Navigation – Plan du site

La spatialisation de Services Ecosystémiques à l'échelle locale dans un contexte de déforestation : quelles approches statistiques et quelles données ?

Espacialização dos serviços ecosystêmicos na escala local em um contexto de desmatamento: que abordagens estatísticas e quais dados?
Spatialization of ecosystem services at local space in a context of deforestation: what statistical approaches and what data?
Solen Le Clec'h, Johan Oszwald, Simon Dufour, Thierry Desjardins, Nicolas Jegou et Michel Grimaldi

Résumés

Le Millenium Ecosystem Assessment (MEA) puis les REDD (Reducing Emissions from Deforestation and forest Degradation) préconisent le développement d’approches de quantification et de spatialisation des services écosystémiques (SE). Ces approches pourraient permettre la mise en œuvre de pratiques et de politiques de gestion environnementale plus efficaces. La cartographie des SE apparaît ainsi comme un outil majeur de gestion des espaces à forts enjeux environnementaux. A l’échelle de trois localités d'Amazonie brésilienne situées sur le front de déforestation, deux processus biophysiques délivrant des SE, l'infiltrabilité de l'eau dans le sol et le stockage de carbone dans la végétation, ont été cartographiés avec une résolution spatiale de 30x30m. Pour ce faire, des mesures in situ de biomasse et de vitesse d'infiltration au sein de 135 points d'échantillonnage et des données obtenues par télédétection ont été mises en relation à l'aide de modèles statistiques. Ces modèles permettent d'obtenir une estimation de ces processus pour l'ensemble des localités et d'identifier les facteurs qui les influencent. Les cartographies qui en résultent facilitent la compréhension de la répartition spatiale de ces processus et peuvent servir de base à une cartographie des compromis (trade-offs) et synergies entre les SE.

Haut de page

Texte intégral

Afficher l’image
Crédits : ©Hervé Théry 2014

Ce travail a été réalisé dans le cadre du Programme de l’Agence National pour la Recherche (AMAZ-ES & AMAZ-BD) : « services écosystémiques des paysages agrosylvopastoraux Amazoniens – analyse des déterminants socio-économique et simulation de scénarios » qui ont permis da collecte d'information de terrain indispensable à la réalisation de ces travaux et de l'ANR AGES (Analyse Géographique des Services Ecosystémiques) qui est le cadre actuel dans lequel ce travail est réalisé.

1Les services écosystémiques (SE) sont couramment définis comme les bienfaits que les Hommes obtiennent des écosystèmes (Daily, 1997 ; MEA, 2005). Depuis qu'il a atteint la sphère politique, le concept de SE est de plus en plus considéré dans sa dimension opérationnelle, marquée par l'émergence des politiques de paiements pour services environnementaux (PSE) et des bourses de carbone (Wunder, 2005). Cette opérationnalité, qui se traduit par la volonté de mettre en place des politiques de gestion plus adaptées aux enjeux environnementaux, passe en partie par l'outil cartographique (Daily et Matson, 2008). En effet, en quantifiant et spatialisant un processus biophysique qui délivre des SE, la cartographie permet de mieux appréhender les variations de ce processus dans le paysage, les facteurs qui l’influencent, qu'ils soient inhérents ou modifiables (Dominati et al., 2010) et de sa répartition et structuration spatiales. Elle met ainsi en évidence les conditions nécessaires à la fourniture du SE et permet l'identification des zones où la dynamique des SE est importante ou risque de le devenir. La cartographie est également mobilisée dans le cadre des dispositifs de PSE actuellement mis en place dans différentes régions du monde. Elle est alors considérée comme un outil permettant de faire un état des lieux et/ou un suivi environnemental, comme c'est le cas au Mexique (Alix-Garcia et al., 2005).

2L’Amazonie brésilienne, comme tous les espaces forestiers, rend un grand nombre de SE. Or, elle est connaît depuis les années 1970 des taux de déforestation extrêmement élevés (Evans et al., 2001; Fearnside, 2005 ; INPE-Prodes, 2014). Sur les fronts pionniers amazoniens, la question de la dégradation des SE est ainsi particulièrement prégnante. Considérées comme des hotspots écologiques par la communauté internationale, certaines zones d'Amazonie brésilienne connaissent des changements paysagers brutaux et récents dont les conséquences sont estimées très importantes (Myers et al., 2000 ; Fearnside, 2005 ; Oszwald et al., 2011). Cartographier les SE liés aux espaces de fronts pionniers offre la possibilité d'assurer un suivi de l'impact des activités de déforestation, que ce soit à l'échelle régionale pour la mise en place des politiques publiques ou à l'échelle internationale pour améliorer les suivis effectués dans le cadre des programmes REDD et REDD+ (Reducing Emissions from Deforestation and forest Degradation).

3La cartographie des SE présente donc des enjeux essentiels pour la communauté internationale (Baral et al., 2009 ; Hein, 2006 ; Kemkes et al., 2010). Néanmoins, la spatialisation des SE reste très peu développée dans la littérature scientifique (Nemec et Raudsepp-Hearne, 2013). En effet, la spatialisation des processus physiques caractérisant des SE est complexe à mettre en place, ne serait-ce que pour passer d'un processus local à un service dont la portée spatiale est plus importante (Dominati et al., 2010 ; Burkhard et al., 2012). Dans ce contexte, cette étude vise à quantifier et spatialiser des SE dans l'un des États brésiliens les plus impactés par le front de déforestation amazonien, l'État du Pará (Brésil). Plus précisément, cette étude cherche à concevoir une méthodologie de cartographie d’indicateurs de SE, reposant sur une approche statistique.

