EDF Chap 1 20/06/2013

Transcription

1 EDF Chap 1 20/06/ Evolution du couvert forestier du niveau national au régional et moteurs de changement / Forest cover evolution from national to regional scale and change drivers Baudouin Desclée 1, Philippe Mayaux 1, Matthew Hansen 2, Patrick Lola Amani 2, Christophe Sannier 3, Benoît Mertens 4, Thomas Häusler 5, René Ngamabou Siwe 5, Hervé Poilvé 6, Valery Gond 7, Mathieu Rahm 8, Jörg Haarpaintner 9, Jean-Paul Kibambe Lubamba 10 Avec la contribution de Peter Potapov 2, Svetlana Turubanova 2, Alice Altstatt 2, Louis- Vincent Fichet 3, Gernot Ramminger 5, Sharon Gomez 5, Guillaume Cornu 7, Lucas Bourbier 7, Quentin Jungers 10, Pierre Defourny 10, Thuy LeToan 11, Manuela Hirschmugl 12, Gabriel Jaffrain 13, Camille Pinet 13, Cédric Lardeux 14, Anoumou Kemavo 14, Philippe Dorelon 15, Donata Pedrazzani 16, Fabian Enβle 17, Joerg Seifert- Granzin 18, Landing Mane 19, Ludovic Nkok Banak 20, Anton Vrieling 21 1 CCR, 2 University of Maryland, 3 SIRS, 4 IRD, 5 GAF AG, 6 Astrium, 7 CIRAD, 8 Eurosense 9 Norut, 10 UCL, 11 CESBIO, 12 JOANNEUM Research, 13 IGN France International, 14 ONF International, 15 INSEE, 16 GMV, 17 Albert-Ludwig University Freiburg, 18 Fundación Amigos de la Naturaleza Bolivia, 19 OSFAC, 20 CNC-Gabon, 21 University of Twente Les forêts tropicales sont au cœur des enjeux internationaux sur le changement climatique et la conservation de la biodiversité. Etant le second plus grand écosystème forestier mondial après l Amazonie, le bassin du Congo joue un rôle important dans le système climatique continental. De façon plus important encore, ces forêts d'afrique soutiennent les moyens de subsistance directe de 60 millions de personnes en milieu rural (fournir de la nourriture, des médicaments, combustibles, fibres, produits forestiers non ligneux ainsi que des fonctions sociales et culturelles) et directement moins 40 millions de personnes vivant dans les centres urbains de ces domaines forestiers (Nasi et al., 2011).

2 La cartographie de l'étendue des forêts et leur surveillance est d'une importance primordiale car leur l'état affecte le bien-être de millions de personnes en milieu rural et urbain, affecte le climat régional et mondial, et a des conséquences importantes pour la biodiversité. La délimitation précise de la superficie forestière, de sa composition et la documentation de sa dynamique fournissent des informations essentielles la mise en place et le suivi des politiques. Ce lien est considéré à l'échelle locale et mondiale dans les accords multilatéraux sur l'environnement tels que la Convention-cadre des Nations Unies sur les changements climatiques (CCNUCC) - où les politiques telles que la réduction des émissions dues à la déforestation et à la dégradation des forêts (REDD +) reconnaître le rôle des forêts dans le cycle du carbone; et la Convention sur la diversité biologique (CDB) - qui identifie la perte d'habitat de la forêt comme un moteur essentiel de la baisse de la diversité biologique. La politique européenne FLEGT réclame également des informations sur la traçabilité des bois et sur le caractère légal des coupes forestières. La source principale d information sur le couvert forestier et sur son évolution est la télédétection satellite. Les images acquises régulièrement par les différents satellites d observation de la terre (citons parmi les plus utilisés, Landsat, Spot, Aster et DMC- Disaster Monitoring Constellation) fournissent un état de la situation et permettent de comparer l état des forêts à différentes époques. De plus, l accessibilité grandissante des images acquises par différents capteurs facilite les analyses sur des surfaces de plus en plus importantes et permet de contourner le problème de couverture nuageuse importante en réalisant des images composites sans nuages ou en combinaison avec des images radar à ouverture synthétique (SAR). Les nouvelles approches multi-capteurs tentent donc d exploiter au mieux les informations des différents satellites disponibles. Ce chapitre dresse un aperçu non exhaustif des différentes initiatives de suivi des forêts d Afrique Centrale par image satellite. Suivant les objectifs de l initiative et de ses moyens, le champ d analyse passe de l échelle locale, à la couverture nationale voire à l ensemble de l Afrique Centrale. Alors que la plupart des études identifie les surfaces touchées par la déforestation, d autres études plus récentes tentent d identifier des Page 2 44

3 changements de couvert forestier plus limités tels que la dégradation forestière et la réduction de la biomasse. 1. Initiatives nationales de suivi du couvert forestier/national forest cover monitoring initiatives Plusieurs pays, dont le Gabon, le Cameroun, le Congo, la RCA et la RDC se sont officiellement engagés dans le processus REDD+ (démarche expliquée en détail dans le chapitre 5). Ces pays doivent notamment mettre en place un système intégré de Mesure, Notification et Vérification (MNV) des changements de déforestation et/ou dégradation forestière ainsi que des activités d amélioration du couvert forestier. Ce système nécessite donc de cartographier les zones de changements du couvert forestier afin d élaborer des stratégies adaptées localement face à ces dynamiques. Une telle cartographie détaillée n est pas exigée tous les ans (seulement tous les 3 à 5 ans) mais ce sont les évolutions du couvert forestier qui doivent être suivies plus régulièrement. Cette démarche nécessite également la mise en place de normes nationales telles que la définition de la forêt (en termes de couvert forestier) ainsi qu une grande implication des experts nationaux dans les processus de cartographie et de validation. Cette section dresse un état des lieux pour les pays ayant des premiers résultats lors de ces initiatives nationales de cartographies des changements de couvert forestier. La liste de ces initiatives est reprise dans le Tableau 1. Il est rappelé au lecteur que les résultats de cartographie complète de la RDC (FACET) ne sont pas repris dans ce chapitre étant donné qu ils ont déjà été publiés dans la précédente édition de ce rapport (EDF 2010). Page 3 44

