Découvrez pour la première fois ce qui déclenche les alertes de déforestation sur Global Forest Watch

Les alertes de déforestation de Global Forest Watch (GFW) fournissent des informations sur la perte de couverture forestière en temps quasi réel, ce qui en fait un outil essentiel pour ceux qui luttent contre la déforestation. Les alertes existantes sur GFW ont été utilisées pour aider les communautés autochtones et locales à protéger leurs forêts, à mettre fin aux crimes environnementaux et à poursuivre leurs auteurs, ainsi qu’à protéger la faune sauvage menacée.

Cependant, par le passé, les alertes se contentaient d’informer les utilisateurs qu’un incident s’était produit, sans en identifier la cause, à l’exception de quelques cas particuliers tels que les incendies.

Désormais, de nouvelles données sur les facteurs de déforestation   sont disponibles sur GFW et montrent les causes des alertes dans les régions tropicales. Cet ensemble de données innovant utilise une méthode d’intelligence artificielle pour attribuer des facteurs aux alertes de déforestation intégrées de GFW dans les trois principales régions forestières des tropiques, permettant ainsi aux utilisateurs de voir pour la première fois en temps quasi réel ce qui cause la perte de couverture forestière dans ces régions.  Ces informations aident les utilisateurs à distinguer la perte de couverture forestière due à des causes naturelles de celle due à des causes humaines, ce qui permet aux gestionnaires forestiers de prendre des mesures plus ciblées et réduit le besoin de visites coûteuses sur le terrain. En outre, les données fournissent également des informations plus rapides pour estimer les impacts écologiques et permettent de mieux comprendre les émissions de carbone liées aux perturbations forestières.

Que révèlent les données sur les facteurs déclencheurs des alertes de déforestation?

Classifications des alertes de déforestation

Les données classent les alertes de déforestation intégrées en temps quasi réel de GFW en 11 catégories de facteurs naturels et anthropiques à une résolution de 10 mètres :

Couverture géographique 

Les données couvrent les trois principaux bassins forestiers tropicaux de l’Amazonie, du Congo et de l’Indonésie, qui représentent environ un tiers de la superficie terrestre mondial et abritent 80 % des forêts tropicales de la planète. Les forêts tropicales comptent parmi les écosystèmes forestiers les plus importants. Elles jouent un rôle essentiel pour les moyens de subsistance, le stockage du carbone, l’approvisionnement en eau, la biodiversité et bien d’autres aspects, mais elles sont menacées par la déforestation. 

Couverture temporelle et fréquence de mise à jour

Actuellement, les données sont disponibles pour les alertes détectées entre 2022 et 2024, mais l’algorithme sera bientôt adapté pour fonctionner sur une base mensuelle. Dans cette configuration entemps quasi réel, chaque nouvelle alerte est classée dans les 31jourssuivant sa détection et chaque mois, le modèle traite à nouveau les alertes des trois mois précédents sur une base continue. Les classifications ne sont affichées que si elles sont classées avec certitude par l’algorithme et les étiquettes peuvent être mises à jour si une classification plus fiable devient disponible. En conséquence, chaque alerte peut être reclassée jusqu’à trois fois, la couche affichant la classification la plus fiable. Ce processus permet d’améliorer la précision au fil du temps, à mesure que des images satellites et des informations contextuelles supplémentaires deviennent disponibles. En outre, certains facteurs (par exemple, l’exploitation forestière sélective et le développement routier) sont mieux identifiés peu après la perturbation de la canopée, tandis que d’autres (par exemple, l’exploitation minière ou l’agriculture) peuvent prendre plus de temps avant que leurs signaux caractéristiques n’apparaissent.

Comment les données ont-elles été développées ?

Les alertes de déforestation intégrées à une résolution de 10 mètres constituent la base de la classification des facteurs. Les alertes intégrées combinent la puissance des alertes de déforestation GLAD-L, GLAD-S2 et RADD pour fournir une vue plus rapide et plus fiable des perturbations forestières que n’importe quel système individuel.

Pour appliquer les classifications des facteurs à l’alerte intégrée de déforestation, nous avons utilisé un modèle d’apprentissage profond initialement développé pour le Suriname, la République du Congo et la République Démocratique du Congo. Le modèle a été entraîné à partir d’un vaste ensemble de données sur les perturbations forestières en Amazonie, au Congo et dans les forêts tropicales d’Asie du Sud-Est, en utilisant l’interprétation visuelle d’images Planet haute-résolution pour attribuer des étiquettes de classification. Le modèle utilise des images satellites Sentinel-1 et Sentinel-2 post-perturbation pour les classifications des facteurs, intégrant les atouts complémentaires des données radar et optiques des satellites. Cela signifie que le modèle peut classer rapidement les facteurs, même par temps nuageux.

Pour identifier les endroits où les incendies coïncidaient avec le défrichage de terres agricoles — une technique de gestion agricole couramment utilisée dans les régions tropicales —, nous avons utilisé les alertes incendie VIIRS et le ratio de combustion normalisée (informations qui identifient les zones brûlées) de Sentinel-2.

