Académique Documents
Professionnel Documents
Culture Documents
Suivi projet :
http://cafesig.ulb.ac.be/mahara/view/view.php?t=rGtMa
UbishJpFl5DumdW
Vitrines de compétence :
http://cafesig.ulb.ac.be/mahara/view/view.php?t=xKLuR
v1A60PYgDC2Mfwk
Les forêts tropicales du bassin du Congo couvrent environ 15 % de la surface totale de la terre
et contiennent environ 25 % du carbone dans la biosphère terrestre. Cette région est également
connue pour son importance en termes de biodiversité (Parker& Mitchell,2009). La dégradation
et la déforestation intensives de ces milieux provoquent l’émission de dioxyde de carbone dans
l’atmosphère et donc la production de Gaz à Effet de Serre. En effet, chaque année, environ 13
millions d’hectares de forêt sont convertis en d’autres usages dans le monde(FAO,2010). Cette
destruction représente à elle seule 1/5 (20%) des émissions totales de carbone, faisant du
changement de la couverture végétale, la seconde cause du réchauffement climatique par ordre
d’importance. Dans ces conditions, toute initiative visant à lutter contre le changement
climatique doit impérativement prendre en compte les forêts.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-2-
2. Objectifs
2.1. Objectifs généraux
3. Recherche bibliographique
Document 1 : Musampa K. C, 2009 : Etudes de cas sur l’évaluation de la dégradation des
forêts : La dégradation des forêts en République Démocratique du Congo. FAO, Programme
d’évaluation, document de travail 169 des ressources forestières, Rome, Italie.
Apport : Ce document trouve une justification dans ce projet car il me permet une meilleure
compréhension de la notion et des éléments de la dégradation forestière, l’analyse des
définitions de la dégradation des forêts et de termes associés, des directives et outils techniques
efficaces et économiques pour contribuer à évaluer et surveiller la dégradation des forêts et le
calcul du taux de la dégradation forestière congolaise.
Apport : Ce document me permet de connaitre la place des images satellitaires dans les
nombreuses applications à l’IFN et la méthode de détection des changements pour le suivi du
couvert forestier.
Document 3 : Martin Ledant, 2007 : les indices de végétation. TFE Bachelier, 23 pages.
Département de Géographie, Faculté des sciences, Université de Liège.
Apport : Ce travail arbore la diversité des indices de végétations, leurs places comme indicateur
de la santé de la végétation et leurs caractéristiques en fonction du comportement spectral très
particulier de la végétation et le contraste important entre la période végétative et de repos, car
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-3-
ils sont calculés par des opérations mathématiques entre les bandes spectrales, le plus souvent
le canal R et le PIR.
Apport : Cet article décrit la mise en pratique d’une méthode associant l’analyse de données de
télédétection et l’analyse de données de terrain pour observer la dégradation des forêts. A travers
ce dernier, l’identification de la relation existant entre les indicateurs des fonctions des forêts et
le NDVI sont possibles. Ce dernier fournit des valeurs estimées de l’intensité verte des forêts,
résultant de l’analyse de données satellitaires. La démarche part du principe que le NDVI est
un indicateur de la présence de la végétation verte, dans la mesure où une dégradation de la
végétation ou diminution de l’intensité de verte, se traduirait par une diminution de la valeur de
NDVI, par conséquent il est possible de suivre l’évolution du processus de dégradation.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-4-
Zone d’étude
Images tree
cover de Matt Landsat
Caractéristique
Hansen
du peuplement
forestier
5. Données
5.1. Données disponibles
Données dendrométriques : Hauteur des arbres(m) et (DBH cm).
Données géographiques :
Vu la mauvaise qualité du Landsat 7(SLC-OFF) de 2013 à nos jours, la qualité des Landsat 8
couvrant ma zone n’était pas aussi meilleure pour entreprendre cette recherche au mieux. D’où
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-5-
6. Méthodologie concrète
6.1. Estimation de la biomasse du carbone carbone
L’estimation de la biomasse du carbone forestier aérien a été calculée au moyen de l’équation
allométrique de Chave (2014) :
AGB=0.0673x(ρD2H)0.976
Où,
AGB : biomasse du carbone (kg).
D : Diamètre hauteur poitrine (DHP) (cm).
H : Hauteur (m).
