intégration des données de télédétection et d’observation ... · eduardo cabrera (ideam,...

Intégration des données de télédétectionet d’observation au sol pour l’estimationdes sources et des puits de gaz à effet

de serre dans les forêts:

Méthodes et pratiques recommandées parl’Initiative mondiale pour l’observation des forêts

Version 1

Janvier 2014

Méthodes et pratiques recommandées par la GFOI

2

Pour citer le présent document

GFOI (2013) – Intégration des données de télédétection et d’observation au sol pourl’estimation des émissions et des absorptions de gaz à effet de serre dans les forêts:Méthodes et pratiques recommandées par Initiative mondiale pour l’observation des forêts.Éditeur: Groupe sur l'observation de la Terre, Genève (Suisse), 2014.

ISBN 978-92-990047-4-6

Droits d’auteur et dénis de responsabilité

© 2013 Group on Earth Observations (GEO). Le présent document peut être librementdiffusé sous réserve de la mention de la source (GEO).

Les informations contenues dans le présent document sont considérées comme correctes àla date de sa publication. Ni les auteurs ni les éditeurs ne peuvent être tenus pourjuridiquement responsables d’éventuelles erreurs ou omissions. Les rectificatifs du documentMPR2 ont été intégrés.


3

Remerciements

La GFOI et le GEO remercient pour leurs contributions aux présentes Méthodes et pratiques recommandées(ci-après MPR) le Groupe consultatif, l’équipe des auteurs principaux, les auteurs, les collaborateurs et lesexaminateurs énumérés ci-dessous. La GFOI et le GEO expriment leur gratitude à toutes les personnes qui, àtitre personnel ou en tant que membre d’une institution, ont concouru à produire ces MPR. Ils remercientnotamment le Département de l'environnement du gouvernement australien, le programme SilvaCarbon desÉtats-Unis et le Ministère britannique de l'environnement, de l'alimentation et des affaires rurales pour l’aide qu’ilsont apportée à l'équipe des auteurs principaux.

Membres du Groupe consultatif et auteurs principaux

Groupe consultatif

Présidence:

Jim Penman (Institut de l’environnement, University College de Londres)

Membres:

Stephen Briggs (ESA)

Martin Herold (GOFC-GOLD et Universitéde Wageningen)

Thelma Krug (INPE, Brésil)

Alexander Lotsch (Banque mondiale)

Kenneth MacDicken (FAO)

Douglas M. Muchoney (USGS, États-Unisd’Amérique)

Orbita Roswintiarti (LAPAN, Indonésie)

Nalin Srivastava (GIEC)

Rob Waterworth (Université nationale d’Australie)

Équipe des auteurs principaux

Jim Penman (University College deLondres)

Miriam Baltuck (CSIRO)

Carly Green (EAS)

Pontus Olofsson (Université de Boston et GOFC-GOLD)

John Raison (CSIRO)

Curtis Woodcock (Université de Boston et GOFC-GOLD)

Auteurs et collaborateurs

Pradeepa Bholanath (Commission desforêts de Guyane)

Cris Brack (Université nationaled’Australie)

Deborah Burgess (Ministère del’environnement de Nouvelle-Zélande)

Eduardo Cabrera (IDEAM, Colombie)

Peter Caccetta (CSIRO)

Simon Eggleston (Bureau de la GFOI)

Nikki Fitzgerald (Département de l’environnementdu gouvernement australien)

Giles Foody (Université de Nottingham)

Basanta Raj Gautam (Arbonaut)


4

Shree Krishna Gautam (Department ofForestry Research and Survey, Népal)

Alex Held (CSIRO)

Martin Herold (GOFC-GOLD et Universitéde Wageningen)

Dirk Hoekman (Université de Wageningen)

Inge Jonckheere (FAO)

Leif Kastdalen (Centre spatial norvégien)

Pem Narayan Kandel (Department ofForest Research and Survey, Népal)

Josef Kellndorfer (Woods Hole ResearchCenter)

Erik Lindquist (FAO)

Alexander Lotsch (Banque mondiale)

Kim Lowell (Université de Melbourne)

Richard Lucas (Université de New SouthWales)

Ronald McRoberts (Service des forêts desÉtats-Unis)

Tony Milne (Université de New SouthWales)

Anthea Mitchell (Université de New South Wales)

Brice Mora (Office de la couverture terrestreGOFC-GOLD)

Douglas M. Muchoney (Service géologique desÉtats-Unis d'Amérique)

Erik Naesset (Université des sciences de la vie deNorvège)

Keryn Paul (CSIRO)

Shaun Quegan (Université de Sheffield)

Ake Rosenqvist (soloEO)

Maria Sanz Sanchez (FAO)

Stephen Stehman (Université d’État de New York)


Pete Watt Indufor (Asie-Pacifique)

Mette Løyche Wilkie (FAO)

Sylvia Wilson (Service géologique des États-Unisd'Amérique)

Mike Wulder (Service canadien des forêts)


5

Examinateurs

Heiko Balzter (Université de Leicester)

Stephen Briggs (Agence spatialeeuropéenne)

Sandra Brown (Winrock International)

George Dyke (Groupe de coordination pourles données spatiales)

Simon Eggleston (Secrétariat de la GFOI)

Nagmeldin Elhassan (Haut Conseil del’environnement et des ressourcesnaturelles du Soudan)

John Faundeen (USGS)

Giles Foody (Université de Nottingham)

Basanta Raj Gautam (Arbonaut)

Alan Grainger (Université de Leeds)

Matieu Henry (FAO)

Mohamed Elgamri Ibrahim (College ofForestry and Range Science, SoudanUniversity of Science and Technology)

Thelma Krug (INPE)

Ronald McRoberts (Service des forêts desÉtats-Unis)

Brice Mora (Office de la couverture terrestreGOFC-GOLD)

Erik Naesset (Université des sciences de la vie deNorvège)

Dirk Nemitz (Secrétariat de la CCNUCC)

Shaun Quegan (Université de Sheffield)

Ake Rosenqvist (soloEO)

Abdalla Gaafar Mohamed Siddig (Forests NationalCorporation, Soudan)

Stephen Stehman (Université d’État de New York)

Nalin Srivastava (Programme du GIEC sur lesinventaires nationaux de gaz à effet de serre)

Tiffany Troxler (Programme du GIEC sur lesinventaires nationaux de gaz à effet de serre)

Stephen Ward (Groupe de coordination desdonnées spatiales)


Pete Watt (Indufor Asie-Pacifique)

Jenny Wong (Secrétariat de la CCNUCC)

Hirata Yasumasa (FFPRI, Japon)


6

TABLE DES MATIÈRES

RÉSUMÉ ANALYTIQUE 10

LISTE DES ACRONYMES 15

PETIT GLOSSAIRE DE TERMES LIÉS À LA CCNUCC 19

OBJET ET CHAMP D'APPLICATION 24

1 Décisions à l'étape de la conception 26

1.1 Méthodologies du GIEC pour l'inventaire des GES 26

1.2 Analyse des catégories de source clés 29

1.3 Définition des bonnes pratiques 30

1.4 Points à prendre en compte pour la conception d'un système national desurveillance des forêts 31

1.4.1 Mesure, notification et vérification 32

1.4.2 Niveaux de référence 32

1.4.3 Approches infranationales 33

1.4.4 Définition de la forêt 34

1.4.5 L'utilisation des informations existantes 36

1.4.6 Choix de l'approche et du niveau appropriés 39

1.5 Coût-efficacité 41

2 Estimation des sources et des puits 43

2.1 Méthode de différence des stocks et méthode gains-pertes 43

2.1.1 Différence des stocks 43

2.1.2 Gains-pertes 44

2.2 Méthodes pour des activités forestières particulières 49

2.2.1 Le déboisement 50

2.2.2 La dégradation des forêts 58

2.2.3 Gestion durable des forêts, renforcement des stocks de carboneforestiers (au sein d'une forêt existante) et conservation des stocks decarbone forestiers 64

2.2.4 Estimation des émissions et des absorptions pour la gestion durabledes forêts, renforcement des stocks de carbone forestiers au seind'une forêt existante) et conservation des stocks de carbone forestiers 64

2.2.5 Renforcement des stocks de carbone (reboisement de terres n'étantpas précédemment des forêts, reboisement de terres qui étaientprécédemment des forêts et qui ont été converties à une autreaffectation des terres) 66


7

2.2.6 Estimation des émissions à partir du renforcement des stocks decarbone forestiers (reboisement de terres n'étant pas précédemmentdes forêts, reboisement de terres qui étaient précédemment des forêtset qui ont été réaffectées à un autre usage) 67

2.2.7 Conversion de forêts naturelles 68

3 Données permettant d'évaluer les émissions et les absorptions 69

3.1 Exigences en matière de données sur les activités 69

3.2 Source des données de télédétection 70

3.2.1 Données optiques de faible résolution 71

3.2.2 Données optiques de moyenne résolution 71

3.2.3 Données optiques de haute résolution 73

3.2.4 Les radars à synthèse d'ouverture (SAR) 74

3.2.5 Les capteurs LiDAR 76

3.3 Prétraitement des données satellitaires 76

3.3.1 Prétraitement des images optiques satellitaires 77

3.3.2 Prétraitement des images satellitaires SAR 79

3.4 Produits cartographiques évalués par télédétection 80

3.5 Techniques de cartographie des données sur les activités 85

3.5.1 Cartes des zones forestières/non forestières, de l'occupation dessols et de la stratification des forêts 85

3.5.2 Cartes de l'évolution de l'occupation des sols 88

3.5.3 Cartes de la dégradation des forêts 89

3.6 Principes directeurs concernant les sources et les techniques de télédétection 90

3.7 Secteurs d'activité, incertitudes et induction statistique pour les données surles activités 94

3.8 Collecte d'observations au sol et calcul des facteurs d'absorption desémissions 101

3.9 Conseils d'ordre général sur l'emploi d'observations au sol pour évaluerl'évolution des bassins de carbone et les émissions de GES autres que le CO2 102

3.9.1 La biomasse 102

3.9.2 Le bois mort et la litière 108

3.9.3 Évolution des stocks de carbone dans le sol 108

3.9.4 Les émissions de GES autres que le CO2 110

4 Incertitudes globales 113

4.1. Incertitudes concernant les composantes 113

4.1.1 Association des incertitudes 113


8

5. Exigences en matière de déclaration 116

6. Bibliographie 118

Annexes

Annexe A Résumé détaillé des orientations du GIEC 126

Annexe B Données télédétectées prévues dans le cadre d'un arrangement entre la GFOI etle Groupe de coordination des données spatiales du Comité sur les satellitesd'observation de la Terre (CSOT) 141

Annexe C Méthodes de niveau 3 145

Annexe D Échantillonnage 155

Annexe E Choix et emploi des facteurs d'émission et d'absorption pour chaque activité duPartenariat REDD+ 160

Annexe F Aperçu de la possibilité d'établir une évaluation directe de la biomasse partélédétection 169

Annexe G Élaboration et emploi de modèles allométriques pour évaluer la biomasse 176

Annexe H Considérations financières 184

Figures (en anglais avec traduction des légendes en français sur la page suivante)

Fig. 1 Aperçu général du document 13

Fig. 2 Facteurs clés pour la conception du système et critères pour définir le niveau etla méthode retenus pour l'estimation des gaz à effet de serre 39

Fig. 3 Diagramme décisionnel pour le choix de la méthode d'estimation des sources etdes puits de CO2 en fonction de l'existence d'un IFN dans un pays. Il convient denoter que, en règle générale, les IFN contribuent à l'estimation des changementsdans les bassins de carbone issu de la biomasse et non dans les autres bassinsde carbone 47

Fig. 4 Diagramme de processus pour l'estimation des émissions issues du déboisementet de la dégradation des forêts 55

Tableaux

Tableau 1 Conversions potentielles contribuant au déboisement et sections desorientations du GIEC pertinentes pour l'estimation des émissions qui s'yassocient 51

Tableau 2 Termes utilisés dans l'Équation 1 62

Tableau 3 Sources des facteurs d'émission ou d'absorption des sols organiques 63

Tableau 4 Termes utilisés dans l'Équation 2 65

Tableau 5 Principales données nécessaires pour les activités liées au mécanisme REDD+ 69


9

Tableau 6 Produits recommandés de cartographie forestière conformes aux méthodesprésentées dans les sections 2.2 et 2.3.1 81

Tableau 7 Résumé des types de données de télédétection et de leur statut opérationnelperçu pour l'évaluation des activités REDD+ 83

Tableau 8 Ex. 1 – Matrice de confusion pour le comptage des échantillons 96

Tableau 9 Ex. 1 – Matrice de confusion des proportions surfaciques estimées 97

Tableau 10 Ex. 1 – Évaluations et intervalles de confiance 98

Tableau 11 Ex. 2 – Évaluation régionale des zones soumises au déboisement 100


10

RÉSUMÉ ANALYTIQUE

Initiative mondiale pour l’observation des forêts

L’Initiative mondiale pour l’observation des forêts (GFOI) a été mise sur pied1 par le Groupesur l'observation de la Terre en 2011 pour aider les pays à élaborer des rapports fiables,cohérents et comparables sur les modifications de la couverture forestière et de l’exploitationdes forêts, ainsi que sur les émissions ou absorptions anthropiques de gaz à effet de serrequi s’y associent.

La GFOI:

a) Collaborera avec le Comité sur les satellites d'observation de la Terre2 pour faciliterla fourniture aux pays, sur le long terme, de données d’observation de la Terreprovenant de satellites. Le Comité a mis sur pied le Groupe de coordination desdonnées spatiales pour répondre aux besoins de télédétection de la GFOI;

b) Donnera des conseils méthodologiques sur l’utilisation des données de télédétectionet des observations au sol aux fins de l’estimation et de la notification des sources etpuits de gaz à effet de serre dans le contexte forestier, dans l’esprit des orientationsdonnées par le Groupe d'experts intergouvernemental sur l'évolution du climat(GIEC) pour l’inventaire des gaz à effet de serre. Ce faisant, elle donnera suite àune demande de la Convention-cadre des Nations Unies sur les changementsclimatiques (CCNUCC) en vue de la mise en place du mécanisme REDD+ à titrevolontaire;

c) Déterminera les travaux de recherche et développement 3 nécessaires pouraméliorer l’utilité et la précision des données des systèmes nationaux desurveillance des forêts, lesquels visent à répondre aux exigences de la CCNUCC enmatière de notification d’émissions et d’absorptions de gaz à effet de serre, ainsiqu’au besoin de surveiller l’environnement à plus grande échelle;

d) Aidera les pays à renforcer leurs capacités d’utiliser des données d’observation dela Terre dans le cadre de leurs systèmes nationaux de surveillance des forêts auxfins de la notification des sources et puits de gaz à effet de serre. Les mesuresprises à cette fin par la GFOI viennent compléter les activités de préparation tellesque celles de l’initiative UN-REDD4 ou du Fonds de partenariat pour le carboneforestier de la Banque mondiale.

1La GFOI s’appuie sur les travaux qu’a menés précédemment le Programme de suivi du carbone forestier,établi par le GEO en 2008, pour démontrer que la coopération internationale peut fournir des données et desinformations utiles pour la surveillance et la notification des évolutions des forêts nationales.

2Établi en 1984, le CEOS coordonne les observations spatiales civiles de la Terre.Voir http://www.ceos.org/

3Le document de la GFOI sur la recherche et le développement peut être consulté à l’adresse www.gfoi.og

4L’initiative des Nations Unies pour la réduction des émissions causées par le déboisement et la dégradationdes forêts.


11

Les présentes Méthodes et pratiques recommandées (ci-après MPR) ont pour objet defournir les conseils méthodologiques définis sous b), concernant les données renduesdisponibles par le Groupe de coordination des données spatiales mentionné sous a).

Les conseils et l’appui méthodologiques pour l’accès aux données fournies par la GFOI sontsusceptibles d’intéresser tous les pays souhaitant utiliser des données de télédétection oudes données recueillies au sol aux fins de la surveillance des forêts et de la notification deleurs évolutions. L’objectif premier est de réduire les émissions causées par le déboisement,de limiter la dégradation des forêts et de mener des activités connexes, généralementappelées les activités REDD+5 dans le cadre des négociations sur le climat.

Les présentes MPR s’adressent:

1. Aux négociateurs techniques de la Convention-cadre des Nations Unies sur leschangements climatiques (CCNUCC) qui souhaiteraient voir comment les activitésREDD+ peuvent être décrites et conçues dans le cadre de la méthodologie du GIECen matière de gaz à effet de serre, conformément aux décisions de la Conférence desParties;

2. Aux responsables des décisions prises dans la phase de conception pour la mise enœuvre des systèmes nationaux de surveillance des forêts;

3. Aux spécialistes chargés d’estimer les émissions et les absorptions.

Le niveau de technicité du document augmente progressivement au fil des pages. Lesgroupes d’utilisateurs 1 et 2 s’intéresseront probablement davantage aux premiers chapitres,alors les utilisateurs du groupe 3 devraient trouver de l’intérêt à la lecture de l’intégralité dudocument. Les membres du groupe d’utilisateurs 1 ont par définition une perspectivenationale. Les membres des groupes d’utilisateurs 2 et 3 peuvent travailler pour un pays, uneorganisation internationale, un programme multinational comme UN-REDD ou le Fonds departenariat pour le carbone forestier de la Banque mondiale, ou dans le cadre deconventions bilatérales ou multilatérales.

Les présentes MPR visent à améliorer la compréhension mutuelle entre ces groupesd’utilisateurs ainsi qu'entre eux et les communautés scientifiques, techniques et politiquescompétentes, à leur donner des orientations pour la collecte de données pertinentes sur lesforêts, et à contribuer aux échanges de données et d’expériences. Les MPR visent aussi àcompléter les orientations du GIEC, l’approche adoptée par le programme UN-REDD6 et ledocument de base du programme GOFC-GOLD7, et elles ont été élaborées avec leur coopération.

5Les activités REDD+, recensées dans les Accords de Cancún (paragraphe 70 de la décision 1/CP 16 de laCCNUCC), sont: a) la réduction des émissions dues au déboisement; b) la réduction des émissions dues à ladégradation des forêts; c) la conservation des stocks de carbone forestiers; d) la gestion durable des forêts;e) le renforcement des stocks de carbone forestiers.

6Voir les systèmes nationaux de surveillance des forêts: Surveillance et Mesures, notification et vérification dansle contexte des activités REDD+: http://www.un-redd.org/PolicyBoard2/9thPolicyBoard/tabid/106647

7La version de novembre 2012 du document GOFC-GOLD, utilisée dans le présent document, peut êtretéléchargée à partir du lien suivant: http://www.gofcgold.wur.nl/redd/sourcebook/GOFC-GOLD_Sourcebook.pdf


12

Les présentes MPR viennent compléter les orientations du GIEC sous la forme de conseilsqui intègrent l'expérience acquise dans l'utilisation des données de télédétection et desdonnées recueillies au sol, et sont spécialement adaptés aux activités REDD+ telles qu’ellessont présentées dans les accords de Cancún. Bien que les orientations du GIEC portent surle déboisement dans le contexte du Protocole de Kyoto8, elles ne décrivent en général pasde méthodologie conçue spécialement pour les activités REDD+, celles-ci n’ayant pas étédéfinies avant la rédaction des orientations et des lignes directrices du GIEC. Les MPR seréfèrent aux orientations du GIEC, mais sans pour autant faire double emploi. Le terme«orientations» est utilisé pour désigner les orientations du GIEC et le terme «conseils» pourdésigner les nouveaux éléments venant compléter celles-ci.

Les présentes MPR font ressortir combien il importe de prendre en compte les circonstancesnationales pour déterminer le rapport optimal entre télédétection et observations au sol dansl’élaboration des inventaires de GES. Relèvent des circonstances nationales la présence,actuelle ou à venir, de compétences techniques et de capacités institutionnelles pourl’acquisition et le traitement des données; de même que la communauté, le régime, lesparties prenantes, les dispositions juridiques et administratives liées à la foresterie et àd’autres modes d’utilisation des terres; l’accessibilité des données, ainsi que des facteurstels que la couverture nuageuse, susceptible de réduire l’efficacité des méthodes detélédétection optiques, et la nature du terrain, qui peut compromettre l'accès pour lesmesures au sol.

Outre qu’elles concourront au respect des exigences liées à la production de donnéesd’émission et d’absorption quantifiables, significatives et vérifiables dans le cadre de laREDD+, les MPR devraient s’avérer utiles aux pays pour:

Estimer les quantités émises et absorbées dans le cadre de l’utilisation des terres,des changements d’affectation et de la foresterie;

Tansmettre les informations à l’intérieur des frontières et contribuer à l’évaluationdes effets des politiques et mesures nationales;

Assurer la planification pour d’autres objectifs stratégiques;

Fournir des informations pour les rapports nationaux destinés au Programmed'évaluation des ressources forestières mondiales 9 de l’Organisation desNations Unies pour l'alimentation et l'agriculture (FAO).

Les présentes MPR s’articulent en quatre chapitres, qui correspondent dans leurs grandeslignes aux étapes que les pays doivent suivre pour élaborer des estimations en vue decommuniquer les activités liées à l’utilisation des terres, aux changements d’affectation et àla foresterie, y compris les activités REDD+. Ces chapitres portent respectivement sur:

8Voir GPG 2003, section 4.2.6.

9La FAO assure une surveillance des forêts de la planète à intervalles de cinq à dix ans depuis 1946. Lesressources forestières mondiales sont actuellement évaluées tous les cinq ans dans le but qu’une méthodecohérente soit adoptée pour décrire les forêts du monde et leurs évolutions. Les évaluations se fondent surdeux sources primaires de données: les rapports nationaux élaborés par les correspondants nationaux et lesobservations de télédétection coordonnées par la FAO, avec l’aide des coordonnateurs nationaux et despartenaires régionaux. Pour plus de renseignements, voir sous: www.fao.org/forestry/fra


13

1. Les décisions à l’étape de la conception relatives à la portée et aux définitions dusystème;

2. Les processus d’intégration pour l’estimation des sources et des puits;

3. Les méthodes pour recueillir, analyser et intégrer les données;

4. La notification.

La structure des MPR reflète le processus à suivre, présenté à la Figure 1, conçue pourguider l’utilisateur dans sa lecture du document.

Figure 1: Aperçu général du document

Les flèches grises indiquent que les pays continueront à améliorer et à adapter leursdonnées et leur processus d’intégration à mesure que leurs technologies et capacitésprogresseront – par exemple en adoptant des méthodes plus complexes (d’un niveausupérieur) du GIEC.


14

Légende de la Figure 1 (Aperçu général du document):

1ère

colonne Services de la GFOI

Fourniture de données

Conseils méthodologiques

Renforcement des capacités

Recherche et développement

2ème

colonne Chapitre 1 – Décisions à l'étape de la conception

Chapitre 2 – Estimation des émissions et des absorptions

Chapitre 3 – Fourniture de données en vue de l'estimation des émissions et desabsorptions

Chapitre 4 – Notification

3ème

colonne Responsabilité du pays

Transparence

Exactitude

Exhaustivité

Cohérence

Comparabilité


15

LISTE DES ACRONYMES

ACA Analyse coûts-avantages

ALOS Satellite évolué d’observation de la Terre (série japonaise)

AMNF Superficie totale de forêts naturelles modifiées

APlantF Superficie totale de forêts plantées

ASI Agenzia Spaziale Italiana (Agence spatiale italienne)

AVNIR Radiomètre perfectionné dans le spectre visible et l’infra-rouge proche (sériejaponaise)

BA Biomasse aérienne

BM Banque mondiale

BUR Rapports biennaux actualisés

C Carbone

CBERS Satellite sino-brésilien d’exploration des ressources terrestres

CBMNF Densité de carbone de la biomasse dans les forêts naturelles modifiées

CBPF Densité de carbone de la biomasse dans les forêts primaires

CCNUCC Convention-cadre des Nations Unies sur les changements climatiques

CNES Centre national d’études spatiales (Agence spatiale française)

CO2 Dioxyde de carbone

CO2degrad Émissions annuelles de CO2 dues à la dégradation des forêts

CONAE Comisíon Nacional de Actividades Espaciales (Agence spatiale argentine)

COP Conférence des Parties (à la CCNUCC)

CRESDA Centre chinois pour les données et applications des satellites d’exploration desressources

CSA Agence spatiale canadienne

CSC Constellation de surveillance des catastrophes

CSIRO Organisation de la recherche scientifique et industrielle du Commonwealth

CSOT Comité sur les satellites d'observation de la Terre


16

DA Données sur les activités

DCC Département du changement climatique

DFRS Department of Forestry Research and Survey (Népal)

DLR Deutsches Zentrum für Luft- und Raumfahrt (Centre aérospatial allemand)

EF Coefficient d’émission

E/RF Coefficient d’émission et/ou d’absorption

ERF Évaluation des ressources forestières

EROS Centre d’observation des ressources terrestres et de données scientifiques

ESA Agence spatiale européenne

ETP Équivalent temps plein (employés)

FAO Organisation des Nations Unies pour l'alimentation et l'agriculture

FCPF Fonds de partenariat pour le carbone forestier de la Banque mondiale

FF Facteur d’absorption

FP Forêt primaire

FullCAM Modèle de comptabilisation complète du carbone

GES Gaz à effet de serre

GFOI Initiative mondiale pour l’observation des forêts

GIEC Groupe d'experts intergouvernemental sur l'évolution du climat

GIS Système d'information géographique

GL Lignes directrices (Lignes directrices 2006 du GIEC)

GLAS Système altimètre laser pour les sciences de la Terre

GOFC-GOLD Programme d’observation mondiale de la couverture forestière et de la dynamiqueterrestre

IceSAT Satellite de mesure des nuages et de la topographie terrestre

IFN Inventaire forestier national

INPE Instituto Nacional de Pesquisas Espaciais (Institut national brésilien pour les étudesspatiales)

IRS Série indienne de satellites de télédétection

ISRO Agence indienne de recherche spatiale


17

JAXA Agence japonaise d’exploration aérospatiale

KOMPSAT Série coréenne de satellites polyvalents

L1G Landsat Niveau 1 géorectifié

L1T Landsat Niveau 1 orthorectifié

LAMP Programme de données LiDAR multisource

LANDSAT Satellite terrestre (série de satellites des États-Unis)

LEDAPS Système Landsat de traitement adaptatif des perturbations des écosystèmes

LIDAR/LiDAR Détection et localisation par la lumière

LR Long terme

MAN Modèle altimétrique numérique

MNF Forêt naturelle modifiée

MNV Mesure, notification et vérification

MODIS Spectroradiomètre imageur à moyenne résolution (série de satellites des États-Unis)

MPR Document sur les méthodes et pratiques recommandées

NASA Administration américaine pour l'aéronautique et l'espace

NASRDA Agence nationale nigériane pour la recherche et le développement dans le domainespatial

NCAS Système national de comptabilisation du carbone (Australie)

NMHC Hydrocarbures non méthaniques

NR Niveau de référence

ONU Nations Unies

PK Protocole de Kyoto

PlantF Forêt plantée

PR Pratiques recommandées (Pratiques recommandées GIEC 2003)

RADARSAT Série de satellites SAR (Canada)

REDD+ Réduction des émissions dues au déboisement, réduction des émissions dues à ladégradation des forêts; conservation des stocks de carbone forestiers; gestion durabledes forêts; renforcement des stocks de carbone forestiers.

RDI Région d’intérêt


18

SAOCOM Satellite argentin d’observation des hyperfréquences

SAR Radar à synthèse d’ouverture

SIN Système d’inventaire national (Australie)

SNSF Système national de surveillance des forêts

SPOT Satellite pour l’observation de la Terre (série française de satellites)

SRTM Mission interférométrique de cartographie

TANDEM X Complément de TerraSAR-X pour la cartographie altimétrique numérique (Allemagne)

TerraSAR X Satellite SAR d’observation de la Terre (Allemagne)

UE Union européenne

UN-REDD Initiative des Nations Unies pour la réduction des émissions causées par ledéboisement et la dégradation des forêts. Les organisations participantes desNations Unies sont: la FAO, le Programme des Nations Unies pour le développement(PNUD) et le Programme des Nations Unies pour l’environnement (PNUE).

USD Dollar des États-Unis d’Amérique

USGS Service géologique des États-Unis d'Amérique

UTCATF Utilisation des terres, changement d’affectation des terres et foresterie


19

PETIT GLOSSAIRE10 DE TERMES LIÉS À LA CCNUCC

Terme Signification Commentaires Référence indicative(s’il y a lieu)

Données sur lesactivités

Données sur l’ampleur des activités humainesentraînant des émissions ou absorptions.

Souvent présentées sous forme desurfaces ou de modification desurfaces

GPG 2003.

Coefficientd’émission oud’absorption

Émissions ou absorption de GES par unité dedonnée sur les activités.

GPG 2003.

Surveillance desforêts

Fonctions d’un système national de surveillancedes forêts pour aider un pays à répondre auxexigences en matière de mesures, de notificationet de vérification ou à atteindre d’autres objectifs.

10Le présent glossaire fournit des explications, mais ne donne pas à proprement parler de définition.


20


Inventaire des gazà effet de serre

Estimations des GES d’origine anthropique avecindication de leur étendue sur le territoire national,effectuées selon les méthodes du GIEC,conformément aux décisions prises à laConférence des Parties (COP) à la CCNUCC.

Comprend l’énergie, l’utilisation deprocessus et produits industriels,l’agriculture, l’exploitation des forêtset d'autres terres, ainsi que lesdéchets. La COP a convenu defonder les estimations d’émissions etd’absorptions de la REDD+ sur lesméthodes les plus récentes du GIECconvenues à cette fin.

La décision de la COP 4/CP.15prévoit d’utiliser les orientationset lignes directrices les plusrécentes du GIEC que la COP aadoptées ou encouragées.L’annexe III, part. III, de ladécision 2/CP17 s'y réfèrecomme suit: Version révisée1996 des Lignes directrices duGIEC et Recommandations duGIEC en matière de bonnespratiques 2000 et 2003.

Données au sol Données recueillies par des mesures prisesin situ.

Les mesures de concentration desgaz peuvent être considéréescomme prises par télédétection si ledispositif d'observation est éloigné del’objet mesuré.


21


Mesure, notificationet vérification(MNV)

Procédures liées à la communication de toutes lesmesures d’atténuation prises par des pays endéveloppement.

La mesure correspond à l’estimationde l’effet de l’activité; la notificationest la communication des données àla communauté internationale; et lavérification est le contrôle desestimations. La CCNUCC devraitconvenir de procédures pour les troisdémarches.

Parfois appelées à tort: surveillance,communication et vérification.

Accords de Cancún (para. 61 à64, décision COP 1/CP.16;décision -/CP19

11(Modalités

pour les mesures, la notificationet la vérification).

Inventaire forestiernational (IFN)

Processus d’échantillonnage mis à jourpériodiquement et destiné à fournir desinformations sur l'état des ressources forestièresd'un pays.

Ces inventaires, sans lien historiqueavec les émissions de GES, sonttoutefois une source potentielle dedonnées pertinentes.

National Forest Inventories,Tomppo, E.; Gschwantner, Th.;Lawrence, M.; McRoberts, R.E.(Eds.), Springer 2010.

11Les décisions de la Conférence des Parties à la CCNUCC sont numérotées, mais à l’heure de la rédaction du présent document (peu après la dix-neuvième session de laCOP, tenue à Varsovie) les numéros des sept décisions sur la REDD+ n’avaient pas encore été attribués. Ces décisions apparaissent donc toutes sous la forme -/COP19et doivent être désignées par leurs titres respectifs.


22


Système nationalde surveillance desforêts (SNSF)

Dispositif institutionnel d’un pays pour surveillerles forêts. Le SNSF devrait normalement faireintervenir des représentants des ministèrescompétents, des populations autochtones, descommunautés locales, de l’industrie forestière etd’autres parties prenantes.

Dans le contexte de la REDD+, système desurveillance et de notification des activitésREDD+, conformément aux orientations de laCOP.

La COP a établi qu’un SNSF devraitutiliser des données de télédétectioncombinées à des données au sol,fournir des estimationstransparentes, cohérentes, exactesdans la mesure du possible, etpropres à réduire les incertitudes,compte tenu des capacitésnationales. Les résultats sontnormalement disponibles etsusceptibles d'être révisés, commeconvenu par la COP. Les SNSFpeuvent fournir des informations surdes mesures de sauvegarde.

Décisions COP 4/CP.15,1/CP.16 et -/CP19 (Modalitésdes systèmes nationaux desurveillance des forêts).

REDD+ Réduction des émissions dues au déboisement;réduction des émissions dues à la dégradationdes forêts; conservation des stocks de carboneforestiers; gestion durable des forêts;renforcement des stocks de carbone forestiers.

Décision COP 1/CP.16.

Télédétection Acquisition et utilisation de données fournies parun satellite ou un aéronef.

Les mesures de concentration desgaz peuvent être considéréescomme prises par télédétection si ledispositif d'observation est éloigné del’objet mesuré.


23


Garanties Engagement d’assurer et de renforcer lapréservation de la société et de l’environnement.

Implique le maintien d'une cohérenceavec les programmes forestiersnationaux et les conventions etaccords internationaux pertinents, latransparence et l’efficacité de lagouvernance forestière nationale, lerespect des connaissances et desdroits des peuples autochtonescomme des membres descommunautés locales, ainsi que laparticipation des parties prenanteset, en particulier, des peuplesautochtones et des communautéslocales.

Décisions COP 1/CP.16et -/CP19 (portant sur lecalendrier et la fréquence desrapports synthétiquess sur lesgaranties).

GFOI Methods and Guidance

24

OBJET ET CHAMP D’APPLICATION

Le présent document de l’Initiative mondiale pour l’observation des forêts (GFOI) a pourobjet de conseiller les pays aux fins de l’élaboration d’un dispositif de surveillance des forêtsnationales, ainsi que d’un système de mesure, notification et vérification fondé sur desdonnées de télédétection et des données au sol. Il contient des informations qui peuventêtre adaptées aux circonstances de chaque pays et qui sont compatibles avec les diverschoix et évolutions technologiques.

Les conseils communiqués dans les présentes MPR viennent combler certaines lacunes desorientations pratiques sur l'élaboration et la mise en œuvre des systèmes de MNV pour lesforêts, en particulier pour l'intégration des données de télédétection avec les données au solpour estimer les sources et les puits de GES provenant des terres.

Les MPR sont utiles à tous les pays quels qu’ils soient, mais s’adressent plusparticulièrement aux preneurs de décisions politiques et techniques des pays endéveloppement, de même qu’à leurs partenaires travaillant pour des organismesinternationaux ou des programmes internationaux ou bilatéraux.

Les MPR apportent des conseils pratiques permettant de mieux se conformer aux exigencesde notification internationales; à cet effet, elles:

Décrivent les exigences découlant des lignes directrices du Groupe d’expertsintergouvernemental sur l’évolution du climat (GIEC) et les décisions de laConvention-cadre des Nations Unies sur les changements climatiques (CCNUCC)pour l’estimation des sources et puits provenant des terres.

Donnent des conseils précis sur la prise de décisions et leur application technique,et esquissent les grands principes de la collecte et de l'utilisation des données, demanière que celles-ci restent pertinentes lors d'évolutions technologiques etméthodologiques.

Illustrent comment les pays peuvent appliquer les principes esquissés dans ledocument en s’inspirant d’exemples concrets d’inventaires nationaux de gaz à effetde serre et d’autres systèmes opérationnels tels que ceux qui sont utilisés pour ladétection précoce du déboisement.

Le terme orientation renvoie ici à des recommandations du GIEC et le terme conseil estutilisé lorsque le présent document apporte des informations nouvelles ou complémentaires.

Afin de répondre aux besoins des utilisateurs finals, les MPR:

Présentent le processus que les pays doivent suivre pour mettre au point unsystème répondant aux objectifs de politique nationale;

Intègrent des diagrammes décisionnels et des liens web pour permettre auxutilisateurs de naviguer et de se concentrer sur les informations/outils qui leur sontutiles;

Existent en version imprimée et en format électronique.

GFOI Methods and Guidance25

Les orientations du GIEC mettent en valeur le rôle potentiel des données de télédétection(qui peuvent provenir de capteurs embarqués dans des aéronefs ou d'images prises parsatellite) pour l'élaboration d'inventaires de gaz à effet de serre, mais se contentent dedéterminer les techniques requises, sans aller dans le détail. Les MPR complètent cesorientations du GIEC car elles apportent des conseils précis et se fondent sur uneexpérience concrète de l'utilisation des données de télédétection et des données recueilliesau sol. Les MPR sont de plus directement applicables aux activités REDD+. Bien que leGIEC traite du déboisement dans le contexte du PK12, en règle générale il ne décrit pas lesméthodologies propres aux activités REDD+, car celle-ci ont été définies après la rédactiondes orientations de 2003 et des lignes directrices de 2006. Les MPR apportent donc desconseils spécialement adaptés aux activités REDD+.

Les MPR font ressortir combien il importe de respecter les exigences de MNV et de prendreen compte les circonstances nationales lors de la détermination du rapport optimal entre lesobservations obtenues par télédétection et les données recueillies au sol. Le document faitaussi valoir que les techniques sont susceptibles d’évoluer. Relèvent des circonstancesnationales:

L’existence ou l’absence d’un inventaire forestier ou d’autres données statistiqueshistoriques sur l’utilisation des terres;

L’accessibilité et la disponibilité des données ainsi que les aspects météorologiques,tels que la couverture nuageuse, qui peut réduire l'efficacité des méthodes detélédétection;

La présence de compétences techniques et la capacité institutionnelle d’acquérir etde traiter des données;

La communauté concernée, le régime foncier, les parties prenantes, ainsi que lesdispositions juridiques et administratives associées à la foresterie et à d’autres typesd’exploitation des sols.

12Voir GPG 2003, section 4.2.6


26

1 Décisions à l’étape de la conception

Le chapitre 1 comporte une description des méthodes de compilation des inventaires de gazà effet de serre préconisées par le GIEC, décrit, plus particulièrement, les méthodologies àplusieurs niveaux, fournit une analyse des catégories de source clés et définit la notion debonnes pratiques. Il présente les fonctions qu’un système national de surveillance des forêtspeut assurer et met en lumière la complexité de la définition du terme forêt. Il porte surl'utilisation des informations disponibles et sur des choix méthodologiques. Il traite aussi deniveaux de référence, du rôle des approches infranationales et du rapport coût-efficacité.

1.1 Méthodologies du GIEC pour l’inventaire des gaz à effet de serre

Depuis 1996, le GIEC produit et publie les orientations que les pays ont convenu de suivrepour élaborer leurs inventaires de GES afin de les notifier selon les termes de la CCNUCCet du Protocole de Kyoto. Ces inventaires couvrent tous les secteurs de l’économie, ycompris les modes d’utilisation des terres, les changements d’affectation des terres etl'exploitation forestière. La CCNUCC et le Protocole de Kyoto ont établi un système pourexaminer les inventaires des pays industrialisés, lequel constitue la base de l'évaluation desprogrès réalisés en vue de respecter les objectifs et les engagements en matière deréduction des émissions pour ces pays. Pour les activités REDD+, les estimations desinventaires pourraient bien devenir une condition requise pour participer aux programmesd’incitation axés sur les résultats, tant pour estimer les émissions et les absorptions que pourétablir les niveaux de référence et les niveaux d’émission de référence aux fins de leur évaluation.

À la suite de la publication de la Version révisée 1996 des Lignes directrices du GIEC pourles inventaires nationaux de gaz à effet de serre (IPCC, 1997), le GIEC a mis en place en2000 son Guide des bonnes pratiques (IPCC, 2000). Ce guide porte sur tous les secteurs endehors de l’UTCATF. En 2003, il a été étendu pour intégrer l'estimation des GES pour le

secteur UTCATF (GPG 2003) (IPCC, 2003). Le GPG 2000 et le GPG 2003 forment un toutavec la Version révisée 1996 des Lignes directrices du GIEC. En 2006, le GIEC a publié sesLignes directrices 2006 (ci-après GL 2006) pour les inventaires nationaux de gaz à effet deserre (GL 2006) (IPCC, 2006), qui combinent l’UTCATF et l’agriculture sous la seulerubrique Agriculture, foresterie et autres affectations des terres (AFAT). Les Lignesdirectrices 2006 reprennent le cadre méthodologique du GPG 2000 et du GPG 2003.

En 2011, la CCNUCC a décidé que les pays en développement devraient utiliser la Versionrévisée 1996 des Lignes directrices du GIEC de même que le GPG 2000 et le GPG 2003pour estimer et notifier les sources et puits anthropiques sur leur territoire 13 . Enconséquence, aux fins de la REDD+, le cadre de l’inventaire demandé par la GFOI est définipar le GPG 2003. Les MPR se réfèrent donc à ce document. Les pays devraient pouvoir sefonder sur les mises à jour scientifiques du GL 2006 et les références aux sectionscorrespondantes de ce document sont donc également indiquées.

Le GPG 2003 propose des méthodes pour estimer les variations dans cinq bassins decarbone (la biomasse aérienne, la biomasse souterraine, le bois mort, la litière et les

13Voir la décision 4/CP.15 et la partie III de l’annexe III aux conclusions des délibérations du Groupe de travailspécial de la plate-forme de Durban pour une action renforcée à long terme au titre de la Convention(Décision 2/CP.17); les pays industrialisés utiliseront le document GL 2006.


matières organiques du sol14) et les émissions de GES autres que CO2 pour six catégoriesd’exploitation des terres (forêts, cultures, pâturages, zones humides, établissementshumains et autres), ainsi que pour la réaffectation des terres. Les sources et les puits sontestimés pour les terres qui restent dans une catégorie comme pour celles qui passent d’unecatégorie à une autre. On définit les émissions liées au déboisement comme la somme dessources et des puits qui s’associent à la réaffectation des forêts à d’autres typesd’exploitation des terres. La dégradation des forêts, la conservation des stocks de carboneforestiers et la gestion durable des forêts ne sont pas désignées sous ces termes dans leGPG 2003 (ou dans le GL 2006), mais elles peuvent être estimées comme l’effetd’interventions humaines sur les émissions et les absorptions sur les terres qui restentexploitées en tant que forêts15. Le renforcement des stocks de carbone forestiers peuts’opérer dans des forêts existantes et intégrer l’effet de la conversion en forêts d’autrestypes de terres. Le chapitre 2 des MPR décrit comment procéder à ces estimations, en seréférant aux méthodes décrites par le GIEC.

Le GIEC donne des orientations sur deux méthodes de calcul génériques pour l’estimationdes sources et puits de CO2; la méthode gains-pertes (qui permet de calculer directementles quantités émises et/ou absorbées) et la méthode de différence des stocks16 (qui établitles quantités émises ou absorbées à partir de la variation du stock total de carbone entredeux moments distincts). La section 2.1 porte sur les critères de choix méthodologiques etsur l’application de ces méthodes.

Pour l’estimation des émissions sans CO2, on multiplie les coefficients d’émission par lesdonnées sur les activités. Les méthodes du GIEC utilisent également des donnéesauxiliaires, qui sont des informations utiles pour sélectionner et appliquer les données surles activités et les coefficients d’émission ou d’absorption. Il peut notamment s’agird’informations sur le type et l’état de la forêt, la pratique de gestion et l’histoire desperturbations.

Le GIEC décrit trois approches pour fournir des données sur les activités liées aux terresémergées17. L’approche 1 n’est pas spatialement explicite18 et utilise simplement des airesnettes associées à l’utilisation de terres exploitées. L’approche 2 fournit la matrice detransition entre différentes utilisations des terres. L’approche 3 est tout à fait spatialementexplicite. Les données de télédétection sont en principe mieux mises à profit par lesapproches 2 et 3. Les trois approches sont décrites et illustrées à la section 2.3 duGPG 2003 ou à la section 3.3 du GL 2006. Les méthodes du GIEC exigent une classificationdes forêts, une stratification pertinente de celles-ci et l’établissement de la superficie dechaque strate. Ces méthodes sont ensuite appliquées au niveau des divers bassins de

14Le GPG 2003 propose trois autres méthodes pour les produits de l’exploitation forestière.

15Selon la terminologie du GIEC, les terres forestières restant terres forestières.

16Ces méthodes sont présentées à la section 3.1.4 du GPG 2003, ou au volume 4, à la section 2.2.1 duGL 2006. Dans le GL 2006, la méthode de variation des stocks est appelée «méthode de changement desstocks». Le chapitre 2 du Vol 4 du GL 2006 présente les équations à la base des deux méthodes.

17Voir le chapitre 2 du GPG 2003, ou le chapitre 3 du volume 4 du GL 2006.

18Un objet est considéré comme spatialement explicite dès lors que sa position au sol peut être déterminée àl’aide des coordonnées géographiques.


28

carbone et les quantités émises et absorbées sont additionnées. Les méthodes du GIECn'exigent pas nécessairement l’établissement d'un inventaire forestier national (IFN)proprement dit.

Le GIEC a défini trois classes de méthodes en fonction de leur degré de détail, et les aappelées niveaux. L’encadré 1 donne une définition synthétique des niveaux, fondée sur ladescription du GPG 2003. Le niveau 1 est également appelé méthode par défaut, et leslignes directrices du GIEC visent à communiquer les informations dont tout pays a besoinpour appliquer le niveau 1, concernant en particulier les coefficients d’émission etd’absorption et l'acquisition des données sur les activités. Le niveau 2 repose en règlegénérale sur la même structure mathématique que le niveau 1, mais exige que les paysfournissent des données correspondant à leurs circonstances nationales. Il leur faut doncprocéder à des relevés in situ pour estimer les valeurs requises si celles-ci ne sont pasdisponibles. Les méthodes de niveau 3 sont en général plus complexes et nécessitentnormalement l’établissement de modèles et des données d’une résolution plus fine surl'exploitation des terres et sur les changements d’exploitation des terres. Davantage dedétails sur les orientations du GIEC figurent à l’annexe A; l'annexe C présente des exemplesd'approches de niveau 3 en cours de mise en œuvre dans des pays.

La stratification spatiale en fonction de la nature ou de la portée des activités humaines oudu type de forêt devrait améliorer la qualité des résultats quel que soit le niveau. Parexemple, les forêts peuvent être subdivisées à l’aide de données auxiliaires relatives au typed’écosystème, au climat, à l’altitude, à l’histoire des perturbations et/ou au type de gestion.L’encadré 4 présente sommairement le principe de la stratification.

Il est possible de conjuguer plusieurs niveaux, le plus souvent les niveaux 1 et 2. Pour lanotification des GES par les pays, toutes les combinaisons de niveaux et d'approches sontpossibles. Pour la REDD+, qui exige des données spatialement explicites permettant desuivre les activités et les facteurs déterminants et d’estimer les quantités de GES émises ouabsorbées, il convient d’opter pour l'approche 3.

Encadré 1: Le principe des niveaux défini par le GIEC

Le GIEC a réparti les approches méthodologiques en trois niveaux en fonction de la quantité de données requiseet du degré de complexité des analyses (IPCC, 2003, 2006).

Le niveau 1 repose sur la méthode gains-pertes décrite dans les lignes directrices du GIEC, sur les coefficientsd’émission par défaut et sur d’autres paramètres définis par le GIEC. Il permet de se fonder sur des hypothèsessimplificatrices sur certains bassins de carbone. Les méthodologies de niveau 1 peuvent se combiner avec desdonnées sur les activités spatialement explicites obtenues par télédétection. La méthode de différence desstocks n’est pas applicable au niveau 1 du fait de ses exigences en matière de données (GPG 2003).

Le niveau 2 repose en général sur la même approche méthodologique que le niveau 1, mais applique en outredes coefficients d’émission et d’autres paramètres propres au pays concerné. Ces coefficients et paramètres,établis spécifiquement pour le pays, sont les plus pertinents pour ses forêts, ses régions climatiques et sessystèmes d’exploitation des terres. Des données sur les activités plus stratifiées peuvent être nécessaires pour leniveau 2 afin de correspondre aux coefficients d’émission et aux paramètres propres à des régions particulièreset à des catégories d’utilisation des terres plus finement définies. Les niveaux 2 et 3 peuvent égalements’appliquer pour les méthodes de différence des stocks qui nécessitent des données sur les placettes fourniespar les IFN.

Au niveau 3, des méthodes de classe supérieure font intervenir des modèles et peuvent utiliser des données surles placettes fournies par les IFN, réajustées pour correspondre aux circonstances nationales. Si elles sont bienappliquées, ces méthodes peuvent produire des estimations d'une plus grande précision que celles des niveauxinférieurs et mieux refléter le lien entre la biomasse et la dynamique du carbone des sols. Elles permettent ausside combiner plusieurs mécanismes prenant en compte l’âge, le type et la production des forêts, de les associer àdes modèles de processus dans les sols et d'intégrer divers types de surveillance et de données. Un suivi estassuré pour les zones faisant l’objet d’une réaffectation des terres. Ces systèmes peuvent prendre en comptedes facteurs climatiques et fournir des estimations avec variabilité interannuelle.


La progression entre le niveau 1 et le niveau 3 correspond en général à une augmentation de la précision desestimations de GES, qui s'obtient au prix d'un accroissement de la complexité du processus de mesures et desanalyses. Les méthodes de niveau inférieur peuvent se combiner avec des méthodes de niveau plus élevé pourles bassins moins importants. Il n’est pas nécessaire de passer par un niveau inférieur pour atteindre le niveau 3.Il est souvent plus simple et plus rentable de passer sans transition du niveau 1 au niveau 3 que de concevoir unsystème de niveau 2 qu’il faudra remplacer par la suite. Les données recueillies dans le cadre de l’élaborationd’un système de niveau 3 peuvent toutefois être utilisées pour produire des estimations intermédiaires deniveau 2.

1.2 Analyse des catégories de source clés

Le GIEC préconise d’analyser les catégories de source clés pour déterminer quellescatégories d’émission ou d’absorption doivent être considérées comme prioritaires dans lesestimations en vue de l'élaboration de l’inventaire des gaz à effet de serre. L’analyses’effectue selon une méthode de niveaux 2 ou 3. Une catégorie est dite catégorie de sourceclé si, lorsque les catégories sont classées par ordre décroissant de contribution auxémissions, elle figure parmi le groupe de catégories qui, ensemble, concourent à 95 % dutotal des émissions et des absorptions nationales – ou favorisent la tendance à 95 %.L’analyse des catégories de source clés et son application au secteur UTCATF sont décritesà la section 5.4 du GPG 2003, qui correspond au chapitre 4 du volume 1 des Lignesdirectrices de 2006.

L’analyse des catégories de source clés prend parfois une nature itérative; il est parfoisnécessaire de procéder à un premier classement selon une méthode de niveau 1, car lescatégories de source clés ne sont pas encore déterminées. La méthodologie des inventairesconçue par le GIEC ne réserve pas de place particulière aux activités REDD+, mais, pour cequi est du déboisement, il est suggéré dans le GPG 2003 de prendre en compte la totalitédes forêts réaffectées à des utilisations contribuant au déboisement, et de considérer celui-cicomme une catégorie de source clé si sa contribution est plus importante que celle de laplus petite catégorie considérée comme source clé selon la définition convenue. Le mêmeprincipe peut à l’évidence s'appliquer pour d’autres activités REDD+. Le GIEC a égalementdéfini des critères qualitatifs pour cerner les catégories de source clés. Notamment, lescatégories pour lesquelles les émissions sont en cours de réduction ou les absorptions encours d’augmentation devraient être considérées comme telles. Ce critère qualitatif pouvantprobablement s’appliquer à toutes les activités REDD+, celles-ci devraient probablementêtre considérées comme des catégories de source clés, même si la COP n'a pas pris dedécision à leur égard.

Selon le GPG 2003, il convient de se demander, dans le cadre de l’analyse des catégoriesde source clés 19 , si la biomasse, la matière organique morte et les sols sont dessous-catégories importantes. Les sous-catégories (ou les bassins) considérés commeimportantes sont celles qui apportent une contribution d’au moins 25 % à 30 % auxémissions ou absorptions de la catégorie dont elles relèvent. Pour les sous-catégories quine sont pas importantes et pour lesquelles les pays ne disposent pas de donnéesspécifiques, ils peuvent appliquer une méthode de niveau 1. Définir les sous-catégories clés

19Comme indiqué à la section 3.1.6 du GPG 2003, les diagrammes décisionnels fournis par la GPG 2003.


30

permet d'attribuer de manière plus stratégique des ressources supplémentaires pourrecueillir les valeurs nationales, et de réduire les incertitudes relatives à ces sous-catégories.

La CCNUCC a décidé20 que les bassins importants méritaient d'être pris en compte lors ducalcul des niveaux de référence ou d’émission de référence pour les forêts. La COP n’a pasétabli si la définition d’une sous-catégorie importante correspondait à celle d’une catégoriede source clé pour le GIEC, mais on pourrait l’envisager.

1.3 Définition des bonnes pratiques

La notion de bonnes pratiques sous-tend les documents GPG 2003 et GL 2006. Selon ladéfinition qu’en donne le GIEC21, les inventaires élaborés selon de bonnes pratiques sontceux dont les estimations ne sont ni surestimées ni sous-estimées autant qu'on puisse enjuger et dont les incertitudes sont réduites autant que possible. Cette définition ne s’assortitd’aucun niveau de précision prédéfini, mais vise à maximiser la précision sans introduire debiais, compte tenu des ressources raisonnablement disponibles pour l’élaboration desinventaires de GES. Il est décidé implicitement de ce niveau de ressources au cours duprocessus d’examen international des inventaires administré par la CCNUCC.

Les bonnes pratiques s’appliquent aussi à d’autres domaines liés à l’élaboration desinventaires de GES, tels que la collecte des données, les stratégies d’échantillonnage,l’estimation des incertitudes, le choix de la méthode en fonction des catégories de sourceclés (celles qui contribuent le plus, en termes absolus, aux sources et aux puits ou quifavorisent le plus la tendance aux émissions ou absorptions), l’assurance et le contrôlequalité, ainsi que la cohérence des séries temporelles. L’assurance et le contrôle qualitéimpliquent notamment la validation (le contrôle de la cohérence interne) et peuventcomprendre la vérification (le contrôle par comparaison avec des estimations indépendantesou, du moins, effectuées indépendamment). Les données de télédétection peuvent êtreutiles pour la vérification, de même que pour la compilation des inventaires de gaz à effet deserre, pour autant qu’elles soient indépendantes, c’est-à-dire qu’elles n’aient pas été prisesen compte pour l’élaboration de l’inventaire.

Les bonnes pratiques reposent sur les principes généraux suivants:

La transparence (les procédures doivent être suffisamment documentées pour qu’ilsoit possible d’évaluer dans quelle mesure les bonnes pratiques ont étérespectées);

L'exhaustivité (toutes les catégories pertinentes d’émissions et d’absorptionsdoivent avoir été estimées et notifiées);

La cohérence (les différences de valeurs d’une année à l’autre doivent refléter lesdifférences d’émission et d’absorption et non des changements de méthodologie oudes fluctuations de la disponibilité des données);

20Voir l’annexe à la décision 12/CP.17 et le paragraphe 2, note 1 du -/CP19 (Modalités des systèmes nationauxde surveillance des forêts).

21Voir la Section 1.3, 2003 GPG, ou la Section 3 de l’Aperçu des Lignes directrices du volume 1 du GL 2006.


La comparabilité (les estimations des inventaires doivent pouvoir être comparéesd’un pays à l’autre);

L’exactitude (les méthodes appliquées doivent exclure toute surestimation ousous-estimation.

Une vigilance particulière est nécessaire pour garantir la cohérence des données detélédétection, car des satellites finissent leurs missions, d’autres sont mis sur orbite, et lamanière d'utiliser les images évolue22. Ces facteurs peuvent avoir une incidence sur lesestimations de séries temporelles et sur la cohérence entre données nouvelles ethistoriques. Or, cette cohérence est nécessaire pour établir des niveaux de référence ou desd'émission de référence pour les forêts. Ces derniers, qui sont décrits plus bas, sont desvaleurs repères pour l’évaluation de l’efficacité des activités REDD+. Des orientationsd’ordre général pour maintenir la cohérence sont données dans le GPG 2003 et dans leGL 200623. Il convient aussi d’appliquer des techniques réduisant les biais au minimum,même si les sources de données changent au fil du temps (voir l'encadré 8 et lasection 3.6). Un résumé détaillé des orientations du GIEC figure à l’annexe A.

1.4 Points à prendre en compte pour la conception d’unsystème national de surveillance des forêts

À sa dix-neuvième session24, la Conférence des Parties (Varsovie 2013) a réaffirmé, dansl’esprit de la décision 4/CP.15, que les systèmes nationaux de surveillance des forêts(SNSF) devraient suivre les lignes directrices les plus récentes du GIEC, ainsi que lesorientions adoptées ou encouragées par la COP. Les SNSF devraient fournir des donnéeset des informations transparentes, cohérentes sur la durée et adaptées aux MNV desactivités REDD+. Leurs données devraient aussi être cohérentes avec les décisionsconcernant les mesures nationales d’atténuation pertinentes. De plus, les SNSF devraients’appuyer sur des systèmes existants, permettre l’évaluation de divers types de forêt, ycompris les forêts naturelles, (selon la définition qu'en donne le pays concerné), êtreadaptables et se prêter à des améliorations. Au besoin, un SNSF devrait s'appuyer sur uneapproche par étapes. Il convient tout d’abord d’élaborer, à l’échelle nationale, une stratégie,un plan d’action, une politique ou des mesures, ainsi que de renforcer les capacités. Puisvient une phase de mise en œuvre, qui peut s’accompagner d’un nouveau renforcement descapacités, d’un perfectionnement technologique, d’un transfert de technologies et d’activitésde démonstration axées sur les résultats. La dernière étape est celle des actions axées surles résultats, qui doivent être pleinement mesurées, notifiées et vérifiées25. La COP, à sadix-neuvième session, a estimé que les Parties pourraient préciser dans les SNSF comment

22L’annexe B comporte une liste des satellites disponibles lors de la rédaction du présent document.

23Voir la section 5.6 du 2003GPG (Cohérence des séries temporelles et changement de méthodologie) ou lechapitre 5 du volume 1 du GL 2006 (Cohérence des séries temporelles).

24Décisions -/CP19: Modalités des systèmes nationaux de surveillance des forêts. Le présent résumé vise àéclairer les considérations qui suivent. Pour comprendre pleinement l’accord conclu à Varsovie sur laREDD+, consulter le texte intégral de la décision.

25Voir les paragraphes 73 et 74 de la décision 1/CP.16.


32

les garanties mentionnées dans la décision 1/CP.16 sont prises en compte et respectées. Àla même session, la COP a par ailleurs décidé que, une fois la mise en œuvre des activitésREDD+ amorcée, il convenait d’indiquer dans les communications nationales (et, à titrevolontaire, sur la plate-forme web du mécanisme REDD+ de la CCNUCC26) comment cesgaranties sont prises en compte et respectées. Elle a aussi considéré que cette informationdevrait être une condition préalable pour obtenir et recevoir des crédits liés aux résultats.

Bien que la COP ne l’ait pas précisé, le présent document part du principe que, tout enprenant appui sur des systèmes existants, un SNSF pouvait solliciter divers partenaires, ycompris des autorités nationales compétentes dans le domaine des forêts27, des organismeschargés de recueillir des données nationales (notamment des données de recensement), lesagences responsables de l’estimation des sources et des puits de GES liés aux forêts dansle contexte des estimations des inventaires nationaux de GES et, éventuellement, desreprésentants des parties prenantes, y compris des représentants de la population et dusecteur privé. Selon les circonstances nationales, le SNSF pourrait assurer des fonctionssupplémentaires.

1.4.1 Mesure, notification et vérification

La Conférence des Parties, à sa dix-neuvième session, a convenu28 que les données et lesinformations utilisées par les Parties pour estimer les sources et les puits anthropiques liésaux activités REDD+ devaient être transparentes, cohérentes sur la durée et cohérentesavec les niveaux d’émission de référence pour les forêts (NERF) et les niveaux de référencepour les forêts (NRF) que les Parties doivent soumettre en application des dispositions de ladécision 12/CP.17. Par la décision qu’elle a prise à sa dix-neuvième session concernant lesMNV la COP recommande d’améliorer les données et les méthodologies au fil du temps,tout en maintenant leur cohérence avec les NERF et les NRF. Les Parties sollicitant descrédits carbone pour des activités REDD+ doivent soumettre une annexe technique à leurrapport biennal actualisé comprenant des informations sur les NERF et les NRF évalués, lesrésultats de la mise en œuvre des activités REDD+ (exprimés en tonnes d’équivalentdioxyde de carbone par an), une démonstration de la cohérence entre les résultats, lesNERF et les NRF, les éléments permettant la reconstitution des résultats et une descriptiondu SNSF. Les informations contenues dans l’annexe technique seront analysées. Lesrésultats seront publiés et les domaines à améliorer seront déterminés. La COP, à sadix-neuvième session, a estimé qu’il pourrait être nécessaire de définir de nouvellesmodalités de vérification dans le contexte des démarches axées sur le marché.

1.4.2 Niveaux de référence

En 2011, il a été décidé (12/CP.17) que les NERF et les NRF serviraient de références pourévaluer l’efficacité de la mise en œuvre des activités REDD+ et qu’ils devraient être fixés demanière transparente, compte tenu des données historiques, être ajustables en fonction descirconstances nationales et rester cohérents avec les estimations d’émissions etd’absorptions anthropiques de l’inventaire des gaz à effet de serre du pays concerné. Il aégalement été décidé d’inviter les pays en développement à soumettre des niveaux de

26Voir http://unfccc.int/redd

27Ces organismes pourraient comprendre ceux qui sont compétents pour la foresterie, l’agriculture etl’environnement.

28Décision -/CP.19: Modalités de mesure, de notification et de vérification.


référence à titre volontaire. En 2013, la COP, réunie à Varsovie, a décidé que les NERF etles NRF soumis en application des dispositions de la décision 12/CP.17 feraient l'objetd'une évaluation technique. Une annexe à la décision de la COP prise à sadix-neuvième session fournit des informations sur l’étendue de l’évaluation; parmi lescritères d’évaluation figurent la cohérence avec les quantités estimatives d’émission etd’absorption liées aux activités REDD+, la manière d’utiliser les données historiques(y compris d'éventuels modèles élaborés), la transparence, l’exhaustivité et l’exactitude desdonnées, la cohérence de la définition de la forêt avec celle qui est utilisée aux fins desnotifications à l’échelle internationale, l’intégration dans les niveaux de référencesd’hypothèses sur l’évolution des politiques nationales, les bassins et les gaz pris en compte,les motifs justifiant l'omission des bassins et des gaz jugés négligeables, et les perspectivesd’actualisation des informations au cours du processus par étapes établi dans ladécision 12/CP.17.