4Cette méthodologie a pour vocation future de permettre l'étude et la spatialisation des interrelations entre services (trade-offs et synergies). Pour ce faire, nous allons utiliser un ensemble de données mesuré in situ (occupation des sols, socio-économie, pédologie, hydrologie, écologie...) dans le cadre des programmes de l’Agence Nationale de la Recherche (ANR) AMAZ afin de caractériser les processus physiques induisant des SE. Ensuite, nous chercherons à spatialiser ces processus physiques à l'aide de données issues de la télédétection et de Systèmes d'Information Géographique afin de cartographier le stockage de carbone de la végétation et l'infiltrabilité de l'eau dans le sol sur trois sites d'étude (Maçaranduba, Palmares 2 et Pacajá).

Matériels et méthode

Sites d'étude

5Pour répondre à cet objectif, des cartographies individuelles d’indicateurs de SE ont été réalisées pour chacun des trois sites, Maçaranduba, Pacajá et Palmares II (Figure 1). Les enjeux en termes de protection des ressources naturelles y sont bien connus et sont souvent source de conflits.

Figure 1 : Localisation de l'Etat du Pará et des trois sites d'études. Ces trois sites sont présentés sur fond de leur occupation du sol. PC : Pacajá ; MC : Maçaranduba et PR : Palmares II.

Figure 1 : Localisation de l'Etat du Pará et des trois sites d'études. Ces trois sites sont présentés sur fond de leur occupation du sol. PC : Pacajá ; MC : Maçaranduba et PR : Palmares II.

6Chacune de ces zones présente des contextes institutionnels variés et des situations contrastées (Albaladejo et al., 1996). Le site de Maçaranduba couvre environ 220 km². Il est localisé sur le municipe de Nova Ipixuna, en bordure de fleuve. Le déboisement du site a commencé dans les années 1970. La chute des cours mondiaux du latex et de la noix de Pará qui faisaient la richesse du site provoque une nouvelle orientation des pratiques agricoles. Au début des années 2000, le site fut envahi par ses anciens occupants qui se sont attribués des lots destinés à l’agriculture. Un type d’organisation sociale comparable aux réserves extractivistes a été mis en place, avec, notamment, propriété collective de la terre, attribution de droits d’usages sur des parcelles et limitation des autorisations de déboisements pour l’implantation de pâturages. De fait, bien que situé dans une zone largement déboisée, ce site possède une couverture forestière relativement bien préservée avec quelques patchs de forêts conservées, contrairement à certaines zones environnantes. Le site de Pacajá se trouve sur une des pistes secondaires perpendiculaires à la Transamazonienne, appelées "arête de poisson", sur le Travessão sud du kilomètre 338. Il couvre 175 km² et est localisé sur la commune de Pacajá, à 60 km environ du centre urbain. Ce site a connu une colonisation spontanée intense à partir de 1990. En 2007, la couverture forestière est encore importante et les taux de déboisements n'ont rien de comparable avec celui des deux autres sites. Palmares II est un « assentamento » (localité de la Réforme Agraire) de 158 km² de la commune de Parauapebas. Il est localisé à proximité de la mine de fer de Carajás. Ce site est emblématique de la réforme agraire. Sa création a été décidée suite à des luttes entre les travailleurs du "Mouvement Sans Terre", le Gouvernement Fédéral et la Vale, propriétaire de l'exploitation minière de Carajas (Bringel, 2006). Début 1996, le gouvernement finit par concéder aux Travailleurs du MST la terre d'une "fazenda", occupée depuis plusieurs mois. Le "fazendeiro" fut expulsé et a terre fut divisée en lots de taille identique, provoquant un émiettement de la zone en une multitude de parcelles et favorisant la mise en pâturage de la terre.

Approche générale

7La méthodologie se déroule en trois étapes principales (Figure 2). (1) Tout d'abord, pour chaque indicateur de services, des modèles statistiques sont construits en suivant deux méthodologies différentes. Ces modèles mettent en relation des indicateurs de services écosystémiques et des données de télédétection, relatives à la topographie ou à la végétation. Ils permettent d’identifier les données environnementales qui influencent la fourniture de services et de prédire des valeurs pour chacun des deux indicateurs. (2) Pour chaque indicateur, les deux modèles sont ensuite comparés et le modèle le plus performant est sélectionné pour réaliser les cartographies. (3) Enfin, à partir des modèles statistiques chois, nous proposons une spatialisation de chaque indicateur de services pour chacun des sites d’étude.

Figure 2 : Approche générale de la cartographie des deux indicateurs de services écosystémiques

Figure 2 : Approche générale de la cartographie des deux indicateurs de services écosystémiques

.

Les processus biophysiques étudiés

8Les SE sont évalués par l’intermédiaire d’indicateurs simples de processus biophysiques. La cartographie résultante repose donc sur des indicateurs quantifiables et spatialisables, accessibles par télédétection

9Dans ce contexte de déforestation, l'étude de deux indicateurs de SE a été jugée pertinente. Ces indicateurs sont liés à plusieurs services écosystémiques qui sont apparus comme étant intéressants à étudier dans le contexte de front pionnier : la régulation du climat, via les indicateurs de stocks de carbone de la biomasse végétale et la régulation du cycle de l'eau et le contrôle de l'érosion du sol, via la capacité du sol à permettre l’infiltration de l'eau (Grimaldi et al., 2014).

