Dans quelle mesure la précision est-elle suffisamment précise ? (Partie 1)

Étude de l’outil de suivi des données d’évolution de la couverture arborée mondiale GLAD  La Partie 2 de la série du blog est disponible ici.

En 2013, le Dr. Matt Hansen et des collaborateurs du groupe Global Land Analysis and Discovery (GLAD) de l’Université du maryland (University of Maryland), de Google, de l’Institut d’études géologiques des États-Unis (U.S. Geological Survey, USGS) et de l’Administration nationale de l’aéronautique et de l’espace (National Aeronautics and Space Administration, NASA), ont lancé la première méthode à l’échelle mondiale de suivi annuel de l’évolution de la couverture arborée en utilisant l’imagerie Landsat à résolution spatiale de 30 mètres, révolutionnant ainsi les moyens de mesures et de suivi des forêts. L’outil de suivi des données d’évolution de la couverture arborée GLAD (anciennement désigné données d’évolution de la couverture arborée Hansen) est composé de deux cartes : une présentant la perte de la couverture arborée annuelle entre 2001 et 2014, et l’autre représentant le gain de la couverture arborée cumulé sur la période 2000-2012. Global Forest Watch (GFW) tient ces données à disposition de tous gratuitement en ligne pour les visualiser et les analyser via sa carte interactive facile d’utilisation. En complément de la plateforme riche en analyses, le blog GFW vise à aider le public non expert à comprendre les données en expliquant les méthodes sous-jacentes et les résultats dans des termes accessibles. Ce blog est le premier d’une série technique en deux parties qui se concentre sur la précision de l’outil de suivi des données d’évolution de la couverture arborée mondiale GLAD. Dans cette partie, nous expliquons la manière dont les auteurs ont mesuré la précision des données, puis dans la seconde partie nous étudions ce que cela signifie pour les utilisateurs des données. Comment mesurons-nous la précision des données de télédétection ? En télédétection, la précision des données est mesurée par comparaison des changements détectés de zones échantillons d’une carte avec les véritables changements de la couverture terrestre, également désignés « données réelles », ce qui est en général déterminé en utilisant d’autres images satellites ou des visites sur le terrain. La bonne pratique consiste à évaluer les « données réelles » indépendamment, ou sans regarder la carte évaluée afin de garantir que les évaluations des chercheurs ne sont pas biaisées. La précision globale est le pourcentage de correspondance de l’échantillon de pixels entre la carte et les données réelles. Cependant, la précision globale peut être surestimée lorsque la couverture terrestre stable (dans ce cas, les terres forestières n’ayant pas évolué) est bien plus abondante que celle ayant changé (perte et gain). Toute erreur d’identification des changements dépend de la précision selon laquelle l’ordinateur identifie la couverture terrestre stable. L’étude des faux positifs (également désignés erreurs réelles) et des faux négatifs (également désignés omissions) des changements peut fournir une représentation plus utile de la précision des données. Un faux positif est un pixel de 30 mètres étiqueté comme « perte » ou « gain » sur la carte, mais qui n’a pas changé dans le monde réel. Un faux négatif est le contraire, c’est-à-dire un pixel étiqueté comme « inchangé » par les données, mais qui en réalité a perdu ou gagné de la couverture arborée. Dans quelle mesure l’outil de suivi des données d’évolution de la couverture arborée GLAD est-il précis ? Les auteurs des données ont à ce jour publié deux évaluations de précision, la première dans la publication originale de Science de Hansen et al. (2013) et la deuxième dans une étude récente de Tyukavina et al. (2015) sur la perte en carbone des forêts. Dans la première étude, les auteurs ont évalué indépendamment les changements réels de 1 500 blocs échantillons (120 mètres de chaque côté), à l’aide de l’imagerie satellitaire Landsat, MODIS (Moderate Resolution Imaging Spectroradiometer, soit Radiomètre spectral pour imagerie de résolution moyenne) et Google Earth. Les données réelles ont ensuite été comparées aux cartes de « perte » et « gain » globalement et dans les quatre principaux biomes (tropical, subtropical, tempéré et boréal). À l’échelle mondiale, la carte de « perte » compte un taux de 13 % de faux positifs et un taux de 12 % de faux négatifs. La carte de « gain » compte un taux d’erreurs significativement plus élevé, avec 24 % de faux positifs et 26 % de faux négatifs. Les erreurs en « perte » et en « gain » varient de manière significative entre les quatre principaux biomes, suggérant que la précision peut s’avérer supérieure ou inférieure selon la particularité de la localisation.

Les auteurs ont réalisé un autre test pour déterminer l’exactitude temporelle des données de « perte » (la mesure selon laquelle la carte détecte les pertes lors de l’année exacte). À l’aide des mêmes 1 500 blocs, les auteurs ont comparé l’année de « perte » sur la carte au plus important changement dans les blocs de validation. Ils ont déterminé que l’année assignée à la perte de la couverture arborée observée était exacte dans 75,2 % des cas, et exacte à plus ou moins un an à 96,7 %. Tandis que la première étude nous indique la précision aux échelles régionale et mondiale, la deuxième étude se concentre sur la précision des données dans les zones tropicales et à une haute résolution. La deuxième étude s’intéresse à la précision de 3 000 pixels individuels (30 x 30 mètres) répartis dans les zones tropicales d’Afrique subsaharienne, d’Asie du Sud et du Sud-Est et d’Amérique latine comparée aux données réelles d’imagerie Landsat et Google Earth. Les taux de faux négatifs et de faux positifs se sont avérés inférieurs à 20 % dans toutes les régions, à l’exception de l’Afrique subsaharienne qui compte 48 % de faux négatifs. Les auteurs ont le sentiment que la faible précision en Afrique est liée à la prépondérance de perturbations de petite échelle, ce qui est plus difficile à cartographier à une résolution de 30 mètres. Ils ont également indiqué que plus de 85 % des faux négatifs se produisent dans un pixel cartographié en « perte », suggérant que la plupart des pertes manquées se produisent en bordure des zones.

Qu’est-ce que tout cela signifie? Il est important de comprendre la manière dont la précision est mesurée et d’avoir conscience des erreurs contenues dans les données. Mais même si la précision n’est pas de 100 %, les données d’évolution de la couverture arborée GLAD peuvent-elles encore nous donner des renseignements utiles ? Consultez la Partie 2 de cette série du blog dans laquelle nous étudions la signification de tous ces chiffres pour les utilisateurs des données GLAD.