La COP, à sa dix-neuvième session, a souligné l’importance de prendre en considération lesfacteurs déterminants du déboisement et de la dégradation des forêts, leur complexité etleurs liens avec les moyens de subsistance, les dépenses et les ressources nationales. LesParties, les organisations compétentes et le secteur privé sont encouragés à collaborer pourprendre en compte les facteurs déterminants du déboisement et de la dégradation desforêts, ainsi qu’à s’échanger des informations, notamment sur la plate-forme web dumécanisme REDD+ de la CCNUCC. D’un point de vue technique, recueillir des donnéesd’observation pour évaluer les corrélations exige de quantifier l’incidence des facteursdéterminants sur les émissions et les absorptions. Parmi les causes directes figurent lapression exercée par l’agriculture commerciale ou de subsistance, l’exploitation forestièrecommerciale, le ramassage de bois de chauffage, la production de charbon, les politiquesde protection et de gestion durable, ainsi que d’autres facteurs de nature politique. La priseen compte des facteurs déterminants peut être utile pour la stratification et pour garantir unecohérence entre données historiques et niveaux de référence.

1.4.3 Approches infranationales

Telle que la CCNUCC l'a conçue, la REDD+ doit être mise en œuvre à l’échelle nationale.En d’autres termes, les émissions et les absorptions sont quantifiées dans les inventairesnationaux des gaz à effet de serre, communiquées dans les rapports biennaux actualisés, etl’efficacité des activités est évaluée à l’aide des niveaux de référence nationaux (les NERFet les NRF). Une mise en œuvre à l’échelle nationale réduit les imprécisions liées à unequantification opérée dans la perspective d’un seul projet, en particulier pour ce qui est desrisques de fuite29. Toutefois, les activités de démonstration infranationales (dont l’étendueest importante mais sans couvrir toute la superficie du pays) sont considérées comme uneétape intermédiaire sur la voie de la mise en œuvre de la REDD+ à l’échelle nationale,y compris en ce qui concerne la surveillance infranationale des forêts. Selon les Accords deCancún, la pleine mise en œuvre des mesures axées sur les résultats exigera des systèmes

29La fuite se définit comme le déplacement d’une activité forestière à l’extérieur de la zone surveillée. Lesapproches nationales facilitent le traitement des fuites, car elles couvrent toute la superficie du pays. Lorsque,dans le cadre d’un projet, seule la zone sur laquelle il porte est surveillée, des émissions risquent davantagede ne pas être prises en compte en raison de fuites.


34

nationaux de surveillance des forêts. D'autres difficultés s’associent aux mesuresinfranationales; il peut par exemple être nécessaire d’évaluer les fuites au sein d’un pays, oudans les limites d’une province, d’un district ou d’un projet. Lors de l’établissement d’unsystème infranational, il est important d’examiner comment celui-ci s'intégrera dans lacohérence du système national définitif et quels éléments (en particulier parmi les donnéesde télédétection) peuvent être produits sans difficulté à l'échelle nationale et être utiliséspour des estimations infranationales.

1.4.4 Définition de la forêt

Une définition de la forêt est nécessaire pour déterminer s’il y a eu déboisement, boisementou reboisement, ainsi que pour définir les zones exposées à une dégradation ou propicesaux autres activités REDD+.

Dans le document GPG 2003, le GIEC définit la forêt comme comprenant toutes les terres àvégétation ligneuse conformes aux seuils utilisés pour définir les terres forestières dansl’inventaire national des gaz à effet de serre, subdivisée au niveau national en terresexploitées et inexploitées, et également par type d’écosystème comme spécifié par leslignes directrices du GIEC. Elle inclut également des systèmes dont la végétation estactuellement inférieure au seuil de la catégorie des terres forestières, mais qui devrait ledépasser. Dans les Lignes directrices de 2006, la définition des terres forestières s’articuleautour de divers seuils. Le GIEC s'attend donc à ce que les pays aient défini le terme sur labase de seuils quantitatifs.

La CCNUCC n’a pas convenu d'une définition particulière de la forêt aux fins de la REDD+.Considérant que la plupart des pays avaient probablement déjà la leur, la COP a décidé deprévoir dans les lignes directrices que les Parties indiquent leur propre définition du termelorsqu’elles transmettent leurs informations sur les niveaux de référence pour la forêt. Dansle cas où il y aurait une différence entre cette définition et celle qui a été utilisée pourl’inventaire national des gaz à effet de serre ou les valeurs communiquées à d’autresorganisations internationales, les Parties doivent expliquer pourquoi et comment elles ontchoisi leur définition pour l'élaboration des NERF et des NRF30.

Les pays qui ne disposent pas encore d’une définition de la forêt peuvent se fonder sur cellequi a été établie aux fins du Protocole de Kyoto (PK): La forêt est… un terrain d’une surfaceminimum de 0,05 à 1,0 hectare, où la couverture des cimes des arbres (ou la densité depeuplement équivalente) est supérieure à 10-30 % et où les arbres peuvent atteindre unehauteur minimale de 2 à 5 mètres à l’âge adulte. La forêt peut consister en formations forestièresdenses, où les arbres des différents étages et le sous-bois couvrent la majeure partie du sol, ouen formations forestières claires. On considère aussi comme des forêts les jeunes peuplementsnaturels et toutes les plantations dont la densité de couvert atteindra 10-30 % ou encore où lesarbres atteindront une hauteur de 2 à 5 mètres, de même que les secteurs faisant normalementpartie d’une zone forestière qui ont été temporairement déboisés par suite d’une interventionhumaine (à des fins d’exploitation, par exemple) ou de causes naturelles, mais qui devraientêtre, à terme, reconvertis en forêt31.

30Voir l’annexe à la décision 12/CP.17, Lignes directrices relatives à la communication d’informations sur lesniveaux de référence.

31Dans son évaluation de 2010 des ressources forestières, la FAO définit la forêt comme une terre d'unesuperficie supérieure à 0,5 hectare, avec un couvert arboré (ou une densité de peuplement) supérieur à


Lors de l’élaboration d’un SNSF, les pays doivent établir s'il existe une définition du termeforêt et, à défaut, en adopter une. Les définitions diffèrent parfois du point de vue desécosystèmes considérés, ce qui peut avoir une importante incidence sur l’estimation dessources et des puits associés aux activités REDD+, ainsi que la manière de classer lesactivités (voir l’encadré 2). Il convient donc de rester cohérent dans l’utilisation desdéfinitions au fil du temps et d’établir le NERF, le NRF et, ultérieurement, les MNV selon unemême définition.

La CCNUCC met de plus en plus l’accent sur la diversité et sur le caractère multifonctionnelde la forêt, ainsi que sur la différence entre les forêts naturelles et les plantations. LesAccords de Cancún précisent que les mesures d’atténuation de la REDD+ ne devraient pasencourager la conversion des forêts naturelles et que la définition retenue devrait doncpermettre de distinguer celles-ci.

Les pays devraient impérativement se fonder sur une définition de la forêt qui facilite uneclassification fiable de l'utilisation des terres et de leur réaffectation, de manière à pouvoirestimer aisément les principales émissions ou variations de stocks. La définition donnée parle pays devrait en particulier permettre de détecter les conversions entre différentescatégories de terres. Par exemple, la superficie minimum retenue dans la définition de laforêt peut avoir des incidences sur la résolution spatiale des images utilisées pour détecterles changements. De plus, l’échelle, l’intensité et la distribution spatiale peuvent avoir uneincidence sur la possibilité de suivre l’évolution des facteurs de variation déterminants.

La définition du GIEC exige que les forêts soient subdivisées en terres exploitées etinexploitées. Cela tient au fait que les lignes directrices du GIEC ne prévoient pas lanotification des variations de stocks de carbone et des émissions de GES sur les terresinexploitées, alors même qu’elles exigent la notification de toute conversion de terresinexploitées à un autre usage32. La définition précise de ce qu’est une terre inexploitée peutdifférer d’un pays à l’autre, mais les définitions nationales devraient s’appliquer de manièrecohérente sur la durée, faute de quoi une simple différence dans l’application des définitionsrisque d’amener à conclure à une modification des émissions liées aux activités REDD+.

Les définitions nationales de la forêt qui ont été retenues et sont utilisées par les SNSFdevraient être documentées, justifiables et cohérentes sur la durée. Elles devraient aussipermettre de rendre compte des émissions et des absorptions liées aux activités clés.

10 pour cent et des arbres pouvant atteindre une hauteur minimum de 5 m à maturité in situ. La définitionexclut les terres dont la vocation prédominante est agricole ou urbaine. La superficie minimale s’inscrit danscelle que prévoit la définition du PK et la hauteur minimale correspond à la fourchette haute de celle du PK.

32GPG 2003 chapitre 2, page 2.5


36

Encadré 2: Considérations sur les définitions de la forêt et leur incidence surl’élaboration des niveaux d’émission de référence de la REDD+. Étude de cas pourl’Indonésie (Rominjin, E., et al., 2013).

Une étude comparative a montré l’effet de l’application de trois définitions du terme forêt dans le cas del’Indonésie. Selon les estimations de l’étude, la superficie totale de déboisement entre 2000 et 2009 était de4,9 millions d’hectares en utilisant la définition de la FAO, soit 18 % de plus qu’en utilisant une définition axée surles forêts naturelles et 27 % de plus qu’en utilisant la définition nationale.

L’étude a établi l’importance de disposer d’une catégorie distincte pour les plantations forestières afin de prendreen compte la conversion d’une forêt naturelle en plantation forestière, car celle-ci a d’importantes incidences pourl’estimation et l’attribution des émissions. Selon l’étude, seule la définition de la forêt naturelle amène àconsidérer la conversion d'une forêt naturelle en plantation forestière comme relevant du déboisement.L'application des deux autres définitions fait apparaître cette conversion comme relevant de la dégradation.

L’établissement de plantations dans des forêts naturelles peut entraîner d'importantes émissions de CO2, enparticulier dans les tourbières. Il est important que ces émissions de CO2 soient prises en compte, en tant quedéboisement ou en tant que dégradation, selon la définition appliquée. Il convient d’harmoniser les définitions dela forêt à l'intérieur d’un même pays. La même définition devrait être utilisée dans tout le pays et sur une périodepluriannuelle pour le suivi des activités REDD+, les estimations portant sur les zones de déboisement ou dedégradation, les estimations des principaux facteurs de déboisement, et l’établissement des NERF et des NRF.

1.4.5 L’utilisation des informations existantes

Avant d'élaborer un système de surveillance des forêts, il convient de définir quellesinformations font défaut, de déterminer les données requises et d’établir en conséquencedes priorités parmi les tâches. Les informations disponibles, renforcées si nécessaires,peuvent être utilisées pour accélérer et optimiser l’élaboration d’un système de surveillancedes forêts si les lacunes peuvent être comblées sans faire apparaître de biais sensibles.L’établissement d’une base de données réunissant toutes les informations disponibles,éventuellement par l’intermédiaire du SNSF, permet d’obtenir une vue d’ensemble et facilitela définition de priorités.

Le GIEC n’exige l’élaboration ni d’un IFN ni d’un autre système de recensement et demesurage des placettes, mais, s’il en existe, ils peuvent être intégrés dans le système desurveillance des forêts. Les IFN existants (voir l’encadré 3) ou d’autres données sur desplacettes peuvent être utilisés dans le cadre de la méthode de changement des stocks ou degains-pertes (voir les sections 2.1.1 et 2.1.2), bien qu’il puisse être nécessaire d’ajouter desplacettes (si certaines parties du peuplement sont sous-représentées par les placettesd’origine) ou d’utiliser des données auxiliaires (si l’on adopte une approche fondée sur unmodèle). L’annexe D donne un aperçu général de l'échantillonnage, des méthodesstatistiques et des méthodes fondées sur un modèle.

Les placettes qui ne sont pas utilisées pour l'estimation des émissions et des absorptionspeuvent être utiles à des fins de vérification. L’établissement de modèles, allométriques ouautres, sera nécessaire pour estimer la biomasse et le carbone à partir des donnéesrelatives aux arbres et aux placettes, car il est peu probable que d’anciens inventaires desforêts rendent directement compte du carbone total de la biomasse (voir la section 2.1.1.).Il existe peut-être déjà des modèles, allométriques ou autres, permettant de convertir desdonnées d’inventaire forestier en estimations de la biomasse (aérienne ou souterraine) et ducarbone, et des études complémentaires peuvent combler les lacunes liées à d’autresespèces, types de forêt ou placettes déterminées. Par ailleurs, des essais de croissance etde rendement, des expériences sur les forêts et d’autres sources fiables de données dontdisposent les universités ou d’autres instituts de recherche peuvent être utiles pour élaborerou éprouver des modèles. Il convient de déterminer les limites (spatiales, environnementales


ou d’autre nature) de ces modèles pour garantir qu’ils ne soient pas appliqués en dehors dudomaine pour lequel ils sont pertinents, sous peine d’introduire des biais. Toute lacune, enparticulier dans l’allométrie racine-tige ou souterraine, pourrait être comblée par denouvelles études ciblées.

Une application efficace des stratégies d’échantillonnage et des modèles repose souvent surune stratification en fonction du climat (précipitations, température) ou des conditionsenvironnementales générales (altitude, topographie, type de sol), qui peut parfois êtreintégrée dans des zones bio-géo-climatiques. Ces données peuvent également être utiliséesdirectement pour définir des indices de croissance (par exemple la production primairenette), compléter des modèles de croissance ou prévoir les ratios d’attribution du carbone.Des réseaux de stations météorologiques et des archives peuvent être renforcés par destechniques de modélisation spatiale pour élaborer des surfaces climatiques qui serontutilisées dans des modèles ou pour optimiser la stratification.

Les données spatiales, y compris les cartes archivées et les bases de données du Systèmed'information géographique, peuvent comprendre des données sur les types de forêt,l’historique de leurs perturbations, leur âge et leur état de santé. Les données detélédétection, y compris celle qui ont été archivées, constituent une source utiled'informations spatiales pour établir une stratification, mieux définir les zones où les stocksde carbone pourraient connaître des variations sensibles et déterminer les zones nonreprésentées dans les modèles allométriques. Lorsque les données nationales sontincomplètes ou peu cohérentes, par exemple en raison des limites administratives oufoncières ou de l’application de méthodes de collecte de données divergentes, solliciter desspécialistes locaux peut être une solution rentable.

Bien que la dynamique du carbone des sols dans divers types de forêt et au cours dedifférents types de réaffectation des terres soit souvent mal comprise, on trouve parfois desinformations recueillies dans le cadre d’études régionales ou de travaux de recherche quiune fois synthétisées, permettent de reconstituer la couverture spatiale, des facteursd’émission ou d’absorption sur les terres forestières ou les variations à la suite deperturbation ou de l’exploitation des sols. Développer un petit jeu de données nonreprésentatives sur les sols pour créer une couverture spatiale adéquate peut être onéreuxcompte tenu de la variabilité du carbone du sol et du coût de mesures précises àl’emplacement de chaque échantillon. Un certain nombre de modèles fondés sur desprocessus permettent d’estimer les paramètres du sol à partir de principes physiques etphysiologiques. Ces modèles nécessitent un étalonnage poussé à l’aide de donnéesclimatologiques et environnementales, mais celui-ci peut revenir moins cher que le recoursau seul échantillonnage. Les jeux de données existants peuvent être utilisés pourl’étalonnage s’ils correspondent aux variables du modèle et sont suffisamment documentés.

Encadré 3: Inventaires forestiers nationaux (IFN)

De nombreux pays disposent d’inventaires forestiers nationaux (IFN), qui facilitent la planification des terresforestières à l'échelle nationale et le respect des engagements ou accords internationaux pour la notification desdonnées. En règle générale, les IFN prennent la forme d’une série de placettes (ou d’ensemble de sous-placettes) allant de 0,02 ha à plus de 1 ha de superficie, qui sont établies de manière systématique sur la zoneobservée. Les observations et les mesures de ces placettes varient considérablement dans le monde, mais, engénéral, elles comprennent des données sur la diversité des espèces d’arbres et d’arbustes, les dimensions desarbres (en tout cas le diamètre à hauteur de poitrine, mais aussi la hauteur et l’état du tronc ou de l’arbre) et la


38

topographie générale. Moins fréquemment, les observations ou mesures comprennent aussi des aspects de lalitière ou de la matière organique morte, l’histoire du site et les caractéristiques du sol et de la canopée. Lorsqueces données d’IFN sont intégrées dans des modèles allométriques ou autres, elles permettent l’estimation desparamètres concernant le peuplement des forêts – le plus souvent liés à la production ou au développement – àun degré de précision pertinent pour la planification à l’échelle nationale.

Quand les mesures des placettes sont prises en plusieurs points simultanément, les variations annuelles (et lesvariations du carbone qui s’y associent) peuvent être calculées pour chaque placette

a. L’intervalle entre deux

mesures d’une placette dans le cadre d’un IFN va de 1-2 ans (dans les environnements à croissance rapide) à5 ou 10 ans (dans les environnements à croissance plus lente ou dont l’accès est difficile, ce qui rend lemesurage plus cher). À l’ordinaire, un ensemble de placettes (une grappe) est mesuré chaque année, de sorteque l’intégralité du système est mesurée sur une période de 5 à 10 ans. Cela permet de répartir les dépensesannuelles des mesures. Heikkinen et al. (2012) décrivent des méthodes pour effectuer des estimations plusprécises à l’aide de données de grappe

b(multidimensionnelles) de grappe et des données obtenues selon

d’autres modes d’échantillonnage de l'IFN.

En tant que systèmes d’échantillonnage statistiques, ces estimations de totaux, de changements et de variancesdans le cadre des IFN ne sont pas biaisés tant que les probabilités de sélection des placettes restent adaptées.Les estimations du total ou de la variance des sous-placettes sur une aire forestière donnée sont possibles sisuffisamment de placettes peuvent être regroupées en domaines ou en strates et si tous les points du domaineavaient une probabilité supérieure à 0 d’être sélectionnés pour être intégrés dans l’échantillon d’origine. Lenombre de placettes nécessaires dépend de la variabilité et de la précision requises, ainsi que de la nécessité dedétecter des phénomènes tels que le déboisement. Une augmentation ou une réduction sélective ou nonaléatoire de la superficie forestière examinée auraient pour conséquence que certaines zones auraient uneprobabilité nulle d'être incluses ou, à l’inverse, que la somme de toutes les probabilités dépasserait 1, ce quiserait contraire aux principes d’échantillonnage statistique et invalideraient donc les conclusions sur lesestimations non biaisées.

Lorsque les données de l’IFN sont (ou peuvent être) regroupées selon les strates utilisées pour l’estimationREDD+, elles peuvent souvent constituer une source précieuse de données sur les facteurs d’émissions.Toutefois, étant donné que la zone de terres pertinente pour le carbone forestier peut ne pas correspondre aupeuplement échantillonné à l’origine dans l’IFN et que les terres pouvant faire l’objet d’un déboisement oud’activités REDD+ sont peu susceptibles d’être réparties de manière aléatoire sur le territoire, il n’est paspossible d’exclure que les estimations fondées sur les peuplements concernant les quantités totales de carboneou les facteurs d’émission, ainsi que la variance des IFN, soient dénuées de biais. À défaut, l'IFN peut surtoutêtre mis à profit en tant que source de données sur des placettes individuelles bien mesurées et localiséesspatialement dans des environnements très divers, susceptibles d’être utilisées pour la formation, l’étalonnage etla vérification en matière de télédétection ou pour compléter des systèmes de double échantillonnage oud’échantillonnage fondé sur un modèle.

Il reste possible d'appliquer la méthode d'échantillonnage statistique pour les IFN qui ont été établis selon unprincipe systématique. La structure peut être étendue en utilisant le même système afin d'y inclure toutes lesterres pertinentes pour l’inventaire du carbone forestier (en incluant par exemple les forêts situées sur des terresexploitées à titre privé ou dans des zones classées comme agricoles, urbaines ou autres, alors qu’ellescorrespondent à la définition adoptée du terme forêt). Il faut parfois aussi augmenter le taux ou le nombre deplacettes pour garantir qu’il y ait suffisamment de placettes sur le domaine où des changements (tels qu'undéboisement ou une dégradation) ont lieu ou pourraient intervenir. Toutefois, à moins qu’il n’y ait d'autres raisonsde maintenir un IFN indépendant, cette simple expansion d’un réseau peut être relativement onéreuse comparéeà d’autres solutions, telles que l’échantillonnage fondé sur un modèle pour des niveaux de précision donnés.

c

Si elles sont mises en œuvre adéquatement, les méthodes fondées sur l’IFN répondent aux exigences duniveau 3 pour les bassins de biomasse aérienne selon les critères définis dans le GPG 2003: (i) la prioritéabsolue est que les terres forestières restent des terres forestières, (ii) les données de l’IFN sont utilisées à leurplus haut niveau de détail et (iii) il faut adapter les modèles aux circonstances nationales et veiller à ce que lesestimateurs statistiques non biaisés utilisés par les IFN répondent à l’exigence de ne jamais surestimer ni sous-estimer les changements véritables, autant que possible. Les modèles d’IFN établis de longue date sont biendocumentés pour ce qui est de la validité et de l’exhaustivité des données, des hypothèses et des modèles. Bienque les nouveaux IFN tropicaux n’aient pas une histoire aussi longue et qu’ils puissent s’accompagner dedifficultés supplémentaires lors de la distribution des placettes dans les pays tropicaux en raison de l’accèsmalaisé dans les forêts naturelles, il est possible de concevoir leurs méthodes et leur type de documentation ens'inspirant des anciens IFN pour la conception des échantillons, les protocoles sur le terrain et les estimateursstatistiques.

aL’utilisation de placettes permanentes augmente la précision de la détection du changement – voir GPG 2003

section 5.3.3.3. Si une placette permanente est déboisée, une nouvelle placette est établie, conformément à laméthode d’échantillonnage de l’IFN.


bDans ce contexte, les données de grappes sont des données relatives à des placettes permanentes recueillies

plus fréquemment que ne le prévoit la période de rotation de l’IFN.

cLa FAO expose les considérations fondamentales sur la relation entre la taille et la précision d’un échantillon;

voir le document National Forest Assessments Knowledge Reference sous http://www.fao.org/forestry/13447/en/

1.4.6 Choix de l’approche et du niveau appropriés

Le choix de l’approche et du niveau appropriés pour l’estimation des gaz à effet de serre et àd’autres fins dépend des circonstances du pays. Un résumé des facteurs déterminants àprendre en compte est présenté sous la forme d’un diagramme décisionnel à la figure 2. Lanotion de coût-efficacité est examinée à la section 1.5.

Figure 2: Facteurs clés pour la conception du système et critères pour définir le niveauet la méthode retenus pour l’estimation des GES


40

Légende de la Figure 2 (Facteurs clés pour la conception du système et critères pourdéfinir le niveau et la méthode retenus pour l’estimation des GES):

Encadré

1. Cela dépendra du pourcentage d'émissions provenant de la zone (voir la section 1.2: Analysedes catégories de sources clés). Il est possible d'établir s'il s'agit d'un secteur clé enappliquant une méthode de niveau 1.

2. Un système de niveau supérieur au niveau 1 est le plus souvent nécesaire pour atteindre lesobjectifs d'atténuation et obtenir des crédits.

3. L'élaboration d'un système MNV peut avoir d'autres objectifs que de notifier les estimations àla CCNUCC (par ex. assurer le suivi et la notification de l'efficacité de la politiqueenvironnementale nationale ou notifier d'autres informations à l'échelle internationale). Si lazone n'est pas une catégorie source clé et si un système MNV n'est pas nécessaire pourd'autres raisons, il suffit d'appliquer le niveau 1.

4. Les estimations notifiées à l'échelle infranationale ou dans le cadre de projets devraient êtrecohérentes avec les estimations nationales. L'acquisition des données et les calculs doiventêtre documentés et se corroborer mutuellement.

5. Parmi les objectifs plus généraux (en dehors de ceux qui sont mentionnés sous 3) comptentle projet de mettre en place des activités de plus grande ampleur dans le secteur des terres,la protection environnementale ou sociale, et la planification de l'utilisation des terres.

De gauche à droite et de haut en bas

Le secteur des terres est-il une source d'émissions clé pour votre pays ? (1) oui / non

Les possibilités de réduire les émissions seront-elles mises à profit pour atteindre les objectifsd'atténuation ou obtenir des crédits ? (2)

Avez-vous besoin d'un système de plus haut niveau pour d'autres raisons ? (3)

Voulez-vous que le système notifie vos estimations nationales et prenne en charge des projets ? (4)

Voulez-vous analyser des scénarios (par ex. pour des niveaux de référence ou la REDD+)?

Voulez-vous que le système gère d'autres éléments que les émissions ? (5)

Envisagez approche 3 + niveau 3

Envisagez approche 2 + niveau 2 ou approche 3 + niveau 2

Niveau 1 (voir Lignes directrices du GIEC 2006)


1.5 Coût-efficacité

Lors des décisions qu’elle a prises à Varsovie, la Conférence des Parties33 a insisté sur lanécessité de mobiliser une aide suffisante et prévisible pour la mise en œuvre des activitésREDD+, d’établir un processus pour coordonner cette aide et de lier le financement axé surles résultats aux mesures de MNV et à la fourniture d’informations sur les garanties. À sadix-neuvième session, la COP a recommandé de solliciter de l’aide de sources très variées,et en particulier du Fonds vert pour le climat, en envisageant diverses approches politiques.Elle a également encouragé l'application des principes méthodologiques qu'elle avaitadoptés, et a demandé au Fonds vert pour le climat d’appliquer ceux-ci lorsqu’il fournirait unfinancement axé sur les résultats.

Pour garantir l’efficacité du financement, il convient d’examiner les dépenses afférentes ausuivi. La définition d’un cadre stratégique pour la REDD+ peut s’avérer très utile à cet effet.La stratégie de la REDD+ et les systèmes de mesure, de notification et de vérification (MNV)évolueront parallèlement. Il convient donc de concevoir un système MNV dans laperspective des besoins stratégiques actuels comme des besoins à venir, ainsi qu’enfonction des capacités techniques, de la conception initiale et des frais de fonctionnementcourants (Böttcher et al., 2009).

Les pays et les organismes internationaux seront favorables à l’utilisation la plus efficace desressources humaines et financières pour assurer les tâches de MNV liées aux activités REDD+.Les éléments suivants devront donc être pris en compte dans le cadre de la conception:

Les bassins et les activités susceptibles d’influencer sensiblement le niveau et latendance en matière d’émission et d’absorption;

L’évaluation des sources de données existantes et les coûts afférents à l’acquisitionet au traitement de nouvelles sources de données;

Le niveau des aides et des subventions, ainsi que les coûts à long terme;

Les avantages collatéraux qui s’associent aux mesures qui sont prises et le coûtd'opportunité des activités passées;

La possibilité d’obtenir des données de télédétection à faible coût;

Les besoins de prétraitement et les coûts correspondants;

L'existence de jeux de données au sol et le besoin d’études nouvelles oucomplémentaires;

33Les décisions financières prises par la Conférence des Parties (COP19) sont intitulées i) Coordination del’appui à la mise en œuvre d’activités relatives aux mesures d’atténuation dans le secteur forestier par lespays en développement, y compris les dispositifs institutionnels, et ii) Programme de travail sur lefinancement axé sur les résultats visant à favoriser la pleine mise en œuvre des activités mentionnées auparagraphe 70 de la décision 1/CP.16.


42

Les aides nationales, sous forme de ressources humaines ou financières, pourmettre en œuvre, améliorer et exploiter le système à long terme.

Lors de la conception, il convient d’envisager l’amélioration et les frais de fonctionnement, àlong terme, ainsi que les frais de mise en œuvre à court terme. Les considérations suivantesdevraient donc être intégrées dans le processus de conception et contribueront à réduire lerisque que le programme MNV soit trop lourd financièrement:

Les systèmes de mesure, de notification et de vérification devraient être considéréscomme un programme, non un projet, et devront se poursuivre indéfiniment;

Les décideurs devraient fonder la conception de leur programme MNV nonseulement sur les technologies disponibles, mais aussi sur d’autres facteurs,notamment: la définition, l’échelle et la portée des activités, les mécanismes definancement, les perspectives de paiement axés sur les résultats et les dépenses etrecettes nationales;

L'évolution des budgets annuels tout au long des phases du programme devraitêtre envisagée dès le départ comme faisant partie intégrante des étapes deconception et de mise en œuvre pour contribuer à faire en sorte que le programmeait un financement suffisant;

La source de financement mérite aussi d’être examinée, car les donateurspourraient préférer offrir des ressources pour la conception et la phase de mise enœuvre, de sorte qu'il pourrait être plus difficile de lever des fonds pour couvrir lesfrais d’amélioration et de fonctionnement à long terme;

Il ne faut pas sous-estimer la difficulté d’obtenir un financement à long terme pour laphase d’exploitation du programme MNV, compte tenu qu’un bon rapport coût-efficacité est de plus en plus souvent exigé.

Le bon rapport coût-efficacité d’un programme MNV dépendra de l’équilibre entre, d’unepart, les dépenses inhérentes au MNV et aux autres activités de la REDD+ et, d’autre part,les bénéfices possibles grâce à la participation aux activités REDD+. Ce rapport sera trèsdifférent d’un pays à l’autre.

Si les coûts de la surveillance du MNV se répartissent entre divers secteurs, un système desuivi intégré pourrait présenter de nombreux avantages pour la gestion de l’utilisation desterres indépendantes du REDD+ (Böttcher et al., 2009). Si les avantages collatéraux dansd’autres secteurs, tels que l'optimisation de la gestion des terres, l'amélioration de la gestiondes incendies et la surveillance de l’agriculture, sont intégrés dans une analyse coûts-avantages, les coûts afférents à la surveillance du REDD+ iront décroissants.

L’annexe H (Considérations financières) présente les coûts plus en détail, ainsi que deuxexemples tirés de pays dont les circonstances nationales sont très différentes.

La GFOI améliore la coopération internationale du point de vue de la collecte, del’interprétation et des échanges de données de télédétection, et conçoit ce mécanismecomme un programme important et rentable pour aider les décideurs dans le cadre de laconception de leurs programmes MNV.


2 Estimation des sources et des puits

Dans le présent chapitre sont présentés les méthodes d’estimations préconisées par leGIEC, les activités REDD+ et des conseils sur la manière dont les émissions et lesabsorptions qui s’y associent peuvent être estimées, dans l’esprit des recommandations duGIEC. Le chapitre 3, qui suit, indique comment les données de télédétection ou recueilliesau sol peuvent étayer les estimations.

2.1 Méthode de différence des stocks et méthode gains-pertes

Dans les documents GPG 2003 et GL 2006, le GIEC expose les différences entre laméthode de différence des stocks et la méthode gains-pertes pour estimer les émissions etles absorptions de CO2 associées aux taux de variation annuels de tous les bassins decarbone34.

2.1.1 Méthode de différence des stocks

La méthode de différence des stocks fournit une estimation des émissions ou desabsorptions de CO2 exprimée sous la forme du différentiel des quantités estimatives desstocks de carbone entre deux dates, divisé par le nombre d’années qui les séparent. Lesstocks de carbone sont en général estimés grâce à des mesures in situ de variablesforestières dans le cadre d’un inventaire forestier national (IFN – voir l’encadré 3) ou dedonnées de relevés équivalents. Les données de télédétection peuvent être utiles pouraméliorer l'efficacité de l'échantillonnage d'un IFN35.

Le GIEC fait valoir que la méthode de différence des stocks donne de bons résultats enprésence de variations relativement importantes de la biomasse estimative ou lorsque lespays ont un inventaire des forêts d’une grande précision36. Tous les pays ne disposanttoutefois pas d’un IFN, l’application de la méthode de différence des stocks est limitée et, dece fait, le présent document se concentre davantage sur la méthode gains-pertes. Lorsqu’ilen existe, les IFN sont une source précieuse d’informations, en particulier en ce quiconcerne le bassin de biomasse aérienne. Un certain nombre de points doivent toutefoisêtre pris en compte:

Les IFN sont en général établis en vue d'estimer les ressources forestières et, parconséquent, ils se prêtent surtout à l’estimation de la biomasse sur piedcommercialisable. Ils pourraient ne pas prendre en compte les éléments debiomasse forestière non commercialisables, et il ne serait en règle générale paspossible d’y intégrer un suivi des bassins de matière organique morte ou de

34Pour la méthode gains-pertes, voir l’équation 3.1.1 dans le document GL 2003 ou l’équation 2.7 dans levolume 4 du document GL 2006. Pour la méthode de différence des stocks, voir l’équation 3.1.2 dans ledocument GL 2003 ou l’équation 2.8 dans le volume 4 du document GL 2006.

35Voir la section 2.2 sur la manière de déterminer les types de forêts principaux pour les activités REDD+ et lasection 3.5 sur la stratification.

36Voir la page 3.25 du GPG 2003, ou la page 2.13 du volume 4 du document GL 2006.


44

carbone du sol. Lorsque ces bassins n’ont pas été mesurés, ils doivent l’être par unautre moyen, en général en utilisant des facteurs d’émission ou d'absorption (voir lasection 3.8). Il est peu probable que les méthodes d’échantillonnage des IFNpuissent être optimisées pour rendre compte du déboisement ou de la dégradationdes forêts37, ce qui accroît l’incertitude des estimations de sources et de puits (voirl’annexe D sur l’échantillonnage);

Bien que les placettes d’échantillonnage des IFN soient en général géolocalisées,elles ne fournissent le plus souvent pas d'estimations spatialement explicites 38

permettant de tracer les facteurs REDD+ déterminants ou de définir des stratégiespolitiques ciblées contre le déboisement ou la dégradation des forêts;

Établir une série chronologique d’IFN peut prendre dix ans ou plus. Il convientd’envisager d’autres moyens d’estimer les variations au cours de cette périodelorsque l’on élabore un système pour suivre et estimer l’impact sur les GES desactivités REDD+ si l’on prévoit de se fonder sur un IFN.

2.1.2 Méthode gains-pertes

La méthode gains-pertes permet d’estimer les émissions et les absorptions de CO2 en lesexprimant comme la somme des gains et des pertes observées dans les bassins de carbonedes zones exposées aux activités humaines. Les variations des bassins de carbone sontsouvent exprimées sous la forme du produit d’une surface et d’un coefficient d’émission oud’absorption qui décrit la vitesse du gain ou de la perte dans chacun des bassins de carbonepar unité de surface. La méthode gains-pertes n’exige pas de disposer d’IFN, même si desinformations émanant d’un IFN peuvent être utiles pour définir les coefficients d’émission etd’absorption, et pour mieux comprendre les causes des gains ou des pertes dans lesbassins de carbone.

Pour calculer les sources et les puits à l’aide de la méthode gains-pertes, les pays ontbesoin de données sur les activités, c’est-à-dire d’informations sur l’étendue des activitésREDD+. La plupart des données sur les activités sont ventilées suffisamment finement pourpouvoir être utilisées aux fins de l’estimation des émissions et des absorptions lorsqu’ellessont combinées avec des coefficients d’émission ou d’absorption et d’autres paramètres quisont en général exprimés par unité de surface. La télédétection devrait constituer la sourcemajeure de ces données liées à la surface.

Pour établir le total des réaffectations de forêts au profit d’autres utilisations des sols, quicorrespond au déboisement total, la méthode gains-pertes prévoit de multiplier les surfacesréaffectées, qui peuvent être estimées par télédétection, par la différence des stocks decarbone par unité de surface mesurée dans l’intervalle. Pour les terres forestières gardant la

37Cela tient au fait les IFN sont en règle générale conçus pour estimer les ressources forestières dans leurensemble, et non les zones susceptibles de subir des changements (tels qu’un déboisement ou unedégradation localisée) qui constituent un faible pourcentage de la zone boisée totale. Cela accroît lesincertitudes. Des sondages périodiques peuvent encore accroître les incertitudes dans l’estimation desclasses rares. La détection des changements accroît le besoin de placettes permanentes.

38Bien que les données d’IFN puissent être utilisées pour répondre aux critères applicables pour lesapproches 1 et 2 de la représentation des terres (GPG 2003, chapitre 2.3.2), l’intensité de l’échantillonnage ararement dépassé 1 parcelle/ km

2(Tomppo et al., 2010, tableau 2.3), soit une résolution spatiale très faible si

l’on veut suivre les activités REDD+.


même affectation, la méthode gains-pertes fournit les estimations de la variation annuelle decarbone de la biomasse aérienne, exprimée comme le bilan de l'accroissement annuel desstocks de carbone dû à la croissance et la diminution annuelle des stocks due aux pertesliées à des processus tels que la récolte à des fins commerciales, l’extraction de bois dechauffage39, et d’autres perturbations, comme les incendies et les infestations parasitaires(GPG 2003, chapitre 3.2; Cienciala et al., 2008). La différence entre gains et pertes(c’est-à-dire la variation nette) peut aussi être estimée à l’aide de placettes d’échantillonnagereprésentatives des strates faisant l’objet des processus à l’œuvre.

Les données des IFN peuvent être utilisées pour étayer la méthode gains/coûts.Premièrement, les variations de biomasse et de carbone observées sur des placettes d’IFNentre deux dates peuvent être utilisées pour estimer les coefficients d’émission etd’absorption (Ene, et al., 2012). Deuxièmement, si l’on applique des méthodesd'échantillonnage adaptées, les données des IFN relatives à l’utilisation des terres et à leurchangement d’affectation à l’échelle de la placette peuvent permettre des estimations deszones ayant fait l’objet de réaffectations particulières. Troisièmement, lorsque les deux typesde données sont disponibles, les données des IFN peuvent être utilisées pour contre-vérification. Le choix entre l’utilisation de la méthode gains-pertes et la méthode dedifférence des stocks au niveau approprié40 appelle des compétences de spécialiste, car ilexige de tenir compte du degré de complexité du système d’inventaire national comme descaractéristiques de la forêt. Le diagramme décisionnel présenté à la Figure 3 récapitule lesétapes de ce choix. Il met en évidence que, même si un IFN n'est pas directement utilisépour estimer les émissions et les absorptions associées aux activités REDD+, il peutapporter des données potentiellement utiles dans le cadre de la méthode gains-pertes, desorte que les approches sont en quelque sorte complémentaires. Du fait qu’il n’est engénéral pas pratique d’utiliser un IFN pour mesurer systématiquement les variations desstocks de carbone dans le sol, de matière organique morte ou de biomasse racinaire,d’autres approches sont nécessaires pour estimer les changements dans ces bassins (voirla section 3.9). Les émissions de gaz à effet de serre autres que le CO2 sont aussi estiméesà l’aide d’approches différentes (voir la section 3.9).

Les présentes MPR se concentrent sur l’utilisation des coefficients d’émission etd’absorption dans l’application de l’approche gain-perte. Selon les données disponibles,celle-ci peut être mise en œuvre en utilisant les données par défaut des lignes directrices oudes orientations du GIEC (niveau 1) ou des données pertinentes au plan national provenantd’échantillonnages, d’inventaires forestiers ou de sites de recherche (niveau 2 ou 3). Lescoefficients d’émission ou d’absorption ne correspondent pas nécessairement à un pointparticulier du sol, mais sont appliqués à diverses strates (comme les coefficients d’émissionde CH4 dans les zones tourbeuses brûlées). Ils peuvent être appliqués à un seul point dansle temps (p. ex. pour mesurer la perte de biomasse durant un épisode de déboisement) ousur de relativement longues périodes pour représenter un processus de gain ou de perte decarbone (par ex. le processus de perte de carbone dans le sol ou le gain de carbone lorsd'une reconstitution de forêt). Les coefficients d’émission ou d’absorption devraient être

39D’autres données auxiliaires telles que l’apport de bois dans les usines de traitement ainsi qu’une estimationdes pertes intermédiaires pourraient aussi être utiles.

40Du fait des données nécessaires, la méthode de différence des stocks n’est pas adaptée pour le niveau 1.


46

représentatifs de l'échelle spatio-temporelle à laquelle ils sont appliqués. La définition descoefficients d’émission ou d’absorption peut marquer une étape intermédiaire vers unsystème plus complexe de niveau 3.

Un certain nombre de méthodes de niveau 3 peuvent être considérées comme desgénéralisations de la méthode gains-pertes. Elles sont plus complexes, mais, mises enœuvre adéquatement, elles présentent l’avantage de mieux représenter les relations entreles bassins et d’offrir davantage de détails du point de vue spatial. Davantage d’informationssur ces méthodes se trouvent à l’annexe C, qui établit la distinction entre:

Des modèles représentatifs étalonnés en fonction des circonstances nationales; ilexiste un modèle statistiquement représentatif pour chaque strate ou sous-strate deforêt déterminée;

Les classifications par peuplement, qui constituent un développement de modèlesreprésentatifs dans lesquels des peuplements particuliers sont modélisésexplicitement et les résultats sont additionnés pour toute la zone forestière;

Les classifications par pixel, qui prennent pour référence les divers pixels en tantqu'unités de surface, plutôt que les peuplements, et produisent des totauxnationaux en additionnant les pixels.

Bien que l’intégration complète du processus ne soit pas encore possible dans le cadre desystèmes opérationnels, les classifications par peuplement et les classifications par pixelspeuvent être mises en œuvre en tant que systèmes intégrés, qui assurent la surveillancedes flux de carbone entre les bassins, dans l’atmosphère et latéralement (par ex. lors detransports riverains). Cette approche est dite «de la masse critique» ou «decomptabilisation».


Figure 3: Diagramme décisionnel pour le choix de la méthode d’estimation des sources et des puits de CO2

en fonction de l'existence d'un IFN dans un pays. Il convient de noter que, en règle générale, les IFNcontribuent à l’estimation des changements dans les bassins de carbone issu de la biomasse et nondans les autres bassins de carbone.


48

Légende de la Figure 3 (Diagramme décisionnel pour le choix de la méthoded'estimation des émissions et absorptions de CO2 En fonction de l'existence d'un IFNdans un pays. Il convient de noter que, en règle générale, un IFN ne contribue qu'àl'estimation des changements dans les bassins de carbone issu de la biomasse etnon dans les autres bassins de carbone.)

De gauche à droite et de haut en bas

Début

Prévoyez-vous de suivre ou de cartographier les activités ou facteurs déterminants REDD+ à l'aidede données spatialement explicites ?

Votre pays a-t-il un IFN ?

Prévoyez-vous de suivre ou de cartographier les activités ou facteurs déterminants REDD+ à l'aidede données spatialement explicites

Les données de l'IFN mesurent-elles les activités REDD+ et les bassins de carbone avec la précisionvoulue ?

Voulez-vous établir un IFN en vue d'un autre type d'exploitation des ressources forestières ?

Envisagez l'IFN comme une source de coefficients d'émission ou d'absorption et d'autres paramètres,ou pour évaluer la précision des données sur les écosystèmes forestiers de votre pays

Procurez-vous des données sur les activités

Un échantillonnage commun pour identifier les activités REDD+ et les données sur les bassins decarbone pourrait-il être rentable ?

Un échantillonnage accru pourrait-il être rentable ?

Obtenez des coefficients d'émission et d'autres paramètres correspondant à la strate des donnéessur les activités

Élaborez un IFN sur cette base

Utilisez la méthode de différence des stocks pour quantifier les émissions et absorptions de CO2

Utilisez la méthode gains-pertes pour quantifier les émissions et absorptions de CO2


2.2 Méthodes applicables pour des activités forestièresparticulières

Le GIEC ne se référant pas à chacune des activités REDD+ à titre particulier, les MPRétablissent les liens nécessaires entre les orientations du GIEC et les activités REDD+. LesMPR ne reproduisent pas ces orientations, mais renvoient aux paragraphes pertinentsquand il y a lieu. Le GPG 2003 donne des orientations sur les sources de données qu’ilconvient d’utiliser conjointement avec les données de télédétection ou au sol décrites ici, parexemple les densités de carbone pour l’utilisation des terres non forestières ou lescoefficients d’émission ou d’absorption associés à des gaz à effet de serre autres que leCO2. L’annexe E contient des conseils complémentaires sur les coefficients d’émission etd’absorption associés à chacune des activités REDD+ pour tous les bassins de carbone etpour les émissions de gaz à effet de serre autres que le CO2.

Les MPR partent du principe qu’il devrait y avoir une cohérence méthodologique entre lesestimations et qu’un double comptage des sources et des puits devrait être évité. Lesconseils donnés ci-dessous permettent de garantir une cohérence, car il est préconisé deprocéder à une même stratification des forêts et à une même estimation des densités decarbone dans tout l’éventail des activités REDD+. Afin d’éviter un éventuel doublecomptage, il est indiqué dans quelles circonstances il est conseillé d’estimer conjointementla dégradation des forêts et les autres activités REDD+.

Selon la méthode décrite, la superficie de la parcelle concernée par les activités REDD+ estmultipliée par la variation de la masse de carbone par unité de surface (la densité decarbone) dans les divers bassins afin d’estimer les quantités totales de carbone émises etfixées. La méthode pour combiner les modifications de la zone et de la densité du carbonedépend du mode d'échantillonnage et de modélisation adopté par le SNSF. En casd'utilisation d’un IFN ou d'une autre méthode d'échantillonnage statistique, les densitésmoyennes de carbone peuvent être estimées à partir des moyennes dans les stratespertinentes. Lorsque des méthodes fondées sur des modèles sont utilisées, les inférencespour chacune des placettes considérées comme subissant un changement peuvent êtreadditionnées pour déterminer le total. La variation des stocks de carbone est modélisée pourchaque type de déboisement. La méthode se fonde sur l’hypothèse que les IFN, quand il enexiste, seront utilisés comme source de données sur les placettes et ne seront pas étendusà l'estimation directe des activités REDD+ (voir l’encadré 3 pour plus de détails sur laquestion). Les méthodes décrites au chapitre 2 sont à utiliser compte tenu du chapitre 3, quidécrit l'acquisition de données sur la zone et sur la densité du carbone, ainsi que lesincertitudes associées et qui indique comment corriger les données sur la zone pour éviterles biais.

Actuellement, il est très probable que les pays utiliseront des données optiques de moyennerésolution pour mettre en œuvre les conseils des MPR. D'autres types de données, ycompris des données optiques de haute résolution, et les radars seront probablement de


50

plus en plus utilisés à mesure qu’ils seront davantage disponibles et que les techniques detraitement se perfectionneront41.

2.2.1 Le déboisement

Le déboisement se définit comme la conversion d’une forêt en une zone non forestière, soit,pour reprendre les termes du GIEC, en terres cultivées, pâturages, zones humides,établissements humains ou un autre type de terres. L’incidence du déboisement sur lesémissions dépend de l’affectation ultérieure des terres; par exemple, les terres cultivéesentraînent en général une plus grande libération du carbone des sols que les pâturagespermanents, et les émissions se poursuivent jusqu’à ce que le bassin perturbé soit parvenuà un nouvel équilibre dynamique. Si le déboisement s’accompagne d’un drainage des solsorganiques, les émissions persistent tant que le sol est drainé ou qu’il reste de la matièreorganique42.

Les incidences sur les émissions de gaz à effet de serre peuvent provenir:

De l’absorption du carbone dans le bois récolté ou d’autres composantes de labiomasse43;

Du dégagement de CO2 lors de la décomposition de la biomasse demeurant surplace;

Du dégagement de GES, contenant ou non du CO2, lors de la combustion de labiomasse demeurant sur place ou de feux liés au déboisement;

Du dégagement de GES, contenant ou non du CO2, issus des sols en raison de laperturbation des sols puis de la nouvelle affectation des terres.

Le chapitre 3 du GPG 2003 comprend des orientations relatives à l’estimation des sourceset des puits dans le cadre de la conversion d’une catégorie de terres en une autre. Ledéboisement n’y apparaît pas en tant que catégorie de conversion, car les orientationss’articulent autour de l'estimation des effets de la conversion dans la nouvelle catégorie etnon à partir de la catégorie d’origine. Le chapitre 3 du GPG 2003 ne comporte donc pasd’orientations méthodologiques pour le déboisement en soi. Le déboisement étant uneactivité prise en compte dans le Protocole de Kyoto (PK), le chapitre 4 du GPG 2003, quicomporte des orientations complémentaires pour l’estimation et la notification des activitésmentionnées dans le PK, en traite bien de manière explicite. Selon les MPR, le déboisement

41Il n’existe pas de définition universelle des résolutions grossière, moyenne et haute et il est donc préférablede préciser la qualité de la résolution sous forme numérique. Au sens où ces termes sont employés dans leprésent document, une résolution spatiale grossière est supérieure à 250 mètres, une résolution moyenne sesitue entre 10 et 80 mètres et une haute définition est plus fine que 10 mètres. Ces fourchettes ont étédéterminées par des méthodologies décrites dans les MPR et les données de télédétection communiquéespar les flux de données de base du Groupe de coordination des données spatiales (voir la section 3.4). Lesrésolutions intermédiaires (entre 80 et 250 mètres) devraient être attribuées par défaut à la catégorieinférieure la plus proche, soit «grossière».

42Voir la section 2.2.1, Supplément 2013 aux Lignes directrices 2006 du GIEC pour les inventaires nationauxde gaz à effet de serre: Zones humides.

43Cela inclut le bois de chauffage et le charbon de bois.


devrait être estimé comme la somme des activités de conversion des forêts en zones nonforestières (généralement terres cultivées, pâturages ou établissements humains). Lasection 4.2.6 du chapitre 4 du GPG 2003 comporte des renvois aux sections du chapitre 3du GPG 2003 utiles à ce propos. Les sections pertinentes sont indiquées au tableau 1.

Les méthodes exposées dans les sections des orientations du GIEC, recensées autableau 1, peuvent être utilisées conjointement avec les recommandations ci-dessous pourestimer les émissions liées au déboisement. Les étapes sont les suivantes:

Passer en revue les cinq types de déboisement potentiels, caractérisés par l’indice i(première colonne du Tableau 1);

Si le type de conversion considéré n’intervient pas, la contribution supplémentaireaux émissions liées au déboisement apportée par l'indice correspondant pourl’année en question est nulle;

Si la conversion intervient, les émissions issues de la zone réaffectée doivent êtreestimées selon la méthodologie prévue à la section correspondante du GPG 2003(colonne 3 du Tableau 1) ou, s’il y a lieu, dans le GL 2006 (colonne 4 du Tableau 1).

Tableau 1: Conversions potentielles contribuant au déboisement et sections des orientationsdu GIEC pertinentes pour l’estimation des émissions qui s’y associent

1 2 3 4

Index i Conversion potentielle Section du GPG 2003 oùfigure la méthode

d'estimation

Section correspondantedans le GL 2006

1 Forêt en terre cultivée 3.3.2 Vol. 4, section 5.3

2 Forêt en pâturage 3.4.2 Vol. 4, section 6.3

3 Forêt en terre humide 3.5.2 Vol. 4, chapitre 7

4 Forêt en établissementhumain

3.6.2 Vol. 4, section 8.3

5 Forêt en d’autres terres 3.7.2 Vol. 4, section 9.3


52

Même en l'absence d'une conversion de type i durant l'année en cours, des émissionspeuvent découler des effets retardés, notamment dans le bassin de carbone du sol44 où desconversions de ce type se sont produites les années précédentes. Dans ces cas, il estnécessaire d'utiliser des données d’archives pour estimer les émissions liées audéboisement. Les méthodes de niveau 1 du GIEC se fondent généralement sur le principeque les terres n'appartiennent plus à une catégorie vingt ans après leur conversion. Il seraitdonc raisonnable de calculer les émissions liées au déboisement sur la base des donnéesrelatives aux réaffectations au cours des vingt dernières années.

Si les données font défaut pour cette période, il reste possible d’estimer les émissions liéesau déboisement, mais celles-ci auront un caractère transitoire du fait que les émissionsretardées s'accumulent. Lorsque les forêts sont stratifiées et se répartissent, par exemple,selon les termes du document Évaluation des Ressources forestières mondiales (FAO &JRC, 2012), en forêts primaires45, forêts naturelles modifiées46 et forêts plantées47 (chaquestrate pouvant comporter plusieurs sous-strates), les étapes recommandées précitéesdoivent être répétées pour chacune des strates ou des sous-strates étudiées.

Les émissions liées au déboisement au cours d’une année donnée correspondent donc à lasomme des émissions provenant des divers types de conversions pendant l'année en cours,ainsi que des effets retardés des divers types de conversions qui se sont produites durantles vingt années précédentes ou la période prise en compte.

Les méthodes du GIEC dont les références sont présentées au Tableau 1 s’appliquent àtous les bassins et gaz pour lesquels les méthodologies de niveau 1 sont applicables et quipeuvent être considérés comme une importante source d'émissions liées au déboisement48.La section correspondante des MPR comporte des conseils sur l'estimation des zonesconverties (les données requises sur les activités) et sur l'estimation de la biomasse sur lesterres forestières avant la conversion (exprimée dans les calculs du GIEC pour chaque typede conversion potentielle comme la quantité Cbefore). Pour l'application des méthodes duGIEC dont les références figurent au Tableau 1, le processus des MPR est décrit à laFigure 1 et les conseils sont les suivants:

1) Stratifier les zones forestières nationales. Il est préconisé de procéder à lastratification fondamentale en forêt primaire, forêt naturelle modifiée et forêtplantée. D'autres formes de stratification sont possibles, mais celle-ci estpréconisée par le Programme d'évaluation des ressources forestières mondiales dela FAO. La forêt naturelle modifiée se caractérise par des signes de perturbation de

44Les effets retardés sont pris en compte dans le bassin du carbone du sol au niveau 1. Les méthodes deniveau supérieur peuvent prendre explicitement en compte la dynamique des autres bassins.

45Pour l’essentiel, des forêts naturelles intactes.

46Des forêts dans lesquelles des espèces d’arbres indigènes ont poussé naturellement là où ont lieu desactivités humaines.

47Des forêts composées d’arbres plantés ou ensemencés par intervention humaine. Elles comprennent lesforêts plantées semi naturelles comprenant des espèces indigènes et les forêts plantées comprenant desespèces exotiques.

48Selon l’annexe de la décision 12/CP.17, les réservoirs importants devraient être pris en compte dansl'élaboration des NERF ou des NRF, qui doivent aussi être en cohérence avec l’inventaire national des gaz àeffet de serre. Bien que la COP n’ait pas défini le terme important à cet égard, le GIEC suggère (aux fig .3.1.1et 3.1.2 du GPG 2003) que les bassins importants regroupés en tant que biomasse vivante, matièreorganique morte et sols, représentent entre 25 % et 30 %, voire plus, des sources et des puits dans unecatégorie donnée.


la canopée, que l'on peut déceler en utilisant des données de télédétection révélantun décalage spectral de la réflectance (Margono et al. 2012; Zhuravleva, et.al.2013), des modifications dans la rétrodiffusion radar ou des signes de perturbationtels que des traces de brûlis ou des routes d'exploitation forestière. On peut aussiles déceler grâce à un IFN. Les forêts primaires ne présentent pas ces signes,même si elles peuvent avoir subi des perturbations naturelles telles que desincendies ou des cyclones. Tout signe de perturbation devrait être interprété commeindiquant qu'on est en présence d'une forêt naturelle modifiée, à moins qu'il n’ait étéconstaté que la perturbation était d'origine naturelle. Pour déterminer les forêtsplantées, on se fonde sur des informations relatives aux surfaces ou concessionsplantées, qu’il est possible d’obtenir par l’intermédiaire du SNSF et qui émanent desociétés de plantation ou d’autorités locales ou nationales, ou à l’aide de donnéesde télédétection. Des sous-stratifications sont utiles pour mettre en évidence lesécosystèmes dont la densité de biomasse varie à l'intérieur des trois stratesprincipales, qui peuvent également prendre en compte les différents niveaux deperturbation, y compris l'effet de différents types de gestion. La stratification devraitviser à réduire au minimum la variation de la densité de la biomasse au sein d'unestrate (voir l'encadré 4 sur la stratification).

2) Déterminer les densités moyennes de carbone de la biomasse pour chaquesous-strate définie à l'étape 1:

a. Pour les forêts primaires et les forêts naturelles modifiées, les densités debiomasse sont désignées par les sigles respectifs par les sigles CBPF et CBMNF.Il est possible de les estimer par échantillonnage ou à partir de l’IFN le plusrécent, s'il en existe un dont le taux d'échantillonnage est suffisant, en luiassociant un échantillonnage supplémentaire si nécessaire (annexe D)49. Cesméthodes seront désignées collectivement sous le terme d’échantillonnage.L'échantillonnage devrait prendre en compte l'effet d'activités antérieures, tellesque l'exploitation forestière sélective (dans le cas des forêts naturellesmodifiées), et les perturbations naturelles, qui auront réduit la densité decarbone de la biomasse. Il sera nécessaire d’établir une carte retraçantl'histoire de l'exploitation forestière et des perturbations naturelles antérieures,à l’aide de données de télédétection et d’observations au sol (par ex. archivesspatiales d'exploitations antérieures, zones touchées par un incendie ou uncyclone). Ces éléments devraient être utilisés aux fins de la sous-stratificationpour obtenir une densité de biomasse relativement uniforme. Sil'échantillonnage provient d'un IFN, il devrait pouvoir fournir des données sur levolume marchand; dans ce cas, des coefficients d'expansion (pour convertir lesdonnées de l'inventaire des forêts en biomasse aérienne totale) et des ratiosracine/tige (pour estimer la biomasse racinaire à partir d'estimations de la

49La précision des estimations de l’IFN, comprenant les émissions et les absorptions associées aux classesrares peut être accrue à l’aide de données auxiliaires de télédétection avec des estimateurs stratifiés(McRoberts et al., 2006, 2013) et des estimateurs fondés sur un modèle (McRoberts, 2010; Gregoire et al.,2011; Ene et al., 2012; McRoberts et al., 2013; Næsset et al., 2013).


54

biomasse aérienne) sont nécessaires pour estimer la biomasse50. Les SNSFdevraient être consultés pour s'assurer que les coefficients d'expansion, lesratios racine/tige et les autres données chiffrées sont utilisés de manièrecohérente d'une source de données à l'autre, afin d'obtenir des estimationscohérentes de la biomasse;

b. Pour les forêts plantées définies à l’étape 1, la densité de carbone peut êtredésignée par le sigle CBPlantF et devrait être sous-stratifiée au besoin. LaCBPlantF dépendra de la structure des classes d’âge des forêts plantéesexistantes et du taux de croissance des espèces concernées, ainsi que dumoment de la récolte et de l’intervalle moyen entre récolte et replantation dansles cycles spécifiques de plantation. Ces informations devraient être obtenuesauprès des parties prenantes contribuant au SNSF, et peuvent également êtrecomplétées par d’anciennes séries chronologiques de données detélédétection;

c. Lors de l’application des méthodes du GIEC recensées au tableau 1, utilisersuccessivement pour CBEFORE, selon la terminologie du GIEC, les valeursmoyennes CBPF, CBMNF et CBPlantF pour chaque sous-strate pertinente de forêtprimaire, de forêt naturelle modifiée et de forêt plantée déboisée.

3) Utiliser les données de télédétection, de même que (s’il en existe) les données del'IFN avec un échantillonnage supplémentaire si nécessaire (voir la section 2.1 et lechapitre 0) et les informations disponibles auprès du SNSF, afin d'estimer la zoneconvertie d'un type j de forêt sous-stratifiée au profit d’une autre utilisation desterres i. Si la zone A(j,i) est nulle, il n'y a pas de contribution supplémentaire auxterres déboisées durant l'année en question, mais il peut y avoir des contributionsdes années précédentes pour des valeurs A(j,i) non nulles. Utiliser les valeurs A(j,i)pour l'année en cours et les années précédentes durant la période chronologiqueprise en considération en tant que données sur les activités selon la méthoded'estimation mentionnée au tableau 1. Conformément aux orientations du GIEC, ilest nécessaire de prendre en compte l’évolution de la biomasse abattue (qu'elle soitutilisée pour l'industrie ou comme bois de chauffage, ou qu'elle soit brûlée oulaissée sur place).

4) L'estimation des émissions provenant de chaque strate de réaffectation des terresse calcule en multipliant la surface déboisée par la variation moyenne des stocksde carbone forestiers par unité de surface (ΔCLC), exprimée comme la différenceentre les stocks de carbone forestiers par unité de surface avant et après laconversion. Le GIEC les définit comme CBefore et CAfter. Les valeurs de CAfter pardéfaut sont indiquées dans le GL 200351. Les incertitudes liées aux densités decarbone de la biomasse se répercuteront sur les émissions estimatives.

50Pour le niveau 1, des facteurs sont indiqués aux sections 3A.1.10 et 3A.1.8 du GPG2003 et les tableauxcorrespondants dans le volume 4 du GL 2006 sont les tableaux 4.4 (concernant les ratios racine/tige) et 4.5(concernant le facteur d'expansion de la biomasse). À des niveaux supérieurs, les données propres à chaquepays devraient être utilisées.

51Se référer aux sections respectives du GL 2003 indiquées au tableau 1 sur les stocks de carbone par défautdans la biomasse immédiatement après la conversion (CAfter; tC ha-1) au sujet de l’utilisation des terres aprèsdéboisement.


Figure 4: Diagramme de processus pour l’estimation des émissions issues du déboisementet de la dégradation des forêts


56

Légende de la Figure 4 (Diagramme de processus pour l’estimation des émissionsissues du déboisement et de la dégradation des forêts

Stratifier la zone forestière nationale (parex. en forêt primaire, forêt naturelle

modifiée et forêt plantée + éventuellessous-strates)

Voir sections 3.5 / 3.6

Obtenir les densités moyennes debiomasse pour la strate concernée

Voir section 3.9

Estimer la zone convertie d'une strate/ utilisation des terres en une autre

Voir sections 3.5 /3.6 /3.7

Déboisement

Oui

Élaborer l'estimation desemissions issues du

déboisement

Se référer aux sections duGL 2003 énumérées au

tableau 1

Y a-t-il eu un changementdans l'utilisation des terres ?

Non

Dégradation

Estimer la variation annuelle de CBMNF

Section 3.7

Estimer la variation annuelle sur le longterme (LR) de la densité moyenne de

carbone dans les forêts plantéesEncadré 5

Estimer le transfert annuel de zones dela forêt primaire à la forêt naturelle

modifiée ΔAPF>MNF

Section 3.5

Estimer le transfert annuel de zones dela forêt primaire à la forêt plantée

ΔAPF>PlantF Section 3.5

Estimer le transfert annuel de zones dela forêt naturelle modifiée à la forêt

plantée ΔAMNF>PlantF

Section 3.5

Estimer les émissions annuelles de CO2

issues de la dégradation (CO2degrad)Équation 1


Encadré 4: La stratification

La stratification est le processus consistant à répartir une population en sous-populations, ou strates. Elle vise leplus souvent à améliorer l’efficacité de l’échantillonnage et peut être nécessaire pour élaborer des rapports surdes sous-populations distinctes (comme les forêts primaires et les forêts naturelles modifiées). La stratificationpermet de répartir les individus dans des groupes relativement homogènes, de manière qu'ils aient une plus forteprobabilité d’être similaires aux individus de leur strate qu’à des individus d’autres strates. Cette répartition réduitles variations dans chacune des strates et, ainsi, diminue le nombre d’échantillons nécessaires pour atteindrel’objectif général de précision dans le cadre de l’échantillonnage. L’échantillonnage stratifié, qui est l'une desméthodes d’échantillonnage statistiques les plus utilisées, permet d’inférer sans biais les moyennes, les totaux etles variances pour chacune des strates.

