Soutenance mémoire
RELATIONS EMPIRIQUES BASÉES SUR LES MESURES AU SOL
Indices de végétation
Les indices de végétation sont basés sur la réflectance différentielle des tissus végétaux vivants ou photosynthetiquement actifs dans les longueurs d’onde du rouge et du proche infrarouge du spectre électromagnétique dans le domaine solaire (Tucker et al,1985). En effet, les feuilles vertes réfléchissent une très faible proportion du rayonnement incident dans la bande du rouge et une très forte proportion dans la bande du proche infrarouge (Guyot, 1990). Différents indices, basés sur des combinaisons entre les réflectances dans différents canaux, ont été proposés. Ils ont été utilisés pour estimer diverses propriétés biophysiques liées directement à la productivité primaire et au taux de couverture (Tucker et al, 1985; Benoit et al, 1988 ; Paruelo et al, 1991; Paruelo et al,
2000a,b), y compris le rayonnement photosynthetiquement actif (PAR) intercepté et le LAI
(Tucker, 1977; Asrar étal 1984).Dans la littérature, un grand nombre d’indices de végétation ont été développés pour différentes applications et dans des conditions bien spécifiques (Bannari et al., 1995). Dans le but de réduire l’effet de facteurs externes sur les réflectances tels que le substratum sousjacent, les conditions d’illumination (Bouman, 1991), ou les effets atmosphériques, les réflectances spectrales ont été combinées de diverses façons en indices de végétation. De nombreux indices de végétation ont ainsi été construits dans le but d’interpréter les mesures de télédétection. Ils combinent les réflectances dans le visible et le proche infrarouge (PIR).Baret et Guyot (1991) ont discuté de l’influence du le LAI, de l’inclinaison des feuilles ainsi que du substratum sous-jacent sur plusieurs indices de végétation. Ils ont montré qu’ils peuvent être classés en trois groupes qui sont succinctement présentés dans cette section.
• Dans le premier groupe, les indices de densité qui sont très influencés par le sol lorsque la
végétation n’est pas totalement couvrante.
– L’indice de Végétation NDVI (Normalized Difference Vegetation Index) (Rouse et al.,1974), variant entre -1 et 1, est un rapport normalisé entre le Proche infrarouge et le Rouge (1) NDVI = (PIR – R)/ (PIR + R)
Avec : PIR = la réflectance dans le proche infrarouge,
R = la réflectance dans le rouge.
La jonction entre le domaine spectral du rouge et du proche infrarouge, utilisé dans l’équation du NDVI, est un indicateur privilégié pour tout ce qui a trait à la concentration en chlorophylle des végétaux (Guyot, 1989). Le déplacement de ce plateau ainsi que son amplitude constitue un indicateur spectral important pour la détection des stress (Carter et Miller, 1994).
Le NDVI présente aussi la particularité d’augmenter en présence de végétation. Il est le plus souvent utilisé, et les raisons de sa « popularité » historique tiennent principalement à sa simplicité de calcul, à son caractère normalisé et à sa réputation de moindre sensibilité (par rapport aux réflectances) via à vis de facteurs externes tels que, la géométrie de l’éclairement ou les effets atmosphériques.
Cet indice est efficace pour quantifier la biomasse (Bariou et al, 1985) mais ne permet pas de détecter les variations dans le type de couvert végétal ou la pigmentation chlorophyllienne selon certains auteurs (Lichtenthaler et al., 1998) alors que d’autres études montre son efficacité à discriminer l’état de santé des végétaux (Adams et ai, 2000).
Des études antérieurs ont montré que le NDVI est tout de même relativement sensible aux positions respectives du capteur et du soleil (effets directionnels) (Goward et ai, 1994,Roujean et ai, 1992), aux variations spatiales et temporelles de composition de l’atmosphère (effets atmosphériques) (Tanré et al., 1992) et à la couleur de la strate sous jacente comme le sol et la litière (Huete et al., 1985, Baret et Guyot, 1991). Malgré les défauts cités ci-dessus, le NDVI est souvent le seul indice présent dans de nombreuses bases de données multitemporelles (Los et al, 1994). De plus, il montre de raisonnables corrélations avec des paramètres écologiques comme le LAI, le FPAR (Fraction of Photosythetically Active Radiation) et donc continue à être utilisé comme indicateur des paramètres de végétation (Elmore et al, 2000).
