CARTOGRAPHIE FORESTIERE PAR IMAGERIE ou Production d’une carte forestière. (partie 1/4)

## Objectifs et prérequis **À la fin de ce chapitre, l’élève sera capable de :** - Définir la stratification forestière et expliquer son rôle dans la cartographie forestière. - Réaliser une stratification sur le terrain à l’aide de critères physionomiques, écologiques, de hauteur et de densité. - Mettre en œuvre les méthodes de dénombrement numérique des pieds d’arbres (transect, quadrat, point sampling) et calculer la densité ainsi que l’estimation totale du peuplement. - Utiliser un logiciel de traitement d’images (QGIS ou équivalent) pour prétraiter, classer et valider une image satellitaire destinée à produire une carte forestière. - Respecter les normes de sécurité et d’hygiène applicables aux travaux de terrain et de bureau en géomatique. **Prérequis :** - Notions de base en géographie physique (types de végétation, relief, climat). - Connaissances élémentaires en cartographie (échelle, système de coordonnées, projection). - Initiation à l’utilisation d’un ordinateur et à la manipulation de fichiers raster/vectoriel. - Règles de sécurité en milieu forestier (port du casque, gants, bottes, hydratation). --- ## Introduction contextualisée La gestion durable des forêts camerounaises repose sur une connaissance précise de leur étendue, de leur structure et de leur composition spécifique. La production d’une carte forestière à partir d’imagerie satellitaire ou aérienne constitue une étape clé pour les inventaires nationaux, les plans d’aménagement et le suivi de la déforestation. Ce chapitre présente, en trois leçons successives, les compétences nécessaires pour passer de l’image brute à une carte exploitable : (1) la stratification forestière, qui organise le territoire en unités homogènes ; (2) le dénombrement numérique des pieds d’arbres, qui quantifie la ressource ligneuse ; (3) les logiciels de traitement d’images, qui permettent de transformer les données brutes en informations cartographiques fiables. Chaque leçon s’appuie sur des exemples concrets issus de la pratique professionnelle au Cameroun (inventaires du Programme National de Gestion Forestière, projets de REDD+, études d’impact environnemental). --- ## I. Stratification forestière ### A. Définition et principes > **La stratification forestière consiste à diviser un territoire forestier en sous‑zones (strates) présentant des caractéristiques homogènes en termes de couverture végétale, de topographie, de sol ou d’usage.** Cette étape réduit la variabilité interne du peuplement, facilite l’échantillonnage et améliore la précision des estimations ultérieures (densité, volume, biomasse). ### B. Méthodes de stratification | Critère | Description | Exemple d’application au Cameroun | |---------|-------------|-----------------------------------| | Physionomique | Classification selon la structure du couvert (forêt dense, forêt claire, savane arborée, plantation). | Séparation des forêts denses du Sud‑Ouest des savanes arborées du Nord. | | Écologique | Basée sur les types de peuplement (essences dominantes, stade de succession). | Strates de *Triplochiton scleroxylon* vs. *Entandrophragma cylindrique*. | | Hauteur | Utilisation du modèle numérique de terrain (MNT) pour définir des intervalles de hauteur du couvert. | Strates 0‑10 m, 10‑20 m, >20 m dérivées du SRTM. | | Densité | Selon le nombre de pieds d’arbres par hectare estimé à partir de prélèvements préliminaires. | Strates faible (<200 pieds/ha), moyenne (200‑400), forte (>400). | ### C. Étapes de réalisation sur le terrain 1. **Reconnaissance préliminaire** : analyse d’images satellitaires (Landsat, Sentinel‑2) et de cartes existantes pour identifier les grandes unités paysagères. 