L’utilisation d’indices de végétation

De nombreux espoirs ont été mis à la fin des années 1980 dans l’estimation de la biomasse par télédétection mais force est de constater que la recherche sur l’utilisation de l’outil télédétection pour la caractérisation des forêts sèches est très en retard par rapport aux travaux menées sur les forêts tropicales humides (Sanchez-Azofeifa et al., 2005). Après quelques expériences menées dans les années 1990, ce domaine n’est encore en 2008 qu’à ses balbutiements. Et les expériences menées sont difficilement généralisables d’un site d’étude à un autre.

Actuellement la technique la plus utilisée est celle des indices de végétation. Un grand nombre d’indices de végétation sont susceptibles de fournir de l’information sur la structure et la composition des forêts sèches (Feeley et al., 2005).

Le plus utilisé est sans doute le NDVI (Normalised Difference Vegetation Index). Le NDVI est un ratio entre le RPIR (la réflectance dans le proche infrarouge), et RR (la réflectance dans le rouge). Il se base sur le contraste entre l’absorption forte des plantes chlorophylliennes dans

le rouge et leur réflectance forte dans le moyen infrarouge, due à la structure des feuilles. Ainsi, pour un couvert végétal dense, le NDVI est fort et peut atteindre 0.8-0.9 alors que pour un sol nu le NDVI est faible et se situe autour de 0.15-0.20.

NDVI = (RPIR - RR) / (RPIR + RR)

où RPIR est la réflectance dans le proche infrarouge et RR dans le rouge.

Le NDVI a été utilisé pour estimer la biomasse ligneuse à des échelles régionales (Millington et al., 1994) ; il a été utilisé pour estimer l’âge et la composition des peuplements (Sanchez-Azofeifa et al., 2005). Enfin, il a également été utilisé pour estimer la densité du couvert forestier à différentes échelles (Defourny, 1990 ; Olsson, 1984 ; Anyamba et Tucker, 2005)

Néanmoins, la plupart des auteurs s’accordent sur le fait que le NDVI est sensible à la couleur de la strate sous jacente comme le sol ou la litière (Bannari et al., 1996). Lorsque le taux de couvert est trop bas, le spectre radiatif observé par les satellites est dominé par le sol. La réponse du sol influence alors le NDVI. Huete et al (1985), et Elvidge et Lyon (1985) ont montré que les sols clairs produisent des indices de végétation plus faibles que les sols sombres.

Il est alors déconseillé d’utiliser le NDVI pour estimer des taux de couverts inférieurs à 30% ce qui est malheureusement le cas pour la majorité des formations végétales dans lesquelles le bois est prélevé autour de Bamako.

Pour corriger les effets de sols, d’autres indices ont été proposés : le PVI (perpendicular Vegetation Index) de Richardson et Wiegand (1977), le SAVI (Soil Adjusted Vegetation Index) par Huete (1985), le TSAVI (Transformed SAVI) par Baret et Guyot (1991), puis le MSAVI (Modified SAVI) proposé par Qi et al. (1994).

Tous ces indices sont des dérivés du PVI et reposent sur le concept de « droite des sols ». La droite des sols représente une description statistique de la signature des sols dans le plan spectral PIR/R. Elle correspond à la droite de régression entre la réflectance des sols dans le proche infrarouge (RPIR) et celle dans le Rouge (RR). Elle se définit par une pente a et une constante b

Les indices cités ci-dessus mesurent la « distance » des pixels par rapport à la droite des sols. Les pixels proches sont supposés être du « sol nu » et les plus éloignés de la végétation chlorophylienne. Ils diffèrent par la métrique de la distance utilisée et par l’introduction de différents coefficients correcteurs censés corriger la brillance des sols.

P. Defourny (1988), Gintzburger et al (2005), Bannari et al (1996) ont montré que ces indices discriminaient mieux la végétation du sol nu que le NDVI dans les zones arides.

Néanmoins, les tests que nous avons faits sur le bassin de Bamako montrent que le NDVI discrimine aussi bien, si ce n’est mieux la végétation ligneuse que les autres indices plus sophistiqués (Gazull et al., 2008). Sa corrélation avec le taux de couvert forestier

sur des fenêtres mobiles de l’ordre de 100 à 200m est tout à fait satisfaisante comme l’atteste la Figure 4. Nous avons donc choisi d’utiliser ce paramètre facilement calculable comme indicateur pertinent de la densité du couvert et de la biomasse aérienne.

