De la canopée à la biomasse : télédétection lidar des dynamiques de la forêt tropicale à différentes échelles

From canopy to biomass : lidar remote sensing of tropical forest dynamics across scales

• Auteur / Autrice : Victoria Meyer
• Direction : Jérôme Chave, Sassan Saatchi
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'univers, de l'environnement et de l'espace
• Date : Soutenance le 01/05/2017
• Etablissement(s) : Toulouse 3
• Ecole(s) doctorale(s) : École doctorale Sciences écologiques, vétérinaires, agronomiques et bioingénieries (Toulouse)

Mots clés

Mots clés contrôlés

Lidar

Biomasse des forêts

Télédétection

Mots clés libres

Biomasse

Télédétection

Lidar

Forêt tropicale

Biomass

Remote sensing

Lidar

Tropical forest

Résumé

L'estimation précise da la biomasse des forêts tropicales est un enjeu important pour des programmes tels que REDD+ et autres politiques environnementales. Cette thèse étudie comment des métriques lidar aident à estimer la biomasse aérienne (AGB) et suit trois axes: le premier chapitre traite de la détection de la dynamique des forêts. Nous explorons quelle échelle/résolution/taille de parcelle et quelles métriques lidar sont optimales pour estimer la biomasse et ses dynamiques. Nous avons trouvé qu'une résolution d'au moins un hectare et la hauteur de canopée moyenne donnent les meilleurs résultats. Le deuxième chapitre traite des dynamiques spatiales et compare neuf sites situés dans les Néotropiques. Nous présentons une nouvelle métrique représentant l'aire des larges canopées (LCA), couplée avec la densité de bois moyenne des sites pour estimer leur biomasse. Nous montrons ainsi que les différences entre sites peuvent être dépassées et qu'un seul modèle peut être utilisé pour estimer leur biomasse. Enfin, le troisième chapitre présente la carte de biomasse d'une région méconnue et peu étudiée de Colombie, obtenue à partir d'un algorithme d'apprentissage automatique combinant des données lidar, de terrain, et des données satellitaires. Les trois chapitres soulignent l'importance d'identifier les différentes sources d'erreur et les incertitudes liées au processus d'estimation de biomasse. Ce travail représente une avancée dans l'étude du lidar en étant le premier à avoir estimé les dynamiques de biomasse en utilisant des instruments différents en forêt tropicale et à avoir produit la première carte de biomasse d'une région, comblant ainsi un vide qui existait sur la connaissance des forêts de Colombie.

Accurate estimation of biomass in tropical forests is of prime importance for programs such as REDD+ and for environmental policy in general. This thesis studies how lidar metrics can derive aboveground biomass (AGB) accurately and follows three axes : the first chapter deals with change detection of forest dynamics. It explores what scale/resolution/field plot size as well as which lidar-metrics are best to estimate AGB and AGB changes. We found that a resolution of at least 1ha and the mean canopy height metric give better results. The second chapter deals with spatial dynamics and compares nine sites in the Neotropics. We introduce a new metric representing large canopy area (LCA), coupled with mean wood density, to estimate AGB across sites and show that differences between sites can be overcome. Finally, our last chapter introduces a regional biomass map of a poorly known region of Colombia, using a machine learning algorithm combining airborne lidar data, field data and spaceborne remote sensing data. The three chapters emphasize on the importance of identifying sources of error and uncertainties. This work represents an advance in lidar studies by being the first one to estimate biomass changes using different sensors in tropical forests, exploring a new area and filling a gap in the knowledge of tropical forests of Colombia.