2. **Définition des critères de stratification** : choix d’un ou plusieurs critères ci‑dessus en fonction de l’objectif (inventaire volumétrique, suivi de la biodiversité, etc.). 3. **Tracé des limites des strates** : utilisation d’un GPS différentiel (précision < 1 m) pour matérialiser les frontières sur le terrain ; marquage avec des piquets ou de la peinture résistante. 4. **Description de chaque strate** : relevé de la couverture (% de canopée), des espèces dominantes, de la hauteur moyenne, de l’état de dégradation (feuilles mortes, présence de coupe illégale). 5. **Validation** : comparaison avec des points de contrôle issus d’un échantillonnage aléatoire (minimum 5 points/strat) afin de vérifier l’homogénéité interne. ### D. Exemple chiffré Dans une zone de 500 ha située dans la région du Littoral, on souhaite stratifier selon la hauteur du couvert dérivée du MNT SRTM (résolution 30 m). - Étape 1 : calcul du histogramme de hauteur ; on observe trois pics : 0‑12 m (30 % de la surface), 12‑25 m (50 %), >25 m (20 %). - Étape 2 : définition des strates : S1 (0‑12 m), S2 (12‑25 m), S3 (>25 m). - Étape 3 : superficie de chaque strate : - S1 = 0,30 × 500 ha = **150 ha** - S2 = 0,50 × 500 ha = **250 ha** - S3 = 0,20 × 500 ha = **100 ha** Cette stratification servira de base au dénombrement des pieds d’arbres dans chaque strate (voir leçon II). > **À retenir** : la stratification doit être basée sur des critères mesurables, reproductibles et pertinents pour l’objectif de l’inventaire. --- ## II. Dénombrement numérique des pieds d’arbres ### A. Concept de pied d’arbre > **Un pied d’arbre est l’individu ligneux vivant dont le diamètre à hauteur de poitrine (DHP, mesuré à 1,30 m du sol) est supérieur ou égal à un seuil défini (généralement 10 cm pour les inventaires forestiers au Cameroun).** Le comptage des pieds permet d’estimer la densité (pieds/ha) et, associée à la mesure du DHP et de la hauteur totale, le volume ou la biomasse du peuplement. ### B. Méthodes de comptage | Méthode | Principe | Avantages | Limites | |---------|----------|-----------|---------| | Transect linéaire | Comptage le long d’une ligne de longueur L, largeur d’observation w (souvent 5 m de chaque côté). | Simple, faible temps de terrain. | Biais si la végétation est très hétérogène. | | Quadrat (carré) | Comptage dans des carrés de côté a (ex. 20 m × 20 m). | Bonne représentation de la variabilité locale. | Nécessite plus de déplacements. | | Point sampling (méthode du point aléatoire) | On compte le nombre de pieds dont le tronc intersecte un cercle de rayon r centré sur le point d’échantillonnage. | Très efficace pour les peuplements denses. | Nécessite une correction de forme (facteur d’augmentation). | | Télédétection (comptage automatisé) | Utilisation d’imagerie haute résolution (drone, WorldView‑3) et d’algorithmes de détection d’objets. | Couverture large, répétabilité. | Dépend de la résolution et de la qualité de l’image ; nécessite un étalonnage terrain. | ### C. Calcul de la densité et de l’estimation totale 1. **Densité estimée (D̂)** : \[ \hat{D} = \frac{N}{A_{\text{échantillon}}} \] où N = nombre de pieds comptés, \(A_{\text{échantillon}}\) = superficie totale échantillonnée (ha). 2. **Estimation totale du peuplement (N̂)** : \[ \hat{N} = \hat{D} \times A_{\text{total}} \] avec \(A_{\text{total}}\) = superficie de la stratum ou de la zone d’étude. 