Monitoring forest-savanna dynamics in the Guineo-Congolian transition area of the Centre region of Cameroon

Abstract

Comprendre les effets des changements globaux (pressions anthropiques et climatiques) sur la distribution des biomes passe par des approches innovantes qui prennent en compte la large étendue spatiale de même que la faible disponibilité des données de terrain. Caractériser la dynamique de la végétation de l’échelle locale à celle régionale nécessite à la fois un niveau de détail (résolution) élevé, acquis grâce aux mesures précises sur le terrain de même qu’une couverture suffisante de la zone (étendue) obtenue par les images satellitaires. La complexité se trouve généralement entre ces deux échelles ; avec un signal satellitaire limité par la saturation additionné aux données de terrain localisées qui impactent la précision lors des extrapolations. Les données acquises grâce au scanner laser aéroporté (Airborne laser scaning ; ALS) apportent une alternative au compromis entre la précision et la surface couverte nécessaire pour améliorer les données satellitaires. L’avènement des satellites récents (Sentinel 2) avec une meilleure résolution spatiale et spectrale permettent une caractérisation détaillée des groupes floristiques. Un autre obstacle repose sur le manque de perspective temporelle sur les dynamiques et les perturbations. La disponibilité d’archives d’images satellitaires sur plusieurs décennies (>45 ans ; Landsat) de même que l’avènement des méthodes de traitements automatiques tels que Google Earth Engine (GEE) offrent de nouvelles possibilités dans le suivi à long terme des trajectoires de succession à une fine résolution spatiale (30 m) et les relier à la structure et la composition de la végétation. À l’aide de ces outils révolutionnaires l’objectif de cette étude a été de caractériser la dynamique de la végétation dans l’écotone forêt-savane de la zone de transition Guinéo-Congolaise de la région du Centre Cameroun en lien avec des changements induits sur la structure et la composition de la végétation dans la zone de construction du barrage hydroélectrique de Nachtigal et le parc national du Mpem et Djim (PNMD). La classification supervisée avec l’algorithme de maximum de vraisemblance d’une image du satellite Spot 6/7 complété par les informations sur la hauteur de canopée dérivée des données ALS ont servi à discriminer les types de végétation dans la zone de Nachtigal avec une grande précision (96,5 %). L’utilisation des données de terrain afin d’estimer la biomasse aérienne ligneuse (AGB) pour la zone de Nachtigal à partir d’un modèle statistique (model-based approach) calibré sur les données satellitaires a conduit à une surestimation systématique des estimations d’AGB avec une erreur résiduelle moyenne des prédictions (RMSPE) allant jusqu’à 65 Mg.ha−1 (90 %), tandis que l’utilisation les données ALS (AGBALS) a conduit à un faible biais et une réduction du RMSPE d’environ 30 % (43 Mg.ha−1, 58 %) avec un faible effet du type de satellite utilisé. Cependant ces résultats confirment qu’une attention particulière doit être portée sur la qualité du capteur et le prétraitement des images pour tous les satellites. Le signal du satellite ne garantit pas une précision dans les estimations à l’échelle du pixel au-delà de 200–250 Mg.ha−1 à cause des valeurs élevées du RMSPE relatif. L’approche basée sur la conception (design-based approach) pour laquelle les valeurs moyennes d’AGB sont attribuées aux différents types de végétation constitue une alternative simple et fiable pour des estimations d’AGB à l’échelle du paysage pour des données ALS distribuées dans les différentes typologies. L’AGB et la diversité spécifique mesurées au sein de 74 parcelles d’inventaires (distribuées le long d’un gradient de succession de la savane vers la forêt) sont élevées pour les végétations localisées dans le PNMD comparées aux végétations semblables échantillonnées à Nachtigal. L’approche automatique non supervisée du suivi à long terme (45 ans) des changements de couvert à partir d’archives Landsat dans GEE a mesuré un avancement constant et régulier de la forêt sur la savane à une vitesse moyenne d’environ 6 km²an-1. L’archive d’image Landsat est la mieux appropriée pour le suivi de la fréquence des feux dans la zone d’étude en comparaison avec les produits MODIS. Entre deux périodes de monitoring successifs (5 ans) les pixels de savane avant la transition vers la forêt n’ont enregistré aucun évènement de feu. Des assemblages distincts d’espèces spectrales (β-diversity) sont apparents en forêt et sont corrélés avec l’âge de la transition. L’accumulation de l’AGBALS avec l’âge de la forêt est de of 4,3 Mg.ha-1an-1 pour les jeunes forêts (< 20 ans) contre of 3,2 Mg.ha-1an-1 pour les vieilles successions forestières (≥ 20 ans). En savane deux modes ont été identifiés le long du gradient de groupes spectraux correspondant aux niveaux AGBALS où la savane boisée associée à une faible fréquence de feu stocke 50 % plus de carbone que les savanes ouvertes dominées par les graminées qui ont une fréquence de feu élevée. Une occurrence de feu en 5 ans est nécessaire pour limiter le boisement de la savane. Ces résultats décrivent quatre communautés végétales suivant un gradient de transition et d’historique de feu. Cependant la présence d’espèces forestières dans des parcelles avec une fréquence de feux faibles suggèrerait l’inefficacité du feu dans la limitation du boisement de la savane. Ces résultats ont des fortes implications pour la séquestration du carbone et les politiques de conservation de la biodiversité. Le maintien des écosystèmes de savane dans la région va nécessiter des méthodes de gestion appropriées et sont contradictoires aux objectifs de reforestations (REDD+, Bonn challenge, etc.).