10Ces deux indicateurs ont été choisis par leur pertinence spécifique dans le contexte des fronts pionniers amazoniens et par leur complémentarité en termes de processus biophysiques associés. En outre, le service de la régulation du climat, couramment étudié ou appréhendé lors de politiques spécifiques comme les REDD+, est emblématique et ses enjeux sont à la fois connus par la communauté scientifique et par le grand public. Pour davantage de précision sur la nature et les protocoles d’acquisition des données de terrain intégrées dans les modèles, voir Silva Costa et al., 2012 et Grimaldi et al, 2014.

11Le stockage du carbone dans la végétation est considéré classiquement comme un service de régulation (au sens MEA) du climat. Par son activité de photosynthèse, la végétation chlorophyllienne absorbe une partie du CO2 de l'atmosphère et joue ainsi un rôle important dans la régulation du climat (Brown, 1997), et ce particulièrement dans les forêts tropicales (Silver et al., 2000).

12L’infiltrabilité se définit par la capacité du sol à absorber l’eau des précipitations. Elle est caractérisée par la hauteur d’eau qui pénètre dans un sol pendant un intervalle de temps déterminé. Par sa capacité d’infiltration de l'eau, le sol est considéré comme un régulateur. En effet, une infiltration faible ou nulle implique un ruissellement des eaux. Cela se traduit par une érosion accentuée du sol, une absence de reconstitution des stocks en eau du sol et une accumulation dans les bas fonds (Grimaldi et al., 2014). Cette question est cruciale sur les fronts pionniers puisque l'érosion du sol provoque l'apparition de faciès d'arrachements, mais aussi une diminution significative des nutriments contenus dans la couche supérieure du sol, ce qui entraîne une diminution graduelle de productivité des sols (Markewitz et al., 2004; Zimmermann et al., 2006 ; Muderhwa Mutabesha, 2009).

13Les informations sur les SE ont été recueillies pour 45 points situés dans neuf des exploitations (à raison de 5 par exploitation) présentes sur chaque localité lors de campagnes terrain effectuées dans le cadre des programmes de recherche AMAZ-BD et AMAZ-ES (coord. : Patrick Lavelle) entre 2007 et 2010, des programmes de recherche financés par l'ANR.

Données explicatives

14Les informations spatiales utilisées dans les modèles statistiques permettant de cartographier le stock de carbone dans la végétation et l’infiltrabilité de l’eau dans le sol sont de deux types. Les premières sont des données d'occupation du sol (actuelle - OSt, une trajectoire historique issue d'une analyse diachronique - Oszwald et al., 2011 - et deux indices de végétation, le NDVI - Normalized Difference Vegetation Index - et le NDWI - Normalized Difference Water Index). Ces informations ont été obtenues par traitement d'images Landsat TM. Les autres données sont relatives à la topographie (altitude en mètre, pente en pourcentage, synthèse de la topographie et distance au réseau hydrographique) et proviennent du traitement du MNT ASTER (Modèle Numérique de Terrain).

15Les modèles statistiques mis en place permettent de tester l’influence de ces informations sur les variations des deux indicateurs de services et de sélectionner uniquement les variables influentes afin de réaliser la prédiction des valeurs de services écosystémiques.

Résolution spatiale

16Les services produits par les écosystèmes sont issus de processus physiques qui s'opèrent à l'échelle locale voire micro locale. Il est donc important de traiter l'information de la manière la plus détaillée possible (Burkhard et al., 2009). En outre, la fourniture des SE est potentiellement dépendante de l'occupation du sol et les variations paysagères peuvent être localement très importantes. De fait, il est apparu nécessaire de traiter les données le plus finement possible. L'unité spatiale de base choisie (30 x 30m) correspond à la résolution spatiale des images satellitaires utilisée qui permet de posséder une classification détaillée de l'occupation du sol prenant en compte la variété paysagère, particulièrement en milieu de fronts pionniers.

Méthodologie statistique

17Les données télédétectées et les données in situ, toutes les deux connues à l’échelle des points, ont été mises en relation à l'aide d’un modèle statistique. Celui-ci présente deux intérêts. D'une part, il permet d'expliquer les variations de chacun des indicateurs de SE à partir des données sélectionnées. La procédure de choix de variables permet de comprendre les facteurs qui influencent les processus écologiques mis en jeu. D’autre part, en prédisant des valeurs sur l’ensemble de la localité, le modèle permet d’obtenir une cartographie pour l’ensemble d’un secteur à partir de quelques points d’échantillonnage. Dans la mesure où il s’agit de modéliser une variable quantitative (indicateur de SE) à partir de variables qualitatives (ex. occupation du sol) et quantitatives (ex. altitude), deux méthodes ont été utilisées : l’arbre de régression (Algorithme Classification And Regression Trees – CART) et la régression linéaire multiple (Cornillon et al., 2010). Les capacités prédictives de ces deux méthodes statistiques ont été comparées par validation croisée.

Résultats

Résultats statistiques

Résultats généraux

18La comparaison par validation croisée des deux modèles statistiques met en avant la qualité supérieure du modèle de régression linéaire en termes de prévision ; en effet, cette méthode présente systémiquement des valeurs de R² supérieures et des valeurs de validation croisée inférieure (Tableaux 1 et 2). De ce fait, les cartographies ont été mises en place à partir des valeurs prédites par ce modèle. Cependant, la méthode par arbre de décision est conservée à des fins heuristiques et pédagogiques. En effet, la représentation graphique de ce modèle permet de comprendre la hiérarchisation des variables sélectionnées et donc de mieux appréhender les processus physiques sous-jacents, mais permet également de le vulgariser auprès d'un large public.