1.3.4 Méthodologie de cartographie de la ressource

La méthodologie développée s’appuie sur les travaux d’inventaire du PIRL et sur un seuillage du NDVI calculé sur cinq images LANDSAT 7 du 25 octobre 1999. Cette date a été sélectionnée de manière à ce que, d’une part, la cartographie réalisée corresponde au mieux aux dates des enquêtes trafic réalisées en décembre 1999 et, d’autre part, car la saison retenue correspond au début de la saison sèche. Les herbacées ne sont alors plus chlorophylliennes et ne saturent donc pas le NDVI. La méthodologie détaillée est donnée en annexe. Elle suit les étapes suivantes :

1. Passage en réflectance des données brutes de manière à harmoniser les valeurs sur l’ensemble de la zone couverte par les cinq images.

2. Dégradation de la résolution spatiale. Cette dégradation est rendue nécessaire pour trois raisons majeures. Dans un premier temps, le couvert forestier n’a de sens que sur une grande surface. Sur des mailles de la taille d’un houppier, la cartographie du couvert aboutit à une image binaire : 0% / 100%. Dans le type de paysage sahélien, la plupart des auteurs conseillent des mailles de 100m à 250m de coté (Mougenot et Hamani, 1997 ; Defourny, 1992 ; Girard et al., 1991). Dans un second temps, la classification du PIRL qui nous sert de carte de référence repose sur de grands paysages végétaux qui sont eux-mêmes des compositions de différentes formations végétales. Une taille de maille trop petite ne permettrait pas de restituer ces compositions. Enfin, après plusieurs tests, il apparaît que la corrélation NDVI / Couvert est optimale à des tailles de mailles comprises entre 100m et 200m (cf. Figure 4). Au-delà, l’influence du sol devient trop grande et le NDVI sature. C’est sans doute ce phénomène qui rend le produit MODIS VCF inutilisable. Nous avons

donc choisi de dégrader les images par moyenne simple des valeurs d’origine en assemblant les pixels initiaux 16 par 16 de manière à obtenir une image de résolution spatiale de 114m x 114m.

Figure 4. La relation Taux de couvert / NDVI sur le bassin de Bamako,

en fonction de la taille de la fenêtre d’analyse - source : (Glemas et Gazull, 2007)

R2= 0.66 R2= 0.64 R2= 0.02 T a ux d e cou v e rt f ore sti e r (% ) T a u x de c o u v er t fores tie r (%) T aux d e cou v ert fo resti er (% )

NDVI calculé sur une fenêtre de 125m de côté NDVI calculé sur une fenêtre de 250m de côté NDVI calculé sur une fenêtre de 500m de côté

R2= 0.66 R2= 0.64 R2= 0.02 T a ux d e cou v e rt f ore sti e r (% ) T a u x de c o u v er t fores tie r (%) T aux d e cou v ert fo resti er (% )

NDVI calculé sur une fenêtre de 125m de côté NDVI calculé sur une fenêtre de 250m de côté NDVI calculé sur une fenêtre de 500m de côté

3. Stratification de l’image de manière à isoler les zones potentiellement productives. Une classification supervisée utilisant la cartographie des paysages végétaux du PIRL a été utilisée. Des 20 classes recensées sur le PIRL, la classification finale ne permet de discriminer de manière statistiquement pertinente que sept grandes classes d’occupation des sols : les zones urbaines, les cultures, les savanes verger / savanes boisées, les savanes arbustives / bowé, les prairies inondables, les formations de bord de rivière (rizières, dunes sableuses, arbuste), et les rivières. Le Tableau 2 synthétise cette classification. Les images satellitales ne permettent donc de distinguer que deux grandes classes de savanes : les savanes densément boisées (savanes verger et savanes boisées) et les savanes moins densément boisées (savanes arbustives et bowé arborés). En revanche, elles permettent parfaitement de distinguer les prairies hygrophiles, les zones de cultures et les zones de sol nu qui sont improductives pour le bois de feu.

Classe Occupation des sols ^{Couvert estimé} dans le PIRL

Stock estimé par le PIRL

(m3/ha)

1 Zone urbaine, route ou piste, 0% 0

2 Zone de culture, Champ récolté 5% - 10% < 7

3 ^{Savane arbustive ou arborée,}

bowé ^{10% - 50% 10 - 25}

4 ^{Savane verger, Savane boisée,}

forêt claire, forêt galerie ^{20% -70% 20 - 40}

5 Prairies hygrophiles ? ?

6 Zones inondées, rizières ? ?

7 Rivières et mares 0% 0

Tableau 3. Classification de l’occupation des sols du bassin issue de la classification supervisée d’images LANDSAT 7

4. calcul du NDVI sur les zones potentiellement productives hors cultures, hors prairies hygrophiles et hors zones urbaines. Les valeurs de NDVI ont été alors harmonisées entre les images par corrélation linéaire sur les parties d’images communes.