3. **Intervalle de confiance (95 %)** (échantillonnage aléatoire simple) : \[ \text{IC}_{95\%}= \hat{D} \pm 1,96 \sqrt{\frac{\hat{D}(1-\hat{D}/D_{\max})}{n}} \] où n = nombre d’unités d’échantillonnage (transects, quadrats, points). ### D. Exemple résolu Dans la strate S2 (250 ha) de l’exemple précédent, on réalise 10 quadrats de 20 m × 20 m (0,04 ha chacun). - Superficie échantillonnée : \(A_{\text{échantillon}} = 10 \times 0,04 = 0,4\) ha. - Nombre total de pieds comptés dans les quadrats : N = 420. **Densité** : \[ \hat{D} = \frac{420}{0,4} = 1050 \text{ pieds/ha} \] **Estimation totale** : \[ \hat{N} = 1050 \times 250 = 262\,500 \text{ pieds} \] **Intervalle de confiance** (en supposant Dmax ≈ 2000 pieds/ha, valeur observée maximale dans la littérature) : \[ \text{IC}_{95\%}=1050 \pm 1,96 \sqrt{\frac{1050(1-1050/2000)}{10}} \approx 1050 \pm 1,96 \sqrt{31,5} \approx 1050 \pm 11,0 \] Ainsi, la densité est comprise entre **1039 et 1061 pieds/ha** avec 95 % de confiance. > **À retenir** : le choix de la méthode d’échantillonnage doit être guidé par la densité attendue, le relief et le temps disponible sur le terrain. --- ## III. Logiciels de traitement d’images ### A. Principaux logiciels utilisés en géomatique forestière au Cameroun - **QGIS** (open‑source) : gestion de données raster/vectoriel, extensions de classification (Semi‑automatic Classification Plugin, Orfeo Toolbox). - **ERDAS Imagine** : traitement avancé d’imagerie satellitaire, classification supervisée, analyse de changements. - **ENVI** : algorithmes de traitement spectral, indices de végétation (NDVI, EVI). - **ArcGIS Pro** (ESRI) : environnement intégré pour l’analyse spatiale et la production de cartes. - **Google Earth Engine (GEE)** : plateforme cloud pour le traitement massif d’images Landsat/Sentinel avec JavaScript/Python. ### B. Flux de travail typique (production d’une carte forestière) | Étape | Action | Outils typiques | Résultat attendu | |-------|--------|----------------|------------------| | 1. Acquisition | Téléchargement d’images Landsat‑8/9 ou Sentinel‑2 (niveau L1C/L2A). | USGS EarthExplorer, Copernicus Open Access Hub. | Images brutes (bandes spectrales). | | 2. Pré‑traitement | Correction radiométrique, atmosphérique, géoréférencement, masque des nuages. | QGIS (Semi‑automatic Classification Plugin), Orfeo Toolbox, Sen2Cor (Sentinel‑2). | Images corrigées, prêtes à l’analyse. | | 3. Extraction d’indices | Calcul de NDVI, EVI, NBR, etc. | Raster Calculator (QGIS), Band Math (ENVI). | Couches d’indices mettant en évidence la végétation. | | 4. Classification | Supervisée (Maximum Likelihood, Random Forest, SVM) ou non supervisée (K‑means, ISODATA). | QGIS (SCP), Orfeo Toolbox, ENVI, GEE. | Raster de classes (forêt dense, forêt claire, sol nu, eau, agriculture). | | 5. Validation | Comparaison avec des points de référence GPS (ex. inventaire terrain) ; calcul de la matrice de confusion, Kappa, OA. | QGIS (Plugin “Accuracy Assessment”), Excel. | Taux de précision global et par classe. | | 6. Post‑traitement | Filtrage majoritaire, élimination des îlots de moins de 0,5 ha, vectorisation. | QGIS (Sieve, Polygonize). | Carte finale vectorielle ou raster prête à l’édition. | | 7. Export | Génération de la légende, mise en page, export PDF/GeoTIFF. | QGIS Layout Manager, ArcGIS Pro. | Document cartographique exploitable par les décideurs. | ### C. Exemple de chaîne de traitement avec QGIS (données Sentinel‑2, zone de 10 km² dans la région du Centre) 1. **Import** : glisser‑déposer les bandes B02 (bleu), B03 (vert), B04 (rouge), B08 (NIR) dans QGIS. 2. **Masquage des nuages** : appliquer le masque QA60 (bandes 10 m) via le raster calculator : ``` ("B02"@1 * ("QA60"@1 == 0)) ``` (on conserve uniquement les pixels où le bit de nuages = 0). 