Improving tropical forest aboveground biomass estimations : insights from canopy trees structure and spatial organization

Amélioration des estimations de biomasse en forêt tropicale : apport de la structure et de l’organisation spatiale des arbres de canopée Les forêts tropicales séquestrent plus de la moitié du carbone forestier mondial et sont particulièrement menacées par les processus de déforestation et de dégradation, qui représentent la deuxième source d’émissions anthropogéniques de CO2. De fait, les forêts tropicales sont au centre de politiques climatiques internationales (i.e. Reducing emissions from deforestation and forest degradation, REDD) visant à réduire ces émissions. L’initiative REDD repose sur notre capacité à cartographier les stocks de carbone forestier (dynamique spatiale) et à détecter la déforestation et la dégradation (dynamique temporelle) à large échelle spatiale (e.g. nationale, bassin forestier), avec exactitude et précision. Dans ce cadre, la télédétection apparait comme un outil crucial, mais les nombreuses sources d’erreur dans la chaîne de cartographie du carbone font des objectifs du REDD un challenge ambitieux. Dans cette thèse, nous avons évalué les erreurs associées aux estimations de carbone forestier (quantifié au travers de la biomasse épigée, AGB) (1) aux échelles de l’arbre et du peuplement en utilisant un modèle pantropical largement employé et (2) à l’échelle du paysage en utilisant une méthode de télédétection basée sur les caractéristiques texturales d’images optiques à très haute résolution spatiale. Notre objectif général était de mieux comprendre et de réduire l’erreur d’estimation de l’AGB à chaque échelle par une meilleure prise en compte de la structure, de la distribution et de l’organisation spatiale des arbres de canopée.Malgré l’importance des grands arbres dans la dynamique du carbone forestier, ils sont sous-représentés dans les jeux de données destructifs et soumis à un biais de sous-estimation dans le modèle d’AGB pantropical. Nous avons assemblé une base de données pantropicale et étudié l’influence de la forme de l’arbre sur le patron d’erreur du modèle. Nos résultats montrent que la source de biais du modèle est une augmentation de la masse de l’arbre dans la couronne chez les arbres de canopée. Un modèle d’AGB prenant ce phénomène en compte a été proposé. Nous avons aussi propagé le biais du modèle à l’échelle du peuplement et montré que l’interaction entre la structure du peuplement et l’erreur du modèle, qui est souvent négligée, peut en fait être substantielle. Une analyse des propriétés structurelles des couronnes a également été menée au regard des hypothèses de la Théorie Métabolique de l’Ecologie Des déviations ont été observées, notamment à la loi de Léonardo (i.e. principe de conservation des aires), qui, toutes choses égales par ailleurs, pourraient justifier la grande proportion de masse trouvée dans les couronnes des arbres de canopée.Une seconde partie de la thèse porte sur l’extrapolation des estimations d’AGB des parcelles de terrain via les caractéristiques de texture des canopées extraites par transformée de Fourier (i.e. méthode FOTO). Un obstacle majeur au développement d’une méthode d’estimation de l’AGB à large échelle basée sur la texture tient au fait que la relation texture – paramètres de structure du peuplement varie entre types de forêt et régions du monde. Nous avons investigué cette question en simulant des scènes de canopées virtuelles pour 279 parcelles de 1 ha établies dans des types de forêts tropicales contrastés. Nous montrons qu’en complémentant les indices de texture FOTO avec d’autres descripteurs structuraux, notamment sur l’ouverture de la canopée (via une analyse de lacunarité) et l’élancement des arbres (via un proxy bioclimatique), il devrait être possible de développer un cadre d’inversion stable de l’AGB à large échelle. Un premier cas d’étude empirique dans une mosaïque forestière du bassin du Congo a donné des résultats prometteurs.Globalement, ce travail met en évidence le besoin de mieux prendre en compte les patrons de variation de structure de l’arbre (e.g. ontogénétique) et de la forêt afin d’améliorer les modèles génériques d’AGB.