Il est impératif de rattacher chacun des individus d’une population d’origine à l’une des strates sanschevauchement ni omission. Plusieurs types de stratification sont possibles pour une forêt, certaines étant plusefficaces que d’autres. Le but est de tirer parti des informations disponibles sur la population afin d’améliorer laprécision des estimations et l’utilité des inférences. Une base utile pour la stratification peut être le typed’écosystème. Par exemple, des données du GIEC permettent de répartir la forêt tropicale en diversescatégories: pluvieuse, humide, sèche et montagnarde

a. Des données de télédétection combinées à des données

au sol complémentaires, qui permettent de cartographier les divers écosystèmes d’une forêt sur toute sasuperficie en fonction du relief, du climat et d’autres facteurs géographiques pertinents, sont souvent utiliséespour définir les strates de la forêt.

La probabilité de perturbations d’origine humaine peut aussi être un facteur de stratification. Le repérage dezones à haut risque de déboisement peut contribuer à l’élaboration de systèmes d’alerte précoce et desurveillance ciblée utilisant des images haute résolution. À cette fin, il est possible d’utiliser un modèle statistiquequi définit le risque de perturbation en fonction de la distance des zones déjà déboisées, des facteursdéterminants géographiques et de la proximité d’autres facteurs tels que les infrastructures de transport oudiverses activités, notamment agricoles ou minières. Les pays peuvent choisir de créer leur propre modèlestatistique, en commander un, ou mettre à profit des logiciels existants.

Plusieurs programmes de modélisation spatiale sont adaptés à la stratification des forêts, notamment:

Geomod/IDRISI (http://www.clarklabs.org/applications/Forest)

Land Change Modeler (http://www.clarklabs.org/products/Land-Change-Modeler-Overview.cfm)

Dinamica (http://www.csr.ufmg.br/dinamica/)

Des logiciels utilisant un système d’information géographique combinés à des données relatives à la stratificationpeuvent être efficaces pour étudier les archives de déboisement et déterminer les facteurs corrélés aux lieux oùs’est opéré le déboisement. Ces facteurs sont:

La distance des zones déboisées La distance des routes, chemins de fer ou rivièresnavigables

La distance des établissements La distance des moulins / usines de traitement

La distance des marchés La catégorie de forêt

L'altitude L'aspect

Le type de sol Le climat

Afin d’estimer le déboisement et la dégradation des forêts, toutes les données pertinentes doivent êtredisponibles en format spatial, pour que chaque cas de déboisement puisse être associé à la valeur du facteurconcerné à l’emplacement donné. Modéliser la position potentielle d’un déboisement ou d’une dégradation peutêtre un moyen rentable de cibler la surveillance en vue des alertes précoces et d’utiliser de manière stratégiqueles images à haute résolution.

Selon les méthodes d’échantillonnage aléatoire stratifié, une fois que les strates sont établies, chacune d’ellesest échantillonnée de manière aléatoire et les totaux, les moyennes et les variances sont inférés. Les valeursestimatives de toutes les strates sont combinées pour fournir une estimation relativement précise de lapopulation. La densité des échantillons doit être suffisante dans chacune des strates pour permettre desestimations, mais cette densité ne doit pas nécessairement être identique dans toutes les strates: elle peut varier


58

en fonction de la variance, du coût des mesures, de la taille du bassin de carbone ou de l'importance deschangements escomptés (annexe D).

Certaines données en format spatial sont continues et non discrètes. Elles peuvent toutefois être répartiesarbitrairement en classes discrètes pour définir des strates, à condition que celles-ci soient bien délimitées. Uneautre possibilité est d’appliquer une méthode d’échantillonnage statistique ou fondée sur un modèle, car desdonnées continues peuvent alors être utilisées sans qu’il soit nécessaire de les regrouper par catégories. Parexemple, les données continues peuvent être utilisées comme variables auxiliaires dans des méthodesd’échantillonnage par régression ou d’évaluation par le ratio.

Notes: a La liste complète du GIEC est: pluvieuse, humide à saison sèche courte, humide à saison sèche longue, sèche,montagnarde humide, montagnarde sèche (voir GPG 2003, tableau 3 A.1.2: Stocks de biomasse aérienne des forêtsrégénérées naturellement, par grandes catégories)

2.2.2 La dégradation des forêts

De l’avis général, la dégradation des forêts entraîne la disparition à long terme des valeursforestières, alors que les pertes provisoires dues aux récoltes ou aux perturbationsnaturelles dans les forêts gérées de manière durable ne constituent pas une dégradation.

Dans le cadre de la notification des activités REDD+, la valeur prise en considération est lestock de carbone. Ici, la dégradation est donc interprétée comme le processus menant à uneperte de carbone à long terme sans changement dans l’affectation des terres, faute de quoiil y aurait déboisement. Étant donné que la gestion durable peut prendre en compte d’autresvaleurs forestières52 , une dégradation causée par une perte de carbone à long termen’implique pas une gestion non durable de la forêt, celle-ci ayant une définition plus large.Dans le cadre d’une gestion durable des forêts, l’estimation d’une baisse du stock decarbone se ferait par application de la méthode décrite à la section 2.2.4. Une dégradationpeut intervenir dans n’importe lequel des types de forêts envisagés. Dans la perspective duProgramme d’évaluation des ressources forestières mondiales, la dégradation peuts’amorcer dans les forêts primaires, mais pas nécessairement. Les forêts naturellesmodifiées, et les forêts plantées ne subissent pas de dégradation si le stock moyen decarbone se maintient au même niveau ou s’il augmente à long terme. La dégradation, telleque définie ici, se produit dans des zones où le stock moyen de carbone décroît à longterme53, même en présence d’accroissements temporaires. Des estimations régionales duphénomène ont été effectuées dans la gamme allant de 5 % à 132 % des émissions liées audéboisement (Houghton, et al., 2009) et d’autres estimations à 25 % et 47 % des émissionsliées au déboisement (Asner et al. 2005, Asner et al 2010). Bien que la repousse ait un effetcompensatoire notable, la dégradation de la forêt est probablement une source importanted’émission de GES à l’échelle mondiale. La dégradation se manifeste par un changementdans la structure de la forêt ainsi que dans la composition des espèces et peut avoir pourrésultat:

Une perte soutenue du carbone provenant des bassins de biomasse et de matièreorganique morte;

52Par exemple, la biodiversité, la lutte contre les incendies, la gestion de l’eau et les capacités de production..

53Voir l’encadré 6.


Une perte soutenue du carbone présent dans le sol, et plus particulièrement dansles forêts tourbeuses à la suite d'un drainage, d'un feu ou d'une exposition aprèsréduction de la densité de la canopée;

Un accroissement durable des émissions de GES autres que le CO2, provenantessentiellement de feux.

Ni le GPG 2003 ni le GL 2006 n'utilise le terme dégradation de la forêt, mais, étant donnéque le phénomène se produit sur les terres forestières et n’implique pas de déboisement, lesémissions de GES qui s’y associent devraient être estimées par application des méthodesdécrites pour les terres forestières demeurant des terres forestières, exposées à lasection 3.2.1 du GPG 200354. La détection d'une dégradation de la forêt, puis l’estimationdes émissions de GES qui en résultent, exigent d'user de techniques, de données et deressources d’observation de la forêt fiables. Les pays devraient mettre à profit les systèmeset les capacités disponibles, et intégrer des méthodes de mesure de la dégradation au seinde leur SNSF, de façon à ce que toute dégradation de la forêt soit détectée et mesuréed’une manière cohérente avec la détection et la mesure des autres activités REDD+.

De nombreux processus, naturels ou d’origine anthropique, peuvent causer la dégradationde la forêt ou y contribuer, notamment une diminution non durable de la biomasse(provenant de l’exploitation forestière sélective ou de la récolte de bois de chauffage), l'abusde brûlage dirigé ou le drainage des sols tourbeux. Des facteurs tels que les contraintesclimatiques, les feux incontrôlés, les infestations parasitaires et les maladies, même s’ilssont aussi à l'œuvre sur les terres forestières qui ne se dégradent pas, peuvent aussiy contribuer. La dégradation a un effet plus durable lorsque la capacité de repousse estentravée (par exemple suite à une érosion des sols, à une perte des banques de semences,ou une fragmentation causée par le déboisement dans des zones adjacentes).

La dégradation peut être circonscrite (notamment lorsqu'elle implique la disparition d’arbresindividuels ou de groupes d’arbres) ou étendue (par exemple si des feux incontrôlésravagent plusieurs milliers d’hectares). La configuration peut varier entre une coupesélective d’arbres individuels et la coupe d'un groupe d’arbres, celle-ci pouvant souventmener à la création de fragments de forêt résiduelle susceptibles de subir une nouvelledégradation. La dégradation peut avoir lieu après un épisode de perturbation isolé ou aucours d’un processus graduel. Les techniques de télédétection peuvent entraîner uneimportante sous-estimation de l’étendue de la dégradation (manifestée par une réductionpartielle de la couverture de la canopée) pour plusieurs raisons, en fonction de la taille despixels des images utilisées, et de l'intervalle entre deux images de la zone observée. Parexemple, lorsque la canopée se referme après une perturbation, la dégradation ne peut êtredécelée par télédétection que durant un court laps de temps. Dans d’autres cas, la réductionpartielle de la canopée peut se situer en dessous du seuil détectable par satellite. Pourréduire la sous-estimation, on peut utiliser des données de haute résolution spatiale ettemporelle (qui sont plus à même de détecter les perturbations) et restreindre l’analyse desdonnées afin d'exclure la conversion de la forêt naturelle modifiée en forêt primaire – ce quisignifie que, lorsque la forêt a été perturbée, elle reste considérée comme telle.

54Voir la section 4.2 du volume 4 du GL 2006.


60

Lors de l’application des méthodes du GIEC, il est conseillé aux pays de suivre les étapesdécrites ci-dessous. Si la dégradation des forêts et le déboisement sont tous deux pris enconsidération, les estimations doivent être cohérentes. En particulier, la stratificationnécessaire est la même pour le déboisement et pour la dégradation, et les étapes 1) et 2)ci-dessous sont les mêmes que les étapes 1) et 2) décrites ci-dessus pour l’estimation desémissions liées au déboisement. L’étape 4) ci-dessous n’est pas exactement la même quel’étape 3) prévue pour le déboisement, car la première fait référence à une densité moyennede carbone à long terme alors que la deuxième porte sur la valeur de l'année en cours, maisles méthodes de calcul sont similaires et devraient être cohérentes. La dégradation estiméeselon les étapes ci-dessous prend en compte la diminution à long terme des densités decarbone dues aux transitions entre les strates et les sous-strates de forêt, et au sein desstrates et des sous-strates touchées par les activités humaines (c’est-à-dire les forêtsnaturelles modifiées et les forêts plantées). Les étapes pour estimer la dégradation sont lessuivantes:

1) Voir l’étape 1 de la section «Déboisement» (section 2.2.1);

2) Voir l’étape 2 de la section «Déboisement» (section 2.2.1);

3) Estimer le changement annuel de CBMNF. Appeler cette grandeur ΔCBMNF. Elle peutêtre estimée à partir d’une série d’IFN s’il en existe, par un échantillonnage tel quedécrit ci-dessous, ou en appliquant la méthode gains-pertes décrite à lasection 3.2.1.1 du document GPG 2003. Il convient de prendre en compte lessous-strates et les facteurs tels que la croissance de la forêt, les abattages, larécolte de bois de chauffage et les feux. La valeur de ΔCBMNF sera positive si CBMNF

est en augmentation. Autrement, elle sera nulle ou négative. Poser fMNF = 0 siΔCBMNF est positif ou nul et fMNF = +1 si ΔCBMNF est négatif;

4) Estimer le changement annuel de la densité moyenne de carbone à long terme(LR) dans les forêts plantées. La densité moyenne de carbone à long terme est lamoyenne de la densité de carbone tout au long de la rotation forestière, comptetenu de la croissance comme des épisodes de récolte, et au cours de rotationsforestières successives. Cela implique de prévoir la croissance de la forêt et desabsorptions dues aux récoltes, en particulier lorsqu’une grande proportion de forêt aété nouvellement établie dans le domaine forestier planté. Appeler cette grandeurLRCBPlantF et le changement annuel ΔLRCBPlantF. Estimer tout d’abord LRCBPlantF

pour l’année en cours, qui dépendra du taux de croissance des espècesconcernées, de la fréquence des récoltes et de l’intervalle moyen entre la récolte etla replantation, le tout selon la planification de l’année en cours. Le SNSF devraitdisposer de ces informations, communiquées par les autorités forestièresnationales ou par des exploitants commerciaux. L’encadré 5 donne un exemple dutype de calculs nécessaires. Soustraire de la valeur actuelle la valeur de LRCBPlantF

de l’année précédente pour obtenir ΔLRCBPlantF. Le résultat sera positif si LRCBPlantF

augmente, et nul ou négatif dans le cas contraire. Poser fPlantF = 0 si ΔLRCBPlantF estpositif ou nul et fPlantF= +1 si ΔLRCBPlantF est négatif;


Encadré 5: Estimation de la densité moyenne de la biomasse à long terme dans les forêts plantées

La densité de la biomasse dans une forêt plantée faisant l'objet de récoltes multiples suivies de croissance suitune courbe en dents de scie, comme le montre l’illustration ci-dessous. La densité moyenne de carbone à longterme correspond à la moyenne de la densité de carbone au cours des premières rotations ultérieures. Si lareplantation est immédiate, le résultat prendra la forme d’une fraction, soit f1 de la densité de la biomasseaérienne au moment de chaque récolte. La fraction f1 se situe communément autour de 0,5. S’il y a un intervalleimportant (soit δt) entre la récolte et la replantation et que le temps écoulé entre la replantation et la récolte est t1,alors la densité moyenne de la biomasse à long terme est P (f1.(t1/(t1+δt))+r), où P est la densité de biomasse aérienne au moment de la récolte et r est le ratio racine/tige. P et r dépendront des espèces, des conditions dusite et des intrants de gestion. S’il y a 0,5 tonne de carbone par tonne de biomasse,LRCBPlantF = (0,5) P.(f1.(t1/(t1+δt))+r). Les informations fondamentales à obtenir des parties prenantes sont les taux de croissance, les dates et la nature des récoltes (biomasse supprimée), et l'intervalle de temps jusqu'à lareplantation. La valeur 0,5 peut être utilisée comme une valeur par défaut pour f1. De meilleures valeurs peuventêtre obtenues par application de modèles de croissance qui peuvent prendre en compte l’effet de la perturbationsur r. D’autres bassins de carbone sont pris en compte à des niveaux supérieurs.

5) Estimer, en utilisant les méthodes décrites au chapitre 3, la superficie annuelleconvertie de forêt primaire en forêt naturelle modifiée. Appeler cette grandeurΔAPF>MNF ;

6) Estimer, en utilisant les méthodes décrites au chapitre 3, la superficie annuelleconvertie de forêt primaire en forêt plantée. Appeler cette grandeur ΔAPF>PlantF ;

7) Estimer, en utilisant les méthodes décrites au chapitre 3, la superficie annuelleconvertie de forêt naturelle modifiée en forêt plantée. Appeler cette grandeurΔAMNF>PlantF.;

Stocks de carbone (tCha-1

)

Temps (années)

Stocks de carbone de la biomasseaérienne

Moyenne des stocks de carbone

Stocks de carbone totaux


62

8) Estimer les émissions annuelles de CO2 liées à la dégradation (CO2degrad) à l'aide del’équation ci-dessous. Les divers termes sont définis dans les étapes ci-dessus etrécapitulés au tableau 2:

CO2degrad = ΔAPF>MNF [CBPF − CBMNF] + ΔAMNF>PlantF [CBMNF − LRCBPlantF] +

ΔAPF>PlantF [CBPF − LRCBPlantF]

+ (fMNF)(AMNF)|ΔCBMNF|+ (fPlantF )(APlantF)|ΔLRCBPlantF| …… (1).

Le solde des facteurs placés entre crochets s'il est négatif, devrait être considéré commeégal à zéro, afin que le terme correspondant ne modifie pas le total des émissions liées à ladégradation. Les multiplicateurs fPlantF et fMNF ont une fonction similaire, de telle façon queseules les diminutions de stocks de carbone à long terme contribuent à la dégradation. Leslignes verticales indiquent que la valeur absolue du nombre encadré devrait être utilisée. Letableau ci-dessous présente les processus de dégradation auxquels les cinq termes de lapartie droite de l’équation correspondent respectivement. Étant donné que les termes sontétablis séparément, la dégradation peut être ventilée par processus ou traitée comme unesomme de processus. Par exemple, si les pays souhaitent distinguer la dégradation àl'œuvre dans la forêt primaire ou dans la forêt naturelle modifiée, d’une part, et celle quiintervient dans la forêt plantée, d’autre part, le 5ème terme de l’équation 1 devrait être retiré ettraité séparément. Les termes de l’équation doivent être subdivisés pour prendre en comptela sous-stratification.

Tableau 2: Termes utilisés dans l’Équation 1

N° du termesur la partie

droite del’équation 1

Processus de dégradationTerme sur la partie droite

de l’équation 1

1 Conversion de la forêt primaire en forêtnaturelle modifiée

ΔAPF>MNF [CBPF – CBMNF]

2 Conversion de la forêt naturelle modifiée enforêt plantée

ΔAMNF>PlantF [CBMNF − LRCBPlantF]

3 Conversion de la forêt primaire en forêtplantée

ΔAPF>PlantF [CBPF − LRCBPlantF]

4 Diminution à long terme de la densité decarbone de la forêt naturelle modifiée

(fMNF)(AMNF)|ΔCBMNF|

5 Diminution à long terme de la densité decarbone de la forêt plantée

(fPlantF)(APlantF)|ΔLRCBPlantF|

Au niveau 1, selon le GPG 2003, pour les terres forestières demeurant des terresforestières, les bassins de sols minéraux, de bois mort et de litière sont en équilibre. Si des


méthodes de niveau plus élevé sont utilisées, les données nationales devraient permettreque l’équation 1 soit développée afin de les inclure. Si des sols organiques sont drainés afind'établir une forêt plantée, les émissions devraient être estimées pour les zones de forêtplantée concernées selon les indications de la section 3.2.1.3 du GPG 2003. Le tableau 3récapitule les coefficients d’émissions de CO2 de niveau 1 indiqués dans les orientations etlignes directrices du GIEC en matière de sols organiques dans différentes circonstances.

Tableau 3: Sources des facteurs d’émission ou d’absorption des sols organiques

Document Chapitre et numéro dela section

Numéro dutableau

Description des facteursd’émission

GPG 2003 Chapitre 3, Section 3.2 –Terres forestières

Tableau 3.2.3 Valeurs par défaut pour lesfacteurs d’émission de CO2-C pourles sols organiques drainés dansles forêts exploitées

GPG 2003 Chapitre 3, Section 3.3 –Terres cultivées

Tableau 3.3.5 Facteurs d’émission annuels pourles sols organiques cultivés

GPG 2003 Chapitre 3, Section 3.4 –Prairies

Tableau 3.4.6 Facteurs d’émission annuels pourles sols organiques de prairiesexploitées

GL 2006 Chapitre 4 – Terresforestières

Tableau 4.6 Facteurs d’émission pour les solsorganiques drainés dans les forêtsexploitées

GL 2006 Chapitre 5 – Terrescultivées

Tableau 5.6 Facteurs d’émission annuels pourles sols organiques cultivés

GL 2006 Chapitre 6 - Prairies Tableau 6.3 Facteurs d’émission annuels pourles sols organiques de prairiesdrainées

Orientationssupplémentairesdu GIEC sur les

zoneshumides

55.

Chapitre 2, Section Tableau 2.1 Émissions/absorption de CO2 deniveau 1 pour les sols organiquesdrainés dans les diversescatégories d’affectation des terres

55L’Équipe spéciale du GIEC sur les inventaires nationaux de gaz à effet de serre a élaboré des lignesdirectrices méthodologiques supplémentaires pour l’inventaire à l’échelle nationale pour les zones humides,comprenant des valeurs par défaut pour les facteurs d’émission, et ayant pour but de combler les lacunesdans la couverture des zones humides et des sols organiques dans les lignes directrices 2006 du GIEC. Ils’agit du document intitulé Supplément 2013 aux Lignes directrices 2006 du GIEC pour les inventairesnationaux de gaz à effet de serre: terres humides (le Supplément 2013 du GIEC sur les terres humides).


64

2.2.3 Gestion durable des forêts, renforcement des stocks de carboneforestiers (au sein d’une forêt existante) et conservation desstocks de carbone forestiers

Ces activités sont susceptibles d’être liées à des politiques nationales ou régionalesspécifiques, qui peuvent concerner des zones géographiques particulières, en cohérenceavec les stratégies nationales pour la gestion durable, ce qui exige une sous-stratificationadaptée.

Même si chaque pays peut avoir sa propre définition de la forêt, tous semblent admettre quela gestion durable des forêts a pour but de maintenir et de renforcer les valeurs de la forêt56.Cela n’implique pas nécessairement le maintien des stocks de carbone présents à l'originedans les forêts primaires ou dans les forêts naturelles modifiées. Par exemple, les stocksmoyens de carbone de la biomasse sont toujours moins importants dans les forêtsexploitées que dans des forêts équivalentes non exploitèes; mais, dans une productiongérée de manière durable, les stocks de carbone forestiers ne diminuent pas (ce qui révèleune capacité durable de production) au cours du temps, lorsque la moyenne est calculée surplusieurs cycles de récolte. La conservation des stocks de carbone de la forêt a pour but demaintenir les stocks de carbone. Le renforcement des stocks de carbone forestiers vise àaccroître les stocks de carbone, soit au sein d’une forêt existante, soit en convertissantd'autres terres en forêt. Cette seconde possibilité, différente du point de vueméthodologique, car elle implique un changement dans l’utilisation des terres, est traitéeséparément ci-dessous. Le renforcement des stocks de carbone forestiers (au sein d’uneforêt existante), la conservation des stocks de carbone forestiers et la gestion durable desforêts s'observent en tout cas toujours dans des zones forestières demeurant des zonesforestières. En conséquence, de même que pour la dégradation, les sources et les puits deGES devraient être estimés par application des méthodologies décrites pour les terresforestières demeurant des terres forestières exposées à la section 3.2.1 du GPG 200357.Ces méthodes traitent de la biomasse (aérienne comme souterraine), de la litière, du boismort et de la matière organique du sol, ainsi que des émissions de GES sans CO2 qui s'yassocient.

2.2.4 Estimation des émissions et des absorptions dans le cadre de lagestion durable des forêts, du renforcement des stocks decarbone forestiers (au sein d’une forêt existante), et de laconservation des stocks de carbone forestiers

Dans la mesure où ces activités sont généralement destinées à maintenir ou à accroître lesstocks de carbone forestiers, elles exercent un effet contraire à celui de la dégradation.Il arrive que la même activité mène à une dégradation ou à l’inverse, en fonction de sonintensité, un exemple étant les activités de récolte. L’estimation des variations en carbonepour les activités précitées devrait donc être cohérente avec l’estimation de la dégradation.

56Bien qu'on parle de la gestion de la forêt durable plutôt que de la gestion durable des forêts, lesNations Unies ont reconnu que la gestion durable des forêts, en tant que concept dynamique et évolutif, viseà maintenir et à améliorer la valeur économique, sociale et environnementale de tous les types de forêts, auprofit des générations actuelle et future (Instrument juridiquement non contraignant pour tous les types deforêts, adopté par l’Assemblée générale des Nations Unies le 22 octobre 2007).

57Voir la section 4.2 du volume 4 du GL 2006


Par conséquent, afin d’estimer les émissions et les absorptions dues à la gestion durabledes forêts, au renforcement des stocks de carbone forestiers (au sein d’une forêt existante)et à la conservation des stocks de carbone forestiers, il est conseillé aux pays de suivre lesétapes 1 à 9 exposées ci-dessus, pour la dégradation, de la manière suivante:

À l'intérieur d'une zone stratifiée, par exemple d'une forêt primaire, d'une forêtnaturelle modifiée ou d'une forêt plantée, s’il existe des zones particulièresbénéficiant d' activités de gestion durable, combiner les données de télédétectionavec des informations provenant des autorités forestières nationales pourconsidérer ces zones comme des sous-strates. Cette étape n'est pas nécessaire sitoutes les strates font l'objet d'activités de gestion durable;

L’équation permettant d’estimer les émissions et les absorptions dues à cesactivités devient la suivante:

CO2sust = ΔAPF>MNF(CBPF − CBMNF)+ΔAMNF>PlantF(CBMNF− LRCBPlantF)+

ΔAPF>PlantF(CBPF − LRCBPlantF) − AMNF(ΔCBMNF) − APlantF (ΔLRCBPlantF ) ……(2)

Cette version de l’équation présuppose que toute forêt demeurant forêt bénéficie desactivités de gestion durable des forêts, de renforcement des stocks de carbone forestiers (ausein d’une forêt existante) et de conservation des stocks de carbone forestiers; de plus, tousles termes contribuent au total, indépendamment du signe. Selon l'équation, unrenforcement des stocks de carbone fait apparaître une valeur de CO2sust négative(correspondant ainsi à une absorption). L’équation présuppose que la forêt primaire peutdevenir une forêt naturelle modifiée ou une forêt plantée, et que la forêt naturelle modifiéepeut devenir une forêt plantée, mais exclut toute conversion inverse. Le tableau ci-dessousmontre les processus auxquels les cinq termes de la partie droite de l’équationcorrespondent respectivement. Étant donné que les termes sont déterminés séparément, lesémissions et les absorptions dues à ces activités peuvent être ventilées par processus outraitées comme un ensemble au cours des processus concernés.

Tableau 4: Termes utilisés dans l’Equation 2

N° du termesur la droite

de l’équation 2Processus

Terme situé sur la droite del’équation 2

1 Conversion de forêt primaire en forêt naturellemodifiée

ΔAPF>MNF(CBPF − CBMNF)

2 Conversion de forêt naturelle modifiée en forêtplantée

ΔAMNF>PlantF(CBMNF − LRCBPlantF)

3 Conversion de forêt primaire en forêt plantée ΔAPF>PlantF(CBPF − LRCBPlantF)

4 Diminution à long terme de la densité de carbone dela forêt naturelle modifiée

AMNF(ΔCBMNF)

5 Diminution à long terme de la densité de carbone dela forêt plantée

APlantF (ΔLRCBPlantF )


66

Si une transition se produit dans un type de forêt subdivisé, les densités de carbone àutiliser sont celles qui correspondent à la conversion en cours. Si la forêt primaire estconservée avec succès, les valeurs de ΔAPF>MNF et de ΔAPF>PlantF sont toutes les deux nulles.

Si la dégradation de la forêt et les activités durables sont concomitantes, un doublecomptage est évité si l'on procède comme suit:

Si les émissions liées à la dégradation et aux activités durables doivent être prisesen compte séparément, la dégradation devrait être estimée à l'aide de l’équation 1et les activités durables devraient être estimées comme la différence entre leséquations 1 et 2. Si l’équation 1 a été décomposée d’une façon ou d’une autre, parexemple en traitant les forêts plantées séparément, l’équation 2 devrait êtredécomposée de la même manière;

Si la dégradation et les activités durables doivent être estimées ensemble, seulel’équation 2 devrait être appliquée. Étant donné qu’il n’existe pas de restriction designe dans l’équation 2, toute dégradation découlant d'activités relevant de lagestion durable des forêts, du renforcement des stocks de carbone forestiers (ausein d’une forêt existante) ou de la conservation des stocks de carbone forestiers,est comprise dans l’estimation des émissions.

2.2.5 Renforcement des stocks de carbone forestiers (boisement deterres qui n’étaient pas précédemment des forêts, reboisementd'anciennes forêts qui avaient été converties aux fins d'une autreaffectation)

Abstraction faite du renforcement des stocks dans les forêts existantes, les stocks decarbone forestiers peuvent être renforcés par le boisement de terres qui n’étaient pasprécédemment forestières, ou le reboisement d'anciennes forêts qui avaient été convertiesen terres non forestières. L’établissement de forêts sur ce type de terres entraîne uneaccumulation de carbone dans la biomasse, même si, dans un premier temps, la perte decarbone du sol due à la perturbation des stocks de carbone dans les sols minéraux peutl'emporter sur l’accumulation de biomasse; de plus, si des sols organiques sont drainés,cette perte se poursuivra aussi longtemps que le drainage continuera. L’accumulation debiomasse suit une courbe sigmoïdale, dont la pente varie en fonction des espèces, desconditions de croissance sur le site et de l'âge des arbres. La récolte interromptl’accumulation sigmoïdale de biomasse (entraînant des émissions dues aux perturbations),et la croissance reprend après la replantation. Cela explique la courbe en dents de sciecaractéristique illustrée dans l’encadré 5. La récolte suivie de replantation fait partie du cyclede gestion de la forêt et n'est pas assimilable à un déboisement ou à une dégradation, pourautant que le stock de carbone moyen soit maintenu à long terme. Les forêts plantées à desfins environnementales ne sont pas nécessairement récoltées. Si elles ne le sont pas, lacourbe sigmoïdale initiale montera jusqu'à la saturation de la capacité de charge en carboneforestier sur les terres concernées. Dans ce cas, elle ne présente pas un profil en dents descie. Conformément au GL 2003, les sources et les puits sur les terres non exploitées58 nesont pas prises en compte dans les inventaires de gaz à effet de serre. L’expansion de laforêt sur des terres non exploitées est donc considérée comme ne concourant pas à cette

58Voir le chapitre 1 pour un examen des définitions de la forêt, y compris de la forêt exploitée et non exploitée.


activité. Conformément aux garanties convenues59, les activités REDD+ ne devraient pasêtre utilisées dans le cadre de la conversion des forêts naturelles.

2.2.6. Estimation des émissions à partir du renforcement des stocksde carbone forestiers (boisement de terres qui n’étaient pasprécédemment des forêts, reboisement d'ancienne forêts quiavaient été converties aux fins d'une autre affectation)

Dans la mesure où ces activités entraînent la conversion en forêt de terres ayant une autreaffectation, eles relèvent de la section 23.2.2 du GPG 2003, Terres converties en terresforestières, qui correspond à la section 4.3 du volume 4 du GL 2006. En appliquant laméthodologie du GIEC, les pays devraient procéder comme suit:

1) Collecter des informations, auprès du SNSF, concernant l’établissement de forêtssur des terres qui n’étaient précédemment pas forestières, ou sur des terres quiétaient autrefois forestières, mais qui avaient été converties à d'autres fins. Il sepeut que les parties prenantes, des offices gouvernementaux ou des autoritésforestières (qui devraient tous être représentés au sein du SNSF) disposentd'informations sur le suivi des concessions et des permis de plantation. Latélédétection n'est pas toujours une source de données utile à cette étape, car ellene permet pas de distinguer aisément les forêts aux premiers stades de leurcroissance. Des signes de travaux préparatoires ou d'aménagements en vue deplantation peuvent toutefois être détectés, qui peuvent se combiner avec d'autresdonnées. Il convient de trouver des informations sur le type de forêt établie, la datede plantation et, si possible, un plan de gestion;

2) À mesure que la forêt plantée grandit, utiliser des données de télédétection pourconfirmer les zones forestières et le calendrier des activités de récolte. Clarifiertoute divergence avec les informations obtenues à l’étape 1 afin d'améliorerl’exactitude des résultats;

3) Lors de l’établissement des estimations nationales, les émissions et les absorptionsdues à cette activité devraient être intégrées avec celles qui proviennent de lagestion durable des forêts, du renforcement des stocks de carbone forestiers (ausein d’une forêt existante) et de la conservation des stocks de carbone forestiers.

59Voir le paragraphe 2(e) de l’appendice 1 aux Accords de Cancún figurant dans la décision 1/CP.16.


68

2.2.7. Conversion de forêts naturelles

Les Accords de Cancún recensent la préservation des forêts naturelles parmi les principes àpromouvoir, érigés en garanties, sans les rattacher explicitement aux activités REDD+. Ledocument prévoit 60 la promotion et le respect de diverses garanties, notamment de[M]esures qui soient compatibles avec la préservation des forêts naturelles et de la diversitébiologique, en veillant à ce que les [activités REDD+] ne se prêtent pas à une conversiondes forêts naturelles, mais incitent plutôt à protéger et à conserver ces forêts et les servicesrendus par leurs écosystèmes, ainsi qu'à renforcer d’autres avantages sociaux etenvironnementaux. La zone convertie dans l'année peut être calculée en établissant lasomme Ʃi=1,5 A(1,i), où j=1 est considéré comme l’indice pour la forêt primaire à l’étape 5ci-dessus, dans le cadre de l’estimation des émissions liées au déboisement, plus les tauxde conversion de la forêt naturelle modifiée à la forêt plantée; et de la forêt primaire à la forêtplantée, ΔAMNF>PlantF et ΔAPF>PlantF établis respectivement aux étapes 5 et 6 de l’estimationdes émissions liées à la dégradation. Le résultat prend en compte la conversion de la forêtnaturelle en terres non forestières et en d’autres types de forêts. Les émissions liées à cesconversions peuvent être estimées par l’application des méthodes du GIEC décritesci-dessus aux zones converties.

60Voir paragraphe 2(e) de l’appendice 1 aux Accords de Cancún contenu dans la décision 1/CP.16.


3. Données permettant d’évaluer les émissions et lesabsorptions

L’un des principaux thèmes de ce chapitre est l’évaluation des divers secteurs d’activité dumécanisme REDD+ et la quantification de l’incertitude de cette évaluation. La section 3.1résume les types de données requises pour les activités en question. Dans de nombreuxcas, cette évaluation exige la production de cartes par télédétection. La section 3.2 résumeles types de données de télédétection qui peuvent être utiles pour cartographier les activitésau titre du mécanisme. La section 3.3 donne un aperçu des types de prétraitementgénéralement nécessaires pour les données de télédétection. La section 3.4 présente defaçon détaillée les types de données cartographiques pouvant être déduites des données detélédétection à l’appui de l’évaluation du mécanisme. La section 3.5 est consacrée auxméthodes de cartographie associées aux divers types d’activités relevant du mécanisme. Lasection 3.6 présente quelques principes directeurs généraux concernant les sources et lestechniques applicables aux données de télédétection. La section 3.7 donne des conseils surla façon d’intégrer les données d’évaluation de la précision avec des cartes, de manière àobtenir des estimations impartiales des secteurs d’activité du mécanisme et à quantifierl’incertitude dans les estimations de la superficie. La section 3.8 donne des conseils sur lacollecte de données d’observation au sol et le calcul des facteurs d’absorption desémissions, tandis que la section 3.9 donne des conseils pour l’estimation de l’évolution desbassins de carbone et des émissions de gaz à effet de serre autres que le CO2.

3.1 Exigences en matière de données sur les activités

La description des activités liées au mécanisme REDD+ et l’examen de l’emploi desméthodes du GIEC pour évaluer les émissions qui leur sont associées (voir la section 2.2)permettent de définir les exigences en matière de données sur les activités présentées dansle tableau 5.

Tableau 5: Principales données nécessaires pour les activités liées au mécanisme REDD+

Ligne Données nécessaires

1 Zones de forêts primaires, de forêts naturelles modifiées et de forêts plantéesa, substratifiées selon les

besoins par type de forêt et par régime de gestion

2 Passage annuel de forêts primaires, de forêts naturelles modifiées et de forêts plantées en zones non

forestières (terres cultivées, prairies, zones humides, établissements, autres sols)

3 Passage annuel de forêts primaires à des forêts naturelles modifiées et à des forêts plantées

4 Passage annuel de forêts naturelles modifiées à des forêts plantées

5 Passage annuel de zones non forestières à des forêts plantées ou expansion naturelle dans des zonesde terres aménagées

aIl s’agit des types de forêts utilisés dans l’exposé méthodologique du fait qu’ils correspondent à ceux indiquésdans le programme d’évaluation des ressources forestières. Les pays pourront adopter d’autres stratificationsselon leur situation nationale.


70

Les données sur les activités présentées dans le tableau 5 incluent des zones de types deforêts (substratifées selon les besoins), des zones passées de forêts à d’autres usages etdes zones passées d’un type de forêt ou substratum à un autre. Il faut stratifier les donnéessur les activités selon des facteurs tels que l’écosystème forestier et le niveau deperturbation, qui influent sur la densité de carbone. Dans la plupart des cas, la télédétectionjoue un rôle important pour évaluer les données sur les activités. Selon les méthodes et lespratiques recommandées, il est nettement conseillé de faire de la télédétection une simpleétape de l’évaluation des secteurs d’activité présentés dans le tableau 5. Dans tous les casoù l’on fait appel à la télédétection pour produire des cartes des données sur les activités, ilconvient de lancer une deuxième étape d’évaluation de la précision et de recourirultérieurement aux données sur les activités pour corriger les biais pouvant exister sur lescartes. Cette démarche a un autre avantage dans la mesure où elle permet de quantifier lesincertitudes quant aux données sur les activités (sous la forme d’intervalles de confiance).

3.2 Sources des données de télédétection

Selon les méthodes et les pratiques recommandées, les données optiques et radar demoyenne et haute résolution sont les principaux types de données de télédétection quiseront utilisées pour appliquer les techniques d’évaluation aux activités REDD+ qu’ellescaractérisent. Actuellement, c’est des données optiques de moyenne résolution qu’on a leplus l’expérience, du fait:

Que les pays en ont l’expérience pour évaluer leurs émissions nationales dues audéboisement et aux activités d’occupation des sols, de changement d’affectationdes sols et de foresterie;

Que le programme Landsat produit des archives historiques de données de ce typeremontant au début des années 70 et que, vu le succès de l’exploitation deLandsat 8, plate-forme la plus récente, on prévoit de continuer à disposer dedonnées dans un avenir prévisible;

Que les données Landsat sont acquises mondialement et sont disponiblesgratuitement sous une forme prétraitée et que de nouvelles techniques d’extractionou de regroupement de données peuvent contribuer éminemment à atténuer lesproblèmes d’interférence de la couverture nuageuse. Une interprétation visuellepeut aussi augmenter la précision en cas de mauvaise couverture temporelle dueaux nuages.

Dans un avenir proche, la disponibilité de données SAR de longueur d’onde plus importante(bande L) va sans doute permettre de les inclure progressivement dans des systèmesnationaux de surveillance des forêts. Il n’existe actuellement aucun satellite qui produise desdonnées SAR en bande L, mais deux missions sont prévues, en 2014 (ALOS-2) et en 2015(SAOCOM-1). Les données SAR en bande L peuvent être employées pour cartographier lesforêts, la couverture terrestre et leur évolution, en particulier dans des zones à nébulositépersistante. On a procédé à de nombreuses démonstrations pré-opérationnelles de l’utilitéde ces données pour les activités liées au mécanisme REDD. Historiquement, unecouverture mondiale en données SAR en bande L est disponible depuis le milieu desannées 90 et pour la période 2007-2011 en vue d’établir une base forestière et de suivrel’évolution décennale des forêts. Des recherches sont en cours à propos de l’utilisation deces données pour détecter la dégradation et évaluer la biomasse existant au-dessus du sol.De même, à mesure qu’évolueront les techniques d’utilisation de telles données émanant de


séries chronologiques denses pour contrôler les données sur les activités, les pays pourrontenvisager de faire appel, à l’avenir, à des acquisitions dans le cadre de la missionSentinel-1. L’emploi en parallèle de données en bande C et en bande L va sans douteaccroître la précision de la classification forêts/milieux non forestiers. Des pays tropicaux ontexprimé le souhait d’utiliser des données SAR associées à des données optiques afin decombler les lacunes en matière de données et d’obtenir davantage d’informations sur lastratification et la biomasse des forêts.

L’expérience, qui augmente avec l’usage de données optiques haute résolution 61

susceptibles d’accroître la précision avec laquelle on identifie les sols sujets à ladégradation, sera peut-être nécessaire pour détecter intégralement les forêts dont une zoneminimale sert à la définition nationale des forêts. L’encadré 6 résume l’expérienceguyanienne de l’emploi de données haute résolution dans un système opérationnel demesure, de déclaration et de vérification susceptible de cartographier la dégradation dessols.

Les principaux types de données sont présentés ci-après. L’annexe B indique les donnéesoptiques et radar disponibles au moment où était rédigé ce document, avec des informationssur leur résolution spatiale et temporelle, et propose des liens avec le site Web du CSOT, oùdes informations plus détaillées peuvent être obtenues.

3.2.1 Données optiques de faible résolution

Un faible pouvoir de résolution désigne une taille de pixel supérieure à 250 m environ,généralement considérée comme trop importante pour produire des données sur lesactivités REDD+. Les changements d’indices spectraux définis par des données de faiblerésolution telles que celles émanant du MODIS62 et du CBERS-2 peuvent être utiles pourdétecter des zones où les forêts subissent des modifications, dans un but de stratification oupour guider l’échantillonnage. La haute résolution temporelle du MODIS contribue àcompenser le faible pouvoir de résolution spatiale en lissant la série chronologique63. Desdonnées de haute fréquence et de faible résolution peuvent être utilisées pour dresser unecarte des indicateurs de l’évolution des forêts en temps réel, utile pour lancer des alertesprécoces et pour détecter le déboisement et la dégradation des forêts.

3.2.2 Données optiques de moyenne résolution

Une résolution moyenne correspond à une fourchette de 10 à 80 m. Les images les pluscourantes pouvant être utilisées pour suivre les activités REDD+ ont une résolution de 30 m,obtenue par la série de satellites Landsat (GOFC-GOLD Sourcebook, 2012). Les avantagesdes données issues du programme Landsat sont les suivants: a) une utilisation de longuedate, b) une acquisition, un prétraitement et un archivage mondiaux des données, c) unaccès libre et gratuit aux données des archives américaines. En général, les jeux de

61Par exemple, le Guyana et le Mexique utilisent des données haute résolution, le Guyana pour contrôler ladégradation et le Mexique en raison de la faible superficie minimale utilisée pour la définition nationale desforêts.

62Disponible gratuitement depuis la NASA à l’adresse http://reverb.echo.nasa.gov/reverb/.

63Voir http://ivfl-info.boku.ac.at/index.php/eo-data-processing.


72

données issus de Landsat sont les seuls disponibles pour évaluer les données d’archivesconcernant les activités. Ces données remontent aux années 70 et Landsat 8, lancé enfévrier 2013, permettra de poursuivre la série chronologique dans un avenir prévisible.L’emploi de capteurs optiques impose une limite dans les zones à nébulosité persistante.Néanmoins, l’accessibilité de Landsat et la couverture mondiale des satellites en font lapremière source de données à considérer pour les systèmes nationaux de surveillance desforêts. Dans de nombreux cas, le programme Landsat sert à répondre aux exigencesnationales en matière de données de télédétection associées à la collecte de données surles activités REDD+. Les satellites CBERS-4 et Sentinel-2 vont accroître la disponibilité dedonnées moyenne résolution, notamment en offrant gratuitement des données d’unerésolution de 10 m et en facilitant des applications qui, jusqu’à présent, étaient considéréescomme réalisables uniquement avec une résolution élevée. Dans certains cas, les indicesspectraux issus de données optiques peuvent être liés à la biomasse, mais la saturationau-dessus d’une certaine densité de biomasse pose des problèmes et cette technique n’estpas utilisée actuellement pour évaluer les inventaires de GES (Powell et. al., 2010).

Les pays qui disposent de programmes nationaux opérationnels pour surveiller la couvertureforestière à partir de données Landsat ou de type Landsat sont l’Australie (Furby et al.,2008), le Brésil (DMC et CBERS; Souza, 2006), l’Inde (IRS; Pandy, 2008) et les États-Unis(Fry et al., 200964).

Les données de télédétection doivent être prétraitées, comme l’indique la section 3.3, pouroffrir une base commune de comparaison avec d’autres données.

Encadré 6: Mise au point d’un mécanisme opérationnel de mesure, de déclaration et de vérificationintégrant des données haute résolution: étude de cas au Guyana

En 2008, le Guyana a lancé une stratégie de développement à faible intensité de carbone (LCDS) qui englobe lecadre d’activités REDD+. Ce pays dispose d’un mécanisme de mesure, de déclaration et de vérification qui est àla base de la mesure des résultats. La mise au point du mécanisme est issue d’une feuille de route pour lerenforcement des capacités

apendant la période 2010-2013. Ce mécanisme inclut un système de surveillance du

carbone forestier et une évaluation de la couverture forestière. Les travaux ont été réalisés aux termes d’unenote d’orientation commune (Joint Concept Note) signée en 2009 par le Guyana et la Norvège

b.

Comme de nombreux pays, le Guyana a commencé à établir une base historique (1990) sur l’évolution de lacouverture terrestre à partir d’images Landsat gratuites d’une résolution de 30 m. Après la première année defonctionnement (2011), la Commission forestière guyanienne (GFC)

ca déterminé les progrès du mécanisme de

mesure, de déclaration et de vérification et opté pour l’imagerie RapidEye haute résolution pour couvrir les zonesoù l’évolution a été la plus nette. À ce jour, le mécanisme est conforme à l’approche 3 du GIEC. Tous leschangements de couverture terrestre supérieurs à 1 ha intervenus après 1990 – y compris les changements nonanthropiques – ont été détectés, cartographiés et mémorisés sous la forme d’un système d’informationgéographique (SIG). Depuis 2011, le mécanisme inclut la cartographie et le contrôle de la dégradation des forêts– ou perturbation du couvert végétal – qui accompagne le déboisement à l’échelon national. Une évaluationindépendante de la précision des mesures réalisée en 2013 a permis de quantifier la précision de la cartographiedu déboisement (99 %) et de la dégradation des forêts (80 %)

d.

Le processus conçu et adopté par la GFCe

s’est développé avec le temps. Il intègre désormais les pratiquesrecommandées pour la recherche opérationnelle axées sur la mise au point de méthodes adaptées aux facteursdéterminants de la dégradation des forêts au Guyana. La conception du mécanisme de mesure, de déclaration etde vérification tient compte des problèmes d’une nébulosité persistante, de l’échelle spatiale et du rythmed’évolution de la couverture terrestre. Pour résoudre ces problèmes, on fait fréquemment appel à la couvertured’une imagerie haute résolution. Comme de nombreux pays, le Guyana a une vaste expérience du recours à unSIG plutôt qu’à des techniques de télédétection. Au vu de ces problèmes, un mécanisme de mesure, de

64Voir http://pubs.usgs.gov/of/2008/1379/pdf/ofr2008-1379.pdf.


déclaration et de vérification fondé sur un SIG a l’avantage d’être adaptable, convivial et suffisamment souplepour intégrer toute une gamme de types de données nécessaires pour répondre aux conditions du GIEC.

La chaîne de traitement de la détection des changements est semi-automatique, chaque image satellitaire étantassimilée et traitée par lots. Le traitement inclut la conversion d’images en réflectance, normalisationatmosphérique, détection et tracé de l’évolution de la couverture terrestre au moyen d’indices de végétation ainsique la mise de ces changements au format SIG. La qualité du tracé des changements est évaluée et corrigéesystématiquement par des analystes compétents qui attribuent un facteur d’évolution à chaque polygone. Lesoptions d’attribution sont illustrées par une documentation d’orientation sur la cartographie, le processusd’attribution étant commandé par une barre d’outils SIG personnalisée. Cette barre mémorise tous les attributsnécessaires et aide l’opérateur à vérifier que les associations voulues d’évolution et de facteurs de la couvertureterrestre sont sélectionnées. La Figure 1.1 donne un aperçu du flux de la cartographie, depuis les imagessatellitaires (A), en passant par la création d’une couche d’évolution prétraitée (B), jusqu’à la production deproduits multitemporels sur l’évolution des forêts (C).

Figure 1.1 Processus de cartographie

La cartographie de la dégradation des forêts est réalisée parallèlement à la cartographie du déboisement. On saitque l’échelle (< 1 ha) et l’intensité de la dégradation varient selon les facteurs (prospection minière, abattaged’arbres, cultures itinérantes). Les forêts dégradées se reconnaissent à la persistance dans le temps desperturbations subies par le couvert végétal. On fait appel à de plus amples contrôles pour déterminer sil’évolution de ce couvert peut être considérée comme une dégradation des forêts liée à un taux important deréduction des stocks de carbone dans la zone touchée ou simplement à des perturbations temporaires quidisparaissent rapidement. Pour qu’on puisse détecter la dégradation des forêts sur les images satellitaires, laperturbation doit se produire à une échelle qui montre un changement visible du couvert. Si l’on utilise laméthode adoptée, la résolution en pixels et la fréquence temporelle de capteurs tels que ceux du programmeLandsat et de la CSC (Constellation de surveillance des catastrophes) sont insuffisantes pour détecter ladégradation des forêts liée à la perturbation du couvert végétal.

Notes: a) http://www.forestry.gov.gy/publications.html. b) La JCN (Joint Concept Note) a défini une série de dispositionsprovisoires à adopter pendant la mise en place du mécanisme de mesure, de déclaration et de vérification. c) Organisme demise en œuvre, l’assistance technique étant assurée par Indufor Asia Pacific. d) Les résultats de cette évaluation sontprésentés dans le mécanisme guyanien de mesure, de déclaration et de vérification pour la troisième année.

e) http://www.forestry.gov.gy.

3.2.3 Données optiques de haute résolution

Des données haute résolution (résolution supérieure à 10 m) peuvent améliorer la détectiondes changements liés à la dégradation et permettent généralement de vérifier les donnéessur les activités REDD+ de façon plus précise et avec une différenciation plus nette que lesdonnées moyenne résolution. Les frais d’acquisition et de traitement sont plus élevés et desdonnées haute résolution peuvent ne pas être disponibles pour des pays entiers pour unnombre suffisant de périodes permettant d’évaluer directement les données relatives auxactivités REDD+ en vue d’une couverture complète. C’est pourquoi, jusqu’à présent, desdonnées optiques haute résolution ont été utilisées principalement pour des vérificationsfondées sur des échantillons ou pour des évaluations de la précision, pour des sections

Image normalisée (A) Détection de l’évolut(ion (B) Évolution attribuée (C)


74

transversales, des zones locales ou des régions d’intérêt, et pour l’évaluation des zones lesplus exposées où des changements se produisent ou sont susceptibles de se produire.Certains pays font maintenant appel à des données haute résolution pour obtenir unecartographie exhaustive65 (voir l’étude de cas sur la technique de cartographie utilisée par leGuyana, dans l’encadré 6). Des données haute résolution, qui peuvent être égalementintéressantes en vue de produire des données d’apprentissage pour les algorithmes sur ladétection des changements, peuvent servir à produire des facteurs d’émission etd’absorption, comme dans le cas de l’application du LiDAR (voir ci-après) à l’évaluation del’épaisseur de la tourbe brûlée par des feux en Indonésie, donc des émissions de CO2 et degaz à effet de serre autres que le CO2 (Ballhorn et al., 2009). L’emploi de données hauterésolution continue de faire l’objet de recherches.

3.2.4 Les radars à synthèse d’ouverture (SAR)

La capacité potentielle des radars imageurs (également appelés radars à synthèsed’ouverture ou SAR) de produire des données sur les activités a été démontrée au niveausous-national (Mitchell et al., 2012) et régional (projet) et pourrait être utile, en particulierdans des zones à nébulosité persistante, mais aussi en association avec des donnéesoptiques. Les capteurs radar fonctionnant sur plusieurs longueurs d’onde sont sensibles àdiverses caractéristiques du sol et l’on peut dire en général que les radars sont sensibles àdes objets de taille semblable ou supérieure à leur longueur d’onde. Les systèmes SARactuels et qui seront développés dans un avenir proche ont des capacités de multi-polarisation qui, à l’instar des diverses bandes spectrales des données optiques, offrent desinformations supplémentaires. Les systèmes radar peuvent produire des informations qui nesont pas visibles dans les données optiques – et vice versa. C’est pourquoi il faut considérerles deux sources de données comme étant complémentaires et non opposées.

L’indépendance des radars par rapport à la couverture nuageuse a un autre avantage: devastes régions peuvent être acquises dans des fenêtres temporelles relativement courtes(de quelques semaines à quelques mois), ce qui réduit la nécessité de combler les lacunesavec des données de diverses années ou de diverses saisons. Il existe des archiveshomogènes de données mondiales ou régionales exhaustives pour certaines missions SARhistoriques réalisées lors de certaines périodes (JERS-1 SAR, ALOS PALSAR) et selon lastratégie du CSOT pour la GFOI en matière de données. Des stratégies systématiquesd’acquisition deviendront la norme pour plusieurs missions essentielles et non essentielles àeffectuer dans un avenir proche (Sentinel-1, SAOCOM-1, ALOS-2, RCM).

Dans des zones fortement nuageuses, les SAR en bande L sont une nouvelle source dedonnées pour une stratification en milieu forestier et non forestier. Bien qu’elles ne soientpas utilisées actuellement en mode opérationnel, il existe plusieurs démonstrations sous-nationales de zones forestières exhaustives (Mitchell, 2012; GEO, 2011; Walker et al., 2010)et de modification de la cartographie (Kellndorfer et al., 2008) au moyen de sérieschronologiques de données double polarisation à faisceau étroit (FBD) ALOS PALSAR. Lestechniques de cartographie des forêts en bande L faisant appel aux SAR sont avancées etne sont limitées actuellement que principalement par la production de données, d’où leurdésignation: techniques pré-opérationnelles). Avec le lancement prochain de nouveauxsatellites équipés de SAR en bande L (SAOCOM-1A et -1B, ALOS-2), qui sera suivi par uneacquisition exhaustive systématique sur le plan régional et/ou mondial, des techniques pré-opérationnelles fondées sur les SAR pourront être adoptées pour des traitements plus

65Y compris le Guyana et le Mexique.


opérationnels. Des séries chronologiques denses de données SAR en bande C pourrontégalement être utilisées pour détecter l’évolution de zones forestières par rapport à deszones forestières prédéterminées. Lorsqu’elle sera possible, l’intégration de données SARoptiques et en bande L sera probablement avantageuse. Elle fait actuellement l’objet derecherches.

3.2.4.1 Les systèmes SAR en bande L

Avec une longueur d’onde d’environ 23,5 cm, les SAR en bande L traversent la canopéeforestière et établissent généralement une distinction claire entre zones couvertes et noncouvertes de végétation. On s’en sert communément pour cartographier les zonesforestières et non forestières et, avec des séries chronologiques de données, pour détecterl’évolution de la couverture forestière. Deux polarisations au moins sont recommandées dufait que le canal de polarisation croisée est particulièrement sensible aux paramètresstructurels des forêts tels que rameaux, branches et tiges, et de ce fait, indirectement auxtypes de forêts et aux classes d’âge. Les SAR en bande L sont également liés à la biomassesituée au-dessus du sol jusqu’à environ 100 tonnes par hectare, mais la question fait l’objetde recherches (Lucas et al., 2010; GEO, 2011), et, actuellement, la précision est insuffisantepour effectuer des évaluations à intégrer dans les inventaires de GES.

Entre 2007 et 2011, des observations semestrielles exhaustives de la couverture forestièremondiale ont été effectuées grâce au SAR ALOS en bande L (PALSAR). On a défini, pourALOS-2 (lancement en 2014), SAOCOM-1A (lancement en 2015) et SAOCOM-1B(lancement en 2016), des stratégies semblables d’acquisition systématique sur le planmondial qui vont permettre de poursuivre la couverture sans nuages de régions mondiales(ALOS-2) et pantropicales (SAOCOM) plusieurs fois par année.

Des données SAR en bande L à haute fréquence temporelle et à faible résolution (100 m)acquises en mode ScanSAR ont fait la preuve de possibilités d’alertes précoces audéboisement (comme le système INDICAR d’IBAMA, au Brésil (De Mesquita, 2011)).

On considère que les radars SAR en bande L ont la capacité opérationnelle de cartographierla couverture forestière et son évolution (GEO, 2011; Walker et al., 2010) et la capacité pré-opérationnelle d’indiquer le couvert végétal (GEO, 2011), les données sur les activités(Mitchell et al., 2012; Lucas, et al., 2010) et la substratification des forêts (GEO, 2012;Hoekman, 2012) comme paramètres d’entrée pour l’évaluation des émissions. En associantdivers types de capteurs (SAR en bande L et données optiques, SAR en bande L et enbande C, etc.), on peut améliorer la distinction entre types de forêts et types de couvertvégétal (Holecz et al., 2010).

3.2.4.2 Les systèmes SAR en bande C et en bande X

En général, les systèmes SAR fonctionnant avec des longueurs d’onde courtes (bande C:5,6 cm, bande X: 3,1 cm) réfléchissent les signaux provenant de la surface et de la couchesupérieure (feuilles et rameaux) des forêts et donnent des informations sur la structure ducouvert végétal. Si le contraste entre forêts et végétation basse est habituellement moinsdistinct qu’avec les SAR à plus grande longueur d’onde, le recours à deux polarisationsaméliore la distinction. Les données SAR en bande X peuvent être acquises avec unerésolution spatiale supérieure à 5 m, ce qui permet de caractériser de façon plus détaillée lastructure de la couverture forestière, et, bien qu’elles soient toujours considérées comme


76

relevant de la recherche, elles ont la possibilité d’offrir des informations sur la dégradationdes forêts (par ex. exploitation forestière sélective (Baldauf, 2013)).

Des séries chronologiques fréquentes de données SAR en bande C ont prouvé la capacitéde détection de l’évolution de la couverture forestière et possèdent un potentiel d’alertesprécoces au déboisement. Pour éviter toute confusion avec les changements qui seproduisent dans d’autres types de couvert végétal, on peut appliquer la détection à une zoneforestière prédéterminée à partir de données SAR optiques ou en bande L.

Lorsqu’elles seront pleinement opérationnelles, les missions essentielles en bande C deSentinel-1A (lancement en 2013) et de Sentinel-1B (lancement en 2014) devraient donnerlieu à des observations intra-annuelles de toutes les zones terrestres du monde, avecéventuellement des observations à plus haute fréquence dans des régions ou des payssélectionnés. Parmi les missions non essentielles, la constellation de satellites TanDEM-X aréalisé une couverture mondiale complète à partir de données SAR en bande X.

3.2.5 Les capteurs LiDAR

Les capteurs LiDAR émettent dans le proche infrarouge des pulsations qui interagissentavec diverses couches et à partir desquelles on peut évaluer les informations quantitativessur la structure des forêts (hauteur des arbres, volume du couvert) et la biomasse.L’évaluation de la biomasse par des capteurs Lidar à partir de la couverture exhaustive desdonnées satellitaires est un domaine de recherche intéressant pour les futurs systèmes desurveillance des forêts. Cette application du LiDAR est présentée à l’annexe F. Il existe desarchives historiques des données Lidar transmises par satellite 66 , mais il n’existeactuellement pas de satellites opérationnels faisant appel au LiDAR. La mission ICESAT- 2avec un système Lidar embarqué devrait démarrer début 2016. Sous réserve de ladémonstration de techniques appropriées, les Lidars embarqués pourraient servir à desévaluations et à des recoupements avec d’autres méthodes. Ils pourraient être utilisés pourvérifier les évaluations quant à la biomasse et pour réduire la nécessité d’échantillonnagesau sol de ces évaluations, en particulier dans des zones où l’accès par voie terrestre estdifficile, donc coûteux.

3.3 Prétraitement des données satellitaires

Il convient d’aligner les observations par satellite pour une période donnée afin de lescomparer et de les utiliser pour définir les zones et en vérifier l’évolution. Les étapesnécessaires pour cela s’appellent prétraitement.

Le prétraitement suppose un étalonnage géométrique et radiométrique et, dans le cas desdonnées SAR, un filtrage des mouchetures (speckle filtering). L’étalonnage géométrique,également appelé orthorectification, corrige l’angle de vue des capteurs satellitaires, le reliefdu terrain et les distorsions dues aux lentilles de façon à ce que les images émanant dedivers capteurs à différents moments puissent être comparées tout comme les cartesdressées en utilisant la même projection et la même échelle peuvent être comparées. Unétalonnage radiométrique est nécessaire du fait que l’apparence d’une même image varieselon l’angle de vue et les conditions de luminosité.

66Voir les archives ICESAT-GLAS à l’adresse http://icesat.gsfc.nasa.gov/


L’orthorectification et l’étalonnage radiométrique sont souvent réalisés simultanément, cartous deux exigent un modèle d’élévation numérique (DEM). La Shuttle Radar TopographyMission (SRTM) offre un modèle ayant des normes communes avec une résolution de3 secondes d’arc (90 m environ) ou d’une seconde d’arc, si possible, grâce à un accord surl’accès aux données. Parmi les autres modèles disponibles sur le plan mondial, on comptel’ASTER DEM d’une seconde d’arc téléchargeable depuis le Global Data Explorer 67 del’United States Geological Survey (USGS). Les pays qui possèdent des modèles plus précis(par ex. issus de la stéréogrammétrie ou des LiDARS) peuvent souhaiter les utiliser pourl’orthorectification des données s’il en résulte une précision accrue et qu’ils présentent desavantages par rapport au surcroît de coût.

Si l’orthorectification est mal réalisée, on risque de surestimer les zones de changementd’occupation des sols et d’affecter incorrectement cette occupation. En général, desdonnées mal co-enregistrées entraînent une surestimation des changements, car toutchangement apparent dû au mauvais alignement des pixels (appelé faux changement) seraconsigné en plus de l’évolution réelle du couvert végétal. Réduire au minimum les fauxchangements dus à des erreurs géométriques de cartographie de la couverture forestière etdu couvert végétal devrait être le principal objectif de la sélection et de l’application de latechnique de prétraitement en vue d’un étalonnage géométrique. Il s’ensuit que le co-enregistrement de la série chronologique de toutes les données de télédétection devrait êtreréalisé avec une précision supérieure à un pixel, erreur maximale tolérée. Des contrôlescourants, effectués par exemple en appariant des caractéristiques faciles à identifier,devraient être réalisés lors du co-enregistrement des images. Au fur et à mesure del’évolution progressive de la série chronologique, il sera nécessaire d’établir un point deréférence topographique par rapport auquel toutes les autres images seront co-enregistrées.Lorsqu’on associe des capteurs ayant des géométries de visualisation obliques, on peutaméliorer le co-enregistrement en faisant appel à un modèle DEM plus précis que le DEMde référence, ce qu’il faut faire si cela améliore la précision du co-enregistrement par rapportau point de référence.

3.3.1 Prétraitement des images optiques satellitaires

Un étalonnage spatial et temporel cohérent permet de quantifier les tendances du couvertvégétal, d’automatiser les caractérisations de la couverture forestière et de réduire lenombre de données au sol nécessaires du fait que des zones ayant des caractéristiquessemblables sont plus faciles à identifier.