3. **Calcul du NDVI** : \[ \text{NDVI} = \frac{(\text{B08} - \text{B04})}{(\text{B08} + \text{B04})} \] → raster NDVI (valeurs -1 à 1). 4. **Classification supervisée** : - Créer 5 polygones d’apprentissage (forêt dense, forêt claire, sol nu, eau, agriculture). - Utiliser l’extension *Semi‑automatic Classification Plugin* → algorithme Random Forest (100 arbres). - Obtenir un raster de classe (valeurs 1‑5). 5. **Validation** : charger un shapefile de 30 points de contrôle GPS (rélevés terrain). - Ouvrir *Vector ► Analysis Tools ► Accuracy Assessment*. - Résultat : Overall Accuracy = 88 %, Kappa = 0,84. 6. **Filtrage** : appliquer un *Sieve* (seuil = 5 pixels ≈ 0,2 ha) pour éliminer les petits îlots. 7. **Vectorisation** : *Raster ► Conversion ► Polygonize* → couche vectorielle de la forêt. 8. **Mise en page** : ajouter échelle, légende, nord, titre « Carte forestière – Région du Centre – 2024 ». Export en PDF et GeoTIFF. > **À retenir** : la qualité de la classification dépend fortement de la représentativité des échantillons d’apprentissage et de la correction atmosphérique des images. ### D. Normes et bonnes pratiques - **Résolution spatiale minimale** : 10 m (Sentinel‑2) pour distinguer les peuplements forestiers des parcelles agricoles au Cameroun. - **Précision géométrique** : erreur RMS < ½ pixel après géoréférencement (utilisation de points de contrôle GCW avec précision sub‑métrique). - **Metadata** : respecter la norme ISO 19115 (titre, date d’acquisition, système de projection, résolution, source). - **Sécurité des données** : sauvegarder les images brutes et les produits intermédiaires sur un serveur sécurisé (sauvegarde quotidienne, contrôle d’accès). --- ## Synthèse du chapitre - **Stratification forestière** : division du territoire en strates homogènes (physionomique, écologique, hauteur, densité) à l’aide de critères mesurables ; réalisée sur le terrain avec GPS et description détaillée ; exemple de calcul de superficie par strate. - **Dénombrement numérique des pieds d’arbres** : comptage des individus avec DHP ≥ 10 cm ; méthodes (transect, quadrat, point sampling, télédétection) ; formule de densité \(\hat{D}=N/A_{\text{échantillon}}\) et estimation totale \(\hat{N}= \hat{D}\times A_{\text{total}}\) ; exemple chiffré donnant 262 500 pieds avec IC 95 % ≈ [1039‑1061] pieds/ha. - **Logiciels de traitement d’images** : flux de travail complet (acquisition → pré‑traitement → indices → classification → validation → post‑traitement → export) ; illustration pratique avec QGIS et Sentinel‑2 ; respect des normes de résolution, précision géométrique et metadata. > **À retenir** : la chaîne de production d’une carte forestière repose sur une stratification rigoureuse, un dénombrement fiable et un traitement d’image maîtrisé ; chaque étape doit être documentée et validée pour garantir l’exactitude du produit final destiné à la gestion durable des forêts camerounaises. --- ## Glossaire | Terme | Définition | |-------|------------| | **Strate** | Sous‑zone d’un territoire présentant des caractéristiques homogènes (végétation, sol, topographie). | | **DHP (Diamètre à Hauteur de Poitrine)** | Mesure du diamètre d’un tronc à 1,30 m du sol, seuil usuels ≥ 10 cm pour inventorier un pied d’arbre. | | **Transect** | Ligne de prélèvement le long de laquelle on compte les éléments d’intérêt (ici les pieds d’arbres) sur une largeur définie. | | **Quadrat** | Unité d’échantillonnage de forme carrée (ou rectangulaire) utilisée pour dénombrer les objets dans une superficie