Imagerie satellitaire libre d’accès pour la prédiction de la diversité spécifique des arbres des forêts sèches soudanaises en Afrique de l’Ouest
Barre latérale de l'article
Contenu principal de l'article
Résumé
Les forêts tropicales sèches abritent une grande biodiversité. Mais elles sont en proie à une destruction rapide due à l’extension des terres agricoles et l’exploitation forestière excessive. Dans ce contexte, L’utilisation de l’imagerie satellitaire libre d’accès pour le monitoring des forêts favorise une science inclusive pour la conservation des forêts dans les pays à faible revenu. Dans cette étude nous avons évalué, pour les forêts sèches soudanaises du Bénin en Afrique de l’Ouest, les performances des capteurs Landsat 8, Landsat 9 et Sentinel 2A à prédire la diversité spécifique et déterminé les facteurs pouvant influencer la cartographie de cette diversité. Des modèles de prédiction RandomForest de la diversité spécifique pour chacun des satellites ont été élaborés puis évalué sur la base du coefficient de détermination (R2) et de l’erreur quadratique moyenne (RMSE). L’indice Q de Rao a servi à cartographier la diversité beta des forêts. Les résultats ont monté que chacun des trois modèles prédit la diversité spécifique à plus de 90% de précision. Le modèle Landsat 8 a produit les meilleures performances pour la prédiction de la richesse spécifique (R2= 0,997, RMSE= 0,180) et les indices de diversité de Shannon (R2= 0,998, RMSE= 0,015) et de Simpson (R2= 0,999, RMSE= 0,003). Par ailleurs la cartographie de la diversité beta est influencée par la densité du couvert végétal tandis que la phénologie semble ne pas l’influencer. Cette étude dévoile le potentiel de l’imagerie satellitaire libre d’accès pour le monitoring et la conservation, à faible coût, de la biodiversité forestière.
Renseignements sur l'article
Cette œuvre est sous licence Creative Commons Attribution 4.0 International.
Droits d'auteur et licences
L’auteur est toute personne ayant contribué de façon significative à la conception, la recherche ou la rédaction de l'article. L’ordre de présentation des auteurs reflète le niveau de contribution de chacun.
Les auteurs cèdent une licence exclusive de première publication à la Revue Ecosystèmes et Paysages (online-ISSN : 2790-3230). Cette licence permet la production, la diffusion et l’indexation de l’article sur la plateforme de publication (prestogo), dans les bases d’indexation de contenus (E-ISSN, ROAD, DOI, CROSSREF, OpenAlex, FAO AGRIS, OpenAir), Listes de classement des revues (AJOL, JPPS**), dans les répertoires de revues (EZB Electronic, Data Cite Comon), les préservateurs numériques (PKP-PN/LOCKSS PKP-PN/CLOCKSS) et les agrégateurs de contenu (Open Researcher and Contributor ID (ORCDI), Google scholar, Research Gate, World Cat OCLC, Scilit, Zenodo, LENS, R-Discovery).
Toutefois, la propriété intellectuelle et les droits d’auteur sur le contenu original demeurent à leurs auteurs. Les auteurs conservent les droits d'auteur des articles publiés et accordent à l'éditeur le droit non exclusif de publier l'article, d'être cité comme l'éditeur original en cas de réutilisation et de le distribuer sous toutes les formes et dans tous les médias. Les articles seront distribués sous la licence Creative Commons Attribution 4.0 International (CC BY 4.0). Les auteurs peuvent conclure des accords contractuels supplémentaires distincts pour la distribution non exclusive de l'article publié (par exemple, l'envoyer à un dépôt institutionnel ou le publier dans un livre), en mentionnant sa publication initiale dans ce journal.
Politique de confidentialité
Les noms et coordonnées des auteurs, évaluateurs (membres du comité de lecture) et collaborateurs, ainsi que celles de leurs organisations ou unités d’attache institutionnelles, recueillis dans le cadre des activités de la Revue Ecosystèmes et Paysages, sont traités de manière confidentielle. Ils ne seront jamais utilisés à des fins commerciales ou publiques, à l’exception de leur mention dans la signature des articles publiés.