Afin de réduire le bruit dans les données, nous avons procédé à un lissage :

• Tout d’abord, les pixels d’alerte ne dépassant pas un niveau de confiance de 0,75 ont été attribués à des classifications incertaines et définis comme « non étiquetés ».
• Ensuite, pour chaque zone d’alerte distincte (c’est-à-dire un groupe de pixels d’alerte connectés spatialement), le facteur dominant a été sélectionné et attribué à l’ensemble de la zone, à quelques exceptions près pour les facteurs se produisant à une échelle plus fine, au niveau des pixels (développement routier et exploitation forestière sélective) et pour les zones extrêmement vastes.

La précision des classifications varie selon les régions, avec le bassin du Congo affichant les meilleurs résultats globaux. La plupart des erreurs de classification sont liées à la confusion entre l’agriculture et l’exploitation minière, qui se déroulent souvent dans la même zone et entre les inondations et les incendies de forêt dans les plaines inondables.

Pour en savoir plus sur la méthodologie et les limites, cliquez ici.

Comment ces données se comparent-elles à d’autres données indiquant les facteurs de perte ?

D’autres ensembles de données provenant de GFW et de Land & Carbon Lab fournissent des informations sur les facteurs de perturbation de la végétation, mais varient en termes de détail, de période couverte et de fréquence de mise à jour, et ont donc des applications différentes. Par exemple, les données annuelles sur les facteurs de perte de couvert forestier à 1 km disponibles sur GFW sont plus adaptées à une analyse historique sur plusieurs années, tandis que le système de classification des alertes de perturbation des terres de Land & Carbon Lab fournit des informations sur les perturbations de la végétation à l’intérieur et à l’extérieur des forêts à l’échelle mondiale.

Certains attributs rendent les ensembles de données plus adaptés à des applications spécifiques. Par exemple, une résolution plus élevée permet de mieux comprendre la co-occurrence des facteurs dans les zones locales, et les informations infra-annuelles permettent de mieux comprendre la saisonnalité des différents facteurs :

Comment ces données peuvent-elles être utilisées ? Une source vitale pour les protecteurs de la forêt

Les alertes de déforestation sont utilisées dans le monde entier par des centaines de peuples autochtones et de communautés locales, ainsi que par des gardes forestiers et des ONG, pour enquêter sur d’éventuelles perturbations imprévues ou illégales dans les forêts.

Cependant, les différentes causes de perturbations nécessitent des réponses différentes. Par exemple, dans le cas d’une conversion agricole, les utilisateurs peuvent vouloir enquêter sur la perte afin d’évaluer la légalité du déboisement. Dans le cas d’une perturbation naturelle telle qu’un glissement de terrain, aucune enquête ou un autre type d’enquête serait nécessaire. Les utilisateurs peuvent se référer aux données relatives aux causes des alertes de déforestation afin de déterminer le type de réponse approprié en fonction de la cause de la perturbation.

Bien que des visites sur le terrain ou l’utilisation d’images satellite haute résolution pour vérifier les classifications puissent encore être nécessaires dans certains cas afin de planifier des mesures appropriées ou de bien comprendre le contexte, l’ajout d’informations sur les facteurs déterminants dans la base de données GFW permet de hiérarchiser les alertes et de mener des actions plus ciblées, ce qui permet d’économiser des ressources et de concentrer les enquêtes sur les pertes les plus préoccupantes.

Les données peuvent également être utilisées pour mieux comprendre les émissions de carbone résultant des perturbations forestières. Certains types de conversion éliminent toute la végétation du terrain, tandis que d’autres laissent des arbres sur place. En outre, des informations sur la cause de la perte sont nécessaires pour estimer les émissions résultant de l’utilisation ultérieure des terres après le déboisement. Elles indiquent également si une repousse est à prévoir, ce qui est probable après des activités d’exploitation forestière, mais pas après une conversion à l’agriculture permanente, par exemple.

Quelle est la prochaine étape pour les données des facteurs déclencheurs des alertes de déforestation ?

Mises à jour mensuelles : les données de 2025 seront disponibles début 2026, après quoi des mises à jour mensuelles seront disponibles à partir de 2026.

Extension à l’ensemble des régions tropicales : nous prévoyons prochainement d’étendre les données à l’ensemble de la couverture des alertes de déforestation intégrées (actuellement de 30 degrés nord à 30 degrés sud). À l’avenir, le modèle pourrait également être appliqué aux perturbations dans les forêts tempérées et boréales. Des recherches supplémentaires pourraient également permettre de classer les perturbations d’autres types de végétation à l’aide d’une approche similaire.

Intégration avec d’autres outils GFW : nous prévoyons d’ajouter les données à Forest Watcher afin de les rendre plus accessibles aux protecteurs des forêts travaillant sur le terrain.

Restez à l’écoute pour plus d’informations, car nous continuons à améliorer les alertes de déforestation afin d’en élargir la couverture, l’accès et l’application. Consultez le Centre d’aide pour plus d’informations sur l’utilisation des données.