0628-B1
Guy Gallay[1], Gérôme Pignard[2], Nicolas Stach[3], Thierry Bélouard[4],
La région Aquitaine est la première région boisée de louest de lEurope. Créée à la fin du XIXe siècle, la forêt landaise de pin maritime, détenue majoritairement par de petits propriétaires privés, couvre près dun million dhectares. Cette forêt " cultivée " est source dune activité économique majeure pour la région, en sylviculture et dans lindustrie du bois et du papier. Plus de 30 000 emplois revitalisent ainsi le milieu rural régional. Cette forêt, située aux portes de Bordeaux, offre également aux urbains tous les services sociétaux auxquels ils aspirent.
La gestion durable de ce massif forestier est aujourdhui la priorité des responsables politiques et des acteurs de la filière bois dAquitaine, soucieux de pérenniser ses fonctions économiques, sociales et environnementales et de disposer doutils performants dévaluation. Ce besoin doutils a été amplifié par les effets désastreux de la tempête de décembre 1999.
A la demande de ces responsables régionaux, lInventaire forestier national (IFN) a mis au point un outil de suivi du massif landais et de sa ressource en pin maritime, basé sur deux volets:
Lexploitation dimages satellitaires, permettant de cartographier les coupes rases puis de les répartir par classe dâge et de circonférence.
La simulation de lévolution du massif forestier à court et long terme à l'aide dun simulateur utilisant dune part un modèle de croissance du pin maritime mis au point par lInstitut national de recherche agronomique (INRA), dautre part des scénarios sylvicoles et les données de la télédétection.
Conçu initialement pour le suivi " courant " du massif, cet outil a pu être adapté pour la cartographie des dégâts de tempête et le suivi de la récolte des chablis.
Désormais opérationnel, il peut être activé par l'IFN pour répondre aux demandes des professionnels et responsables régionaux.
LInventaire forestier national (IFN) a mis au point avec lappui technique et financier de plusieurs partenaires régionaux, nationaux et européen, un outil de suivi de la gestion durable et de la ressource en pin maritime dans le massif landais dAquitaine. Les bases de données cartographiques et dendrométriques de l'IFN constituent le socle initial de cet outil basé sur lexploitation dimages satellitaires pour la cartographie de coupes rases, mode de récolte dominant, et sur lutilisation dun modèle de croissance. La superposition des cartes ainsi produites avec la couverture des placettes dinventaire permet dévaluer la répartition des coupes rases par classe dâge, paramètre essentiel pour les simulations de lévolution du massif. Cet outil, mis à disposition des professionnels et responsables régionaux de la forêt, sera précieux pour mettre à jour les indicateurs de gestion durable et fournir aux industriels des informations stratégiques pour leur approvisionnement en bois
La région Aquitaine est la première région boisée de louest de lEurope. Créée à la fin du XIXe siècle, pour assainir un milieu marécageux et hostile, la forêt landaise de pin maritime couvre 938 000 hectares dun seul tenant (IFN 1999). Le volume de bois sur pied sélève à 145,6 millions de m3 et la production courante annuelle est de 9,6 millions de m3. La tempête du 27 décembre 1999 a mis à terre 25,6 millions de m3, principalement dans le département de la Gironde.
Cette forêt est détenue pour 94 % de sa surface par des propriétaires privés (30 000 propriétaires de plus de 4 hectares) et est orientée prioritairement vers la production de bois. Cette forêt " cultivée " est source dune activité économique majeure pour lAquitaine. Ce sont ainsi plus de 30 000 emplois dans la sylviculture et les industries du bois et du papier qui revitalisent le milieu rural régional. De nombreuses entreprises sont leaders dans leur branche: leadership européen et 100 % de la fabrication française de papier kraft liner, premier fabricant mondial de papier kraft vergé, 80 % de la production nationale de pâte fluff, leader national pour le papier couché pour impression, premier producteur français de lambris.
