Cherchez-vous le signal de déforestation le plus rapide ? Passez aux alertes intégrées de GFW

Mar 09, 2022|
Anika Berger, Teresa Schofield, Amy Pickens, Johannes Reiche and Yaqing Gou
|7 minutes
Planet satellite imagery of primary forest removal in Kalimantan Barat, Indonesia on GFW map

Primary forest removal in Kalimantan Barat, Indonesia. Image © 2022 Planet Labs Inc. Accessed through GFW.

Category
  • Data
Topics
  • Deforestation Alerts

Global Forest Watch (GFW) s’engage à fournir aux utilisateurs les données forestières les plus précises le plus rapidement possible. Nous étendons continuellement le nombre d’alertes de déforestation en temps quasi réel disponible sur la plateforme GFW et nous sommes heureux de présenter une couche mise à jour. La couche alertes intégrées de déforestation combine la puissance analytique des alertes de déforestation GLAD, GLAD-S2 et RADD pour fournir une vue plus rapide et plus sûre des perturbations forestières que tout système individuel. Suite aux commentaires des utilisateurs, cette mise à jour simplifie les flux de travail et exploite le meilleur de chaque type d’alerte pour prendre en charge une variété d’objectifs de suivi.

Quels systèmes d’alerte sont intégrés ?

GFW propose à l’heure actuelle trois spécifiques système d’alerte à la déforestation. GLAD-L (souvent appelé « GLAD ») est le produit d’alerte le plus ancien de GFW. Il est issu du laboratoire Global Land Analysis and Discovery (GLAD) de l’Université du Maryland (UMD) et utilise des images des satellites Landsat de la NASA. L’UMD a introduit les alertes GLAD-S2 de plus haute résolution en mai 2021. Celles-ci utilisent une méthodologie similaire à celle de GLAD-L, mais proviennent des satellites Sentinel-2 de l’Agence spatiale européenne. Enfin, les alertes Radar for Detecting Deforestation (RADD), produites par l’université de Wageningen, utilisent les données radar de Sentinel-1. Ces alertes ont la capacité supplémentaire de détecter les changements forestiers à travers la couverture nuageuse qui bloque souvent la vue des autres satellites.

Couches d’alerte à la déforestation proposées sur GFW

Qu’offre la couche d’alertes intégrées ?

La couche « alertes intégrées de déforestation » combine la puissance analytique des alertes de déforestation GLAD, GLAD-S2 et RADD

Ces trois systèmes nous alertent des changements forestiers qui se produisent dans différentes parties du monde, rassemblent différents niveaux de résolution et sont mis à jour à des fréquences variables. L’option intégrée permet aux utilisateurs d’obtenir des statistiques sommaires significatives qui intègrent chacun des trois systèmes d’alerte. En utilisant une grille commune aux trois produits d’alerte, la couche intégrée comprend que plusieurs systèmes ont signalé une alerte à un endroit donné et l’affiche selon des niveaux de confiance :

Niveaux de confiance des alertes intégrées de déforestation

Cette nouvelle couche s’accompagne d’un changement important : nous rendons désormais compte de la zone touchée par les alertes, et non plus du nombre de pixels d’alerte. Étant donné que l’alerte intégrée provient de systèmes dont la résolution varie, il est nécessaire de signaler les zones plutôt que le nombre de pixels d’alerte. Toutefois, il faut savoir que les alertes sont conçues pour identifier rapidement les perturbations forestières plutôt que pour délimiter précisément les disparitions de forêts. Par conséquent, les zones présentées sur GFW peuvent sous-estimer ou surestimer la superficie réelle des pertes de forêts.

Combiner les alertes présente plusieurs avantages :

1. Les utilisateurs disposeront toujours des informations les plus récentes

En combinant les trois systèmes d’alerte en une seule couche, nous exploitons les différents calendriers des satellites pour augmenter les chances d’obtenir une vue non obstruée de la forêt et de détecter les changements plus rapidement. Les utilisateurs qui consultent les alertes intégrées au Pérou à partir de 2020 auraient été avertis de la disparition de la forêt en moyenne 11 jours plus tôt qu’en se référant à un seul système. Cette amélioration de la rapidité varie selon les régions et les saisons, car les systèmes d’alerte se complètent en apportant leurs propres atouts. Par exemple, dans les zones constamment couvertes de nuages, le système d’alerte par radar présente l’avantage de détecter la perte de forêts à travers les nuages. Cependant, dans les zones où la saison sèche est régulière, le temps de revisite plus élevé des systèmes d’alerte optiques permet de détecter les perturbations plus fréquemment, tous les 5 à 8 jours, alors que le système radar peut prendre jusqu’à 12 jours pour détecter un changement.