L’étalonnage radiométrique peut être absolu si les valeurs radiométriques sont converties enquantités géophysiques standard telles que la réflectance de surface, ou en quantitésrelatives si l’on ajuste les valeurs radiométriques par rapport à une norme de référence encomparant les signatures des réflecteurs au sol de référence pour vérifier s’il existe desdifférences sensibles entre capteurs. Les images doivent être étalonnées par rapport à lanorme de référence de façon à ce que les pixels des diverses images puissent êtrecomparés directement, quels que soient le jour ou la saison de collecte de l’image et lagéométrie soleil/capteur/cible. La géométrie de visualisation varie sensiblement selon la

67Voir http://gdex.cr.usgs.gov/gdex/


78

trajectoire du satellite, d’où des valeurs très différentes de la réflectance pour une mêmecaractéristique du couvert végétal.

Lorsqu’on compare les tendances de la réflectance selon les capteurs optiques, il peuts’avérer nécessaire de procéder à un ajustement selon les diverses caractéristiques depasse-bande68 au cas où elles seraient sensiblement différentes. On peut établir la nécessitéd’une correction en comparant les signatures de la réflectance au sol de référence pourdéterminer s’il existe une différence entre capteurs. S’il en existe une, on peut l’éliminer enla multipliant par le ratio des signatures standard de réflectance.

Si le terrain a un relief important, il faudra également procéder à une normalisation pour tenircompte des différences d’éclairement lumineux du terrain en faisant appel au même modèleDEM que pour les autres étapes du prétraitement.

Nombre de fournisseurs de données incluent tout ou partie des grandes étapes deprétraitement présentées dans cette section. Les usagers devraient tenir compte desavantages de l’utilisation de jeux de données prétraitées, qui favorisent les objectifs enmatière de vérification. Par exemple, les images de la série Landsat de satellites sontoffertes gratuitement par l’Earth Resources Observation and Science Center (EROS) del’USGS69 (Woodcock et al., 2008). Les images sont transmises prétraitées. Les imagestraitées au niveau 1G (dans le cas du satellite Landsat appelé L1G) sont étalonnées sur leplan radiométrique et corrigées géométriquement pour éliminer des distorsions dues parexemple à la gigue des capteurs, aux effets de l’angle de vue et à la courbure de la Terre(Landsat Science Data Users Handbook70). Le Landsat L1T produit des données mondiales,orthorectifiées selon une norme géométrique cohérente, avec des points de contrôle au solet le modèle DEM dérivé de la mission SRTM. Cela crée une norme de facto pour leprétraitement des images optiques, valeur choisie en fait par défaut.

Le Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) permetd’évaluer automatiquement la réflectance de surface des images du L1T sans informationsaccessoires. Actuellement, l’USGS produit des images Landsat TM et ETM traitées par leLEDAPS en unités de réflectance de surface par le biais de l’Earth Explorer (voir la note enbas de page 67 ci-dessus), et des images Landsat-8/OLI corrigées selon l’atmosphèreseront bientôt disponibles. Les données du L1T corrigées selon l’atmosphère donnent desimages cohérentes sur le plan géométrique et radiométrique convenant très bien à lacartographie des activités REDD+.

D’autres images satellitaires utilisées pour la cartographie des données sur les activitésdoivent être traitées à un niveau équivalent à celui du L1T. C’est souvent le fournisseur quis’en occupe, mais s’il ne le fait pas, l’utilisateur doit passer par ces étapes de traitementaprès avoir reçu les données. Il peut le faire grâce aux logiciels les plus standard detraitement des images tels qu'ENVI et ERDAS. On trouvera des conseils pratiques dans desmanuels sur le traitement des images tels que celui de Jensen (2005) et dans des manuelssur les logiciels.

68Passe-bande désigne l’intervalle de fréquences ou de longueurs d’onde admis par un filtre.

69Voir http://earthexplorer.usgs.gov/ or http://glovis.usgs.gov/.

70Voir http://landsathandbook.gsfc.nasa.gov/.


3.3.2 Prétraitement des images satellitaires SAR

Comme tous les radars, le SAR repose sur le rapport entre un signal radio émis et un signalréfléchi pour détecter des propriétés intéressantes de la zone d’intérêt.

Il faut prétraiter les signaux radar pour tenir compte des distorsions géométriques (comme lerepliement et l’effet de rapprochement71) et des différences de conditions d’éclairementlumineux dues à la topographie et au fait que les surfaces sont éclairées d’un seul côté dusatellite ou de l’avion. Une autre étape est nécessaire pour éliminer le bruit dû aux réflexionsd’objets dénués d’intérêt, comme de petites irrégularités. C’est ce qu’on appelle le speckle,qu’on élimine par un processus appelé filtrage du speckle (par un «filtre de déchatoiement»).On trouvera de plus amples détails sur le prétraitement des signaux radar chez Mitchellet al. (2012). Il existe des logiciels gratuits de prétraitement72.

On pense souvent à tort que le prétraitement et l’interprétation des données radar sont trèscompliqués. La GFOI va offrir aux pays intéressés des données radar prétraitées convenantà la création de produits de cartographie forestière. La visualisation et l’interprétation desdonnées radar deviennent plus faciles une fois qu’on connaît et qu’on comprend lesprincipes de la fabrication et de l’interaction des radars. Pour les pays qui souhaitentacquérir une capacité interne d’utilisation du radar, la GFOI va faciliter le renforcement descapacités et la formation aux logiciels et au traitement en vue de l’emploi de données radaret d’une mise en œuvre au sein des systèmes existants de surveillance des forêts.

Une séquence caractéristique de traitement appliquée aux données SAR suppose untraitement multivisée, l’emploi d’un filtre de déchatoiement, une orthorectification et unétalonnage radiométrique avec correction de l’éclairement du terrain et un mosaïquage73. LeSingle Look Complex (SLC) de résolution la plus élevée comporte beaucoup de bruit. Onétablit des moyennes multivisée pour les cellules indiquant la portée et l’azimut afind’améliorer la résolution radiométrique et de produire des pixels presque carrés. Pour lesfiltres adaptatifs, on fait appel à des statistiques locales afin de filtrer les données, donc deréduire le chatoiement des images et, dans certains cas, de conserver ou d’améliorer lesbords et d’autres caractéristiques.

Tout comme les données optiques, les données SAR sont orthorectifiées et étalonnéesradiométriquement pour produire des images convenant à des comparaisons. Le meilleurmodèle DEM disponible est utilisé pour corriger les distorsions spatiales en portée et enazimut. Ce processus permet de convertir les données en pixels de géométrie oblique endonnées distance-temps au sol dans un système cartographique défini (coordonnée de lacarte). Lors de l’étalonnage radiométrique, on fait appel à des équations radar standard pourcorriger les erreurs systématiques et les variations de la brillance dues au terrain desdonnées en pixels.

71Le repliement est une distorsion due au fait que le faisceau radar atteint le sommet d’un objet avant d’enatteindre la base. Un effet de rapprochement se produit lorsque le faisceau radar atteint la base de l’objetavant d’en atteindre le sommet.

72Par exemple à l’adresse http://nest.array.ca/web/nest.

73Le mosaïquage consiste à produire une image plus grande en associant des images simples.


80

Une autre étape de correction de l’éclairement du terrain est appliquée pour corriger lesdistorsions géométriques et radiométriques présentes sur les images prises en terrainescarpé. Ces distorsions, qui masquent la rétrodiffusion utile liée au couvert végétal ou auxcaractéristiques géophysiques, doivent être corrigées pour obtenir une cartographie et uncontrôle efficaces de ce couvert au moyen de données SAR. Il existe des modèlespermettant de corriger les variations induites de brillance du terrain dans les images SARsur des territoires abrupts végétalisés.

Les données SAR corrigées obtenues sur les trajectoires de divers satellites peuvent êtremosaïquées pour donner une vaste couverture. Il existe des techniques automatiques etmanuelles pour résoudre le problème du chevauchement des images et obtenir ainsi unemosaïque sans discontinuité prête à l’analyse.

3.4. Produits cartographiques évalués par télédétection

Pour être utiles en vue d’évaluer les émissions et les absorptions liées aux activités REDD+,les données de télédétection doivent se présenter sous une forme pouvant être utiliséeselon les indications de la section 3.1. Les produits cartographiques présentés dans letableau 6 ci-après sont conçus pour cela. On suppose que les données d’entrée viendrontdu Landsat-8 et des futurs Sentinel-1, Sentinel-2 et CBERS-4, qui sont les principalesmissions recensées dans ce but par le Comité sur les satellites d’observation de la Terre(CEOS) du Space Data Coordination Group (SDCG). Les produits cités dans le tableau 6peuvent être obtenus à partir de ces jeux de données satellitaires, dans la plupart des casavec des données d’entrée supplémentaires et des informations au sol, l’objet de chaqueproduit cartographique étant décrit dans les notes ci-après.

Les agences spatiales membres du CEOS vont diffuser gratuitement les données issuesdes missions essentielles nécessaires pour obtenir ces produits, le point de contact enpremière intention étant le Bureau de la GFOI74. Certains pays pourront vouloir utiliser desdonnées issues de missions commerciales non essentielles telles que RapidEye, SPOT,TerraSAR-X et, à l’avenir, ALOS-2, qui comprennent des acquisitions exhaustivessystématiques et qui conviennent au même objet. On trouvera à l’annexe B davantaged’informations sur les données de télédétection qui devraient devenir disponibles grâce à unaccord entre l’initiative GFOI et le CEOS du SDCG. Le tableau 7 indique l’état opérationnelactuel des divers types de capteurs pour chaque produit cartographique forestier.

74On trouvera les coordonnées du Bureau de la GFOI à l’adresse http://gfoi.org/.


Tableau 6: Produits recommandés de cartographie forestière conformes aux méthodesprésentées dans les sections 2.2 et 2.3.1

Nom descartes Objet Description/Observations

Unitéminimalede carto-graphie

Fréquencede produc-

tion

Zonesforestières/nonforestières

Appréciation visuelle destendances, base pourd’autres produits

a

Cartes de la couvertureforestière dans le temps

< 0,5 ha Annuelle

Évolution deszonesforestières/nonforestières

Données sur les activitésde déboisement et deboisement exprimées enhectares ou enpourcentage

Cartes de l’évolution des zonesforestières

b < 0,5 ha Annuelle

Stratificationdes forêts

Appréciation visuelle desressources forestières,base pour d’autresproduits

a

Cartes des zonesforestières/non forestières, lesforêts étant stratifiées en forêtsprimaires, forêts naturellesmodifiées et forêts plantées (ouselon une stratification nationaleéquivalente) et selon toutesubstratification

< 0,5 ha Annuelle

Catégoriesd’usage de tousles sols

Appréciation visuelle del’occupation nationaledes sols, base pourd’autres produits

a

Par défaut, le Système declassification de l’occupation dusol (LCCS) adopté par la FAO ouune classification nationaleéquivalente, qui permet unregroupement dans les sixcatégories de sols du GIEC. Lesforêts sont incluses en faisantappel aux cartes des zonesforestières/non forestières,stratifiées comme dans les cartesde stratification des forêts.

< 0,5 ha Annuelle

Changementsd’utilisation dessols entre forêtset autresusages

Données sur les activitésde déboisement etd’augmentation de lateneur des forêts encarbone parboisement/reboisement;au besoin, données surles activités nonforestières relatives àl’occupation des sols, auchangement d’affectationdes sols et à la foresterie

Cartes de conversion entre lessix catégories de sols du GIEC,les forêts étant stratifiéescomme indiqué sur les cartes destratification des forêts et lescartes de toutes les catégoriesd’occupation des sols

< 0,5 ha Annuelle

Évolution dessols forestiers

Données sur les activitésde dégradation, degestion durable desforêts, d’accroissementdes stocks de carbone

Cartes de conversion entrestrates forestières, classées encatégories, sur les cartes destratification des forêts et desactivités actuelles telles que la

< 0,5 ha Annuelle


82

Nom descartes Objet Description/Observations

Unitéminimalede carto-graphie

Fréquencede produc-

tion

forestiers dans les forêtsqui restent en l’état et deconservation

coupe de bois

Indicateurs dechangementsforestiers entemps quasiréel

Alertes précoces audéboisement et à ladégradation

Inutile pour la mesure desémissions, mais utile pour lesalertes précoces audéboisement et à la dégradationdes forêts ainsi que pour ladétection de ceux-ci, doncéventuellement pour la mise enœuvre de REDD+

> 0,5 haDeux fois

par mois oudavantage

aConformément au principe directeur 1, ce sont les images sous-jacentes utilisées pour obtenir ce produit quisont à la base d’autres produits, et non les cartes elles-mêmes.

bIl peut s’avérer nécessaire d’utiliser d’autres données au sol s’il existe des zones de coupe de bois attendantd’être reboisées.


Tableau 7: Résumé des types de données de télédétection et de leur statut opérationnel perçu pour l’évaluation des activités REDD+75

(on trouvera la définition des produits cartographiques dans l’encadré)

Produit cartographique Faible résolutionoptique

Moyenne résolutionoptique

Haute résolutionoptique

Radars enbande L

Radars enbande C

Radars enbande X

Lidars

Zones forestières / non forestières Opérationnels Opérationnels Opérationnels R&D

Évolution des zones forestières / non forestières Opérationnels Opérationnels Opérationnels R&D

Stratification des forêts Opérationnels77 Opérationnels76 Opérationnels77 Pré-opérationnels R&D

Toutes catégories d’occupation des sols Opérationnels77 Opérationnels78 Pré-opérationnels R&D

Évolution de l’occupation des sols entre forêts etautres usages des sols

Opérationnels79 Opérationnels79 Pré-opérationnels R&D

Évolution des forêts Opérationnels78 Opérationnels78 Pré-opérationnels R&D

Indicateurs d’évolution des forêts en temps quasiréel

Opérationnels Opérationnels Pré-opérationnels R&D R&D

Formation aux produits cartographiques et/ouvérification de ceux-ci78 Opérationnels Opérationnels

75 Le statut opérationnel perçu est indiqué dans la documentation de la GFOI sur l’étude des recherches prioritaires et du développement (GEO, 2013).76 Opérationnels lorsque la stratification se limite aux forêts primaires et aux forêts plantées, mais pré-opérationnels si l’on établit une distinction entre plusieurs strates secondaires de forêts naturelles.77 Une cartographie annuelle de toutes les catégories d’occupation des sols et des changements intervenus à une échelle inférieure à l’hectare est considérée comme techniquement réalisable,

mais elle reste à utiliser pour les inventaires de GES (voir le document de recherche-développement de la GFOI disponible sur le site Web de l’Initiative).78 Ligne ombrée du fait que le tableau 6 ne définit aucun produit cartographique associé.


84

Encadré 7: Définition des cartes

Zones forestières/non forestières. Cette carte montre l’étendue de tous les types de forêts qui correspondent àla définition nationale d’un pays. Il peut s’avérer nécessaire de compléter la télédétection par des données au solpar le biais du système national de surveillance des forêts afin de définir les zones forestières soumises audéboisement qui ne sont pas encore répertoriées. La carte servira à apprécier visuellement l’étendue des forêts.Les jeux de données sous-jacents qui serviront à la produire seront à la base des produits subséquents.

Évolution des zones forestières/non forestières. Cette carte devrait être produite par analyse des donnéesqui sont à la base des produits forestiers/non forestiers. On peut s’en servir pour exprimer l’augmentation ou ladiminution des zones forestières par rapport à d’autres utilisations des sols. Cette diminution est le déboisementexprimé en superficie ou en pourcentage. Ce n’est pas encore le déboisement exprimé en émissions de GES,car les zones forestières ne sont pas encore stratifiées en types de forêts, ce qui fait que la densité de carbonen’est pas attribuée.

Stratification des forêts. La catégorie de forêts indiquée sur la carte des catégories d’occupation des sols sertde base à la stratification des forêts. La stratification a pour but d’obtenir une variation relativement faible de ladensité de la biomasse dans une strate pour accroître l’efficacité de l’échantillonnage afin d’obtenir uneévaluation plus précise. La principale stratification proposée pour l’évaluation des ressources forestières de laFAO est la suivante: forêt primaire, forêt naturelle modifiée et forêt plantée. Les pays peuvent aussi faire appel àdes stratifications nationales établies. D’autres stratifications fondées sur les types et les classes de forêtspeuvent être également nécessaires. Les classes de forêts à inclure varient selon les pays et les écorégions, ycompris, le cas échéant, selon des types importants sur le plan régional comme les tourbières marécageuses,les mangroves et les forêts de faible densité. On peut également fonder la stratification sur la probabilité deperturbations, les forêts secondaires et les recrûs. La télédétection peut être utile en détectant la source ou lesindicateurs d’une activité humaine pouvant conduire à une dégradation: chemins forestiers, signes d’évolution ducouvert végétal, incendies ou proximité d’une activité ou d’une infrastructure agricole. La stratification, quiimplique une cartographie plus fine, est nécessaire pour indiquer les différences de croissance, les stocks decarbone et les facteurs d’émission/absorption. Pour évaluer les pertes de carbone associées au déboisement età la dégradation des forêts, il faut connaître la densité du carbone des forêts avant et après les perturbations.Ainsi, la stratification est aussi à la base de la détermination de la densité de carbone par des mesures sur leterrain.

Toutes catégories d’occupation des sols. Cette carte est à la base d’autres produits servant à la cartographienationale de base. Les pays décident eux-mêmes du niveau de détail ou de la classification voulue, mais ilsdevraient envisager d’utiliser le système de classification de l’occupation des sols adopté par la FAO

79pour

cataloguer les diverses classes de couvert végétal recensées. Les sols forestiers sont des sols couverts de forêtsselon la définition nationale (voir le chapitre 1). Pour ce qui est de la déclaration des émissions et desabsorptions, le système de classification et les cartes numériques devraient permettre le regroupement desdiverses classes dans les six catégories de sols définies selon les pratiques exemplaires du GIEC (zonesforestières, terres cultivées, prairies, zones humides, établissements et autres sols). La catégorie zonesforestières peut devoir être subdivisée en types de forêts en vue d’une stratification permettant d’accroître laprécision. Cela peut exiger une connaissance fondée sur les sols des types de forêts pouvant servir, parexemple, à cartographier les forêts naturelles et les forêts plantées et à établir une différence selon l’âge desforêts ou les types de forêts avec divers niveaux de stocks de carbone.

Évolution de l’occupation des sols entre forêts et autres usages des sols. Les pays ont besoin de donnéessur les activités pour calculer les émissions et les absorptions dues au déboisement ou au boisement selon laméthode des gains et des pertes. La plupart des données sur les activités sont suffisamment subdivisées pourqu’on les utilise pour évaluer les émissions et les absorptions lorsqu’on les associe à des facteurs d’émission etd’absorption et à d’autres paramètres généralement exprimés sous forme d’unités de surface. La carte doitcontenir des catégories de sols forestiers converties dans l’une des autres catégories de sols (terres cultivées,prairies, zones humides, établissements et autres sols) en établissant cinq catégories d’évolution et detransformation en sols forestiers des terres cultivées, des prairies, des zones humides, des établissements et desautres sols. Cette carte peut aussi comprendre des catégories de couverts végétaux stables. S’il existe desdonnées spatiales recueillies par des collectivités locales à propos de la transformation de l’occupation des sols,elles doivent être intégrées sur la carte de conversion. Conformément au principe directeur 2 présenté à lasection 3.6, on établit une carte de conversion de préférence en analysant une série chronologique aussi longueque possible d’images satellitaires, car une paire d’images est peu susceptible d’offrir suffisammentd’informations pour établir une distinction entre les différentes conversions et entre évolution de l’occupation dessols et évolution du couvert végétal.

79Voir http://www.fao.org/docrep/003/x0596e/x0596e00.htm.


Évolution des forêts. Comme indiqué à la section 0, dans la pratique, la dégradation suppose une perte à longterme des stocks de carbone forestier. On peut évaluer les processus de dégradation ou d’amélioration enassociant des transitions entre strates ayant diverses densités de carbone. On se sert de données au sol pourévaluer la densité de carbone dans une strate donnée. On peut ainsi obtenir une carte de la dégradation enassociant des données de télédétection (pour détecter des signes de perturbation, donc indiquer l’étendue de lazone potentiellement dégradée) et des données au sol (pour détecter l’effet sur les stocks de carbone). Il estactuellement impossible d’évaluer la dégradation des stocks de carbone forestier directement par la seuletélédétection

80.

Indicateurs d’évolution des forêts en temps quasi réel (alertes précoces). Ce produit n’est pas nécessairepour les déclarations au titre du mécanisme REDD+, mais il est utile en vue d’alertes précoces et de la détectionde changements potentiels et réels de la couverture forestière ou de la dégradation des forêts. Une faiblerésolution et des mesures fréquentes sont nécessaires pour cela (MODIS, PALSAR ScanSAR, etc.).

3.5 Techniques de cartographie des données sur les activités

Les facteurs qui influent sur la décision d’un pays quant aux données et aux méthodes àutiliser pour cartographier les données sur les activités incluent la nature des forêts du pays,les pratiques de gestion des forêts, la disponibilité de divers types de données satellitaires,les capacités actuelles d’analyse d’images satellitaires, la disponibilité de données au sol etle niveau général de capacité technique. Les principes directeurs énoncés à la fin de cettesection présentent des éléments qui peuvent aider un pays à décider de l’association desources de données et de méthodes à employer pour déclarer les émissions et lesabsorptions de gaz à effet de serre.

3.5.1 Cartes des zones forestières/non forestières, de l’occupation dessols et de la stratification des forêts

La traduction de mesures de télédétection en informations sur les conditions de surface estau cœur de l’emploi d’images de télédétection. Il faut procéder à une catégorisation pourproduire les divers types de données sur les activités nécessaires pour évaluer lesémissions et les absorptions de GES. Afin d’évaluer la superficie de forêt, par exemple, ondresse généralement une carte incluant les catégories zone forestière et zone nonforestière. Nous employons des italiques ici pour dénoter le nom de catégories (égalementappelées classes) sur une carte. Pour correspondre à la catégorisation la plus élevéeindiquée dans les pratiques recommandées du GIEC (GPG 2003), une carte du couvertvégétal devrait comprendre au moins les catégories suivantes: sols forestiers, terrescultivées, prairies, zones humides, établissements et autres sols. Il peut s’avérer nécessairede stratifier les zones forestières selon les types d’écosystèmes ou selon d’autres catégoriesqui réduisent au minimum la variabilité de la teneur en carbone. C’est pourquoi lesméthodes qui définissent les catégories ou classes par télédétection sont particulièrementappropriées. Ces méthodes, désignées collectivement par l’expression «classification desimages», sont utilisées depuis longtemps en télédétection. Beaucoup de recherches ont étéréalisées sur les meilleures techniques de classification des images, d’où une grande variétéde choix. La plupart des progiciels de traitement d’images incluent plusieurs algorithmes

80Des recherches en cours pourraient conduire à la détection directe des dégradations au moyen de donnéesradar ou d’un décalage des indices spectraux.


86

pour la classification des images. Parmi les algorithmes courants, citons le maximum devraisemblance, les arbres de décision, les machines à vecteurs de support (SVM) et lesréseaux neuronaux. Nombre de ceux-ci sont disponibles dans des progiciels standard detraitement d’images.

La classification des images commence par la définition des catégories ou classes à incluresur la carte. Dans une classification supervisée, il convient de produire des échantillonsd’apprentissage de chacune des classes à inclure. Ces échantillons peuvent provenir dediverses sources, y compris des sites d’échantillons issus d’un inventaire national des forêtsou des images à haute résolution. Pour les classes simples zones forestières / nonforestières ou pour le petit nombre de catégories de niveau maximal utilisées dans lespratiques recommandées du GIEC, on peut généralement trouver facilement des exemplesdans les images classifiées. On se sert souvent d’images pour un jour donné afin declassifier les images. Toutefois, on peut aussi avoir recours à des images multiples issuesde différentes saisons pour les classifier afin de saisir des classes avec une dynamiquesaisonnière. À mesure que le niveau de stratification des forêts s’élève, on aura besoind’autres sources de données de référence pour former les responsables de la classificationtelles que des cartes de la végétation antérieure ou de parcelles de terrain précédentes.

On peut procéder à une classification par interprétation visuelle, mais cela risque dedemander beaucoup d’heures de travail du fait que le nombre de pixels peut être trèsimportant et que les interprétations peuvent varier pour des raisons de jugement. On peutsurmonter ce problème en faisant appel à des algorithmes automatisés avec ou sanssupervision pour obtenir des résultats correspondant à des interprétations humaines afind’affecter un pixel à un type de forêt ou à un autre ou de segmenter les données. Dans lestechniques sans supervision, on utilise des algorithmes de classification pour affecter despixels à l’un de plusieurs groupements de classes non étiquetées. Ensuite, des spécialistesde l’interprétation d’images affectent à chaque groupement de pixels une valeurcorrespondant à la classe de sols voulue. Dans les techniques avec supervision, on faitappel à des zones de types connus de végétation définies par des experts pour régler lesparamètres des algorithmes de classification, experts qui recensent et étiquettent ensuiteautomatiquement des zones similaires aux zones de données d’apprentissage d’entrée. Lesdiverses techniques posent des problèmes différents, qui se résolvent le mieux par desessais itératifs: lors d’une classification supervisée, on peut vouloir utiliser davantage declasses qu’il n’y a de classes statistiquement séparables, alors que dans le cas d’unetechnique sans supervision, on peut obtenir moins de classes qu’on ne le souhaite et untype donné de couvert peut être réparti en plusieurs groupements. Dans les deux cas, desinterprètes humains pourront vérifier si les résultats de l’application de l’algorithmeapparaissent comme raisonnables du point de vue de la distribution des types de forêtsattendue selon les informations antérieures et n’entraînent pas la présence decaractéristiques improbables. L’avantage relatif de chaque technique dépend du fait desavoir si le temps nécessaire à la vérification des classifications automatiques est supérieurau temps nécessaire pour obtenir des résultats cohérents en comptant uniquement sur desinterprètes humains81.

Il est rare que la première tentative de classification des images donne naissance à la cartedéfinitive. Un examen attentif des résultats de la classification révèle souvent des problèmesqui peuvent être résolus en modifiant le processus de classification. Il existe de nombreux

81Voir la section 2.1 du GOFC-GOLD Sourcebook (GOFC-GOLD, 2012).


moyens d’améliorer les résultats d’une classification présentant des problèmes notables,notamment en ajoutant des données d’apprentissage ou en améliorant ces données. Il peutêtre également utile d’inclure d’autres types de données dans la classification, comme desdonnées topographiques ou climatiques.

Pour reconnaître les diverses strates de forêts naturelles modifiées, il faudra généralementtenir compte des pixels avoisinants, car des caractéristiques telles que la perturbation de lacanopée, la fragmentation ou l’infrastructure de l’exploitation forestière n’apparaîtront pasdans chaque pixel de la zone considérée. Il s’ensuit que si l’on considère la limite entre uneforêt naturelle modifiée et une forêt primaire, il convient de définir un rayon à l’intérieurduquel les signes de modification sont considérés comme pertinents pour le pixel enquestion. Si l’on doit faire appel ultérieurement à une classification fondée sur les pixels, lerayon est utilisé directement. Si les pixels sont les premiers à être segmentés (groupés enfonction de propriétés communes), le rayon est porté en entrée du processus desegmentation (voir l’encadré 8 ci-après à propos des méthodes fondées sur des pixels et surdes objets et de la segmentation).

Conceptuellement, ce rayon désigne la distance nécessaire pour retrouver lescaractéristiques de la forêt primaire, représentées aux fins du mécanisme REDD+. On peutprendre 500 m comme valeur par défaut, mais le meilleur moyen de déterminer la valeur àutiliser, qui dépend de l’écosystème forestier et du type de modification, est de procéder àune mesure82, surtout si l’on fait appel à la méthode de niveau 2 ou 3 du GIEC. Si l’utilisationd’un certain rayon d’influence entraîne l’apparition de fragments de forêt nominalementprimaire le long de la limite entre forêt primaire et forêt naturelle modifiée, c’est que ce rayonest probablement trop faible, du fait qu’il est plus probable qu’une forêt présentant unpaysage fragmenté soit modifiée que primaire. Une fois établis les caractéristiques del’image et le rayon d’influence, il est possible d’affecter un type de forêt (et une stratesecondaire) à chaque pixel pour l’ensemble des zones boisées du pays, comme indiquéci-dessus.

Encadré 8: Méthodes fondées sur des pixels et sur des objets et segmentation

On peut obtenir une précision acceptable pour le couvert végétal et son évolution en faisant appel à desméthodes de classification fondées sur des pixels ou sur des objets. Dans les méthodes fondées sur des objets,on commence par regrouper les pixels ayant des caractéristiques communes, processus appelé segmentation.Pour une résolution moyenne selon la définition donnée ici, ces méthodes ont parfois une précision plus élevéeque les méthodes fondées sur des pixels pour la classification du couvert végétal

a. La segmentation est

également utile pour réduire le speckle des images radar avant leur classification. Toutefois, si le nombre le plusfaible de pixels à regrouper – l’unité minimale de cartographie – est trop important, il existe un risque de fausserles résultats de la classification. Dans la pratique, cela signifie que l’unité minimale de cartographie ne doit pasêtre supérieure au plus petit objet pouvant être discerné dans les images. Les segments d’images ont unavantage lorsqu’une partie d’une chaîne de traitement exige une intervention humaine, du fait que ces segmentspeuvent être associés dans des polygones plus grands, plus faciles à examiner et à réviser à la recherched’erreurs de classification (FAO et JRC, 2012)

b. En suivant les changements intervenus au niveau des pixels, on

peut mieux représenter la dynamique des bassins de carbone, mais cela exige beaucoup plus de traitement desdonnées.

82Par exemple, l'étude menée au Guyana, à l'aide de paramètres de mesure du changement, a démontré quepresque toutes les dégradations liées aux nouvelles infrastructures avaient eu lieu dans une zone tampons'étendant jusqu'à environ 100 mètres de ces dernières. (Winrock International, February 2012).


88

Les démarches fondées sur les pixels peuvent être plus utiles si l’on observe de multiples variations del’occupation des sols dans une période courte (par exemple des cycles de reboisement de 10 à 15 ans). Ellessont le mieux adaptées lorsque la couverture en données est complète (on dit parfois exhaustive) et elles exigentdes méthodes garantissant la cohérence des séries chronologiques au niveau des pixels. Ces démarchespeuvent également s’appliquer à des méthodes fondées sur des échantillons lorsqu’on emploie des techniquesassurant la cohérence des séries chronologiques au niveau des pixels, l’échelle des résultats étant augmentéeselon la taille des échantillons. Les résultats en question peuvent toujours être résumés dans les matricesd’évolution de l’occupation des sols. En fait, cette méthode équivaut à la représentation de la matrice au niveaudes pixels

c.

Outre les principes généraux d’une représentation cohérente des sols lorsqu’on fait appel à la détection pourreprésenter des sols ou repérer des unités de sol en ayant recours à une approche fondée sur les pixels, selonles méthodes et les pratiques recommandées:

1. Une fois qu’un pixel est inclus, il faut continuer à le suivre tout le temps, ce qui évite de compter deuxfois des activités inscrites à l’inventaire et donne davantage de précision aux évaluations des émissions;

2. Des stocks peuvent être attribués aux pixels, mais seules l’évolution des stocks et les émissions etabsorptions qui s’ensuivent sont comptabilisées, ce qui évite de commettre des erreurs importantesquant aux émissions et aux absorptions lorsque les sols changent de catégorie;

3. Lors du suivi, il faut pouvoir établir une distinction entre l’évolution du couvert végétal qui constitue uneévolution de l’occupation des sols et une évolution du couvert végétal qui conduit à des émissions dansune catégorie d’occupation des sols. On évite ainsi d’attribuer des sols à tort et d’appliquer à tort desfacteurs ou des modèles d’émission ou d’absorption qui risquent de fausser les résultats;

4. Il faut poser des règles pour garantir une classification cohérente en éliminant l’oscillation des pixelsentre diverses affectations des sols lorsqu’on est proche des limites de la définition;

5. La cohérence entre les évaluations de l’inventaire et les projections quant aux futures émissions et/ouabsorptions est problématique, car il convient de fixer des règles s’appliquant au niveau des pixels.

Bibliographie:

aVoir Yan Gao et Jean-François Mas, 2008. A Comparison of the Performance of Pixel Based and Object BasedClassifications over Images with Various Spatial Resolutions. Online Journal of Earth Sciences, 2: 27-35.

bVoir http://www.fao.org/docrep/017/i3110e/i3110e.pdf.

CAustralian Greenhouse Office (AGO), 2002.

3.5.2 Cartes de l’évolution de l’occupation des sols

Pour correspondre à l’orientation du GIEC, les cartes de l’évolution de l’occupation des solsse composent de catégories qui indiquent les changements. Au niveau le plus élevé, celainclut la transformation de forêts en terres cultivées, en prairies, en établissements, enzones humides ou en d’autres sols et vice versa. Afin de dresser une telle carte, on faitappel à des images correspondant à des dates multiples et à l’évolution entre diverses datespour identifier les changements. La détection des changements est l’un des usages les pluscourants de la télédétection et de nombreuses méthodes ont été employées, testées etproposées dans la documentation, mais il existe peu d’informations quant aux méthodes quidonnent les meilleurs résultats selon le cas. En général, deux dates au moins (dates cibles)sont nécessaires pour cartographier les changements. Dans toutes les méthodes, on faitappel à l’évolution de la bande spectrale, des bandes ou des indices, base du processus dedétection des changements (Lambin et Strahler, 1994). Des méthodes de classification desimages sont communément utilisées, auquel cas on a recours à des images multiples envue d’une affectation à des classes stables (zones qui n’ont pas changé) et à des classesévolutives (comme le passage des forêts aux prairies) (Woodcock et al., 2001).


Le GOFC-GOLD Sourcebook présente des descriptions et des exemples de plusieursméthodes de détection des changements permettant de suivre le déboisement83. Il peutconstituer une ressource utile lorsqu’on envisage des possibilités d’associer diversestechniques et données de télédétection pour cartographier les changements.

Plus récemment, on a conçu et testé des méthodes faisant appel à des images multiples ouà une série chronologique d’images (Chen et al., 2004, Kennedy et al., 2007, Furby et al.,2008, Zhuravleva et al., 2013). Ces démarches ont de nombreux avantages du fait qu’ellesne dépendent pas tant des conditions au moment où chaque image a été recueillie. Commel’indique le principe directeur 2 (voir la section 3.6), l’emploi d’une série chronologiqued’images permet d’éviter certains types d’erreurs lors de la surveillance de l’évolution desforêts.

Des zones géoréférencées de forêts plantées annuellement ou qui se régénèrentnaturellement dans le cadre de forêts jardinées (ligne 5 du tableau 5) devraient être définiespar les autorités forestières nationales ou par les protagonistes par le biais du systèmenational de surveillance des forêts, et l’existence de forêts plantées ou en voie derégénération dans ces zones devrait être confirmée lorsque l’aspect des pixelscorrespondants se confond avec l’aspect d’autres pixels de ce type de forêts. Celas’applique également aux zones qui semblent être déboisées mais qui, en fait, ont subi desperturbations naturelles telles qu’incendies, cyclones ou pullulations de ravageurs. L’emploid’informations locales concernant par exemple le type de forêt et la gestion prévue, lesextrêmes climatiques tels que les sécheresses et les relevés de perturbations naturellesseront utiles pour traduire les images en données fiables sur les activités.

Le type de forêt cartographié et les zones de changement («pixels comptés») produits avecles méthodes citées à la section 3.5 seront biaisés en raison d’erreurs de classification, quipeuvent être évaluées et corrigées grâce à un échantillon d’observations de référence,comme indiqué à la section 3.7.

3.5.3 Cartes de la dégradation des forêts

Les méthodes décrites dans la section 0 pour évaluer les émissions et les absorptions deGES associées à la dégradation exigent une stratification – ou catégorisation – des forêts enforêts primaires, forêts naturelles modifiées et forêts plantées ou une autre stratificationemployée par un pays. Il peut y avoir une stratification secondaire pour tenir compte dedivers types d’écosystèmes forestiers ou de divers types d’interventions humaines. Ainsi, latélédétection peut jouer un rôle significatif pour l’évaluation des incidences de la dégradationdes forêts en déterminant l’étendue des strates et des sous-strates et comme base pour lasélection d’échantillons. Dans cette approche, avec la méthode gains-pertes, la télédétectionproduit les données sur les activités (zones) de sols forestiers qui ont été dégradés. On faitalors appel à des échantillons prélevés sur le terrain pour affecter des facteurs d’émission etd’absorption aux diverses classes de cartes. On peut aussi avoir recours à la stratificationpar télédétection pour concevoir des stratégies d’échantillonnage dans l’approche del’évolution des stocks. Les méthodes faisant appel à la télédétection pour recenser des

83Voir les sections 2.1 et 2.2 de GOFC-GOLD (2012). Le tableau 2.1.3 en particulier présente les principalesméthodes d’analyse d’images de moyenne résolution.


90

zones qui ont subi une dégradation ou un autre changement incluent le recours à desindices spectraux (combinaisons de bandes spectrales conçues pour accentuer lescaractéristiques de surface), à l’analyse de mélanges spectraux et à l’analyse texturale. Desméthodes visuelles peuvent également être efficaces pour stratifier les forêts selon leurdégradation. On trouvera des exemples de recensement de zones forestières dégradéeschez Winrock International (2012), Souza et al. (2013)84 et Bryan et al. (2013)85.

3.6 Principes directeurs concernant les sources et lestechniques de télédétection

Les principes directeurs suivants sont proposés pour aider les pays à décider del’association de sources de données et de méthodes à utiliser pour déclarer les émissions etles absorptions de gaz à effet de serre.

Principe directeur 1: Pour déceler des changements, comparer des images, pas descartes

Lorsqu’on cartographie l’évolution des forêts, on détermine généralement les changementsde façon plus précise en comparant des images plutôt que des cartes évaluées d’après desimages.

Il est naturel de s’attendre à trouver des changements en comparant simplement deuxcartes de la même zone dressées à des moments différents. Toutefois, on risque ainsi demanquer de précision et la démarche peut être trompeuse (Fuller et al., 2003). Le cœur duproblème, c’est que des erreurs commises sur chaque carte conduisent à recenser de fauxchangements, c’est-à-dire des zones qui semblent avoir changé alors que ce n’est pas lecas. Il vaut donc mieux considérer une carte comme le produit final d’une analyse d’images.Des cartes peuvent résumer les changements intervenus et servir de données sur lesactivités, mais une analyse des nouveaux changements doit être fondée sur les imagessous-jacentes.

Un exemple simple peut illustrer le problème. Si une carte des zones forestières / nonforestières est précise à 95 % (niveau de précision très difficile à atteindre dans denombreux milieux où il existe des gradients de la couverture forestière et de la densité desforêts) et qu’on la compare à une carte semblable du même endroit à une date ultérieureavec le même niveau de précision, si l’on suppose que les erreurs commises sur les deuxcartes sont indépendantes, la précision attendue de la carte résultant de leur comparaisonserait le produit des deux, soit environ 90,25 %. Si les cartes sont corrélées, la précisionsera plus grande. En général, 90 % dénote une très grande précision pour des cartes issuesd’une télédétection. Cependant, cette précision n’est pas suffisante pour évaluer la zoned’évolution forestière annuelle dans la plupart des régions du monde, car dans la plupart descas, la valeur de cette évolution sera inférieure à l’erreur cumulative de chacune des cartes.Pour mettre les choses en perspective, la FAO, dans son évaluation des ressourcesforestières, définit un déboisement rapide comme la perte de plus de 0,5 % d’une zoneforestière par an.

84http://www.mdpi.com/2072-4292/5/11/5493 ; voir aussi http://www.obt.inpe.br/degrad/

85http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0069679#s1


Principe directeur 2: Analyser des séries chronologiques et en garantir l’homogénéité

Lorsqu’on dispose de données pour de nombreux pas de temps, mieux vaut utiliser lesinformations issues de toute la série chronologique d’images que de ne les comparer quepour les dates finales.

Cela est particulièrement important pour reconstituer l’historique des forêts, car on peututiliser la série chronologique pour réduire l’indication d’évolutions improbables del’occupation des sols (dans le cas, par exemple, du passage zone non forestière → zone

forestière → zone non forestière dans un cadre temporel inférieur à un cycle de croissancedes forêts) qui ne pourraient pas être révélées en comparant simplement deux dates. Il estégalement possible de détecter des processus à plus long terme en étudiant les tendancesdans le temps plus qu’en analysant les changements pour deux dates.

Une représentation cohérente des sols, élément essentiel de tout inventaire de GES(GPG 2003; GL 2006), a pour objet:

D’empêcher l’omission de sols touchés par des activités;

De prévenir le comptage en double de certains sols;

D’affecter correctement les sols à divers usages;

De réduire les biais au minimum lors de l’évaluation des émissions.

Lorsqu’on se sert d’images de télédétection pour déterminer l’étendue géographique desactivités de gestion, il faut prendre garde à ce que les limites géographiques soientcartographiées de façon cohérente dans le temps.

Pour cela, il faut:

Que les images soient géoréférencées et orthorectifiées de façon précise en modeélévation numérique86 afin que de faux changements ne soient pas déterminés lorsdes processus de détection des changements en raison d’un mauvais alignementdes images;

Que l’amélioration de la cartographie des limites géographiques obtenue grâce augain de résolution des nouveaux capteurs satellitaires soit prise en compte sur lescartes plus anciennes de l’occupation des sols issues d’images de plus faiblerésolution.

86Pour tenir compte de variations significatives de la pente et de l’élévation dans la zone considérée.


92

Encadré 9: Conservation de la cohérence des séries chronologiques dans les données sur les activitésissues d’images de télédétection

La cohérence exige que les évaluations soient comparables dans le temps. Dans le cas du mécanisme REDD+,cela signifie que les évaluations annuelles actuelles et à venir vont devoir être comparées à un niveau deréférence déterminé à partir d’évaluations historiques. Cette exigence d’une série chronologique cohérente surde nombreuses années est essentielle, car, pour mettre en œuvre le mécanisme et en déterminer le succès, lespays vont devoir prouver une réduction à long terme des émissions.

Le Guyana a opté pour un échantillonnage aléatoire stratifié associé à une cartographie exhaustive fondée surune classification d’une imagerie Landsat d’une résolution de 30 m pour les périodes historiques (afin d’établirdes bases) et RapidEye d’une résolution de 5 m pour la surveillance régulière. Une caractéristique dumécanisme guyanien de mesure, de déclaration et de vérification est que ces jeux de données sont considéréscomme nécessaires pour correspondre à la définition des forêts, aux exigences en matière de déclaration et auxobjectifs généraux du mécanisme.

Des données optiques s’inscrivant dans une série chronologique pluriannuelle sont nécessaires pour obtenir lesproduits de la catégorie de sols Transition Conversion du GIEC. Les démarches permettant de modifier ladétection et les analyses multitemporelles sont relativement bien établies, mais avec l’ouverture de l’archiveLandsat, de nouvelles techniques d’utilisation de la vaste série chronologique sont nécessaires.

Exemples opérationnels nationaux

Le système NCAS australien: Des cartes de l’évolution du couvert végétal à l’échelon national sont produitesrégulièrement au moyen des archives Landsat (Furby et al., 2008). Grâce à la précision du co-enregistrement età l’homogénéité radiométrique, il est possible de faire appel à la série chronologique pour évaluer l’évolution dece couvert pixel par pixel. On prévoit une amélioration continue à mesure que de nouvelles données deviendrontdisponibles (par ex. des modèles DEM haute résolution et des données hyperspectrales) et que des techniquesd’intégration de celles-ci seront développées.

De 1990 à 2008, la Nouvelle-Zélande a eu recours à une imagerie Landsat d’une résolution de 30 m pour établirson inventaire national des forêts. En 2010 et 2011, 54 nouvelles scènes de l’imagerie satellitaire SPOT-5 ont étéacquises dans quatre zones prioritaires néo-zélandaises. Du fait du changement de résolution, l’étenduegéographique des zones forestières cartographiées entre 1990 et 2008 à partir d’images satellitaires Landsatd’une résolution de 30 m est apparue comme étant plus grande dans certains cas que la même zonecartographiée en 2008 à partir d’images SPOT d’une résolution de 10 m.

Lorsque l’étendue véritable des forêts est inchangée, il est bon d’en corriger la cartographie établie en 1990 enfonction du tracé amélioré des limites établi dans les images de 2008.

Encadré 10: Emploi d’une association de jeux de données pour garantir la continuité

Actuellement, les données optiques de moyenne résolution sont la principale source de données pour suivrel’évolution de la couverture forestière dans les tropiques (De Sy et al., 2012). L’emploi d’une série chronologiquehomogène d’observations est essentiel pour obtenir des résultats précis permettant d’évaluer l’évolution à longterme des zones forestières (DeFries et al., 2007; Verbesselt et al., 2010; Achard et al., 2010; GOFC-GOLD,2012).

On peut se servir de données optiques prises isolément s’il n’y a pas de nuages. Une couverture multi-annuellepar une série chronologique est préférable. L’échelle et le taux d’évolution de la couverture forestière influent sursa détection au moyen de données satellitaires optiques. On peut détecter des changements manifestes del’étendue des forêts dus au déboisement ou au passage à d’autres utilisations des sols grâce à des observationsde séries chronologiques faisant appel à des données optiques de moyenne (par ex. Landsat et SPOT-5) à faiblerésolution (par ex. MODIS). Des observations semestrielles et annuelles des changements sont possibles à delongues échelles de temps. On peut également employer des données de faible résolution pour localiser despoints intéressants en vue d’une analyse plus détaillée au moyen de données haute résolution. Deschangements plus subtils de la couverture forestière exigent une couverture plus fréquente à une résolution plusfine (Quickbird, RapidEye, etc.). Des données de fine résolution sont également utiles pour détecter rapidementl’évolution de la couverture forestière et pour valider les résultats. Toutefois, le prix élevé des données et unecouverture étroite imposent des limites (De Sy et al., 2012). Un système national de surveillance des forêts vaprobablement exiger une association de jeux de données pour garantir la continuité de la couverture.


Les programmes opérationnels nationaux

Il existe des programmes opérationnels nationaux faisant appel à des données optiques de télédétection, qu’ilssoient essentiels (Landsat, CBERS) ou non essentiels (IRS, MODIS) pour suivre l’évolution de la couvertureforestière au Brésil (PRODES) (http://www.obt.inpe.br/prodes/index.php), en Australie (NCAS) (Lehmann et al.,2013; Furby et al., 2008) et en Inde (National Forest Cover Mapping FI) (Pandey, 2008).

Programme de surveillance de l’Amazonie (INPE): Il s’agit d’un exemple de portée mondiale de surveillancerégionale opérationnelle de forêts tropicales. On fait appel à une segmentation et à une classification nonsupervisée d’une série chronologique d’images Landsat, DMC et CBERS-2 pour évaluer les rythmes annuels dedéboisement (Souza, 2006). On impose une unité minimale de cartographie de 6,25 ha. On pourrait améliorer leprocessus en incluant des classes de forêts dégradées, en quantifiant explicitement la précision, en définissantmieux les limites entre zones forestières et zones non forestières et, à l’avenir, en intégrant des données SAR(présence de nuages et de fumée) et CBERS-4 (haute résolution et couverture fréquente). L’INPE a mis au pointle logiciel ouvert TerraAmazon, qui permet de manipuler des données satellitaires à des échelles multiples poursuivre le déboisement.

L’intégration de diverses associations de données optiques et SAR permet d’améliorer la cartographie del’occupation des sols et de son évolution. Dans ce cas, l’interopérabilité fait référence à l’emploi de donnéesoptiques à des échelles multiples, à des données radar multifréquence et à l’intégration de SAR optiques pouraméliorer la cartographie de l’occupation des sols et de son évolution. Pour cette dernière, on exploite la textureet la polarimétrie des radars ainsi que la réponse spectrale exclusive des données optiques pour obtenir unemeilleure séparabilité des classes, donc pour détecter les changements de façon plus précise.

Principe directeur 3: Toujours évaluer les résultats de la télédétection

L’analyse par télédétection a pour objet d’évaluer les zones des classes de données sur lesactivités (par la méthode gains-pertes) ou de produire des informations pouvant servir àguider les stratégies d’échantillonnage (par la méthode évolution des stocks). Il existe denombreuses façons de le faire. Il ne faut pas faire appel à la technique apparemment simpleconsistant à se servir des zones indiquées sur les cartes pour évaluer les zones finales.L’affectation à des classes devrait d’abord être soumise à une évaluation rigoureuse pourcorriger les biais de l’évaluation des zones et pour caractériser l’incertitude. La section 3.7indique comment on peut, à partir de données de référence, évaluer la précision, procéder àdes ajustements pour tenir compte des biais de l’évaluation des zones et quantifierl’incertitude de cette évaluation. Les données de référence à employer pour cela peuventêtre des données de terrain ou des données de télédétection d’une résolution plus fine ouclassées de façon plus précise. Un co-enregistrement précis est nécessaire sous peined’introduire des erreurs importantes.

Principe directeur 4: Documenter et archiver les dispositions adoptées

Par souci de transparence, les jeux de données et les analyses servant à évaluer lesémissions et les absorptions de gaz à effet de serre associées aux activités REDD+devraient être documentés et archivés afin qu’un tiers puisse les comprendre et, au besoin,reproduire les étapes adoptées. Les informations devraient inclure les images employées,les types de prétraitement appliqués, les techniques de classification des images utilisées etl’approche de l’induction statistique.


94

3.7 Secteurs d’activité, incertitudes et induction statistiquepour les données sur les activités

Selon la définition des pratiques exemplaires établie par le GIEC, les inventaires d’émissionsdevraient répondre à deux critères: 1) pas de surestimation ou de sous-estimation pourautant qu’on puisse en juger, et 2) réduction des incertitudes autant que faire se peut(Penman et al., 2003). Pour cela, il faut compenser les erreurs de classification lorsqu’onévalue des secteurs d’activité à partir de cartes et estimer les incertitudes par destechniques éprouvées et statistiquement rigoureuses. Le principal moyen d’évaluer laprécision, de compenser les erreurs de classification et d’estimer l’incertitude est decomparer des classifications de cartes et des observations de référence afin d’obtenir unéchantillon d’évaluation de la précision.

Les facteurs qui influent sur le respect de ces deux critères sont la conception del’échantillonnage, la taille de l’échantillon d’évaluation de la précision et la précision de lacarte. Pour que l’évaluation de la précision soit valide pour un domaine d’intérêt donné dansle cadre familier fondé sur la conception ou sur les probabilités (McRoberts, 2014), il fautrecueillir des données de référence par échantillonnage des probabilités indépendammentde la manière dont les données d’apprentissage sont recueillies. Les façons les pluscourantes d’échantillonner les probabilités sont l’échantillonnage aléatoire stratifiésystématique (échantillonnage aléatoire simple dans les strates) et l’échantillonnagesystématique stratifié (échantillonnage systématique dans les strates). Une question estessentielle lorsqu’on choisit une technique d’échantillonnage: la taille de l’échantillon pourchaque activité doit être assez grande pour produire des évaluations suffisamment précisesdu secteur d’activité. Des techniques simples d’échantillonnage aléatoire et systématiquedonnent lieu, pour chaque activité, à des échantillons d’une taille à peu près proportionnelleà leur occurrence. Si l’on obtient un échantillon global très important, un échantillonnagealéatoire ou systématique simple peut produire des échantillons suffisamment grands pourque chaque activité se traduise par des évaluations d’une précision suffisante. Toutefois, àmoins que l’échantillon soit globalement important, la taille des échantillons pour desactivités représentant de faibles parties de la superficie totale risque d’être trop faible poursatisfaire au critère de précision. Ainsi, vu la rareté probable de certaines activités et le coûtélevé des grands échantillons, il faudrait songer sérieusement à un échantillonnage stratifiéoù les strates correspondraient aux classes d’activités cartographiques.

Le succès de toute technique d’échantillonnage dépend de la précision des cartes, quetraduit la mesure dans laquelle les activités prévues (classes de cartes) correspondent auxactivités réelles (observations de référence) à chaque endroit. L’évaluation de la précisiondes cartes est souvent exprimée sous la forme de matrices de confusion qui résument lesrésultats et facilitent l’évaluation de la précision, des secteurs d’activité et des incertitudes.Bien qu’une matrice de confusion ne donne pas lieu directement à des évaluations dessecteurs d’activité ou des incertitudes qui s’y rattachent, on peut faire appel pour cela auxinformations contenues dans une telle matrice (McRoberts et Walters, 2012; Olofsson et al.,2013). Il est à noter qu’une grande précision globale des cartes ne garantit pas uneévaluation précise de chaque secteur d’activité.

On peut envisager deux approches générales de l’établissement de cartes de l’évolution:une classification directe suppose l’établissement d’une carte directement à partir d’un jeude données d’apprentissage sur l’évolution et de deux jeux ou davantage de données detélédétection, alors que la post-classification suppose qu’on établit la carte en comparantdeux cartes distinctes ou davantage du couvert végétal, établies chacune au moyen de jeuxexclusifs de données d’apprentissage sur le couvert végétal et de données de télédétection.


Bien qu’une classification directe soit souvent préférable, une post-classification peut être laseule solution en raison de facteurs tels que l’impossibilité d’observer deux fois le même sited’échantillonnage, l’insuffisance du nombre d’observations d’apprentissage du changementou l’obligation de faire appel à une carte de base historique. La nature des données deréférence nécessaires pour évaluer les zones d’activité à partir de cartes de l’évolutiondépend de la méthode employée pour dresser la carte. Pour les cartes établies parclassification directe, les données de référence doivent consister en des observations deschangements fondées sur des observations du couvert végétal à deux dates distinctes pourla même zone d’échantillonnage. Pour les cartes établies par post-classification, lesdonnées de référence peuvent être les mêmes que pour les cartes obtenues parclassification directe ou il peut s’agir d’observations du couvert végétal à deux dates et àdeux endroits différents. Dans le cas des données de référence, on ne peut pas évaluer leschangements directement, mais on peut estimer le couvert végétal pour chaque date,l’évolution étant la différence entre les deux évaluations (Coppin et al., 2004; McRoberts etWalters, 2012; McRoberts, 2014). Indépendamment de l’évaluation de la précision et de latechnique d’évaluation adoptée, les estimateurs (formules statistiques) employés pourcalculer les estimations doivent correspondre à la conception de l’échantillonnage pourl’évaluation de la précision.

Les observations de référence peuvent émaner de plusieurs sources, mais leur qualité doitêtre supérieure à celle des données cartographiques et des données utilisées pour dresserla carte. Bien que les données au sol recueillies par des équipes de terrain qui peuvent êtreco-enregistrées avec précision sur la carte soient généralement considérées comme lanorme, on fait également appel à des données de télédétection d’une résolution plus fine,classées avec davantage de précision (Stehman, 2009, Sannier et al., 2014).

Deux exemples illustrent les techniques d’évaluation des zones d’activité, l’une fondée sur lastratification (Cochran, 1977; Olofsson et al., 2013) et l’autre sur une approche assistée parmodèle (Särndal et al., 1992; Sannier et al., 2014). Dans l’approche stratifiée illustrée parl’exemple 1, on a recours à des classes discrètes d’une variable-réaction pour affecter despixels aux catégories d’évolution constituant des strates. Cette approche estparticulièrement utile lorsque les strates correspondent à des activités et qu’un grandnombre d’observations de référence sont disponibles pour chaque activité. Cependant, onpeut également évaluer une aire en utilisant des unités d’échantillonnage plus grandes quechaque pixel d’une carte, comme dans le cas où l’on obtient les données de référence àpartir d’images de très haute résolution. L’approche assistée par modèle de l’exemple 2 estparticulièrement utile lorsque la variable-réaction de ces unités plus importantes est continueet qu’on peut exploiter le rapport entre données de référence et données cartographiques entant qu’information auxiliaire pour accroître la précision.

Exemple 1: Approche stratifiée de l’évaluation de la précision et de l’estimation de lazone considérée

Conception des données et de l’échantillonnage

Une carte de l’évolution de 30 m x 30 m fondée sur le programme Landsat pour la période2000-2010 comprenait deux classes avec évolution et deux classes sans évolution:1) déboisement sur une superficie de 18 000 ha, 2) boisement sur une superficie de


96

13 500 ha, 3) forêt stable sur une superficie de 288 000 ha, et 4) zone non forestière stablesur une superficie de 580 500 ha.

Du fait que les zones correspondant aux classes d’évolution sur les cartes étaient réduites etne comprenaient que 3,5 % de la superficie totale, on a décidé de recourir à unéchantillonnage aléatoire stratifié avec les quatre classes de cartes comme strates pourétablir un échantillon de la précision. L’échantillon devait être suffisamment grand pourdonner des évaluations assez précises des zones de classes mais suffisamment petit pourêtre gérable. Un échantillon arbitraire de 500 pixels, considéré comme gérable, a étédistribué avec 75 pixels pour chacune des deux classes d’évolution, 125 pixels pour la forêtstable et 225 pixels pour la zone non forestière stable.

Évaluation

Les données de référence consistaient en des classifications manuelles des pixels Landsatchoisis pour l’échantillon. Les mêmes données Landsat sous-jacentes ont été utilisées pourproduire la carte et les classifications de référence, bien qu’avec l’hypothèse, fondée sur lestrois évaluations indépendantes, que les classifications de référence étaient d’une qualitésupérieure à celle des classifications de la carte. On a créé une matrice de confusion fondéesur une comparaison pixel par pixel de la carte et des classifications de référence pourl’échantillon d’évaluation de la précision (tableau 8).

Tableau 8: Exemple 1 – Matrice de confusion pour le comptage des échantillons

Référence

Déboi-sement

Boise-ment

Forêtstable

Zonenon

fores-tière

stable

Total � � ,� [pixels] � �

Cart

e

Déboisement 66 0 5 4 75 200 000 0,020

Boisement 0 55 8 12 75 150 000 0,015

Forêt stable 1 0 117 7 125 3 200 000 0,320

Zone nonforestière

stable2 1 9 213 225 6 450 000 0,645

Total 69 56 139 236 500 10 000 000 1,000

Les cellules de la matrice de confusion étaient toutes basées sur l’échantillon d’évaluationde la précision. L’estimateur fondé sur l’échantillon (formule statistique) pour la proportion dela superficie p� � est dénoté p� � � , où i désigne la ligne et j la colonne de la matrice. La forme

précise de l’estimateur dépend de la conception de l’échantillonnage. Pour deséchantillonnages d’égale probabilité incluant des modèles aléatoires et systématiquessimples et des échantillonnages aléatoires stratifiés pour lesquels les strates correspondentaux classes de cartes, comme c’est le cas dans cet exemple,


p� � � = W��

� � ∙, (3)

où W� désigne la proportion de la superficie cartographiée comme étant la classe i (voir ladernière colonne du tableau 8) et n� ∙ la somme de isnij et de j. Ainsi, on peut exprimer lamatrice de confusion en fonction des proportions p� � � de la superficie évaluée (tableau 9)

plutôt qu’en fonction du nombre d’échantillons n� � (tableau 8).

Tableau 9: Exemple 1 – Matrice de confusion des proportions surfaciques estimées

Référence

Déboi-sement

Boise-ment

Forêtstable

Zonenon fo-restièrestable

Total (� � ) � � , � [pixels]

Cart

e

Déboisement 0,0176 0,0000 0,0013 0,0011 0,020 200 000

Boisement 0,0000 0,0110 0,0016 0,0024 0,015 150 000

Forêt stable 0,0026 0,0000 0,2995 0,0179 0,320 3 200 000

Zone non fo-restière stable

0,0057 0,0029 0,0258 0,6106 0,645 6 450 000

Total 0,0259 0,0139 0,3283 0,6320 1,000 10 000 000

Après avoir évalué p� � � pour chaque élément de la matrice de confusion, on peut évaluer

laprécision, les zones d’activité et les erreurs-types des zones évaluées. La précision de

l’utilisateur U� � =� � � �

� � � ∙, la précision du producteur P� � =

� � � �

� � ∙�et la précision globale O� = ∑ p� � �

�� , où

q désigne le nombre de classes, sont des proportions de superficies estimées.

Dans cet exemple, la précision de l’utilisateur est évaluée à 0,88 pour le déboisement, à0,73 pour le boisement, à 0,94 pour la forêt stable et à 0,95 pour la zone non forestièrestable. La précision globale est évaluée à 0,94.

On fait ensuite appel aux proportions surfaciques estimatives du tableau 9 pour évaluer lasuperficie de chaque classe. Les totaux des lignes, dans la matrice de confusion dutableau 9, désignent les proportions surfaciques cartographiées (W i), alors que les totauxdes colonnes figurent les proportions surfaciques estimatives selon les données deréférence. Voici un estimateur stratifié de la proportion surfacique de la classe j:

p� ∙� = ∑ W��

� � ∙� (4)

(Cochran, 1977, équation 5.52). On calcule l’évaluation surfacique de la classe j selon lesdonnées de référence comme étant le produit de p� ∙� par la surface totale de la carte.


98

Par exemple, la superficie estimative déboisée, selon les données de référence, est égale à

A� � = p� ∙� × A � � � = 0,0259 × 10 000 000 pixels = 258 933 pixels = 23 304 ha. Ainsi, la surface

cartographiée soumise à un déboisement � A � ,� � ,égale à 200 000 pixels (18 000 ha), est

sous-évaluée de 58 933 pixels, soit 5 304 ha.

L’étape suivante consiste à évaluer un intervalle de confiance pour la superficie estimativede chaque classe. L’erreur-type de l’estimateur stratifié de la proportion de la superficie (lacolonne Total du tableau 9) se calcule ainsi:

SE � p� ∙� � = � ∑� � � � � � � � � � �

�

� � ∙ � �� (5)

(Cochran, 1977, équation 5.57). Selon l’équation (5), SE(p� ∙� ) = 0,0048 et l’erreur-type sur lasuperficie estimative soumise au déboisement est égale à SE � A� � � = SE(p� ∙� ) × A � � � =

0,0048 × 10 000 000 = 48 463 pixels. L’intervalle de confiance à 95 % pour cette superficie

est égal à 1,96 × 48 463 = 94 987 pixels = 8 548 ha. Le tableau 10 présente les chiffresévaluatifs et les intervalles de confiance pour toutes les classes.

Tableau 10: Exemple 1 – Évaluations et intervalles de confiance

Classe

Proportion de la superficie Superficie (ha)

j.p j.pSE Intervalle de confiance

Déboisement 0,0259 0,0048 14 755 31 853

Boisement 0,0139 0,0030 7 243 17 717

Forêts stables 0,3283 0,0110 275 991 314 865

Zones nonforestières

stables

0,6320 0,0118 548 058 589 518

Les estimateurs stratifiés présentés dans cette section peuvent également s’appliquer sil’échantillonnage est aléatoire simple ou systématique simple, la carte étant utilisée pourdéfinir les strates (approche parfois appelée post-stratification pour distinguer l’emploi desstrates à des fins d’évaluation de l’usage de ces strates pour réaliser la conception del’échantillonnage). On trouvera un logiciel pour effectuer ces calculs à l’adressehttp://people.bu.edu/olofsson/ cliquer sur Research>Accuracy/Uncertainty).


