À 20 centimètres de résolution, la donnée aérienne de Deep4Dist change d'échelle d'observation : elle permet de délimiter précisément le contour d'un arbre mort isolé ou d'une petite trouée, là où l'imagerie satellite ne verrait qu'un pixel légèrement plus sombre que ses voisins. L'ajout d'un canal de hauteur de canopée renforce cette capacité de discrimination : une coupe rase et un chablis peuvent présenter une signature spectrale proche en optique, mais se distinguent nettement dès qu'on intègre l'information de hauteur de la végétation restante.

Une ressource ouverte, pensée pour être réutilisée

Le jeu de données est diffusé sous licence CC-BY-4.0, et le code associé sous licence Apache 2.0, avec un dépôt public sur GitHub et sur Zenodo. Cette ouverture est significative dans un domaine où la constitution d'un jeu de données annoté de cette taille et de cette précision représente en général un travail de terrain et d'annotation considérable, souvent le principal frein à l'entraînement de modèles de segmentation forestière performants.

Ce que ça change pour l'enseignement et la pratique

Pour qui enseigne la télédétection forestière et le deep learning appliqué, Deep4Dist est une ressource directement mobilisable : un jeu de données réel, annoté et documenté, sur lequel faire travailler des étudiants à l'entraînement ou à l'évaluation d'un modèle de segmentation (type U-Net ou architecture équivalente), sans avoir à constituer soi-même un corpus d'annotations, l'obstacle le plus courant dans ce type de projet pédagogique.

Il faut toutefois garder à l'esprit une limite méthodologique importante avant de généraliser les résultats obtenus sur ce jeu de données : il couvre un seul territoire, la Rhénanie-Palatinat, avec des essences et des régimes de perturbation propres aux forêts d'Europe centrale. Un modèle entraîné sur ces images ne se transposera pas automatiquement, sans réentraînement ni adaptation, à des forêts de structure et de composition très différentes, comme les subéraies ou les cédraies marocaines. C'est un rappel utile du principe déjà évoqué à propos de la validation croisée spatiale : la performance d'un modèle mesurée sur sa zone d'entraînement ne présage pas de sa capacité à généraliser à une géographie et une écologie forestière différentes.