Cette vaste forêt " habitée " se situe aux portes des grandes villes dAquitaine et en particulier de lagglomération de Bordeaux (plus de 600 000 habitants) et offre à la population urbaine tous les services sociétaux auxquels elle aspire: activités de loisirs, découverte de la nature, chasse... Cette volonté régionale de concilier économie et autres usages de la forêt sest notamment traduite par la création récente du vaste Parc régional des Landes de Gascogne qui sétend sur près de 270 000 hectares et par lentretien depuis plusieurs décennies dune forêt de protection sur plus de 200 kilomètres de littoral atlantique.
La gestion durable du massif forestier landais est aujourdhui la priorité des acteurs de la filière bois et des responsables politiques dAquitaine. Il sagit de faciliter lexploitation du bois, tout en pérennisant la ressource forestière et le fonctionnement de lécosystème forestier, dont on connaît le rôle fondamental dans les cycles de leau, de lair et du carbone. La région Aquitaine vient dobtenir en 2002 la certification " Pan European Forest Certification " (PEFC).
Afin de produire des indicateurs utiles pour la gestion durable du massif landais, les responsables régionaux souhaitent disposer doutils de suivi et dévaluation pertinents et performants. Dans ce cadre lIFN a été chargé en 1998 de développer un outil de suivi de ce massif, basé sur lanalyse périodique dimages satellitaires et la simulation de lévolution de la ressource. Ce besoin doutils de suivi a été amplifié par les conséquences de la violente tempête du 27 décembre 1999 qui, en détruisant plus de 100 000 hectares de forêt et en affectant gravement 100 000 hectares supplémentaires, a significativement et durablement amputé le capital productif du Massif landais.
Le comité de pilotage de létude confiée à lIFN illustre la volonté commune et partenariale des acteurs. Il réunit le Ministère chargé des forêts, le Conseil régional dAquitaine, les organismes de recherche et luniversité de Bordeaux, les organismes régionaux professionnels et interprofessionnels, lOffice national des forêts (ONF).
(3) Loutil IFN "Suivi de la ressource pin maritime en Aquitaine "
Lobjectif fixé à lIFN était de:
1) Mettre au point une méthodologie et un outil (ensemble de logiciels) permettant de:
2) Mettre au point un simulateur permettant de:
La démarche adoptée a été la suivante:
Une méthode automatisée de détection et cartographie des coupes rases à partir dimages satellitaires a été mise au point. Ces coupes ont ensuite été ventilées par classe dâge et de diamètre.
Les images du satellite Landsat TM ont été retenues selon les critères suivants:
Figure 1: Limite des scènes Landsat utilisées
Une différence normalisée est calculée entre les deux images dun couple avec les étapes suivantes:
a/ Prétraitements
Les prétraitements des images rendent les radiométries et la géométrie des deux images compatibles. Ces pré-traitements consistent à effectuer:
b/ Détection automatique des coupes rases
Les coupes rases se caractérisent sur limage par une augmentation de la radiométrie dans le moyen infrarouge. Pour appréhender les évolutions radiométriques, une image " différence " est calculée comme la différence pixel à pixel entre les deux radiométries des images normalisées dans cette bande spectrale.
Il en est déduit le calcul dune probabilité de coupe rase " P " qui est fonction de la valeur des comptes numériques dans limage " différence ". La probabilité de coupe rase est normalisée dans lintervalle [0-1]. (figure 2)
P = (fréquence réelle - fréquence théorique)/fréquence réelle
La fréquence théorique est donnée par la valeur prise par une fonction normale calée sur les 5 comptes numériques de limage les plus proches du mode.
En plus de lévolution radiométrique donnée par ce critère " P ", un second critère est introduit pour éliminer le risque de confusion entre les jeunes semis ou plantations et les coupes rases. Il sagit de létat initial et final du peuplement estimé par la valeur de la radiométrie initiale et finale de chaque pixel.
