Description du jeu de données
La carte de la biomasse ligneuse aérienne (AGB) de l'Afrique de NCEO pour l'année 2020 à une résolution spatiale de 100 m a été développée en utilisant une combinaison de données LiDAR, de radar à ouverture synthétique (SAR) et optiques. Ce produit a été développé par le
National Centre for Earth Observation (NCEO) du Royaume-Uni dans le cadre des programmes Cycle du carbone et Aide publique au développement (APD).
Utilisation
Le jeu de données se compose de deux fichiers : i) la trame de la biomasse ligneuse aérienne, et ii) la trame de la caractérisation de l'incertitude. Tous deux ont une résolution spatiale de 100 m. La biomasse ligneuse aérienne (AGB) est exprimée en matière sèche en Mg ha
-1. Les utilisateurs doivent garder à l'esprit que la carte est un ensemble de données à l'échelle continentale, qui a été généré en combinant différents types de données avec une seule méthode pour l'ensemble de la zone d'étude. Par conséquent, la précision peut varier selon les régions et les types de végétation.
Méthodologie
Le modèle est basé sur un algorithme initialement développé par Pedro Rodrigues Veiga et implémenté dans Google Earth Engine (Gorelick et al., 2018). Une carte du Modèle de Hauteur de Canopée (CHM) pour l'Afrique a d'abord été générée en combinant des groupes de mesures de hauteur de canopée des empreintes du Global Ecosystem Dynamics Investigation (GEDI) (Dubayah et al., 2020) avec des données radar en bande L (JAXA ALOS-2 PALSAR-2) (Shimada et al., 2014) et la Couverture Arborée en Pourcentage (PTC). La version 1.0 du modèle utilisait le PTC dérivé de Landsat (Hansen et al., 2013), tandis que la version 2.0 utilisait la Fraction de Couverture Arborée de Copernicus à partir de PROBA-V (Buchhorn et al., 2020). La hauteur de la canopée a ensuite été calculée à l'aide d'un algorithme Random Forests (RF) dans un cadre de calibration/validation spatiale en k-plis. Des groupes d'empreintes GEDI ont été utilisés comme données de référence pour l'estimation du CHM en regroupant 4 empreintes consécutives le long de la trajectoire. Ensuite, un modèle empirique reliant le CHM à la biomasse aérienne (AGB), développé à partir de plusieurs produits de biomasse aérienne LiDAR, a été utilisé pour estimer la biomasse aérienne. Les données de couverture arborée ont également été utilisées pour restreindre les estimations de la biomasse aérienne aux pixels avec une couverture arborée supérieure à 0% (en écartant les déserts, les plans d'eau, etc.).
Incertitude et précision
Nous avons d'abord estimé l'ε
CHM qui est l'écart-type (SD) de notre extraction CHM basée sur la RF et calculé comme suit : ε
CHM = (ε
2mesure+ ε
2diférence_temporelle + ε
2échantillonnage + ε
2prédiction)
1/2, où εmesure est l'écart-type provenant de l'erreur de mesure de l'empreinte GEDI, ε
diférence_temporelle est l'écart-type provenant de l'utilisation d'empreintes GEDI et d'images d'OT acquises à différentes périodes, et ε
échantillonnage est l'écart-type provenant de la variabilité du CHM au sein du pixel. ε
prédiction correspond à notre modèle SD provenant du cadre spatial k-fold. ε
prediction tient également compte des erreurs qui surviennent si les sites d'échantillonnage ne sont pas vraiment représentatifs de la distribution de la CHM dans la région. L’écart-type total de notre estimation de l'AGB au niveau du pixel (𝜀
𝐴𝐺𝐵) est composé de différentes sources d'erreur, qui sont supposées être aléatoires et indépendantes. Celles-ci sont propagées à l'aide de l'équation suivante : ε
AGB = (ε
2CHM + ε
2LiDAR + ε
2modèle)
1/2, où εLiDAR est l’écart-type des cartes LiDAR AGB utilisées comme référence et comprend les mesures sur le terrain, les allométries des arbres et les erreurs du modèle. ε
modèle est l'erreur du modèle empirique AGB = f(CHM).
Le produit AGB est validé par rapport à un grand ensemble de données d'estimations in situ (c'est-à-dire des parcelles d'inventaire forestier), et à partir de données LiDAR aéroportées. La validation indépendante initiale à l'aide de mesures au sol et de données LiDAR aéroportées montre un RMSE = 48.5 Mg ha
-1 et un R
2 = 0.83.
Maintien de l'ensemble de données
Ce produit fait partie d'un ensemble de données plus vaste qui couvre les années 2007, 2008, 2009, 2010, 2015, 2016, 2017, 2018, 2019 et 2020. D'autres mises à jour sont prévues, mais elles dépendront du financement et de la disponibilité des données.
Caractéristiques techniques
Résolution spatiale: ~100m
Couverture géographique: Continentale (Afrique)
Couverture temporelle: 2007-2010; 2015-2020
Fréquence de mise à jour: Annuelle
Format: GeoTIFF
Politique des données: Creative Commons Attribution 4.0 International (CC-BY-4.0)
Guide ou manuel d’utilisation associé
Manuel du produit disponible (octobre 2021) à l’adresse ici
Le rapport de validation n'est pas encore disponible (octobre 2021), mais il le sera à l’adresse ici
Le jeu de données est disponible (octobre 2021) à l’adresse ici
Points de contact pour les questions et les requêtes
Dr Nezha Acil
Chargé de recherche
National Centre for Earth Observation
University of Leicester, Space Park Leicester,Royaume-Uni
Courrier électronique: n.acil@leicester.ac.uk