4 EDF Chap 1 20/06/ Tableau 1 : Liste des projets en appui aux initiatives nationales et locales en termes de cartographie des changements du couvert forestier Nom Pays Leader Partenaires institutionnels /pays Partenaires techniques Bailleur Durée Période d'analyse Couverture Application recommandations GIEC Cameroun GAF MINFOF, MINEP FAN ESA, KFW Pays Non GSE-FM Congo GAF MDDEFE SIRS, JR ESA, FFEM Gabon SIRS AGEOS GAF, JR ESA, FFEM Pays Pays Oui Oui OSFT RCA Astrium MEFCPEE IGNFI AFD Sous préfectures (55% Pays) Oui REDDAF FACET RCA SIRS MEFCPEE Cameroun GAF MINEPDED Congo and DRC OSFAC - GAF, CESBIO, JR, LACCEG SIRS, CESBIO, JR, GTG SDSU, UMD, WRI EU EU CARPE/USAI D, NASA, CBFF/BAD Region Sud- Ouest Province Centre Pays Oui Oui Non ReCover DRC Norut OSFAC ALUFR, GMV EU Région Ouest Non REDDiness Congo, Gabon Eurosen se MEF (Gabon), CNIAF (Congo) ITC, IRD EU Sud Congo, Sud-Est Gabon Non

5 EDF Chap 1 20/06/ Gabon Le Gabon dispose d une cartographie complète de son couvert forestier pour les années de référence 1990, 2000 et Cette cartographie a été réalisée dans le cadre du projet GSE FM-Gabon grâce au traitement d images satellites Landsat pour les années 1990 et 2000 et d une combinaison de Landsat et ASTER pour Etant donné le couvert nuageux permanent, ce travail a nécessité le traitement d environ 300 images satellites, alors qu en l absence de nuages, une quinzaine d images Landsat suffiraient pour couvrir l ensemble du territoire gabonais. La cartographie détaillée a d abord été réalisée sur l année de référence Chaque image de l année 2000 a été traitée et classée séparément pour en extraire le couvert forestier. Un contrôle qualité détaillé a été appliqué pour chaque emprise d images et les résultats ont été mosaïqués sur l ensemble du territoire pour créer la couche Forêt/Non Forêt (F/NF) de l année Cette carte F/NF 2000 a ensuite été superposée aux images de 1990 et 2010 pour en extraire les changements observés et les classer selon une nomenclature compatible avec celle du GIEC. Cette carte des changements permet ensuite de dériver les couches forêt/non forêt pour 1990 et La méthodologie employée est décrite plus en détail par Fichet et al. (2012 et 2013) Figure 1 : Carte du couvert forestier du Gabon et de son évolution entre 1990 et 2000 (Source : GSE FM-Gabon)

6 La précision des cartes F/NF produites a été évaluée à près de 98% pour les 3 périodes. Pour estimer celle-ci, un photo-interprète confirmé a réalisé une interprétation visuelle des images satellites, indépendante de la production des cartes, sur base d un plan d échantillonnage couvrant 1% de l ensemble du territoire gabonais. Ce même plan d échantillonnage permet de produire des estimations de surface indépendantes de la carte thématique, mais aussi de combiner ces résultats avec la carte thématique et ainsi d améliorer la précision des estimations grâce à un estimateur de régression. En effet, il n est pas possible d indiquer l incertitude des superficies directement extraites des cartes produites, l estimateur de régression permet d affiner ces estimations et d indiquer le degré d incertitude leur étant associé. L utilisation de l estimateur de régression pour l estimation de la superficie du couvert forestier et de son évolution est décrite par McRoberts et Walters (2012) alors que son application pour le couvert forestier du Gabon est détaillée par Sannier et al. (2013). Les résultats issus de la combinaison entre carte F/NF (Figure 1) et échantillonnage photo-interprété pour l ensemble du Gabon sont détaillés dans le Tableau 2. La forêt représente plus de 88% du territoire gabonais soit environ 23,6 millions d hectares. Le taux annuel de déforestation nette entre 1990 et 2000 est établi à 0,034% soit une diminution du couvert forestier d environ ha. Tableau 2 : Estimations des superficies du couvert forestier du Gabon et de son évolution entre 1990, 2000 et 2010 issus de la combinaison entre carte F/NF et échantillonnage photointerprété (Source : Sannier et al., 2013) Gabon (km²) Déforestation nette Couvert (km²) forestier (%) 88,68 88,38 88,29 0,34 0,08 Incertitude (km²) ±664 ±711 ±698 ±293 ±259 (95% d intervalle de confiance) (%) ±0,25 ±0,27 ±0,26 ±0,13 ±0,11 Page 6 44

