WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Potentiel et dynamique des stocks de carbone des savanes soudaniennes et soudano- guinéennes du Sénégal

( Télécharger le fichier original )
par Cheikh Mbow
Université Cheikh Anta Diop de Dakar - Doctorat d'état en sciences 2009
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

II.2.4. Les modèles allométriques existants

Pour estimer la biomasse ligneuse sur pied, plusieurs modèles allométriques ont été utilisés dans la zone tropicale. Récemment, Lufafa et al., (2008), ont développé des régressions pour estimer la biomasse d'une espèce buissonnante (Guiera senegalensis). Les formules utilisées par ces auteurs sont les suivantes :

· pour la biomasse sur pied à partir du diamètre moyen de la couronne - log y = 5,12 + [0,012*uDC] (y est la biomasse, uDC le diamètre moyen de la couronne du sujet)6 ;

· pour la biomasse racinaire à partir du diamètre du tronc à la base - log y = 7,52 + [0,015*uDT] (y est la biomasse, uDT le diamètre du tronc à la base du sujet).

La difficulté avec cette méthode est l'obtention de mesures précises du diamètre des couronnes de cette espèce très grégaire et largement étalée sur le sol. Le diamètre de la base des sujets est tout aussi difficile à estimer car cette espèce est le plus souvent multicaule avec de tout-petits troncs en grand nombre, souvent exploités pour leur bois ; ce qui fait que les branches résiduelles ne sont que des repousses.

Pour une extrapolation des stocks de carbone, des applications se développent de plus en plus à partir de la modélisation spatiale, mais aussi par la recherche de corrélations entre paramètres biophysiques mesurés sur le terrain et estimateurs de ces paramètres avec des données spatiales. La conversion de signatures spectrales des images Haute ou Moyenne Résolution en taux de couverture du sol et la reconversion du taux de couverture en biomasse est une possibilité testée par St-Onge et al. (2004); Brown et al. (2005); Lufafa et al. (2008). Cette approche présente des inconvénients liés aux erreurs additionnelles issues des biais des indices utilisés : erreurs de conversion en taux de couverture ou densité de la végétation, et erreurs liées aux corrélations avec la biomasse. Pour minimiser ces erreurs, il est possible de passer par une bonne caractérisation (cartographie) des types de végétation homogène, un taux d'échantillonnage représentatif lors des inventaires de ces types de végétation et l'utilisation de modèles allométriques pour convertir les données d'inventaire en biomasse.

6 Lufafa et al., (2008) passe la diamètre moyen de la couronne des individus de Guiera senegalensis, car cette espèces est buissonnantes. Mais l'estimation du diamètre de la couronne dans ce cas d'espèce présente des risques en termes de confusion entre les individus.

Les estimations de biomasse à partir des régressions statistiques proposées par Brown (1997) présentent des limites au niveau de la validation ; celle-ci étant faite sur les écosystèmes de savane de l'Amérique du Sud, ou des forêts sèches d'Inde. Toutefois, en relativisant les choses, on peut considérer que la mise en ~uvre de ces équations se fonde sur des données de base collectées dans des écosystèmes dont la répartition est fonction de la pluviométrie (tableaux 4). Ainsi pour rester dans les conditions climatiques proches de celles de zones considérées, l'application de ces équations sur le Sénégal intègre les modèles développés pour des précipitations annuelles comprises entre 300 et 1500 mm/an.

Tableau 4. Régressions allométriques proposées par Brown (1997)

Modèle allométri que

Zone climatique

Equation

Intervall e 0 en

cm

r2

ajusté

FAO 1

Forêts sèches Indes (pmm non indiquée)

Y = exp(- 1,996+2,32*ln(D))

5-40

0.89

FAO 2

Forêts sèche Mexique,

pmm> 900 mm

Y = 42.69- 12.800(D)+1.242(D2)

5-148

0.84

FAO 3

Forêts sèche Mexique,

pmm< 900 mm

Y = exp(- 2.134+2.530*ln(D))

Non
indiqué

0.97

FAO 4

Forêts sèche Mexique,

pmm< 900 mm

Y = 21.297- 6.953(D)+0.740(D2)

4-112

0.92

T= biomasse par sujet en kg, D = dbh en cm.