connue. | | **Point sampling** | Méthode où l’on compte les individus dont le tronc intersecte un cercle de rayon fixé centré sur un point d’échantillonnage aléatoire. | | **NDVI (Normalized Difference Vegetation Index)** | Indice spectral \(\frac{NIR-RED}{NIR+RED}\) permettant de quantifier la densité et la vigueur de la végétation verte. | | **Classification supervisée** | Processus où l’algorithme apprend à associer chaque pixel à une classe connue à partir d’échantillons d’étiquetage fournis par l’opérateur. | | **Overall Accuracy (OA)** | Pourcentage de pixels correctement classés dans une matrice de confusion, indicateur global de la précision d’une classification. | | **Kappa** | Statistique qui mesure l’accord entre la classification et les données de référence, corrigé pour le hasard éventuel. | | **Sieve** | Opération de filtrage qui supprime les entités raster vectorielles dont la superficie est inférieure à un seuil donné. | | **GCP (Ground Control Point)** | Point de terrain dont les coordonnées sont connues avec haute précision, utilisé pour le géoréférencement des images. | | **Metadata** | Données décrivant les caractéristiques d’un jeu de données (titre, date, projection, résolution, origine, etc.). | --- ## Exercices d'application corrigés ### Exercice 1 – Stratification sur le terrain **Situation** : Vous devez réaliser une stratification d’une forêt de 400 ha située dans la région de l’Est, en utilisant deux critères : (i) le type de peuplement (forêt dense vs. forêt claire) et (ii) la classe de hauteur du couvert (0‑15 m, 15‑30 m, >30 m). Sur le terrain, vous avez relevé les suivantes superficies : - Forêt dense, 0‑15 m : 80 ha - Forêt dense, 15‑30 m : 120 ha - Forêt dense, >30 m : 40 ha - Forêt claire, 0‑15 m : 60 ha - Forêt claire, 15‑30 m : 70 ha - Forêt claire, >30 m : 30 ha **Questions** : 1. Vérifier que la somme des superficies correspond bien à la superficie totale. 2. Calculer le pourcentage de chaque strate par rapport à la superficie totale. 3. Proposer une légende cartographique (couleurs ou motifs) permettant de représenter les six strates sur une carte. **Corrigé** : 1. Somme = 80 + 120 + 40 + 60 + 70 + 30 = **400 ha** → cohérent. 2. Pourcentages : - Dense 0‑15 m : 80/400 × 100 = **20 %** - Dense 15‑30 m : 120/400 × 100 = **30 %** - Dense >30 m : 40/400 × 100 = **10 %** - Claire 0‑15 m : 60/400 × 100 = **15 %** - Claire 15‑30 m : 70/400 × 100 = **17,5 %** - Claire >30 m : 30/400 × 100 = **7,5 %** 3. Légende proposée (exemple) : - Forêt dense 0‑15 m : vert foncé, hachure fine verticale. - Forêt dense 15‑30 m : vert foncé, hachure fine horizontale. - Forêt dense >30 m : vert foncé, hachure fine en croix. - Forêt claire 0‑15 m : vert clair, hachure fine verticale. - Forêt claire 15‑30 m : vert clair, hachure fine horizontale. - Forêt claire >30 m : vert clair, hachure fine en croix. --- ### Exercice 2 – Dénombrement et estimation de densité **Situation** : Dans une strate de 180 ha, vous réalisez 12 quadrats de 25 m × 25 m (0,0625 ha chacun). Le nombre total de pieds d’arbres comptés dans tous les quadrats est 540. **Questions** : 1. Calculer la superficie totale échantillonnée. 2. Déterminer la densité estimée (pieds/ha). 3. Estimer le nombre total de pieds dans la strate. 4. En supposant un Dmax de 1800 pieds/ha, calculer l’intervalle de confiance à 95 % pour la densité (utiliser la formule simplifiée \(\text{IC}= \hat{D} \pm 1,96 \sqrt{\hat{D}/n}\) où n est le nombre de quadrats). **Corrigé** : 1. Superficie échantillonnée = 12 × 0,0625 ha = **0,75 ha**. 2. Densité \(\hat{D}=540/0,75 = 720\) pieds/ha. 3. Nombre total \(\hat{N}=720 \times 180 = 129\,600\) pieds. 