7 Entre 1990 et 2000, la déforestation brute est estimée à un peu plus de 1000 km² et près de la moitié est due à l exploitation forestière et à l ouverture de routes alors que près d un tiers de la déforestation est due à la conversion de la forêt en prairie/savane. Toutefois, une proportion significative de cette conversion est sans doute due à la pratique de l agriculture itinérante sur brûlis qui n est pas aisément détectable sur les images satellites et se confond avec la savane. La reforestation est de l ordre de 400 km² et les principales causes en sont la conversion des savanes/prairies pour plus de 60% et la reforestation des routes liées à l exploitation forestières pour 25%. La suppression du couvert forestier liée à l exploitation forestière peut être considérée comme n étant pas de la déforestation mais plutôt de la dégradation, car il n y a pas de conversion vers un autre type d utilisation des sols. La forêt dégradée dans ces conditions peut être restaurée par des mesures sylvicoles telles que le reboisement (FAO, 2009) Entre 2000 et 2010, un ralentissement très net de la déforestation est observé, puisque le taux annuel de déforestation observé est de 0.008% sur la période et la zone couverte. D autre part, cette valeur n est pas significativement différente de zéro. Ceci peut s expliquer non seulement par la faiblesse de la densité de population rurale et la dynamique agricole plus réduite mais aussi par les mesures institutionnelles prises par le Gabon sur les parcs nationaux et le code forestier. Ces nouvelles lois ont permis de mettre en place un réseau de 13 parcs nationaux répartis dans l ensemble du pays et le code forestier a conduit les exploitants à organiser l exploitation dans le temps et l espace à travers la réalisation des plans d aménagements forestiers. D autre part, une autre explication possible est à chercher dans les conditions écologiques généralement favorables à une régénération forestière rapide, notamment une très bonne pluviométrie et une bonne dissémination des graines par une diversité faunistique importante (Doucet, 2003). On pourrait également rajouter que le relief accidenté constitue un frein à l exploitation permanente des massifs forestiers. Ces explications doivent être confirmées par les études en cours sur les causes de la déforestation et de la reforestation au Gabon. Page 7 44

8 Cameroon The forest cover assessment for Cameroon comprised the acquisition and analysis of full national satellite image coverage based on Landsat for 1990 and 2000, and DMC data for 2005/06. The forest and non-forest areas were mapped for these years with a Minimum Mapping Unit (MMU) of 5 ha. In two separate projects (GSE-FM and REDDAF), mapping activities have been undertaken for the country but with more focused work limited to the Eastern Province and Central Provinces.The main reasons for limiting the mapping activities are due to budgetary constraints. Based on the forest/non-forest (F/NF) products of the Eastern Province, change masks were generated for the periods: and (Figure 2). The changed areas were then classified into the five IPCC compliant categories: cropland; grassland; wetland; settlement land and other land. Training data was derived from Very High Resolution (VHR) data and from the data acquired during the field missions Figure 2: Forest cover change (in red) in the Eastern Province of Cameroun for the periods and (Source: GSE-FM Cameroun) Page 8 44

9 Table 3 presents the areas of forest cover change for the three periods ( ). Despite the mapped area slightly differed between the two change periods, this area represents from 96 to 98% of the whole Easter Province covering km².the gross deforestation rate for the period was 0.86%. There was a significant regrowth during this period estimated at 0.21%. For the period , the gross deforestation rate was 0.07%. Given the high rate of regrowth (0.10%), the net deforestation rate over was estimated at -0.03% Table 3: Forest cover change estimations in the Eastern Province of Cameroon over the period (Source: GSE-FM Cameroun) Eastern Province (a) 2000 (b) Mapped area km² Net Deforestation Forest cover km² % 80.83% 80.31% 80.51% 80.53% 0.65% -0.03% Republic of the Congo A wall-to-wall mapping of forest cover and change for the years has been performed in the framework of the GSE-FM Congo Project. Whereas the project s ambition is to cover the whole country, first analyses were performed over the Northern Congo (Likouala and Sangha Provinces). Different satellite sensors such as Landsat-4, - 5, -7, Aster, DMC, RapidEye and SPOT were used to overcome the problem of heavy cloud cover in some parts of the country. The changed areas were classified into the IPCC compliant land cover classes; i.e agriculture land, grassland, settlement, wetland and other land. Preliminary results of forest cover change indicate gross deforestation rates of approximately 0.33% within the period between whereas and 0.26% between (Table 4) Page 9 44

10 Table 4. Forest cover change areas Northern Congo (Likouala and Sangha Provinces) over the period (Source: GSE-FM Congo) Likouala & Sangha Average Mapped area km² Net Deforestation 212 Forest cover km² % % 0.03% FACET (Forêts d'afrique Centrale Évaluées par Télédétection) is a joint project of the Observatoire Satellital des Forêts d Afrique Centrale (OSFAC) and the University of Maryland that quantitatively evaluates the spatiotemporal dynamics of forest change in Central Africa through the use of multi-temporal satellite data. The RoC FACET atlas is a wall-to-wall mapping exercise performed over the whole Republic of Congo. The approach is similar to that used to produce the FACET atlas for the DRC (Potapov et al., 2012) presented in the last SOF (de Wasseige et al., 2012). An exhaustive exploration of the Landsat ETM + satellite archive was carried out in order to map the extent and loss of forest cover of Congo from 2000 to A total of 1788 ETM+ images were processed to achieve the final map. The method used is an evolution of approach of Hansen et al. (2008), where MODIS data are used to pre-process time series Landsat images, which are in turn used to characterize the extent and loss of forest cover. Forest cover has been mapped for 2000, and forest cover loss analyzed from 2000 to 2005 and from 2005 to 2010 (Figure 3). Page 10 44

11 Figure 3: Forest cover/loss map of the Republic of Congo for the period (Source: FACET Congo) The forest cover change analysis was made across the entire national territory, with 99.9% of the land area covered by cloud-free Landsat observations. The total forest cover was estimated in 2000 at 229,385 km² (Table 4). Terra firme primary forests comprise 52% of the total forest area, whereas secondary forest and swamp forest cover respectively 4% and 44% of the total forest area. The area of gross forest cover loss from 2000 to 2010 was estimated at 1700 km² or 0.7% of the total forest area in For the total loss of forest cover, 51% occurred in terra firme primary forest, 34% in secondary forest, and 16% in swamp forest. The forest cover loss rates varied by forest type, with the highest rate in secondary forest (6.7%) and lowest in swamp forest (0.3%). The forest cover loss rate for primary forest was 0.7%. Most of the forest cover loss in primary forests is attributed to the expansion of agriculture and logging in pristine forests, potentially causing changes in plant and animal species composition, as well as ecosystem dynamics. The total forest cover loss nearly doubled between and intervals. The greatest rate of increase occurred in swamp forest where the loss increased nearly three-fold (284%) while terra firme primary forest loss increased by 182%. Page 11 44