– RDVI (Renormalized Difference Vegetation Index) (Rougean and Breon, 1995)
(2) RDVI = (PIR – R) / (PIR + R)1/2
Malgré son utilisation intensive, NDVI sature dans le cas d’une canopée dense et il montre des relations non-linéaires avec les praramétres biophysiques tels que le LAI (Baret et Guyot, 1991; Lillesaeter, 1982).Pour cette raison, des indices améliorés ont été développés comme le RDVI (Rougean et Breon, 1995) afin d’avoir des relations linéaires avec les variables biophysiques. Cet indice proposé combine les avantages de l’indice de végétation différencié (DVI = NIR – R, Jordan, 1969) et le NDVI.
LAI
Le LAI est défini par la surface totale d’éléments de végétation verts (ne considérant qu’un seul côté des feuilles) par unité de surface au sol horizontal (Privette et a/., 1996).
Chen et Black en 1992 l’ont défini comme la surface cumulée, sur toute la hauteur du couvert, des faces supérieures des feuilles par unité de surface du sol. C’est donc une fonction directe de l’espacement des plantes dans la parcelle et l’une des principales déterminant le champ de rayonnement au sein du couvert (Chen, 1996). Le LAI est sans doute l’élément observable par télédétection le plus important du couvert. En effet, comme les feuilles sont considérées comme les principales interfaces avec l’atmosphère pour les transferts de masse et d’énergie (Rosenberg et al, 1983). LE LAI décrit à la fois (Sellers et al, 1986) :
– une quantification directe de la végétation verte et indirecte de la biomasse sur la surface observée ;
– la potentialité de la photosynthèse disponible pour la production primaire ;
– une caractérisation de l’évapotranspiration (H2O) et des flux de carbone entre la biosphère et l’atmosphère ;
– une mise en évidence des zones gravement affectées (zones stressées, attaquées par des
parasites, etc.).
L’indice de surface foliaire est en outre largement utilisé en écophysiologie pour modéliser le fonctionnement des couverts, puisque ce sont essentiellement les feuilles qui conditionnent l’évapotranspiration et les flux de carbone entre la biosphère et l’atmosphère (Rosenberg et al, 1983). Il constitue une donnée d’entrée importante pour les modèles écologiques et de changement du climat (Running et Coughlan, 1988; Bonan, 1995).Le LAI peut être mesuré directement au sol avec le LAI-2000 ou avec un planimètre lorsque les plants sont petits. En outre, il peut être estimé à l’aide d’algorithmes appliqués sur des images aéroportées ou satellitales à condition d’avoir des mesures au sol du LAI pour l’étalonnage et la validation des données (Delécolle et Guérif, 1988). Il existe une variété de méthodes pour l’estimation du LAI à partir du sol ou par télédétection et cette situation peut entraîner une certaine confusion et une mesure d’incertitude quant à la sélection des méthodes, du concept expérimental et de l’instrumentation (Bacour, 2001).Le LAI peut être estimé à partir des mesures de réflectances des capteurs optiques satellitaux. Les premiers travaux dans ce domaine ont été réalisés dans le cadre du projet ISLSCP (International Satellite Land Surface Climatology Project) (Sellers et al., 1994).L’algorithme de calcul reposait alors sur des relations empiriques avec l’indice de végétation NDVI, établies pour chaque classe d’une carte d’occupation des sols. Depuis, des méthodes plus sophistiquées ont été élaborées, utilisant des modèles de transfert radiatif qui implémentent des tables de correspondance ou des réseaux de neurones (Bacour, 2001).Les modèles empiriques consistent à corréler, par des relations simples, les indices de végétation au LAI. Ils ont l’avantage d’être rapides et faciles à mettre en œuvre (Kimes et Kirchner 1982). Ils sont cependant très sensibles à un certain nombre de facteurs perturbateurs tels que la contribution du sol, les effets atmosphériques et la géométrie de visée. Pour améliorer la robustesse du LAI estimé en prenant en compte explicitement l’influence de ces différents facteurs perturbateurs, on préfère souvent utiliser les modèles physiques (Gastellu-Etchegorry et al9 1996). Ces modèles décrivent le transfert radiatif au sein du couvert et permettent ainsi de relier le signal radiométrique fourni par les capteurs aux caractéristiques du couvert. La détermination du LAI nécessite d’inverser ces modèles à partir des données de télédétection. Le processus d’inversion consiste en une minimisation de l’écart entre les réflectances simulées et mesurées afin de déterminer les valeurs optimales (Camillo, 1991). Une bonne performance de l’algorithme d’inversion requiert d’une part un modèle précis qui prend bien en compte la structure du couvert et d’autre part une connaissance a priori de la distribution des variables du modèle qui permettra de mieux contraindre l’inversion (Maas et a/., 1989).