Exemple 2: Approche assistée par modèle de l’évaluation de la précision et de lasuperficie

Configuration des données et de l’échantillonnage

Dans l’exemple 2, une région de 100 000 km2 d’un pays tropical a été divisée en blocs de20 x 20 km, chaque bloc étant subdivisé en segments de 2 x 2 km. Une classificationforêts/zones non forestières de 30 x 30 m a été établie pour l’ensemble de la région pour1990, 2000 et 2010 au moyen d’images Landsat et d’un algorithme de classification nonsupervisé. Pour chaque intervalle de temps, les données cartographiques concernant le

ième segment consistaient dans la proportion de pixels iy dont la classification changeait

entre forêts et zones non forestières. On a acquis des données de référence pour chaqueannée en prenant au hasard un segment pour chaque bloc et en interprétant visuellementchaque pixel du segment comme forêt ou zone non forestière en faisant appel à desdonnées Landsat indépendantes, à des photos aériennes et à d’autres données spatiales.L’échantillon de segments a été appelé S, et pour chaque intervalle de temps, les données

de référence pour le ième segment se composaient de la proportion de pixels y� dontl’interprétation visuelle passait de forêt à zone non forestière.

Évaluation

Pour chaque intervalle de temps, l’évaluation par cartographie de la proportion dedéboisement, donnée par

M

1iimap y

M

1p (6)

où M = 25 000, était égale au nombre total de segments de la zone étudiée. Toutefois, lesévaluations cartographiques font l’objet d’erreurs de classification qui introduisent des biaisdans la procédure d’évaluation. Voici un terme d’ajustement qui permet de compenser cebiais:

Si

iimap yym

1pasiB (7)

où m = 250 désigne le nombre de segments de l’échantillon. L’évaluation de l’ajustement estégale à l’évaluation de la carte dont on a soustrait le terme d’ajustement:

mapmapadj pasiBpp

M

1i Si

iii yym

1y

M

1(8)

L’erreur-type (ET) de adjp i est égale à:


100

ET � p� � � � � = � Va� r� p� � � � � =

Si

2i

1mm

1(9)

Où iii yy et

Si

im

1.

Cet estimateur est fondé sur l’hypothèse d’un échantillonnage aléatoire simple. Pour unéchantillonnage stratifié, comme dans le cas de cet exemple, les variances et les écarts-types peuvent être au minimum surestimés. Le tableau 11 indique l’évaluation de la zonedéboisée pour chaque intervalle de temps.

Tableau 11: Exemple 2 – Évaluation régionale des zones soumises au déboisement

Intervallede temps

Évaluation (proportion de zonesdéboisées)

Intervalle de confiance(km2)

mapp mappasiB adjp adjpSELimite

inférieureLimite

supérieure

1990-2000 0,0017 - 0,0015 0,0033 0,0012 95 565

2000-2010 0,0003 - 0,0009 0,0011 0,0012 - 125 345*

1990-2010 0,0020 - 0,0024 0,0044 0,0016 126 754

*Du fait que l’intervalle inclut le 0, l’évaluation des zones déboisées n’est pas statistiquement trèsdifférente de 0.

Dans la documentation statistique, ces estimateurs sont caractérisés comme étant desestimateurs de régression assistés par modèle, même si l’on peut avoir recours à destechniques de prévision autres que la régression et que le modèle puisse être implicite(Särndal et al., 1992; section 6.5).

Résumé des exemples

Il existe une distinction importante entre les démarches illustrées par les deux exemplesci-dessus quant à l’emploi de données cartographiques. Dans le premier exemple, lesdonnées cartographiques au niveau des pixels prennent la forme de classes discrètes et neservent qu’à établir des strates, à en calculer le poids et à réduire la variance de l’évaluationde la superficie par rapport à la variance de l’évaluation sur la seule base des observationsde référence. Ce qui importe, dans le cas de l’estimateur stratifié du premier exemple, c’estque les évaluations à l’intérieur des strates sont fondées entièrement sur les observations deréférence. Dans le deuxième exemple, les données cartographiques servent de variablecontinue auxiliaire au niveau des segments. L’estimateur assisté par modèle permet demieux exploiter le rapport entre la proportion de référence de la superficie au niveau des


segments et la proportion de la superficie de la carte au niveau des segments. Il en résulteque l’estimateur assisté par modèle exige une compensation des effets de l’erreur deprévision du modèle au niveau des segments, mais qu’il influe davantage sur les évaluationsfinales du fait d’une plus grande réduction de l’erreur de variance de l’évaluation de lasuperficie.

3.8 Collecte d’observations au sol et calcul des facteursd’absorption des émissions

Les observations au sol sont un élément essentiel de l’évaluation des émissions et desabsorptions. On trouve souvent des données utiles en recueillant des données à d’autresfins, par exemple en suivant la production de bois en volume ou à partir de recherchesscientifiques. Bien que la disponibilité de telles données diffère selon les pays, desobservations pertinentes au sol peuvent inclure:

Les inventaires nationaux des forêts ou des évaluations ou inventaires sous-nationaux des forêts faisant par exemple appel à la mesure de parcelles ou detransects, à des études de la croissance et du rendement, aux absorptions parabattage d’arbres et aux équations permettant de les convertir en biomasse;

Des cartes spatiales des types de forêts, de la gestion des forêts, de l’historiquedes perturbations, des types de sols et de leur teneur en carbone et de l’occupationdes sols;

Des données de recherche et d’exploitation pouvant servir à évaluer les facteursd’émission et d’absorption du carbone dans la biomasse, la matière organiquemorte et les sols;

Des mesures détaillées pouvant être converties en facteurs d’émission de gaz àeffet de serre autres que le CO2 émanant des sols et dus à des incendies.

On peut se servir de données au sol pour produire des cartes, définir des facteursd’absorption des émissions, créer des modèles de croissance de divers types de forêts ouaffecter des paramètres à des modèles tels que les modèles du carbone dans le sol. Onpeut devoir stratifier ces données selon le type de forêt, le sol, les conditions climatiques, latopographie et la nature des perturbations forestières induites par la gestion des forêts oupar des facteurs naturels. Cela est essentiel pour que les données s’appliquent à desdomaines (strates) appropriés des forêts nationales.

Les types de données recueillies et les techniques employées sont très variables. Parexemple, pour évaluer les facteurs d’émission de GES autres que le CO2 dues à lacombustion de la biomasse, il faut faire appel à des méthodes et à un matériel scientifiquescomplexes, auquel cas recueillir de nouvelles données sur les types de forêts pour améliorerles cartes exigera un personnel ayant des compétences et des connaissances particulièresconcernant la façon de recenser les types de forêts à partir du sol.

Bien que les données existantes puissent ne pas être exploitables telles quelles, il seraprobablement beaucoup plus rentable de faire appel à des données existantes autant que


102

possible, et, en général, le système national de surveillance des forêts sera efficace pour lacollation des informations pertinentes existantes.

Ce système doit déterminer:

Les activités REDD+ qu’on envisage d’inclure dans le cadre d’une atténuationnationale, ce qui est généralement une question de politique nationale;

Les données nécessaires pour évaluer les émissions et les absorptions associées.On trouvera des conseils à ce propos dans le chapitre 2 du présent document,parallèlement à GPG 2003. L’analyse des principales catégories (voir lasection 1.2) facilitera l’établissement de priorités concernant les besoins en matièrede données;

Quels jeux de données permettent de répondre à ces besoins en prenant contactavec les ministères, les services statistiques, les établissements universitaires etles protagonistes voulus par le biais du système national de surveillance des forêts.

Les responsables de ce système devraient ensuite collationner les données existantes etacquérir de nouvelles données en cas de besoin.

Par souci de synergie, il peut être rentable d’intégrer l’inventaire national des forêts, s’il enexiste un, dans le système national de surveillance des forêts. Toutefois, une applicationefficace des méthodes du GIEC n’implique pas nécessairement la création d’un telinventaire s’il n’en existe pas déjà un. La figure 3 représente un arbre de décision permettantde régler la question.

3.9 Conseils d’ordre général sur l’emploi d’observations au solpour évaluer l’évolution des bassins de carbone et lesémissions de GES autres que le CO2

3.9.1 La biomasse

Le carbone présent dans la biomasse constitue généralement un bassin important et il fautdes méthodes pour évaluer les stocks de carbone dans la biomasse et leur évolution. Parexemple, les méthodes gains-pertes présentées dans la section 2.1.2 exigent de connaître:

1. La densité du carbone présent dans la biomasse des forêts primaires, des forêtsnaturelles modifiées et des forêts plantées, sous-stratifiées par type de forêt et parrégime de gestion ou de perturbations probables;

2. Le taux annuel d’évolution de la densité du carbone dans la biomasse des forêtsnaturelles modifiées, sous-stratifiées selon les besoins par type de forêt et parrégime de gestion ou de perturbations probables;

3. La densité moyenne à long terme du carbone dans la biomasse des forêtsplantées, sous-stratifiées selon les besoins par type de forêt et par régime degestion ou de perturbations probables, et les taux correspondants d’évolution deces forêts.


La stratification en forêts primaires, forêts naturelles modifiées et forêts plantées correspondau Programme d’évaluation des ressources forestières mondiales de la FAO. Les payspourront utiliser d’autres stratifications selon leur situation nationale, par exemple s’ilsdisposent d’une stratification nationale établie ou si le recours à un autre type destratification réduit le nombre de sous-strates requis.

3.9.1.1. Évaluation du carbone présent dans la biomasse à partir de mesures desubstitution

Sur le plan pratique, il convient d’évaluer la biomasse indirectement, souvent en faisantappel à des modèles d’équations allométriques qui lient la biomasse à des mesures desubstitution, souvent le diamètre des troncs et parfois aussi la hauteur des arbres. Cesmodèles fonctionnent par échantillonnage destructif, mais cela revient cher et il n’est paspratique de compter uniquement sur des mesures directes. Les sources d’incertitude, lors del’évaluation de la biomasse située au-dessus du sol sur un territoire forestier (ou une stratede celui-ci) par des mesures de substitution (Chave et al., 2004; Molto et al., 2013), sont lessuivantes:

La qualité de la mesure des arbres (diamètre ou hauteur) effectuée dans lesinventaires des forêts;

La fiabilité du modèle allométrique choisi pour convertir la mesure des arbres enbiomasse;

La superficie de la zone échantillonnée (parcelle);

La représentativité des parcelles échantillonnées des grands territoires forestiers oudes strates adoptées.

L’échantillonnage de forêts par parcelle devrait être à la base de l’évaluation de la densitédu carbone dans la biomasse. Il faut de grandes parcelles lorsque la répartition de labiomasse dans l’espace est irrégulière (en raison par exemple du manque d’unité de ladistribution des arbres dans des forêts sèches ou précédemment perturbées ou de larépartition irrégulière des grands arbres). On fait un compromis entre superficie desparcelles et grandeur des échantillons, mais dans les forêts tropicales humides, parexemple, les parcelles devraient faire au moins 0,25 ha (Chave et al., 2004). Chave et al.(2003) ont démontré que pour évaluer la biomasse au-dessus du sol avec une erreur de20 % et une confiance de 95 % dans la forêt humide panaméenne, il fallait 26 parcelles de50 m x 50 m dans cette zone, ou 160 parcelles de 20 m x 20 m. Selon une analyseultérieure (Chave et al., 2004), pour généraliser, à condition que des modèles allométriquesfiables soient employés, la zone totale de forêt échantillonnée devrait être d’environ 5 ha. Unéchantillonnage préliminaire devrait être réalisé dans chaque strate forestière pourdéterminer l’importance de l’échantillonnage requis. Des outils tels que l’outil de calcul


104

CDM87 peuvent être utilisés pour déterminer le nombre optimal de parcelles voulues pourobtenir une précision donnée.

Les parcelles doivent être localisées par GPS et marquées sur le terrain, sauf si elles sontprovisoires88 (voir ci-après). Comme indiqué à la section 5.3.3.2 de GPG 2003, on peutréduire les frais en localisant les parcelles par petits groupes de quatre ou cinq, parexemple, à condition que la séparation des parcelles dans un groupe soit suffisante pouréviter des corrélations majeures. Le recours à des parcelles emboîtées, où les petits arbresne sont mesurés que dans un sous-ensemble de la parcelle, est une autre façon de réduirele coût de la mesure en un point. La forme d’une parcelle n’a pas tellement d’importance:elle peut être carrée ou circulaire.

Lorsque la variabilité spatiale est élevée, il peut s’avérer nécessaire de faire appel à unéchantillonnage stratifié, où l’on emploie des données de télédétection ou d’autres donnéesspatiales pour atteindre le degré voulu de précision pour un prix donné (voir l’encadré 4).Par exemple, en ayant recours à une stratification qui traduit les différences entre types deforêts, âges ou dimensions des arbres, on est susceptible de réduire l’incertitude de façonbeaucoup plus efficace qu’en augmentant simplement la taille de l’échantillon. Diversmodèles allométriques pouvant être nécessaires pour chaque strate, la disponibilité demodèles appropriés peut constituer une contrainte pratique quant au nombre de stratesforestières utilisées, et de nouvelles équations allométriques peuvent être nécessaires. Onpeut déjà disposer d’un échantillonnage suffisant grâce à un inventaire national des forêts,et le service chargé de cet inventaire devrait être consulté par le biais du système nationalde surveillance des forêts à propos du rapport entre les données de l’inventaire et lastratification proposée, ainsi que de la disponibilité de modèles allométriques convenablespour évaluer la biomasse aux fins des activités REDD+. Cela doit être fait avant que denouvelles activités sur le terrain soient lancées ou qu’une nouvelle stratification soit décidée.

Le diamètre de la tige de tous les arbres qui comptent pour au moins la moitié sur la parcelleest mesuré et la biomasse est établie au moyen de modèles allométriques appropriés. Engénéral, le diamètre des arbres doit être mesuré à au moins 1,30 m du sol et au-dessous dupremier embranchement. La hauteur choisie doit correspondre à celle utilisée pour établir lemodèle allométrique employé. Chose importante, la fourchette de dimensions des arbresadoptée pour établir ce modèle doit correspondre à celle qu’on trouve dans la forêt, car sil’on n’échantillonne pas d’arbres suffisamment gros (de nombreux arbres pouvant avoir undiamètre supérieur à 1 m dans les forêts tropicales; voir Henry et al., 2010), on obtiendraune évaluation très incertaine de la biomasse. Chave et al. (2004) ont déterminé que dansles forêts tropicales humides, le coefficient de variation89 associé au modèle allométriqueétait d’environ 20 % lorsqu’on échantillonnait 20 arbres pour l’établir, mais qu’il descendait à10 % lorsque la taille de l’échantillon était d’une cinquantaine d’arbres. Le diamètre des tigesest souvent une variable indépendante adéquate, mais si l’on tient compte de la hauteur desarbres, on peut réduire les incertitudes de façon significative, bien que cette hauteur soitplus difficile à mesurer (voir l’annexe G, qui donne davantage de détails sur la création etl’application de modèles allométriques). Il est conseillé aux pays de faire appel au diamètre

87On trouvera l’outil CDM de calcul du nombre de parcelles à échantillonner à l’adressehttp://cdm.unfccc.int/methodologies/ARmethodologies/tools/ar-am-tool-03-v2.1.0.pdf/history_view . Cet outilest destiné aux projets de boisement/reboisement, mais on peut en appliquer le principe à d’autres fins.

88Le GPS doit être utilisé pour localiser chaque parcelle. Il faut cependant faire appel à des techniques plusprécises (boussole et mètre-ruban) pour déterminer les limites de la parcelle.

89Écart-type divisé par la moyenne.


ainsi qu’à la hauteur lorsque c’est possible. Les pays devraient employer des équations quireprésentent le mieux leurs types de forêts et qui correspondent à la pratique établie etvalidée. Comme l’évolution de la biomasse doit également être évaluée, en général,l’emplacement des parcelles doit être permanent de façon à ce qu’on puisserééchantillonner périodiquement la même zone.

Il faudrait faire appel de préférence à des modèles allométriques pour évaluer la biomasseau-dessous et au-dessus du sol et en créer pour les espèces d’arbres considérées et dansles conditions voulues. La FAO et le CIRAD ont publié un manuel sur la façon de le faire etétabli une base de données sur les équations existantes avec des informations sur les casauxquels elles s’appliquent90. Pour les forêts naturelles, qui peuvent contenir des espècestrès différentes, l’application de modèles allométriques particuliers à une espèce peut ne pasêtre pratique, auquel cas on peut faire appel à des modèles allométriques non particuliers àune espèce et adaptés sur le plan régional (Chave et al., 2004). Les équations génériques,fondées sur un grand nombre d’arbres échantillonnés sur un territoire, ont tendance à êtreplus fiables que des équations établies localement si celles-ci ne sont fondées que sur unfaible nombre d’arbres (Chave et al., 2005). Souvent, on ne dispose d’une allométrie quepour évaluer la biomasse au-dessus du sol, mais on peut estimer la biomasse au-dessousdu sol en employant des ratios racines/pousses. Le GIEC a établi des valeurs par défaut91,bien que cette approche accroisse l’incertitude de façon significative.

Il faut multiplier la densité de la biomasse par la masse du carbone par masse de labiomasse pour passer à la densité du carbone. Le ratio par défaut employé dans GPG 2003est égal à 0,592. Le GIEC donne des chiffres plus précis pour les composantes des arbres etles domaines forestiers93.

3.9.1.2 Estimation de l’évolution de la densité du carbone dans la biomasse

Les méthodes présentées dans la section 2.2 exigent une évaluation annuelle de l’évolutionde la densité du carbone dans la biomasse des forêts naturelles modifiées et des forêtsplantées. Cette évolution est calculée comme étant la moyenne, sur les parcellespermanentes échantillonnées, des différences entre les densités du carbone à deuxmoments distincts. Les parcelles doivent être mesurées tous les 5 à 10 ans et le tauxd’évolution doit être estimé à partir de la paire la plus récente de mesures divisée par lenombre d’années qui sépare ces mesures. On détermine un taux d’évolution pour chaqueparcelle. Le taux estimatif d’évolution de la strate est la moyenne pondérée du tauxd’évolution de chaque parcelle et l’on peut évaluer la fourchette d’incertitude pour unintervalle de confiance de 95 %94à partir de leur répartition autour de la moyenne.

90On trouvera le manuel à l’adresse http://foris.fao.org/static/allometric/Manual_EN_WEB.pdf et la base dedonnées internationale associée pour les équations allométriques concernant les arbres à l’adressehttp://www.globallometree.org/.

91Voir GL 2006, chapitre 4, et en particulier le tableau 4.4.

920,47 dans les directives de 2006. Les pays devraient appliquer des valeurs de façon cohérente.

93Voir GL 2006, chapitre 4; et en particulier le tableau 4.3, à l’adressehttp://www.ipcc-nggip.iges.or.jp/public/GL 2006/pdf/4_Volume4/V4_04_Ch4_Forest_Land.pdf.

94Un intervalle de confiance est souvent utilise dans la documentation d'orientation du GIEC.


106

On peut faire appel à des parcelles permanentes définies de façon systématique pouraccroître la précision de l’évaluation de l’évolution lorsqu’on les mesure répétitivement dansle temps. Toutefois, si ces parcelles sont considérées différemment du reste de la forêt (parex. si elles ne sont pas déboisées ou éclaircies de la même façon) ou si la populationd’origine change en raison de la suppression de types précis de sols sans qu’on supprimeles parcelles correspondantes, les parcelles permanentes ne seront plus représentatives dela forêt actuelle. On peut faire appel à des données de télédétection concernant parexemple le couvert végétal ou les perturbations pour déterminer si les parcellespermanentes ont été traitées de façon non représentative. Si les parcelles permanentes nesont plus représentatives de la forêt dans son ensemble, il faudra peut-être faire appel à unnouvel ensemble de parcelles pour représenter la situation actuelle de façon plus précise, cenouvel ensemble pouvant être temporaire si les parcelles permanentes peuvent continuer àproduire des évaluations fiables de l’évaluation de la forêt pour la zone forestière qu’ellesreprésentent. D’un autre côté, les parcelles permanentes peuvent être intégrées dans unprocédé fondé sur un modèle faisant appel à une variable obtenue par télédétection pourreprésenter la situation actuelle de façon précise. Par le passé, on a eu recours à unéchantillonnage avec des systèmes de remplacement partiel où une partie des parcellespermanentes étaient remplacées lors de chaque période de mesure, compromis pourévaluer l’évolution et la situation actuelle, mais qu’on a considéré comme complexe etdifficile à mettre en œuvre.

3.9.1.3 Évaluation de l’évolution de la densité à long terme du carbone dans labiomasse des forêts plantées

Les protagonistes devraient produire des données sur la densité de la biomasse au-dessusdu sol au point de déboisement final (P), sur le temps qui s’écoule entre le reboisement et lacoupe des arbres (t) et sur le temps moyen qui s’écoule entre le déboisement final et lereboisement (δt) pour chaque type de plantation considéré (respectivement P, t1 et δt dans l’encadré 5) en passant par le système national de surveillance des forêts, et les utiliser pourles calculs décrits dans l’encadré 5. On peut comparer les valeurs de P avec les densités dela biomasse au-dessus du sol présentées dans GPG 2003 pour des plantationscaractéristiques en employant des valeurs pour plus de 20 ans lorsqu’elles sont fourniesséparément. Comme les pratiques en matière de gestion peuvent changer avec le temps etque les taux de croissance dépendent largement de l’endroit, il ne s’agit que d’unevérification approximative. Les grandes différences devraient être abordées avec lesprotagonistes. On peut vérifier les valeurs de (t1 + δt) en faisant appel à des données de télédétection archivées de moyenne résolution, puisqu’il s’agit du temps qui s’écoule entreles coupes de bois, qui devraient pouvoir être distinguées dans les images. On devraitobtenir les incertitudes de P et de (t1 + δt) en analysant des articles d’archives (concernant par ex. le volume de bois prélevé lors de la coupe) et selon le jugement des experts.

3.9.1.4 Méthodes de télédétection à l’appui de l’évaluation de la biomasse

Outre qu’elles servent pour la cartographie spatiale nécessaire pour évaluer les stocks decarbone et leur évolution, les données de télédétection peuvent contribuer à l’estimation dela densité de la biomasse. Cela n’empêche pas qu’il faille procéder à des évaluations de labiomasse sur le terrain fondées sur des parcelles échantillonnées, mais ces donnéespeuvent leur être complémentaires, surtout lorsque l’accès aux forêts est difficile ou coûteux,par exemple dans les régions montagneuses.

Une évaluation directe de la biomasse présente au-dessus du sol et de son évolution partélédétection est difficile sur le plan technique. L’annexe F, qui donne un bref aperçu desprincipaux problèmes et des possibilités actuelles, conclut que les cartes actuelles de la


biomasse obtenues à partir de données de télédétection ne devraient pas être employéessauf si des essais approfondis réalisés dans les pays confirment leur fiabilité pour desapplications à des types précis de forêts selon diverses échelles spatiales.

Les données acquises par des SAR et des LiDARS sont actuellement les plusprometteuses. On a fait la démonstration de produits issus de SAR au niveau sous-national(GEO, 2011; Mitchell et al., 2012) et au niveau des projets (GEO, 2012; Englhart et al.,2011; Williams et al., 2009) à partir de données acquises par des satellites (ALOS PALSAR,TerraSAR-X) et par des avions (GeoSAR). Des recherches restent à effectuer à propos del’interopérabilité des capteurs pour améliorer l’évaluation de la biomasse et de l’homogénéitédes estimations pour divers types de végétation.

Des Lidars embarqués sont utilisés sur le plan opérationnel (voir l’encadré 11 et Jochemet al., 2010). L’hypothèse de base est que la masse de la biomasse est proportionnelle àson volume, qu’on calcule en intégrant dans une zone connue la différence de hauteur entrele niveau du sol obtenu à partir d’un modèle numérique du terrain et le sommet de lacanopée d’arbres individuels mesuré par le temps de retour d’un signal lumineux réfléchiémanant d’un avion. Le facteur de proportionnalité, susceptible de différer selon les strateset les sous-strates employées, doit être établi empiriquement, d’où le besoin de données ausol pour l’étalonner. Les rapports empiriques révèlent les incertitudes.

Encadré 11: Le LiDAR - usage opérationnel en Nouvelle-Zélande et recherches en Tanzanie

La Nouvelle-Zélande indique qu’elle utilise des Lidars embarqués en association avec des mesures sur le terrainpour évaluer l’évolution des stocks de carbone dans des forêts plantées après le 1

erjanvier 1990. Le système

néozélandais de comptabilisation du carbone pour l’occupation des sols (LUCAS) fait appel à des images Lidarpour mesurer la hauteur des arbres et en caractériser la canopée. Ce système a été étalonné à partir demesures sur le terrain et de modélisations pour déterminer la quantité totale de carbone présent dans les forêtsartificielles. Un inventaire d’environ 600 parcelles établi à partir d’une grille de 4 km superposée sur toutes lesforêts de Nouvelle-Zélande plantées depuis 1990 est inspecté par LiDAR. Les données Lidar sont étalonnées parrapport à des mesures sur le terrain pour les parcelles inaccessibles. Ces données vont être traitées pour donnerla quantité totale de carbone par parcelle. Le processus de mesure de ces mêmes parcelles va être répété à lafin de la première période d’engagement au titre du Protocole de Kyoto. La Nouvelle-Zélande indique que cettetechnique est économique dans les zones forestières inaccessibles.

On trouvera de plus amples détails à l’adresse http://www.mfe.govt.nz/publications/climate/looking-at-lucas/looking-at-lucas-issue-2.html.

Un projet de recherche sur un mécanisme de mesure, de déclaration et de vérification financé par la Norvège etmis en œuvre en Tanzanie englobe toute une gamme d’activités de recherche axées sur les Lidars et sur lesnouvelles techniques et technologies radar. Au moment de la conception du projet, on a affirmé que nombre deces technologies étaient en cours d’évolution et n’avaient pas encore reçu d’applications opérationnelles dansces mécanismes. Toutefois, d’après ce qu’on avait compris, les techniques mises au point devaient débouchersur d’autres recherches dans ces domaines.

Au niveau des activités, l’acquisition de données Lidar a été conçue pour tester et documenter la précision desLidars embarqués afin d’évaluer la biomasse et l’évolution des stocks de carbone.

Le Lidar, technique avancée qui exige des connaissances spécialisées (traitement et réalisation de modèles), estrelativement peu testé dans les pays qui font appel au mécanisme REDD+.

Toutefois, l’acquisition, le traitement et l’interprétation des résultats sont relativement avancés. La technologie Lidarne pourra être efficace et exploitée à l’avenir que si les institutions nationales disposent des compétences et de lacapacité nécessaires pour procéder à une analyse à un niveau semblable à celui des institutions norvégiennes.

On trouvera de plus amples détails à l’adresse http://www.norway.go.tz/News_and_events/Climate-Change/Mid-Term-Review-of-the-REDD-Research-Project-/#.Um3NchCzIvl.


108

Une évaluation exhaustive de la biomasse par LiDAR pourrait occuper une niche dans lesprojets locaux des pays. Les approches fondées sur un échantillonnage sont les favorites enassociation avec des parcelles coïncidentes et une couverture complète en données SAR(ALOS PALSAR (Anderson et al., 2012; Siqueira et al., 2010)) ou optiques (RapidEye(Kandel et al., 2013)), sujet de recherches actives. Aucun satellite LiDAR n’est actuellementexploité. Des échantillons grossiers de la hauteur de la végétation obtenus à partir du GLASIceSAT (mis hors service) ont été associés à des données optiques et SAR pour évaluer labiomasse au-dessus du sol (GEO, 2012; Mitchard et al., 2012). Il reste à tester de façonplus approfondie la transférabilité des algorithmes conçus pour les forêts boréales àl’évaluation de la biomasse des forêts tropicales. Une association de capteurs (optiques,radar et LiDAR) et d’observations au sol sera sans doute la meilleure approche, mais ellecontinue à faire l’objet de recherches.

3.9.2 Le bois mort et la litière

On peut faire appel à des méthodes gains-pertes ou de détermination de l’évolution desstocks pour évaluer l’évolution des stocks de carbone dans le bois mort et la litière. Le choixde la méthode pour évaluer l’évolution de la matière organique morte (nécromasse) peutdépendre du choix de la méthode d’évaluation de l’évolution des stocks de carbone dans labiomasse. Il est bon que la stratification des zones forestières adoptée pour cette matièresoit la même que celle utilisée pour évaluer l’évolution des stocks de carbone dans labiomasse.

Mis à part les informations très générales présentées dans le tableau 2.2 du volume 4 deGL 2006, le GIEC ne fournit pas de données par défaut sur ces bassins, bien qu’ilscontribuent aux émissions et aux absorptions associées aux activités REDD+. On peutévaluer les stocks de carbone et leur évolution dans les bassins en question paréchantillonnage, dans l’idéal en prenant les mêmes sites d’échantillonnage que ceux définispour l’évaluation de la biomasse décrits ci-dessus. Si les méthodes d’évaluation de cesbassins ne sont pas déjà établies, par exemple par le biais des inventaires nationaux desforêts, il est conseillé aux pays d’appliquer les méthodes définies par la CCNUCC pour lesprojets de boisement et de reboisement relevant du Mécanisme pour un développementpropre95. Les incertitudes devraient être évaluées à partir de la variance des estimationsspatiales autour de la moyenne.

3.9.3 Évolution des stocks de carbone dans le sol

En général, il est peu pratique de suivre directement l’évolution du carbone dans le sol deterritoires forestiers divers et étendus. À moins de disposer de données sur l’évolution desstocks de carbone dans les sols de pays donnés (niveau 2 (Tier 2)) 96 , pour les sols

95L’évaluation des stocks de carbone et de leur évolution dans le bois mort et la litière dans le rapport EB 67sur les activités du projet de boisement/reboisement du Mécanisme de développement propre, annexe 23,est disponible à l’adressehttp://cdm.unfccc.int/methodologies/ARmethodologies/tools/ar-am-tool-12-v2.0.0.pdf

96Ces méthodes peuvent faire appel à des modèles complexes tels que Century ou RothC, qui permettent dedéterminer la différence nette entre les taux d’apport de carbone au sol sous forme de litière et les taux deperte de carbone par décomposition. Il faudrait procéder à des recherches dans les pays pour définir lesprincipaux facteurs (type de sol, transitions des sols et pratiques en matière de gestion) qui influent sur lesfacteurs d’émission et d’absorption et pour étalonner et tester ces modèles.


minéraux, il est conseillé aux pays de faire appel à la méthode de niveau 1 (Tier 1)présentée par le GIEC dans la section 3.3.3.1 de GPG 200397 pour la transformation enterres cultivées et dans la section 3.4.1.2 pour la transformation en prairies afin d’évaluer leseffets du déboisement.

La mise au point d’une approche de niveau 3 (Tier 3) pour la modélisation des sols minérauxest une entreprise majeure qui exige des connaissances et un nombre de donnéesconsidérables. Les éléments de base en sont les suivants:

Stratification par zones climatiques, grands types de forêts et régimes de gestioncorrespondant à ceux utilisés pour d’autres bassins de carbone de l’inventaire, eten particulier pour la biomasse;

Détermination des types de sols dominants de chaque strate;

Caractérisation des bassins de carbone correspondants dans les sols, définitiondes processus déterminants de l’apport de carbone organique aux sols et descadences de production et conditions dans lesquelles ces processus se produisent;

Conception et mise en œuvre de modèles permettant d’évaluer l’évolution desstocks de carbone de chaque strate, y compris les procédures d’évaluation desmodèles, et création de sites repères où l’on peut étudier l’évolution éventuelle desstocks de carbone dans les sols et affiner les modèles. Les modèles devraient êtreévalués par un comité de lecture et validés par des observations indépendantesdes écosystèmes étudiés.

On trouvera des informations de base sur la surveillance des sols dans la documentationscientifique (Kimble et al., 2003; Lal et al., 2001; McKenzie et al., 2000).

Les sources du GIEC concernant les facteurs d’émissions pour des activités menées surdes sols organiques sont indiquées dans le tableau 3 de la section 2.2.4 ci-dessus. Lesfourchettes d’incertitude sont larges, mais elles sont gérables à condition que les coefficientssoient utilisés de façon homogène et ne changent pas avec le temps. Dans les sols tourbeuxtropicaux asséchés, les incendies peuvent entraîner des émissions importantes de GES trèsvariables dans l’espace et dans le temps qui associent le CO2 et des gaz autres que le CO2.Le supplément du GIEC sur les zones humides présente l’orientation la plus récenteconcernant l’évaluation des émissions de GES émanant d’incendies qui touchent des solsorganiques. On trouvera des facteurs d’émission par défaut pour calculer ces émissionsdans les tableaux 2.6 et 2.7 du chapitre 2.

Les facteurs d’émissions de gaz autres que le CO2 en cas d’incendies de tourbières sontprésentés dans la section 3.9.4 ci-après. Actuellement, les connaissances sont insuffisantespour évaluer de façon fiable l’incertitude de l’évaluation de ces émissions.

97Correspondant à la section 2.3.3.1 du volume 4 de GL 2006.


110

Dans l’idéal, pour les pays disposant de vastes zones de sols organiques perturbés par lagestion des forêts, il faudrait concevoir une méthode de niveau 3 pour évaluer les émissionsde CO2. On tiendrait ainsi compte de toutes les activités humaines susceptibles d’altérer lerégime hydrologique, la température de surface et la composition de la végétation etd’induire des perturbations telles que les incendies.

3.9.4. Les émissions de GES autres que le CO2

Des émissions de gaz autres que le CO2 (CH4 et N2O) peuvent se produire en cas decombustion de matières organiques (feux contrôlés ou incendies) ou de ressuyage et deréhumidification des sols. D’autres émissions de gaz autres que le CO2 associées àl’occupation des sols sont liées aux émissions agricoles dues à la fertilisation, à lafermentation entérique ou à la gestion du fumier.

Émissions émanant d’incendies

Les émissions émanant d’incendies incluent non seulement le CO2, mais aussi d’autresGES issus de la combustion incomplète de matière organique. Il s’agit du monoxyde decarbone (CO), du méthane (CH4), des hydrocarbures non méthaniques, du carboneorganique particulaire, de l’azote (N2O et NOx, par ex.) et de certaines variétés de soufre.

Les émissions de GES devraient être évaluées et rapportées tant pour les feux contrôlésque pour les incendies qui se produisent sur des sols aménagés. Nous résumons ci-aprèsles diverses méthodes employées par le GIEC selon les niveaux définis98.

Méthode de niveau 1

Pour cette méthode, on fait appel aux données sur les activités (superficie brûlée dans lepays) et à des valeurs par défaut généralisées pour les forêts tropicales concernant laquantité de combustible brûlée et les facteurs d’émissions:

Émissions de GES = superficie brûlée x combustible disponible pour la combustion par unitéde surface x fraction brûlée x facteur d’émission (masse de chaque GES émis par unité decombustible brûlé)99.

Les émissions de chaque gaz sont évaluées individuellement, puis on en fait la somme pourobtenir les émissions totales de GES dues au feu.

Les émissions de GES résultant de la combustion de la biomasse située au-dessus du sol etde la litière sont présentées dans GL 2006 (volume 4, section 2.4).

La publication du supplément du GIEC sur les zones humides a permis de combler deslacunes de GPG 2003 et de GL 2006 pour ce qui est de l’orientation quant à l’évaluation desémissions dues à des incendies qui brûlent des sols organiques. Le chapitre 2 en particulierprésente une orientation sur l’évaluation des émissions dues à des feux de tourbe, et

98Voir les chapitres 4.2.1 et 4.2.4 du GIEC.

99Voir GPG 2003, chapitre 3, section 3.2 – Forest Lands, et en particulier l’équation 3.2.20 pour obtenir desindications précises sur l’emploi de cette équation. L’orientation correspondante de GL 2006 se trouve dansle volume 4, section 2.4.


notamment des valeurs par défaut pour la consommation de combustibles (section 2.2.2.3,tableau 2.6) et les facteurs d’émissions (section 2.2.2.3, tableau 2.7).

Méthodes de niveaux 2 et 3

Pour ces niveaux, on fait appel à l’équation ci-dessus, mais en prenant des données propresau pays considéré. Ces méthodes sont à employer lorsqu’un feu correspond à une grandecatégorie d’émissions de GES.

On utilise généralement des facteurs d’émission dans toutes les méthodes en raison de lacomplexité de la modélisation directe des processus d’émission. Ainsi, des facteursd’émission fiables sont indispensables pour évaluer de façon crédible les émissions duesaux incendies.

Émissions de GES autres que le CO2 émanant des sols

Dans des conditions propices, les sols peuvent libérer des quantités importantes de N2O etde CH4. Le N2O est produit par des micro-organismes présents dans les sols du fait de lanitrification et de la dénitrification. Les émissions peuvent être soit directes (découlant deprocessus locaux de gestion des sols) soit indirectes (résultant du dépôt atmosphériqued’azote ou d’apports d’azote dus à la lixiviation ou à un ruissellement provenant d’autressources). Les émissions de N2O sont accrues par l’apport d’engrais azotés et par toutepratique de gestion des forêts qui accroît la disponibilité d’azote inorganique dans les sols.Le GIEC100 donne une orientation sur la façon d’évaluer les émissions de N2O issues de solsaménagés.

Les sources de N2O correspondant aux activités REDD+ sont dues à l’emploi d’engraisazotés sur des terres agricoles soumises à des changements d’affectation (boisement oudéboisement) ou à la foresterie (principalement dans les forêts plantées), à partir d’azoteminéralisé lors de la perte de matière organique des sols résultant du changementd’affectation des sols ou de la gestion des forêts et du drainage et de la gestion de solsorganiques tels que la tourbe. Vu la complexité de l’évaluation des émissions de N2O, laplupart des pays emploieront des approches de niveau 1 à moins qu’ils aient lancé desétudes réitérées sur le terrain pour démontrer que les facteurs par défaut du GIEC ne sontpas adaptés à leur situation. GL 2006 indique que 1 % de l’azote ajouté aux engrais ouminéralisé lors de la perte de matière organique issue du sol est libéré directement sousforme de N2O-N. Des quantités plus faibles d’azote sont libérées directement en raison de lalixiviation, du ruissellement et de la volatilisation. Les données sur les activités nécessairespour mettre en œuvre l’approche de niveau 1 sont la quantité d’engrais azotés employés, lesautres éléments organiques ajoutés et une évaluation de la superficie du sol où la matièreorganique peut avoir diminué.

100Voir GPG 2000, chapitre 4, sections 4.7 et 4.8. On trouvera la section correspondante de GL 2006 dans levolume 4, chapitre 11.


112

Les sols peuvent être une source ou un puits de CH4. En général, les taux d’assimilation(oxydation) du CH4 par les sols sont faibles et l’on peut ne pas en tenir compte, mais dansdes conditions anaérobies (par ex. à la suite d’une inondation), les émissions de CH4 sontparfois importantes (voir par ex. Couwenberg et al., 2009; Peat et GHG Group, 2011).

Le supplément du GIEC sur les zones humides reprend la question abordée dansGL 2006 101 et présente une méthode d’évaluation des émissions de CH4 émanant detourbières soumises à un drainage ou à une réhumidification. Au niveau 1, on suppose queles émissions sont négligeables, mais il est conseillé aux pays d’évaluer leur situationpropre. La section 2.2.2.1 du supplément du GIEC sur les zones humides présente uneéquation de niveau 1 (équation 2.6) ainsi que des facteurs d’émission par défaut(tableau 2.3) permettant d’évaluer les émissions de CH4 émanant de sols organiquesdrainés dans toutes les catégories d’occupation des sols.

Choix et application de facteurs d’émission et d’absorption pour chaque activitéREDD+

L’annexe E donne des conseils plus détaillés et porte notamment sur la façon dont desinformations à l’appui sont susceptibles de guider un choix approprié et une application defacteurs d’émission et d’absorption dans des milieux forestiers particuliers. On a structurécette annexe en regroupant les activités REDD+ dans les trois catégories suivantes:

Transformation de forêts en sols non forestiers (déboisement), qui exigel’évaluation des émissions de GES résultant directement du déboisementproprement dit, ainsi que des émissions et des absorptions résultant d’unenouvelle occupation des sols (comme l’agriculture);

Transformation de sols non forestiers en forêts, qui entraîne l’augmentation desstocks de carbone forestiers (boisement ou reboisement de sols précédemmentpassés d’un usage forestier à un autre usage). Cela exige l’évaluation de ladifférence d’émission et d’absorption de GES entre les anciens et les nouveauxmodes d’occupation des sols;

Évolution de l’émission et de l’absorption de GES dans des forêts qui restent enl’état. Cela couvre la dégradation des forêts, la gestion durable des forêts,l’accroissement des stocks de carbone dans les forêts (forêts existantes) et laconservation des stocks de carbone forestier. En ce qui concerne les GES, lebilan peut être soit positif (protection des stocks actuels de carbone forestier ouaugmentation de ces stocks dans le cas d’une nouvelle gestion, réduction desémissions dues à la décomposition de tourbe ou à des incendies dans des forêtstourbeuses dégradées, etc.) soit négatif (perte progressive du carbone de labiomasse en cas de dégradation des forêts, transformation de forêts naturelles àforte biomasse en plantations, perte du carbone présent dans le sol due audrainage des sols organiques, etc.).

101Voir GL 2006, chapitre 7, volume 4.


4 Incertitudes globales

4.1 Incertitudes concernant les composantes

Les déductions statistiques et les incertitudes associées aux données sur les activités sontabordées dans la section 3.7. Lorsqu’on utilise des valeurs par défaut, les incertitudesconcernant les facteurs d’émission et d’absorption figurent dans GPG 2003 (ou dansGL 2006 et dans le supplément sur les zones humides) et, pour les méthodes de niveau 2et 3, elles sont produites dans le cadre du processus d’échantillonnage. Les évaluations del’incertitude associées d’une part aux données sur les activités et d’autre part aux facteursd’émission ou d’absorption doivent être associées dans une estimation globale del’incertitude liée aux activités REDD+.

4.1.1 Association des incertitudes

De façon générale, on estime les émissions et les absorptions de dioxyde de carbone enfaisant la somme des différences de densité du carbone multipliée par l’aire d’évolution ducarbone. Habituellement, on a des termes du type suivant:

Évolution du carbone entre l’instant t1 et l’instant t2 = aire d’une strate donnée x(densité du carbone de la strate à l’instant t2 – densité du carbone de la strate àl’instant t1);

Ou

Évolution du carbone entre l’instant t1 et l’instant t2 = (aire transférée entre deuxstrates) x (densité du carbone de la strate à l’instant t2 – densité du carbone de lastrate à l’instant t1).

Les aires et les densités du carbone comportent des incertitudes qu’il convient d’associerlorsqu’on évalue les émissions et les absorptions de carbone liées à chacun des bassinssélectionnés (biomasse, matière organique morte, litière et carbone dans le sol). On calculede même les incertitudes des émissions de GES autres que le CO2 en associant lesincertitudes concernant les composantes des facteurs d’émission et les données sur les activités.

La section 6.3 de GPG 2000102 présente deux règles pour associer les incertitudes:

La règle A s’applique lorsque les quantités d’une incertitude associée 103 sontcombinées par addition ou par soustraction, l’incertitude de la somme ou de la

102Qui correspond à la section 3.2.3.1 du volume 1 de GL 2006.

103Un intervalle de confiance de 95 % est utilisé dans GPG 2003 et dans GL 2006 pour définir les incertitudesde façon homogène.


114

différence résultante étant égale à la racine carrée de la somme des carrés del’incertitude absolue104 de chacune des quantités associées;

La règle B s’applique lorsque les quantités incertaines sont associées parmultiplication, le pourcentage d’incertitude du produit étant égal à la racine carréede la somme des carrés du pourcentage des incertitudes évaluées pour chacunedes quantités multipliées.

Pour ces règles, on suppose que les incertitudes des quantités ajoutées, soustraites oumultipliées ne sont pas corrélées. La règle A est exacte alors que la règle B est uneapproximation à condition que les incertitudes ne soient pas trop importantes.

Encadré 12 : Application de l’analyse des incertitudes à des sols dégradés

Pour prendre un exemple d’application des règles A et B, considérons le premier terme de l’équation 2 dans lasection 2.2: ΔAPF > MNF (CBPF − CBMNF). On peut considérer que les incertitudes ne sont pas corrélées du fait queles densités de la biomasse sont échantillonnées indépendamment dans diverses strates et que le terme detransfert de l’aire est évalué indépendamment par télédétection. Sur cette base, les étapes suivantes donnentl’incertitude globale du premier terme de l’équation 2:

1. Appelons U1 et U2 les incertitudes absolues de CBPF et de CBMNF. Selon la règle A, l’incertitude absolue de(CBPF - CBMNF) est égale à √(U1

2+ U2

2). Appelons-la U3.

2. Le pourcentage d’incertitude correspondant à U3 est égal à 100 x U3/(CBPF - CBMNF). Appelons-le P3.

3. Appelons P4 le pourcentage d’incertitude de ΔAPF > MNF. Selon la règle B, le pourcentage d’incertitude del’ensemble du terme ΔAPF > MNF (CBPF - CBMNF) est égal à √(P3

2+ P4

2). Appelons-le P5.

4. L’incertitude absolue de l’ensemble du terme est égale à (ΔAPF > MNF (CBPF - CBMNF)) x P5/100.

Dans ces calculs, les paramètres des équations sont divisés en éléments qui peuvent être analysés selon larègle A ou la règle B, selon que les paramètres sont additionnés/soustraits ou multipliés. Le processus est répétépour les autres termes jusqu’à ce qu’on obtienne l’incertitude de l’évaluation des émissions au moyen del’équation 2 en utilisant la règle A pour associer les incertitudes absolues des termes individuels (qui sont ajoutésdans l’équation).

À l’étape 2 de l’exemple ci-dessus, une difficulté peut se présenter si CBPF = CBMNF du fait qu’on ne peut pascalculer P3, car cela supposerait une division par zéro. On peut éviter ce genre de problème en réécrivant leterme ΔAPF > MNF CBPF - ΔAPF > MNF CBMNF et en appliquant d’abord la règle B à chaque produit, puis en appliquantla règle A à la somme des produits.

Supposons que la densité d’échantillonnage et que l’emploi de l’allométrie donnent uneincertitude d’environ 10 % de la densité de la biomasse (donc du carbone) d’une sous-strateévaluée. Si une zone ΔA de cette sous-strate est déboisée et que ΔA comporte aussi une incertitude de 10 %, le carbone perdu dans la biomasse vivante avant toute repousse dansla zone déboisée est le produit de la densité du carbone et de ΔA, et l’incertitude combinée découlant de l’application de la règle B est égale à

√(100 + 100) ≈ 14 %.

Si au lieu de déboiser la zone, on la transfère à une sous-strate forestière avec 50 % de ladensité précédente du carbone, également évaluée avec une incertitude de 10 %, laquantité de carbone perdu par dégradation comportera une incertitude d’environ 30 %. Celamontre que pour une densité d’échantillonnage donnée, le pourcentage des incertitudes

104Une incertitude absolue est exprimée dans les mêmes unités que la quantité incertaine et non en tant quepourcentage de celle-ci.


associées à la dégradation ou à des absorptions en raison de la croissance de forêtsnaturelles modifiées ou de forêts plantées sera supérieur à celui associé au déboisement. Sil’incertitude de l’évaluation de la biomasse est supérieure à la différence des densités decarbone entre les deux sous-strates, l’incertitude quant à la dégradation sera supérieure à100 %. Autrement dit, même si l’évaluation centrale montre qu’une dégradation des stocksde carbone forestier a eu lieu, il y aura une possibilité qu’un gain se soit produit.

On peut réduire les incertitudes:

En augmentant la densité d’échantillonnage sans autre sous-stratification;

En procédant à une autre sous-stratification pour que l’échantillonnage s’applique àdes zones forestières susceptibles d’être touchées par des activités REDD+, aussibien avant qu’après les transferts entre strates ou l’évolution de l’occupation dessols;

En conservant la même stratification et la même densité d’échantillonnage, mais enutilisant des informations auxiliaires pour vérifier le sens de l’évolution. Dans le casd’une dégradation, par exemple, si le sens du transfert correspond à un gain defragmentation des forêts, il est improbable que la densité du carbone forestieraugmente et il faut considérer la distribution des probabilités de dégradation commeétant tronquée, de façon à éliminer la possibilité d’une augmentation.

On évalue les émissions de GES autres que le CO2 associées à des feux en multipliant lesfacteurs d’émissions correspondant au type d’incendie avec les zones brûlées par laquantité de combustible brulée par unité de surface. On évalue les zones par télédétectiondes marques de brûlure, avec les incertitudes associées, ou à partir d’études au sol. Lesfacteurs d’émission et les fourchettes d’incertitude sont indiqués dans le tableau 2.5 de lasection 2.4 du volume 4 des directives de 2006 105. On peut évaluer l’incertitude globale liéeà ces émissions au moyen de la règle B et l’associer aux incertitudes concernant les autresbassins liées aux activités REDD+ au moyen de la règle A, qu’on peut également employerpour calculer la somme pour les strates au niveau régional, puis national.

On peut aussi combiner les incertitudes au moyen d’une simulation probabiliste (méthode deMonte-Carlo). GPG 2000 indique les étapes nécessaires pour le faire. Les données enentrée sont les mêmes que pour la méthode simple que nous venons de présenter, et, sides données sont disponibles, on peut aussi tenir compte dans cette approche desautocorrélations et des corrélations croisées, qui ne sont pas faciles à inclure dans laméthode simple. Le GIEC106 a montré qu’avec les mêmes données en entrée, la méthodesimple et la simulation probabiliste donnent des résultats semblables.

105La méthode présentée dans GPG 2003 (voir la section 3.2.1.4) consiste à indexer les émissions de gaz àeffet de serre autres que le CO2 dues à des incendies par rapport aux émissions de CO2 et ne prévoit pasde fourchettes d’incertitude par défaut.

106Voir la section 3.2.3.4 de GL 2006 pour établir une comparaison entre les approches.


116

5 Exigences en matière de déclaration

À sa dix-neuvième session, la Conférence des Parties a indiqué quelles étaient lesexigences en matière de déclaration dans le cadre de la décision sur le mécanisme demesure, de déclaration et de vérification107, selon laquelle les Parties doivent produire desdonnées par le biais de rapports bisannuels de mise à jour en tenant compte de la souplesseaccordée aux pays les moins avancés et aux petits États insulaires en développement. LesParties qui cherchent à obtenir des paiements en fonction de leurs résultats doivent fournirvolontairement des données et des informations consignées dans une annexe technique àces rapports contenant:

1. Un récapitulatif des informations émanant de l’évaluation des niveaux de référence desémissions des forêts et des niveaux de référence des forêts, y compris:

a) L’évaluation du niveau de référence des émissions des forêts et/ou du niveau deréférence des forêts, exprimé en tonnes d’équivalent CO2 par an;

b) L’activité ou les activités REDD+ incluses dans le niveau de référence desémissions des forêts et/ou dans le niveau de référence des forêts;

c) La zone territoriale forestière couverte;

d) La date de présentation du niveau de référence des émissions des forêts et/oudu niveau de référence des forêts et la date du rapport d’évaluation techniquefinal;

e) La période (en années) d’évaluation du niveau de référence des émissions desforêts et/ou du niveau de référence des forêts.

L’annexe technique doit aussi comprendre:

2. Les résultats des activités REDD+ exprimés en tonnes d’équivalent CO2 par ancorrespondant à l’évaluation du niveau de référence des émissions des forêts et/ou duniveau de référence des forêts;

3. La démonstration que les méthodes employées pour produire ces résultats sontconformes à celles utilisées pour établir le niveau de référence des émissions desforêts et/ou le niveau de référence des forêts;

4. Une description des systèmes nationaux de surveillance des forêts et du rôleinstitutionnel et des responsabilités en matière de mesure, de déclaration et devérification des résultats;

5. Les informations nécessaires pour reproduire les résultats;

107 Décision -/CP.19 − Modalités de mesure, de déclaration et de vérification.


6. Un compte rendu de la façon dont les éléments108 établis dans la décision préalable4/CP.15, paragraphe 1 c) et d) ont été pris en compte.

Les documents présentés dans les rapports bisannuels de mise à jour feront l’objet d’uneanalyse technique visant à déterminer:

a) Si les méthodes, les définitions, l’exhaustivité et les informations produites entreles évaluations du niveau de référence et les résultats de la mise en œuvred’activités REDD+ sont cohérentes;

b) Si les données et les informations figurant dans l’annexe technique sonttransparentes, homogènes, complètes (dans le sens de reproductibles) etprécises;

c) Si les données et les informations correspondent aux directives sur la rédactionde l’annexe technique évoquées dans le paragraphe 9 ci-dessus;

d) Si les résultats sont complets, dans la mesure du possible.

Les résultats de l’évaluation technique seront présentés sur la plate-forme Web de laConvention-cadre.

À sa dix-neuvième session, la Conférence des Parties a aussi décidé que les actions baséessur les résultats susceptibles de faire l’objet de paiements fondés sur le marché pouvaientêtre soumises à des modalités supplémentaires de vérification.

108Les éléments évoqués issus de la décision 4/CP.15 sont les suivants: a) recenser les facteurs dedéboisement et de dégradation des forêts qui entraînent des émissions ainsi que les moyens d’y faire face,b) recenser les activité menées dans le pays qui permettent la réduction des émissions et l’augmentationdes absorptions ainsi que la stabilisation des stocks de carbone forestiers, c) faire appel à l’orientation etaux directives les plus récentes du GIEC adoptées ou prônées par la Conférence des Parties, selon le cas,pour évaluer les émissions par source et les absorptions par puits des émissions forestières de GESimputables aux activités humaines, aux stocks de carbone forestier et à l’évolution des zones forestières.


118

6 Bibliographie

Achard, F. et al. (2010). Estimating tropical deforestation from earth observation data.Carbon Management. 1 271-287

Andersen, H.E., Strunk, J. et Temesgen, H. 2012. Using multi-level remote sensing andground data to estimate forest biomass resources in remote regions: a case study inboreal forests of interior Alaska. Canadian Journal of Remote Sensing, Vol. 37, p. 596-611

Asner, G. P. (2009). Tropical forest carbon assessment: integrating satellite and airbornemapping approaches. Environmental Research Letters, 4(3), 034009

Asner, G.P., Knapp, D.E., Broadbent, E.N., Oliveira, P.J.C., Keller, M. et Silva, J.N. (2005).Selective Logging in the Brazilian Amazon, Science 310, 480; DOI:10.1126/Science.1118051

Asner, G.P., Powell, G.V.N., Mascaro, J., Knapp, D.E., Clark, J.K., Jacobson, J., Kennedy-Bowdoin, T., Balaji, A., Paez-Acosta, G., Victoria, E., Secada, L., Valqui, M. et Hughes,R.F. (2010). High-resolution forest carbon stocks and emissions in the Amazon.Proceedings of the National Academy of Sciences 107, 16738-16742

Australian Greenhouse Office (AGO), (2002). Greenhouse gas emissions from land usechange in Australia: an Integrated Application of the National Carbon Accounting System

Baldauf, T. (2013). Monitoring Reduced Emissions from Deforestation and ForestDegradation (REDD+): Capabilities of High-Resolution Active Remote Sensing. Thèse dedoctorat, Université de Hambourg

Ballhorn, U., Siegert, F., Mason, M. et Limind, S. (2009): Derivation of burn scar depths andestimation of carbon emissions with LiDAR in Indonesian peatlands; PNAS

Böttcher, H., Eisbrenner, K., Fritz, S., Kindermann, G., Kraxner, F., McCallum, I. etObersteiner, M. (2009). An assessment of monitoring requirements and costs of 'ReducedEmissions from Deforestation and Degradation' Carbon Balance and Management 2009,4:7 doi:10.1186/1750-0680-4-7

Bryan, J. E., Shearman P. L., Asner G. P., Knapp, D. E., Aoro, G. et Lokes, B., ExtremeDifferences in Forest Degradation in Borneo: Comparing Practices in Sarawak, Sabah,and Brunei, Volume 8, numéro 7, juillet 2013, e69679

Chave, J., Andalo, C., Brown, S., Cairns, M.A., Chambers, J.Q., Eamus, D., Fölster, H.,Fromard, F., Higuchi, N., Kira, T., Lescure, J.-P., Nelson, B.W., Ogawa, H., Puig, H.,Riéra, B. et Yamakura, T. (2005). Tree allometry and improved estimation of carbonstocks and balance in tropical forests. Oecologia, 145, 78–99

Chave, J., Condit, R., Lao, S., Caspersen, J. P., Foster, R. B. et Hubbell, S. P. (2003).Spatial and temporal variation in biomass of a tropical forest: results from a large censusplot in Panama. J. Ecol. 91, 240–252

Chave, Jerome, Richard Condit, Salomon Aguilar, Andres Hernandez, Suzanne Laoand etRolando Perez (2004). Error propagation and scaling for tropical forest biomassestimates. Phil. Trans. R. Soc. Lond. B 359, 409–420


Chen,J., Jönsson, P., Tamura, M., Gu, Z., Matsushita, B. et Eklundh, L., 2004. A simplemethod for reconstructing a high-quality NDVI time series data set based on the Savitzky–Golay filter. Remote Sensing of Environment. 91(3-4):332-344

Cienciala, E., Tomppo, E., Snorrason, A., Broadmeadow, M., Colin, A., Dunger, K.,Exnerova, Z., Lasserre, B., Petersson, H., Priwitzer, T., Peña, G.S. et Ståhl G. (2008).Preparing emission reporting from forests: use of national forest inventories in Europeancountries. Silva Fennica 42(1): 73-88

Cochran, W.G. (1977). Sampling techniques, 3e éd. New York: Wiley. 428 p.

Coppin, P. et Bauer, M. (1996). Digital change detection in forest ecosystems with remotesensing imagery, Remote Sensing Reviews, 13, 207-234

Coppin, P., Jonckheere, I., Nackaerts, K. et Muys, B. (2004). Digital change detectionmethods in ecosystem monitoring: A review. International Journal of Remote Sensing25(9), 1565–1596

Couwenberg, J., Dommain, R. et H. Joosten (2009). Greenhouse gas fluxes from tropicalpeatlands in southeast Asia. Global Change Biology 16, 1715-1732

De Mesquita Jr, H N (2011). Law enforcement deforestation assessment. Japon: The ALOSKyoto and Carbon Initiative - Science Tema Reports Phase 2 (2009-2011)

De Sy, V., Herold, M., Achard, F., Asner, G.P., Held, A., Kellndorfer, J. et Verbesselt, J.(2012). Synergies of multiple remote sensing data sources for REDD+. Current Opinion inEnvironmental Sustainability, Vol. 4, p. 696-706

DeFries, R., Achard, F., Brown, S., Herold, M., Murdiyarso, D., Schlamadinger, B. et deSouza, C., (2007). Earth observations for estimating greenhouse gas emissions fromdeforestation in developing countries. Environmental Science and Policy.10: 385-394

Ene, L.T., Næsset, E., Gobakken, T., Gregoire, T.G., Ståhl, G. et Nelson, R. (2012).Assessing the accuracy of regional LiDAR-based biomass estimation using a simulationapproach. Remote Sensing of Environment, 123: 579-592

Englhart, S., Keuck, V. et Siegert, F. (2011). Aboveground biomass retrieval in tropicalforests - The potential of combined X- and L-band SASR data use. Remote Sensing ofEnvironment, 115, 1260-1271

FAO et JRC (2012). Global forest land-use change 1990–2005, par E.J. Lindquist, R.D’Annunzio, A. Gerrand, K. MacDicken, F. Achard, R. Beuchle, A. Brink, H.D. Eva, P.Mayaux, J. San-Miguel-Ayanz et H.-J. Stibig. FAO Forestry Paper No. 169. Centre derecherche commun de l’Organisation des Nations Unies pour l’alimentation et l’agricultureet de la Commission européenne. Rome, FAO

Franke, J., Navratil, P., Keuck, V., Peterson et K., Siegert, F. (2012). Monitoring fire andselective logging activities in tropical peat swamp forests. IEEE Journal of Selected Topicsin Applied Earth Observations and Remote Sensing: 5-6 1811-1820


120

Fry, J.A., Coan, M.J., Homer, C.G., Meyer, D.K. et Wickham, J.D., 2009, Completion of theNational Land Cover Database (NLCD) 1992–2001 Land Cover Change Retrofit product:U.S. Geological Survey Open-File Report 2008–1379, 18 p.

Fuller, R. M., Smith, G. M. et Devereux, B. J. (2003). The characterisation and measurementof land cover change through remote sensing: problems in operational applications.International Journal of Applied Earth Observation and Geoinformation, 4(3), 243-253

Furby, S. L. et al. (2008). Australia's National Carbon Accounting System (NCAS) -Continental scale land cover change monitoring in Australia using Landsat imagery.Lesvos, Grèce: International Conference on Studying, Modeling and Sense Making ofPlanet Earth

GEO (2011), Groupe sur l’observation de la Terre. GEO-FCT Product Development TeamTechnical Status Report v2.0. s.l.: GEO

GEO (2012), Groupe sur l’observation de la Terre. GEO-FCT Product Development TeamTechnical Status Report v2.0. s.l.: GEO

Global Forest Resources Assessment 2010, Forestry Paper 163, Organisation des NationsUnies pour l’alimentation et l’agriculture, Rome, 2010. ISBN 978-92-5-106654-6

GOFC-GOLD sourcebook (2012);http://www.gofcgold.wur.nl/REDD+/sourcebook/GOFC-GOLD_Sourcebook.pdf

Gregoire, T.G., Ståhl, G., Næsset, E., Gobakken, T., Nelson, R. et Holm, S. (2011). Model-assisted estimation of biomass in a LiDAR sample survey in Hedmark County, Norway.Canadian Journal of Forest Research 41: 83-95

Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) (1997). HoughtonJ.T., Meira Filho L.G., Lim B., Tréanton K., Mamaty I., Bonduki Y., Griggs D.J. etCallander B.A. (sous la direction de). Revised 1996 IPCC Guidelines for NationalGreenhouse Gas Inventories. GIEC/OCDE/AIE, Paris, France

Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) (2000). Penman J.,Kruger D., Galbally I., Hiraishi T., Nyenzi B., Emmanuel S., Buendia L., Hoppaus R.,Martinsen T., Meijer J., Miwa K. et Tanabe K. (sous la direction de). Good PracticeGuidance and Uncertainty Management in National Greenhouse Gas Inventories.GIEC/OCDE/AIE/IGES, Hayama, Japon

Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) (2003). Penman J.,Gytarsky M., Hiraishi T., Krug, T., Kruger D., Pipatti R., Buendia L., Miwa K., Ngara T.,Tanabe K. et Wagner F (sous la direction de). Good Practice Guidance for Land Use,land- Use Change and Forestry. GIEC/IGES, Hayama, Japon

Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) (2006). Eggleston, S.,Buendia L., Miwa K., Ngara T. et Tanabe K.,(sous la direction de). 2006 IPCC Guidelinesfor National Greenhouse Gas Inventories. GIEC/IGES, Hayama, Japon

Heikkinen, J., Tomppo, E., Freidemschuss, A., Weiss, P., Hylen, G., Kušar, G., McRoberts,R., Kändler, G., Cienciala, E., Petersson, H. et Ståhl, G. (2012). Interpolating andextrapolating information from periodic forest surveys for annual greenhouse gasreporting. Forest Science 58(3): 236-247


Henry, M., Besnard, A., Asante, W.A., Eshun, J., Adu-Bredu, S., Valentini, R., Bernoux, M. etSaint-André, L. (2010). Wood density, phytomass variations within andamong trees, andallometric equations in a tropical rainforest of Africa. For. Ecol. Manag., 260(8): 1375-1388

Hirata, Y., Takao, G., Sato, T. et Toriyama, J. (sous la direction de), (2012). REDD++Cookbook. REDD+ Research and Development Center, Forestry and Forest ProductsResearch Institute, Tsukuba, Japon. http://www.ffpri.affrc.go.jp/REDD+-rdc/ja/index.html

Hoekman, D. (2012). Key Science Questions: Optimising information extraction from C-bandSAR. Arusha, Tanzanie: GEO FCT Science and Data Summit #3

Holecz, F., Barbieri, M., Cantone, A., Pasquali, P. et Monaco, S. (2010). K&C Science Report– Phase 1 Forest Theme – Synergistic use of ALOS PALSAR, ENVISAR ASAR andLandsat TM/ETM+ data for land cover and change mapping., Japon: JAXA, 2010. TheALOS Kyoto & Carbon Initiative – Science Team Reports Phase 1 (2006-2008)

Houghton, R. A., F. Hall, F. et Goetz, S.J., (2009). Importance of biomass in the globalcarbon cycle, J. Geophys. Res., 114, G00E03, doi:10.1029/2009JG000935

Jensen, J. R., 2005. Introductory digital image processing: a remote sensing perspective (3e

éd.). Prentice-Hall Inc.