12 Table 5. Forest cover/loss for the Republic of Congo over the period (Area reported in square kilometers) (Source: FACET Congo) Congo km² Forest Loss Primary Forest km² Secondary Forest km² Swamp Forest km² Total Forest km² % 67.6% 67.5% 67.1% 0.26% 0.48% 1.4 République Centrafricaine La production de la cartographie forestière en RCA, réalisée dans le cadre des projets REDDAF et OSFT, couvre un ensemble d environ km² soit 55% du territoire national comprenant 33 sous-préfectures. Cela correspond à des zones de forêt tropicale dense au sud, des forêts galeries et des zones de formations végétales arborées plus claires et sèches en remontant vers le nord. Les cartographies forestières sont issues de la classification d images satellites : Landsat pour les plus anciennes périodes, SPOT 4/5 et RapidEye pour les plus récentes. Toutes les cartes produites sont ensuite contrôlées et validées par des équipes externes suivant des protocoles stricts basés sur les standards internationaux. La méthodologie utilisée dans le cadre du projet REDDAF pour produire les cartographies des 3 préfectures du Sud-Ouest (Sangha Mbaéré, Lobaye et Ombella- Mpoko) est identique à celle décrite pour le Gabon ( 1.1). La chaine de production mise en œuvre pour les autres préfectures (projet OSFT) utilise une approche innovante de traitement des images satellites qui restitue les caractéristiques physiques du couvert arboré. Elle permet de générer ici deux types de produits: (1) Une analyse historique de la déforestation sur 20 ans et (2) une cartographie détaillée additionnelle sur L analyse historique de la déforestation sur 20 ans est une combinaison de classification binaire forêt/non-forêt aux trois dates pivots 1990, 2000 et 2010, ainsi que les cartes de changement associées. Les cartes sont générées à partir d'une combinaison d images satellites Landsat (pour les dates plus anciennes) et SPOT, à 20m de résolution spatiale. Pour le pivot le plus récent (2010), une cartographie détaillée est réalisée en 6 classes : forêt dense, savane arborée, savane, zone d habitation, zone humide et zone agricole. Page 12 44

13 Cette carte est générée à partir d'une mosaïque d images SPOT 5 à 10 m de résolution spatiale. Un exemple sur le Lot 1 couvrant la province de Mambéré Kadei est illustrée en Figure Figure 4: Cartographie des changements forestiers sur la province de Mambéré Kadei (Lot 1) de la RCA (Source: OSFT) Un protocole rigoureux de contrôle qualité a été défini et les contrôles ont été réalisés par une équipe indépendante de l équipe de production, en 2 étapes successives. Premièrement, une étape de vérification selon un échantillonnage statistique, qui a notamment permis de détecter des erreurs systématiques sur les premiers lots et d affiner ainsi les règles de classification. Deuxièmement, une phase de validation utilisant un échantillonnage stratifié (on s'assure d'avoir un nombre significatif de points dans chaque classe), vise à quantifier les qualités et les défauts de la classification, sous la forme d'une matrice de confusion Le croisement des cartes des différentes périodes pivot ( ) a permis de dériver des estimations de changement de surfaces forestières. Le tableau 6 fournit les résultats détaillés selon un découpage administratif correspondant généralement aux préfectures. 295 Page 13 44

14 Tableau 6: Résultats de l analyse historique ( ) par préfecture (Source: OSFT et REDDAF-RCA) Préfecture Surface 1990 Changements Changements Totale (km²) Surface forêt Déforestation Régénération Déforestation Régénération (km²) (%) (km²) (km²) (km²) (km²) Mambere-Kadei ,7% Nana-Mambere ,2% Ouham ,7% Kemo-Gribingui ,3% Ouaka ,1% (Sud) Ouaka ,1% (Nord) Haute Kotto ,8% Basse Kotto ,0% Mbomou ,4% (Ouest) Mbomou ,1% (Est) Haut Mbomou ,9% Sangha Mbaéré ,7% Lobaye ,6% Ombella-Mpoko ,4% Total ,9% (km²) Déforestation nette (%) 2,36 % 1,68 % Les phénomènes de déforestation sont relativement faibles sur l ensemble de la RCA, et dans la majorité des préfectures la déforestation est d environ 1% par période de 10 ans seules les 2 préfectures d'ombella-mpoko (Bangui, capitale) et Mambere-Kadeï présentent un taux de déforestation plus important. La forêt dense humide de RCA a perdu 4% de sa surface totale (3894 km²) en 20 ans soit une moyenne de 0,20% par an. Page 14 44

15 Box 1.5 Monitoring deforestation in the DRC the TerraCongo project Przemyslaw Zelazowski 1,Carlos Riano 2, Stefano Giaccio 1, Inge Jonckheere 1, V. K. Kosa 3, H. K. Koy 3, F. M. Kayembe 3, E. N. Manzila 3, D. V. Mbenza 3, Danaé Maniatis 1 1 Food and Agriculture Organization of the United Nations, Forestry Department, UN- REDD Programme, Rome, Italy 2 Food and Agriculture Organization of the United Nations, UN-REDD Programme, Kinshasa, Italy 3 Direction Inventaire et Aménagement Forestiers (DIAF)/MECNT, Kinshasa, DRC The TerraCongo project, initiated in 2011, stems from a collaboration between the Brazilian Space Agency INPE and FUNCATE (a foundation dealing with the technical development of methods and tools for the Amazon forest monitoring), FAO of the UN, and a number of countries participating in the UN-REDD programme ( notably DRC, Paraguay and Papua New Guinea. The collaboration aims to build capacity in tropical forest Monitoring and Measurement, Reporting and Verification (M and MRV) based on (mostly) freely available technology and data. Other goals include reinforcement of technical and professional capacities of national experts during the implementation phase, as well as inclusion of existing national data and methods. FAO s role is that of a catalyst of South-South transfer of know-how and capacity building (notably, linked to the Brazilian TerraAmazon software) and of a promoter and generator of freely available and open tools. Page 15 44

