Comment la biomasse terrestre est-elle calculée à l'aide de la télédétection ?

Les technologies de télédétection ont profondément transformé notre façon de mesurer, de surveiller et de gérer la biomasse terrestre. Celle-ci, calculée par télédétection, n'est plus une simple curiosité de recherche confinée aux laboratoires universitaires ; elle est devenue un outil opérationnel essentiel pour les gouvernements, les agences forestières, les agronomes et les climatologues du monde entier.

Le marché de la télédétection dans l'agriculture à lui seul était évalué à $3,8 milliards en 2025 et devrait atteindre $9,6 milliards d'ici 2034 à un TCAC de 10,9%, D’après un rapport sectoriel de Dataintelo publié en 2026, une part importante de cette croissance est alimentée par la demande de données fiables sur la biomasse, essentielles à la comptabilité carbone, à l’agriculture de précision et à la surveillance environnementale.

Qu'est-ce que la biomasse terrestre ?

La biomasse terrestre (la masse sèche totale de toute matière organique dans une zone définie) est mesurée en unités métriques telles que : tonnes par hectare (t/ha) ou mégagrammes par hectare (Mg/ha), où 1 Mg équivaut à 1 tonne métrique. Cela représente le produit accumulé de la photosynthèse — le carbone que les plantes, les arbres et autres organismes ont capturé dans l'atmosphère et fixé dans la matière physique.

Il s'agit de l'un des indicateurs les plus puissants de la santé des écosystèmes, du stockage du carbone et de la productivité des cultures ; pourtant, les méthodes de mesure traditionnelles au sol sont depuis longtemps trop lentes, coûteuses et spatialement limitées pour répondre aux besoins de la gestion moderne des terres.

Biomasse aérienne (AGB) et biomasse souterraine (BGB)

Les scientifiques divisent la biomasse en deux grandes catégories. La biomasse aérienne (BA) comprend tout ce qui pousse au-dessus de la surface du sol : tiges, troncs, branches, feuilles et bois mort sur pied. La biomasse souterraine (BS) comprend les systèmes racinaires et autres matières organiques du sous-sol. Dans la plupart des écosystèmes forestiers, la BS représente environ… 20–30% de biomasse totale, et sa mesure reste bien plus difficile que l'estimation de la biomasse aérienne.

La biomasse est également classée en biomasse vivante (matière végétale en croissance active et métaboliquement active) et en biomasse morte (bois mort sur pied ou au sol, litière sèche). Ces deux types stockent du carbone et contribuent au stock total de carbone d'un paysage, mais ils réagissent différemment aux incendies, aux maladies et aux interventions de gestion.

En tant qu'indicateur environnemental, la biomasse occupe une place particulièrement importante. Des valeurs élevées de biomasse témoignent d'écosystèmes productifs et sains, dotés d'un fort potentiel de séquestration du carbone. Une diminution de la biomasse révèle la déforestation, le stress hydrique, la dégradation des sols ou la surexploitation. Pour les agriculteurs, la biomasse aérienne est directement corrélée au potentiel de rendement céréalier, ce qui en fait l'un des indicateurs les plus pertinents en agriculture de précision.

Pourquoi calculer la biomasse terrestre à l'aide de la télédétection ?

L'estimation traditionnelle de la biomasse repose sur des mesures de terrain : les chercheurs prélèvent des échantillons sur des parcelles, sèchent la matière végétale à l'étuve et la pèsent afin de déterminer la masse sèche par unité de surface. Ce procédé destructif et laborieux fonctionne à l'échelle de la parcelle, mais devient totalement impraticable lorsqu'il s'agit d'obtenir des données de biomasse pour une forêt nationale, un bassin hydrographique ou une zone agricole continentale. Principales limites des relevés de terrain

1. La couverture spatiale est fortement restreinte. Une équipe de terrain peut mesurer la biomasse de manière réaliste sur quelques dizaines de parcelles par saison. Un satellite couvre des millions d'hectares en un seul passage, rendant impossible la surveillance à l'échelle du paysage sans télédétection.

