Dégradation des forêts et stock de carbone dans la biomasse épigée de la forêt dense humide de Manompana - Nord Est de Madagascar

L’estimation du stock de carbone contenu dans les forêts peut être effectuée de plusieurs manières. Les méthodes les plus connues sont destructives et nécessitent l’abattage d’un grand nombre représentatif d’arbres. Cette représentativité est difficilement atteinte dans les forêts tropicales, présentant une diversité d’espèces exceptionnelles, comme à Madagascar. Afin d’évaluer le niveau de dégradation des forêts, une étude d'images par télédétection est effectuée au moyen de l’analyse du signal radiométrique, combinée à un inventaire non destructif de biomasse. L’étude de la dynamique du paysage proposé est alors basée sur une correction atmosphérique d’une image SPOT 5, de l’année 2009, et sur une classification semi supervisée de l’occupation des sols, combinant une classification préliminaire non supervisée, un échantillonnage aléatoire des classes et une classification supervisée avec un maximum de vraisemblance. La validation est effectuée à l’aide de points indépendants relevés lors des inventaires de biomasse avec des valeurs du stock de carbone bien précises. La classification non supervisée a permis de ressortir deux classes de forêt dénommées « peu dégradée » et « dégradée ». La première désigne l’état climax (le stock de carbone a atteint une valeur qui varie peu) alors que la seconde est caractérisée par un taux de carbone plus faible que le niveau climax, mais qui peut être atteint sans perturbation. Cette première classification permet alors de répartir les placettes d’inventaire dans chaque classe. La méthode d’inventaire recueille à la fois des données dendrométriques classiques (espèce, densité, hauteur totale, hauteur fût, diamètre) et des échantillons représentatifs de branches et de feuilles sur un arbre. Ces différents paramètres avec la densité de bois permettent d’établir une équation allométrique de laquelle est estimée la biomasse totale d’un arbre et conséquemment de la formation forestière. Par la suite, la classification supervisée a été effectuée à partir d’échantillons aléatoires donnant la valeur de séparabilité des classes, de la classification finale. De plus, les valeurs de stocks de carbone à l’hectare, estimées de chaque placette, ont permis de valider cette classification et d’avoir une évaluation de la précision. La connaissance de ce niveau de dégradation issue de données satellitaires à haute résolution spatiale, combinées à des données d’inventaire, ouvre le champ du suivi interannuel du stock de carbone et subséquemment de la modélisation de la situation future du stock de carbone dans différents types de forêts.

PM(10) remote sensing from geostationary SEVIRI and polar-orbiting MODIS sensors over the complex terrain of the European Alpine region

The subject of this study is to investigate the capability of spaceborne remote sensing data to predict ground concentrations of PM10 over the European Alpine region using satellite derived Aerosol Optical Depth (AOD) from the geostationary Spinning Enhanced Visible and InfraRed Imager (SEVIRI) and the polar-orbiting MODerate resolution Imaging Spectroradiometer (MODIS). The spatial and temporal resolutions of these aerosol products (10 km and 2 measurements per day for MODIS, ∼ 25 km and observation intervals of 15 min for SEVIRI) permit an evaluation of PM estimation from space at different spatial and temporal scales. Different empirical linear relationships between coincident AOD and PM10 observations are evaluated at 13 ground-based PM measurement sites, with the assumption that aerosols are vertically homogeneously distributed below the planetary Boundary Layer Height (BLH). The BLH and Relative Humidity (RH) variability are assessed, as well as their impact on the parameterization. The BLH has a strong influence on the correlation of daily and hourly time series, whilst RH effects are less clear and smaller in magnitude. Despite its lower spatial resolution and AOD accuracy, SEVIRI shows higher correlations than MODIS (rSEV∼ 0.7, rMOD∼ 0.6) with regard to daily averaged PM10. Advantages from MODIS arise only at hourly time scales in mountainous locations but lower correlations were found for both sensors at this time scale (r∼ 0.45). Moreover, the fraction of days in 2008 with at least one satellite observation was 27% for SEVIRI and 17% for MODIS. These results suggest that the frequency of observations plays an important role in PM monitoring, while higher spatial resolution does not generally improve the PM estimation. Ground-based Sun Photometer (SP) measurements are used to validate the satellite-based AOD in the study region and to discuss the impact of aerosols' micro-physical properties in the empirical models. A lower error limit of 30 to 60% in the PM10 assessment from space is estimated in the study area as a result of AOD uncertainties, variability of aerosols properties and the heterogeneity of ground measurement sites. It is concluded that SEVIRI has a similar capacity to map PM as sensors on board polar-orbiting platforms, with the advantage of a higher number of observations. However, the accuracy represents a serious limitation to the applicability of satellites for ground PM mapping, especially in mountainous areas.