Jochem, A., Hollaus, M., Rutzinger, M., Hofle, B., Schadauer, K. et Maier, B. (2010).Estimation of aboveground biomass using airborne LiDAR data, http://koenigstuhl.geog.uni-heidelberg.de/publications/2010/Hoefle/Jochem_et_al_2010_Biomass_Silvilaser.pdf

Kandel, P.N., Awasthi, K, Shrestha, S.M., Hawkes, M., Kauranne, T., Gautam, B., Gunia K etDinerstein, E. (2013). Monitoring aboveground forest biomass: a comparison of cost andaccuracy between LiDAR-Assisted Multisource Programme (LAMP) and field-basedForest Resource Assessment (FRA) in Nepal. International Conference on Forest, Peopleand Climate: Changing Paradigm, 28-30 août, Pokhara, Népal

Kellndorfer, J., W. Walker, D. Nepstad, C. Stickler, P. Brando, P. Lefebvre, A. Rosenqvist etM. Shimada. 2008. Implementing REDD: The potential of ALOS/PALSAR for forestmapping and monitoring. Article présenté lors de la deuxième Réunion Asie-Pacifique duGEOSS

Kennedy, R.E., Cohen, W.B. et Schroeder, T.A. (2007). Trajectory-based change detectionfor automated characterization of forest disturbance dynamics. Remote Sensing ofEnvironment, b, 370–386

Kohl, M., Magnussen, S.S. et Marchetti, M.(2006). Tropical Forestry: Sampling methods,Remote Sensing and GIS multi-resource forest inventory. Springer

Lambin, E. F. et Strahlers, A. H. (1994). Change-vector analysis in multitemporal space: Atool to detect and categorize land-cover change processes using high temporal-resolutionsatellite data. Remote Sensing of Environment, 48(2), 231-244


122

Lehmann, E. A., Wallace, J. F., Caccetta, P. A., Furby, S. L. et Zdunic, K. (2013). Forestcover trends from time series Landsat data for the Australian continent. InternationalJournal of Applied Earth Observation and Geoinformation

Lucas, R M. et al. (2010). An evaluation of the ALOS PALSAR L-band backscatter-aboveground biomass relationship, Queensland, Australie: Impacts of surface moisturecondition and vegetation structure., IEEE Journal of Selected Topics in Applied EarthObservations and Remote Sensing.3: 576-593

Margono, B. A., Turubanova, S., Zhuravleva, I., Potapov, P., Tyukavina, A., Baccini, A.,Goetz, S. et al. (2012). Mapping and monitoring deforestation and forest degradation inSumatra (Indonesia) using Landsat time series data sets from 1990 to 2010.Environmental Research Letters, 7(3), 034010. doi:10.1088/1748-9326/7/3/034010

Margono, B.A., Turubanova, S., Zhuravleva, I., Potapov, P., Tyukavina, A., Baccini, A.,Goetz, S. et al. (2012). Mapping and monitoring deforestation and forest degradation inSumatra (Indonesia) using Landsat time series data sets from 1990 to 2010.Environmental Research Letters, 7(3), 034010. doi:10.1088/1748-9326/7/3/034010

McRoberts, R. E. (2011). Satellite image-based maps: Scientific inference or pretty pictures?Remote Sensing of Environment 115(2): 715–724

McRoberts, R.E. (2010). Probability- and model-based approaches to inference for proportionforest using satellite imagery as ancillary data. Remote Sensing of Environment 114:1017-1025

McRoberts, R.E. (2013). Post-classification approaches to estimating change in forest area.Remote Sensing of Environment, sous presse

McRoberts, R.E. (2014). Post-classification approaches to estimating change in forest area.Remote Sensing of Environment. doi:10.1016/j.rse.2013.03.036

McRoberts, R.E. et Walters, B.F. (2012). Statistical inference for remote sensing-basedestimates of net deforestation. Remote Sensing of Environment 124: 394-401

McRoberts, R.E., Gobakken, T. et Næsset, E. (2013). Inference for LiDAR-assistedestimation of forest growing stock volume. Remote Sensing of Environment 128: 268-275

McRoberts, R.E., Holden, G.R., Nelson, M.D., Liknes, G.C. et Gormanson, D.D. (2006).Using satellite imagery as ancillary data for increasing the precision of estimates for theForest Inventory and Analysis program of the USDA Forest Service. Canadian Journal ofForest Research 36: 2968-2980

Mitchard, E.T.A., S.S. Saatchi, L.J.T. White, K.A. Abernethy, K.J. Jeffery, S.L. Lewis, M.Collins, M.A. Lefsky, M.E. Leal, I.H. Woodhouse et P. Meir. (2012). Mapping tropical forestbiomass with radar and spaceborne LiDAR: overcoming problems of high biomass andpersistent cloud. Biogeosciences, 9, 179-191. doi:10.5194/bg-9-179-2012

Mitchell, A.L., Tapley, I., Milne, A.K., Willaims, M. et Lowell, K. (2012). GEO Forest CarbonTracking Tasmania National Demonstrator: Radar Processing Methodologies for theGeneration of Wall-to-Wall Mosaics. Document technique rédigé pour le Département deschangements climatiques et de l’efficacité énergétique (DCCEE), Vol II.(http://www.crcsi.com.au/Documents/1-IFCIRA_SARproc-pdf.aspx)


Molto, Q., Rossi, V. et Blanc, L. (2013). Error propagation in biomass estimation in tropicalforests. Methods in Ecology and Evolution 4(2): 175-183

Muraleedharan, T.R., Radojevic, M., Waugh, A. et Caruana, A. (2000). Emissions from thecombustion of peat: an experimental study. Atmospheric Environment 34: 3033-3035

Næsset, E., Bollandsås, O.M., Gobakken, T., Gregoire, T.G. et Ståhl. G. (2013). Model-assisted estimation of change in forest biomass over an 11 year period in a sample surveysupported by airborne LiDAR: A case study with post-stratification to provide activity data.Remote Sensing of Environment 128: 299-34

Olofsson, P., Foody, G.M., Stehman, S.V. et Woodcock, C.E. (2013). Making better use ofaccuracy data in land change studies: estimating accuracy and area and quantifyinguncertainty using stratified estimation. Remote Sensing of Environment 129:122-131

Pandey, D. (2008). India's biennial forest cover mapping program - National Forest Inventoryin India. Paris, France: COMIFAC Workshop on Monitoring of reduction of emissions fromforest degradation

Peat & GHG Group (2011). A review of the science underpinning a methodology for GHGaccounting in tropical peat lands. Indonesia Australia Forest Carbon Partnership WorkingPaper No.1.

Penman J., Gytarsky, M., Hiraishi, T., Krug, T., Kruger, D., Pipatti, R., Buendia, L., Miwa, K.,Ngara, T., Tanabe, K. et Wagner, R. (sous la direction de). 2003. IPCC Good practiceguidance for land use, land-use change forestry, chapitre 3.2, Forest land. Hayama,Kanagawa, Japon, Institute for Global Environmental Strategies

Powell, S. L., Cohen, W. B., Healey, S. P., Kennedy, R. E., Moisen, G. G., Pierce, K. B. etOhmann, J. L. (2010). Quantification of live aboveground forest biomass dynamics withLandsat time series and field inventory data: A comparison of empirical modellingapproaches. Remote Sensing of Environment, 114(5), 1053-1068

Raison, R.J. et Squire, R.O. (sous la direction de) (2010). Forest management in Australia:Implications for carbon budgets. National Carbon Accounting System Technical Report32. Australian Greenhouse Office. 380p.

Rein, G., Cohen, S. et Simeoni, A. (2009). Carbon emissions from smouldering peat inshallow and strong fronts. Proceedings of the Combustion Institute 32, 2489-2496

Rominjin, E., Ainembabazi, J.H., Wijaya, A., Herold, M., Angelsen, A., Verchot, L. etMurdiyarso, D. (2013). Exploring different forest definitions and their impact on developingREDD+ reference emission levels: A case study for Indonesia. Environmental Scienceand Policy: 33 246-259

Sannier, C., McRoberts, R.E., Fichet, L.-V. et Makaga, E. (2014). Application of theregression estimator to estimate Gabon forest cover area and net deforestation at nationallevel. Remote Sensing of Environment doi:10.1016/j.rse.2013.09.015


124

Särndal, C.-E., Swensson, B. et Wretman, J. (1992). Model assisted survey sampling.Springer, New York. 693 p.

Siqueira, P., Ahmed, R. et Chapman, B. (2010). K&C Science Report – Phase 1: ForestTheme – SAR, In SAR and LiDAR studies for measuring vegetation structure over theHarvard forest region. Sengen, Japon: JAXA, 2010. The ALOS Kyoto & Carbon Initiative –Science Team Reports Phase 1 (2006-2008)

Souza Jr, C. (2006). Brazil's PRODES system - Mapping and monitoring deforestation andforest degradation in the Brazilian Amazon. Jena, Allemagne: GOFC-GOLD Symposiumon Forest and Land Cover Observations

Souza Jr, C., Siqueira, J. V., Sales, M H, Fonseca, A. V., Ribeiro, J. G., Numata, I, Cochrane,M A, Barber, C P., Roberts, D A. et Barlow, J. Ten-Year Landsat Classification ofDeforestation and ForestDegradation in the Brazilian Amazon. Remote Sens. 2013, 5,5493-5513; doi:10.3390/rs5115493

Stehman, S. V. et Foody, G. M., 2009. Accuracy assessment, in Warner, T. A., Nellis, M. Dand Foody, G. M. (sous la direction de) The SAGE Handbook of Remote Sensing, Sage,London, 297-309.

Stehman, S.V. (2009). Model-assisted estimation as a unifying framework for estimating thearea of land cover and land-cover change from remote sensing. Remote Sensing ofEnvironment 113: 2445-2462

Tomppo, E., Gschwantner, T., Lawrence, M. et McRoberts, R.E. (sous la direction de). 2010.National forest inventories: pathways for common reporting. Heidelberg: Springer. 611 p.

Tomppo, E., Gschwantner, Th., Lawrence, M. et McRoberts, R.E. (sous la direction de).2010. National Forest Inventories - Pathways for common reporting. Springer, 612 p.

Verbesselt, J., Hyndman, R., Newnham, G. et Culvenor, D. (2010). Detecting trend andseasonal changes in satellite image time series, Remote Sensing of Environment, 114,106-115

Walker, W S., Stickler, C.M., Kellndorfer, J.M., Kirsch, K.M. et Nepstad, D.C. (2010). Large-area classification and mapping of forest and land cover in the Brazilian Amazon: acomparative analysis of ALOS/PALSAR and Landsat data sources. IEEE Journal ofSelected Topics in Applied Earth Observations and Remote Sensing, Vol. 3, p. 594-604.http://ibcperu.org/doc/isis/13447.pdf

Williams, M. L. (2009). Tropical forest biomass recovery using GeoSAR observations. LeCap, Afrique du Sud: International Geoscience and Remote Sensing Symposium(IGARSS)

Winrock International (2012). A Pilot Study to Assess Forest Degradation Surrounding NewInfrastructure. Rapport présenté à la Commission forestière du Guyana. Février 2012

Woodcock, C. E., Allen, R., Anderson, M., Belward, A., Bindschadler, R., Cohen, W. etWynne, R. (2008). Free access to Landsat imagery. Science, 320(5879), 1011

Woodcock, C. E., Macomber, S. A., Pax-Lenney, M. et Cohen, W. B. (2001). Monitoring largeareas for forest change using Landsat: Generalization across space, time and Landsatsensors. Remote Sensing of Environment, 78(1), 194-203


Yokelson, R.J., Susott, R., Ward, D.E., Reardon, J. et Griffith, D.W.T. (1997). Emissions fromsmouldering combustion of biomass measured by open-path Fourier transform infraredspectroscopy. J. Geophysical Research 102: 18865-18877

Zeng, Y., Zhang, J. et Van Genderen, J.L. (2005). Change detection approach to SAR andoptical image integration. ISPRS Commission VII, WG VII/6

Zhuravleva, I., Turubanova, S., Potapov, P., Hansen, M., Tyukavina, A., Minnemeyer, S.,Laporte, N. et al. (2013). Satellite-based primary forest degradation assessment in theDemocratic Republic of the Congo, 2000–2010. Environmental Research Letters, 8(2),024034. doi:10.1088/1748-9326/8/2/024034


126

Annexe A Résumé détaillé des orientations du GIEC

Le GIEC a rédigé des Lignes directrices pour proposer à tous les pays des méthodespermettant d’évaluer à l’échelle nationale les émissions et les absorptions anthropiques degaz à effet de serre afin de pouvoir en rendre compte au niveau international. Il a établi sespremières lignes directrices pour les inventaires de GES en 1995 et 1996, en s’appuyant surdes travaux antérieurs de l’Organisation de coopération et de développement économiques.La version la plus récente des lignes directrices date de 2006 (ci-après «les Lignesdirectrices de 2006»); toutefois, la Décision 2/CP.17 fait référence au Recommandations enmatière de bonnes pratiques de 2003, qui doivent permettre aux pays en développementd’établir des inventaires nationaux de gaz à effet de serre dans le contexte des rapportsbiennaux actualisés. En 2013, le GIEC a adopté un supplément109 aux lignes directrices de2006 pour étendre la portée de celles-ci aux zones humides et aux sols organiques, et pourtenir compte des nouvelles connaissances scientifiques acquises dans ces domaines.

Les méthodes du GIEC visent à prendre en compte toutes les particularités nationales enproposant une démarche par niveaux croissants de complexité. Ces méthodes vont duniveau 1 (méthodes simples et paramètres par défaut) au niveau 3 (modèles et méthodes demesure propres à un pays donné). Les niveaux les plus élevés (2 et 3) sont obligatoires pourles catégories principales, sauf si les ressources à engager à cette fin sontdisproportionnées. Les catégories principales sont celles qui contribuent le plus auxémissions totales d’un pays ou à la tendance observée dans ces émissions. Si ces méthodessont correctement mises en œuvre, l’exactitude et la précision des mesures devraients’améliorer à mesure que les pays passent du niveau 1 au niveau 3.

A1.1 Recommandations en matière de bonnes pratiques

En réponse à une demande de l’Organe subsidiaire de conseil scientifique et technologique(SBSTA) 110 de la Convention-cadre des Nations Unies sur les changements climatiques(FCCC), le GIEC a défini la notion de recommandations en matière de bonnes pratiques. Lesinventaires cohérents avec ces bonnes pratiques sont ceux qui contiennent des estimationsqui ne sont ni excessives ni incomplètes, pour autant que l’on puisse en juger, et danslesquels les incertitudes sont réduites dans toute la mesure du possible (Penman et al.,2000, Eggleston et al., 2006).

Les recommandations en matière de bonnes pratiques du GIEC reposent sur cinq principes:

a) Transparence: La documentation est suffisante et assez claire pour que desindividus ou des groupes autres que l’organisme chargé de l’inventaire puissentcomprendre comment l’inventaire à été calculé et peut leur garantir que les principesde bonnes pratiques des inventaires d’émissions de gaz à effet de serre sontrespectés;

b) Exhaustivité: Les estimations sont présentées pour toutes les catégoriespertinentes de sources, puits et gaz; elles ont une portée nationale. Lorsque des

109Supplément 2013 aux Lignes directrices 2006 du GIEC pour les inventaires nationaux de gaz à effet deserre: zones humides. Ce document est disponible (en anglais) à l'adresse suivante: http://www.ipcc-nggip.iges.or.jp/.

110Convention-cadre des Nations Unies sur les changements climatiques (FCCC), Rapport de l’Organesubsidiaire de conseil scientifique et technologique à sa huitième session, Bonn, 2-12 juin 1998,FCCC/SBSTA/1998/6.


éléments manquent, leur absence doit être clairement indiquée et une explicationquant à leur absence doit être donnée;

c) Cohérence: Les estimations pour différents gaz, catégories de source et annéesd’inventaire sont réalisées de telle manière que les différences dans les résultatsd’une année à l’autre et d’une catégorie à l’autre reflètent les différences réellesdans les émissions. Si possible, les tendances annuelles des inventaires devraientêtre calculées en utilisant la même méthode et les mêmes sources de donnéeschaque année et devraient chercher à refléter les réelles fluctuations annuelles dansles émissions ou les absorptions et ne pas être sujettes à des changements causéspar des différences méthodologiques;

d) Comparabilité: L’inventaire national de gaz à effet de serre est présenté demanière à pouvoir être comparé avec les inventaires nationaux de gaz à effet deserre d’autres pays. Cette comparabilité devrait être reflétée dans le choix appropriéde catégories de source clés, dans les directives pour l’établissement des rapportset tableaux et dans l’utilisation de la classification et de la définition des catégoriesd'émissions ou d'absorptions présentées dans les lignes directrices.

e) Exactitude: Les estimations de l’inventaire national de gaz à effet de serre ne sontni surestimées ni sous-estimées, pour autant qu’on puisse en juger. Cela signifiequ’il convient de suivre les orientations, et en particulier celles qui concernentl’identification des catégories de source clés.

Beaucoup de pays en développement disposent actuellement de données et d’estimationsqui ne sont pas pleinement conformes à ces principes de communication111. Les écarts lesplus fréquents sont indiqués ci-après:

La production de données concernant le carbone forestier repose souvent sur desavis d’experts, des évaluations indépendantes ou des estimations fondées sur desmodèles, ce qui manque de transparence;

Le manque de données exploitables pour mesurer la variation des superficies deforêts et les fluctuations de stocks de carbone forestiers est évident dans denombreux pays. Les données sur les stocks de carbone concernant les bassinsaériens et souterrains sont souvent fondées sur des estimations ou des conversionseffectuées à partir de données du GIEC établies par défaut. Peu de pays sont enmesure de fournir des informations sur les cinq bassins de carbone ou desestimations établies à partir du brûlage de la biomasse. Dès lors, les inventairessont souvent incomplets;

Les estimations fournies par de nombreux pays sont fondées soit sur des mesureseffectuées à une seule date, soit sur l’intégration de sources de données

111Document technique FCCC/TP/2009/1 de la Convention-cadre des Nations Unies sur les changementsclimatiques, 2009, «Coût de mise en œuvre des méthodes et des systèmes d’observation liés auxestimations d’émissions provenant du déboisement et de la dégradation des forêts, à l’évaluation des stocksde carbone et des émissions des gaz à effet de serre provenant des modifications du couvert forestier, et àl’amélioration des stocks de carbone forestiers».


128

hétérogènes, plutôt que sur des mesures systématiques et cohérentes et sur unedémarche d’observation. Leur cohérence ne peut donc pas être garantie;

Peu de pays sont habitués à utiliser les Recommandations en matière de bonnespratiques du GIEC ou les emploient actuellement aussi bien pour effectuer desestimations que pour leurs observations;

Peu d’informations sont disponibles sur les sources d’erreur et les niveauxd’incertitude des estimations fournies par les pays, ainsi que sur les méthodesemployées pour analyser, synthétiser et traiter ces estimations dans les rapportsinternationaux.

Les présentes méthodes et orientations visent à fournir des conseils sur l’emploi conjoint dedonnées télédétectées et de données relevées au sol pour contribuer à réduire ces écarts.

A1.2 Représentation des terres

A1.2.1 Terres exploitées

Les inventaires de GES ne prennent en compte que les émissions ou les absorptionsconcernant les terres exploitées, car la prescription de prise en compte ne concerne que lesémissions et absorptions anthropiques. Si le fait de séparer les émissions et absorptionsnaturelles et anthropiques reste une méthode de substitution, c’est la seule méthode pratiqueque les auteurs des Lignes directrices ont pu définir en vue d’une application générale112.Selon les Lignes directrices du GIEC, le territoire d’un pays doit être divisé en six grandescatégories: les terres forestières, les terres cultivées, les prairies, les zones humides, lesétablissements et les autres terres. Les définitions détaillées de ces catégories dépendent dechaque pays car elles doivent tenir compte de leurs particularités. Les six catégories peuventensuite être divisées (stratifiées) en fonction des besoins des différents pays. Ainsi, ellespeuvent être divisées selon le climat, l’écosystème ou le type de gestion.

A1.2.2 Classification des terres113

i) Terres forestières

Cette catégorie inclut toutes les terres à végétation ligneuse correspondant aux seuils utilisésdans la définition des terres forestières dans l’inventaire national des gaz à effet de serre,subdivisées au niveau national en terres exploitées et non exploitées, et par typed’écosystème comme spécifié par les Directives du GIEC114. Elle inclut également des terresdont la végétation est actuellement inférieure aux seuils de la catégorie des terresforestières, mais qui devrait les dépasser.

112Document technique du GIEC, 2010, « Revisiting the Use of Managed Land as a Proxy for EstimatingNational Anthropogenic Emissions and Removals » (uniquement en anglais).

113La définition de ces catégories est reprise du chapitre 2.2 des Recommandations en matière de bonnespratiques publiées par le GIEC en 2003.

114Les types d’écosystèmes forestiers mentionnés sont les suivants pour les forêts tropicales: pluvieuse;humide à saison sèche courte; humide à saison sèche longue; sèche; montagnarde humide; montagnardesèche.


ii) Terres cultivées

Cette catégorie inclut les terres arables et labourables, et les systèmes agro-forestiers dontla végétation est inférieure aux seuils de la catégorie des terres forestières, conformémentaux définitions nationales.

iii) Prairies

Cette catégorie inclut les parcours et les grands pâturages libres qui ne sont pas considéréscomme des terres cultivées. Elle inclut également des systèmes dont la végétation estinférieure aux seuils de la catégorie des terres forestières, et qui ne devrait pas dépasser,sans intervention humaine, les seuils utilisés pour la catégorie des terres forestières. Elleinclut également toutes les prairies, depuis les terrains en friche jusqu’aux espacesrécréatifs, ainsi que les systèmes agricoles et sylvo-pastoraux, subdivisés en terresexploitées et non exploitées, conformément aux définitions nationales.

iv) Zones humides

Cette catégorie inclut les terres couvertes d’eau ou saturées pendant la totalité ou une partiede l’année (tourbières, etc.) et qui n’entrent pas dans les catégories des terres forestières,terres cultivées, prairies ou établissements. Elle peut être subdivisée en terres exploitées etnon exploitées, conformément aux définitions nationales. Elle inclut les bassins en tant quesubdivision exploitée et les fleuves et lacs naturels en tant que subdivisions non exploitées.

v) Établissements

Cette catégorie inclut toutes les terres développées, y compris l’infrastructure des transportset les établissements humains de toutes dimensions, sauf s’ils sont déjà inclus dans d’autrescatégories. Elle doit être conforme aux définitions nationales.

vi) Autres terres

Cette catégorie inclut les sols dénudés, les roches, les glaces et toutes les superficiesterrestres non exploitées qui ne figurent pas dans une des cinq autres catégories. Ellepermet de faire correspondre la totalité des superficies terrestres identifiées à la superficienationale, lorsque des données sont disponibles.

A1.2.3 Recensement des zones terrestres et de leurs variations

Le point 2.3 des Recommandations en matière de bonnes pratiques de 2003 présente troisméthodes permettant de recenser les zones terrestres et leurs variations en termes desurface et de conditions. Ces trois méthodes peuvent être résumées de la manière suivante:

a) La méthode 1 nécessite des estimations au niveau national des superficies desdifférentes terres selon leur utilisation et le moment considéré, mais elle ne nécessitepas d’information sur les proportions de terres converties à un type d’utilisationdifférent. Cette méthode présente de graves lacunes si un changement marqué estintervenu dans l’utilisation des terres, ce qui est le cas dans de nombreux pays endéveloppement.


130

b) La méthode 2 nécessite une matrice de conversion des terres indiquant la superficiedes terres pour chaque type d’utilisation lorsque celui-ci a changé, et la manière dontce changement est réparti entre les autres types d’utilisation, mais il n’est pasnécessaire d’indiquer de manière explicite le lieu où ces changements se sontproduits.

c) La méthode 3 exige des données spatialement explicites sur l’utilisation et lechangement d’affectation des terres obtenues par échantillonnage de pointsgéographiques, par énumération complète (cartographie complète), ou par unecombinaison des deux.

Le GIEC propose des méthodes permettant d’évaluer les émissions pour le reliquat de terresdans chaque catégorie et pour les terres ayant changé de catégorie. Le tableau A.1.1indique les possibilités de conversion et les codes employés par convention à cet égard. Onprésume, toujours par convention, qu’une terre classée dans une catégorie de changementd’utilisation reste dans cette catégorie pendant vingt ans après la date de transition. Cettehypothèse peut être assouplie dans la méthode de niveau 3. Les pays appliquentgénéralement les méthodes proposées par le GIEC et mettent à jour les données concernantl’utilisation des terres à un intervalle de quelques années.

Tableau A.1.1. Changements d’utilisation des terres et définitions employées pourrendre compte des émissions selon les Recommandations du GIEC en matière debonnes pratiques pour le secteur de l'utilisation des terres, de changementsd'affectation des terres et de foresterie.

TFTF = Terres forestières restant desterres forestières

TTF = Terres converties en terres forestières

TCTC = Terres cultivées restant desterres cultivées

TTC = Terres converties en terres cultivées

PP = Prairies restant des prairies TP = Terres converties en prairies

ZHZH = Zones humides restant deszones humides

TZH = Terres converties en zones humides

EE = Établissements restant desétablissements

TE = Terres converties en établissements

ATAT = Autres terres restant d’autresterres

TAT = Terres converties en autres terres


A1.3 Évaluation des émissions de CO2

Dans chaque catégorie, les variations de stocks de carbone sont évaluées pour toutes lesstrates ou sous-divisions des zones de terres (par exemple les zones climatiques, lesécotypes, le type de sol, le régime de gestion, etc.) choisies dans une catégorie d’utilisationdes terres donnée. Les variations de stocks de carbone dans une strate donnée sontévaluées au regard des processus des cycles du carbone intervenant entre les cinq bassinsde carbone, comme indiqué dans le tableau A.1.2. Le diagramme de flux général du cycle ducarbone (figure A.1) montre les cinq bassins et les flux qui leur sont associés, y compris lesentrées et les sorties du système, ainsi que tous les transferts possibles entre bassins. Cediagramme est repris des Lignes directrices de 2006, mais il s’applique également auxRecommandations de 2003. Globalement, on évalue les variations de stocks de carbonedans une strate donnée en additionnant les variations de tous les bassins. Par la suite, il estpossible de détailler les variations des stocks de carbone dans le sol selon que ces stocks setrouvent ou non dans des sols minéraux, et les émissions selon qu’elles proviennent ou nonde sols organiques. Les stocks de produits ligneux exploités, appelés produits ligneuxrécoltés (PLR), sont pris en compte séparément à titre de bassin distinct. La Conférence desParties peut décider d’appliquer des règles particulières pour comptabiliser les PLR. Celas’est déjà produit en vertu de la Décision 2/CMP.7 concernant la deuxième périoded’engagement du Protocole de Kyoto.


132

Tableau A.1.2 Définitions relatives aux bassins de carbone (adapté du tableau 3.1.2des Recommandations en matière de bonnes pratiques de 2003

115)

Bassin Description

Biomasse Biomasseaérienne

Totalité de la biomasse vivante aérienne (exprimée en tonnes depoids sec), y compris les tiges, souches, branches, écorces,semences et feuillage.

Remarque : Lorsque le sous-étage forestier est un élémentrelativement peu important du bassin de carbone de la biomasseaérienne, on peut ne pas l’inclure dans les méthodes et lesdonnées associées utilisées pour certains niveaux, à conditiond’utiliser les niveaux avec cohérence dans les séries temporellesde l’inventaire.

Biomassesouterraine

Totalité de la biomasse de racines vivantes. Les racines mincesde moins de 2 mm de diamètre (suggestion) sont quelquefoisexclues car souvent il n’est pas possible de les distinguerempiriquement des matières organiques du sol ou de la litière.

Matièreorganiquemorte

Bois mort Totalité de la biomasse ligneuse morte qui n’est pas contenuedans la litière, et qui est sur pied, au sol ou dans le sol. Inclut lebois au sol, les racines mortes, et les souches de diamètre égalou supérieur à 10 cm ou tout autre diamètre adopté par le pays.

Litière Totalité de la biomasse morte de diamètre inférieur à un diamètreminimum choisi par le pays (10 cm, par exemple), à divers stadesde décomposition, et située au-dessus du sol minéral ouorganique. Ceci inclut la litière, les couches fumiques ethumiques. Les racines vivantes minces (inférieures au diamètreminimum adopté pour la biomasse souterraine) sont inclusesdans la litière lorsqu’il n’est pas possible de les distinguerempiriquement de la litière.

Sols Matièreorganiquedu sol

Inclut le carbone organique des sols minéraux et organiques(y compris la tourbe) à une profondeur spécifiée choisie par lepays et utilisée avec cohérence dans la série temporelle. Lesracines vivantes minces (inférieures au diamètre adopté pour labiomasse souterraine) sont incluses dans les matièresorganiques du sol lorsqu’il n’est pas possible de les distinguerempiriquement.

Remarque : Les définitions des bassins utilisées ici pourront devoir être légèrementmodifiées en raison des circonstances nationales. Si ces définitions ont été modifiées, lesbonnes pratiques consistent à le signaler clairement, pour assurer une utilisation desdéfinitions modifiées temporellement cohérente, et démontrer l’absence d’omission ou dedouble comptage pour les bassins.

115On trouvera dans le tableau 1.1 du point 1.3 du volume 4 les définitions correspondantes des bassins decarbone employées dans les Lignes directrices de 2006.


Figure A.1: Cycle général du carbone dans des écosystèmes terrestres. Ce diagrammeindique les flux de carbone entrant et sortant du système et entre les cinq bassins decarbone (ainsi que le bassin PLR) du système (repris de la figure 2.1, vol. 4 des Lignesdirectrices de 2006 du GIEC).

La figure A.1 montre que certaines variations observées dans les bassins sont dues à destransferts vers d’autres bassins; toutes les variations ne traduisent donc pas nécessairementune absorption ou une émission de gaz à effet de serre en provenance de l’atmosphère et endirection du bassin. Dès lors, il est important de prendre en compte tous les bassinspertinents pour évaluer l’échange net avec l’atmosphère (émissions et absorptions nettes, ougains et pertes nets). Pour procéder à cette évaluation, on peut employer la méthode de lavariation de stocks ou la méthode gains-pertes. La première est généralement employéedans le cadre d’un inventaire national des forêts; elle repose sur la différence entre lesestimations de stocks de carbone totaux dans une strate donnée au début et à la fin d’unepériode. La seconde consiste à soustraire les pertes de carbone (dues par exemple à descoupes et à des perturbations) des gains de carbone (dus par exemple à la croissance desarbres).

Les trois niveaux proposés dans les lignes directrices se différencient par le degré de détailet la précision nécessaires pour convertir des variations observées dans les forêts en


134

estimations de flux de gaz à effet de serre à l’échelle nationale. Conformément auxcaractéristiques générales énumérées dans l’encadré 1 du texte principal des présentesMéthodes et orientations, tant à propos des Recommandations en matière de bonnespratiques de 2003 que des Lignes directrices de 2006,

a) Les hypothèses du niveau 1 sont les suivantes:

Les bassins de bois mort et de litière peuvent être regroupés pour composer la« matière organique morte »;

Les stocks de matière organique morte sont présumés stables pour lescatégories d’utilisation des terres non forestières. Pour les terres forestièresconverties à une autre utilisation, des valeurs par défaut sont fournies pourpermettre d’évaluer les stocks de carbone liés à la matière organique morte;

b) Au niveau 2, on emploie généralement les mêmes équations que pour le niveau 1,mais des informations propres à chaque pays doivent remplacer les paramètres pardéfaut, et les cinq bassins doivent être intégralement pris en compte;

c) Au niveau 3, on emploie généralement des méthodes de modélisation complexes quisont adaptées aux écosystèmes et aux circonstances nationales considérés. Desdonnées télédétectées sont souvent utilisées à cette fin pour fournir des estimationsspatialement explicites.

La disponibilité croissante des données télédétectées rend la méthode 3 (donnéesspatialement explicites) plus accessible; en outre, cette méthode peut en principe êtreemployée à n’importe quel niveau. On trouvera une description détaillée du mode d’emploide la méthode 3 dans les présentes Méthodes et orientations. Établir un système national àpartir de la méthode 3 et au niveau 3 est sans doute la manière la plus précise de le faire,mais c’est aussi celle qui nécessite le plus de données et qui présente les contraintes lesplus importantes en termes de ressources, d’infrastructures, de données et de capacitésnationales. La méthode 3 appliquée au niveau 2 peut dans la pratique fournir des résultatscomparables si elle est suffisamment stratifiée. On peut aussi employer une combinaison desniveaux 2 et 3. La notion d’évolution par étapes formulée dans les Décisions de laConférence des Parties pourrait permettre aux pays de progresser dans ces niveaux.

A1.6 Assurance qualité / Contrôle qualité (AQ/CQ)

Les exigences globales dans ce domaine sont les suivantes: la participation d’une personnechargée de calculer les inventaires, qui est aussi responsable de la coordination des activitésliées à l’assurance qualité, au contrôle qualité et à la vérification, et la définition des rôles etdes responsabilités au sein de l’inventaire. Le point 5.5.2 des Recommandations en matièrede bonnes pratiques de 2003 présente l’idée d’un plan AQ/CQ, qui est décrit plus en détailau point 6.5 du volume 1 des Lignes directrices de 2006 et couvre les éléments suivants:

Opportunité

Exhaustivité

Cohérence (cohérence interne et cohérence de la série temporelle)

Compatibilité


Exactitude

Transparence

Amélioration

Procédures générales de contrôle qualité visant toutes les catégories d’inventaire(voir tableau A.1.3);

Procédures de contrôle qualité propres à une catégorie particulière;

Procédures d’assurance qualité et d’examen

Interaction du système d’AQ/CQ avec des analyses d’incertitude

Activités de vérification

Procédures de compte rendu, de documentation et d’archivage.

Tout système d’AQ/CQ et de vérification devrait normalement comporter les élémentsprécités. Des procédures générales de contrôle qualité devraient être appliquéesrégulièrement à toutes les catégories et au calcul de l’inventaire dans son ensemble. Lepoint 5.5 des Recommandations en matière de bonnes pratique de 2003 traite de l’AQ/CQ;les parties correspondantes des Lignes directrices de 2006 sont le chapitre 6 du volume 1(qui traite de l’AQ/CQ en général) et le chapitre 4 du volume 4 (qui contient des élémentssupplémentaires sur les questions d’AQ/CQ relatives aux forêts).

L’organisme chargé de l’inventaire devra, autant que possible, vérifier les estimations detoutes les zones de terres exploitées à l’aide de sources indépendantes. Si sa sourced’informations principale est la base de données de la FAO, les données devront êtrevérifiées auprès d’autres sources. Il conviendra de déterminer les causes des différenceséventuellement constatées dans les zones, de prendre des mesures si nécessaire, et d’endocumenter les résultats à des fins d’examen. Les totaux des données concernant les zonesexploitées devront être calculés pour toutes les catégories d’utilisation des terres afin devérifier que la superficie totale couverte par l’inventaire et sa stratification par types declimats et de sols reste constante dans le temps. On s’assurera ainsi qu’il n’y a pas de zones« créées » ou « perdues » dans le temps, ce qui serait une source d’erreur considérable.


136

Tableau A.1.3: Procédures générales de contrôle qualité pour les inventaires

Activité de contrôle qualité Procédures

Vérifier que les hypothèseset critères pour la sélectiondes données d’activités, lesfacteurs d’émissions et lesautres paramètres sontdocumentés.

Comparer les descriptions des données d’activités,facteurs d’émissions et autres paramètres d’estimationsaux informations sur les catégories et s’assurer qu’ellessont consignées et archivées correctement.

Vérifier l’absence d’erreur detranscription dans les entréesde données et lesréférences.

Confirmer que les références bibliographiques sontcitées correctement dans la documentation interne.

Vérifier par recoupement un échantillon de donnéesd’entrée pour chaque catégorie (mesures ou paramètresutilisés pour les calculs) afin de rechercher des erreursde transcription.

Vérifier que les émissions etabsorptions sont calculéescorrectement.

Reproduire un échantillon représentatif des calculsd’émissions ou d’absorptions.

Utiliser une méthode d’approximation simple qui donnedes résultats semblables à l’original et des calculs pluscomplexes pour s’assurer qu’il n’y a pas d’erreur d’entréedes données ou de calcul.

Vérifier que les paramètres etles unités d’émissions sontconsignés correctement etque les facteurs deconversion appropriés sontutilisés.

Vérifier que les unités sont étiquetées correctement dansles feuilles de calculs.

Vérifier que les unités sont utilisées correctement dudébut à la fin des calculs.

Vérifier que les facteurs de conversion sont corrects.

Vérifier que les facteurs d’ajustement temporel et spatialsont utilisés correctement.



Vérifier l’intégrité des fichiersde la base de données.

Examiner la documentation intrinsèque incluse pour:

Confirmer que les phases de traitement desdonnées appropriées sont représentéescorrectement dans la base de données;

Confirmer que les relations entre les donnéessont représentées correctement dans la base dedonnées;

Vérifier que les champs de données sontétiquetés correctement et indiquent desspécifications de conception correctes;

Vérifier que la documentation appropriée de labase de données et de la structure et dufonctionnement du modèle est archivée.

Vérifier la cohérence desdonnées entre les catégories.

Identifier les paramètres (données sur les activités,constantes, etc.) communs à plusieurs catégories, etconfirmer la cohérence des valeurs utilisées pour cesparamètres dans les calculs d’émissions etd’absorptions.

Vérifier que le mouvementdes données d’inventairesentre les phases detraitement est correct.

Vérifier que les données sur les émissions et absorptionssont agrégées correctement, des niveaux de notificationinférieurs vers des niveaux supérieurs, lors de lapréparation des récapitulatifs.

Vérifier que les données sur les émissions et absorptionssont transcrites correctement entre divers produitsintermédiaires.


138


Vérifier que les incertitudesdes émissions et absorptionssont estimées ou calculéescorrectement.

Vérifier que les qualifications des personnes apportantune opinion d’experts sur l’incertitude des estimationssont appropriées.

Vérifier que les qualifications, hypothèses et opinionsd’experts sont consignées.

Vérifier que les incertitudes calculées sont complètes etcalculées correctement.

Au besoin, dupliquer les calculs d’erreurs ou un petitéchantillon des distributions de probabilité utilisées dansl’analyse Monte Carlo (par exemple en employant lescalculs d’incertitude définis dans la méthode 1).

Vérifier la cohérence desséries temporelles.

Vérifier la cohérence temporelle des données d’entréedes séries temporelles pour chaque catégorie.

Vérifier la cohérence des algorithmes/méthodes utilisésdans le calcul pour la totalité des séries temporelles.

Vérifier les changements méthodologiques et dedonnées qui mènent à des recalculs.

Vérifier que les résultats des activités d’atténuation ontété reflétés de manière appropriée dans les calculs de lasérie temporelle.

Vérifier l’exhaustivité.

Confirmer que les estimations sont présentéespour toutes les catégories et pour toutes lesannées, depuis l’année de référence appropriéejusqu’à la période de l’inventaire courant.

Pour les sous-catégories, confirmer que toute lacatégorie de source est couverte.

Fournir une définition claire des catégories detype « Autres ».

Vérifier que les lacunes connues en matière dedonnées, à l’origine d’estimations incomplètes,sont documentées, y compris une évaluationqualitative de l’importance de l’estimation parrapport aux émissions totales (par exemple,sous-catégories classées comme «nonestimées», voir Chapitre 8 des Directives surl’établissement des rapports et tableaux).



Vérification des tendances.

Pour chaque catégorie de source, comparer lesestimations de l’inventaire courant à celles desinventaires antérieurs, si elles sont disponibles.En cas de variations importantes ou de variationspar rapport à des tendances prévues, vérifier denouveau les estimations et expliquer toutedifférence. Des variations importantes desémissions ou absorptions par rapport aux annéesprécédentes peuvent indiquer des erreurspossibles d’entrée ou de calcul.

Vérifier la valeur des facteurs d’émissionimplicites (émissions agrégées divisées par lesdonnées sur les activités) entre sériestemporelles.

Des observations aberrantes non expliquéessont-elles relevées pour une année quelconque?

Si elles restent statiques entre sériestemporelles, les variations des émissions ouabsorptions sont-elles détectées?

Vérifier si l’on observe des tendancesinhabituelles et inexpliquées pour des donnéessur les activités ou d’autres paramètres entreséries temporelles.

Effectuer un examen de ladocumentation interne et del’archivage.

Vérifier qu’il existe une documentation internedétaillée expliquant les estimations et permettantla duplication des estimations d’émissions,d’absorptions et d’incertitudes.

Vérifier que les données d’inventaire, donnéesjustificatives et dossiers sont archivés et stockéspour faciliter un examen détaillé.

Vérifier que les archives sont fermées etconservées dans un endroit sûr à la fin del’inventaire.

Vérifier l’intégrité de tout système d’archivage dedonnées établi par des organisations externesayant participé à la préparation de l’inventaire.

Les estimations dépendent de la qualité et la cohérence des données et des informationsdisponibles dans un pays donné, ainsi que des lacunes dans les connaissances. En outre,selon le niveau choisi dans un pays, les estimations peuvent subir l’incidence de différentes


140

sources d’erreurs, notamment des erreurs d’échantillonnage, d’évaluation et de classificationdes images reçues par télédétection, ainsi que des erreurs de modélisation qui peuvent sepropager jusqu’aux estimations totales.

A1.7 Validation et vérification

Les examens internes et externes constituent des activités majeures de validation et devérification qui peuvent s’inscrire dans le cadre des procédures d’assurance qualité et decontrôle qualité. Les processus d’examen sont décrits au chapitre 5 des Recommandationsen matière de bonnes pratiques de 2003 et au chapitre 6 du volume 1 des Lignes directricesde 2006. Ils devront être effectués par des experts qui de préférence n’auront pas participédirectement à la préparation de l’inventaire. Compte tenu de la complexité et de la spécificitédes paramètres employés dans le calcul des facteurs propres à chaque pays pour certainescatégories, il convient de faire appel à des spécialistes du domaine. Si les facteurs relatifsaux sols sont fondés sur des mesures directes, il faut déterminer s’ils sont représentatifs dela fourchette réelle des conditions de gestion de l’environnement et des sols et de lavariabilité interannuelle du climat, et s’ils ont été établis conformément à des normesreconnues. Le protocole d’assurance qualité et de contrôle qualité en vigueur sur les sitesdevra aussi être réexaminé et les estimations qui découleront de cet examen devront êtrecomparées aves les résultats d’autres sites et avec les estimations effectuées sur la basedes paramètres par défaut.

La comparaison entre différentes estimations, qu’il s’agisse d’estimations indépendantes oud’estimations fondées sur des niveaux supérieurs ou inférieurs, peut représenter un outil devérification supplémentaire. Elle peut être appliquée aux estimations d’émissions etd’absorptions, ou à des données d’entrée ou des données intermédiaires, notamment desdonnées concernant la superficie.

Il est difficile actuellement de vérifier les estimations d’émission et d’absorption de manièreindépendante. En principe, les mesures de concentrations dans l’atmosphère peuventconstituer des estimations entièrement indépendantes si l’on applique par exemple desmodèles inverses aux échelles continentale, nationale ou régionale, ou si l’on se réfère à desbases de données de remplacement des émissions 116 . Des mesures par satellite de laconcentration de gaz à effet de serre sont en cours de mise au point, mais pour le momentelles sont trop incertaines pour permettre de vérifier de manière précise les émissions àl’échelle nationale.

116Les émissions peuvent être évaluées à partir de bases de données de remplacement concernant un polluantdont on connaît le taux d’émission et l’indice d’émissions par rapport au produit dont on évalue desémissions. Dans ce cas, les mesures effectuées dans l’atmosphère peuvent permettre de déduire le tauxd’émission du polluant inconnu. Voir la partie intitulée « Utilisation de bases de données de remplacementdes émissions » dans les Lignes directrices de 2006, Volume 1, Chapitre 6, page 6.24.


Annexe B Données télédétectées prévues dans le cadred’un arrangement entre la GFOI et le Groupe decoordination des données spatiales du Comité sur lessatellites d'observation de la Terre (CSOT)

Les tableaux B1.1 et B1.2 ci-après offrent un aperçu des données de base optiques et radar quidevraient être disponibles au moment où le présent document a été rédigé (Groupe decoordination des données spatiales du CSOT, 2013). Le tableau B1.3 contient des détails surdes missions supplémentaires de satellites optiques et SAR (radar à synthèse d’ouverture) quipourraient présenter un intérêt mais qui ne sont pas considérées actuellement comme dessources de données de base, soit parce qu’elles se trouvent encore au stade de la planification,soit parce que ces données ne sont pas disponibles gratuitement pour le moment.

Ces tableaux peuvent faciliter le choix de jeux de données adéquats qui pourraient s’avérerutiles pour obtenir des données d’activité. Beaucoup de satellites indiqués ci-après nedisposent pas d’une stratégie mondiale d’acquisition de données; il est donc nécessaire devérifier que les données sont disponibles pour la région concernée. On trouvera desinformations sur les capacités des satellites dans la base de données en ligne sur lesmissions, instruments et mesures (MIM) du CSOT à l’adresse suivante:http://database.eohandbook.com/. Les liens pertinents sont ceux du «Earth observationhandbook» (Manuel d’observation de la Terre) du CSOT. Il est possible d’obtenir desinformations sur la couverture de télédétection au moyen de l’outil COVE (environnement devisualisation) du CSOT à l’adresse suivante: http://www.ceos-cove.org/index.php/covetool/.

Tableau B1.1: Missions optiques de base prévues

Organisme Mission Lance-ment

Résolution Couloirexploré

Deuxièmepassage

Duréeprévue

USGS/NASA Landsat-7 1999 15 m, 30 m 185 km 16 jours 5 ans

USGS/NASA Landsat-8 2013 15 m, 30 m 185 km 16 jours 5 ans

INPE/CRESDA

CBERS-4 2015 5 m 10 m,20 m, 40 m,64 m

60-866 km 26 jours 3 ans

ESA Sentinel2A

2014 10 m, 20 m,60 m

290 km 10 jours 7 ans

ESA Sentinel2B

2015 10 m, 20 m,60 m

290 km 10 jours 7 ans


142

Tableau B1.2: Missions SAR de base prévues

Organisme MissionLance-ment

Bande(longueurd’onde)

Polarisation RésolutionDeuxièmepassage

Durée

ESA Sentinel-1Aet 1B

2014et

2015

C(5.6 cm)

Polarisationunique,double

9 m, 20 m,50 m

12 jours 7 ans

CSA MissionRADARSATConstellation(3 satellites)

2018 C(5.6 cm)

Polarisationunique,double,

complète

1 m, 3 m,5 m, 16 m,50 m, 100 m

12 jours 7 ans

CONAE/ASI

SAOCOM-1Aet 1B

2015et

2016

L(23.5 cm)


complète

10 m, 30 m,50 m, 100 m

16 jours 5 ans

On trouvera de plus amples informations sur le site de la base de données en ligne MIM du CSOT àl’adresse suivante: http://database.eohandbook.com.


Tableau B1.3: Missions supplémentaires, hors missions de base, qui peuventprésenter un intérêt

Missions optiques


RésolutionCouloirexploré

Deuxièmepassage

Durée

CNES SPOT-5 2002 2.5 m, 5 m,10 m, 20 m

60 km 26 jours Mise horsservice prévueen 2014

DLR/Partenariatpublic-privé

RapidEye 2008 5 m, 6,5 m 77 km 5.5 jours(décalagequotidienpar rapportau nadir)

Jusqu’en 2019selon lesdernièresinformationsobtenuesauprès deRapidEye

INPE Amazonia-1 2014 40 m 740 km 26 jours 3 ans

ISRO ResourceSat-2 AWiFS

2012 56 m 740 km 26 jours 3 ans

CNES SPOT-6/7 2012 et2014

1.5 m & 8 m 60 km 26 jours 10 ans

CNES Pleiades1A, 1B

2011 et2012

0.7 m & 2 m 20 km 26 jours 5 ans

DMCii,DeimosImaging,

NASRDA117

UK-DMC-2,Deimos-1

NigeriaSAT-2

200920092011

22 m22 m2.5 m & 5 m

660 km660 km20 km

Quotidien(au moyende DMC-2et deDemios-1)

5 ans +

117DMCii fait partie d’Airbus (ex-Astrium), une multinationale européenne spécialisée dans le domaineaérospatial. Deimos Imaging est une entité commerciale espagnole, et NASRDA est la Nigerian NationalSpace Research and Development Agency (Agence nationale nigériane de recherche et de développementspatiaux). L’expression Disaster Monitoring Constellation (constellation de surveillance des catastrophes ouDMC) fait collectivement référence à toutes ces sources de données satellite.


144

SAR


Bande(longueurd’onde)

Polarisation Résolution2ème

passageDurée

CSA RADARSAT-2

2007 C(5,6 cm)


complète

3 m, 5 m,8 m, 10 m,25 m

24 jours 7 ans

DLR TerraSAR-X(TanDEM-X)

2007 et2010

X(3,1 cm)

Polarisationunique et

double

1 m, 3 m,16 m

11 jours 8 ans

ASI COSMO-SkyMed(4 satellites)

2007x22008 et2010

X(3,1 cm)


complète

1 -100 m 16 jours

JAXA ALOSPALSAR

2006(fin

2011)

L(23,6 cm)


complète

10 m, 20 m,100 m

46 jours 5 ans

Ce projetn’est plusopération-nel.

JAXA ALOS-2 2014 L(23,8 cm)


complète

3 m, 6 m,10 m, 60 m,100 m

14 jours 5-7 ans

UKSA NovaSAR-S 2015(TBC)

S(9,4 cm)

Polarisationunique,

double, triple,complète

(noncohérente)

6-30 m 14 jours 7 ans

ESA BIOMASS 2020(TBC)

P(69,0 cm)

Polarisationcomplète

50 m Variable 5 ans

Bibliographie: CEOS Space Data Coordination Group (Groupe de coordination des donnéesspatiales du CSOT), 2013. Baseline Global Acquisition Strategy for the Global Forest ObservationsInitiative (GFOI) (Stratégie mondiale d’acquisition de données de base pour l’Initiative mondiale enfaveur de l’observation de la forêt (GFOI)), 59 p.


Annexe C Méthodes de niveau 3

La présente annexe contient une description plus détaillée des mises en œuvre possibles dela méthode gains-pertes de niveau 3 évoquée au point 2.1.

C1.1 Modèles représentatifs

Plutôt que de se fonder sur des facteurs d’émission et d’absorption, la méthode des modèlesreprésentatifs s’appuie sur des données de gestion régionales ou propres à des espèces etsur des courbes de croissance dérivées de sites de recherches ou de données concernantdes inventaires forestiers. Ces modèles sont susceptibles de mieux représenter l’évolutiondes stocks de carbone due à des activités qui ne sont pas prises en compte par les facteursd’émission et d’absorption (comme par exemple les coupes partielles ou les incendies). Ilspeuvent aussi permettre d’assurer le suivi de l’évolution des matériaux (tels que les produitsligneux) et peuvent être facilement transposés à d’autres bassins tels que les débris et lecarbone des sols.

L’application de modèles représentatifs est semblable à l’emploi de facteurs d’émission etd’absorption. Les modèles sont élaborés et les superficies sont déterminées par stratification.Les modèles sont ensuite exécutés et la somme des variations de stocks de carbone chaqueannée pour tous les modèles constitue l’estimation nationale.

C1.2 Systèmes intégrés

Les systèmes entièrement intégrés visent à représenter des superficies de terresparticulières et permettent d’établir des estimations d’émissions à partir d’informations sur lesconditions et la gestion propres à un site donné. Ces systèmes sont généralement pluscomplexes que les méthodes fondées sur les facteurs d’émission ou d’absorption ou lesmodèles représentatifs, mais ils présentent des avantages majeurs, notamment unemeilleure capacité d’analyse des incidences de la gestion sur les émissions et d’analyse descénarios détaillés. Certains permettent d’effectuer une représentation combinée desystèmes forestiers et agricoles afin de mieux représenter les émissions provenant del’utilisation des terres et des variations de cette utilisation.

Les systèmes entièrement intégrés relèvent du niveau 3 et sont généralement fondés sur desmodèles de bilan massique qui prennent en compte tous les bassins de carbone et lesmouvements entre ceux-ci (encadré C1). Les systèmes actuellement employés reposent surdifférents modèles allant d’une modélisation entièrement empirique jusqu’à des modèleshybrides associant modélisation des processus et modélisation empirique. Il n’existe pas àce jour d’exemple opérationnel entièrement fondé sur une méthode de modélisation deprocessus en raison du volume de données qui seraient nécessaires pour adapter et fairefonctionner ce type de modèles, et du fait que leurs résultats sont souvent dépourvus decontraintes.

Deux méthodes particulières sont actuellement employées dans les systèmes intégrés: lemodèle fondé sur le peuplement forestier et le modèle fondé sur les pixels. Le choix dépend


146

de la disponibilité des données existantes (par exemple des données télédétectées, descartographies ou des inventaires de la forêt nationale), des résultats requis et du coût.

Encadré C1: Méthodes fondées sur le bilan massique

Dans les méthodes fondées sur le bilan massique (également appelées méthodes de «comptabilisation» ou de«conservation de la masse»), les stocks de chaque bassin et leurs variations dépendent de transferts entrebassins et ils sont évalués à partir des éléments connus du cycle du carbone (voir figure A.1, diagramme du cycledu carbone). Les systèmes fondés sur le bilan massique sont efficaces pour évaluer les émissions et lesabsorptions annuelles et pour assurer le suivi de ces émissions et absorptions en cas d’événement particuliercomme une coupe ou un incendie.

Pour qu’elles puissent être appliquées à des systèmes d’inventaire national et être entièrement intégrées, lesméthodes fondées sur le bilan massique doivent au moins présenter les caractéristiques suivantes:

Etre capables de représenter de manière exacte les principaux flux de carbone, par exemple ceux quirésultent de processus naturels (croissance et décomposition), de coupes, d’incendies et d’infestation deparasites;

Permettre un paramétrage en fonction de données disponibles ou faciles à recueillir;

Disposer de contraintes et de systèmes de vérification pour éviter des résultats aberrants;

Disposer de systèmes de contrôle pour faire en sorte que le bilan massique soit préservé à toutes lesétapes du modèle;

Présenter des entrées et des sorties (flux) correspondant à la variation des stocks de carbone.

C1.2.1 Modèles fondés sur le peuplement forestier

Les modèles fondés sur le peuplement forestier sont proches des méthodes appliquées parles offices des forêts pour évaluer le stock de bois sur pied. Dans le présent contexte, lesmodèles sont exécutés à partir d’informations qui concernent des peuplements cartographiésindividuellement et qui correspondent aux différentes strates de la forêt. Ces informations secomposent notamment de taux de croissance et de paramètres de modélisation de ladécomposition des débris et du carbone des sols. Le modèle est alors exécuté pour chaquepeuplement et les résultats sont additionnés pour obtenir les valeurs de l’ensemble de lazone forestière.

Les modèles fondés sur le peuplement forestier conviennent particulièrement aux paysdisposant d’une cartographie détaillée des activités forestières, et notammentd’enregistrements des coupes et des replantations. Cette cartographie ne provientgénéralement pas de données télédétectées, mais la télédétection peut aussi être employée.

C1.2.2 Modèles fondés sur les pixels

Les modèles fondés sur les pixels permettent d’assurer le suivi de chaque pixel, celui-cicorrespondant à une unité de sol, plutôt que d’observer les peuplements. Ces modèles visentà exploiter toute la puissance des données télédétectées dans le temps et sont bien adaptéslorsque l’exploitation des sols et du couvert forestier varie souvent dans le temps (parexemple en cas d’agriculture itinérante). Ils conviennent aussi aux situations de déforestationet aux cas dans lesquels il n’existe que peu ou pas d’historique des activités sylvicoles pouralimenter des modèles fondés sur le peuplement.


Les modèles fondés sur les pixels permettent d’évaluer les émissions et les absorptions enmodélisant chaque pixel individuel selon l’historique de l’exploitation de la terre à laquelle ilcorrespond, cet historique étant déduit des données télédétectées. Ces modèles s’appuientà la fois sur des données spatiales et non spatiales pour alimenter les paramètres de chaquepixel dans le modèle. À cette fin, les informations télédétectées sont intégrées à d’autres jeuxde données spatiales (par exemple des données sur le climat, la productivité et le type de solet de forêt) et à des bases de données comportant des références dans l’espace quifournissent des informations propres aux différentes espèces et à la gestion. La somme desrésultats de tous les pixels constitue l’évaluation au niveau national.

C1.3 Exemples pratiques

C1.3.1 Méthodes fondées sur le peuplement forestier (Canada)

Résumé

Le Canada applique une méthode de niveau 3 pour évaluer les émissions et les absorptionsde ses terres forestières. Le Système national de surveillance, de comptabilisation et deproduction de rapports concernant le carbone des forêts (SNSCPRCF - Kurz et Apps 2006)repose sur le Modèle du bilan du carbone du secteur forestier canadien MBC-SFC3118 (Kullet al. 2006, Kurz et al. 2009, Stinson et al. 2011). Ce modèle intègre des inventairesforestiers et des courbes de rendement avec des données sur des activités assorties deréférences dans l’espace en matière de gestion forestière et de perturbations naturelles(incendies, infestations d’insectes) pour établir des estimations des stocks de carboneforestier, des variations de ces stocks, des émissions et absorptions de CO2 et desémissions de CH4 et de N2O.

Le modèle MBC-SFC3 emploie des paramètres écologiques et climatologiques régionauxpour simuler des transferts de carbone entre bassins, vers le secteur des produits ligneux etvers l’atmosphère. Il assure le suivi des émissions et absorptions à mesure qu’elles seproduisent réellement dans le temps. Les coupes et les perturbations naturelles provoquentdes transferts majeurs de carbone de la biomasse morte vers les bassins de litière et dematière organique morte. Ce modèle simule la lente décomposition de la biomasse quiintervient par la suite et provoque des émissions pendant des années ou des décenniesaprès la coupe ou la perturbation naturelle, selon la vitesse de décomposition, ainsi que lesabsorptions qui se produisent à mesure que les peuplements forestiers se régénèrent aprèsla perturbation.

Cette méthode, qui vise à évaluer les émissions et absorptions réelles lorsque celles-ci seproduisent, permet de produire des estimations plus précises de l’incidence à long terme desperturbations, et de fournir des prévisions exactes, qui sont nécessaires pour établir un

118Modèle du bilan du carbone du secteur forestier canadien


148

niveau de référence prévu. On trouvera plus de détails à cet égard au chapitre 7 et dansl’annexe 3.4 des Rapports nationaux d’inventaire119 de 2010 et de 2011 du Canada.

Zone forestière sous gestion

La zone forestière sous gestion au Canada (229 millions d’hectares) représente environ 66%des forêts du pays. La zone soumise à gestion est déterminée selon une méthode liée à lasuperficie, conformément aux Recommandations en matière de bonnes pratiques établies en2003 par le GIEC. Elle comporte les éléments suivants:

i. Des terres gérées pour pouvoir effectuer des récoltes durables de fibre de bois;

ii. Des terres extrêmement protégées contre les perturbations naturelles (par exemplepar des extinctions d’incendies pour préserver les ressources forestières);

iii. Des zones protégées, comme des parcs nationaux et provinciaux, qui sont gérées envue de préserver la valeur écologique des forêts.

Base de données de classification des terres

Le système de surveillance du Canada s’appuie sur une étroite collaboration entre desscientifiques et des experts de différentes disciplines. Il a été admis très tôt que lesdémarches, méthodes, outils et données qui sont disponibles et conviennent le mieux poursurveiller les activités anthropiques dans une catégorie de terres ne sont pas toujoursadéquats pour une autre catégorie. Il existe d’importantes différences entre les cadresspatiaux propres aux différentes catégories de terres, ce qui présente un risqued’incohérence du point de vue spatial entre les données et estimations concernant lesactivités.

Dans les forêts gérées, les unités analytiques prises en compte dans la constitution del’inventaire sont les unités de gestion présentes dans les inventaires des forêts provincialeset territoriales. Pour faciliter cette évaluation, les forêts sous gestion ont été classées enquelque 523 unités analytiques dans les 12 provinces et territoires. Ces unités analytiquesdécoulent généralement de l’intersection entre des zones administratives concernant lagestion du bois et des limites écologiques.

Le cadre spatial le plus adapté à l’évaluation de l’incidence des gaz à effet de serre sur lesterres agricoles (catégorie des terres cultivées) est la Base nationale de données sur les solsdu Système d'information sur le sol du Canada et ses paysages de sol sous-jacents. Unelarge palette d’attributs est employée pour décrire un type particulier de sol et ses paysagesassociés, notamment la forme de surface, la pente, le contenu ordinaire de carbone dans lesol à l’état naturel et en cas d’utilisation agricole dominante, et la profondeur des nappesphréatiques.

