- Site officiel

BIOMASS
Cartographie de la biomasse forestière 
La mission BIOMASS a été sélectionnée par l’Agence Spatiale Européenne en Mai 2013 en tant que 7ième "Earth Explorer Mission", après deux pré-sélections successives en 2006, et 2009.

Le lancement est
prévu en 2020

BIOMASS propose d’utiliser un SAR bande P (fréquence de 435 MHz, 69 cm de longueur d’onde) pour mesurer et suivre la biomasse forestière sur l’ensemble du globe, avec une résolution de l’ordre de 50 m à 100 m.
Les mesures permettront de mieux quantifier les puits et sources de carbone des écosystèmes forestiers, afin de mieux comprendre leur rôle dans le changement climatique. 
Objectifs spécifiques

Ce volet du projet BIOMASS vise à apporter des éléments pour comparer et analyser la complémentarité des données Lidar-Radar bande P pour l’étude de la végétation en forêt tropicale.

Il se décline en différents sous-objectifs :
Complémentarité multicapteurs spatiaux pour l’estimation de la biomasse forestière (contribution de Nicolas Baghdadi) :

Le premier objectif spécifique est d’étudier la complémentarité multicapteurs spatiaux (optique-lidar-radar) pour l’estimation de la biomasse forestière.
La biomasse estimée à partir du lidar satellitaire GLAS/ICESat (points ponctuels peu denses) sera combinée avec des données auxiliaires pour créer une carte de biomasse à une résolution à définir couvrant trois sites d’étude : Guyane, Madagascar et Gabon.
Les données auxiliaires sont issues des données radar ALOS/PALSAR, des données MODIS, des données de précipitations, des indices de terrain (calculés à partir du MNT SRTM), de la carte géologique … 
Cette cartographie utilisera la technique régression-krigeage des données de télédétection et d’autres variables environnementales (pluviométrie, géologie …).
La technique de régression krigeage est une technique spatiale de prédiction qui combine la valeur de régression des prédicteurs (variables auxiliaires) et le krigeage des résidus de régression (biomasse de référence – biomasse estimée par Random Forest).
Cette technique a été développée principalement pour tenir compte de la corrélation entre les variables environnementales et la qualité du fitting insatisfaisante du modèle de variance spatiale de l'ensemble de données, empêchant ainsi la stationnarité des variables autocorrélées étudiées.
Pour le modèle de régression, nous allons utiliser la technique Random Forest (RF), et pour la régression des résidus nous allons utiliser le krigeage ordinaire.
Ainsi, l’estimation de la biomasse sur une grille régulière et non seulement au niveau des formes d’onde lidar (GLAS) suit une procédure en trois étapes :
          1.  Estimer la meilleure régression linéaire entre des métriques (variables) dérivés des formes d’onde lidar du satellite GLAS/ICESat (footprint d’environ 60 m de diamètre) et des données in situ de biomasse (forest aboveground biomass "AGB") ; 
          2. Développer un modèle entre les données AGB estimées à partir de GLAS (étape 1) et des variables dérivées d’images optiques MODIS, radar PALSAR, et des cartes environnementales ; 
          3. Améliorer la précision de la carte de biomasse obtenue précédemment en lui rajoutant le résidu (AGB GLAS – carte de l’étape 2) krigé. Afin de kriger les résidus, le semivariogramme des résidus sera ajusté. Ensuite, la carte de résidu krigé sera ajoutée à la carte de biomasse obtenue à partir du modèle de régression RF.

 

Développement du potentiel du lidar aéroporté comme source de données de calibration/validation pour développer les modèles d’estimation de la biomasse à partir des données radar bande P (2014-2015) (contribution de Sylvie Durrieu) :

La calibration et la validation des modèles d’estimation de la biomasse à partir des données radar bande P nécessitent de connaître les niveaux de biomasse sur un nombre suffisant de sites de référence et pour des surfaces compatibles avec la résolution des cartes de biomasse qui seront produites à partir du système BIOMASS (résolution envisagée de l’ordre de 200 m, pour une résolution instrument de l’ordre de 50 m).
Réaliser des relevés de terrain sur des placettes forestières suffisamment grandes et suffisamment nombreuses pour être représentatives de la diversité des forêts tropicales est difficilement concevable. 
Faire appel à des campagnes aéroportées avec un système lidar pour assurer le changement d’échelle entre les relevés terrain et les produits BIOMASS est une solution envisagée.
Cependant, les données Lidar aéroporté ne pourront être utilisées pour la calibration/validation des modèles radar que si l’on peut accorder une confiance suffisante aux paramètres forestiers qui en seront dérivés. La complexité structurelle des forêts tropicales diminue l’efficience des méthodes habituellement appliquées pour réaliser des inventaires de la ressource en forêt boréale, pour lesquelles le lidar est utilisé de façon opérationnelle dans certains pays.
L’objectif est ici d’améliorer la robustesse et la fiabilité des modèles d’estimation de la biomasse en forêt tropicale en s’inspirant de méthodes en cours de développement pour traiter des forêts tempérées feuillues multi-strates.
Ces méthodes seront adaptées le cas échéant au cas des forêts tropicales. 