2. Les enquêtes de terrain sont coûteuses et lentes. Le déploiement de personnel formé dans des forêts reculées ou sur de vastes étendues agricoles nécessite des budgets importants, une coordination logistique et du temps – autant d’éléments qui s’adaptent mal à mesure que les zones d’étude s’agrandissent.

3. L’échantillonnage destructif endommage l’écosystème. La récolte des parcelles pour peser la biomasse détruit la végétation même étudiée, ce qui est incompatible avec les programmes de suivi à long terme qui nécessitent des mesures répétées au même endroit.

4. La fréquence temporelle est trop basse. Les équipes de terrain effectuent généralement au mieux une inspection par an d'un site. Les satellites, quant à eux, peuvent revisiter le même lieu tous les quelques jours, permettant ainsi un suivi continu des variations saisonnières de la biomasse et une intervention rapide en cas d'événements tels qu'un incendie ou une sécheresse.

La télédétection permet de surmonter simultanément toutes ces limitations. Une seule image satellite Sentinel-2 couvre 290 km² par scène à résolution spatiale de 10 mètres, fournissant des données de végétation reproductibles et exhaustives sans surcoût par hectare supplémentaire. Les applications qui dépendent de données précises sur la biomasse terrestre sont nombreuses :

• Comptabilité carbone et REDD+ : Les cadres climatiques internationaux exigent des estimations vérifiées des stocks de carbone forestier. Les cartes de biomasse issues de la télédétection offrent la couverture spatiale et la fréquence de mise à jour que les inventaires forestiers nationaux ne peuvent à eux seuls fournir.
• Suivi agricole : La biomasse des cultures à différents stades de croissance permet de prédire le rendement final, d'orienter la planification de l'irrigation et de détecter les premiers signes de stress avant qu'ils n'entraînent une perte de productivité.
• Gestion forestière : Le volume de bois, la charge combustible pour l'évaluation des risques d'incendies de forêt et l'évaluation de la biodiversité dépendent tous d'estimations fiables de la biomasse sur de vastes zones forestières.
• Gestion environnementale : La surveillance de la dégradation des terres, l'évaluation des zones humides et la détection des espèces envahissantes utilisent toutes la variation de la biomasse comme signal principal.

Comment la télédétection mesure la biomasse terrestre : les principes physiques

Tout système de télédétection – qu’il s’agisse de satellites optiques, de radars ou de lasers – recueille des informations sur la végétation en mesurant l’interaction de l’énergie électromagnétique avec la matière végétale. Comprendre cette interaction est essentiel pour comprendre pourquoi la télédétection permet d’estimer la biomasse.

Les plantes réfléchissent, absorbent et transmettent le rayonnement électromagnétique différemment selon leur composition chimique interne, leur teneur en eau, la structure de leurs feuilles et l'architecture de leur canopée. La chlorophylle (le pigment vert qui permet la photosynthèse) absorbe fortement les longueurs d'onde rouges et bleues tout en réfléchissant l'énergie verte et proche infrarouge.

Une végétation dense et saine présente donc un spectre caractéristique : une faible réflectance dans le rouge et une forte réflectance dans le proche infrarouge. Ce spectre, appelé signature spectrale, est mesurable depuis l’espace, et son intensité est corrélée à la quantité de matière végétale par unité de surface.

Des signaux spectraux aux valeurs de biomasse

Les capteurs capturent la signature spectrale et calculent des indices de végétation (des rapports mathématiques qui quantifient l'intensité du signal de la végétation dans une image donnée). Ces indices sont ensuite associés à la biomasse grâce à des modèles statistiques ou d'apprentissage automatique, calibrés à l'aide de mesures de biomasse collectées sur le terrain. On obtient ainsi une carte de biomasse spatialement continue : chaque pixel de l'image se voit attribuer une valeur de biomasse estimée.

Le processus de traitement des données suit une séquence précise. Les données satellitaires brutes, présentant des distorsions géométriques et des interférences atmosphériques, sont reçues. Le prétraitement corrige ces erreurs. Les indices de végétation sont calculés à partir des images corrigées. Des échantillons de biomasse mesurés sur le terrain servent de référence pour le calibrage du modèle. Le modèle validé est ensuite appliqué à l'ensemble de l'image afin de produire une carte de biomasse finale.

