Intégration des données LiDAR et Landsat pour l'estimation de la biomasse aérienne et du carbone forestier dans la forêt de la Maâmora (Maroc)
La quantification précise de la biomasse aérienne (Above Ground Biomass, AGB) et du stock de carbone constitue un enjeu majeur pour la gestion durable des forêts, le suivi des changements climatiques et la mise en œuvre des mécanismes internationaux de réduction des émissions de gaz à effet de serre. La présente étude vise à estimer la biomasse aérienne et le stock de carbone des peuplements forestiers de la forêt de la Maâmora (Maroc) en intégrant les données LiDAR du satellite GEDI (Global Ecosystem Dynamics Investigation) et les images multispectrales Landsat 9.
Les empreintes GEDI ont été utilisées comme source de référence pour l'estimation de la biomasse, tandis que les variables explicatives ont été extraites des images Landsat 9, notamment les bandes spectrales, les indices de végétation (NDVI, EVI, SAVI, NBR, NDMI, MSAVI) ainsi que des variables texturales. Plusieurs modèles d'apprentissage automatique, notamment Random Forest, XGBoost et Support Vector Regression (SVR), seront développés afin d'établir la relation entre les variables spectrales et la biomasse estimée par GEDI.
Le modèle présentant les meilleures performances sera utilisé pour produire une cartographie continue de la biomasse aérienne à l'échelle de l'ensemble de la forêt. Le stock de carbone sera ensuite calculé en appliquant le facteur de conversion recommandé par le GIEC (0,47 ou 0,50 selon les espèces étudiées). Les résultats seront validés à l'aide des mesures réalisées sur des placettes d'inventaire forestier, comprenant notamment le diamètre à hauteur de poitrine (DHP), la hauteur des arbres et les équations allométriques spécifiques aux principales essences de la Maâmora.
Les performances des modèles seront évaluées à l'aide des indicateurs statistiques classiques (coefficient de détermination R², erreur quadratique moyenne RMSE, erreur absolue moyenne MAE et biais). Une analyse comparative entre les estimations issues de la télédétection et les observations de terrain permettra d'évaluer la fiabilité de l'approche proposée et d'identifier les principales sources d'incertitude.
Cette étude mettra en évidence l'intérêt de la fusion des données LiDAR spatiales et de l'imagerie optique pour l'estimation de la biomasse et du carbone forestier dans les écosystèmes méditerranéens. Les résultats attendus fourniront des informations stratégiques pour le suivi des ressources forestières, la gestion durable de la forêt de la Maâmora ainsi que pour les programmes nationaux de comptabilisation du carbone et de lutte contre les changements climatiques.