2. Le chevauchement de plusieurs systèmes augmente le niveau de confiance afin de hiérarchiser les alertes

Si deux systèmes d’alerte ou plus détectent un changement au même endroit, nous avons la plus grande confiance que ces alertes indiquent une perturbation réelle. Pour les systèmes individuels, il y a un délai avant qu’une première détection puisse être vérifiée par des passages supplémentaires de satellites et ainsi atteindre un « niveau de confiance élevé ». Par contre, la couche intégrée affiche les endroits où plusieurs systèmes se chevauchent, ce qui permet d’accroître le niveau de confiance plus rapidement que si l’on attendait que les systèmes individuels atteignent un niveau de confiance élevé grâce à des images satellites supplémentaires, ce qui peut prendre des semaines ou des mois. Pour les observateurs forestiers qui s’appuient sur des alertes de confiance pour répondre aux événements de déforestation, nous espérons que cette nouvelle couche facilitera l’utilisation conjointe des différents systèmes d’alerte e et pourra promouvoir un suivi plus rapide en identifiant ces alertes de confiance dès qu’un second système détecte la même perturbation.

3. Les différents types de perte du couvert arboré sont capturés dans une variété de paysages

L’option d’alertes intégrées permet de combler les lacunes que l’utilisation d’un seul système pourrait présenter. L’une des plus grandes force des alertes RADD et GLAD-S2 à plus haute résolution est leur capacité à capturer les plus petits changements dans une forêt que le système GLAD-L à 30 mètres. Cela présente des développements prometteurs pour la détection de petites brèches dans la canopée dues aux activités d’exploitation forestière, très répandues dans le bassin amazonien. Maintenant que les trois systèmes sont disponibles dans le bassin amazonien, ils peuvent être utilisés de concert pour identifier rapidement les activités illégales et avec le plus haut niveau de confiance possible. C’est donc un outil essentiel tant pour les forces de l’ordre que pour les populations autochtones et les communautés locales qui luttent contre la déforestation.

La couche intégrée d’alertes de déforestation démontre la capacité de plusieurs systèmes d’alerte à détecter de petits changements, tels que l’abattage d’arbres le long des routes forestières en Amazonie péruvienne.

Adoptez les alertes intégrées

Avec trois systèmes d’alerte au choix, nous visons à simplifier le travail des utilisateurs dans l’identification des alertes prioritaires. La couche intégrée fournit plus d’informations sur les récents changements forestiers pour les utilisateurs souhaitant être avertis de la perte de forêts avec le plus haut niveau de confiance possible. Bien que nous considérions ces systèmes comme complémentaires, les utilisateurs peuvent néanmoins choisir de sélectionner des systèmes individuels pour les notifications d’alerte et l’analyse si ceux-ci répondent à leurs besoins.

Quelle est la prochaine étape ?

Cette couche intégrée d’alertes de déforestation n’est que la première étape de la combinaison du potentiel de plusieurs systèmes d’alerte. Une étude plus complète est à venir. Celle-ci permettra de déterminer comment intégrer davantage les systèmes dans un ensemble de données téléchargeables, d’évaluer comment les différents systèmes varient selon les régions et de prendre en compte les pixels voisins qui détectent la même perturbation. Restez à l’écoute des futurs progrès dans le domaine du suivi des forêts.

Pour plus des détails sur la conception de la couche intégrée et sur la manière de l’utiliser, consultez le Centre d’aide.


Amy Pickens est postdoc à l’Université du Maryland et gère les systèmes d’alerte GLAD.

Johannes Reiche est professeur associé à l’université de Wageningen et gère le système d’alerte RADD.

Yaqing Gou est postdoc à l’Université de Wageningen et fait des recherches sur les différents systèmes d’alerte.
Category
  • Data
Topics
  • Deforestation Alerts

Explore More Articles

Ripe Cocoa pods from a cocoa farm in Ghana.
Feb 14, 2024|Data|10 minutes

Ending Deforestation from Cocoa in West Africa with New Data-Driven Resources

Two new data-driven resources provide a shared view of priority areas in West Africa and can help realize a a deforestation-free cocoa sector.

Aerial view of the Amazon Rainforest
Jan 18, 2024|Data|8 minutes

Comparing Forest Extent in 2020 from Global Forest Watch and the Forest Resources Assessment

This blog compares the forest extent in 2020 for data from UMD on GFW and the FAO Forest Resources Assessment and explains the differences.

Side by side comparison of UMD tree cover loss and JRC Tropical Moist Forest data
Jan 08, 2024|Data|10 minutes

Differences Between Global Forest Watch’s Tree Cover Loss Data and JRC’s Tropical Moist Forest Data Explained

We explain key differences between two data sets that track forest change in the tropics: UMD tree cover loss and JRC Tropical Moist Forest.

Explore More Articles
Ripe Cocoa pods from a cocoa farm in Ghana.
Feb 14, 2024|Data|10 minutes

Ending Deforestation from Cocoa in West Africa with New Data-Driven Resources

Aerial view of the Amazon Rainforest
Jan 18, 2024|Data|8 minutes

Comparing Forest Extent in 2020 from Global Forest Watch and the Forest Resources Assessment

Side by side comparison of UMD tree cover loss and JRC Tropical Moist Forest data
Jan 08, 2024|Data|10 minutes

Differences Between Global Forest Watch’s Tree Cover Loss Data and JRC’s Tropical Moist Forest Data Explained

fetching comments...