16 Figure 5: Presentation of the DRC forest monitoring initiative DRC s TerraCongo is the first country implementation of the initiative. In the first phase, it focuses on (i) forest area monitoring, and (ii) data dissemination through Internet, which together form the DRC s official National Forest Monitoring System (NFMS). Currently the project encompasses the Kasai-Occidental province, which has circa km 2 of forest, and was chosen as it received the highest feasibility rank in an assessment that considered several criteria (area, deforestation rates, REDD+ activity, cloudiness, data availability, topography, forest plots, and forest types). This initial phase will be followed by successive inclusion of all DRC s provinces, each in a separate database. Measurement of the forest area is primarily based on freely available Landsat satellites data, free and open tools for satellite image processing (e.g. and free-ofcharge TerraAmazon software ( that facilitates multi-user edition of land cover maps. All satellite imagery used in the project is corrected and segmented. Other data processing is specific to one of the two main stages: (i) delineation of forest Page 16 44

17 area for the year of reference and (ii) change detection. Data pre-processing for the 1 st stage makes use of the officially-adopted forest map, the DRC FACET map, which provides training for image segment classification. Based on comparisons with highresolution imagery, accuracy of the resulting initial forest map is preliminarily estimated to be 85 % (based on hi-res imagery in Google Earth, and not accounting for time differences). Data pre-processing for the 2 nd stage involves automatic detection of change between imagery from different dates. In both data processing phases, a group of 5 national experts from DIAF (Department of Forest Inventory and Management), who received training in Brazil, Italy, and DRC, post-process and validate geo-information derived though automated data processing, ensuring that forest areas conform to the official country definition of forest, submitted to the UNFCCC secretariat. This is done using purpose-build workspace in the TerraAmazon software, with two separate projects (implemented in the same database), one for forest mask finalization, and one for periodic assessment of forest area change, which together cover the whole data production cycle. Recent efforts focus also on gathering high-resolution imagery to aid Landsat data interpretation and project validation, and on the implementation of all data pre- and post-processing in open and free software. Results from the above-described work are published through the official NFMS webportal of DRC ( which was officially launched in December 2011 (COP), and is available to import, process, and disseminate any data related to forest Monitoring and MRV. Page 17 44

18 Evaluation régionale des changements de couvert forestier / Regional assessment of forest cover change L harmonisation à l échelle régionale du suivi du couvert forestier reste cruciale car elle est complémentaire aux différentes initiatives nationales. En effet, certains critères comme la définition cartographique d une forêt peuvent différer d un pays à l autre et rendent complexes la comparaison entre pays. Les approches régionales permettent d obtenir une évaluation cohérente de la situation des forêts sur toute l Afrique Centrale. Deux types d analyse régionale du suivi forestier coexistent car elles ont chacune leurs limites et leurs utilisations. La première est l approche par échantillonnage de zones cartographiées. Celle-ci permet une meilleure compréhension des changements forestiers et possède un historique plus long (depuis 1990 jusqu à 2010). Cette technique a été conçue pour une vision régionale voire nationale et non pas locale. La seconde approche est la cartographie exhaustive (wall-to-wall). Celle-ci est indispensable pour la mise en œuvre des politiques nationales et locales mais elle nécessite des traitements importants au moyen d outils avancés de composition d images satellites Tableau 6 : Synthèse des différentes approches de suivi forestier en Afrique Centrale pour les périodes et (* Travaux en cours) National Sampling National Sampling Wall-to-wall Cameroun X(East) X X(East) X X* Congo X(North) X X(North) X X Gabon X X X X X* Guinée Eq. X X X* RCA X(South) X X(South) X X* RDC X X X Chad X X 394 Régional X X X* 395 Page 18 44

19 Suivi régional des forêts humides et sèches entre 1990 et 2010 Dans le cadre de l OFAC et dans la continuité des précédentes éditions de l EDF, une nouvelle évaluation cohérente de la déforestation a été réalisée à partir de la plus longue série temporelle ( ) couvrant le Bassin du Congo. Les images satellites couvrant ces dates pivots ont été cartographiées sur base des techniques récentes de traitement d images et croisées afin de déterminer les taux de déforestations pour chaque pays du Bassin du Congo. Cette étude est réalisée dans le cadre du projet TREES lancé en 1992 par la Commission Européenne et qui contribue à l enquête mondiale par télédétection de l Evaluation Globale des ressources forestières mondiales 2010 de la FAO (FRA pour Forest Resource Assessment ; FAO, 2012). L approche TREES/FRA utilise des extraits d images satellites de 10x10 km sur trois époques 1900, 2000 et 2010 sur base d un échantillonnage systématique sur chaque demi-degré de latitude/longitude (et même quart de degré pour le Gabon et la Guinée Equatoriale, fréquemment couverts de nuages), soit un échantillon total potentiel de 510 points systématiquement distribués sur les forêts humides d Afrique Centrale. 311 sites ont été couverts par des images de bonne qualité sur les 3 époques. Les principaux échantillons manquants sont localisés sur les zones côtières du Gabon, de la Guinée Equatoriale et du Cameroun. Bien que les périodes cibles étaient 1990, 2000 et 2010, la recherche des images couvre quelques années autour de chaque période cible vu les contraintes de disponibilités des images (notamment couvert nuageux et faibles acquisitions historiques). Les problèmes techniques sur les satellites Landsat (capteur défectueux sur Landsat-7 et station de réception Landsat-5 défaillante) ont également compliqué l acquisition des images sur 2010, alors que ces données étaient la base pour 1990 et Dès lors, le jeu de données 2010 a été construit en combinant plusieurs satellites de résolution similaire. Parmi les candidats potentiels, DMC était considéré comme bon candidat étant donné sa courte période de revisite et ses résolutions spatial (de 22 à 32 m) et spectrale similaires à Landsat. Les images SPOT-4 et -5 à plus haute résolution (respectivement 20 et 10 m) ont également été utilisées comme imagerie complémentaire. Au total, Page 19 44

