Dynamique des forêts de mangroves par télédétection

Christophe PROISY

Un écosystème interface entre océan et terres

Questionnements et approches développées en Guyane Française

Postulats : 1. L’étude des mangroves ‘préservées’ est cruciale pour comprendre le

fonctionnement des mangroves dans le monde.

1. Les mangroves s’adaptent-t-elle aux changements côtiers? Comment et jusqu’à quels niveaux de forçages?

2. Les structures forestières sont des marqueurs du fonctionnement écosystémique et des changements côtiers.

3. Vers des protocoles d’évaluation du degré de vulnérabilité de l’écosystème aux changements côtiers?

2. Quelles sont les conditions optimales locales de développement d'une mangrove? Favorisent-t-elles l’auto-maintien de l’écosystème à l'échelle régionale?

Espèces, DBH, nombres d'arbres, surface terrière, biomasse

Objets d’étude = Successions, dynamiques et structures forestières

Océan Banc de

vase nue

Stade pionnier

Stade adulte

Stade mature

Transition

Biomasse aérienne

Années 0 100

Nombre de tiges

Dynamique forestière

Incertitudes de 10 à 20%. Extrapolation hasardeuse pour DBH > 45cm.

Biomasse = a . DBH b

Feuilles, branches, troncs, total pour les 3 espèces de palétuviers

Début de colonisation

Colonisation extensive (~ +2.5 ans après l'envasement)

© C. Proisy, IRD-UMR AMAP, 2003

© C. Proisy, IRD-UMR AMAP, 2004

Jeune mangrove à Avicennia (~ +7 ans après l'envasement)

Mangrove adulte mixte (Kaw)

Mangrove mature (Iracoubo)

Etudiants du module FTH APT-ECOFOG, Kourou

Jean-Louis Smock

© C. Proisy, IRD-UMR AMAP, 2010

Érosion en Guyane Française

Nouvelle phase d'accrétion vaseuse

© C. Proisy, IRD-UMR AMAP, 2004

Démarche suivie depuis 1995

Mesures de terrain

(arbres, parcelles)

Images réelles (σ°, ρ)

Analyse statistique des relations

signal/végétation

1. Approche

expérimentale

‘Pretty pictures are not enough’ Adams & Gillespie (2006) Cambridge Univ. Press.

‘Amazon forests maintain consistent canopy structure and greenness during the dry season’ Morton et al. (2014). Nature.

‘Remote sensing: A green illusion’. Soudani & François (2014). Nature.

! !

Mesures de terrain / modèles

forestiers

Modèles physiques

Approche théorique

2. Analyse physique des relations

signal/végétation

Etudes de Sensibilité

(config. d’acquisition Param. forêts, etc.)

Peut-on estimer des paramètres forestiers?

Sites d'étude

Guyane Française

Brésil

Amapá

Pará

Rio de Janeiro

Cayenne

Kourou

Structures forestières par télédétection optique à très haute résolution spatiale

150 m

Spot-5, DS=4m L'Avion Jaune, DS=20 cm

2 axes de recherche méthodologique

Structures forestières par télédétection optique à très haute résolution spatiale

A partir de la détection de houppiers

Hedhli, 2010, Savane arborée, Guyane Française

A partir de la caractérisation de la texture

2D 1D indices de texture biomasse par parcelle

Structures forestières par analyse de texture dans

des images optiques THRS

Sur une idée de Pierre Couteron Couteron, 2002; Couteron et al. 2005

La méthode FOTO

La répétitivité de motifs est la première dimension visuelle perçue par l'oeil (Rao & Lohse, 1993). La transformée de Fourier 2D permet de quantifier cette répétitivité.