Le carbone stocké dans la végétation

19Les modèles statistiques résultant de ces analyses offrent des R² s’échelonnant entre 62% et 85% selon le site pour la régression linéaire et entre 50% et 73% pour l’arbre de décision. De manière générale, ces modèles sont basés sur la variable "Occupation du sol" (Tableau 1). Les autres variables explicatives utilisées dans la construction du modèle, l'altitude, la pente, le NDWI et la trajectoire historique d'occupation du sol, n'influencent pas significativement le stock de carbone de la végétation.

Tableau 1 : Résultats des modèles statistiques cherchant à prédire des valeurs de carbone pour chacun des trois sites.

Tableau 1 : Résultats des modèles statistiques cherchant à prédire des valeurs de carbone pour chacun des trois sites.

Figure 3 : Arbres de décision du modèle expliquant les quantités de carbone stocké dans la végétation des trois sites

Figure 3 : Arbres de décision du modèle expliquant les quantités de carbone stocké dans la végétation des trois sites

En mégagramme par hectare (Mg/ha). OS : Occupation du Sol, F : Forêt, FB : Forêt Brûlée, JC : Juquira-Capoeira (Jachères ou végétations forestières secondaires), PL : Pâturage avec Ligneux, PP : Pâturage Propre, SN : Sol Nu).

L'infiltrabilité de l'eau dans les sols

20Les modèles statistiques résultant de l'analyse des données d'infiltrabilité présentent des R² s’échelonnant entre 30% et 73% selon le site pour la régression linéaire et entre 35% et 71% pour l’arbre de décision (Tableau 2). Les résultats sont globalement moins satisfaisants que ceux obtenus lors de l'étude du carbone stocké par la végétation.

Tableau 2 : Résultats des modèles statistiques cherchant à prédire des valeurs d'infiltrabilité de l'eau dans le sol pour chacun des trois sites

La validation croisée permet d'observer les mêmes tendances que le R², par conséquence, les valeurs présentées sont celles du R² car cet indicateur est plus universel.

21Le nombre de variables retenues dans les modèles illustre la complexité du phénomène. Ces modèles mettent également en avant l'importance des données relatives à l'OS et notamment la trajectoire historique d'occupation du sol dans la fourniture de ce service (Tableau 2 - Figure 4). La végétation se comporte comme une couche protectrice pour le sol mais les changements d'occupation du sol n'impactent pas instantanément le processus. Ainsi, ce type de service est influencé plus largement par des propriétés inhérentes des sols, c'est-à-dire spécifiques du sol, non observables pour le moment par télédétection.

Figure 4 : Arbres de décision du modèle expliquant l'infiltration de l'eau dans le sol pour les trois sites (mm/h).

Figure 4 : Arbres de décision du modèle expliquant l'infiltration de l'eau dans le sol pour les trois sites (mm/h).

OS : Occupation du Sol, F : Forêt, FB : Forêt Brûlée, JC : Juquira-Capoeira (Jachères ou végétations forestières secondaires), PL : Pâturage avec Ligneux, PP : Pâturage Propre, SN : Sol Nu).

Résultats cartographiques

22La cartographie locale permet d’estimer avec une précision variable selon l’indicateur de SE et le site la répartition spatiale de chacun des deux indicateurs de SE au sein d’une exploitation agricole ou au sein d’un site (Figure 5). La variation spatiale du processus biophysique est donc représentée par des variables dérivées de la télédétection. Ces cartographies présentent l'intérêt de faciliter le suivi spatial de la fourniture d'un SE. Dans une optique de suivi, il peut être envisagé de mener ce type d'analyse de manière diachronique afin d'en suivre l'évolution spatio-temporelle. En outre, par la connaissance de la répartition de l’indicateur du SE au sein des exploitations, ces cartographies offrent la possibilité de comprendre l'impact des activités agricoles sur la fourniture de ce SE.

Figure 5 : Cartes du carbone stocké (Mg/ha) dans la végétation et de l'infiltrabilité de l'eau dans le sol (mm/h) dans les sites de Maçaranduba et de Palmares II

Figure 5 : Cartes du carbone stocké (Mg/ha) dans la végétation et de l'infiltrabilité de l'eau dans le sol (mm/h) dans les sites de Maçaranduba et de Palmares II

Zoom sur trois fermes (à titre d’exemple) inférées à partir du modèle de régression linéaire. La cartographie n'a pas été réalisée pour Pacajá, au vu de la mauvaise capacité prédictrice du modèle statistique. Bien qu'il y ait une variation graduée des couleurs, celles-ci ne représentent pas quantitativement la même intensité d’un site à un autre.

Discussion

23La cartographie des indicateurs de SE permet de retranscrire simplement des processus physiques souvent complexes, même si le passage du processus à la carte de SE entraîne nécessairement une simplification. Elle permet ainsi de distinguer les espaces où la fourniture de SE est optimale de ceux où elle est dégradée ou en cours de dégradation, notamment dans un contexte de front de déforestation. La spatialisation de l'état d'un SE, au sein d'un territoire, pourrait ainsi faciliter la prise de décision politique, que ce soit pour la mise en place de politiques publiques destinées à la restauration des milieux ou à la protection de certains SE, mais aussi à l'échelle internationale d'identifier les territoires contraints aujourd'hui par les dynamiques anthropiques et sur lesquels des politiques de protection sont en cours au travers de programmes internationaux tels que les REDD (Burkhard et al., 2009 ; Burkhard et al., 2012 ; Nemec et al., 2013). Cette approche cartographique facilite donc les actions ou pourrait favoriser l'émergence de nouvelles législations territorialisées pour favoriser la protection de SE (Hervé-Fournereau, 2012).

