[English version below]
Une nouvelle méthode publiée pour cartographier la limite d’herbiers de posidonie à partir de photogrammétrie
Marre, G., et al. « Fine-scale automatic mapping of living Posidonia oceanica seagrass beds with underwater photogrammetry. » Marine Ecology Progress Series. 643 (2020): 63–74. Lien
Résumé : La posidonie Posidonia oceanica, herbe marine de la Méditerranée, qui fournit des est soumis à des pressions anthropiques croissantes, entraînant la perte ou la fragmentation des habitats. Alors que les images aériennes et les données acoustiques peuvent être utilisées pour surveiller la couverture des herbiers marins à l’échelle macro et sur de longues périodes, la surveillance de sa santé à court terme nécessite une cartographie de précision afin d’évaluer la régression/progression actuelle des prairies individuelles. Cependant, Les techniques subaquatiques actuelles à petite échelle sur le terrain sont imprécises et demandent du temps.
Nous proposons une approche de classification automatique basée sur la photogrammétrie sous-marine pour un, une méthode de surveillance opérationnelle, rentable et efficace en termes de temps et d’argent. La méthode utilise une propriété de le nuage épars généré lors de l’ajustement du faisceau – l’incertitude de la reconstruction – pour cartographier
des plaques d’herbe marine. La précision moyenne, le rappel et le score F1 de la méthode sur 21 sites d’étude avec les différentes morphologies étaient respectivement de 0,79, 0,91 et 0,84. Toutefois, le niveau de fragmentation des les prairies ont eu un effet négatif important sur les performances de classement. Le suivi temporel de 3 sites utilisant cette méthode a prouvé son opérabilité et a montré un indice d’évolution positif de les prairies correspondantes sur une période de 3 ans. Cette méthode est généralisable pour la plupart des et peut être intégré dans un grand système de contrôle, car il permet la production de nombreuses cartes des herbiers marins sur une courte période. De plus, notre méthodologie pourrait être généralisée et appliquée à l’étude d’autres végétations aquatiques submergées en ajustant la les paramètres de la méthode.
MOTS CLÉS : Posidonia oceanica – Photogrammétrie sous-marine – Cartographie de l’habitat benthique – Surveillance – Incertitude liée à la reconstruction – Végétation aquatique submergée
Abstract: The Mediterranean seagrass Posidonia oceanica, which provides highly valuable ecosystem services, is subject to increasing anthropogenic pressures, causing habitat loss or fragmentation. Whilst airborne images and acoustic data can be used for monitoring seagrass coverage at a macro-scale and over long time periods, monitoring its health in the short term requires
precision mapping in order to assess current regression/progression of individual meadows. However, current fine-scale underwater techniques in the field are imprecise and time-demanding. We propose an automatic classification approach based on underwater photogrammetry for an
operational, cost- and time-effective fine-scale monitoring method. The method uses a property of the sparse cloud generated during bundle adjustment—the reconstruction uncertainty—to map seagrass patches. The mean precision, recall and F1 score of the method over 21 study sites with
different morphologies were 0.79, 0.91 and 0.84, respectively. However, the fragmentation level of the meadows had a significant negative effect on classification performances. The temporal monitoring
of 3 sites using this method proved its operability and showed a positive evolution index of the corresponding meadows over a period of 3 yr. This method is generalizable for most encountered configurations and can be integrated in a large monitoring system, as it enables the production
of numerous seagrass maps over a short period of time. Moreover, our methodology could be generalized and applied in the study of other submerged aquatic vegetation by adjusting the
method’s parameters.
KEY WORDS: Posidonia oceanica · Underwater photogrammetry · Benthic habitat mapping; Monitoring · Reconstruction uncertainty · Submerged aquatic vegetation