Structures forestières par analyse de texture

Peaks at

dominant

frequencies

10

0 m

Structures forestières par analyse de texture FOTO

Mangrove sénescente

Mangrove adulte

Jeune Mangrove

HECTARES DE MANGROVES

Cartographie des structures forestières par analyse de texture FOTO

La dynamique des mangroves marque la dynamique côtière

Mangrove adulte (région ~stable)

Vieille mangrove (région pérenne)

Mangrove pionnière (dépôt vaseux récent)

En quelques clics ! Sans aucune correction appliquée sur les images

FOTO AGB = 187.4 - 19.6.PC1 + 26.1.PC2 - 20.9.PC3 (r²=0.92, rmse=33tDM/ha, s=19%, n=26)

SAR AGB = 4.77 + 0.17 ° P-HV (dB) (r²=0.85, rmse=73tDM/ha, s=25%, n=12)

Estimations de biomasses aériennes en mangroves radar P-HV vs. FOTO sur optique

Obtenue à partir de la carte FOTO

INTECH Publisher.

Hei

gh

t (m

)

100m

Des palétuviers aux images simulées

Laser tacheometer (total station) measurements

A lollipop mangrove tree

Plus d'excuses: DART est là!

http://www.cesbio.ups-tlse.fr/fr/dart.html

Perspectives pour l'estimation des structures forestières par télédétection optique THRS = analyse des simulations !

Real images DART images FOTO R-spectra Real images DART images FOTO R-spectra

SI18

SI19

SI20

SI21

SI22

SI23

SI24

TC1

Cycles / km Cycles / km

— Real image – – DART image

© Projet TOSCA/CNES FOTO_METRICS

Étude de sensibilité aux paramètres angulaires Optique THRS

Travail avec le CESBIO (Post-doc CNES de JB Féret)

Tirer bénéfice de l'agilité des capteurs! Mise en évidence de 'patrons' d'évolution des textures en fonction des angles solaires avant normalisation angulaire?

Azimut soleil-capteur (°)

An

gle

d'o

bse

rvat

ion

(°)

© Projet TOSCA/CNES FOTO_METRICS

Un chantier CNES Faire le point de ce qu'on est capable de comprendre avec la simulation

d'image optique de forêts (des plantations d'Eucalyptus aux forêts tropicales en passant par les forêts tempérées) en fonction des

expérimentations locales.

Vers la standardisation des protocoles de mesures

• Protocole standardisé d'acquisiton des mesures d'inventaires forestièrs… in situ • Bibliothèque de modèles allométriques pour calculer des biomasses • Visualisation en peuplement 'sucettes' et accès à des statistiques forestières • Export direct des maquettes au format d'entrée du modèle DART

SIMEO http://amapstudio.cirad.fr/

F. de Coligny

Le projet Lollymangrove@AMAPSTUDIO

Vers une plate-forme de modélisation MANG@COAST

ER

A-I

NT

ER

IM

Colonisation

T_0

Érosion

T_end Adapté de Degenne, (2012)

Dynamique forestière quantifiée et régionale

mesoFON (FOTO-calibré)

Degenne, P. (2012). Une approche générique de la modélisation spatiale et temporelle : application à la modélisation des paysages. University of Paris-Est

Quelques références en télédétection radar, optique, lidar (mangroves et forêts tropicales)

1. Anthony, E.J., Dolique, F., Gardel, A., Gratiot, N., Proisy, C., & Polidori, L. (2008). Nearshore intertidal topography and topographic-forcing mechanisms of an Amazon-derived mud bank in French Guiana. Continental Shelf Research, 28, 813-822

2. Barbier, N., Proisy, C., Véga, C., Sabatier, D., & Couteron, P. (2011). Bidirectional texture function of high resolution optical images of tropical forest: An approach using LiDAR hillshade simulations. Remote Sensing of Environment, 115, 167-179

3. Barbier, N., Couteron, P., Gastelly-Etchegorry, J.-P., & Proisy, C. (2012). Linking canopy images to forest structural parameters: potential of a modeling framework. Annals of Forest Science, 69, 305-311

4. Barbier, N., Couteron, P., Proisy, C., Malhi, Y., & Gastellu-Etchegorry, J.-P. (2010). The variation of apparent crown size and canopy heterogeneity across lowland Amazonian forests. Global Ecology and Biogeography, 19, 72-84

5. Couteron, P., Barbier, N., Proisy, C., Pélissier, R., & Vincent, G. (2012). Linking Remote-Sensing Information to Tropical Forest Structure: The Crucial Role of Modelling. Earthzine

6. Fromard, F., Vega, C., & Proisy, C. (2004). Half a century of dynamic coastal change affecting mangrove shorelines of French Guiana. A case study based on remote sensing data analyses and field surveys. Marine Geology.