24L'étude a permis de souligner l’importance de la précision des données d’entrée, notamment en termes d'occupation du sol. Or, une classification précise d’occupation du sol est davantage possible aux échelles fines (Domaç, 2004). Cet argument est également valable pour les informations de topographie, issues du MNT. Les analyses à l'échelle locale rendent ainsi possible la prise en compte de la spécificité des territoires, par une procédure de choix de variables. L'importance du site a ainsi été mise en lumière. Selon l'ancienneté de l'appropriation de la zone, la diversité paysagère est plus ou moins importante. Les modèles statistiques étant basés principalement sur l'OS, une forte diversité paysagère provoque une grande variabilité statistique, d'où les performances hétérogènes des différents modèles statistiques. Ainsi, le modèle de la zone la moins déboisée, Pacajá, présente un taux de fiabilité moins bon que celui des deux autres zones. En outre, les données de topographies étant issues d'un MNE (Modèle Numérique d'élévation) et non d'un MNT , les études sur le site de Pacajá présente un second biais (Tachikawa et al., 2009). En effet, le MNE, contrairement au MNT, prend en compte la hauteur de la canopée, ce qui ne permet pas d'avoir une approche satisfaisante de la topographie et du réseau hydrographique, et ce notamment dans les zones les plus forestières (Pacajá). La qualité des résultats obtenus est donc différenciée selon le site mais également selon le SE étudié.

25Les modèles statistiques réalisés sur les données de carbone stocké par la végétation offrent de bons résultats. Ceux-ci sont jugés satisfaisants au regard de la bibliographie internationale (Baral, 2009 ; Bolfe et Battistella, 2011). La fiabilité de ces modèles tient au choix des données d'entrée, à la résolution spatiale et au choix de la méthodologie qui a pour but d'expliquer au mieux un phénomène pour en prédire des valeurs. A l'inverse, les méthodologies les plus courantes (inventaires forestiers, estimation de la biomasse...) ne se basent que sur l'occupation du sol sans chercher à intégrer d'autres facteurs impactant potentiellement le stockage de carbone (Dong et al., 2003 ; Ponce-Hernandez, 2007 ; Salimon et al., 2011). Ces méthodologies ont tendance à simplifier le bioprocessus physique mis en jeu. Pourtant, elles servent de base à la mise en place des dispositifs de rémunération pour les services écosystémiques aux échelles internationales (RSE). Comme les résultats précédents l'illustrent, l'approximation liée à la modélisation est plus ou moins préjudiciable, selon le SE étudié. En effet, si la modélisation du carbone de la végétation parait relativement fiable, les résultats de la modélisation de l'infiltrabilité de l'eau pose problème. De plus, cette question de l'incertitude liée aux modèles devient particulièrement délicate dès lors que l'on s'attache à l'étude des trade-offs et synergies entre SE.

26 De manière générale, les résultats statistiques des modèles sur les données d'infiltrabilité de l'eau dans le sol sont moins bons que les résultats sur les données de carbone de la végétation, notamment car ce processus physique relève beaucoup des propriétés inhérentes aux milieux et moins des propriétés modifiables (Dominati et al., 2010). Ces résultats exposent ainsi une limitation à la possibilité de modéliser un SE à partir d'informations obtenues par télédétection. Cependant, elle met en évidence l'importance de l'occupation du sol et des dynamiques de l'occupation des sols au travers d'un indicateur historique, mieux capable de synthétiser la complexité temporelle de l'avancée du front de déforestation par rapport aux conditions propres aux différents terrains. Ces deux aspects sont pourtant souvent délaissés. Ainsi, dans la bibliographie, les études traitant de la question de l'infiltrabilité se centrent sur des données de pédologies et/ou de climatologie uniquement (Cam et al., 1996 ; Demarcin et al., 2011 ; Maes et al., 2011). Les modèles, en estimant le degré d’information expliqué par les variables, offrent la possibilité d’interroger ces dernières pour compléter le jeu de données si besoin. Cet élément présente un potentiel pédagogique puisqu'il est essentiel pour améliorer nos connaissances encore lacunaires sur les facteurs délivrant les processus physiques et le lien entre ces derniers et les SE. De plus, il présente un potentiel heuristique puisque ce retour vers les données peut lever de nouvelles questions scientifiques et un potentiel politique car il pourrait permettre aux gestionnaires de posséder un retour critique sur l'outil qu'il utilise. De fait, un modèle explicatif de l'infiltrabilité de l'eau dans les sols sans vocation de prévision sur de plus larges espaces a été mis en place à l'échelle des points. Il a pour ambition d'expliquer au mieux le processus à partir de données relatives à la faune du sol, à la nature du sol et d'informations liées à l'emprise historique des Hommes sur le paysage. Bien que ces modèles ne puissent déboucher sur la réalisation de cartographies, ils permettent de comprendre le phénomène. Ainsi ils peuvent être employés et trouver une application dans des préconisations de la part des gestionnaires de ces territoires.

Perspectives

27Spatialiser les SE de manière individuelle permet de mieux comprendre les facteurs influençant les services étudiés et surtout leur répartition spatiale. Cependant, les SE étant plus ou moins interdépendants (Heal et al., 2001), il est nécessaire de comprendre les interrelations entre eux afin de faire de la cartographie des SE un outil pour les gestionnaires des territoires. En effet, la fourniture d’un service peut se faire au détriment d’un autre. La mesure de ces interrelations est appelée "trade-off". L'analyse des trade-offs est d'ailleurs souvent présentée comme primordiale dans de nombreuses études (Wallace, 2007 ; Potschin et Haines-Young, 2011 ; Trabucchi et al., 2012). La plupart des études sont centrées sur un SE. Pourtant, protéger un SE sans prendre en compte l'ensemble des SE rendus par un écosystème peut avoir des conséquences non négligeables.