Caractéristiques des forêts

Classes d’âge

La répartition des classes d’âge de la forêt sous gestion est représentée par les donnéesd’inventaire forestier et les informations sur la variation annuelle de cet inventaire (liée aux

119Ces documents peuvent être téléchargés (en anglais) depuis le site suivant:http://unfccc.int/national_reports/annex_i_ghg_inventories/national_inventories_submissions/items/5888.php


coupes, aux incendies et aux infestations d’insectes) provenant du modèle MBC-SFC3. Laforêt sous gestion est composée de peuplements relativement anciens, plus de la moitié desarbres étant âgés de 80 ans ou plus en 2009. Cette structure de classes d’âge est le fruit desperturbations naturelles passées et de la gestion.

Accroissement

Les données d’entrée du modèle MBC-SFC3 comprennent notamment des informations surles taux de croissance des différents types de forêts en fonction des classes de sites et desrégions. On trouvera une description de la manière dont les données relatives à lacroissance sont représentées selon l’espèce et la région dans le modèle, ainsi que la sourcede ces informations dans les Rapports nationaux d’inventaire de 2010 et 2011 du Canada(chapitre 7 et annexe 3.4), Kurz et al. (2009), et Stinson et al. (2011). Les mêmes taux decroissance et courbes de rendement sont employés pour les prévisions d’absorption et lesestimations d’absorption réelle.

Durée des rotations

La forêt sous gestion du Canada se compose de larges zones dans lesquelles le peuplementest relativement âgé et croît lentement. Les décisions de coupe sont prises en fonction despolitiques et des réglementations des provinces et territoires, compte tenu de l’âge de laforêt, de la proximité d’installations de traitement, de considérations environnementales etd’autres facteurs. À partir de données d’entrée provinciales et territoriales, le modèleMBC-SFC3 permet de simuler des coupes à l’âge adéquat. Ces coupes varient selonl’espèce et la région et peuvent comprendre des coupes de récupération lorsque despeuplements ont été victimes d’incendies ou d’insectes.

Activités de gestion ordinaire des forêts

Les activités de gestion suivantes peuvent être prévues: coupes à blanc, coupe sélective,coupe de récupération, coupes d’essences d’abri, éclaircie commerciale et brûlage à plat.Sur la totalité des récoltes, la proportion que doit représenter chacune des méthodes decoupe est prévue en fonction de la proportion moyenne de ces méthodes observée dans unpassé récent par rapport à la totalité. Les incidences d’autres activités sylvicoles telles que laplantation, la fertilisation et l’éclaircie précommerciale ne sont pas prises en compte demanière explicite car ces activités sont rarement mises en œuvre (fertilisation, éclaircieprécommerciale) ou leurs incidences sont prises en compte implicitement dans les donnéesde croissance et de rendement employées dans le modèle MBC-SFC3.

Produits ligneux récoltés

Le Canada établit des rapports sur le bassin des produits ligneux récoltés en se fondant surtrois catégories (bois débité, panneaux de bois, papier) et sur une méthode de niveau 2 quiexploite des données de la FAO, ainsi que sur des facteurs de densité propres au pays. Cesinformations sont converties en carbone en appliquant le système d’évaluation du niveau 2pour les émissions des produits ligneux récoltés qui sont destinés à l’exportation commepour ceux qui sont destinés à la consommation intérieure.


150

Perturbations dans un contexte de force majeure

La forêt canadienne s’étend sur l’ensemble du pays. Dès lors, presque chaque année, unepartie de la forêt est atteinte par de graves perturbations naturelles (par exemple desincendies ou des infestations d’insectes). Le Canada prévoit avec un degré de certitudeélevé le nombre minimum d’incendies qui vont se produire chaque année. La surface de forêtgérée qui brûle naturellement chaque année s’élève à 95 000 hectares. Elle est calculée àpartir de données couvrant les 51 dernières années (1959-2009) qui montrent que cettesurface est au minimum celle qui brûle dans 90 pour cent des années. Les effets naturelsdes infestations d’insectes endémiques sont pris en compte dans les inventaires forestiers etles données d’accroissement.

Émissions provenant des incendies

Les émissions provenant des incendies naturels sont calculées à partir du facteur d’émissiondirecte des incendies, qui est de 0,132 kt CO2e par hectare brûlé. Ce facteur découle desdonnées sous-jacentes du Rapport national d’inventaire de 2011 du Canada; il correspondau facteur d’émissions moyen des incendies observés dans la forêt gérée entre 1990 et2009. Les émissions d’autres gaz sont très importantes et représentent 19 pour cent desémissions directes des incendies.

Bibliographie

Kurz WA, Apps MJ (2006) Developing Canada’s national forest carbon monitoring,accounting and reporting system to meet the reporting requirements of the Kyoto Protocol.Mitigation and Adaptation Strategies for Global Change,11, 33–43.

Kurz WA, Dymond CC, White TM, Stinson G, Shaw CH, Rampley GJ, Smyth C, SimpsonBN, Neilson ET, Trofymow JA, Metsaranta J, Apps MJ. 2009. CBM-CFS3: A model ofcarbon-dynamics in forestry and land-use change implementing IPCC standards.Ecological Modelling 220:480–504.

Kull SJ, Kurz WA, Rampley GJ, Banfield GE, Schivatcheva RK, Apps MJ (2006) Operational-scale Carbon Budget Model of the Canadian Forest Sector (CBM-CFS3) Version 1.0:User’s Guide. Natural Resources Canada, Canadian Forest Service. Northern ForestryCentre, Edmonton.

Stinson, G., Kurz, W.A., Smyth, C.E., Neilson, E.T., Dymond, C.C., Metsaranta, J.M.,Boisvenue, c., Rampley, G.J., White, Q.L., Blains, D. (2011) An inventory-based analysisof Canada’s managed forest carbon dynamics, 1990 to 2008. Global Change Biology 17:2227-2244.


C1.3.2 Méthodes fondées sur les pixels (Australie)

La surface terrestre australienne représente quelque 760 millions d’hectares. Environ25 pour cent des émissions totales de gaz à effet de serre anthropiques de l’Australieproviennent d’activités telles que la production agricole et le défrichage. Compte tenu de lataille de l’Australie, il n’est pas réaliste sur le plan économique ni pratique sur le planlogistique de mesurer les émissions et les absorptions de gaz à effet de serre sur dessurfaces aussi étendues en se servant uniquement de méthodes d’estimation des émissionsdirectes, comme par exemple l’échantillonnage sur le terrain. Au regard de ces particularitésnationales, le système d’inventaire national de l’Australie concernant le secteur terrestredépend dans une large mesure de l’emploi d’un cadre de modélisation qui permet d’évaluerla variation du stock de carbone dans la biomasse (aérienne et souterraine), dans la litière etdans le sol, en visant uniquement la variation due à l’exploitation des terres et aux activitésde gestion.

En 1998, l’Australie a lancé un programme visant à mettre en place un système completd’évaluation des émissions et des absorptions de son secteur terrestre 120 . Ce systèmeintègre des données comportant des références dans l’espace dans un modèle dereprésentation d’un écosystème à cycle de carbone et à bilan massique assorti decontraintes empiriques (FullCAM) (Richards and Evans, 2000; Richards, 2001). Il vise àétablir des estimations des variations de stocks de carbone et des émissions de gaz à effetde serre (portant sur tous les bassins de carbone, tous les gaz, toutes les terres et toutes lesactivités d’exploitation des sols). Le modèle d’écosystème FullCAM permet de calculer lesémissions et les absorptions de gaz à effet de serre des forêts comme des terres agricolesen analysant le cycle de carbone du point de vue du bilan massique. Étant donné qu’unvolume notable d’émissions et d’absorptions des gaz à effet de serre se produit au cours desphases de transition entre des terres forestières et des terres agricoles, l’intégration d’unemodélisation des terres agricoles et forestières a été jugée essentielle. Le système prendactuellement en charge des calculs d’émission et d’absorption avec inventaire spatial deniveau 3 selon la méthode 3 pour les sous-catégories suivantes:

Terres forestières converties en terres cultivées;

Terres forestières converties en prairies;

Prairies converties en terres forestières;

Les composantes du système agricole dans lequel les terres cultivées restentdes terres cultivées et les prairies restent des prairies.

Représentation des terres

L’Australie emploie une combinaison de données géographiquement explicites pourreprésenter les superficies de terres, conformément aux méthodes 2 et 3 décrites dans lesRecommandations de 2003 en matière de bonnes pratiques. Les données concernant les

120On trouvera plus de détails à cet égard dans le document suivant (en anglais):http://www.climatechange.gov.au/sites/climatechange/files/documents/05_2013/AUS_NIR_2011_Vol2.pdf


152

superficies de terres gérées dans le cas des terres forestières restant des terres forestièresproviennent de l’Inventaire national des forêts de l’Australie. Des informations spatialessupplémentaires provenant du programme de cartographie de l’exploitation des terres, quirelève du Bureau des ressources agricoles, de l’économie et des sciences de l’Australie,permettent de répartir les superficies entre les catégories des terres cultivées restant desterres cultivées, des prairies restant des prairies, des zones humides et des zones habitées.

Surveillance de la conversion des forêts

On effectue un inventaire spatial en employant des séries de données chronologiques(depuis 1972) provenant du satellite Landsat, qui permettent de déterminer la variation dessuperficies forestières. Les informations relatives à cette variation sont combinées avec desséries de données chronologiques concernant le climat et des bases de données depratiques en matière de gestion des terres qui comportent des références spatiales.L’Australie observe les superficies forestières en s’appuyant sur des données du satelliteLandsat couvrant son territoire national (MSS, TM et ETM+) et correspondant à 21 périodesentre 1972 à 2012 (une période étant la durée séparant les dates pour lesquelles desdonnées télédétectées sont disponibles). Ces données ont été assemblées et analyséespour détecter les variations de superficies. Les cartes nationales des superficies forestièresainsi obtenues sont établies chaque année depuis 2004 et permettent de détecter desvariations des superficies forestières à petite échelle, selon une résolution de 25 m par 25 m.Lorsqu’une variation de superficie forestière est détectée pour une période donnée, la dateeffective de cette variation est attribuée de manière aléatoire à chaque pixel de 25 m de côtédans les limites des dates de la séquence de passages du satellite.

Si une variation de superficie forestière est détectée, elle est examinée par des experts pourdéterminer si elle est due à des activités anthropiques (par exemple des coupes, desdéfrichages ou des reboisements) ou à des phénomènes naturels (comme des incendies, undépérissement terminal ou une repousse naturelle). Les experts sont en mesure d’exploiterdes critères normalisés pour distinguer des phénomènes anthropiques et naturels et desbases de données d’informations complémentaires concernant l’occupation des terres et lesincendies dans le cadre de ce processus.

Système FullCAM

Le système FullCAM permet de modéliser aussi bien les processus biologiques que lesprocessus de gestion ayant une incidence sur les bassins de carbone et les transferts entrebassins dans les systèmes forestiers et agricoles. Les échanges de carbone ainsi que lespertes et les gains entre le système biologique terrestre et l’atmosphère sont pris en comptedans un modèle complet et fermé de bilan massique lié au cycle du carbone, qui inclut tousles bassins (biomasse, litière et sols). Les analyses et les rapports couvrent tous les bassinsde carbone (biomasse, matière organique morte et sols) et les gaz à effet de serre (CO2, CH4

et N2O) et ils portent aussi bien sur les exploitations de terres forestières que non forestières.Ce système constitue un ensemble intégré des modèles suivants:

3PG – modèle de croissance physiologique des forêts (Landsberg et Wareing, 1997;Landsberg et al., 2000; Coops et al. 1998; Coops et al., 2000);

CAMFor – modèle de comptabilisation du carbone pour les forêts (Richards et Evans,2000a);

CAMAg – modèle de comptabilisation du carbone pour les systèmes de cultures et depâturages (Richards et Evans, 2000b);


GENDEC – modèle de décomposition microbienne (Moorhead et Reynolds, 1991;Moorhead et al., 1999);

Roth C – modèle Rothamsted de carbone des sols (Jenkinson, et al., 1987,Jenkinson et al., 1991).

Leçons retenues en matière de développement

Pour qu’un système complet de comptabilisation et de prévision du carbone lié aux activitésterrestres puisse être mis en place, le système d’inventaire national (précédemment connusous le nom de système national de comptabilisation du carbone) a nécessité la créationstratégique de plusieurs jeux de données essentiels et de certains outils de modélisation etde comptabilité. Ce système, ainsi que les données et les connaissances scientifiques surlesquelles il s’appuie, ont été documentés dans de nombreux rapports qui sont à ladisposition du public. Les premières analyses ont clairement montré que toute méthodefondée sur des mesures n’était pas réaliste et qu’il serait nécessaire d’adapter des modèlespertinents. Le principal intérêt du système FullCAM tient au fait qu’il autorise une évolutionpermanente de la qualité des données d’entrée, qu’il s’agisse des futures périodes decomptabilisation ou d’améliorations dans les données d’entrée fondamentales ou dansl’adaptation du modèle. Ces améliorations permanentes n’étaient pas aussi faciles à apporterdans les méthodes régionales précédemment envisagées. Le système FullCAM offre aussiune meilleure réactivité aux diverses exigences internationales en matière de rapports. Larésolution spatiale fine et les modélisations par activité et par période permettent d’établir desrapports aussi bien à l’échelle d’un projet qu’à l’échelle du continent, pour répondre à desactivités particulières et en tenant compte du moment auquel se déroule une activité donnée.

Bibliographie:

Coops, N.C., Wareing, R.H. and Landsberg, J.J., 1998: Assessing forest productivity inAustralia and New Zealand using a physiologically-based model driven with averagedmonthly weather data and satellite derived estimates of canopy photosynthetic capacity.Forest Ecology and Management 104:113-127.

Coops, N.C., Wareing, R.H. Brown, S. and Running, S.W.,2000: Predictions of Net PrimaryProduction and seasonal patterns in water use with forest growth models using daily andmonthly time-steps in south-eastern Oregon. Ecological Modelling (in press).

Jenkinson, D.S., Hart, P.B.S., Rayner, J.H. and Parry, L.C., 1987: Modelling the Turnover ofOrganic Matter in Long-Term Experiments at Rothamsted. INTERCOL Bulletin 15: 1– 8.

Jenkinson, D.S., Adams, D.E. and Wild, A., 1991: Model Estimates of CO2 Emissions fromSoil in Response to Global Warming. Nature 351: 304–306.

Landsberg, J.J., Johnson, K.H., Albaugh, T.J., Allen, H.L. and McKeand, S.E., 2000:Applying 3-PG, a simple process-based model designed to produce practical results, todata from loblolly pine experiments. Forest Science .

Landsberg, J.J. and Wareing, R.H., 1997: A generalized model of forest productivity usingsimplified concepts of radiation-use efficiency, carbon balance, and partitioning. ForestEcology and Management, 95: 209–228.


154

Moorhead, D.L., Currie, W.S., Rastetter, E.B., Parton, W.J. and Harmon, M.E., 1999: Climateand Litter Quality Controls on Decomposition: An Analysis of Modeling Approaches.Global Biogeochemical Cycles 13: 575–589.

Moorhead, D.L., and Reynolds, J.F., 1991: A General Model of Litter Decomposition in theNorthern Chihuahuan Desert. Ecological Modelling 59: 197–219.

Richards, G.P. ed., 2001: Biomass Estimation: Approaches for Assessment of Stocks andChange. National Carbon Accounting System Technical Report No. 27. AustralianGreenhouse Office, Canberra.

Richards, G.P. and Evans, D.W., 2000a: CAMFor User Manual v 3.35. National CarbonAccounting System Technical Report No. 26 (47pp), Australian Greenhouse Office,Canberra.

Richards, G.P. and Evans, D.W., 2000b: CAMAg National Carbon Accounting System,Australian Greenhouse Office, Canberra.


Annexe D Échantillonnage

D1.1 Principes de conception d’un échantillonnage

Toute estimation robuste et fiable du carbone présent dans les systèmes forestiers qui estfondée sur un échantillonnage doit prendre en compte les principes suivants:

D1.1.1 Recensement des individus de la population qui peuvent être intégrés dansl’échantillon

Dans un système d’échantillonnage, les individus peuvent être très divers, par exemple desplacettes, des arbres ou encore des points d’échantillonnage. Quel que soit le type choisi, lesindividus d’une population à échantillonner doivent être clairement identifiables, et touteexclusion doit être documentée, de même que son traitement. Lorsqu’on effectue parexemple un échantillon en vue d’étalonner un modèle allométrique, l’unité logique est l’arbre,mais il convient d’être prudent dans le traitement de ses différentes parties – dans le cas desracines, par exemple, quel est le diamètre minimum pratique à prendre en compte? Lesplacettes permettant de mesurer les caractéristiques du peuplement d’une forêt, quant àelles, peuvent varier par leur taille (allant par exemple de 0,02 ha à plus de 1 ha) et peuventaussi comprendre des grappes de sous-placettes (liées entre elles par leur position dansl’espace) ou être organisées en placettes subdivisées (dans lesquelles des sous-populationsdéterminées par leur taille ne sont mesurées qu’en fonction de la partie de placette qu’ellesreprésentent). La forme d’une placette peut dépendre des attributs des donnéestélédétectées (par exemple la taille des pixels des capteurs optiques); elle est généralementrectangulaire, carrée ou circulaire. La taille et la forme optimales des placettes varient selonles caractéristiques de la forêt; on emploie généralement de petites placettes pour despopulations relativement homogènes, et de plus grandes placettes pour des forêts tropicales,dans lesquelles la présence de très grands arbres entraîne une forte variation spatiale de labiomasse (voir le point 3.9.1.1).

D1.1.2 Sélection des individus de la population à échantillonner

Les individus sont choisis selon deux types de méthodes générales possibles, les méthodesfondées sur un calcul ou les méthodes fondées sur un modèle. Les méthodes fondées sur uncalcul (également appelées méthodes probabilistes) reposent sur la capacité d’attribuer uneprobabilité de sélection à chaque individu de la population pour pouvoir faire des inférencesimpartiales sur l’ensemble de la population (moyenne ou taille totale, et variance). Ainsi, unsimple échantillonnage aléatoire (la forme de calcul la plus simple) attribue une probabilitéégale à chaque individu. Des méthodes plus efficaces, toujours fondées sur un calcul,peuvent être employées lorsqu’une structure peut être reconnue de manière fiable au sein dela population. Par exemple, un échantillonnage stratifié selon des strates de sous-populations relativement homogènes peut améliorer les inférences faites pour un travaild’échantillonnage donné.

Dans les méthodes d’échantillonnage fondées sur un modèle, on choisit des individus pourétablir les paramètres d’un modèle qui existe par hypothèse. Il n’est donc pas nécessaire dechoisir les individus selon un système probabiliste pour que les inférences soient fiables. Engénéral, on les choisit plutôt de manière à ce qu’ils représentent toute la fourchette de lapopulation à laquelle le modèle sera appliqué. Des individus peuvent être choisis de manière


156

à représenter des emplacements essentiels du domaine du modèle, par exemple lesextrêmes, les points d’inflexion ou les endroits où des relations linéaires sont prévues. Lesindividus et leur emplacement doivent être choisis de manière transparente, sans aucunedistorsion personnelle.

On trouvera au point D 1.2 de plus amples détails sur ces deux méthodes. Celles-ci ne sontpas mutuellement exclusives, c’est-à-dire que des méthodes fondées sur un modèle ont étéemployées au sein de méthodes fondées sur un calcul telles que des échantillonnagesaléatoires stratifiés (Wood et Schreuder, 1986).

D1.1.3 Sélection du nombre d’individus à échantillonner

Le nombre d’individus à échantillonner est généralement prédéterminé (taille del’échantillon, n). On a notamment recours à des méthodes dans lesquelles la taille del’échantillon est prédéterminée dans les cas suivants:

Lorsque le nombre d’échantillons est déterminé par le budget disponible ou lanécessité de disposer de données cohérentes dans le temps;

Lorsqu’une méthode systématique est adoptée pour choisir les échantillons (parexemple en se fondant sur une grille spatiale dont la résolution est prédéterminée;

Lorsqu’on a établi au préalable une estimation du nombre d’échantillons nécessairespour pouvoir produire des estimations suffisamment précises.

La taille de l’échantillon prédéterminée de manière à permettre l’établissement d’estimationssuffisamment précises pour la population (ou la sous-population ou la strate) visée, ou pourétablir une estimation des paramètres dans le cas d’un échantillonnage fondé sur un modèle,doit être fixée en fonction d’estimations de la variabilité des (sous-)populations. Cesestimations peuvent être obtenues à partir de données existantes (voir le point 1.3.3) ou delevés de reconnaissance. Le degré de précision des estimations est souvent défini enfonction de l’erreur d’échantillonnage souhaitée; dans la plupart des cas, la valeur par défautde cette erreur est de 10 %. Le nombre d’échantillons requis dans le cadre d’un simpleéchantillonnage aléatoire pour atteindre ce niveau d’erreur d’échantillonnage est alors lesuivant:

n = CV % * t / √(10 %) …A1

où CV % - le coefficient de variation - est l’écart-type de l’échantillon divisé par la moyennede l’échantillon, exprimé en pourcentage, et t provient de la distribution t avec des degrés deliberté égaux à n moins le nombre de paramètres faisant l’objet de l’estimation, au niveau deconfiance souhaité, généralement 0,05, ce qui correspond à un niveau de confiance de95 %.

La variabilité d’un échantillonnage fondé sur un calcul correspond à l’ampleur de la variationdes individus autour de leur propre moyenne, tandis que la variabilité d’un échantillonnagefondé sur un modèle désigne l’ampleur de la variation des modèles pouvant être paramétrésà partir d’échantillons différents autour du modèle théoriquement vrai.

Il peut être nécessaire de choisir des échantillons de taille relativement grande si l’on veutpouvoir détecter des occurrences rares (par exemple des perturbations dans des forêts tellesque des déforestations) lorsque l’échantillonnage est effectué selon une méthode aléatoiresimple ou une méthode stratifiée. Ainsi, un échantillon de taille n > 300 est nécessaire pourque les niveaux annuels de perturbation des forêts ne soient que d’environ 1 % desindividus, lorsque les individus sont choisis selon une méthode aléatoire simple.


D1.1.4 Échantillonnage variable et complémentaire

Les méthodes reposant sur une taille variable des échantillons sont rares dans lesinventaires à l’échelle nationale; néanmoins, on peut choisir dans certains cas de faire varierle nombre d’individus dans l’échantillon et de n’arrêter les mesures que lorsque des preuvessuffisantes ont été réunies pour permettre de prendre une décision de gestion particulière, oulorsque les conditions de fin de mesure sont fixées par un ensemble de règles prédéfinies.Il peut s’agir par exemple de méthodes fondées sur un calcul telles qu’un échantillonnageséquentiel (c’est-à-dire la sélection permanente d’individus de manière aléatoire jusqu’à ceque l’on décide qu’une infestation d’insectes est suffisamment grave pour justifier untraitement), ou un échantillonnage par grappes adaptatif (permettant par exemple d’évaluerle nombre d’arbres qui sont rares mais tendent à se trouver en groupes, de telle sorte que siun individu est observé en un point donné, il y a une probabilité plus élevée d’en trouverd’autres à proximité immédiate).

D’un autre côté, il peut être nécessaire de recourir à un échantillonnage complémentairelorsqu’un inventaire forestier national ou tout autre système de mesure à grande échellefondé sur des placettes, et dont la taille de l’échantillon est déjà définie, est déjà déployé (voirle point 1.3.3), mais ne prend pas en compte de manière adéquate l’ensemble de lapopulation, ou lorsque ses résultats ne sont pas suffisamment fiables pour le système desurveillance de la forêt envisagé. Compte tenu de la nécessité fondamentale de procéder àune sélection aléatoire (capacité de déterminer la probabilité de chaque individu d’être choisi)dans l’échantillonnage fondé sur un calcul, le choix d’échantillons supplémentaires estdifficile à faire dans certaines circonstances. Si une méthode d’échantillonnage systématiquea été initialement employée (par exemple en choisissant des échantillons de lieux àl’intersection des lignes d’une grille régulièrement espacée qui a été placée de manièrealéatoire sur la population), des points d’échantillonnage supplémentaires peuvent être fixésen prolongeant cette grille dans des zones initialement exclues. Un tel prolongement estparticulièrement pertinent lorsque des individus de l’échantillon initial ont été exclus pour desraisons de partage administratif (par exemple si l’inventaire forestier national ne couvrait pasles terres gérées par le ministère de l’agriculture ou de l’environnement, bien que ces terrescomprennent des forêts répondant à la définition nationale). Les zones prises en comptedans le prolongement de l’étude doivent conserver une identité distincte si une méthodestratifiée est adoptée (voir encadré 4), mais la grille systématique peut être manipulée (parexemple en ne choisissant des points qu’à une intersection sur deux) pour faire en sorte quel’échantillon ait une taille adéquate au sein de la nouvelle strate (le nombre d’échantillons àl’hectare ne doit pas nécessairement être constant d’une strate à l’autre). Si les limites de lastrate n’ont pas été modifiées depuis l’échantillon d’origine mais que la précision desestimations de paramètres de la strate est jugée insuffisante, il est aussi possible de choisirdes échantillons supplémentaires en appliquant la méthode d’échantillonnage initiale (parexemple une méthode entièrement aléatoire, ou plus souvent en réutilisant la même grillesystématique mais en choisissant des points d’intersection supplémentaires de manièrealéatoire).

Si l’échantillon original n’a pas été choisi de manière systématique et que la population ou leslimites de la strate ont changé, il est très difficile d’ajouter des échantillons dans une méthodefondée sur un calcul. Dans ces cas, il peut être plus judicieux d’adopter une méthode fondéesur un modèle. Les données de l’échantillon original peuvent servir à paramétrer le modèlechoisi par hypothèse, et les échantillons supplémentaires choisis peuvent permettre


158

d’améliorer la précision des inférences faites à partir de ce modèle. Ainsi, l’échantillonoriginal peut servir à paramétrer un modèle reliant des données LiDAR ou lescaractéristiques d’une canopée à des mesures de carbone effectuées par placette. Touteplacette supplémentaire devrait être choisie dans une strate qui ne fait pas partie del’échantillon initial pour s’assurer que le modèle envisagé par hypothèse convient pour lapopulation de la partie prolongée. Dans un système fondé sur un modèle, il est inutiled’employer la méthode originale de choix des échantillons pour les échantillonssupplémentaires, car les inférences ne dépendent pas de la manière dont le choix a étéeffectué. Dès lors, si les inférences découlant du modèle sont médiocres (par exemplelorsque les limites de confiance du modèle autour de la moyenne de la strate sont troplarges), on peut ajouter des points d’échantillonnage supplémentaires choisis de manièread hoc, pour autant que l’on emploie les mêmes protocoles de mesure de placettes que lorsde l’échantillonnage original. Dans une méthode fondée sur un modèle, les échantillonssupplémentaires qui fournissent le plus d’informations sont généralement ceux qui sontmesurés aux extrêmes de la fourchette de valeurs indépendantes (par exemple les forêts lesplus hautes selon les données LiDAR). Néanmoins, il est utile de disposer d’échantillonscouvrant toute la fourchette de variables dépendantes, quelle que soit la manière dont lapopulation sous-jacente est répartie dans cette fourchette, pour s’assurer que le modèle estadéquat.

D1.1.5 Emploi de mesures d’échantillons pour faire des inférences sur la populationcible

Le nombre d’individus choisis pour faire l’objet de mesures sur le terrain doit être suffisantpour que les estimations de moyenne de la population et les erreurs d’échantillonnage nesoient pas biaisées (il doit par exemple être suffisant pour permettre l’application duthéorème central limite et pour prendre en compte la variabilité au sein de la populationcible).

Si les paramètres de la population totale sont calculés à partir de la somme de sous-échantillons ou de modèles ou relations distincts, il faut éviter un double comptage desbassins. Dans toute la mesure du possible, toutes les erreurs doivent être détectées,quantifiées et gérées. Il peut s’agir par exemple d’erreurs d’échantillonnage, de mesure oude modèle.

D1.2 Échantillonnage fondé sur un calcul ou un modèle

L’échantillonnage fondé sur un calcul, également appelé échantillonnage probabiliste, estune méthode très connue dans laquelle des échantillons d’emplacement sont choisis selonun processus aléatoire prédéterminé (probabiliste). Les exemples les plus courants de cetteméthode sont l’échantillonnage aléatoire simple et l’échantillonnage aléatoire stratifié (ourestreint), mais l’emploi de méthodes d’échantillonnage par grappes, doubles et séquentiellesest aussi fréquent. L’échantillonnage systématique relève de ce groupe de méthodes, dèslors que le point de départ est situé de manière aléatoire. Le processus aléatoire déterminela probabilité de sélection pour tous les emplacements possibles, et tous les emplacementspossibles doivent avoir une probabilité supérieure à zéro. Ces probabilités constituent laseule base permettant d’établir, en se fondant sur l’échantillon, des conclusions ou« inférences » (généralement formulées en termes de probabilités) à propos de la taille de lapopulation (totale et moyenne), de la part de la population ayant des caractéristiquesdonnées (telles que des perturbations ou la présence d’une espèce rare), ou de la variance.En conséquence, si un échantillon est constitué correctement selon la méthode aléatoirechoisie, toute inférence fondée sur ces probabilités est valable et les calculs ne se fondentnullement sur une quelconque hypothèse de répartition dans l’espace ou de toute autre


caractéristique de la population. Hormis l’erreur de mesure, l’échantillonnage est la seulesource de stochasticité prise en compte, et cette erreur peut être facilement calculée. Lesinventaires forestiers nationaux sont des exemples classiques de méthodesd’échantillonnage fondées sur un calcul et sur des placettes établies à partir de grillessystémiques (avec ou sans stratification) dans lesquelles la probabilité de sélection dechaque placette (au sein d’une strate donnée) est égale et connue. Il existe aussi deséchantillons fondés sur un calcul dont la probabilité de sélection, bien qu’aléatoire, n’est paségale mais par exemple proportionnelle à la taille (comme dans le cas d’échantillonnage depoints ou d’échantillonnage à rayon variable) ou à une prédiction (volume ou hauteurestimés, comme dans l’échantillonnage 3P: probabilité proportionnelle à la prédiction).

Les méthodes d’échantillonnage fondées sur un modèle reposent sur l’hypothèse qu’il existeun modèle reliant les variables explicatives (X ou indépendantes) aux variables de réponse(Y ou dépendantes) présentant un intérêt. Un échantillon est établi pour permettre de fairedes inférences à partir de ce modèle et de la distribution des données autour des valeursmoyennes du modèle. Deux types d’inférences sont donc effectuées dans unéchantillonnage fondé sur un modèle; elles concernent i) les valeurs aux emplacements nonpris en compte pendant l’échantillonnage, et ii) les paramètres du modèle, notamment lesintervalles de confiance du modèle paramétré. Les estimations du Y moyen dans uneméthode fondée sur un modèle dépendent des inférences concernant le modèle à la valeurdu X moyen. Ainsi, une méthode fondée sur un modèle qui emploie le LiDAR commevariable explicative pourrait s’appuyer sur l’hypothèse que la biomasse entretient une relationlinéaire avec la hauteur moyenne au-dessus du sol des échos par unité de surface. Unéchantillon d’emplacements sur le terrain pourrait être choisi à dessein pour paramétrer cemodèle et la biomasse moyenne de la forêt pourrait être évaluée à partir de ce modèleparamétré et des échos LiDAR moyens obtenus sur l’ensemble de la forêt. La précision deces estimations dépendrait de la légitimité du modèle pris par hypothèse et de l’emplacementréel des échantillons (dans l’espace du modèle). Il serait aussi possible de faire desinférences à des emplacements spécifiques, mais celles-ci seraient moins précises que lesestimations moyennes effectuées sur l’ensemble de la population. Dans les méthodesfondées sur un modèle, on ne forme pas l’hypothèse que les probabilités de toutemplacement d’un échantillon (paire de variables X et Y) sont déterminées par la conceptionde la méthode, mais plutôt qu’elles constituent le résultat du modèle aléatoire choisi (pourtout X donné, les valeurs de Y seront probablement centrées autour de la moyenne dumodèle). Si la variation de Y autour des prédictions du modèle est inférieure à la variationtotale de Y, les méthodes fondées sur un modèle peuvent fournir une meilleure précision desestimations.


160

Annexe E Choix et emploi des facteurs d’émission etd’absorption pour chaque activité du Partenariat REDD+

Pour établir des estimations de gaz à effet de serre, il est pratique de regrouper les activitésREDD+ décrites au point 2.2 selon les trois catégories suivantes:

La conversion de forêts en terres non forestières en vue de leur exploitation(déforestation). Il est alors nécessaire d’évaluer les émissions de gaz à effetde serre qui résultent directement de l’action de déforestation elle-même, ainsique les émissions et les absorptions qui découlent de la nouvelle exploitationdes terres (par exemple l’agriculture);

La conversion de terres non forestières en forêts, qui entraîne uneaugmentation des stocks de carbone forestier (boisement ou reboisement deterres précédemment converties de forêts en autre types de terres en vue deleur exploitation). Il est alors nécessaire d’évaluer la différence entre lesémissions et les absorptions de gaz à effet de serre des anciens et desnouveaux types d’exploitation des terres;

Les variations des émissions et absorptions de GES dans les forêts restantdes forêts. Cette catégorie comprend la dégradation des forêts, la gestiondurable des forêts, l’augmentation des stocks de carbone forestier (dans uneforêt existante) et la conservation des stocks de carbone forestier. Le résultaten termes de gaz à effet de serre peut être soit positif (par exemple en cas deprotection des stocks de carbone forestier existants ou d’augmentation de cesstocks après modification de la gestion, ou en cas de réduction des émissionsprovenant de la décomposition de tourbe ou d’incendies de forêts sur tourbedégradées), soit négative (par exemple en cas de perte progressive decarbone issu de la biomasse en raison de la dégradation de forêts, ou deconversion de forêts naturelles à forte biomasse en forêts plantées, ou encorede perte de carbone du sol due au drainage de sols organiques).

E1.1 Déforestation

En se fondant sur les catégories de terres définies dans les Recommandations de 2003 enmatière de bonnes pratiques, on évalue la déforestation en additionnant toutes les forêtsayant été converties en d’autres types de terres à des fins d’exploitation. Le GIEC évalue lesémissions et absorptions associées à la déforestation en additionnant les conséquences deces conversions. Au-delà des catégories de base précitées (forêt primaire, forêt naturellemodifiée et forêt plantée), il est conseillé de créer des sous-strates de données selon lesécosystèmes forestiers subissant une conversion et selon l’exploitation de la terre après laconversion. Il convient notamment de distinguer les zones comportant des sols organiquesde celles qui comportent des sols minéraux. Les pays peuvent aussi commencer par établirdes strates selon le type d’écosystème. Ils peuvent en outre créer des strates selon lesfacteurs de déforestation, ce qui peut les aider à mieux comprendre les relations de cause àeffet entre ces facteurs et les taux de déforestation. La stratification devrait permettre dedistinguer les forêts naturelles, car cette information peut être nécessaire dans le cadre desmesures de protection convenues à Cancún.


E1.1.1 Facteurs d’émission et d’absorption

1. Bassins de carbone

Il est nécessaire de connaître les facteurs d’émission et d’absorption du carbone de labiomasse, de la matière organique morte et des sols. Pour des évaluations de niveau 1, ontrouvera des valeurs par défaut ou des hypothèses dans les Recommandations de 2003 enmatière de bonnes pratiques et dans les Lignes directrices de 2006. Pour des évaluations deniveau 2, ces facteurs devront être définis pour les transitions concernant toutes lescombinaisons importantes de types de forêts et de nouvelles exploitations des terres. Desétudes devront être effectuées sur le terrain pour évaluer la biomasse et la matière organiquemorte des forêts représentatives avant leur coupe, et l’évolution de ces deux éléments aprèsle déboisement. Les stocks de biomasse forestière de zones risquant le déboisementpeuvent être inférieurs à ceux d’une forêt laissée à l’état naturel dont l’écosystème présentedes valeurs nominales identiques, car une amélioration de l’accessibilité à ces zones peutavoir entraîné une dégradation progressive. Il convient de procéder dans ces zones à deséchantillonnages selon les méthodes présentées au point 2.2 et dans l’annexe D. Les stocksde matière organique morte devraient être mesurés simultanément avec les autreséchantillonnages.

La biomasse peut être récoltée et retirée du site, être laissée pour se décomposer sur le site,ou être brûlée. Les volumes respectifs doivent être connus pour pouvoir tenir compte dumodèle de perte de carbone et pour évaluer les émissions de gaz autres que le CO2 liéesaux feux. Selon la nouvelle exploitation qui est faite des terres, un certain volumed’absorption de carbone peut être observé dans la biomasse ou la matière organique mortenouvellement créée; il convient alors de mener des études sur le terrain pour évaluer cephénomène.

Le déboisement entraîne souvent une perte de carbone du sol sur un période de plusieursdécennies, l’importance de cette perte dépendant du type de sol et de la nature de lanouvelle exploitation des terres. Des études approfondies sur le terrain sont nécessairespour déterminer l’ampleur de cette variation en se plaçant au niveau 2; on peut aussiemployer des modèles étalonnés et testés pour évaluer la variation en se plaçant auniveau 3. D’un point de vue pratique, à moins que des travaux considérables n’aient déjà étémenés, les nouvelles études sur le terrain exigeront de nombreuses années de travail etseront coûteuses. La seule option à court terme consiste à employer la méthode par défautactuelle pour évaluer la variation du carbone du sol, en se fondant sur des valeurscorrespondant aux sols, aux conversions d’exploitation des terres et aux conditionsclimatiques dans lesquels le déboisement intervient. Les sources d’informations par défautsont les Recommandations de 2003 en matière de bonnes pratiques, les Lignes directricesde 2006, la base de données du GIEC sur les facteurs d’émissions et les publicationsscientifiques. Il est important de faire une analyse critique de la pertinence des valeurschoisies par défaut par rapport aux conditions propres à chaque pays.

2. Émissions de gaz à effet de serre autres que le CO2

Les émissions de gaz à effet de serre autres que le CO2 qui sont dues à la déforestation sontessentiellement liées aux phénomènes suivants:


162

La combustion de la biomasse et de la matière organique morte restant surle site;

Des émissions permanentes des sols dans le temps du fait de la nouvelleexploitation des terres, notamment en raison de l’emploi d’engrais azotés;

Des émissions dues à la fermentation entérique ou à la gestion du fumierlorsque les terres sont converties à l’agriculture.

On trouvera au point 3.8 des conseils pour évaluer ces émissions en s’appuyant sur lesméthodes préconisées par le GIEC.

E1.1.2 Données d’appui

Pour créer une stratification, il faut disposer d’informations sur les types de forêts et surl’historique des perturbations afin de pouvoir choisir les facteurs d’émission et d’absorption,les modèles allométriques, etc. les plus pertinents. Il faut aussi avoir des informations sur lanouvelle exploitation des terres car celles-ci ont une forte incidence sur les futures émissions.Le type de sol doit être connu pour pouvoir distinguer les sols minéraux et organiques (etnotamment les sols tourbeux). Il convient d’employer des cartes des sols locales etnationales si elles sont disponibles. Quant aux cartes des sols internationales, il y a très peude chances qu’elles soient fiables à l’échelle spatiale à laquelle la déforestation se produit.

E1.2 Boisement et reboisement

Les émissions et les absorptions provenant du boisement et du reboisement peuvent êtreévaluées soit par la méthode gains-pertes, soit par une combinaison de cette méthode avecla méthode des variations de stocks (pour évaluer un changement de la biomasse), si le paysdispose d’un inventaire forestier national dont la stratégie d’échantillonnage est conçue pourdétecter de manière efficace toute variation de ces activités (voir le point 2.2).

E1.2.1 Facteurs d’émission


Les taux d’accumulation de biomasse selon le type de forêt et l’âge du peuplement peuventêtre repris, au niveau 1, des conseils du GIEC concernant les terres converties en forêts.Pour les niveaux supérieurs, il convient de disposer de données sur le taux de croissancedes forêts propres à chaque pays pour les espèces et les emplacements pertinents(conditions de croissance sur le site). Les données de ce type sont surtout obtenues à partird’inventaires de forêts bien conçus ou d’autres échantillonnages. Elles peuvent aussipermettre d’établir des modèles de croissance qui peuvent servir à effectuer des estimationsspatiales et temporelles des variations des stocks de carbone de la biomasse, et elles sontnécessaires pour évaluer la perte de biomasse causée par les incendies, les maladies oudes récoltes partielles (par exemple des coupes d’éclaircie), ainsi que les effets de cesphénomènes sur les taux de croissance ultérieurs. Une fois que des modèles de croissancefiables ont été établis, ils peuvent être combinés avec des estimations de perte de biomasse(par exemple des statistiques sur le bois récolté) pour permettre l’emploi de la méthodegains-pertes afin d’évaluer la variation nette de la biomasse. Les variations de matièreorganique morte sont généralement faibles par rapport aux variations de la biomasse aprèsun boisement ou un reboisement; toutefois, la coupe d’une forêt plantée peut générer desvolumes importants de résidus, qui doivent être évalués par échantillonnage sur le terrain.


La perte de carbone du sol due à des perturbations au cours de la création de zones boiséesdevrait être prise en compte, ainsi que toute variation à plus long terme (qu’il s’agisse degains ou de pertes) intervenant dans la forêt. On trouvera une liste des facteurs de variationpar défaut du carbone du sol (pour le niveau 1) dans les Recommandations de 2003 enmatière de bonnes pratiques et les Lignes directrices de 2006. La définition des facteursd’émission ou d’absorption nécessaire aux méthodes du niveau 2 exige des travaux sur leterrain ou des examens scientifiques approfondis121.


Il est probable que les émissions de gaz à effet de serre autres que le CO2 résultant de cesactivités soient faibles, mais elles peuvent se produire si des engrais sont épandus dans lesforêts nouvellement créées, ou si des incendies (naturels ou brûlage dirigé) se produisentdans ces forêts. Si des coupes sont ensuite effectuées dans les forêts (ce qui n’est pastoujours le cas lorsque les peuplements sont mis en place pour des raisons écologiques),des émissions de gaz autres que le CO2 seront observées si le feu est employé pourfavoriser la régénération naturelle ou pour préparer le site à une nouvelle plantation.

On trouvera des conseils sur la manière d’évaluer ces émissions au point 3.8.


Il sera nécessaire de disposer de données sur les précédentes exploitations des terres, letype de plantation effectuée, l’année de la plantation, son emplacement (qui constitue uneindication sur les types de sol et les taux de croissance potentiels) et sur le régime de gestionchoisi (notamment pour les coupes).

E1.3 Dégradation des forêts

Du point de vue de l’inventaire des gaz à effet de serre, la dégradation signifie une réductiondurable des stocks de carbone forestier (dans la biomasse, la matière organique morte ou lesol) sans que le seuil de la déforestation ne soit franchi, ou une réduction de la capacité desforêts à se rétablir après une perturbation. On trouvera des méthodes d’évaluation desvariations de gaz à effet de serre au point 2.2.



L’incidence des émissions peut être évaluée à partir des taux d’expansion ou de contraction(dans le cas de forêts remises en état) des zones dégradées, que ces zones fassent l’objetd’une évaluation directe ou que l’évaluation soit établie à partir d’indicateurs de dégradation.Il convient de déterminer les facteurs d’émission ou d’absorption pertinents pour les zonesconcernées. Si la fiabilité de ces facteurs ne peut être démontrée, les évaluations

121Le Centre international de référence et d'information pédologiques (ISRIC) a publié une base de donnéesinternationales concernant les propriétés des sols, et en particulier sur le carbone organique du sol, qui peutêtre utile dans le cadre d’une évaluation du carbone du sol (http://www.isric.org/).


164

d’émissions de gaz à effet de serre résultant de perturbations des forêts, ainsi que lesévaluations d’absorptions intervenant au cours de la période de récupération suivant laperturbation seront très incertaines.

S’agissant de la variation du stock de la biomasse, les facteurs d’émission et d’absorptiondevront être déterminés pour des combinaisons importantes de types de forêts et de typesde perturbations (coupe, incendie, drainage, maladie). Lorsqu’ils sont disponibles, lesinventaires forestiers peuvent s’avérer utiles, mais ils doivent être complétés par deséchantillonnages ciblés sur le terrain qui sont effectués sur des emplacements biendéterminés (voir le point 2.2). Les volumes de bois extrait (s’ils sont connus) peuvent aussiêtre utiles pour évaluer la perte potentielle des stocks de la biomasse en les comparant avecles taux de repousse des forêts dans les zones dégradées. Les taux de repousse (facteurd’absorption) sont indiqués pour le niveau 1 dans les Recommandations de 2003 en matièrede bonnes pratiques; on peut aussi les trouver dans des données propres à chaque pays. Lazone sur laquelle la repousse est prise en compte doit être celle sur laquelle le peuplementrepousse réellement, et non la surface totale de la forêt, sinon les estimations de carboneséquestré par la repousse seront considérablement surestimées. Pour la matière organiquemorte, il est probable que des programmes d’échantillonnage particuliers seront nécessairespour déterminer les facteurs d’émission et d’absorption pour les types de forêts et deperturbations importants. Pour les incendies, les émissions de carbone sont évaluées à partirdu volume de combustible brûlé, et les valeurs indiquées par défaut dans les Lignesdirectrices de 2006 permettent de faire des estimations au niveau 1 pour la biomasse et lamatière organique morte. Les pays sont encouragés à en déduire leurs propres facteursd’émission en cas d’incendie, mais cette tâche nécessite des travaux de rechercheapprofondis sur le terrain et en laboratoire; dans l’intervalle, il est donc recommandéd’employer les valeurs par défaut du niveau 1.

Pour évaluer les variations de carbone du sol, il convient d’employer la méthode décrite plushaut à propos des sols minéraux. Dans des sols organiques perturbés, la perte de stocks decarbone du sol peut être très importante et permanente, notamment après un drainage ou sides matières organiques sont brûlées dans des incendies. Après un drainage, on peutemployer les facteurs d’émissions indiqués par le GIEC (2013) pour les zones humides.Après une réhumidification (réhabilitation de terres tourbeuses), il convient d’employer lesfacteurs d’émission indiqués par le GIEC (2013) ou de prendre pour hypothèse que lesémissions de CO2 du sol seront ramenées à zéro. On trouvera au point 3.9.4 du texteprincipal des présentes Méthodes et orientations des conseils sur la manière de trouver desfacteurs d’émission afin de pouvoir évaluer les émissions des feux de tourbe.

2. Émissions de gaz à effet de serre autres que du CO2

De multiples facteurs peuvent conduire à la dégradation de forêts; certains de ces facteurspeuvent avoir une incidence sur les émissions de gaz à effet de serre autres que du CO2, parexemple la combustion de biomasse et de matière organique morte dans des incendies, desbrûlages de gestion trop fréquents, des inondations dues à des pratiques qui modifientl’hydrologie locale, ou encore des drainages de sols organiques (tourbe) qui exposent aussices sols à des incendies.

La dégradation est un processus complexe; ses conséquences locales sont très variables entermes d’émissions et d’absorptions de gaz à effet de serre autres que du CO2, et elles sontrelativement mal comprises. Si les Recommandations de 2003 en matière de bonnespratiques, les Lignes directrices de 2006 et le Supplément du GIEC sur les zones humidescontiennent des conseils génériques en matière d’évaluation des émissions de certains deces gaz, il reste nécessaire de disposer de données sur les activités locales et sur lesfacteurs d’émission correspondants, par exemple en ce qui concerne le volume de


combustible brûlé dans des incendies se produisant dans des forêts dégradées par descoupes partielles, ou dans des zones forestières sujettes à des inondations, ou encore deszones forestières tourbeuses drainées ou brûlées.

Il est nécessaire de mener des recherches supplémentaires pour renforcer les informationsde base à partir desquelles les facteurs d’émission par défaut sont déterminés pour lesincendies de tourbe tropicale, car ces facteurs ont une incidence majeure sur les estimationsd’émissions de CO2 (Peat & GHG Group, 2011).


Il est aussi nécessaire de stratifier la forêt selon plusieurs grands types ayant une densité debiomasse et un taux de repousse différents après une perturbation. Les informations sur lanature des perturbations forestières (par exemple leur ampleur et leur intensité, ainsi que letype et la portée du drainage) et sur le moment auquel elles se produisent sont importantespour pouvoir interpréter le modèle temporel des émissions comme des absorptions de gaz àeffet de serre. Les cartes de sols sont également importantes pour évaluer les stocks decarbone et leur vulnérabilité aux pertes (notamment la superficie des sols tourbeux). Parailleurs, les estimations de coupes de bois effectuées dans des zones spécifiques sont utilespour évaluer la variation des stocks de biomasse de la forêt.

E1.4 Restauration de terres tourbeuses tropicales dégradées

D’importantes surfaces de forêts tourbeuses ont été dégradées dans le monde en raison decoupes excessives, de déforestations, de drainages ou d’incendies multiples. Les émissionsde gaz à effet de serre peuvent être très importantes, notamment dans les tropiques, du faitde ces perturbations forestières, et elles peuvent se poursuivre pendant plusieurs décenniesà mesure que la tourbe continue de se décomposer ou qu’elle brûle de manière irrégulièredans des incendies. La réhabilitation peut comporter des travaux de réhumidification(blocage des systèmes de drainage), de prévention et de suppression des incendies et derestauration du couvert végétal. Elle contribue à ralentir et progressivement à inverser lesprocessus de dégradation qui ont conduit à des émissions permanentes. On peut évaluer lesémissions de la même manière que pour le boisement ou le reboisement, en accordant uneattention particulière aux émissions des sols avant et après la conversion. Le chapitre 3 duSupplément du GIEC sur les zones humides contient des conseils sur la manière d’évaluerau niveau 1 les émissions et les absorptions de gaz à effet de serre (CO2, CH4 et N2O)provenant de sols organiques réhumidifiés par région climatique, ainsi que des orientationsgénérales sur la manière d’employer des méthodes des niveaux supérieurs.

Il est nécessaire de disposer de données spatiales sur le type et la superficie des forêtsdégradées par des coupes, des drainages ou des incendies pendant l’année de référence(avant le début de la réhabilitation). Des données sont ensuite requises sur les variationsdans le temps de la surface de forêt brûlée par des incendies et sur le volume decombustible aérien et de tourbe brûlés, ainsi que sur la surface de forêt réellementréhumidifiée ou protégée des incendies et la surface de forêt réellement rétablie par unerégénération naturelle ou des plantations.


166



On trouvera plus haut des conseils sur la manière d’évaluer les variations de carbone dansdes forêts dégradées. En ce qui concerne les tourbes tropicales dégradées, veuillez vousreporter au point 2.2.1 du Supplément du GIEC sur les zones humides pour des terresrestant dans la même catégorie d’exploitation, et au point 2.3.1 pour des terres converties àune nouvelle exploitation.


On trouvera des conseils sur l’évaluation des émissions de gaz autres que du CO2 d par dessols organiques drainés dans le Supplément du GIEC sur les zones humides, au point 2.2.2pour les terres restant dans la même catégorie d’exploitation, et au point 2.3.2 pour les terresconverties à une nouvelle exploitation.


Une carte de l’historique des perturbations forestières peut aider à comprendre les raisonsde l’état de dégradation d’une forêt et à prendre les décisions de gestion pertinentes.

E1.5 Conservation, gestion durable des forêts et augmentationdes stocks de carbone forestier (dans des forêtsexistantes)

Tous les bassins et les flux doivent faire l’objet d’évaluations pour que l’on puisse quantifierles effets globaux d’un changement de gestion. Les émissions et les absorptions peuventêtre évaluées soit par la méthode gains-pertes, soit par une combinaison de cette méthodeavec la méthode des variations de stocks (pour évaluer un changement de la biomasse). Laméthode des variations de stocks n’est possible pour la biomasse que si le pays disposed’un inventaire forestier national dont la stratégie d’échantillonnage est conçue pour détecterde manière efficace toute variation de ces activités, et que cet inventaire est régulièrementmis à jour. Dans le cas contraire, le pays devrait employer la méthode gains-pertes (voir lepoint 2.2).

Les plans de gestion régionaux ou à une échelle plus fine devraient indiquer les zones danslesquelles l’objectif consiste à assurer une gestion durable des forêts, ou à gérer des zones àdes fins de conservation, ou encore à faire augmenter les stocks de carbone forestier. Ceszones devraient ensuite être comparées aux résultats obtenus dans d’autres zones danslesquelles la gestion prévue a déjà été mise en œuvre. Il est nécessaire de prendre encompte la totalité de la forêt afin d’intégrer les terres gérées par les pouvoirs publics commecelles qui sont gérées par le secteur privé. En revanche, il ne faut pas prendre en compte leszones victimes de déforestation ou de dégradation des forêts dans les surfaces visées pardes mesures de conservation, de gestion durable des forêts ou de gestion visant à faireaugmenter les stocks de carbone forestiers.



Voir les paragraphes précédents.



Il est possible de réduire les émissions de gaz à effet de serre autres que le CO2 enaméliorant la gestion. C’est tout particulièrement le cas pour les émissions provenant dedrainages de forêts tourbeuses, d’incendies ou de l’emploi d’engrais.


Il est nécessaire de disposer d’une carte des types forestiers et de l’occupation des terres, etd’avoir accès à des plans de gestion des forêts régionaux ou à une échelle plus fine. Unecarte de l’historique des perturbations forestières sera aussi précieuse pour expliquer lasituation actuelle de la forêt (par exemple pour connaître l’âge de la repousse) et donc pourconnaître le potentiel d’augmentation des stocks de biomasse qu’offre la nouvelle gestion. Sile pays ne dispose pas d’un inventaire forestier national, il sera nécessaire d’établir desmodèles permettant d’évaluer les taux de croissance des forêts dans le cadre de la nouvellegestion.

E1.6 Conversion de forêts naturelles

Bien qu’il ne s’agisse pas d’une activité REDD+, les pays pourraient juger utile de signalerséparément la conversion de forêts naturelles au titre des mesures de protection dumécanisme REDD+.

Les méthodes permettant d’évaluer les émissions associées au fait de supprimer des forêtsnaturelles sont décrites dans le chapitre consacré au déboisement, et celles qui permettentd’évaluer les émissions et les absorptions intervenant pendant la plantation et la croissancede forêts sont décrites au point 2.2.

Dans les premières étapes de la conversion, il peut être difficile de distinguer cette activitéd’une déforestation, car les deux entraînent des pertes de la couverture des cimes. Uneplantation de forêt peut être difficile à détecter à distance au cours des premières années. Ilsera donc probablement nécessaire de disposer de données relevées sur site par l’office desforêts ou le secteur privé dans des zones concernées par cette activité. En l’absence de cetype d’informations, toute suppression de forêt naturelle doit être évaluée au départ commeune déforestation. Les principales données d’activité et les facteurs d’émission etd’absorption correspondants qui doivent être connus sont la surface et le type de forêtconvertie, la surface de forêt drainée, la surface de forêt brûlée pendant la préparation dusite et le volume de combustible consommé par unité de surface, ainsi que le type et le tauxde croissance de la nouvelle plantation et le volume de tout engrais azoté étendu sur laplantation.



Voir plus haut les points concernant la suppression de forêts naturelles et la plantation et lacroissance de nouvelles forêts.


168


La conversion de forêts naturelles en plantations peut entraîner des émissions de CO2

pendant la phase de suppression de la forêt naturelle ainsi que pendant la phase deplantation, puis au cours de la gestion continue de la forêt plantée. La méthode choisie pourpréparer le site a une incidence marquée sur les émissions de gaz à effet de serre autresque du CO2; ainsi, l’emploi de drainages et/ou de brûlages peut entraîner de très fortesémissions. On peut aussi observer des émissions permanentes si un engrais azoté estétendu pour accélérer la croissance de la plantation.


Il sera nécessaire de disposer de données sur le type de forêt naturelle convertie et le stockde biomasse (concerné par la perturbation initiale) au moment de la conversion, sur le typede plantation effectuée et l’année de la plantation, ainsi que sur l’emplacement de laplantation, qui a une incidence sur les taux de croissance potentiels. Il faut aussi disposerd’une carte des sols pour pouvoir calculer les stocks de carbone du sol et la probabilité d’undrainage des sols organiques.


Annexe F Aperçu de la possibilité d’établir uneévaluation directe de la biomasse par télédétection

Les méthodes permettant d’évaluer la biomasse des forêts tropicales par des techniques detélédétection, et notamment par une analyse des indices spectraux et l’emploi de radar et deLIDAR font l’objet de recherches actives. En général, ces méthodes nécessitent unétalonnage fondé sur des données relevées sur le terrain. La saturation du signal peut poserdes problèmes, en particulier dans les pays tropicaux, car la corrélation entre la biomasse etles données télédétectées peut disparaître en cas de haute densité de la biomasse.

L’évaluation de la biomasse fondée sur la hauteur des arbres (estimée au moyen d’un radarou un LIDAR) pose un problème fondamental, car la relation entre hauteur et biomasse peutfortement varier selon le type de forêt, l’âge de l’arbre et la spéciation, et suivant lesperturbations que la forêt peut avoir subies (par exemple entre une forêt primaire etsecondaire). Ces différences doivent être bien comprises et il convient d’en tenir compte pouraméliorer les évaluations de la biomasse des forêts et de ses variations dans le cadre d’unsystème de mesure, de notification et de vérification (MRV).

Ces observations conduisent à conclure que les cartes de biomasse actuellement établies àgrande échelle à partir de données télédétectées ne devraient pas être employées sans quedes essais approfondis sur site ne confirment leur fiabilité pour des types de forêtsparticuliers et à différentes échelles spatiales. Les évaluations de biomasse par télédétectionprésentent un taux d’erreur élevé à l’échelle des placettes (<1 ha), voire jusqu’à une surfaced’un kilomètre carré (100 ha) (Saatchi et al., 2011). Dès lors, des évaluations de la biomasserobustes, fondées sur une taille de placette adéquate, un échantillonnage spatial suffisant etl’emploi de méthodes allométriques pertinentes sont nécessaires pour permettre d’effectuerce type de tests (voir par exemple Chave et al., 2004; Avitabile et al., 2011). Il est donc peuprobable que les méthodes actuelles soient rentables.

On trouvera ci-après un bref aperçu des travaux récemment menés en vue d’établir desévaluations de la biomasse de forêts tropicales.

F1.1 Emploi de données LIDAR pour évaluer la biomasse

On évalue généralement la biomasse en combinant des données LIDAR avec desobservations effectuées sur le terrain, et parfois avec des données optiques, par exemple laréflectance de surface établie à partir de données MODIS, pour obtenir une cartographiecomplète de la biomasse à partir d’estimations ponctuelles (voir Baccini et al., 2011).

Baccini et al. (2008) ont établi une carte spatiale de la biomasse en Afrique en combinantdes données télédétectées et des évaluations de la biomasse effectuées sur le terrain qu’ilss’étaient procurées auprès de différentes sources. Mitchard et.al. (2011) ont critiqué cettecarte en faisant valoir que les données relevées sur le terrain qui avaient été employées pourétalonner le système de télédétection étaient inadéquates et conduisaient à sous-estimerconsidérablement les évaluations de biomasse effectuées sur le terrain, notamment dans leszones à forte densité de biomasse. Avitabile et.al. (2011) ont signalé une correspondancemédiocre entre sept cartes de la biomasse (établies soit par extrapolation d’estimations de labiomasse effectuées sur le terrain, soit par déduction à partir de données télédétectées) pour


170

l’Ouganda, que ce soit du point de vue de la densité moyenne de la biomasse ou desmodèles spatiaux. Ils ont conclu qu’il était essentiel, pour pouvoir améliorer la fiabilité descartes de biomasse, de recueillir sur le terrain davantage de données plus sûres concernantla biomasse pour les principaux types de forêts.

Saatchi et.al. (2011) ont employé des données télédétectées pour dresser une carte de labiomasse de forêts tropicales avec une résolution d’un kilomètre, et pour estimer les erreursd’évaluation de la biomasse commises à différentes échelles spatiales. Ils ont établi unerelation entre le peuplement forestier et la biomasse en 493 points répartis sur l’ensembledes tropiques. Cette relation a permis d’effectuer des estimations de la biomasse sur leterrain pour de nombreux autres emplacements avec une incertitude d’environ 24 pour centen moyenne. Des estimations de hauteur des forêts déduites de données LIDAR spatialesont ensuite permis d’évaluer la biomasse en plusieurs autres endroits. Les évaluations debiomasse calculées à partir des mesures effectuées sur le terrain et celles qui ont étéétablies à partir de données LIDAR ont alors été extrapolées pour l’ensemble de la forêttropicale en se fondant sur un modèle de fusion de données et des images satelliteprovenant de sources diverses. Ces nouvelles estimations de biomasse ne semblent pasavoir fait l’objet d’une validation. Les auteurs ont pris pour hypothèse que leurs estimationsde biomasse initialement faites sur le terrain ne contenaient aucune erreur, mais ils ontreconnu que des erreurs non aléatoires importantes et systématiques pouvaient s’y êtreintroduites. L’analyse de Chave et.al. (2004) sur les sources d’erreur possibles dans lesévaluations de biomasse de forêts tropicales, tant à l’échelle des placettes qu’à une échellepanoramique, semble indiquer que ces erreurs sont très probables. Chave et.al. (2004)donnent des conseils sur la manière de réduire autant que possible ces erreurs d’évaluationet soulignent l’importance critique de choisir de manière judicieuse les modèlesallométriques, qui constituent selon eux un élément majeur de l’incertitude.

Baccini et.al. (2012) ont employé des données télédétectées pour établir une carte de labiomasse des forêts tropicales avec une résolution de 500 m. Ils se sont appuyés sur desmodèles allométriques généralisés (pan-tropicaux) pour convertir les données d’inventaireforestier en biomasse forestière en différents lieux répartis sur plusieurs pays, puis ils ontétabli la corrélation entre la biomasse et la hauteur des arbres estimée à partir de donnéesLIDAR spatiales. L’emploi de modèles allométriques généralisés pour évaluer la biomassepeut produire des erreurs d’estimation à des emplacements particuliers (voir par ex. Basukiet al., 2010) et on ne connaît pas l’importance du biais du modèle d’étalonnage dans l’étudede Baccini et al. (2012). Là encore, aucune validation indépendante des résultats n’a étéeffectuée, mais des comparaisons entre plusieurs estimations des stocks de biomasseétablies au niveau des pays par Saatchi et al. (2011) ont montré des différences pouvantatteindre 50 %.

F1.2 Sources provenant de données LIDAR

La méthode la plus réaliste pour évaluer la biomasse à partir de données télédétectéesconsiste à employer des mesures de la structure végétale fondées sur des données quiproviennent d’un LIDAR. Les systèmes LIDAR émettent des impulsions de rayon laser etmesurent le temps nécessaire au retour du rayon, ainsi que l’intensité de celui-ci. Cesmesures permettent de déduire des informations tridimensionnelles sur la structure végétale,et ainsi d’évaluer les caractéristiques de la structure forestière liées à la biomasse aérienne.Il existe deux sources de données LIDAR: 1) les données aériennes provenant de petitesempreintes, et 2) les données LIDAR spatiales complètes sous forme d’onde. À la date derédaction du présent document, il n’existait pas de satellite LIDAR opérationnel; les seulesdonnées disponibles étaient celles qui proviennent de l’instrument GLAS, qui était installé surle satellite ICESat entre 2003 et 2009 (ce satellite est maintenant hors service).