20 DMC représentant 43% des images utilisées, SPOT (22%) et Landsat TM pour les 34% restants Les changements de couvert forestier sur la période ont été estimés sur base d une chaine de traitement originale d images qui comprend différentes étapes (Rasi et al., 2013): sélection visuelle des meilleurs images disponibles, co-registration, calibration, masquage des nuages et ombres, segmentation, détection de changement et classification. Cette chaine de traitement a été adaptée pour les échantillons DMC et SPOT (Desclée et al., 2013). Des experts régionaux ont alors vérifié les cartes d occupation du sol produites automatiquement et ont recodé les erreurs détectées. Les changements de couvert forestier ont alors pu être mesurés en comparant les paires de cartes validées entre 1990 et 2000 et sur 2000 et 2010 sur chaque point de l échantillonnage (Mayaux et al., 2013). La Figure 6 présente cette évolution de la déforestation sur l ensemble du bassin du Congo Figure 6 : Cartes du Bassin du Congo illustrant les taux de déforestation sur chaque point de l échantillonnage sur les périodes et (Source : CCR) Page 20 44

21 Le tableau 7 reprend les estimations de taux de déforestation par pays et sur l ensemble des forêts humides d Afrique Centrale sur les périodes et La tendance générale est une réduction du taux de déforestation entre ces 2 périodes de 0.19% à 0.14% sur les forêts humides du Bassin du Congo. La reforestation diminue de 0.03% et devient négligeable. Tableau 7: Taux annuels (bruts et nets) de déforestation sur les forêts humides d Afrique Centrale pour les périodes et (erreur standard entre parenthèses)*(source : UCL ( ) et CCR ( )) Pays n Déforesta tion brute Reforestatio n brute Déforestatio n nette Déforestatio n brute Reforestatio n brute Déforestatio n nette Cameroun 45 0,13% (0,04%) 0,04% (0,01%) 0,09% (0,04%) 0,08% (0,03%) 0,02% (0,01%) 0,06% (0,04%) Congo 65 0,09% (0,02%) 0,03% (0,01%) 0,05% (0,02%) 0,07% (0,02%) 0,00% (0,00%) 0,07% (0,02%) Gabon 63 0,07% (0,02%) 0,02% (0,00%) 0,05% (0,02%) 0,03% (0,01%) 0,01% (0,00%) 0,01% (0,01%) Guinée Eq, 7 0,13% (0,08%) 0,10% (0,06%) 0,03% (0,07%) 0,04% (0,03%) 0,05% (0,03%) -0,01% (0,02%) RCA 26 0,11% (0,03%) 0,03% (0,01%) 0,09% (0,03%) 0,06% (0,02%) 0,01% (0,00%) 0,05% (0,02%) RDC 114 0,24% (0,05%) 0,03% (0,01%) 0,22% (0,04%) 0,20% (0,04%) 0,00% (0,00%) 0,19% (0,04%) Forêts 0,19% 0,03% 0,16% 0,14% 0,00% 0,14% 171 humides (0,03%) (0,01%) (0,03%) (0,03%) (0,00%) (0,03%) *Résultats préliminaires Etant donné l intérêt croissant sur les forêts sèches, une analyse similaire a été réalisée sur ces écosystèmes en Afrique Centrale. Les forêts sèches sont les régions situées en dehors de l écorégion Guineo-Congolien qui correspond aux forêts humides. L approche décrite pour la période par Bodart et al. (2013) a été étendue sur Page 21 44

22 la période sur les pays de la COMIFAC. Les principaux pays concernés sont le Cameroun, la RCA, la RDC et surtout le Tchad. Alors que la source de données pour les périodes 1990 et 2000 était Landsat uniquement, la période 2010 a été couverte par DMC (62%) et Landsat TM (38%). Les résultats de cette étude sont présentés dans le Tableau 8. Alors que la déforestation brute est similaire entre et (0,36% vs 0,42%), il y a une claire réduction de la reforestation entre les 2 périodes (0,14% vs 0,03%). Tableau 8: Taux annuels (bruts et nets) de déforestation sur les forêts sèches d Afrique Centrale pour les périodes et (erreur standard entre parenthèses)* (Source : CCR) Pays Déforestat Reforestati Déforestat Déforestat Reforestati Déforestati n ion brute on brute ion nette ion brute on brute on nette Cameroun 17 0,23% (0,10%) 0,02% (0,02%) 0,21% (0,10%) 0,10% (0,05%) 0,00% (0,00%) 0,10% (0,05%) RCA 41 0,17% (0,06%) 0,06% (0,02%) 0,11% (0,06%) 0,39% (0,19%) 0,00% (0,00%) 0,39% (0,19%) Tchad 108 0,81% (0,50%) 0,61% (0,32%) 0,20% (0,46%) 0,57% (0,27%) 0,09% (0,09%) 0,49% (0,23%) RDC 62 0,42% (0,10%) 0,15% (0,09%) 0,27% (0,12%) 0,47% (0,16%) 0,03% (0,02%) 0,44% (0,16%) Forêts sèches 228 0,36% (0,07%) 0,14% (0,06%) 0,22% (0,08%) 0,42% (0,11%) 0,03% (0,01%) 0,39% (0,11%) *Résultats préliminaires 2.2 Regional Landsat-scale forest extent and disturbance FACET map A set of map products has been generated as part of the FACET program. These products, delivered as hard and soft copy atlases of forest type, extent and loss at national scales, represent the first medium spatial resolution maps of their kind. We report here an addition to the FACET product suite, which to date consists of national scale products for the DRC (presented in SOF 2010) and the Republic of Congo Page 22 44