Aucune équation ne doit être utilisée pour estimer la biomasse si le diamètre des sujets dépasse l'intervalle indiqué. C'est ainsi que ces modèles ont été testés sur des diamètres de moins de 80 cm (l'essentiel des individus sont dans cette catégorie au niveau des savanes). Cependant on note une forte divergence sur les résultats de ces modèles allométriques quand on l'applique aux données de savanes du Sénégal. La figure 20 montre que ces modèles ne présentent pas les mêmes performances.

Figure 20. Tests des méthodes allométriques utilisés dans les écosystèmes tropicaux

 
 
 
 
 
 
 
 
 
 
 
 
 

Modèles FAO (Brown, 1997)

Code Excel

Y = exp(-1,996+2,32*ln(D))

FAO1 : =EXP((-1,996)+2,32*LN(DBH))

Y = 42.69-12.800(D)+1.242(D2)

FAO2 : =42,69-12,8*DBH+1,24*PUISSANCE(DBH;2)

Y = exp(-2.134+2.530*ln(D))

FAO3 : =EXP((-2,134)+2,53*LN(DBH))

Y = 21.297-6.953(D)+0.740(D2)

FAO4 : =21,297-6,953*DBH+0,74*PUISSANCE(DBH;2)

Les tests réalisés sur ces équations montrent une grande divergence sur la biomasse estimée à partir de 15 cm de DBH (figure 20). Ainsi l'estimation de la biomasse des gros diamètres constitue le principal problème de ces régressions. Entre le modèle FAO 1 (Y = exp(- 1,996+2,32*ln(DBH)) et le modèle FAO 3 (Y = exp(-2.134+2.530*ln(DBH)), la biomasse estimée pour les gros diamètres passe du simple au double. Ainsi, l'utilisation de ces modèles pose le problème de surestimation ou de sous estimation de la biomasse ce qui pourrait avoir un impact important sur les calculs d'additionalité des projets MDP forêt.

FAO 1 (EXP((19)+23*LN(DBH))

Cependant, il n'existe pas d'approche standard pour estimer la biomasse sur pied des zones

(P(-23)2,5(BH)) FA 0ISS

de savane basée sur des données d'inventaire du fait du manque de données consistantes. Les méthodes développées pour les forêts denses ou pour les savanes d'Amérique Latine sont difficilement transposables aux formations de savane du Sénégal qui présentent des taxons caractéristiques (multicaules, bas branchus).

En somme, on a noté que plusieurs modèles allométriques existent, mais il est rare d'en
trouver sur les écosystèmes arides et subhumides d'Afrique de l'Ouest (Brown, 1997). A

6 1 6 21 26 3 36 4 46 51 56 61 6 71 76

défaut de mieux, plusieurs recherches antérieures utilisent les modèles existants (Woomer,

DBH

2003; Woomer et al., 2004; Mbow, 2005) développés dans des écosystèmes aux climats

similaires (mais pas identiques) à ceux des savanes d'Afrique de l'Ouest. Les différences entre les sites d'études entraînent des erreurs méconnues quand on applique les modèles `exogènes'. C'est pour cette raison qu'un effort est consenti dans chaque pays pour développer des approches adaptées et opérationnelles. Cette volonté de développement de méthode est sous-tendue par les problèmes méthodologiques rencontrés lors des inventaires nationaux des gaz à effet de serre, par le manque ou la faible fiabilité des données et par la grande incertitude sur la précision des résultats (CGE, 2005). Il convient dès lors de baser l'estimation de la biomasse des écosystèmes sur des régressions allométriques natives (endogènes), se fondant sur une collecte de données par méthode d'abattage-pesage comme cela a été fait dans d'autres les écosystèmes d'Amérique ou d'Europe.

Développer des équations allométriques pour l'estimation de la biomasse est un exercice coOteux et dont la réalisation reste complexe. Dans la perspective de l'évaluation des stocks de carbone dans les formations forestières, les mesures dendrométriques classiques sont de plus en plus renforcées par des mesures de phytomasse. Dans la méthode proposée ici, il est question d'évaluer la biomasse ligneuse sur pied. L'information sur la biomasse sur pied des arbres et arbustes doit être recueillie sur les parties les plus complètes possibles des individus échantillonnés en considérant les grands et petits arbres. La base de la collecte de biomasse pour cette thèse est détaillée au point suivant.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Et il n'est rien de plus beau que l'instant qui précède le voyage, l'instant ou l'horizon de demain vient nous rendre visite et nous dire ses promesses"   Milan Kundera