1. Terrain + satellite : enfin « et » plutôt que « ou »
Une étude menée en Bourgogne-Franche-Comté combine inventaire forestier national et LiDAR spatial GEDI pour améliorer la précision d’estimations à l’échelle d’unités de gestion. Elle ne prétend pas cartographier chaque arbre depuis l’espace.
Je retiens la complémentarité : le satellite éclaire le contexte, tandis que les mesures de terrain gardent leur rôle d’ancrage.
Article scientifique — Annals of Forest Science
link.springer.comConsulter la publication sur link.springer.comhttps://link.springer.com/article/10.1186/s13595-026-01358-2
2. GEDI est précieux, mais pas pour tout mesurer au centimètre
Une comparaison avec LiDAR aérien et terrestre examine les écarts et les limites de géolocalisation des observations GEDI lorsqu’on descend vers l’échelle locale.
Cette frontière entre résolution et précision mérite d’être répétée : un capteur spatial ne remplace pas un inventaire de placette.
Article scientifique — PFG
link.springer.comConsulter la publication sur link.springer.comhttps://link.springer.com/article/10.1007/s41064-026-00422-w3. Le volume forestier gagne à venir avec son incertitude
Une étude UAV-LiDAR associe NGBoost et méthodes d’interprétation pour estimer le volume de peuplement sous forme probabiliste. Les auteurs indiquent aussi que les intervalles ne capturent pas encore toute l’incertitude.
Voilà une idée que je trouve saine : 217 m³/ha a l’air définitif ; « estimation autour de 217 » raconte souvent mieux le travail scientifique réel.
Article scientifique — Carbon Balance and Management
link.springer.comConsulter la publication sur link.springer.comhttps://link.springer.com/article/10.1186/s13021-026-00499-14. Sentinel-1 : signaler un changement même sous les nuages
Une étude de détection des pertes de couvert forestier en Estonie utilise la cohérence radar Sentinel-1. Les résultats restent incomplets : il s’agit d’une couche d’alerte, pas d’un inventaire exhaustif.
Parfois une donnée n’a pas besoin d’expliquer exactement ce qui s’est passé. Elle doit nous dire où retourner observer.
Article scientifique — Remote Sensing
www.mdpi.comConsulter la publication sur www.mdpi.comhttps://www.mdpi.com/2072-4292/18/19/33385. Le jumeau numérique trouve aussi sa place dans le navigateur
Un démonstrateur urbain, fondé sur LiDAR drone, photogrammétrie et deck.gl, montre une chaîne cohérente d’acquisition, de préparation et de consultation Web des données géospatiales.
Ce n’est pas une forêt, mais j’y vois une leçon d’architecture : le navigateur n’a pas nécessairement besoin de faire tous les calculs pour devenir une excellente interface.
Article technique — ISPRS Archives
isprs-archives.copernicus.orgConsulter la publication sur isprs-archives.copernicus.orghttps://isprs-archives.copernicus.org/articles/L-4-W3-2026/9/2026/6. PROSAIL : rapprocher modèle physique et observation satellitaire
Le package open source prosail pour R permet de simuler la réflectance de la végétation avec un modèle physique et d’explorer son inversion à partir de données observées.
Ce dialogue entre physique et données m’intéresse : avant de demander à une IA de deviner la nature, on peut aussi lui donner quelques contraintes sur son fonctionnement.
Logiciel scientifique — Journal of Open Source Software
joss.theoj.orgprosail: an R package to simulate canopy reflectance with the coupled model PROSAIL (PROSPECT + SAIL)https://joss.theoj.org/papers/10.21105/joss.10451
7. Et si le tuteur IA posait les questions ?
Une expérimentation menée pendant dix semaines auprès de 42 futurs enseignants en sciences explore des tuteurs IA à interaction inversée : l’assistant questionne, ajuste et donne du feedback.
C’est plus stimulant qu’une machine distributrice de corrigés, même si les résultats concernent un petit échantillon et ne prouvent pas à eux seuls un gain d’apprentissage généralisable.
Article scientifique — Canadian Journal of Science, Mathematics and Technology Education
link.springer.comConsulter la publication sur link.springer.comhttps://link.springer.com/article/10.1007/s42330-026-00523-zCe que je retiens de la semaine
Une forêt numérique intéressante ne sera peut-être pas celle qui sait tout, mais celle qui sait aussi nous dire quand elle doute. Et ça, pour prendre de meilleures décisions, c’est une véritable qualité.
Fabrice Galliot
Chef de produit Silva Numerica
Veille & analyse — Forêt & numérique