La santé des forêts est directement liée à la qualité de l’air, à la disponibilité d’eau potable et à la prévention des inondations et des sécheresses : surveiller leur état est crucial, mais ce n’est pas toujours facile. Les méthodes traditionnelles, comme l’échantillonnage manuel, l’analyse génomique et la télédétection, restent lentes, coûteuses ou peu précises.
Une étude publiée dans Nature: Communications Earth & Environment décrit une technique qui associe l’analyse de la réflectance spectrale, qui mesure la quantité de lumière réfléchie par les feuilles et les longueurs d’onde concernées, à l’expression génétique de la plante, c’est-à-dire la manière dont les gènes s’activent ou se désactivent en réponse à l’environnement.
« En reliant la réflectance spectrale à l’expression génétique, nous pouvons obtenir une mesure en temps réel de la santé de la forêt à l’échelle du génome, qui identifie les premiers signaux de déclin et les relie aux changements réels qui se produisent au niveau cellulaire », explique Nathan Swenson, coordinateur de la recherche.
Lumière et gènes. Nous sommes déjà capables d’obtenir des informations sur les plantes via la télédétection, mais les données ne nous révèlent pas grand-chose sur leur santé. Pour comprendre s’il existait un lien entre la réflectance d’une feuille et son expression génétique, les auteurs ont prélevé des échantillons de feuilles de deux espèces courantes (érable à sucre et érable rouge), mesurant leur réflectance avant d’analyser leur expression génétique. Les gènes examinés étaient liés à la réponse hydrique, à la sécheresse, à la photosynthèse et aux interactions avec les parasites et les pathogènes.
Surveillées depuis l’espace. En plus de la moitié des gènes analysés, les feuilles qui exprimaient le même gène reflétaient les mêmes longueurs d’onde de lumière : les gènes actifs laissaient donc une « signature lumineuse » reconnaissable et détectable à distance. « Nous pourrions surveiller des forêts entières au niveau génomique grâce à des capteurs sur l’ISS », commente Swenson.
L’étape suivante consiste à combiner ces données de réflectance et d’expression génétique avec le travail d’un modèle d’intelligence artificielle capable d’identifier les espèces d’arbres à partir d’images satellites ou aériennes de la couronne, afin de créer une carte forestière révélant la santé de chaque arbre et les zones les plus touchées.
« L’objectif final est d’utiliser les données adéquates pour évaluer rapidement comment les arbres réagissent au stress, afin d’intervenir avant que la forêt n’atteigne un point de crise », conclut Swenson.