La Revue Ecosystèmes et Paysages se réserve toutefois la possibilité d’exploiter ces informations pour ses propres activités, notamment afin de solliciter des articles, des collaborations ou des contributions, ainsi que pour transmettre ponctuellement des avis de diffusion de nouvelle parution par courrier électronique. Toute personne peut demander en tout temps à être retirée de ces listes.
Politique sur les frais de publication
La revue Revue Ecosystèmes et Paysages, est gratuite sur toute la ligne et applique les règles de frais de charges suivantes :
- Frais de publication : non
- Frais de soumission : non
- Frais d’exonération : non
- Frais de page : non
- Frais de page en couleur : non
Références
Adomou A.C., 2005. Vegetation patterns and environmental gradients in Benin: implications for biogeography and conservation. Wageningen University and Research, Wageningen.
Ahononga F.C., Gouwakinnou G.N., Biaou S.S.H., Biaou S., 2020. Vulnérabilité des terres des écosystèmes du domaine soudanien au Bénin de 1995 à 2015. Bois for. trop 346 : 35-50. https://doi.org/10.19182/bft2020.346.a36295
Ardö J., 1992. Volume quantification of coniferous forest compartments using spectral radiance recorded by Landsat Thematic Mapper. International Journal of Remote Sensing, 13(9), 1779-1786. https://doi.org/10.1080/01431169208904227
Arekhi M., Yılmaz O.Y., Yılmaz H., Akyüz Y.F., 2017. Can tree species diversity be assessed with Landsat data in a temperate forest?. Environmental monitoring and assessment, 189, 1-14. https://doi.org/10.1007/s10661-017-6295-6
Assédé E.S.P., Azihou A.F., Geldenhuys C.J., Chirwa P.W., Biaou S.S.H., 2020. Sudanian versus Zambezian woodlands of Africa: Composition, ecology, biogeography and use. Acta oecologica 107 : 103599. https://doi.org/10.1016/j.actao.2020.103599
Bolyn C., Michez A., Gaucher P., Lejeune P., Bonnet S., 2018. Forest mapping and species composition using supervised per pixel classification of Sentinel-2 imagery. Biotechnologie, Agronomie, Société et Environnement, 22 : 3. DOI : 10.25518/1780-4507.16524
Ceperley N., Montagnini F., Natta A.K., 2010. Importance des sites sacrés pour la conservation des forêts-galeries au centre-Benin. Bois for. trop 303 : 5-23. https://doi.org/10.19182/bft2010.303.a20450
Chrysafis I., Mallinis G., Korakis G., Dragozi E., 2019. Forest diversity estimation using Sentinel-2 and RapidEye imagery: A case study of the Northern Pindos National Park. In : Seventh International Conference on Remote Sensing and Geoinformation of the Environment (2019). SPIE 11174 : 50-58. https://doi.org/10.1117/12.2533661
Chrysafis I., Korakis G., Kyriazopoulos A.P., Mallinis G., 2020. Predicting tree species diversity using geodiversity and Sentinel-2 multi-seasonal spectral information. Sustainability 12(21) : 9250. https://doi.org/10.3390/su12219250
Dixon D.J., Callow J.N., Duncan J.M., Setterfield S.A., Pauli N., 2021. Satellite prediction of forest flowering phenology. Remote Sensing of Environment 255 : 112197. https://doi.org/10.1016/j.rse.2020.112197
Gyamfi-Ampadu E., Gebreslasie M., Mendoza-Ponce A., 2021. Evaluating multi-sensors spectral and spatial resolutions for tree species diversity prediction. Remote Sensing 13(5) : 1033. https://doi.org/10.3390/rs13051033
Hill R.A, Wilson A.K, George M., Hinsley S.A., 2010. Mapping tree species in temperate deciduous woodland using time‐series multi‐spectral data. Applied Vegetation Science, 13(1), 86-99. https://doi.org/10.1111/j.1654-109X.2009.01053.x