4. \(\sqrt{\hat{D}/n}= \sqrt{720/12}= \sqrt{60}=7,746\). IC 95 % = 720 ± 1,96 × 7,746 ≈ 720 ± 15,18 → **[704,8 ; 735,2]** pieds/ha. --- ### Exercice 3 – Traitement d’image avec QGIS **Situation** : Vous disposez d’une image Sentinel‑2 (bandes B02, B03, B04, B08) couvrant une zone de 25 km² dans la région du Littoral. Vous devez produire une carte binaire « forêt / non‑forêt » en utilisant le seuil NDVI > 0,4. **Questions** : 1. Écrire l’expression du raster calculator pour obtenir le NDVI. 2. Écrire l’expression du raster calculator pour créer le masque binaire (1 = forêt, 0 = non‑forêt) basé sur le seuil NDVI > 0,4. 3. Indiquer quelle opération de filtrage vous appliqueriez pour éliminer les îlots de moins de 0,5 ha (supposant une résolution de 10 m/pixel). 4. Donner le nombre minimal de pixels consécutifs qu’un îlot doit contenir pour être conservé. **Corrigé** : 1. NDVI = `("B08"@1 - "B04"@1) / ("B08"@1 + "B04"@1)` 2. Masque = `("NDVI"@1 > 0,4) * 1` (résultat 1 où la condition est vraie, 0 sinon). 3. Application d’un **Sieve** (ou *Elimination of small objects*) avec seuil de superficie = 0,5 ha. 4. Avec une résolution de 10 m, un pixel représente 0,01 ha (10 m × 10 m = 100 m² = 0,01 ha). Nombre de pixels nécessaires = 0,5 ha / 0,01 ha = **50 pixels**. Ainsi, tout groupe de moins de 50 pixels contigus sera supprimé. --- ## Erreurs fréquentes et règles de sécurité | # | Erreur fréquente | Conséquence | Règle de prévention / bonne pratique | |---|------------------|-------------|--------------------------------------| | 1 | **Mauvaise identification du DHP** (mesure à la mauvaise hauteur ou omission du seuil de 10 cm). | Sur‑ ou sous‑estimation de la densité et du volume. | Toujours utiliser un ruban à métre gradué, placer le ruban exactement à 1,30 m du sol, vérifier visuellement l’absence de déformations du tronc (gonflements, blessures). | | 2 | **Oubli du masque des nuages** lors du pré‑traitement d’images Sentinel‑2/Landsat. | Classification erronée (nuages comptés comme sol ou végétation). | Appliquer systématiquement le masque QA60 (Sentinel‑2) ou le band de qualité Landsat avant tout calcul d’indice. | | 3 | **Utilisation d’un nombre trop faible de points d’apprentissage** pour la classification supervisée. | Surapprentissage ou sous‑apprentissage, faible précision globale. | Prévoir au moins 30 à 50 polygons d’apprentissage par classe, répartis sur toute l’étendue de l’image. | | 4 | **Négliger le port des équipements de protection individuelle (EPI)** en forêt (casque, gants, bottes, vêtement haute visibilité). | Risque de blessure par chute de branche, coupure, ou accident avec engins. | Vérifier avant chaque sortie que chaque membre de l’équipe possède son EPI complet ; effectuer un bref point sécurité quotidien. | | 5 | **Mauvaise géoréférencement** (erreur RMS > 1 pixel) due à un nombre insuffisant de points de contrôle ou à l’utilisation de coordonnées erronées. | Décalage systématique de la carte produite, impossibilité de superposer avec d’autres couches. | Utiliser un minimum de 10 GCW bien répartis, vérifier l’erreur résiduelle après chaque ajustement, reprendre si RMS > 0,5 pixel. | | 6 | **Oublier de sauvegarder les versions intermédiaires** du travail (images brutes, produits de pré‑traitement, fichiers de classification). | Perte de données en cas de plantage logiciel, impossibilité de retracer les étapes. | Adopter une convention de nommage (ex. `date_etape_version.ext`) et réaliser une sauvegarde sur un serveur ou un disque externe après chaque étape majeure. | --- *Fin du cours.*