Biomasse
La biomasse comprend toute matière organique aérienne ou souterraine, qu’elle soit vivante ou morte. Le terme biomasse correspond à une définition commune de la biomasse au-dessus du sol et de la biomasse souterraine. La biomasse au-dessus du sol comprend toute la biomasse vivante au dessus du sol, y compris les tiges, les souches, les branches,l’écorce, les graines et le feuillage. Par contre, la biomasse souterraine correspond à toute la biomasse de racines vivantes; les radicelles de moins de 2 mm de diamètre sont exclues, car il est souvent difficile de les distinguer empiriquement de la matière organique du sol. La biomasse sèche diffère de la verte du fait qu’elle est anhydre. La biomasse est une propriété de base qui est associée à de nombreux processus puisqu’elle décrit la quantification de la respiration des plantes sur la surface observée (Fallon, 2003). Elle est impliquée dans un nombre de processus écologiques aussi bien en relation avec l’atmosphère qu’avec le milieu terrestre (cycle du carbone, cycle de l’eau).Des études scientifiques ont cherché, par le passé, à établir des méthodes précises, économiques et rapides, pour estimer la biomasse. Si les coupes de biomasse constituent une méthode simple à mettre en œuvre (par exemple Sims et al 1978 ; Sala et al 1988),cette technique est limitée par sa lenteur, son coût, le caractère destructif des mesures, et surtout par le nombre de mesures nécessaires pour produire une estimation fiable. Plusieurs travaux démontrent l’existence de forts rapports entre information spectrale et biomasse ou production primaire nette (PPN) (Goward et al, 1985; Box et al, 1989 ; Running, 1990; Prince, 1991; Hobbs, 1995, Paruelo et al, 1997 ; Paruelo et al, 2000(a)).Plusieurs travaux ont démontré l’existence de forts rapports entre l’information spectrale et la biomasse ou la production primaire nette (PPN) (Goward et al, 1985; Box et al, 1989; Running, 1990; Prince, 1991; Hobbs, 1995; Paruelo et al, 1997; Paruelo et al, 2000(a)). Ainsi, Plusieurs chercheurs ont récemment publié des résultats proposant que les réflectances dans le visible, le proche infrarouge et le moyen infrarouge peuvent être reliées aux conditions de croissance. Ils ont montré que les régions spectrales du rouge et de l’infrarouge sont fortement corrélées à la biomasse (Franklin, 1986; Roy et Ravan, 1996; Jakubauskas et Price, 1997). Et beaucoup d’autres ont identifié le moyen infrarouge comme étant la région spectrale la plus sensible au changement de la biomasse (Horler et Ahern,1986; Spanner et al., 1990; Ripple et al., 1991 et Danson et Curran, 1993).
|
Table des matières
RESUME
REMERCIEMENTS
LISTE DES FIGURES
LISTE DES TABLEAUX
CHAPITRE 1: INTRODUCTION
1.1 Contexte scientifique Erreur ! Signet non défini.
1.2 Problématique Erreur ! Signet non défini.
1.3 objectifs de la recherche
1.4 Plan du mémoire
CHAPITRE 2: REVUE DE LITTÉRATURE
2.1 Introduction
2.2 Indices de végétation
2.3 Variables biophysiques
2.3.1 LAI
2.3.2 Biomasse
2.3.3 Taux de couverture
CHAPITRE 3: MATÉRIEL ET METHODES
RÉSUMÉ
REMERCIEMENTS
CHAPITRE 4: RELATIONS EMPIRIQUES BASÉES SUR LES MESURES AU SOL
4.1 Introduction
4.2 Relations entre les indices de végétation et le LAI
4.3 Relations entre les indices de végétation et le taux de couverture
4.4 Relations entre les indices de végétation et la biomasse
4.5 Conclusions
CHAPITRE 5: CONCLUSIONS
RÉFÉRENCES
ANNEXE
Télécharger le rapport complet