28Au vu de la qualité de prévision des différents modèles statistiques obtenus, il est envisagé de réaliser une étude des trade-offs. Celle-ci sera notamment basée sur les deux SE présentés ici ainsi que sur des SE liés à la biodiversité (pollinisation, fertilisation des sols...). L'analyse des trade-offs consiste à appréhender les relations entre les SE et estimer des tendances de la fourniture totale des SE présents en chacun des pixels de la zone. Elle n'a donc pas prétention de réaliser une quantification de ces trade-offs car il est délicat de baser une analyse quantitative sur des valeurs préalablement estimées par modèles statistiques et donc présentant un degré d'erreur plus ou moins fort.

29Une des ambitions de cette étude était de mettre en place une méthode reproductible. En ce sens, les images LANDSAT TM ou du MNT ASTER, sont faciles à acquérir, en libre accès, couvrent de vastes espaces géographiques et présentent le dernier avantage de fournir des images à plusieurs dates. A l'inverse, certaines données utilisées dans la bibliographie sont très onéreuses et/ou difficiles à acquérir, comme le LiDAR (Asner, et al., 2012). En permettant une certaine reproductibilité, cette démarche, répond aux attentes du MEA ou des REDD, c'est à dire fournir un outil de spatialisation des SE aux décideurs afin d'adapter les politiques publiques à cette nouvelle donne de l'économie environnementale.

Haut de page

Bibliographie

Albaladejo C, Duvernoy I, Dominguez C, Veiga I, (1996). La construction du territoire sur les fronts pionniers. Les fronts pionniers de l'Amazonie Brésilienne, la formation de nouveaux territoires. L'Harmattan, Paris, p. 247-278.

Alix-Garcia, J., de Janvry, A., Sadoulet, E., Torres, J.M. (2005). An Assessment of Mexico's Payment for Environmental Services Program. UN Food and Agriculture Organization, Rome.

ARESEP (Asner P.G., Mascaro J, Muller-Landau C. H., Vieilledent G. and Vaudry R, (2012). A universal airborne LiDAR approach for tropical forest carbon mapping, Oecologia, vol 168, n° 4, p. 1147-1160

Baral H., Kasel S., Keenan R., Fox J. and Stork N., (2009). GIS-based classification, mapping and valuation of ecosystem services in production landscapes: A case study of the Green Triangle region of south-eastern Australia. Actes de la "Biennial Conference", Australie.

Bolfe et Battistella, (2011). Carbon mapping of agroforestery systems in the Brazilian Amazon through satellite images. Actes de la 25ème International Cartographic Conference, France.

Bringel Fabiano de Oliveira. Rumos (2006). Trechos e Borocas: Trajetórias e
Identidades Camponesas de Assentados Rurais no Sudeste do Pará, – Belém. Mémoire de Matser à l’Université Fédérale du Pará (UFPA) et au Centro de Ciências Agrária à l’Embrapa Amazônia Oriental.

Brown S., (1997). Estimating biomass and biomass change of tropical forests: A primer. FAO Forestry Paper: n°34.

Burkhard B., Kroll F., Müller F. and Windhorst W., (2009). Landscapes’ Capacities to Provide Ecosystem Services – a Concept for Land-Cover Based Assessments. Landscape online, n°15, p. 1-22.

Burkhard B., Kroll F., Nedkov S. et Müller F. (2012). Mapping ecosystem service supply, demand and budgets. Ecological Indicators,21, 17–29.

Cam C, Froger D, Moulin J., Rassineux J. et Servan J, (1996). Représentation cartographique de la sensibilité des sols à l'infiltration hydrique verticale - Carte thématique à l'infiltration verticale, Etude et Gestion des Sols, Volume 3, n°2, p. 97:112.

Cornillon P.A., Guyader A., Husson F., Jégou N., Josse J., Kloareg M., Matzner-Lober E. et Rouvière L., (2010). Statistiques avec R, 2ème édition augmentée, Presses Universitaires de Rennes.

Daily G., (1997). Nature’s Services: Societal Dependence on Natural Ecosystems. Island Press, Washington.

Daily GC., Matson PA. (2008). Ecosystem services: From theory to implementation, Proceedings of the National Academy of Sciences, 105 (28), p. 9455-9456.

Demarcin P, Sohier C, Mokadem A. I., Dautrebande S, Degré A, (2011). Essai de cartographie des classes d’infiltrabilité des sols de Wallonie (Belgique). Biotechnologie, Agronomie, Société et Environnement. n°15, p.119-128

Domaç Aysegül, (2004). Increasing the Accuracy of Vegetation Classification Using Geology and DEM. Mémoire de Master, Middle east technical University, Ankara, Turquie.

Dominati E., M. Patterso M., A. Mackay A., (2010). A framework for classifying and quantifying the natural capital and ecosystem services of soils. Ecological Economics, n°69, p. 1858–1868

Dong J., Kaufmann K., Myneni R., Tucker C., Kauppip., Liski J., Buermann W., Alexeyev V., Hughes M., (2003). Remote sensing estimates of boreal and temperate forest woody biomass : carbon pools, sources, and sinks. Remote Sensing of Environment, Vol.84, p. 393-410.

Eckert, S., Ratsimba, H. R., Rakotondrasoa, L. O., Rajoelison, L. G. and Ehrensperger, A. (2011). Deforestation and forest degradation monitoring and assessment of biomass and carbon stock of lowland rainforest in the Analanjirofo region, Madagascar. Forest Ecology and Management n°262, p.1996–2007.

