Meta et le World Resources Institute publient CHMv2, une carte mondiale de la hauteur de canopée au mètre près

Estimer la hauteur de la canopée forestière sur l'ensemble de la planète, à une résolution fine et avec une exactitude homogène d'un biome à l'autre, reste un problème difficile en observation de la Terre : les mesures de référence au sol ou par lidar aéroporté (ALS) sont précises mais locales, tandis que l'imagerie satellite couvre le globe mais ne mesure pas directement une hauteur. Meta AI, via son programme Data for Good, et le World Resources Institute (WRI) viennent de publier conjointement Canopy Height Maps v2 (CHMv2), un modèle open source qui s'attaque directement à cet écart.

DINOv3 remplace DINOv2 comme moteur du modèle

La première version de ce produit, déjà connue de la communauté télédétection, s'appuyait sur DINOv2, le modèle de vision auto-supervisé de Meta. CHMv2 en reprend le principe mais remplace ce backbone par DINOv3, pré-entraîné sur SAT-493M, un jeu de données satellite large et géographiquement diversifié. Concrètement, le modèle fonctionne comme un estimateur de profondeur (depth estimation) : à partir d'une image satellite optique à haute résolution, il prédit directement une hauteur de canopée par pixel, à une résolution de l'ordre du mètre.

Ce changement de backbone n'est pas qu'un détail d'ingénierie. Selon Meta et le WRI, il se traduit par une exactitude sensiblement améliorée par rapport à la version précédente, un biais réduit dans les forêts hautes (un point faible classique des modèles entraînés majoritairement sur des forêts de taille moyenne), et une meilleure préservation des structures fines comme les bords de canopée et les trouées. Ces gains reposent sur trois leviers combinés : un jeu d'entraînement nettement élargi et plus diversifié géographiquement, une curation et un recalage automatisés des données d'entraînement, et une fonction de perte ainsi qu'une stratégie d'échantillonnage pensées spécifiquement pour la distribution statistique des hauteurs de canopée, plutôt qu'une perte générique de régression.

Un entraînement calé sur le lidar, une validation à très large échelle

Le modèle est entraîné en utilisant des cartes de hauteur de canopée dérivées de lidar aéroporté (ALS) comme référence de vérité terrain. La validation, elle, va au-delà de ces jeux de test ALS indépendants : elle mobilise aussi des dizaines de millions d'observations issues des missions lidar spatiales GEDI (NASA) et ICESat-2, ce qui permet de vérifier la cohérence du modèle à travers les grands biomes forestiers du globe plutôt que sur un échantillon régional limité. Les cartes mondiales diffusées avec le modèle ont été produites à partir d'imagerie satellite optique haute résolution de l'opérateur Vantor.

Ce que ça change pour le suivi forestier et carbone

La hauteur de canopée n'est pas une donnée décorative : elle conditionne directement l'estimation de la biomasse aérienne et donc du carbone stocké, elle permet de détecter une dégradation forestière (perte de hauteur sans perte de couvert visible en optique classique) bien avant qu'une déforestation complète ne soit détectable, et elle sert de variable de suivi pour mesurer l'avancement d'un projet de restauration dans le temps. Disposer d'une carte mondiale homogène, au mètre de résolution, avec un biais réduit dans les forêts hautes, comble un manque réel pour quiconque travaille sur la biodiversité, la gestion forestière ou les inventaires carbone à l'échelle d'un territoire qui n'a pas les moyens de financer une campagne lidar aéroportée dédiée.

Un modèle et des données ouverts

CHMv2 a fait l'objet d'une publication scientifique dans Nature Scientific Data, sous le titre « CHMv2: Improvements in Global Canopy Height Mapping using DINOv3 ». Le modèle est documenté et distribué via la bibliothèque Hugging Face Transformers, et les cartes mondiales produites avec sont publiées en accès ouvert sur le Registry of Open Data d'AWS, dans le cadre du partenariat Data for Good de Meta avec le WRI. Cette ouverture change la nature de l'outil : il ne s'agit pas seulement d'un produit cartographique à consulter, mais d'un modèle réutilisable, que n'importe quel praticien ou laboratoire peut appliquer à sa propre imagerie ou comparer à d'autres sources (comme le produit Biomass_cci de l'ESA, construit lui à partir de radar plutôt que d'optique) pour croiser les approches sur une même zone d'étude.

À suivre

Reste à évaluer, zone par zone, comment CHMv2 se comporte sur des forêts méditerranéennes ou nord-africaines, des biomes moins représentés dans les jeux de validation habituels axés sur les forêts tropicales et boréales denses. C'est précisément le type de test qu'un modèle ouvert, documenté et public permet de mener soi-même, sans attendre une étude tierce.