Hountondji Y.C., Gaoué O.G., Sokpon N., Ozer P., 2013. Analyse écogéographique de la fragmentation du couvert végétal au nord Bénin: paramètres dendrométriques et phytoécologiques comme indicateurs in situ de la dégradation des peuplements ligneux. Geo-Eco-Trop: Revue Internationale de Géologie, de Géographie et d'Écologie Tropicales, 37(1). https://hdl.handle.net/2268/163267
Inglada J., 2016. OTB Gapfilling, a Temporal Gapfilling for Image Time Series Library. https://doi.org/10.5281/zenodo.45572
Issiaka N.T., Arouna O., Imorou I.T. 2016. Cartographie de la dynamique spatio-temporelle des parcours Naturels des troupeaux transhumants dans les Communes de Banikoara et de Karimama au Bénin (Afrique de l’ouest). European Scientific Journal 12(32) : 251-268. http://dx.doi.org/10.19044/esj.2016.v12n32p251
Ma X., Mahecha M.D., Migliavacca M., et al., 2019. Inferring plant functional diversity from space: the potential of Sentinel-2. Remote Sensing of Environment 233 : 111368. https://doi.org/10.1016/j.rse.2019.111368
Mahamane A., Mahamane S., Lejoly J., 2007. Phénologie de quelques espèces ligneuses du Parc national du «W» du Niger. Sécheresse, 18(4), 354-358.) https://doi.org/10.1684/sec.2007.0189
Maïga Yaya, Bouda Tiraogo Prince Florian, Bamogo Mahamoudou, Yanogo Pawendkisgou Isidore, Somé Yélézouomin Stéphane Corentin (2023). La dynamique des structures spatiales dans la commune rurale de Sourgou (Burkina Faso) : une analyse à partir des indices écologiques. Rev Écosystèmes et Paysages (Togo), 03(1): 1 –15, e-ISSN (Online): 2790-3230 doi: https://doi.org/10.59384/recopays2023-3-1
Mallinis G., Koutsias N., Makras A., Karteris M., 2004. Forest parameters estimation in a European Mediterranean landscape using remotely sensed data. Forest Science, 50(4), 450-460. https://doi.org/10.1093/forestscience/50.4.450
Mallinis G., Chrysafis I., Korakis G., Pana E., Kyriazopoulos A.P., 2020. A random forest modelling procedure for a multi-sensor assessment of tree species diversity. Remote Sensing 12(7) : 1210. https://doi.org/10.3390/rs12071210
Marceau D.J., Gratton D.J., Fournier R.A., Fortin J.P., 1994. Remote sensing and the measurement of geographical entities in a forested environment. 2. The optimal spatial resolution. Remote Sensing of Environment 49(2) : 105-117. https://doi.org/10.1016/0034-4257(94)90047-7
Mensah Kossi, Folega Fousséni, Woegan Yao Agbelessissi, Atakpama Wouyo, Pereki Hodabalo, Wala Kperkouma, Akpagana Koffi (2022) Etat et dynamique spatio-temporelle de la forêt communautaire d’Edouwossi-Copé, Région des Plateaux-Togo. Rev Ecosystèmes et Paysages (Togo), 2022, N° 01, vol 02; 12-26pp; e-ISSN (Online): 2790-3230; DOI: https://doi.org/10.59384/recopays.tg2102.
Nagendra H., Rocchini D., Ghate R., Sharma B., Pareeth S., 2010. Assessing plant diversity in a dry tropical forest: Comparing the utility of Landsat and IKONOS satellite images. Remote sensing 2(2) : 478-496. https://doi.org/10.3390/rs2020478
Nasiri V., Beloiu M., Darvishsefat A.A., Griess V.C., Maftei C., Waser L.T., 2023. Mapping tree species composition in a Caspian temperate mixed forest based on spectral-temporal metrics and machine learning. International Journal of Applied Earth Observation and Geoinformation 116 : 103154. https://doi.org/10.1016/j.jag.2022.103154
Natta A.K., 2003. Ecological assessment of riparian forests in Benin. Wageningen University and Research, Wageningen.