ρ : Densité du bois (g·cm-3)
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-6-
Après nous avons extrait (coupé) le raster contenant les valeurs de biomasses du carbone en
fonction de la province du Bandundu. Ensuite la symbologie et les classes de valeurs ont été
définies avant l’élaboration de la carte.
6.2.3 Soustraction
Ce travail a consisté premièrement à charger la couche vectorielle contenant les valeurs de
biomasses du carbone forestier aérien sur le raster des valeurs de biomasses de la RDC (Baccini
et al., 2008). Ensuite nous avions interrogé chaque pixel du raster correspondant à chaque
valeur de biomasse afin de recueillir les vraies valeurs de biomasse de baccini qui correspond
aux valeurs réelles de terrain.
Dans GRASS, nous avons créé le secteur et le jeu de données (mapset) puis avons importé les
deux couches chargées dans Permanent dans le nouveau mapset. Ensuite la région a été définie
en fonction de la couche vectorielle à une résolution de 500 m du raster avec le module g.region.
La couche vectorielle a été rastérisée via le module « v.to.rast » pour obtenir un raster. Après
nous avons procédé à la soustraction de deux rasters avec la calculatrice raster « r.mapcalc ».
Une Analyse de la moyenne (le test de student) a été mise en œuvre pour comparer la moyenne
des valeurs réelles de biomasse de terrain et celles de baccini et al. (2008) avec le programme
R3.0.2.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-7-
avec la projection WGS 84/ UTM 33N. En fonction des images obtenues après le calcul l’indice
ENDVI ou indice de Tucker (Tucker, 1979 ; Rouse & Haas, 1973), la zone d’étude a été coupée
sur les deux images avec la couche vectorielle relative à la zone d’étude.
Ensuite nous avions trouvé le seuil des deux images avec l’interpolation discrète :
g.region raster=AREA_ENDVI2015_ok@ENDVI
Élaboration de carte de situation avec le module r.mapcal en affectant les valeurs 0(pas
de forêt) et 1(forêt) et en fonction de seuil défini.
La fontion ou condition utilisée dans les deux formules permet affecter les valeurs inférieures
ou égales au seuil 0,35 et 0,21 aux zones non forestières sinon 1 relative aux zones forestières.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-8-
Afin de faire une idée de la surface de l’occupation forestière de la carte de situation 2015, 2016
et la carte du changement nous avons fait recourt au module « r.report » avec GRASS 7.0.
7. Résultats
L’étude de l’estimation de la biomasse du carbone forestier aérien a mis en évidence une valeur
totale de la biomasse (AGB en t/ha) 17.803 pour une superficie 6 ha.
Cette grande différence des valeurs entre la famille de Phyllanthaceae et les autres s’explique
par sa surface terrière plus élevée mais aussi par l’âge de ses arbres lui ayant permis
d’accumuler beaucoup de biomasse. Il est aussi important de signaler que l’indice foliaire
influence le rendement de la photosynthèse (Kidikwadi, 2012 in Mauwa, 2012) étant donné que
ces familles se caractérisent par des feuilles composées, leurs folioles accomplissent une
assimilation chlorophyllienne intense. Ainsi l’efficacité photosynthétique peut influencer le
rendement en biomasse d’une espèce voire même d’une famille.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-9-
Huaceae 520
Irvingiaceae 270
Lamiaceae 327,3
Lauraceae 647,4
Lecythidaceae 115,0
Malvaceae 309
Meliaceae 103
Moraceae 103
Myristicaceae 348
Myrtaceae 1236
Ochnaceae 321,1
Olacaceae 479
Passifloraceae 54,0
Phyllanthaceae 1499,4
Putranjivaceae 326
Rhamnaceae 375
Rhizophoraceae 113
Rubiaceae 855,1
Rutaceae 195,1
Salicacea 375
Sapindaceae 338,4
Sapotaceae 111
Simaroubaceae 125,2
Stemonuraceae 93,4
Urticaceae 336,4
Les variations de valeurs de biomasse entre les parcelles s’expliquent par la présence des
valeurs hautement élevées du DBH, surface terrière et la densité du bois de certaines essences
forestières au détriment des autres dans les parcelles respectives.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-10-
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-11-
7.2.4. Différence des valeurs de biomasse de carbone obtenus in situ et celles de Baccini
(2008).