F1.2.1 Données LIDAR aériennes

Si des données LIDAR aériennes sont disponibles pour un échantillon correspondant à lazone étudiée, elles peuvent servir à évaluer la biomasse. Les données LIDAR fournissentdes informations tridimensionnelles sur la structure végétale à partir desquelles il est possibled’effectuer une régression par rapport à des mesures aériennes de biomasse à l’échelle desplacettes. On obtient ainsi des évaluations de biomasse pour chaque observation du LIDAR.Bien qu’il existe des modèles allométriques permettant, dans un certain nombre desituations, d’évaluer la biomasse sans devoir recueillir de données sur site, les mesures debiomasse effectuées dans la zone survolée par le LIDAR peuvent contribuer à faire en sorteque les variations régionales et locales de la relation LIDAR-biomasse soient prises encompte (Asner, 2009). On trouvera des exemples d’emploi de données LIDAR aériennescombinées avec des données de placettes pour évaluer la biomasse dans les publicationssuivantes: Asner et al. (2010) (IPCC-compliant estimates of carbon stocks and emissions inthe Peruvian Amazon); Nelson et al. (2004) (biomass estimation in Delaware, United States);Næsset et al (2013) (forests biomass change estimates in boreal, Norway); et Lefsky et al.(1999) (biomass estimation in deciduous forests in Maryland, United States).

F1.2.2 Données LIDAR satellitaires

Les observations LIDAR effectuées à partir de l’espace sont actuellement limitées auxdonnées du capteur GLAS installé sur le satellite ICESat. Ce capteur a recueilli entre 2003 et2009 des données LIDAR qui sont mises gratuitement à la disposition du public sur le siteReverb de la NASA: http://reverb.echo.nasa.gov. Le satellite ICESat-2, qui sera aussi équipéd’instruments LIDAR, devrait être lancé au début de 2016. Il n’y avait pas d’autre missionprévue à la date de rédaction du présent document. Les données issues des observationsLIDAR spatiales présenteront donc des lacunes entre 2009 et 2015.

Les recherches indiquent que s’il est possible d’évaluer la hauteur des arbres à partir dedonnées ICESat/GLAS, puis d’effectuer une régression pour obtenir des estimations de labiomasse (Sun et al., 2007), les évaluations de hauteur d’arbres à partir de données GLASsont moins rigoureuses que celles qui proviennent de données aériennes (données duLIDAR correspondant à de petites empreintes). Pour les zones pentues, il faut disposerd’informations topographiques pour évaluer la hauteur des arbres en raison du fait quel’empreinte du GLAS est elliptique (Lefksy et al., 2005). On trouvera notamment desdescriptions de l’emploi de données GLAS pour évaluer la hauteur des arbres et la biomassedans les publications suivantes: Baccini et al (2012); Saatchi et al (2011); Nelson et al(2008); Boudreau et al. (2008); Lefksy et al. (2005).

Les produits actuellement disponibles pour déterminer la biomasse à grande échelle sontnotamment les suivants:

The National Level Carbon Stock Dataset (Tropics) (jeu de données sur le niveaunational des stocks de carbone dans les tropiques), Woods Hole Research Center(WHRC), qui propose des cartes de la biomasse aérienne vivante des forêts dans lazone tropicale. En se fondant sur une combinaison de mesures effectuées sur leterrain, d’observations du LIDAR depuis l’espace, d’une résolution spatiale de 70 m,effectuées grâce au Système altimètre laser pour les sciences de la Terre (GLAS),qui est embarqué sur le Satellite de mesure de la glace, des nuages et de latopographie terrestre (ICESat), et d’images obtenues par le système optique MODIS


172

avec une résolution spatiale de 500 m, le jeu de données sur le niveau national desstocks de carbone dans les tropiques permet de connaître la biomasse aériennevivante des forêts tropicales, avec une résolution de 500 m, entre 2007 et 2008(Baccini et al., 2012). Ces données peuvent être obtenues sur le site web suivant:http://www.whrc.org/mapping/pantropical/carbondataset_form.htm.

The National Biomass and Carbon Dataset (NBCD2000) (jeu de données nationalsur la biomasse et le carbone). Le WHRC propose un produit sur la biomasse avecune résolution de 30 m pour la partie des États-Unis adjacente aux tropiques. Cettecarte ne couvre pas les zones tropicales, mais elle montre comment les donnéesrelatives aux placettes de l’inventaire forestier national peuvent être combinées avecdes données télédétectées pour établir des cartes de la biomasse. Le NBCD2000repose sur une combinaison de données issues de l’Inventaire et analyse forestiersdu Service des Forêts de l’USDA, de la Mission interférométrique de cartographie(SRTM) menée en 2000, et du système ETM+ du satellite Landsat-7. Il fournit desinformations sur la hauteur du couvert basal pondérée en fonction de la surface,ainsi que sur la biomasse sèche vivante aérienne et sur le stock de carbone sur piedpour l’année 2000 (Kellndorfer et al., 2012). Ces informations sont disponibles àl’adresse suivante: http://www.whrc.org/mapping/nbcd/nbcd_reg.html.

The JPL Carbon Maps (cartes du carbone établies par le Jet Propulsion Laboratory).Le Jet Propulsion Laboratory de la NASA et l’Institut de technologie deCalifornie proposent un produit sur la biomasse semblable au jeu de donnéesnational sur la biomasse et le carbone du WHRC. Ces cartes indiquent les niveauxde carbone et de biomasse forestiers aériens pour l’Afrique sub-saharienne, lesAmériques au sud de la latitude 30° N, ainsi que l’Asie du Sud-Est et l’Australieentre les latitudes de 40° N et 30° S avec une résolution de un kilomètre. Desestimations ponctuelles de la biomasse effectuées à partir d’une combinaisonde données relevées sur le terrain et de données du LIDAR relevées depuisl’espace par le système GLAS du satellite ICESat ont été extrapolées à l’aidede données optiques du système MODIS et de données radar du système SRTM etde QuickSCAT (Saatchi et al., 2011). On trouvera ces informations à l’adressesuivante: http://carbon.jpl.nasa.gov/data/dataMain.cfm.

F1.3 Emploi d’un radar à synthèse d’ouverture pour évaluer labiomasse

Bien que les radars à synthèse d’ouverture aient fait la preuve de leur potentiel pour évaluerla biomasse aérienne, leur usage est limité en raison des facteurs suivants:

Une saturation rapide du signal lorsque le stock de biomasse aérienne est prochedu sol;

Le terrain;

Les effets des précipitations et de l’humidité du sol;

Un développement localisé des algorithmes, qui se focalise sur un seul biome oudes peuplements mono-espèce;

Un manque de cohérence entre les évaluations en tant que fonction des paramètresdes capteurs.


L’étalonnage des algorithmes d’extraction de données dépend de la fiabilité des donnéesrelevées au sol. Celles-ci doivent être recueillies dans un ensemble de conditionsreprésentatives de l’environnement. Les algorithmes sont donc peu transposables au seind’un même type structurel de forêts et entre ces types, et il n’existe pas pour le moment demoyen sûr d’évaluer la biomasse aérienne (Lucas et al., 2010). Les estimations de biomasseaérienne fondées sur des données provenant de radars à synthèse d’ouverture donnent demeilleurs résultats dans les forêts tempérées que dans les forêts tropicales, surtout du faitque les espèces sont moins nombreuses et la biomasse est moins haute (Castro et al.,2003). On obtient une meilleure sensibilité en utilisant des rapports ou des corrélations entreune rétrodiffusion à multifréquence et multipolarisation et des composantes de la biomasse(Castro et al., 2003). D’autres méthodes telles que l’interférométrie par radar à synthèsed’ouverture, l’interférométrie polarimétrique, la tomographie et l’intégration avec des donnéesLIDAR ou d’autres types de données font actuellement l’objet de recherches.

Les radars à synthèse d’ouverture ont fait la preuve de leur capacité à quantifier la biomassejusqu’à un certain niveau, selon leur fréquence d’emploi. Une fois que le niveau de saturationdu signal est atteint, les données n’ont plus aucune utilité au regard de l’estimation de labiomasse (Böttcher et al. 7, 2009, Gibbs, et al. 2007). Il est démontré que la rétrodiffusion enpolarisation croisée est plus sensible à la biomasse forestière que la rétrodiffusioncopolarisée. L’emploi de polarisations multiples est recommandé pour les algorithmesd’extraction (Castro et al., 2003). Les radars à synthèse d’ouverture fonctionnant dans labande L sont utiles pour distinguer le niveau des repousses et pour évaluer la biomasseforestière de faible densité (40-150 t/ha). Les données doivent prendre en compte unedouble polarisation et deux saisons. Les radars à synthèse d’ouverture fonctionnant dans labande C ne sont utiles que pour évaluer des biomasses forestières de très faible densité(30-50 t/ha). Les longueurs d’onde les plus courtes ne vont pas au-delà de la canopée(Castro et al., 2003). L’analyse de texture fondée sur des données à haute résolutionprovenant de la bande C et couvrant des périodes multiples peut fournir quelques élémentsutiles (Castro et al., 2003).

L’ESA a récemment approuvé la mission BIOMASS, qui exploite un interféromètrefonctionnant dans la bande P et destiné à fournir une évaluation à une échelle mondiale dela biomasse aérienne d’ici 2020. Les radars à synthèse d’ouverture fonctionnant dans labande P peuvent faciliter les évaluations de biomasses forestières très denses(100-300 t/ha).

Exemples d’emploi à l’échelle sous-nationale

Les estimations de biomasse effectuées au moyen d’un radar à synthèse d’ouverturenécessitent un traitement sophistiqué et un étalonnage au sol minutieux. Si la rechercheprogresse dans ce domaine, on trouve peu d’exemples de ce type d’emploi à l’échelle sous-nationale. Les exemples d’emploi réussi sont essentiellement fondés sur des flux de donnéesauxiliaires fournis par la GFOI, notamment des données aériennes (GeoSAR) et desdonnées radar obtenues par satellite (ALOS PALSAR, ENVISAT ASAR). Ces exemples sontnotamment les suivants:

Australie orientale: l’établissement de relations entre des données L-HH etHV PALSAR du satellite ALOS obtenues par rétrodiffusion et des données sur la


174

biomasse aérienne relevées sur le terrain a permis d’établir une carte provisoire decette biomasse (Lucas et al., 2010), qui est en cours de validation. Il estprobablement possible d’améliorer cette méthode en intégrant des données deLandsat et d’ICESat;

Mexique: une cartographie complète de la biomasse aérienne a été établie en sefondant sur des données ALOS PALSAR acquises en 2008, et dont la résolutionspatiale est de 15 m (GEO, 2011);

Nord-Est des États-Unis: une évaluation de la biomasse a été effectuée en inversantun modèle semi-empirique étalonné pour des images ALOS PALSAR créées avecun faisceau fin à double polarisation (FBD) (Cartus et al., 2012). La précision del’extraction était systématiquement meilleure pour des données d’intensité HV quepour des données HH. Des combinaisons pondérées d’estimations de la biomasse àune seule date pour une série d’images multitemporelle ont considérablementamélioré les résultats. L’écart quadratique moyen est de 12,9 t/ha (R2 = 0,86) parrapport aux estimations de l’inventaire forestier;

Forêt boréale: l’estimation du volume du stock sur pied établie à partir d’un modèleet d’images hypertemporelles ENVISAT ASAR ScanSAR a atteint 300 m3/ha(Santoro et al., 2011). L’écart quadratique moyen est de 34.2 – 48,1 % pour unetaille de pixel de un kilomètre. L’estimation du volume du stock sur pied a étéaméliorée en calculant la moyenne des pixels voisins. Il reste à déterminer si cetteméthode est transposable aux forêts tropicales;

Queensland: une étude a déterminé si la relation entre des coefficients derétrodiffusion pour des données HH et HV PALSAR du satellite ALOS et labiomasse aérienne était cohérente au sein de formations structurelles et entre cesformations (forêts, terres boisées et forêts claires, y compris les broussailles) dansla région de Queensland, en Australie (Lucas R. M. et al., 2010).

Bibliographie

Avitabile, V., Herold, M., Henry, M. and C. Schmullius (2011). Mapping biomass with remotesensing: a comparison of methods for the case study of Uganda. Carbon Balance andManagement 2011, 6:7 doi:10.1186/1750-0680-6-7.

Baccini et al., 2012. Estimated carbon dioxide emissions from tropical deforestation improvedby carbon-density maps. Nature Climate Change, Vol. 2, pp. 182-185.

Böttcher, H, et al., 2009. An assessment of monitoring requirements and costs of "ReducedEmissions from Deforestation and Degradation", Carbon Balance and Management, Vol. 4.

Cartus, O, Santoro, M and Kellndorfer, J. 2012. Mapping forest aboveground biomass in theNortheastern United States with ALOS PALSAR dual-polarisation L-band., RemoteSensing of Environment, Vol. 124, pp. 466-478.

Castro, K L, Sanchez-Azofeifa, G A, Rivard, B. 2003. Monitoring secondary tropical forestsusing space-borne data: implications for Central America.. International Journal of RemoteSensing, 24, pp. 1853-1894.

Chave, J., Condit, R., Aguilar, S., Herandez, A., Lao, S. and R. Perez (2004). Errorpropagation and scaling of tropical forest biomass estimates. Phil. Trans. R. Soc. Lond. B359,409-420.


GEO, 2011. Observations, Group on Earth.GEO-FCT Product Development Team TechnicalStatus Report v2.0. s.l. : GEO, 2011.

Gibbs, H K, et al. 2007. Monitoring and estimating tropical forest carbon stocks: makingREDD a reality., Environmental Research Letters, Vol. 2.

Lucas, R M, et al. 2010 An evaluation of the ALOS PALSAR L-band backscatter-aboveground biomass relationship Queensland, Australia: Impacts of surface moisture conditionand vegetation structure., IEEE Journal of Selected Topics in Applied Earth Observationsand Remote Sensing.3: 576-593.

Mitchard, E. T. A., Saatchi, S. S., Lewis, S. L., Feldpausch, F. F., Woodhouse, I. H. and P.Meir (2011). Comment on a ‘First map of tropical forest biomass derived from satelliteimagery’. Environmental Research Letters 6:049001

Næsset, E., Bollandsås, O.M., Gobakken, T., Gregoire, T.G. & Ståhl. G. 2013. Model-assisted estimation of change in forest biomass over an 11 year period in a sample surveysupported by airborne LiDAR: A case study with post-stratification to provide “activitydata”. Remote Sensing of Environment, 128: 299-314.

Saatchi, S S, et al. 2007. Distribution of aboveground live biomass in the Amazon basin.,Global Change Biology, Vol. 13, pp. 816-837.

Santoro, M, et al. 2011. Retrieval of growing stock volume in boreal forest using hyper-temporal series of Envisat ASAR ScanSAR backscatter measurements., Remote Sensingof Environment, Vol. 115, pp. 490-507.


176

Annexe G Élaboration et emploi de modèlesallométriques pour évaluer la biomasse

G1.1 Introduction

Dans une strate forestière donnée, le carbone de la biomasse peut être évalué à partir deméthodes fondées sur des données relevées au sol, ce qui nécessite l’établissement d’uninventaire du diamètre et/ou de la hauteur des fûts et l’emploi de modèles allométriques pourétablir le rapport entre la biomasse aérienne et souterraine et les données de l’inventaire. Ontrouvera une analyse détaillée des questions importantes à cet égard dans Picard et al.(2012) et Chave et al. (2004). La stratification est une étape essentielle pour définir ledomaine pertinent dans lequel un modèle allométrique est établi et appliqué.

Les modèles allométriques employés pour évaluer la biomasse prennent le plus souvent lediamètre des fûts comme variable explicative, mais certains emploient aussi la hauteur desfûts, et dans une moindre mesure la largeur de la canopée et la densité des fûts. Un nombrecroissant de chercheurs ont montré que le diamètre des fûts peut être un indicateur pertinentpour estimer la biomasse à des échelles locales ou régionales, et que la hauteur ou ladensité des fûts améliore peu l’efficacité des prédictions allométriques de la biomasseaérienne ou souterraine (voir par exemple Brown et al., 1989; Ketterings et al., 2001;Jenkins et al. 2003; Chave et al., 2005 Basuki et al., 2009; Xiang et al. 2011: Paul et al. (encours d’impression)). Il semble donc que le diamètre des fûts rend bien compte des principesgéométriques, biomécaniques et hydrodynamiques courants qui régissent le transport deséléments essentiels dans les arbres (West et al. 1999; Enquist et Niklas 2001). Néanmoins, ila été démontré que dans certaines forêts tropicales, la hauteur et la densité des fûtsconstituent des variables importantes et qu’il convient donc d’examiner leur pouvoir explicatif(voir par exemple Chave, 2005; Feldpausch et al., 2011 et 2012). Feldpausch et al. (2011 et2012) ont montré que la hauteur des arbres est un facteur allométrique important qui doit êtrepris en compte dans les futures évaluations de biomasse forestière pour réduire l’erreurd’estimation des stocks de carbone tropicaux et des émissions dues à la déforestation. Lahauteur à laquelle les diamètres sont mesurés varie souvent d’une forêt à l’autre en fonctionde la hauteur des arbres, de la forme du fût et de la hauteur moyenne à laquelle ils seséparent en plusieurs branches. En règle générale, les diamètres devraient être mesurésaussi haut que possible (jusqu’à une hauteur de 130 cm), mais en-dessous de la hauteur àlaquelle le fût se sépare. Cette méthode permet de réduire les erreurs de mesure. Pour lesarbustes, le diamètre est généralement mesuré à une hauteur de 10 cm.

G1.2 Nombre d’arbres à couper (échantillon) pour établir desmodèles allométriques

L’erreur d’échantillonnage peut être importante quand on choisit des arbres ou des arbustesà couper pour établir des modèles allométriques. Dans une étude générale de l’emploi deméthodes allométriques fondées sur le diamètre des fûts pour déterminer la biomasse dedifférentes espèces d’arbres, Zapata-Cuartas et al. (2012) ont conclu que la précision deprédiction de la biomasse des arbres s’améliorait de manière exponentielle avecl’accroissement de la taille de l’échantillonnage. Des résultats semblables ont été obtenuspar Roxburgh, et al. (2013), qui ont analysé des données de biomasse aérienne concernant23 espèces pour déterminer l’importance des erreurs d’échantillonnage commises lors del’établissement de modèles allométriques. Ils ont observé une forte variabilité entre lesmodèles allométriques en fonction du nombre d’individus nécessaires pour répondre à unniveau de précision donné. La fourchette allait de 17 à 95 individus pour obtenir desestimations de biomasse avec un écart-type de 5 % autour de la moyenne pour l’algorithme


de sélection des diamètres de fûts qui donnait le meilleur résultat, et de 25 à 166 individuspour l’algorithme le moins efficace. Cette variabilité s’explique par les facteurs suivants:a) l’incertitude de la relation entre diamètre et biomasse dans l’ensemble des modèlesallométriques; et b) les différences entre la répartition dans les catégories de diamètres desindividus employés pour établir un modèle allométrique et la répartition dans les catégoriesde diamètres de la population à laquelle le modèle est appliqué. Dans le cas des forêts pan-tropicales, Chave et al. (2004) ont constaté une chute exponentielle du coefficient devariation à mesure que la taille de l’échantillon augmente, le coefficient de variationaugmentant de plus de 10 pour cent lorsque 20 arbres au plus sont sélectionnés pourconstituer l’échantillon.

G1.3 Correction pour tenir compte de la teneur en humidité

La biomasse aérienne ou souterraine totale est évaluée pour des arbres frais sur pied. Onemploie des sous-échantillons pour déterminer l’équivalent en poids sec. Ces sous-échantillons doivent être représentatifs pour permettre de réduire les erreurs d’estimation dupoids sec. Dans l’idéal, ce sous-échantillonnage devrait distinguer les différentes parties del’arbre (feuillage, écorce, rameaux, grosses branches et fût, etc.) Les arbres choisis doiventêtre au moins divisés entre la cime (ensemble des feuilles et des rameaux de moins de 5 mmde diamètre environ) et le tronc (fût et branches). On mesure le poids frais de ces deuxéléments sur le terrain, puis des sous-échantillons de chaque élément (au moins troisd’environ 2 à 3 kg) sont prélevés, pesés et ramenés au laboratoire où ils sont séchés (à 70°)jusqu’à ce que le poids sec se stabilise. Pour les échantillons de tronc, le séchage peut durerplusieurs semaines. En se fondant sur la teneur moyenne en humidité des sous-échantillonsde chaque élément, on peut déterminer une moyenne pondérée de la teneur en humidité del’ensemble de l’arbre à partir de la contribution relative de chaque élément au poids fraistotal. Pour les arbustes dont le fût ne constitue pas un élément clairement distinct, il n’est pasnécessaire de distinguer l’élément du tronc.

De récents travaux (Ximenes et al. 2006; Paul et al. 2013) menés sur les forêts tempéréesont montré que la teneur en humidité varie davantage entre différents sites qu’entredifférentes espèces d’un même site. Il est démontré que sur un site donné, les teneurs enhumidité varient entre les différents ports (si l’on compare par exemple les arbres et lesarbustes), mais que pour un port donné sur un site donné, cette variabilité est tout aussiimportante au sein d’une espèce comme entre les espèces (Paul et al. 2013). Il semble doncinutile de déterminer la teneur en humidité propre à une espèce. Il est préférable de déduirecette teneur pour des genres et des ports importants au sein d’un même site. Peu dedonnées sont disponibles sur les forêts tropicales; il serait donc utile de poursuivre les essaisà cet égard.

G1.4 Choix de la forme d’un modèle allométrique

Un modèle allométrique fondé sur la loi de puissance ordinaire est une simple fonction depuissance. L’équivalent linéaire de ces fonctions de puissance est le suivant:ln(y) = a + b × ln(x), où y est la variable dépendante (biomasse, en kg de matière sèched’arbre-1), x est la variable indépendante (diamètre du fût, en cm) a est le coefficientd’interception et b l’exposant d’échelle. Les paramètres a et b sont évalués par unerégression des moindres carrés.


178

Outre qu’elle linéarise la relation, la transformation logarithmique permet aussi de corrigerl’hétéroscédasticité. Les régressions de ce type permettent d’établir des estimations nonbiaisées de la log-biomasse. Néanmoins, toute transformation directe pour revenir à l’échelleoriginale introduira un biais dans les estimations de la biomasse. Il existe un certain nombred’autres méthodes pour calculer une correction de biais. L’une des plus courantes consiste àmultiplier les estimations par un facteur de correction fondé sur le rapport de la moyennearithmétique de l’échantillon à la moyenne des valeurs prédites après la retransformationpost-régression, comme le décrit Snowdon (1991).

Certains éléments semblent prouver que les modèles fondés sur une loi de puissancedonnent des résultats médiocres pour les très grands arbres, car la biomasse est souventsurestimée quand le diamètre à hauteur d’homme est supérieur à 50 cm (Niklas, 1995,Chambers et al., 2001; Chave et al., 2005; Fatemi et al., 2011). En effet, à mesure que cesarbres vieillissent, ils subissent davantage de dommages, de décomposition et desénescence. Dans ces cas, il convient d’examiner des modèles non linéaires ou àcombinaison pondérée pour remplacer les modèles allométriques courants fondés sur une loide puissance, en intégrant des variables explicatives supplémentaires telles que la hauteurde l’arbre (Brown et al., 1989; Parresol, 1999; Bi et al., 2004; Ketterings et al., 2001).

G1.4.1 Performance des modèles allométriques

Pour évaluer l’efficacité des modèles allométriques, on emploie des outils statistiquesinspirés de ceux qui sont recommandés dans une étude de Parresol (1999). Le plusimportant de ces outils est l’indice de correspondance («Fit»), également connu sous le nomd’efficacité du modèle (EF, Soares et al., 1995). Les outils de prédiction de la biomasse dontl’efficacité est supérieure à 0,7 sont considérés comme raisonnables, mais dans l’idéall’efficacité devrait être supérieure à 0,9.

Le modèle EF est lié au rapport de la somme des carrés des totaux à la somme des carrésdes résidus:

où Oi sont les valeurs observées, Pi sont les valeurs prédites, et Ō est la moyenne desdonnées observées. Une valeur positive indique que les valeurs simulées décrivent mieux latendance des données mesurées que la moyenne des observations, la valeur 1 indiquantune correspondance totale. Une valeur négative indique que les valeurs simulées décriventmoins bien la tendance des données mesurées qu’une moyenne des observations. Lecoefficient de variation (CV) peut aussi être calculé pour chaque correspondance du modèle:

où

,

N est le nombre d’observations et p le nombre de paramètres employés dans le modèle.


G1.4.2 Modèles allométriques généralisés (génériques)

Pour les forêts naturelles qui peuvent être composées de nombreuses espèces différentes, ilest peu pratique d’établir des modèles allométriques pour chaque espèce sur chaque sited’observation. On peut déduire des modèles allométriques génériques en se fondant sur desdonnées de la biomasse d’une espèce ou d’un port particuliers, cette biomasse étantcalculée sur un certain nombre de sites différents dans une région ou un domainespécifiques.

Domaine pertinent pour des modèles allométriques génériques

Des études récemment menées sur des terres boisées (Williams et al., 2005), des forêtsd’eucalyptus (Montague et al., 2005) et des plantations d’espèces diverses (Paul et al., 2013)ont montré que si les différences entre les sites et les espèces sont importantes, l’ampleurdes variations indiquées pour ces facteurs sites-espèces est faible. Cette conclusion plaideen faveur de l’emploi de modèles allométriques généralisés, dont l’exactitude est légèrementplus faible mais dont la certitude est considérablement meilleure. Plusieurs auteurs ontproposé d’appliquer à grande échelle ces modèles allométriques généralisés à toute unegamme d’espèces d’arbres ou d’arbustes (voir par exemple Pastor et al., 1984 (nord-est desÉtats-Unis); Zianis et Mencuccini 2003 (nord de la Grèce); Jenkins et al., 2003 (États-Unis);Williams et al., 2005 (nord de l’Australie); Montagu et al., 2005 (est de l’Australie);Muukkonen 2007 (Europe); Dietze et al., 2008 (sud-est des États-Unis); Xiang et al., 2011(Chine); Vieilledent et al., 2012 (Madagascar); Kuyah et al., 2012a (Kenya)).

Les modèles allométriques génériques ne devraient pas être appliqués hors de leur domainepertinent, car toute variation notable de facteurs tels que la topographie, l’hydrologie et ladisponibilité d’éléments nutritifs dans le sol peut entraîner des biais systématiques (Clark andClark 2000; Clark 2005). C’est pourquoi il convient d’employer avec prudence des modèlesallométriques généralisés qui présupposent l’usage de jeux de données pan-continentauxplus grands (Cannell 1984; Brown et al., 1989; Brown, 1997; Chave et al., 2005; Zapata-Cuartas et al., 2012). La vérification de ces modèles pan-continentaux à une échelle plus finea souvent échoué (voir par exemple Basuki et al., 2009; Vieilledent et al., 2012). Madgwicket al., (1991) ont observé que pour le genre des eucalyptus, les modèles allométriquesétablis dans un pays ne sont pas toujours précis dans d’autres pays.

Catégorisation (espèce-port) de modèles allométriques génériques

Il existe des preuves irréfutables du fait que l’allométrie de la biomasse aérienne desarbustes diffère considérablement de celle des arbres (Keith et al., 2000; Bi, et al., 2004;Paul et al., 2013). En revanche, les différences d’allométrie sont moins importantes au seinde ces catégories de port. Néanmoins, dans l’idéal, si les ressources nécessaires sontdisponibles, il convient d’établir des modèles allométriques génériques pour chaque espèce(Paul et al., 2013).

Outre l’espèce et le port, le climat est aussi un facteur important ayant une incidence sur lesmodèles allométriques établis pour évaluer la biomasse aérienne. Les précipitationsannuelles moyennes peuvent aussi avoir leur importance (Brown et al., 1989; Sternberg etShoshany, 2001; Drake et al., 2003; Chave et al., 2005; De Walt et Chave, 2004).


180

Pour établir des modèles allométriques concernant la biomasse souterraine, il estgénéralement nécessaire de déterminer des relations génériques plutôt que des relationspropres à un site et une espèce donnés, compte tenu du fait que peu de données sontdisponibles sur la biomasse des racines (Barton et Montagu, 2006; Ouimet et al., 2008;Peichl et Arain, 2007; Xiang et al., 2011; Paul et al., 2013).

G1.4.3 Essais de modèles allométriques

Les modèles allométriques devraient toujours être testés en comparant leurs résultats avecdes mesures directes de la biomasse aérienne et souterraine dans l’ensemble du domaineconcerné. Citons à titre d’exemple les forêts de feuillus au nord du New Hampshire, auxÉtats-Unis (Arthur et al., 2001), la diversité d’espèces du désert de Sonoran (Búquez etMartínex-Yrízar, 2011), et les plantations mixtes effectuées dans toute l’Australie (Paul et al.,2013).

Pour mesurer directement la biomasse aérienne, il convient de couper et de peser soit unéchantillon d’arbres individuels représentant l’ensemble des tailles qui sont observées dansla forêt et auxquelles le modèle allométrique doit être appliqué, soit des placettes entièresd’environ 20 m x 20 m (mais probablement plus grandes dans les forêts tropicales humides).À l’intérieur de ces placettes, on choisit des sous-placettes dont on va extraire les racines.Dans les forêts dont le stock est trop faible (moins de 500 fûts à l’hectare) pour quel’extraction de racines soit efficace sur des placettes entières, on extrait les racines autourd’arbres ou d’arbustes individuels, les limites de l’excavation dépendant de la taille de l’arbreet de sa distance aux arbres voisins (Picard et al., 2012). La profondeur de l’excavationdépend de la profondeur des racines pivotantes. De précédents travaux semblent indiquerqu’une profondeur de 2 m est suffisante (Mokany et al., 2006; Paul et al., 2013). Schenk etJackson (2002) ont conclu que dans l’ensemble, 50 % de toutes les racines se trouvent dansles 30 cm supérieurs, et 95 % de toutes les racines se trouvent dans les 2 m supérieurs duprofil du sol. La majeure partie de la masse des racines relève de la catégorie la plus épaisse(> 2 mm); les racines plus fines peuvent donc être ignorées si l’objectif est de mesurer labiomasse totale des arbres.

Bibliographie

Arthur, M.A., S.P. Hamburg, and T.G. Siccama.(2001). The accuracy of allometric estimatesof aboveground living biomass and nutrient contents of a northern hardwood forest. Can.J. For. Res. 31, 11–17.

Barton, C.V.M. and Montagu, K.D. (2006). Effect of spacing and water availability on root :shoot ratio in Eucalyptus camaldulensis. Forest Ecology and Management, 221, 52-62.

Basuki, T.M., van Laake, P.E. Skidmore, A.K. Hussin, Y.A. (2009). Allometric equations forestimating the above-ground biomass in tropical lowland Dipterocarp forests. ForestEcology and Management, 257, 1684–1694.

Bi, H., Turner, J., Lambert, M.J. (2004). Additive biomass equations for native eucalypt foresttrees of temperate Australia. Trees, 18, 467–479.

Brown, S. (1997). Estimating Biomass and Biomass Change of Tropical Forests: A Primer.FAO, Rome.

Brown, S., Gillespie, A.J.R., Lugo, A.E. (1989). Biomass estimation methods for tropicalforests with applications to forest inventory data. Forest Science, 35, 881–902.


Clark, D.B., Clark, D.A. (2000). Landscape-scale variation in forest structure and biomass ina tropical rain forest. Forest Ecology and Management, 137, 185-198.

Clark, J.S. (2005). Why environmental scientists are becoming Bayesians. Ecology Letters,8, 2–14.

Cannell, M.G.R. (1984). Woody biomass of forest stands. Forest Ecology and Management,8, 299-312.

Chambers, J.Q., Santos, J., Riberio, R.J., Higuchi, N. (2001). Tree damage, allometricrelationships, and above-ground net primary production in central Amazon forest. ForestEcology and Management, 152, 73-84.

Chave, Jerome, Richard Condit, Salomon Aguilar, Andres Hernandez, Suzanne Lao andRolando Perez. (2004). Error propogation and scaling for tropical forest biomassestimates. Phil. Trans. R. Soc. Lond. B 359, 409–420.

Chave, J., Andalo, C., Brown, S., Cairns, M.A., Chambers, J.Q., Eamus, D., Fölster, H.,Fromard, F., Higuchi, N., Kira, T., Lescure, J.-P., Nelson, B.W., Ogawa, H., Puig, H.,Riéra, B., Yamakura, T. (2005). Tree allometry and improved estimation of carbon stocksand balance in tropical forests. Oecologia, 145, 78–99.

De Walt, S.J., Chave, J. (2004). Structure and biomass of four lowland neotropical forests.Biotropica, 36, 7–19.

Dietze, M.C., Wolosin, M.S., Clark, J.S. (2008). Capturing diversity and interspecificvariability in allometries: A hierarchical approach. Forest Ecology and Management, 256,1939–1948.

Drake, J.B., Knox, R.G., Dubayah, R.O., Clark, D.B., Condit, R., Blair, B,m Hofton, M. (2003)Above-ground biomass estimation in closed canopy Neotropical forest using LiDARremote sensing: factors affecting the generality of relationships. Global Ecology andBiogeography, 12, 147-159.

Fatemi, F.R., Yanai, R.D., Hamburg, S.P., Vadeboncoeur, H.A., Arthur, M.A., Briggs, R.D.,Levine, C.R. (2011). Allometric equations for young northern hardwoods: the importanceof age-specific equations for estimating aboveground biomass. Canadian Journal ofForest Research, 41, 881–891.

Feldpausch, T. R., L. Banin, et al. (2011). "Height-diameter allometry of tropical forest trees."Biogeosciences 8(5): 1081-1106.

Feldpausch, T. R., J. Lloyd, et al. (2012). "Tree height integrated into pantropical forestbiomass estimates." Biogeosciences 9(8): 3381-3403.

Enquist, B., Niklas, K. (2001). Invariant scaling relations across tree-dominated communities.Nature, 410, 655–660.

Jenkins, J.C., Chojnacky, D.C., Heath, L.S., Birdsey, R.A. (2003). National-Scale BiomassEstimators for United States Tree Species. Forest Science, 49, 12-35.


182

Keith, H., Barrett, D., Keenan, R. (2000). Review of allometric relationships for estimatingwoody biomass for NSW, ACT, Victoria, Tasmania and SA. National Carbon AccountingSystem Technical Report No. 5b, Australian Greenhouse Office, Canberra, p. 111.

Ketterings, Q., Coe, R., van Noordwijk, M., Ambagau, Y., Palm, C.A. (2001). Reducinguncertainty in the use of allometric biomass equations for predicting above-ground treebiomass in mixed secondary forests. Forest Ecology and Management, 146, 119-209.

Kuyah, S., Dietz, J., Muthuri, C., Jamnadass, R., Mwangi, P., Coe, R., Neufeldt, H. (2012a).Allometric equations for estimating biomass in agricultural landscapes: I. Abovegroundbiomass . Agriculture, Ecosystems and Environment, 158, 216– 224

Mokany, K., Raison, R.J., Prokushkin, A.S. (2006). Critical analysis of root:shoot ratios interrestrial biomes. Global Change Biology, 12, 84–96.

Montagu, K.D., Dűttmer K., Barton, C.V.M., Cowie, A.L. (2005). Developing general allometric relationship for regional estimates of carbon sequestration—an example usingEucalyptus pilularis from seven contrasting sites. Forest Ecology and Management, 204,113–127.

Muukkonen, P. (2007). Generalized allometric volume and biomass equations for some treespecies in Europe. European Journal of Forest Research, 126, 157–166

Nikilas, K.J. (1995). Size-dependent allometry of tree height, diameter and trunk-taper.Annals of Botany, 75, 217–227.

Ouimet, R., Camiré, C., Brazeau, M., Moore, J.D. (2008). Estimation of coarse root biomassand nutrient content for sugar maple, jack pine, and black spruce using stem diameter atbreast height. Canadian Journal of Forest Research, 38, 92–100.

Picard N., Saint-André L., Henry M. 2012. Manual for building tree volume and biomassallometric equations: from field measurement to prediction. Food and AgriculturalOrganization of the United Nations, Rome, and Centre de Coopération Internationale enRecherche Agronomique pour le Développement, Montpellier, 215 pp.

Parresol, B.R. (1999). Assessing tree and stand biomass: A review with examples and criticalcomparisons. Forest Science, 45, 573-593

Pastor, J., Aber, J.D. and Melillo, J.M. (1984). Biomass prediction using generalizedallometric regressions for some northeast tree species, Forest Ecology and Management,7, 265-274.

Paul, K.I., Roxburgh, S.R. et.al. (2013).Testing allometric equations for prediction of above-ground biomass of mallee eucalypts in southern Australia. Forest Ecology andManagement (in press)

Paul, K., Roxburgh, S., Raison, J., Lamour, J., England, J. and 36 others (2013). Improvedestimation of biomass accumulation by environmental plantings and mallee plantingsusing FullCAM. Final report to the Department of Climate Change and Energy Efficiency,CSIRO, Australia.

Peichl M., Arain M.A. (2007). Allometry and partitioning of above- and below ground treebiomass in an age-sequence of white pine forests. Forest Ecology and Management, 253,68–80.


Roxburgh, S.H, Paul, K.I, Clifford, D, England, J.R. and R.J. Raison (in review). Guidelinesfor constructing allometric models for prediction of biomass and carbon sequestration bywoody vegetation. J. Applied Ecology

Schenk, HJ, RB Jackson. (2002). Rooting depths, lateral root spreads, andbelowground/aboveground allometries of plants in water limited ecosystems. Journal ofEcology 90:480-494, dx.doi.org/10.1046/j.1365-2745.2002.00682.x.

Soares P., Tome M., Skovsgaard J.P., Vanclay, J.K. (1995). Evaluating a growth model forforest management using continuous forest inventory data. Forest Ecology andManagement, 71, 251-265.

Snowdon, P. (1991). A ratio estimator for bias correction in logarithmic regressions.Canadian Journal of Forest Research, 21, 720–724.

Sternberg, M., Shoshany, M. (2001) Influence of slope aspect on Mediterranean woodyformations: a comparison of a semiarid and an arid site in Israel. Ecological Research, 16,335-345

Vieilledent, G., Vaudry, R., Andriamanohisoa, S.F., Rakotonarivo, O.S., Randrianasolo, H.Z.,Razafindrabe, H.N., Rakotoarivony, C.B., Ebeling, J., Rasamoelina, M. (2012). Universalapproach to estimate biomass and carbon stock in tropical forests using generic allometricmodels. Ecological Applications, 22, 572–583.

West, G.B., Brown, J.H., Enquist, B.J. (1999). A general model for the structure and allometryof plant vascular systems. Letters to Nature, 400, 664-667.

Williams, R.J., Zerihum, A., Montagu, K.D., Hoffman, M., Hutley, L.B., Chen, X. (2005).Allometry for estimating aboveground tree biomass in tropical and subtropical eucalyptwoodlands: towards general predictive equations. Australian Journal of Botany,53, 607–619.

Xiang, W., Liu, S., Deng, X., Shen, A., Lei, X., Tian, D., Zhao, M., Peng, C. (2011) Generalallometric equations and biomass allocation of Pinus massoniana trees on a regionalscale in southern China. Ecological Research, 26, 697-711.

Ximenes, F, Gardner, WD & Kathuria, A. (2008). Proportion of above-ground biomass incommercial logs and residues following the harvest of five commercial forest species inAustralia. Forest Ecology and Management, 256, 335-346.

Zapata-Cuartas, M., Sierra, C.A., Alleman, L. (2012). Probability distribution of allometriccoefficients and Bayesian estimation of aboveground tree biomass. Forest Ecology andManagement, 277, 173–179

Zianis, D., Mencuccini, M. (2004). On simplifying allometric analyses of forest biomass.Forest Ecology and Management, 187, 311–332.


184

Annexe H Considérations financières

H1.1 Introduction

Il existe plusieurs manières d’obtenir une aide, aussi bien en nature que financière, pourfavoriser les travaux de préparation au Partenariat REDD+. La présente annexe traite dedifférents coûts techniques et administratifs liés à la mise en place d’un système national desurveillance des forêts et à l’établissement de rapports dans le cadre de ce système. Elle citeen outre des études sur les coûts de mise en place de systèmes nationaux de surveillancedes forêts au Népal et en Australie, et elle aborde brièvement certains scénarios d’aide à lapréparation au Partenariat REDD+.

H.1.1.1 Éléments de coûts

La mise en place et l’exploitation d’un système national de surveillance des forêts ainsi quel’exploitation de ses résultats pour répondre aux conditions d’obtention de mesuresfinancières d’encouragement à la préparation au Partenariat REDD+ entraînent des coûtstrès divers. Ces coûts sont généralement classés en coûts de mise en place (oud’établissement) et en coûts d’exploitation (ou opérationnels, ou récurrents). La situationpropre à chaque pays a beaucoup d’importance; ainsi, un pays qui a établi un inventaireforestier national pendant de nombreuses années a des besoins en termes de donnéessatellitaires très différents d’un pays ne disposant pas d’un tel inventaire. Pour cette raison etpour bien d’autres encore, les coûts diffèrent considérablement en fonction de la situation dupays.

On trouvera ci-après quelques éléments du coût de préparation au Partenariat REDD+:

a) Investissements en capital initial

Les coûts liés à l’infrastructure nationale requise pour se préparer au Partenariat REDD+peuvent être difficiles à quantifier, notamment si certains programmes d’aide exigent unepreuve de l’engagement du pays, comme par exemple l’instauration d’une nouvellelégislation. Selon le Fonds de partenariat pour le carbone forestier de la Banque mondiale(FPCF), les coûts des activités de préparation sont estimés en moyenne à plus de 10 millionsde dollars É.-U. par pays (tableau H1.1).

Les éléments socio-économiques et politiques prévus dans le programme de préparation auPartenariat REDD+ instauré par le FPCF représentent environ deux tiers de coûts de miseen place, tandis que l’établissement d’un niveau de référence, d’un système de surveillanceet de la gestion du programme en représentent environ un tiers.


Tableau H1.1. Estimation des coûts des activités de préparation122

Élément des activités depréparation

Coûts de préparation(en milliers de dollars É.-U.)

Part du budget (%)

Afrique Asie Amériques Moyenne Maximum

Organisation et consultations 2286 1762 2380 21 45Stratégie REDD + 3889 3324 2715 32 60Niveau de référence 1319 1574 1306 13 34Système de surveillance 2572 5833 2811 32 77Gestion du programme 453 126 31 2 17

Budget total moyen de lapréparation à la REDD+ 10518 12619 9244 - -

Les coûts associés aux aspects plus techniques de la mise en place du programme peuventnotamment être les suivants:

Bâtiments/salles/laboratoires pour héberger les travaux techniques (il est possibled’employer des locaux existants): coût estimé jusqu’à 1 million de dollars É.-U.;

Matériel/postes de travail et logiciel de télédétection ou système d’informationgéographique (soit environ 5 à 15 postes de travail selon l’emplacementgéographique, logiciel de télédétection de type Idrisi/ENVI/ESRI, système ArcGISEnterprise): coût estimé jusqu’à 200 000 dollars É.-U.;

Matériel de mesure au sol, y compris des véhicules, un système GPS, des capteursspectraux et des enregistreurs de données: le coût estimé pourrait rapidementatteindre 500 000 dollars É.-U.

Comme indiqué ci-après à propos des études de cas nationales, la nature récurrente durecueil d’informations nécessaire à la rédaction de rapports peut inciter un pays à sous-traiterla majeure partie de ces travaux courants à des entreprises ou organisations techniquesplutôt que de disposer de son propre personnel spécialisé.

b) Données télédétectées (données publiques de bonne qualité, LIDAR aérien,imagerie satellite commercialisée)

L’acquisition de données télédétectées engage des coûts de mise en place et des coûtsrécurrents. Beaucoup de données satellitaires utiles sont disponibles gratuitement par lebiais du Groupe de coordination des données spatiales du Comité sur les satellitesd'observation de la Terre (CSOT) (voir l’annexe B). Ces données peuvent êtrecommuniquées sur demande, ou dans certains cas peuvent être directement téléchargéesdepuis l’Internet.

122Ce tableau est repris de l’exposé (en anglais) présenté par A. Lotsch à la réunion des auteurs des présentesMéthodes et orientations et du Groupe consultatif de la GFOI à Sydney, en Australie, le 7 février 2013.


186

D’autres données peuvent être commandées ou achetées à des prix qui peuvent varierconsidérablement en fonction de nombreux facteurs; ainsi un fournisseur de données à titrecommercial peut être disposé à offrir des réductions croissantes à mesure que le volume dedonnées achetées augmente. Selon l’expérience du Fonds de partenariat pour le carboneforestier de la Banque mondiale (FPCF), l’achat de données télédétectées en vue dedéterminer un niveau de référence dans un pays représente en moyenne 10 % environ ducoût total de la préparation au Partenariat REDD+.

Que les données télédétectées employées par un pays soient privées ou à la disposition dupublic, ou qu’elles soient constituées d’un mélange de données commerciales et publiques,le pays aura probablement besoin d’un volume important de données dans la phase delancement du projet, car il doit établir un niveau de référence et déterminer les combinaisonsde données qui répondent le mieux à ses besoins. Au cours des années suivantes, lesbesoins annuels en données devraient se stabiliser dans une structure récurrente.

c) Données relevées au sol

L’acquisition de ce type de données engage à la fois des coûts de mise en place et descoûts récurrents. Si un pays dispose déjà d’un inventaire forestier national, le besoin eninvestissements supplémentaires va dépendre de la capacité de cet inventaire à répondreaux besoins du système de mesure, de notification et de vérification (MRV) du PartenariatREDD+. En général, pour créer un jeu de données permettant de déterminer un niveau deréférence national, il faut disposer d’une combinaison de données satellitaires à hauterésolution et de données relevées au sol pour valider les extrapolations effectuées à partir dedonnées satellitaires à résolution moyenne. Suivant le niveau de qualité des informationsdisponibles, un nombre considérable de nouvelles observations au sol peut s’avérernécessaire. Les coûts correspondants sont pris en compte dans les coûts afférents au niveaude référence du FPCF indiqués plus haut.

d) Coûts récurrents

Les coûts récurrents sont essentiellement ceux qui sont engagés par tout programmeopérationnel. Il est généralement nécessaire de disposer du personnel suivant:

Le personnel administratif;

Le personnel sur le terrain chargé de recueillir des données au sol;

Des spécialistes de systèmes d’information géographique ou d’informationsobtenues par télédétection (ainsi que de l’intégration de données télédétectéesavec des observations effectuées au sol).

Ce personnel ou celui des sous-traitants ne devra pas nécessairement se focaliser enpermanence sur des activités liées au Partenariat REDD+.

Par ailleurs il convient probablement de prévoir des coûts liés à la location, l’entretien etl’assurance des bâtiments.

Les coûts afférents à la mise en place d’un système de mesure, de notification et devérification (MRV) varient dans le temps. Les coûts d’établissement sont plus importants audébut et varient considérablement en fonction de la démarche adoptée et de la quantitéd’infrastructures et de données déjà disponibles. Quant aux coûts récurrents, ils sontimportants car il est nécessaire d’effectuer des estimations régulièrement pour déterminerl’incidence des activités REDD+ sur la variation des émissions de gaz à effet de serre. Ils


doivent donc être pris en compte dès la phase de conception initiale du système, et peuventêtre réduits par une combinaison judicieuse de données télédétectées et d’observations ausol. Il est indispensable de prendre en compte les coûts et les avantages sur le long termepour éviter des conceptions moins onéreuses à court terme, mais qui s’avèrent pluscoûteuses, voire non viables sur le long terme.

H1.2 Études de cas nationales

Étant donné que la situation de chaque pays participant est très différente de celle desautres pays, il est utile d’examiner certaines études de cas particulières. Nous présenteronsci-après deux études de cas nationales.

La première concerne les expériences récemment menées par le Népal pour évaluer sabiomasse aérienne en se fondant sur des données LIDAR aériennes, des donnéestélédétectées commercialisées (RapidEye) et des techniques ordinaires de mesure au sol.Cette étude de cas a été menée au départ par le Département des ressources et desenquêtes forestières (DFRS) du Népal pour établir une analyse des coûts et des avantagesque présentent certaines démarches méthodologiques destinées à aider le Népal à choisirune méthode pour établir des rapports de manière régulière dans le cadre du PartenariatREDD+.

La seconde est un résumé des coûts liés au système d’inventaire national de l’Australie(auparavant appelé système national de comptabilisation du carbone). Étant donné que lesystème d’inventaire national fait un usage abondant de données satellitaires télédétectées,qui pourraient être fournies par le biais du Groupe de coordination des données spatiales dela GFOI, et que ce système obtient régulièrement de bons résultats aux examens rigoureuxde la Convention-cadre des Nations Unies sur les changements climatiques, il constitue unbon exemple pour les pays qui envisagent de se servir de ressources télédétectées fourniespar la GFOI.

Étude de cas du Népal: rentabilité et exactitude des inventaires forestiers fondés surdes données LIDAR et des données relevées au sol

Il est important d’analyser les coûts de surveillance des forêts et l’exactitude des évaluationsde la variation des stocks de carbone forestier dans le cadre du Partenariat REDD+, car lespropriétaires ou les gérants de forêts considèrent le système de mesure, de notification et devérification (MRV) comme un investissement permettant de dégager des bénéficesfinanciers. Le montant de l’investissement et l’exactitude des évaluations de la variation desstocks de carbone forestiers qui en résulte constituent les deux principaux critères. Pourchoisir les méthodes les plus rentables et les plus exactes, il convient de faire un travaild’optimisation qui nécessite une étude comparative des différentes manières de surveiller lesforêts.

Le Département des ressources et des enquêtes forestières (DFRS) du Népal a mis enœuvre deux méthodes différentes de surveillance des forêts dans le cadre d’un projetd’évaluation des ressources forestières népalaises financé par la Finlande.

Dans le cadre de la première méthode, le DFRS a appliqué un programme multisource fondésur des données LIDAR (LAMP). Ce programme intégrait 5 % d’échantillons de données


188

LIDAR, une imagerie satellite RapidEye complète et des mesures effectuées sur site sur unéchantillon de 738 placettes de 12,62 m de rayon (situées dans des zones couvertes parl’échantillon LIDAR). Il visait la partie de l’Arc de Terai (Terai Arc Landscape ou TAL) situéeau Népal, qui s’étend sur 23 300 km2, entre mars et mai 2011, et avait pour but d’évaluer labiomasse aérienne.

Dans le cadre de la seconde méthode, l’évaluation multisource des ressources forestières acommencé en 2011. Il s’agit d’une méthode de surveillance des forêts fondée sur un calculqui exploite des technologies spatiales, des données auxiliaires et un inventaire intensif surle terrain. Au total, 676 placettes circulaires concentriques ayant un rayon de 20 m, 15 m,8 m ou 4 m ont été disposées de manière systématique dans l’Arc de Terai pour pouvoirmesurer les caractéristiques des arbres, et notamment les éléments nécessaires au calcul dela biomasse aérienne. Un certain nombre de variables supplémentaires ont aussi étémesurées sur un échantillon de placettes.

Le coût d’un inventaire dépend de la variable recherchée et des dépenses administratives oufixes. Les coûts afférents à la variable dépendent d’éléments tels que la surface del’inventaire, la conception de l’inventaire ou les méthodes appliquées pour effectuer celui-ciet les documents de cartographie à employer. Les coûts administratifs ou fixes dépendentsurtout des ressources financières et techniques et de la capacité d’exploitation et de gestiondes organismes nationaux responsables de la surveillance régulière des forêts.

Pour les deux méthodes, les coûts administratifs et les coûts variables liés à l’établissementdu niveau de référence ont été calculés séparément, puis convertis en coûts unitaires à desfins de comparaison. Les coûts administratifs de l’évaluation des ressources forestières(0,26 USD/ha, soit 54 %) étaient supérieurs aux coûts variables initiaux (46 %), tandis queles coûts administratifs du programme multisource fondé sur des données LiDAR (LAMP)(0,06 USD/ha, soit 21 %) étaient sensiblement inférieurs. Les coûts variables initiaux liés àl’établissement du niveau de référence pour évaluer les ressources forestières étaient de0,22 USD/ha tandis que les coûts afférents au programme LAMP étaient de 0,28 USD/ha.

L’évaluation des ressources forestières était plus rentable que la méthode LAMP pourrecueillir les données requises pour établir le niveau de référence. Toutefois, il est nécessairede surveiller ensuite les forêts par cycles successifs pour mettre à jour les cartes forestières,la situation propre à chaque forêt et les statistiques connexes. Les coûts afférents à troiscycles successifs répartis sur une période de cinq ans ont été déduits du calcul des élémentset des dépenses nécessaires à l’établissement de la variable initiale. Le coût cumulé d’uneévaluation multisource des ressources forestières augmente considérablement à partir dupremier cycle d’inventaire pour atteindre 0,88 USD/ha, ce qui représente plus du double ducoût de la méthode LAMP au troisième cycle, qui est de 0,43 USD/ha. La méthode LAMP estdonc la plus rentable dans les activités ultérieures de surveillance des forêts, qui sontindispensables dans un système de mesure, de notification et de vérification (MRV).

L’erreur moyenne d’un estimateur ME (θ) permet d’évaluer la qualité d’un estimateur entermes de variation et d’absence de biais. On peut comparer deux modèles ou méthodesstatistiques (ou plus) appliqués au même calcul en employant les valeurs du ME (θ) pourdémontrer la fiabilité de deux jeux d’observation. Aux fins de la présente étude, une méthoded’évaluation des ressources forestières fondée sur des mesures effectuées sur des placetteset la méthode LAMP fondée sur des données LiDAR ont été comparées du point de vue del’exactitude de leur évaluation de la biomasse aérienne dans la région concernée et àdifférentes échelles spatiales.

Le calcul de l’erreur pour ces deux méthodes montre qu’il est important de prendre encompte la situation propre à chaque pays pour établir une méthode nationale. L’erreur


moyenne à l’hectare pour une évaluation des ressources forestières est de6 243,95 tonnes/ha, ce qui est beaucoup trop élevé, mais elle se réduit lentement à mesureque la surface faisant l’objet de l’évaluation augmente, et elle est ramenée à 10,6 tonnes/hapour une surface de 350 000 ha. L’erreur moyenne pour la méthode LAMP est de13,21 tonnes/ha pour 100 ha de forêt, ce qui indique une précision acceptable pour estimerun stock de biomasse dans une forêt gérée comme celles de l’Arc de Terai, où la taillemoyenne d’une forêt communautaire est de 150 ha. Les résultats montrent que la principaledifférence entre les deux méthodes tient à la résolution spatiale. La méthode LAMP est plusfiable en termes de précision sur des espaces plus réduits par rapport à un inventaire desforêts multisource classique.

Cette étude indique en conclusion que la méthode d’inventaire devrait être choisie enfonction du but de l’inventaire (par exemple un système de mesure, de notification et devérification (MRV) plutôt qu’une gestion industrielle des forêts) et des variables forestières àmesurer. Une méthode d’évaluation des ressources forestières permet de recueillir desdonnées concernant un grand nombre de variables cibles, depuis les caractéristiques desarbres jusqu’aux informations sur la biodiversité et les sols. La méthode LAMP prend encompte un nombre beaucoup plus faible de variables forestières et ne saurait remplacer uninventaire multisource. En revanche, elle permet d’établir des estimations de biomasse et destocks de carbone avec une résolution spatiale élevée. Cela étant, pour évaluer la biomasseforestière et les stocks de carbone et déterminer le niveau de référence d’un système demesure, de notification et de vérification, la méthode de l’inventaire fondé sur des donnéesLiDAR a été privilégiée car le coût de surveillance ultérieur est plus faible.

Étude de cas de l’Australie: le système d’inventaire national australien

Le gouvernement australien a établi le système national de comptabilisation du carbone(NCAS)123 en 1988 pour disposer d’un système complet de comptabilisation et de prévisiondes sources d’émission et des puits anthropiques de gaz à effet de serre liés aux activitésterrestres du pays. Ce système, désormais appelé Système d’inventaire national (NIS), estdestiné à évaluer les émissions et les absorptions de gaz à effet de serre dans un cadreassociant:

Des milliers d’images satellite mises à jour chaque année qui permettent de surveillerl’exploitation des terres et ses variations dans toute l’Australie depuis 1972;

Des cartes mensuelles d’informations climatologiques telles que les précipitations, latempérature et l’humidité;

Des cartes des types de sols et du carbone du sol;

Des bases de données contenant des informations sur des espèces végétales, sur lagestion des terres et sur les changements de gestion au fil du temps;

123http://www.climatechange.gov.au/sites/climatechange/files/files/climate-change/nger/nga-factsheet1.pdf

(en anglais)


190

Une modélisation de l’écosystème intitulée «Full Carbon Accounting Model» ouFullCAM (modèle de comptabilisation complète du carbone).

Le système de mesure, de notification et de vérification (MRV) australien s’appuie sur leSystème d’inventaire national pour décrire les émissions de gaz à effet de serre associéesau secteur terrestre dans les rapports annuels établis au titre de la Convention-cadre desNations Unies sur les changements climatiques et de la Convention de Kyoto. Il existe unedéfinition claire des coûts d’exploitation d’un système national de comptabilisation ducarbone répondant aux prescriptions rigoureuses d’établissement de rapport fixées par laConvention-cadre des Nations Unies sur les changements climatiques.

L’Australie a besoin d’environ 220 images du satellite Landsat pour couvrir entièrement seszones boisées. Bien que ces données soient disponibles gratuitement, certaines étapes deprétraitement telles que l’enregistrement et l’étalonnage, le masquage de nuages et lecontrôle qualité de chaque image Landsat entraînent des coûts. Ces images sont ensuiteconverties en une mosaïque de tuiles ramenées à une taille adéquate, puis classées demanière à constituer un jeu de données sur les forêts et les zones découvertes cohérentdans le temps. Les coûts afférents à ces opérations s’élèvent à environ 400 000 dollars É.-U.par an. Les travaux étant sous-traités, le pays n’a pas besoin de conserver à plein temps depersonnel hautement spécialisé dans la télédétection alors que les travaux sont concentréssur une période d’environ trois mois.

Le jeu de données est ensuite traité pour faire ressortir les variations par rapport auxévaluations nationales précédentes. Cette tâche s’appuie sur les partenaires du programmeet des développeurs de logiciels de l'Organisation australienne de la recherche scientifique etindustrielle du Commonwealth (CSIRO). Les relations permanentes entretenues avec cetteorganisation permettent de se procurer des données d’entrée pour toute une gamme deproduits; néanmoins, on estime que cet élément nécessite un demi-équivalent plein tempspar an.

Les données sur la couverture forestière et ses variations sont transmises au gouvernementaustralien, puis analysées pour détecter tout changement d’origine anthropique. Cette tâcheexige une profonde compréhension des prescriptions en matière d’établissement de rapportsinternationaux. Si des informations supplémentaires sont nécessaires pour confirmer lesdonnées, le gouvernement commande une évaluation sur le terrain ou achète des donnéestélédétectées à haute résolution. À ce jour, le programme a permis d’acquérir des données àhaute résolution pour valider les informations concernant des zones hautement prioritaires,ainsi que d’autres données permettant de constituer un produit visuel utile à un certainnombre de programmes connexes de gestion des terres. Obtenir l’accès à ces données estune manière très rentable d’effectuer ces tâches essentielles de contrôle qualité et devérification sur une vaste zone spatiale.

Le Système d’inventaire national australien emploie actuellement plus de 20 personnes quicollaborent aussi à de nombreux autres programmes et politiques nationales connexesconçus dans le même cadre. L’Australie a établi un système de modélisation capable deprendre en charge des évaluations de niveau 3 selon la méthode 3. Ce type d’évaluationsnécessite des programmeurs informatiques appuyés par des scientifiques et desresponsables de programmes politiques ayant été formés à la modélisation du carboneforestier, ainsi que des spécialistes techniques chargés de créer les données d’entréespatiales pour le modèle.

L’équipe minimale requise dans un organisme chargé de faire fonctionner un système demesure, de notification et de vérification (MRV) afin de produire des comptes rendus sur les


émissions de gaz à effet de serre du secteur terrestre représente environ sept équivalentsplein temps. Cependant, comme dans tout organisme, des dispositions générales en matièrede gouvernance doivent aussi être établies, notamment pour prendre en charge la gestiondes contrats et des achats.

Les coûts initiaux de mise en place entre 1998 et 2000 ont été estimés à 10,5 millions dedollars É.-U. Ces coûts recouvraient en particulier l’établissement et la documentation delignes directrices, de méthodes et de logiciels par des organismes de recherche, ainsi quel’acquisition de données à haute résolution et d’études de cas permettant de déterminer unniveau de référence.

H1.3 Aide internationale à la préparation au Partenariat REDD+

La base de données volontaire de la REDD+ établie dans le cadre du Partenariat REDD+124

contient la liste des pays donateurs et bénéficiaires et des organisations internationales quiapportent actuellement un soutien actif aux activités de la REDD+, et en particulier aux deuxinitiatives ayant attiré le plus grand nombre de pays jusqu’à présent. Ces deux initiatives sontles suivantes:

Le Programme de collaboration des Nations Unies sur la réduction desémissions liées à la déforestation et à la dégradation des forêts dans les paysen développement (ONU-REDD)

Le programme ONU-REDD+ (http://www.un-REDD.org/) a été établi en 2008 parl’Organisation pour l'alimentation et l'agriculture, le Programme des Nations Unies pour ledéveloppement et le Programme des Nations Unies pour l'environnement. Il apporteactuellement un appui aux activités de préparation au Partenariat REDD+ dans 46 payspartenaires en Afrique, en Asie-Pacifique et en Amérique latine.

Le Fonds de partenariat pour le carbone forestier de la Banque mondiale(FPCF)

Le FPCF (http://www.forestcarbonpartnership.org/) est une collaboration multinationale visantà élaborer des méthodes de validation de principe pour les pays qui se préparent auPartenariat REDD+. Il fournit une aide en nature et financière à un certain nombre de paysboisés qui se sont engagés à se préparer par étapes au Partenariat. À ce jour 36 pays ontsigné un accord avec le FPCF. Lors de la dix-neuvième réunion de la Conférence desParties, les participants ont reconnu que le Fonds vert pour le climat jouera un rôle décisifpour canaliser des ressources financières vers des pays en développement et stimuler lefinancement de projets climatologiques, et pour encourager les pays et les organisations à seréunir volontairement chaque année à l’occasion des réunions de la Convention-cadre desNations Unies sur les changements climatiques, en commençant dès le mois dedécembre 2014.

124http://reddpluspartnership.org/fr/


192