Noufe Francis, Yameogo Joséphine, Ouoba Paulin, Somda Irénée (2023). Analyse des facteurs influençant la dynamique des ligneux dans la forêt classée de Kuinima en zone périurbaine dans l’ouest du Burkina Faso. Rev Écosystèmes et Paysages (Togo), 03(1): 32–47, e-ISSN (Online): 2790-3230 doi: https://doi.org/10.59384/recopays2023-3-1
Palmer, M. W., Earls, P. G., Hoagland, B. W., White, P. S., & Wohlgemuth, T. (2002). Quantitative tools for perfecting species lists. Environmetrics: The official journal of the International Environmetrics Society, 13(2), 121-137.
https://doi.org/10.1002/env.516
Pangtey D., Padalia H., Bodh R., Rai I.D., Nandy S., 2023. Application of remote sensing-based spectral variability hypothesis to improve tree diversity estimation of seasonal tropical forest considering phenological variations. Geocarto International, 38(1), 2178525. https://doi.org/10.1080/10106049.2023.2178525
Pettorelli N., Nagendra H., Williams R., Rocchini D., Fleishman E., 2014. A new platform to support research at the interface of remote sensing, ecology and conservation. Remote sens. ecol. conserv. 1(1) : 1-3. https://dx.doi.org/10.1002/rse2.1
Rampheri M., Dube T., Dhau I., 2020. Use of remotely sensed data to estimate tree species diversity as an indicator of biodiversity in Blouberg Nature Reserve, South Africa. Geocarto int. 37(2) : 526-542. https://doi.org/10.1080/10106049.2020.1723717
Rocchini D., Ricotta C., Chiarucci A., 2007. Using satellite imagery to assess plant species richness: The role of multispectral systems. Applied Vegetation Science 10(3) : 325-331. https://doi.org/10.1111/j.1654-109X.2007.tb00431.x
Rocchini D., Marcantonio M., Ricotta C., 2017. Measuring Rao's Q diversity index from remote sensing: An open source solution. Ecological indicators, 72, 234-238. https://doi.org/10.1016/j.ecolind.2016.07.039
Sambiani Dambénoa, Kanda Madjouma, Atato Abalo, Folega Fousseni, Wala Kperkouma, Akpagana Koffi (2023). Cartographie et caractérisation écologique des formations végétales à épineux du socle Eburnéen au Togo. Rev Écosystèmes et Paysages (Togo), 3(2) : 1–12, e-ISSN (Online) : 2790-3230 DOI : https://doi.org/10.59384/recopays.tg3218
Torresani M., Rocchini D., Sonnenschein R., et al., 2019. Estimating tree species diversity from space in an alpine conifer forest: The Rao's Q diversity index meets the spectral variation hypothesis. Ecological Informatics 52 : 26-34. https://doi.org/10.1016/j.ecoinf.2019.04.001
Turner W., Rondinini C., Pettorelli N., et al., (2015) Free and open-access satellite data are key to biodiversity conservation. Biological Conservation 182 : 173-176. https://doi.org/10.1016/j.biocon.2014.11.048
Vodouhê G.F., Coulibaly O., Sinsin B., 2009. Estimating local values of vegetable non-timber forest products to Pendjari Biosphere Reserve dwellers in Benin. In : Parrotta JA, Oteng-Yeboah A, Cobbinah J (2009) Traditional forest-related knowledge and sustainable forest management in Africa. International Union of Forestry Research Organizations World Series 23 : 63-72.
Vodouhê F.G., Adégbidi A., Coulibaly O., Sinsin B., 2011. Parkia biglobosa (Jacq.) R. Br. ex Benth. harvesting as a tool for conservation and source of income for local people in Pendjari Biosphere Reserve. Acta botanica gallica 158(4) : 595-608. https://doi.org/10.1080/12538078.2011.10516297
Wang R., Gamon J.A., 2019. Remote sensing of terrestrial plant biodiversity. Remote Sensing of Environment 231 : 111218. https://doi.org/10.1016/j.rse.2019.111218