Evans, T.P., Manire, A., De Castro, F., Brondizio, E., McCracken, S., (2001). A dynamic model of household decision making and parcel level land cover change in the eastern Amazon. Ecological Modelling n°143, p. 95–113.

Fearnside P.M., (2005). Deforestation in Brazilian Amazonia: History, Rates, and Consequences. Conservation biology, 19(3), pp. 680-688.

Grimaldi, M., Oszwald, J., Dolédec, S., Hurtado, M. del P., de Souza Miranda, I., Arnauld de Sartre, X., Assis, W.S. de, Castañeda, E., Desjardins, T., Dubs, F., Guevara, E., Gond, V., Lima, T.T.S., Marichal, R., Michelotti, F., Mitja, D., Noronha, N.C., Delgado Oliveira, M.N., Ramirez, B., Rodriguez, G., Sarrazin, M., Silva, M.L. da, Costa, L.G.S., Souza, S.L. de, Veiga, I., Velasquez, E., Lavelle, P., (2014). Ecosystem services of regulation and support in Amazonian pioneer fronts: searching for landscape drivers. Landscape Ecology 29, 311–328.

Heal, G., Daily, G.C., Ehrlich, P.R., Salzman, J., Boggs, C., Hellmann, J. et al. (2001). Protecting natural capital: ecosystem service districts. Stanford Environ. Law Journal, n°20, p.333–364.

Hein L., Van Koppen K, De Groot R, Van Ierland E, (2006). Spatial scales, stakeholders and the valuation of ecosystem services. Ecological Economics n°57, p. 209– 228

Hervé-Fournereau N. (2012). Les PSE à la rencontre des territoires forestiers : un outil de préservation environnemental opportun dans les pays en développement ? Actes du colloque L’agriculture et les paiements pour services environnementaux : quels questionnements juridiques?, France.

INPE-Prodes, 2014. Projeto PRODES Monitoramento da floresta Amazônica Brasileira por satélite. http://www.obt.inpe.br/prodes/prodes_1988_2014.htm

Kemkes RJ, Farley J, Koliba CJ (2010) Determining when payments are an effective policy approach to ecosystem service provision. Ecological Economics 69:2069–2074

Maes, J., Parácchini, M.L., Zulian, G., (2011). A European Assessment of the Provision of Ecosystem Services: Towards an Atlas of Ecosystem Services. Publications Office of the European Union, Luxembourg.

Markewitz D, Davidson E, Moutinho P, Nepstad D (2004) Nutrient loss and redistribution after forest clearing on a highly weathered soil in Amazonia. Ecological Applications 14(4):S177-S199

MEA, (2005). Ecosystems and Human Well-being. A report of the Millennium Ecosystem Assessment, Island Press, Washington D.C.

Muderhwa Mutabesha P., (2009). Importance de la couverture au sol dans la restauration des écosystèmes forestiers : cas de la réserve de biosphère de Luki au bas Congo. mémoire de fin d’étude en sciences agronomique, Université de Kinshasa RDC.

Myers, N., R.A. Mittermeier, C.G. Mittermeier, G.A.B. da Fonseca et J. Kent, (2000). Biodiversity hotspots for conservation priorities, Nature, vol.403 n° 24, p. 853-858.

Nemec, K.T.,et C. Raudsepp-Hearne. (2013). The use of GIS to map and assess ecosystem services. Biodiversity and Conservation n°22, p.1-15.

Oszwald J., Gond V., Doledec S., Lavelle P., (2011). Identification d’indicateurs de changement d’occupation du sol pour le suivi des mosaïques paysagères. Bois et Forêts des Tropiques, 307 : 7-21

Ponce-Hernandez R., (2007). A Modelling Framework for Addressing the Synergies between Global Conventions through Land Use Changes: Carbon Sequestration, Biodiversity Conservation, Prevention of Land Degradation and Food Security in Agricultural and Forested Lands in Developing Countries. FEEM Working Paper n°30.

Potschin, M., Haines-Young, R.H., (2011). Ecosystem services: exploring a geographical perspective. Progress in Physical Geography n°35, p. 575–594.

Salimon I.C., Putz E.F., Menezes-Filho L., Anderson A, Silveira M., Brown F, Oliveira L.C., (2011). Estimating state-wide biomass carbon stocks for a REDD plan in Acre, Brazil. Forest Ecology and Management, n° 262, p. 555–560.

Sherrouse BC, Clement JM, Semmens DJ, (2011). A GIS application for ass essing, mapping, and quantifying the social values of ecosystem services. Applied Geography, n°31, p. 8-760.

Silva Costa LG, Miranda IS, Grimaldi M, Silva Jr ML, Mitja D, Lima TTS (2012) Biomass in different types of land use in the Brazil’s ‘arc of deforestation’. Forest Ecology and Management 278(0):101-109

Silver W.L., Ostertag R. and Lugo A.E., (2000). The potential for Carbon Sequestration Through Reforestation of Abandoned Tropical Agricultural and Pasture Lands. Restoration Ecology, n° 8 p. 394-407.

Tachikawa, T., M. Kaku, and A. Iwasaki (2009). ASTER GDEM validation. Presentation at the 35th ASTER Science Team Meeting, Japan.

Trabucchi M, Ntshotsho P et al (2012). Ecosystem service trends in basin-scale restoration initiatives: A 717 review. Journal of Environmental Management, n°111 p.18–23

Wallace KJ. (2007). Classification of ecosystem services: problems and solutions. Biological Conservation, n°139: p. 235–246.

