Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Cette étude s’inscrit dans le cadre d’un projet de développement d’un outil automatisé de 
détection, dont le but est de permettre de détecter le milan royal et d’arrêter les éoliennes afin 
d’éviter le risque de collision. Ce travail s’est fait en collaboration avec Noveria Lux et Aprex 
Solutions. La première partie du projet a consisté à mettre en évidence les moments pendant 
lesquels le système devait fonctionner. Pour ce faire, des données GPS issues d’une balise posée 
sur un milan royal au Grand-Duché de Luxembourg par Natur&ëmwelt ont été utilisées. 
L’activité nocturne a été analysée afin de connaître les tranches horaires de fonctionnement de 
l’outil. Il en a été déduit que le milan se déplaçait déjà avant le lever du soleil. La distance de 
détection et de reconnaissance1
a aussi été déterminée grâce à la vitesse de vol du milan et a été 
établie à minimum 400m. Ensuite, les conditions météorologiques ont été mises en lien avec le 
comportement de vol du milan. Différentes analyses de régression montrent que près de 30% 
de l’activité de vol de ce rapace est expliquée par certaines variables météorologiques telles que 
la vitesse du vent, les précipitations, la température, l’humidité relative, le rayonnement global 
et la pression atmosphérique. Cependant, ces variables ne pourront pas être utilisées pour 
justifier l’arrêt du système. En effet, aucune d’elles ne permet d’établir un seuil en dehors 
duquel nous pouvons nous assurer que le milan royal ne vole pas. 
La deuxième partie s’est focalisée sur la différenciation entre différentes espèces d’oiseaux sur
base de leur trajectoire de vol. Il est indispensable que le système créé puisse différencier les 
espèces afin de ne pas arrêter les éoliennes dès qu’un oiseau est présent à proximité. Pour ce 
faire, une phase de terrain s’est imposée pour filmer des buses variables, des milans royaux et 
des milans noirs en vol, les autres espèces pouvant aisément être différenciées par le logiciel 
utilisé. Ensuite, une analyse des vidéos a été effectuée et une intelligence artificielle a été 
utilisée. La base de données de vidéos étant trop faible (à raison de 225 trajectoires pour la buse 
variable, le milan noir et le milan royal confondus), cette approche n’a pas donné de résultats 
positifs. Toutefois, la méthodologie initiée et testée devrait permettre de bien identifier les 
espèces, avec quelques ajustements.

Red kite --- Wind turbine --- Milan royal --- Eolienne --- Milvus milvus --- Sciences du vivant > Sciences de l'environnement & écologie