On obtient en croisant ces deux critères un plan de probabilité à trois classes de changement de nature du couvert forestier, en considérant que les pixels qui ont une forte probabilité daugmentation de radiométrie et qui passent dun état de peuplement fermé à un peuplement ouvert marquent une coupe rase certaine. A lopposé sont classés les peuplements forestiers non coupés. Entre ces deux extrêmes, les pixels au comportement moins marqué sont classés les parcelles à vérifier.
Figure 2: Calcul de la probabilité de changement
c/ Cartographie des coupes rases
Il sagit de convertir un plan dimage raster où chaque pixel est affecté à une des trois classes en une carte à deux classes " coupe rase " et " absence de coupe rase ":
Traitement morphologique: Une chaîne de traitements élimine les pixels isolés et les éléments linéaires. Le seuil minimum de détection est de 0,72 hectare (noyau de 8 pixels de 9 ares). Les détections multiples de coupes sont ensuite éliminées par application du masque des coupes rases des années précédentes.
Gestion des deux classes: Il sagit de déterminer pour chaque agrégat de pixels en fonction de sa composition par catégories de pixels (identifiés selon lune des trois classes), sil correspond à une coupe rase ou non.
Après vérification sur 269 parcelles " test " réparties sur le massif, il a été constaté que la probabilité davoir une coupe rase était supérieure à 95 % lorsque le nombre de pixels classés en " coupe rase certaine " était supérieur à 60 % des pixels de lagrégat. A moins de 40 % la probabilité dabsence de coupe rase était de 94 %. Les parcelles à vérifier se situent entre ces deux seuils.
La vérification de ces parcelles litigieuses ou de formes imprécises faite par analyse visuelle de limage est la seule opération non automatisée. Elle permet deffectuer un dernier contrôle sur la chaîne de détection automatique et d'éviter des erreurs grossières liées à des cas non prévus par la méthode tels la présence de petits nuages isolés.
La détection des coupes rases a été réalisée pour huit périodes entre 1990 et 1999. Lintégration des cartes des coupes rases successives de 1990 à 1999 a permis de construire une carte sur lensemble de la période.
La détection des coupes rases a été validée sur trois périodes (1994-95, 1995-96, 1996-97) à partir de quatre sources: données parcellaires de lONF, données de coupes rases des industriels (groupe SMURFIT - Cellulose du Pin), indicateurs globaux des volumes coupés par comparaison dinventaires (IFN) et enquêtes annuelles de branche du Ministère chargé des forêts.
La mauvaise détection des coupes rases de faible superficie et en particulier celles de moins dun hectare (11 % de la superficie totale des coupes rases et 2 % seulement par télédétection) a alors été mis en évidence. Cette sous-estimation est inhérente aux caractéristiques de limage Landsat (résolution de 30 mètres) et aux traitements morphologiques après classification qui ne conservent que les agrégats de plus 72 ares (8 pixels). En appliquant une correction a posteriori prenant en compte ces petites coupes les résultats obtenus par télédétection apparaissent tout à fait satisfaisants (figure 3)
Figure 3: répartition des coupes rases par classe de superficie
Télédétection corrigée de la mauvaise détection des petites coupes rases
La répartition des coupes rases par classe dâge (ou de circonférence) est un descripteur important de la sylviculture pratiquée et un paramètre influent des études de ressource. Sa caractérisation à partir de la carte des coupes rases est le principal lien entre le volet télédétection et le volet modélisation et de simulation du projet (cf. figures 4 et 5).
Ces distributions ont été estimées en repositionnant les points de sondage des deuxième et troisième inventaires des départements de la Gironde, de Landes et du Lot-et-Garonne sur la carte des coupes rases. Pour les points situés dans une coupe rase, lâge de la futaie de pin maritime sur ce point au moment de la coupe rase est calculé en fonction de lâge des arbres de ce point au moment du relevé de terrain et de la date de la coupe détectée.
Figure 4: Répartition de la surface des coupes rases par classe d'âge
Figure 5: Taux de coupe rase en fonction de l'âge des peuplements
Le deuxième objectif de létude était de mettre à jour les données entre deux inventaires et de simuler lévolution du massif et de ses potentialités en termes de mobilisation de bois. Pour ce faire a été mis au point un simulateur basé sur un modèle de croissance de peuplement de pin maritime et des scénarios sylvicoles.