23 (presented at Section 1.3). These mapping methods have now been extended to the regional scale, characterizing the following countries of Central Africa: Cameroon, CAR, Republic of Congo, DRC, Equatorial Guinea and Gabon. Medium spatial resolution Landsat imagery is the data of choice in quantifying forest extent and change over large areas. The Landsat program meets several requirements for operational monitoring including a formal data acquisition strategy, an open data policy (data are provided free of charge and are readily accessible through the Glovis facilities; and radiometric and geometric correction of the data, which obviates the need for onerous pre-processing by users. The successful launch of Landsat 8 in February 2013 assures the continuation of the program. Methods for mass-processing the Landsat archive in support of land monitoring programs are now being implemented. Date-intensive computational methods allow for the querying of every Landsat pixel, enabling researchers to overcome the primary limitation of optical earth observation data sets for tropical Africa cloud cover. FACET processing of Landsat data includes per pixel quality assessment in order to retain only viable land surface observations for forest characterization. Technical methods for processing and characterizing Landsat data in this manner are presented by Potapov et al. (2012). For this first regional product, data from 1999 through 2012 were included. To date, FACET products include two maps - forest extent reference at time 1 and forest cover loss estimate between time 1 and time 2. Page 23 44

24 Figure 7. Landsat-derived regional percent tree cover and forest cover loss for tree cover >=30% canopy cover (Source: FACET) Regional-scale Landsat-derived forest extent and loss map products were derived and are displayed together in Figure 7: a percent tree cover map for 2000 and a 2000 to 2012 forest cover loss estimate map. Forest cover loss (in red) includes areas with tree cover higher than 30% that experienced stand-replacement disturbance between 2000 and A regional subset is shown in Figure 8, illustrating the variation in forest disturbance between countries along the northern fringe of the Congo Basin rainforest. The background image captures the high data quality of the input Landsat data and the lack of cloud or haze contamination enabled by mass-processing of the Landsat archive Such regional maps serve to demonstrate capabilities that could be adopted by national agencies responsible for forest monitoring. As an example, FACET data have been incorporated into UN-REDD activities, including the use of FACET as the primary thematic layer for forest cover extent and loss for the DRC s NFMS. National monitoring tasks in support of the REDD initiative will require such data in establishing baseline carbon emissions estimates. Forest definitions used in REDD may vary based on tree height and cover density. For this regional map, the percent canopy cover of 5 meter or taller trees is estimated per pixel. Percent tree cover maps allow users to vary the definition of forest based on canopy cover and enable the disaggregation of forest Page 24 44

25 loss by canopy density strata. The mapped forest cover loss is for stand-replacement disturbances only, and does not include an assessment of forest degradation due to selective logging. Labeling of forest loss events by antecedent forest type as well as change dynamic (mechanical clearing, fire, storm damage) will be required in order to properly model carbon emissions factors in support of REDD monitoring objectives. The regional product will be made freely available at the CARPE and OSFAC websites (carpe.umd.edu and osfac.net) Figure 8. Regional subset of Figure 1, with forest cover loss from 2000 to 2012 in red and a background composite image of Landsat in false color (Source: FACET) Box 2.3 Amélioration de la cartographie des types de forêts à partir de MODIS Valéry Gond, Adeline Fayolle, Alexandre Pennec, Sylvie Gourlet-Fleury CIRAD En général, les forêts tropicales humides d Afrique Centrale sont regroupées dans une grande couche verte ne distinguant pas les variations des types de forêts. D un autre côté, les études locales montrent au contraire une grande diversité des types forestiers. Dans le cadre du projet CoForChange ( en utilisant l information de la dynamique temporelle des mesures satellites, nous avons produit une carte des types forestiers a été réalisée sur le couloir de la Sangha (latitude 0-5 Nord et longitude Est) à partir de 10 ans d archive de données du satellite MODIS Page 25 44

26 (synthèse d indice de végétation EVI sur 16 jours à 500 m de résolution entre 2000 et 2009). Les données météorologiques de moyenne mensuelle à 8km de résolution ( ont été nécessaires pour analyser la dynamique spatiale des pluies. Les placettes d inventaires provenant des concessions forestières ont été utilisées pour la validation de la carte. Enfin, la carte de végétation du Cameroun de Letouzey (1985) a été utilisée pour la validation des classes forestières. La figure 9 présente un extrait de la carte réalisée. Dans la légende, la couleur est attribuée à la combinaison des hauteurs de précipitations mensuelles (barres), la courbe annuelle de l activité photosynthétique de la classe (trait plein) et la courbe annuelle de l activité photosynthétique de l ensemble de la zone d étude (en pointillé). Au nord les couleurs marrons et jaune soulignent la transition entre les savanes et la lisière forestière. Les dégradés de vert marquent les différents types de forêts tropicales humides repérés par l analyse des données satellites (plus la teinte est foncé plus le peuplement est constitué d arbres sempervirents ; et donc plus la teinte est claire plus le peuplement est abrite des arbres semi-caducifoliés). On note aussi en rose les zones agro-forestières autour des voies de communication et des principales agglomérations. Enfin, les savanes incluses dans le secteur de Nola sont clairement identifiées par rapport aux savanes du nord, grâce à leur cycle végétatif différent. En effet, la distinction des types de couvert est réalisée par les variations temporelles au cours de l année de l activité photosynthétique. Page 26 44