7. Fromard, F., & Proisy, C. (2010). Coastal dynamics and its consequences for mangrove structure and functioning in French Guiana. In Revised World Atlas of Mangrove for Conservation and Restoration of Mangrove Ecosystems (pp. 229-232): Earthscan.

8. Gratiot, N., Anthony, E.J., Gardel, A., Gaucherel, C., Proisy, C., & Wells, J.T. (2008). Significant contribution of the 18.6 year tidal cycle to regional coastal changes. Nature Geoscience.

9. Lucas, R.M., Mitchell, A.L., Rosenqvist, A., Proisy, C., Melius, A., & Ticehurst, C. (2007). The potential of L-band SAR for quantifying mangrove characteristics and change: Case studies from the Tropics. Aquatic Conservation: Marine and Freshwater Ecosystems.

10. Nascimento Jr, W.R., Souza-Filho, P.W.M., Proisy, C., Lucas, R.M., & Rosenqvist, A. (2013). Mapping changes in the largest continuous Amazonian mangrove belt using object-based classification of multisensor satellite imagery. Estuarine, Coastal and Shelf Science.

11. Ploton, P., Pélissier, R., Barbier, N., Proisy, C., Ramesh, B. R. & Couteron, P. (2012b). Canopy texture analysis for large-scale assessments of rainforest stand structure and biomass. Chap. 24. In M. Lowman, Devy, S. & Ganesh, T. (Ed.), Treetops at Risk? Challenges of Global Forest Canopies. (pp. 237-245): Springer, New York.

12. Ploton, P., Pelissier, R., Proisy, C., Flavenot, T., Barbier, N., Rai, S.N., & Couteron, P. (2012a). Assessing aboveground tropical forest biomass using Google Earth canopy images. Ecological Applications, 22, 993-1003

13. Proisy, C., Gratiot, N., Anthony, E.J., Gardel, A., Fromard, F., & Heuret, P. (2009). Mud bank colonization by opportunistic mangroves: A case study from French Guiana using lidar data. Continental Shelf Research.

14. Proisy, C., Mougin, E., Fromard, F., & Rudant, J.P. (1998). Radar imaging of the mangroves in French Guiana. Photo-Interprétation - Images Aériennes et spatiales, Special Issue, Remote sensing and vegetation seminar, 36, 81-88

15. Proisy, C., Mougin, E., Fromard, F., & Karam, M.A. (2000). Interpretation of polarimetric radar signatures of mangrove forests. Remote Sensing of Environment, 71, 56-66

16. Proisy, C., Mougin, E., Fromard, F., Trichon, V., & Karam, M.A. (2002). On the influence of canopy structure on the polarimetric radar response from mangrove forest. International Journal of Remote Sensing, 23, 4197-4210

17. Proisy, C., Couteron, P., & Fromard, F. (2007). Predicting and mapping mangrove biomass from canopy grain analysis using Fourier-based textural ordination of IKONOS images. Remote Sensing of Environment, 109, 379-392

18. Proisy, C., Barbier, N., Guéroult, M., Pélissier, R., Gastellu-Etchegorry, J.-P., Grau, E., & Couteron, P. (2012). Biomass prediction in tropical forests: the canopy grain approach. In T.E. Fatoyinbo (Ed.), Remote Sensing of Biomass: Principles and Applications / Book 1: INTECH publisher

19. Zhou, J., Proisy, C., Descombes, X., le Maire, G., Nouvellon, Y., Stape, J.-L., Viennois, G., Zerubia, J., & Couteron, P. (2013). Mapping local density of young Eucalyptus plantations by individual tree detection in high spatial resolution satellite images. Forest Ecology and Management, 301, 129-141