La carte suivante est obtenue par la soustraction des valeurs réelles de biomasse de terrain
et celles de Baacini(2008). L’analyse de la moyenne nous signifie une différente très
hautement significative à P<0.0001 entre les valeurs de ces deux cartes.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-12-
L'indice de végétation par différence normalisé, appelé aussi NDVI construit à partir des canaux
rouge (R) et proche infrarouge (PIR) a permis de mettre en valeur la quantité de la végétation
en fonction de la différence entre la bande visible du rouge et celle du proche infrarouge. Il
ressort que les valeurs du NDVI sont comprises entre sont -0.0389519 valeur minimale et
0.451065valeur maximale. Les formations végétales quant à elles, ont des valeurs de NDVI
positives et oscillent entre 0.23 à 0.43. Il n’y a pas les valeurs les plus élevées correspondant
aux couverts les plus denses (0,7).
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-13-
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-14-
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-15-
850
y=ax+b,r=0.71
750
700
650
600
550
500
450
400
-0.1 0.0 0.1 0.2 0.3 0.4 0.5
ENVI2015
850
750
700
650
600
550
500
450
400
-0.05 0.00 0.05 0.10 0.15 0.20 0.25 0.30 0.35
ENVI2016
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-16-
Les cartes suivantes illustrent bien résultats obtenus entre les deux années (fig.11a et 11b).
Superficie en hectares
Classe d'occupations du sol 2016 2015
1 35469 35056
0 5596,38 6009
no data 2 2
Superficie totale 41067 41067
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-17-
2016
1 0
2015 0 01 00
1 11 10
0 : pas de forêt
1 : forêt
01 : Déforestation
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-18-
11 : Reforestation
Par ailleurs, la transformation multi-bandes avec des analyses en composantes principales nous
montre que la première composante concentre 99.8 % de l’information (de la variance) et que
toutes les bandes sont corrélées positivement avec cette composante. Il s’agit d’une composante
représentant la quantité d’information pour le changement de la couverture forestière.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-19-
8. Discussions
8.1. Résultats obtenus
Les résultats de l’estimation de la biomasse du carbone forestier pour les 6 parcelles obtenus au
niveau de la zone de Mai-Ndombe, nous permet de comparer ces derniers à ceux obtenus par
Baccini (2008). Cependant la comparaison entre les deux révèle une différence hautement
significative Cette constatation se justifie par le fait que les 6 parcelles d’études choisies (6ha)
avec un faible taux d’échantillonnage, ne sont pas représentatives pour l’ensemble de forêt, ce
qui explique cette différence avec les biomasses de Baccini. Cependant cette dernière fait
allusion à toute la couverture forestière résultant d'une classification supervisée avec l’image à
imagerie à résolution modérée « MODIS » (2000-2003)
Au niveau des parcelles, les variations des valeurs de biomasse se justifient par le fait que les
parcelles d’études n'avaient pas la même taille d’échantillonnage en termes de essences
forestières donc les espèces ayant présenté la densité du bois, hauteur et DBH élevés ont
influencé la biomasse du carbone forestier.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-20-
rouge et celle du proche infrarouge. Pour l’année 2015, les valeurs de NDVI sont comprises
entre -0.0389519 valeur minimale et 0.451065 valeur maximale. Par contre en 2016, les valeurs
du NDVI sont comprises -0.0196079 valeur minimale et 0.327663 valeur maximale.
De ce fait, la justification de ces différents résultats serait plus due à la présence de brume et
c’est très complexe d’acquérir des données sans nuage sur ma zone d’étude. Aussi à la date
d’acquisition de ces images.
Concernant la carte du changement de la couverture forestière entre les années 2016 et 2015, la
matrice de combinaison a révélé 4 classes d’occupation du sol (zone forestière, zone non
forestière, déforestation et reforestation par rapport à notre objectif. Par ailleurs la détection
visuelle de ces objets sur les deux Landsat-8 de 2016 et 2015 est difficile vu la présence des
nuages dans la zone d’étude. D’où l’intérêt d’utiliser les images à très haute résolution spatiale
temporelle pour résoudre le souci de brume, malgré le problème de brume est intimement lié à
ma zone d’étude en y associant la digitalisation des objets sur terrain et une reclassification
supervisée
8.2.1.2. Méthodologie
Pour continuer ce projet, il y a aura lieu de recourir aux images satellitaires à très haute
résolution spatiale temporelle à l’occurrence le Sentinel -2, plus à adapter pour l’observation
des sols et de leurs utilisations et réalisations de cartes mettant en évidence les évolutions de
celle-ci, et le Rapideye puis posséder les informations sur les objets constitutifs du terrain
d’étude en termes d’occupations du sol et/ou du changement.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-21-
8.3. La démarche à suivre pour lancer la mise en place du SIG dans votre environnement
de travail
La démarche à suivre pour lancer la mise en place du SIG dans notre environnement de travail
se résume dans le tableau suivant.
