Agritrop
Home

Cartographier le carbone stocké dans la végétation : perspectives pour la spatialisation d'un service écosystémique

Le Clec'h Solen, Oszwald Johan, Jégou Nicolas, Dufour Simon, Cornillon Pierre André, Miranda Izildinha de Souza, Gonzaga Luiz, Grimaldi Michel, Gond Valéry, Arnauld de Sartre Xavier. 2013. Cartographier le carbone stocké dans la végétation : perspectives pour la spatialisation d'un service écosystémique. Bois et Forêts des Tropiques (316) : pp. 35-47.

Journal article ; Article de revue à facteur d'impact Revue en libre accès total
[img]
Preview
Published version - Français
Use under authorization by the author or CIRAD.
BFT_316_35-47.pdf

Télécharger (3MB) | Preview

Titre anglais : Mapping carbon stocks in vegetation: prospects for the spatialisation of an ecosystem service / Titre espagnol : Cartografiar el carbono almacenado en la vegetación: perspectivas para la espacialización de un servicio ecosistémico

Quartile : Q4, Sujet : FORESTRY

Abstract : Les grands programmes internationaux d'observation des écosystèmes, tels que le Millenium Ecosystem Assessment (Mea), puis Redd (Réduction des émissions liées à la déforestation et à la dégradation des forêts) et Redd+, préconisent le développement des approches permettant de quantifier et de spatialiser les services écosystémiques afin de mettre en oeuvre des pratiques et des politiques de gestion environnementale plus adaptées. La cartographie des services écosystémiques apparaît ainsi comme un outil majeur des espaces à forts enjeux environnementaux. Cependant, elle souffre encore de certaines limitations. C'est le cas du stock de carbone dans la biomasse végétale. À l'échelle d'une localité d'Amazonie brésilienne de 175 km², cette fonction écologique a été cartographiée avec une résolution spatiale de 30 x 30 m. Afin de quantifier ces stocks, des mesures de biomasse arborée et arbustive au sein de 45 " points " et des données géographiques obtenues par télédétection sont mises en jeu. Pour cela, deux méthodes statistiques sont testées : l'arbre de décision et la régression linéaire multiple. Les résultats statistiques de chacune de ces méthodes sont présentés, permettant d'en comprendre les intérêts et les inconvénients. La qualité d'ajustement de ces modèles est testée. Si l'arbre de décision décrit mieux le rôle des variables explicatives, la régression linéaire multiple permet une prédiction beaucoup plus efficace. Elle rend alors davantage compte de la variabilité spatiale au sein de chaque type d'occupation du sol. Cette méthode fait apparaître à l'échelle de la ferme des phénomènes spécifiques au territoire étudié. Cela permet de retranscrire simplement le résultat d'un processus écologique tout en le mettant en relation avec les activités anthropiques. Cette étude permet donc d'illustrer l'importance des choix méthodologiques afin d'obtenir la cartographie d'un processus. (Résumé d'auteur)

Résumé (autre langue) : Major ecosystem observation programmes such as the Millennium Ecosystem Assessment (MEA), REDD (Reducing Emissions from Deforestation and forest Degradation) and subsequently REDD+, recommend the development of approaches capable of quantifying and spatialising ecosystem services to support the implementation of more appropriate environmental management practices and policies. Ecosystem service mapping could thus become an important tool for highpriority areas in terms of the environment. However, the approach still has a number of limitations, for example as regards carbon stocks in plant biomass. This ecological function was mapped on the scale of a 175 km² locality in the Brazilian Amazon, to a spatial resolution of 30x30m. In order to quantify the carbon stocks, measurements of tree and shrub biomass in 45 different “points” were used together with geographical data obtained by remote sensing. To do so, two statistical methods were tested: the decision tree method and multiple linear regression. The statistical results from each of these methods are described here to show their advantages and disadvantages. Tests of the data adjustment quality of each model showed that while the decision tree method produces a better description of the role of explanatory variables, multiple linear regression is much more effective as a predictive tool as it gives a better picture of spatial variability for each type of land use. This method reveals terrain-specific phenomena on the scale of a single farm, thus allowing the result of an ecological process to be transcribed simply while also relating it to human activities. This study thus illustrates the importance of methodological choices in mapping a given process. (Résumé d'auteur)

Mots-clés Agrovoc : Carbone, Stockage, Biomasse, Végétation, Cartographie, Distribution spatiale, Méthode statistique, Modèle mathématique, Service, Écosystème, Changement climatique, forêt tropicale, atténuation des effets du changement climatique, séquestration du carbone

Mots-clés géographiques Agrovoc : Brésil, Amazonie

Mots-clés complémentaires : Service environnemental

Classification Agris : P01 - Nature conservation and land resources
U10 - Mathematical and statistical methods
K01 - Forestry - General aspects
P31 - Soil surveys and mapping

Champ stratégique Cirad : Axe 6 (2005-2013) - Agriculture, environnement, nature et sociétés

Auteurs et affiliations

  • Le Clec'h Solen, Université de Haute-Bretagne (FRA)
  • Oszwald Johan, Université de Haute-Bretagne (FRA)
  • Jégou Nicolas, Université de Haute-Bretagne (FRA)
  • Dufour Simon, Université de Haute-Bretagne (FRA)
  • Cornillon Pierre André, Université de Haute-Bretagne (FRA)
  • Miranda Izildinha de Souza, UFRA (BRA)
  • Gonzaga Luiz, UFRA (BRA)
  • Grimaldi Michel, IRD (FRA)
  • Gond Valéry, CIRAD-ES-UPR BSef (FRA) ORCID: 0000-0002-0080-3140
  • Arnauld de Sartre Xavier, UPPA (FRA)

Autres liens de la publication

Source : Cirad - Agritrop (https://agritrop.cirad.fr/570428/)

View Item (staff only) View Item (staff only)

[ Page générée et mise en cache le 2020-09-20 ]