En Côte d’Ivoire, plus de la moitié du couvert forestier (57 %) a disparu en un quart de siècle (1990-2015) avec une perte importante de biodiversité. Pour mieux comprendre les dynamiques en cours et appuyer les politiques de réduction de la déforestation, des cartographies fines et régulières des changements d’occupation et d’usage des terres sont nécessaires. Cependant, ces études sont rarement conduites sur de grands territoires ou bien elles sont parfois obsolètes à cause de la rapidité des processus anthropiques sous-jacents. L’objectif de cette étude est d’évaluer les changements d’occupation et d’usage des terres, en particulier les dynamiques de déforestation et de dégradation forestière dans trois régions du Sud-Est de la Côte d’Ivoire, entre 2016 et 2019. La méthodologie est basée sur l’utilisation d’images Sentinel-2 à 10 et 20 m de résolution spatiale sur une zone d’étude de 22 014 km2. Des données d’apprentissage ont d’abord été délimitées en suivant une description de la zone en 16 catégories d’occupation et d’usage des terres. Celles-ci ont ensuite été utilisées avec l’algorithme Random Forests pour produire des cartes d’occupation et d’usage des terres en 2016 et 2019 avec une précision globale respective de 92 % et 87 %. Enfin, ces cartes ont été croisées pour décrire les transitions forestières de la zone étudiée. Les résultats révèlent que l’extension des cultures de rente (cacao-café, hévéa et palmier à huile), des cultures et jachères non différenciées ainsi que des infrastructures (habitations et routes) a conduit à un taux de déforestation de 4,95 % par an sur la période étudiée. Cette étude fournit ainsi une compréhension détaillée et actualisée des changements d’occupation et d’usage des terres, et contribue aux réflexions sur la mise en place d’un système national de surveillance des terres.
The fight against deforestation and forest degradation is now a major challenge for the preservation of global forest ecosystems. The remote sensing forest monitoring methods that are currently deployed are not always adapted to the Ivorian context because of the high cloud cover, diversity of shaded crops, and land clearing techniques. This study proposes a drone-based approach to assess intra-annual tree losses in the Bossématié classified forest. The method used is based on a detection analysis of tree losses in forest areas from a time series of aerial images acquired by drones from November 2018 to April 2019 on five sites in the studied forest. Based on photogrammetric models and photointerpretation, tree heights and tree crown sizes were estimated. Then, tree losses were detected based on the variation of tree heights during the study period. An analysis of the distribution of tree heights in Bossématié classified forest reveals that the maximum tree height was 65.06 m in November 2018 and 64.07 m in April 2019 with an average tree height of 34.29–37.00 m in November 2018 and 34.63–36.88 m in April 2019. The average tree crown area, meanwhile, was estimated to be 152 m². With an estimation accuracy of about 97%, these tree structural data indicate a minimum loss of 107 trees corresponding to a clearing area of 2 ha across all the surveyed sites from November 2018 to April 2019. This forest monitoring approach shows a considerable local loss of biodiversity and should be involved in the implementation of preservation, rehabilitation, and deployment strategies in an operational deforestation monitoring system in Côte d’Ivoire.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.