Wunder, S. (2005). Payments for environmental services: some nuts and bolts. Center for International Forestry Research Occasional Paper, n°42. http://www.cifor.cgiar.org/publications/pdf_files/OccPapers/OP-42.pdf.

Zimmermann B, Elsenbeer H, De Moraes JM (2006) The influence of land-use changes on soil hydraulic properties: Implications for runoff generation. Forest Ecology and Management 222(1-3):29-38

Haut de page

Table des illustrations

Titre Figure 1 : Localisation de l'Etat du Pará et des trois sites d'études. Ces trois sites sont présentés sur fond de leur occupation du sol. PC : Pacajá ; MC : Maçaranduba et PR : Palmares II.
URL http://confins.revues.org/docannexe/image/10670/img-1.jpg
Fichier image/jpeg, 80k
Titre Figure 2 : Approche générale de la cartographie des deux indicateurs de services écosystémiques
Légende .
URL http://confins.revues.org/docannexe/image/10670/img-2.jpg
Fichier image/jpeg, 624k
Légende La validation croisée permet d'observer les mêmes tendances que le R², par conséquence, les valeurs présentées sont celles du R² car cet indicateur est plus universel.
URL http://confins.revues.org/docannexe/image/10670/img-3.png
Fichier image/png, 18k
Titre Figure 3 : Arbres de décision du modèle expliquant les quantités de carbone stocké dans la végétation des trois sites
Légende En mégagramme par hectare (Mg/ha). OS : Occupation du Sol, F : Forêt, FB : Forêt Brûlée, JC : Juquira-Capoeira (Jachères ou végétations forestières secondaires), PL : Pâturage avec Ligneux, PP : Pâturage Propre, SN : Sol Nu).
URL http://confins.revues.org/docannexe/image/10670/img-4.jpg
Fichier image/jpeg, 716k
Titre Figure 4 : Arbres de décision du modèle expliquant l'infiltration de l'eau dans le sol pour les trois sites (mm/h).
Légende OS : Occupation du Sol, F : Forêt, FB : Forêt Brûlée, JC : Juquira-Capoeira (Jachères ou végétations forestières secondaires), PL : Pâturage avec Ligneux, PP : Pâturage Propre, SN : Sol Nu).
URL http://confins.revues.org/docannexe/image/10670/img-5.jpg
Fichier image/jpeg, 724k
Titre Figure 5 : Cartes du carbone stocké (Mg/ha) dans la végétation et de l'infiltrabilité de l'eau dans le sol (mm/h) dans les sites de Maçaranduba et de Palmares II
URL http://confins.revues.org/docannexe/image/10670/img-6.jpg
Fichier image/jpeg, 572k
Légende Zoom sur trois fermes (à titre d’exemple) inférées à partir du modèle de régression linéaire. La cartographie n'a pas été réalisée pour Pacajá, au vu de la mauvaise capacité prédictrice du modèle statistique. Bien qu'il y ait une variation graduée des couleurs, celles-ci ne représentent pas quantitativement la même intensité d’un site à un autre.
URL http://confins.revues.org/docannexe/image/10670/img-7.jpg
Fichier image/jpeg, 399k
Haut de page

Pour citer cet article

Référence électronique

Solen Le Clec'h, Johan Oszwald, Simon Dufour, Thierry Desjardins, Nicolas Jegou et Michel Grimaldi, « La spatialisation de Services Ecosystémiques à l'échelle locale dans un contexte de déforestation : quelles approches statistiques et quelles données ? », Confins [En ligne], 26 | 2016, mis en ligne le 20 février 2016, consulté le 26 mai 2017. URL : http://confins.revues.org/10670 ; DOI : 10.4000/confins.10670

Haut de page

Auteurs

Solen Le Clec'h

Laboratoire LETG Rennes COSTEL, Université Rennes 2, http://perso.univ-rennes2.fr/solen.leclech, solen.leclech@uhb.fr

Articles du même auteur

Johan Oszwald

Laboratoire LETG Rennes – COSTEL (UMR CNRS 6554), Université Européenne de Bretagne - Rennes et Laboratoire ECODIV (UPRES-EA 1293) , Université de Rouen, http://perso.univ-rennes2.fr/johan.oszwald

Simon Dufour

Laboratoire LETG Rennes – COSTEL (UMR CNRS 6554), Université Européenne de Bretagne - Rennes 2, http://perso.univ-rennes2.fr/simon.dufour

Thierry Desjardins

UMR IRD iEES Paris, Centre IRD Ile de France, http://iees-paris.ufr918.upmc.fr/index.php?page=fiche&id=19

Nicolas Jegou

Département de Mathématiques Appliquées au Sciences Sociales, Université Européenne de Bretagne - Rennes 2, http://perso.univ-rennes2.fr/nicolas.jegou

Michel Grimaldi

UMR IRD iEES Paris, Centre IRD Ile de France, http://iees-paris.ufr918.upmc.fr/indexphp?page=fiche&id=30

Haut de page

Droits d’auteur

Licence Creative Commons
Confins – Revue franco-brésilienne de géographie est mis à disposition selon les termes de la licence Creative Commons Attribution - Pas d’Utilisation Commerciale - Partage dans les Mêmes Conditions 4.0 International.

Haut de page
  • Logo Revue soutenue par l’Institut des sciences humaines et sociales du CNRS
  • Logo DOAJ - Directory of Open Access Journals
  • Logo Index Latindex
  • Logo IHEAL (Institut des Hautes Études de l'Amérique Latine)
  • Logo CREDA (Centre de recherche et de Documentation sur les Amériques)
  • Logo USP (Universidade de São Paulo)
  • Revues.org