Le modèle développé par Bernard LEMOINE (INRA Bordeaux) est un modèle peuplement. Construit principalement à partir de données provenant de parcelles gérées de manière traditionnelle, le modèle original ne permet pas de prendre en compte laugmentation de productivité observée par lIFN au cours des deux dernières décennies, du fait en particulier de pratiques sylvicoles plus intensives et des changements environnementaux. Pour réduire la sous-estimation de la production brute, le modèle a été calibré. Ce calibrage a porté sur le modèle de croissance en surface terrière: les paramètres des équations globales ont été ré-estimés de manière à minimiser lécart entre les productions brutes simulées et évaluées à partir des troisième et quatrième inventaires du massif.
Lévolution du massif a été simulée selon différents scénarios sylvicoles:
Comparaison dinventaires: prolongement de la gestion moyenne pratiquée entre 1988 et 1999
Télédétection: application des taux de coupes rases déterminés par télédétection
Scénarios " utilisateurs " définis en concertation avec les membres du comité de pilotage. 7 scénarios a priori (figure 6) ont été définis:
|
Age |
Densité avant éclaircie |
Densité après éclaircie |
Nombre de tiges prélevées (%) |
Circonf. moyenne av. écl. (cm) |
Hauteur (m) |
G(m²/ha) av. écl. |
IC moyen entre 2 écl. (cm/an) |
Volume unitaire av. écl. (m³) |
Volume prélevé (m³/ha) |
|
1re éclaircie |
13 |
1220 |
815 |
405 |
33 % |
44 |
9,0 |
19 |
3,4 |
0,06 |
21 |
2e éclaircie |
18 |
805 |
605 |
200 |
25 % |
59 |
12,7 |
22 |
2,6 |
0,15 |
26 |
3e éclaircie |
24 |
590 |
445 |
145 |
25 % |
74 |
16,5 |
26 |
2,4 |
0,31 |
39 |
4e éclaircie |
31 |
430 |
310 |
120 |
28 % |
91 |
20,0 |
28 |
2,1 |
0,56 |
58 |
5e éclaircie |
39 |
300 |
230 |
70 |
23 % |
108 |
23,1 |
28 |
1,8 |
0,91 |
55 |
Coupe rase |
44 |
220 |
0 |
200 |
100 % |
117 |
24,7 |
24 |
1,6 |
1,16 |
256 |
|
|
|
|
|
|
|
|
Volume total (m³/ha) |
456 |
||
|
|
|
|
|
|
|
|
Accroissement moyen (m³/ha/an) |
10,4 |
Figure 6: scénario sylvicole a priori; exemple de la " sylviculture classique "
Le simulateur Pinastre, développé par lIFN (application Microsoft Access®), inclut les modules de traitement, les paramètres de simulation et les données descriptives de la ressource; il a permis de simuler lévolution de la ressource de pin maritime en futaie régulière par:
Deux états initiaux de la ressource ont été simulés:
la ressource avant tempête, pour effectuer une vérification et une validation méthodologique: les résultats obtenus se situent bien dans le prolongement des informations disponibles pour la fin des années 90;
la ressource forestière après la tempête avec comme double objectif, dévaluer limpact des tempêtes sur lapprovisionnement de lindustrie et dapprécier leffet des différents scénarios sylvicoles et de reconstitution des peuplements.
