page en cours de construction
Présentation & objectifs
Le groupe d’experts Espaces forestiers réunit des représentants de différentes institutions de recherche – INRAE, Dynafor, IRD, CESBIO – développant des produits, méthodes et outils pour la qualification et le suivi des espaces forestiers.
Ses travaux s’inscrivent d’abord dans le CES Occupation des terres.
Variables & produits (en cours de construction)
Grands Feux de la zone Prométhée 2017 et 2018
[DOI] [Portail thématique] [Catalogue THEIA]
La collection produite par l’Unité RECOVER de l’INRAE couvre les feux de plus de 100 ha recensés dans la base de données Prométhée* pour les années 2017 et 2018. Les cartes sont basées sur les images satellites Sentinel-2 de niveau 2A utilisant la chaine de traitement Maja. Les zones brûlées sont détectées avec l’indice dNBR (difference Normalized Burn Ratio).
- Données sources : Sentinel-2
- Indicateurs : contours des feux, sévérité (4 classes : non-brûlé, faible, moyen et fort), évolution de la végétation après un feu (5 niveaux de sévérité ainsi que 1 niveau de repousse)
Licence
Ressources
Références
Vecteur de délimitation des surfaces de mangrove
[DOI] [Portail thématique] [Catalogue THEIA]
Dans le cadre d’un projet SCO, la chaîne de traitement MangMap de délimitation des surfaces de mangroves a été développée. Elle est itérative, pour chaque image, chaque trimestre, un vecteur de contour des mangroves est calculé à partir de l’image Sentinel L2A la moins ennuagée du trimestre. Le vecteur mangrove est visualisable et téléchargeable au format SHP gratuitement.
Pour un trimestre donné et une tuile donnée, les données en entrée sont :
- Un vecteur de référence d’extension de la mangrove (Mang_Ref). Le vecteur de référence Mang_ref est un vecteur de contour des mangroves issu de la communauté scientifique,
- Un vecteur de la région d’intérêt (ROI) dans laquelle l’algorithme cherchera les pixels de mangrove. Le ROI est défini à partir du vecteur Mang_Ref auquel un buffer externe de 500m est appliqué.
- La bande SWIR1 (B11) de l’image Sentinel-2 de niveau L2A la moins ennuagée du trimestre, résolution spatiale 20m.
Deux critères sont utilisés pour choisir l’image la moins ennuagée :
1) un délai temporel de minimum 30 jours avec la date de l’image sélectionnée pour le trimestre précédent
2) un taux d’ennuagement minimum dans la zone correspondant à mang-Ref, - Le modèle numérique d’élévation Copernicus DEM (Global Digital Elevation Model – COP-DEM, https://doi.org/10.5270/ESA-c5d3d65), résolution spatiale 30m,
- Le raster NDWI2, résolution spatiale 10m,
- Le raster NDVI, résolution spatiale 10m,
Licence
Ressources
La plateforme MangMap https://mangmap.org/
Références
Jean-François Faure
IRD
@JF.Faure
Tropisco | Pertes de couverture forestière dans les forêts denses tropicales
[DOI] [Portail thématique] [Catalogue THEIA]
Description Dans le cadre du projet SCO Tropisco, une méthode de détection des pertes de couverture forestière dans les forêts denses tropicales a été développée par une équipe réunissant le CESBIO et l’entreprise GLOBEO. Ce démonstrateur devrait déboucher sur une production THEIA régulière en 2025.
- données source Sentinel-1, à partir de 2018 et en continu.
- résolution 10 m. La taille des plus petites détections est de 0,1 hectare (correspondant à dix pixels Sentinel-1).
- résolution temporelle : hebdomadaire
La figure a été effectuée avec l’aide de Simon Gascoin et Maylis Duffau
Licence
Ressources
La visualisation des résultats est disponible sur une plateforme webGIS dédiée pour les huit zones test (Guyana, le Suriname, la Guyane, le Gabon, le Vietnam, le Laos et le Cambodge) : https://www.tropisco.org
Références
- Méthode : Bouvet, A., Mermoz, S., Ballère, M., Koleck, T., & Le Toan, T. (2018). Use of the SAR shadowing effect for deforestation detection with Sentinel-1 time series. Remote Sensing, 10(8), 1250. https://doi.org/10.3390/rs10081250
- Mises à jour de la méthode et résultats au Vietnam, Laos et Cambodge : Mermoz, S., Bouvet, A., Koleck, T., Ballère, M., and Le Toan, T. (2021). Continuous Detection of Forest Loss in Vietnam, Laos, and Cambodia Using Sentinel-1 Data. Remote Sensing, 13(23), 4877. https://doi.org/10.3390/rs13234877
- Résultats en Guyane : Ballère, M., Bouvet, A., Mermoz, S., Le Toan, T., Koleck, T., Bedeau, C., André, M., Forestier, E., Frison, P.L. and Lardeux, C. (2021). SAR data for tropical forest disturbance alerts in French Guiana: benefit over optical imagery. Remote Sensing of Environment, 252, 112159. https://doi.org/10.1016/j.rse.2020.112159
CF-Forest | cartographie annuelle des stocks de carbone des forêts françaises A VENIR
[DOI] [Portail thématique] [Catalogue THEIA]
Licence
Ressources
Références
Jean-Pierre Wigneron
INRAE | SMOS-IC
ResearchGate
Contributions FR | EN
Poplar Index | cartographie automatique des surfaces plantées de peupliers à partir de données Sentinel-2 A VENIR
[DOI] [Portail thématique] [Catalogue THEIA]
Licence
Ressources
Références
David Sheeren
DYNAFOR
ResearchGate
Contributions FR