 

Evaluation de la robustesse l'estimateur tomographique pour la mission BIOMASS sur les forêts tropicales (contribution de Dinh Ho Tong Minh) :

La mission durera 5 ans et comprend une phase tomographique (pour la première fois depuis l’espace, pendant 1 an), suivie de la phase nominale avec une période de répétition de moins de 17 jours.
La tomographie est une technique naturellement adaptée à l’analyse de milieux volumiques comme les forêts. La tomographie est pour la forêt ce que le scanner est pour l’homme. 
Au cours de la phase tomographique, le principe sera de faire plusieurs acquisitions décalées légèrement en orbite, pour sonder différentes couches de la forêt (Ho Tong Minh et al., 2015). C’est-à-dire que la technique permet d’estimer avec une grande précision la structure verticale d’une forêt... 
Des travaux de Dinh Ho Tong Minh récents sur la tomographie ont mis en évidence les avancées de cette technique nouvelle. Il a été démontré que les acquisitions tomographiques de la campagne TropiSAR menées sur le site de Paracou, en Guyane française, permettent une estimation robuste de la biomasse forestière (AGB), avec une erreur quadratique moyenne relative d'environ 10% à une résolution de 1,5 ha (Ho Tong Minh et al., 2014). Ce résultat a été généralisé, à l’aide du même algorithme, sur le site des Nouragues, situé dans la partie centrale de la Guyane française. Ce site est caractérisé par un relief accidenté (avec un sol de pente moyenne supérieure à 5°) et une biomasse AGB allant de 200 à 600 t/ha. Il a été démontré que la relation entre l’AGB et les données TomoSAR, établie avec les données de Paracou, reste valide pour le site des Nouragues, et que la meilleure corrélation entre le signal de rétrodiffusion et l’AGB a lieu dans la couche supérieure de la canopée (c.-à 20-40 m). Une validation croisée, utilisant un apprentissage sur Paracou et une application sur les Nouragues et vice-versa, a abouti à une erreur quadratique moyenne relative d'environ 16% - 18% de l'aide de parcelles de 1 ha (Ho Tong Minh et al., 2016).
Ce résultat suggère que la méthode d’estimation TomoSAR d’AGB est généralisable à d'autres sites d'étude et permet d’améliorer la robustesse des estimations de biomasse sur les zone de fortes topographies couramment rencontrées en régions tropicales.

 

[Ho Tong Minh et al., 2014] D. Ho Tong Minh, T. Le Toan, F. Rocca, S. Tebaldini, M. Mariotti d’Alessandro, and L. Villard, “Relating P-band SAR tomography to tropical forest biomass”, IEEE Transactions on Geoscience and Remote Sensing, Vol. 52, No. 2, pp. 967-979, Feb. 2014. [Ho Tong Minh et al., 2015] D. Ho Tong Minh, S. Tebaldini, F. Rocca, T. Le Toan, L. Villard, and P. Dubois-Fernandez, “Capabilities of BIOMASS Tomography for Investigating Tropical Forests,” Geoscience and Remote Sensing, IEEE Transactions on, vol.53, no.2, pp.965-975, Feb. 2015. [Ho Tong Minh et al., 2016] D. Ho Tong Minh, T. Le Toan, F. Rocca, S. Tebaldini, L. Villard, M. Rejou-Mechain, O. Phillips, T. Feldpausch, P. Dubois-Fernandez, K. Scipal, J. Chave. "SAR tomography for the retrieval of forest biomass and height : cross-validation at two tropical forest sites in French Guiana". Remote Sensing of Environment, vol. 175, pp. 138-147, 2016.

  

INFOS PROJET

Date de début de projet : 01/01/2018 
Date de fin de projet : 31/12/2019
Partenaires/organismes associés : 
Leader du projet : Thuy Le Toan (Cesbio)
Autres équipes impliquées : TETIS, AMAP, IETR,Institut de Fresnel, BRGM, EDB, LATMOS, LSCE, ONERA, OTIG, OASU …
Axe(s) de recherche TETIS : ATTOS
Responsable projet TETIS : Nicolas Baghdadi 
Autres participants TETIS : Mohammad El Hajj, Sylvie Durrieu, Dinh Ho Tong Minh
Organisme porteur au sein de TETIS : IRSTEA
Pays, région d’étude : Guyane, Gabon, Madagascar
Commanditaire : CNES
Source de financement : TOSCA