Contact des certains Tous les agents qui D’abord une formation dans Q-GIS et dans
bureaux de l’état utilisent déjà ou non des la mesure du possible certains modules de
utilisant le SIG logiciels libres dans leurs Grass.
tâches quotidiennes pour
un éventuel recyclage des
agents non à jour
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-22-
externes au sein de
l’Université.
Etudier la faisabilité Un projet SIG sous-région Plaidoyer auprès des autorités des pays
d’une synergie envisageable visant les respectifs et auprès des agences des Nations
d’action avec les recherches- Unies
anciens stagiaires de développement dans le
la RD Congo et du secteur de
Burundi (nos l’environnement (eau,
voisins) mine assainissement,
santé etc.)
Conclusion &perspectives
L’objectif de ce travail a été d’estimer la biomasse la biomasse du carbone forestier, de
spatialiser le stock du carbone forestier et de produire une carte de changement de la couverture
forestière afin d’évaluer la déforestation et la reforestation au niveau la zone de Mai-Ndombe.
A l’issu de la présente étude, axée sur la préservation des forêts du bassin Congo, nous avons
estimé la biomasse du carbone forestier ce qui représente une information importante.
Pour ce qui est du changement de la couverture forestière, il s’est dégagé que sur les 2 ans, les
domaines d’occupation du sol en termes de deux classes définies (1 : forêt ; 0 : pas forêt), la
zone forestière occupe une grande superficie d’occupation du sol dans la zone de Mai-Ndombe
avec une superficie 34483,14 ha suivi de la zone non forestière 5023,62 hectares.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-23-
Références
Chave J., Rejou M. & Mechain, 2014: Improved allometric models to estimate the
aboveground biomass of tropical trees. Global Change Biology (2014) 20, 3177–3190,
doi: 10.1111/gcb.12629
CIRAD, 1998 : Les cartes, la télédétection et les SIG, des outils pour la gestion et
l’aménagement des forêts tropicales d’Afrique Centrale. CIRAD-Forêt Campus
International de Baillarguet BP 5035 34032 Montpellier cedex 1
Lejeune P., Lecompte H. & Prevot H., 1993 : Utilisation d’un SIG pour la gestion des
ressources forestières : exemple d’applications à un niveau d’inventaire forestier
régional. Bull. Rech. Agron. Gembloux(1993)28(2-3) ,275-286.
Martin Ledant, 2007: les indices de végétation. TFE Bachelier, 23 pages. Département de
Géographie, Faculté des sciences, Université de Liège.
Mauwa, M. 2012 : Estimation du carbone fixe dans un bloc forestier dans la réserve de
biosphère de luki, Faculcuté des sciences Agronomique, Université de Kinshasa,
Option eaux et forêt, Mémoire Inedit.
MECNT & CNRDD, 2012 : rapport de l’atelier de consultation sur le mécanisme de gestion
des plaintes REDD+ en RDC, 12 pages.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.
-24-
Parker A, Mitchell M., Trivedi N. Mardas, 2009 : Le Petit Livre Rouge du REDD +. 132
pages
Rouse, J.W. And Haas, R.H., 1973: Monitoring vegetation systems in the great plain with
T. Belouard et al, 2008 : Les images satellitaires pour la gestion forestière. L’IF n°18, 1er
trimestre, N. Derrière IFN ISSN : 1769-6755.
Tucker, C. J, 1979: Red and photographic infrared linear combinations for monitoring
vegetation. Remote Sensing of the Environment, 1979, 8, 127–150.
Armand Okende, Cartographie d’Inventaire de Carbone forestier dans partie Nord- Ouest de la Province de Bandundu.