27 Figure 9 : Extrait de la carte de l intervalle de la Sangha présentant la lisière nord du massif forestier de Yokadouma (Cameroun) à l ouest, à Nola à l est (République Centrafricaine) jusqu aux grés de Carnot à la frontière de la République du Congo Box 2.4 Regional map of tree cover percentage obtained from radar data Alexandre Bouvet CCR A new wall-to-wall map of the percent tree cover has been created over Sub-Saharan Africa. The map is the result of a supervised classification applied on a mosaic of double-polarization data (HH and HV) from PALSAR, Japanese L-band synthetic aperture radar. The mosaic covers the African continent at a spatial resolution of about 100m. The Vegetation Continuous Fields (VCF) product from MODIS, which gives the percentage of the surface covered by trees in each 0.25 km 2 pixel, is used as training data for the classification. The following tree cover classes are retained: 0-10%, 10-20%, 20-30%, 30-40%, 40-50%, 50-60%, and >60% (the PALSAR signal saturates for tree covers higher than 60%). Compared to VCF and other vegetation maps available at large scales, the improved spatial resolution allows the detection of fine structures (e.g. Page 27 44

28 gallery forests) and the reduction of the number of mixed pixels, as shown on Figure 10. High-resolution samples of classified optical data from the Global Forest Resources Assessment 2010 (FRA2010) Remote Sensing Survey, available at each square degree, have been used for the validation of these results. The forest/non-forest accuracy has been assessed to be around 89% over the whole Sub-Saharan Africa Figure 10. Comparison of VCF percent tree cover (left) and classified PALSAR maps (right) (subset centered on -2.5 S, 15.5 E) 3. Etudes de cas et avancées sur la cartographies de la dégradation forestière et de la biomasse Dans le cadre de la gestion durable des forêts et du programme UN-REDD, de nouveaux outils sont nécessaires pour fournir des informations fiables et continues sur les changements des stocks de carbone forestier. La priorité du suivi forestier n est pas seulement sur les processus de déforestation (conversion de forêts en d autres occupations du sol) mais aussi la dégradation forestière, c est-à-dire une réduction des stocks de carbone au sein des zones dégradées en forêt. En utilisant la télédétection, plusieurs activités provoquant des réductions des stocks de carbone peuvent être surveillées, depuis l exploitation sélective jusqu à la récolte du bois de feu. Si les méthodes d estimation de la déforestation semblent robustes, une évaluation fiable de la dégradation forestière reste encore un défi et exige des techniques plus avancées pour analyser les images satellites. Page 28 44

29 Evaluation de la dégradation forestière L exploitation des ressources forestières entraîne la création de piste d accès et d exportation des grumes. Les pistes se structurent dans l espace forestier en réseau avec des routes principales très utilisées, des routes secondaires qui mènent aux parcelles et enfin des routes de débusquage qui donnent accès à chaque arbre exploité. Une première étude a mis au point un outil-prototype afin d estimer annuellement la extension des routes forestières à partir de séries temporelles d images Landsat. Les résultats ont été produits à l échelle d une maille de 500 m afin d être compatible avec les données du capteur MODIS. La zone de cette étude comprend le sud-est du Cameroun, le sud de la RCA et le nord de la République du Congo. Les forêts tropicales y sont semi-décidues et la densité de population y est faible. La majorité de l exploitation forestière est gérée par des compagnies privées. Sur base d images Landsat, différents indices ont été calculés afin d augmenter le contraste entre les surfaces forestières et les pistes, généralement associées à des sols nus, grâce à l application d un filtre spatial (Gond et al., 2004). Les valeurs de seuils ont été ajustées pour identifier les sols nus (Bourbier et al., 2013). Sur chaque cellule de 500 m de côté, le pourcentage de pixel de sol nu a été calculé sur une synthèse annuelle afin d estimer la dégradation liée au développement des routes forestières. Ces valeurs sont considérées comme des Indicateurs d Ouverture de Canopée (IOC). Cette synthèse permet de comparer l évolution du réseau de pistes (Figure 11) Figure 11: L indicateur d ouverture de canopée à partir de Landsat (gauche) est agrégé sur un maillage 500m de côté (centre) pour estimer le ratio de surface en sol nu (droite) (Source: Bourbier et al., 2013) Page 29 44

30 Cet indicateur IOC a été analysé sur la période sur base de l archive Landsat. L IOC renseigne sur l évolution temporelle de l ouverture (perte de 31 % en 2001 sur la zone rouge) puis la fermeture du couvert forestier (augmentation de 5% en 2002 et 16% en 2003). Par exemple, l IOC de 26% en 2002 de la cellule de 500m (soit 25ha) équivaut à 6,5ha d ouverture de canopée en Une évaluation peut ainsi être mise en place afin de gérer les réseaux de piste forestière en Afrique centrale. Sur base d une série temporelle d images satellites SPOT, une seconde étude a évalué les changements de couvert forestier sur une concession forestière certifiée en République du Congo (Desclée et al., 2011). Différentes perturbations forestières ont été identifiées par détection de changement sur des images satellites entre 2005 et Sur une superficie totale de ha correspondant à une assiette de coupe, la perte de couvert forestier, identifiée par image satellite, correspondait à seulement 7% de la superficie exploitée entre janvier et mars 2005 (Figure 12). Cette ouverture de la canopée correspond à 60% pour les trouées d abattage et le 40% restant pour les routes d exploitations. La même analyse sur l image acquise en 2007 permet de montrer que les trouées se sont refermées, seules les pistes principales subsistent. L information fournie par la concession forestière peut ainsi être liée à cette carte de perte de couvert forestier. Cette analyse souligne qu un suivi précis des trouées d abattage nécessite des images satellites annuelles et de résolution fine Figure 12 : Suivi des trouées d exploitation sélective sur base d une série temporelle d images satellites SPOT entre Janvier 2005 et Janvier 2007 (Desclée et al., 2011) Page 30 44