Télédétection et risques en forêt méditerranéenne

Transcription

1 En partenariat avec G e o g r a p h R Télédétection et risques en forêt méditerranéenne IRSTEA Aix-en-Provence (unité RECOVER) Journée télédétection technopôle Arbois (24 mars 2016)

2 Les forêts méditerranéennes fournissent de nombreux biens et services écosystémiques Bois, biomasse énergie stockage de carbone Biodiversité Paysage etc.

3 mais des forêts sous contraintes Pressions anthropiques : urbanisation, infrastructures, réseaux Changements climatiques

4 Des risques accrus en forêt méditerranéenne Incendies de forêts Attaques parasites/xylophages Dépérissements (sécheresses, pollution atmosphérique )

5 La télédétection apporte des outils pour la gestion des risques Détecter Identifier Caractériser Suivre L'information spatiale contribue en matière de risques à : caractériser les aléas caractériser l état des forêts détecter les problèmes sanitaires suivre les phénomènes

6 La problématique des risques : aléa et vulnérabilité des enjeux ALEA ENJEUX (VULNERABILITE) RISQUE Qualifier Quantifier Localiser Suivre Prédire Qualifier Quantifier Localiser Qualifier Quantifier Localiser Evaluer les dommages Evaluer la vulnérabilité Prévenir Adapter

7 1. Risque incendie : caractériser la végétation combustible à différentes échelles spatiales Visible et IR thermique Landsat visible et IR, QuickBird Mieux comprendre le comportement du feu et sa dangerosité / ses impacts Source Helmholtz Centre for Environmantal Research UFZ Leipzig Source : PrecisionHawk Source : Novadrone

8 Utilisation du LIDAR pour l évaluation de la biomasse combustible

9 Masse volumique de la canopée Biomasse de la canopée Simulateurs de comportement du feu Hauteur base houppiers Hauteur sommet houppiers

10 Modélisation 3D de la végétation forestière Types de peuplements Hauteur Recouvrement Espèces Volume Biomasse Source Carnegie Airborne observatory Source : Wayne walker Lidar x Radar x Spectro

11 Modélisation 3D de la végétation forestière Lidar x Radar x Visible (stéréo) x Spectro

12 2. Suivi de l état hydrique de la végétation Suivi du stress hydrique Suivi phénologique (floraison, fructification ) Etat sanitaire Visible et IR thermique Vávra, A

13 Suivi régulier de la végétation : mieux évaluer l état hydrique quotidien des garrigues mesures in situ de l humidité des végétaux Données météo quotidiennes Pluie Température Vent Soil Wetness Index quotidiennes statistiques 3, 7 et 15 jours (cumul, min, max, moyenne) Données satellites MODIS Reflectance dans 7 bandes + 8 indices de végétation Fraction du PAR intercepté par la végétation Température de surface Fire Weather Index (IFM MétéoFrance) Projet CPER-PACA

14 Suivi régulier de la végétation : les outils fournis aux gestionnaires dans les Bouches-du-Rhône Carte de teneur en eau quotidienne Carte d aléa d éclosion quotidienne Tests à l échelle méditerranéenne

15 3. Acquisition de données feux : de l historique des feux passés aux suivis en direct Visible, thermique Pendant le feu caractéristiques physiques du feu (front de flammes, fumées) : points chauds (anomalies thermiques) Source Roni Lifshitz Source : Mickaël Bosredon

16 Acquisition de données feux : détection des incendies en temps réel, cartographie des zones brulées MODIS 250 m quotidien Mesure du pouvoir radiatif MOD13Q1: 13 bandes, (B1= NDVI) Satellites TERRA / ACQUA Hotspots Burned Areas MODIS: Moderate Resolution Imaging Spectroradiometer

17 Avant incendie Incendie détecté avec MODIS Après incendie Incendie détecté avec LANDSAT

18 4. Evaluation des dommages post-incendie : passer de l intensité à la sévérité (impacts) Dommages causés à la végétation (delta NDVI) Visible, IR Dommages causés aux habitations, réseaux, infrastructures Source : Bill Gabbert MODIS 250 m (NDVI) + Landsat IR

19 4. Evaluation des dommages post-incendie : passer de l intensité à la sévérité (impacts) Landsat TM band 7,4,3 RGB composites pour estimation delta Normalized Burn Ratio

20 5. Evaluation des dépérissements en forêt Pin sylvestre et pin noir en Espagne Tc-Ta (Temperature de la canopée température de l air) Imagerie thermique (capteur AHS) Allen et al. (2010) Valeurs plus fortes pour les arbres dépérissants que pour les arbres sains Idem pour les anomalies de sécheresse du sol et de productivité en chênaie verte méditerranéenne (anomalies MODIS GPP) Liu et al (CNRS-Cefe)

21 6. Modélisation 3D dans les interfaces habitat-forêt Structure des interfaces à grande échelle (décamétrique à métrique) pour modéliser l exposition au feu et son comportement Pour prédire les dommages au bâti Lidar, visible (stéréo), spectro Source : David Caballero Meteogrid

22 Pour conclure Évolution rapide des technologies Lidar Drones Besoin de suivis Besoin de terrain