Alors que les récoltes calculées dans le premier cas (avec des paramètres de coupes rases déduits de la télédétection et d'éclaircie évalués par comparaison d'inventaire) sont parfaitement dans la continuité des résultats de lenquête annuelle de branche (estimées à 8 Millions de m3/an en moyenne sur la période 1995-99 pour la futaie régulière de pin maritime), la simulation après tempête enregistre un déficit brut moyen de lordre de 720 000 m3 par an sur la période 2001-2020 par rapport à cette référence, le massif ne recouvrant son niveau de récolte davant la tempête quaprès 2020. (figure 7)
Après tempête |
Calibrage IFN |
Télédétection Scénario déterminé à partir de la cartographie des coupes rases; taux de coupe par classe dâge |
Comparaison dinventaires: 1. Trois domaines détudes (2 en forêt privée + forêt publique) 2. Diminution annuelle du nombre de tiges par classe dâge |
Reconstitution " lente " des peuplements détruits à plus de 50%: 1. Sur quinze ans dans la Gironde; 2. Sur cinq ans dans les Landes et le Lot-et-Garonne |
Figure 7: récolte moyenne annuelle par période de cinq ans par département et type de coupe pour le scénario 5 (x 1 000 m3/an)
La méthodologie de télédétection des coupes rases dans la massif landais, sous forme dun ensemble de procédures informatisées, a été testée et validée. Le modèle de croissance LEMOINE calibré constitue le moteur dun logiciel de simulation, utilisable pour prédire lévolution quantitative de la ressource en pin maritime.
L'utilisation régulière de cet outil pour une détection annuelle ou bi-annuelle des coupes rases par télédétection et la mise à jour des paramètres entrant dans le simulateur (scénarios, reconstitution) permettra aux opérateurs de la filière bois et aux responsables politiques et administratifs dAquitaine de suivre de manière objective et précise, et d'anticiper lévolution du massif landais.
--------------
Alvarez-Marty S., 1989, " La méthode des générations dans létude de la ressource dune forêt équienne, le cas du massif landais ", Informations-Forêts n°3.
Durrieu S., 1994, " Utilisation de la télédétection satellitaire pour la mise à jour de la carte des types de peuplements de lIFN ", Thèse de doctorat de lENGREF, 184p.
Durrieu S. et J.-G. Boureau, 1996, Studying the possibilities to update the French forest survey map using Spot images. Proceedings of the international workshop on Application of Remote Sensing in European Forest monitoring - Vienne Autriche, 14-16 oct. 1996, pp. 179-191
Chevrou R., 1988, Construction et utilisation de tarifs de cubage, IFN.
IFN, 1996, Mise à jour et enrichissement de la carte forestière de lIFN à laide dimages satellitales, 52p.
Jolly A., 1993, " Estimation par télédétection satellitaire de la récolte annuelle en bois dans la futaie de pin maritime du massif des landes de Gascogne ", Université Paul Sabatier Bordeaux thèse de doctorat, 328p.
Lemoine B.,1991, "Growth and yield of maritime pine (Pinus pinaster Ait); the average dominant tree of the stand", Ann. Sci. Fores., 48, 593-611
Lemoine B., 1998, le modèle de croissance et de gestion pour les peuplements de pin maritime dans les Landes de Gascogne, INRA communication personnelle.
Pignard G., 2000. Analyse de lévolution de la productivité des forêts françaises au cours des 25 dernières années à partir des données de lIFN, IFN.
Salas Gonzalez R., 1995, " Modélisation de lévolution de la ressource du massif de pin maritime des landes de gascogne ", ENGREF thèse de doctorat.
[1] Inventaire forestier national
(IFN). Échelon de Bordeaux. 62, rue de Laseppe 33000 Bordeaux. France.
Tel: 05 57 87 47 81. Mél: [email protected] [2] Inventaire forestier national (IFN). Cellule évaluation de la ressource. Place des Arcades, Maurin. BP 1001. 34972 Lattes Cédex. France. Tel: 04 67 07 80 86. Mél: [email protected]; www.ifn.fr [3] Inventaire forestier national (IFN). Cellule évaluation de la ressource. Place des Arcades, Maurin. BP 1001. 34972 Lattes Cédex. France. Tel: 04 67 07 80 86. Mél: [email protected]; www.ifn.fr [4] Inventaire forestier national (IFN). Cellule évaluation de la ressource. Place des Arcades, Maurin. BP 1001. 34972 Lattes Cédex. France. Tel: 04 67 07 80 86. Mél: [email protected]; www.ifn.fr |