Outre la réflectance spectrale, d'autres signaux physiques fournissent des informations sur la biomasse. La hauteur de la canopée (la hauteur de la végétation) est un indicateur fiable de la biomasse aérienne. La densité végétale (nombre de tiges par hectare) détermine la quantité de lumière interceptée. La rugosité de surface (détectée par radar) reflète la complexité structurelle de la canopée. Les capteurs qui mesurent ces propriétés structurelles, et non la seule réflectance, offrent souvent une meilleure précision dans l'estimation de la biomasse.

Types de télédétection utilisés pour l'estimation de la biomasse

Aucun capteur ne permet à lui seul d'estimer la biomasse dans tous les écosystèmes et à toutes les échelles. Les scientifiques et les praticiens combinent plusieurs types de capteurs en fonction de la végétation ciblée, du budget, de la précision requise et de la couverture géographique.

Les cartes de biomasse les plus précises aujourd'hui ne sont pas construites à partir d'un seul capteur, mais grâce à la fusion intelligente de données optiques, radar et LiDAR — chacune comblant les lacunes des autres.

1. Imagerie optique satellitaire : multispectrale et hyperspectrale

Les capteurs optiques captent la lumière solaire réfléchie dans des bandes spectrales distinctes, couvrant généralement les longueurs d'onde visibles (bleu, vert, rouge) et le proche infrarouge (NIR). L'imagerie multispectrale (données issues de 4 à 10 bandes spectrales) constitue la base de la plupart des programmes opérationnels de cartographie de la biomasse à travers le monde, notamment grâce aux flux de données gratuits et continus des missions Sentinel-2 et Landsat.

L'imagerie hyperspectrale (données issues de centaines de bandes spectrales étroites et contiguës) offre une résolution spectrale bien plus fine. Elle permet de distinguer les pigments végétaux, la teneur en eau et la composition chimique des feuilles à un niveau inaccessible aux capteurs multispectraux.

Cela la rend particulièrement utile pour détecter de subtiles différences de densité de biomasse entre les prairies et les champs cultivés. La principale limite de l'imagerie hyperspectrale est la couverture nuageuse : les capteurs optiques ne peuvent pas voir à travers les nuages, ce qui entraîne d'importantes lacunes dans les données, notamment dans les régions tropicales humides où l'estimation de la biomasse est cruciale.

Les satellites couramment utilisés pour la cartographie optique de la biomasse comprennent Landsat 8/9 (résolution de 30 mètres, revisite tous les 16 jours), Sentinel-2 (résolution de 10 mètres, revisite tous les 5 jours) et PlanetScope (résolution de 3 mètres, revisite quotidienne pour les applications commerciales).

2. Radar (SAR) : Voir à travers les nuages et dans la canopée

Le radar à synthèse d'ouverture (SAR), un système qui émet des impulsions micro-ondes et mesure l'énergie réfléchie par la surface terrestre, résout entièrement le problème de la couverture nuageuse. L'énergie micro-ondes traverse les nuages et la brume sans interférence, faisant du SAR le capteur de choix pour la surveillance des forêts tropicales où une couverture nuageuse persistante rend l'imagerie optique quasiment inutilisable.

Les signaux SAR pénètrent également dans la canopée, interagissant avec les tiges et les branches ligneuses et non seulement avec la surface des feuilles. Plus la longueur d'onde du radar est grande, plus le signal pénètre profondément. Le SAR en bande L (longueur d'onde d'environ 23 cm, utilisé par ALOS-2 et PALSAR-2) pénètre dans la partie inférieure de la canopée et interagit avec la biomasse ligneuse importante, ce qui le rend particulièrement adapté à l'estimation de la biomasse aérienne des forêts tropicales.

Le SAR en bande C (longueur d'onde d'environ 5 cm, utilisé par Sentinel-1) est plus sensible à la structure de la canopée de surface et est largement utilisé pour la surveillance de la biomasse des cultures.

Des recherches publiées dans le Journal de recherche forestière (Springer Nature, 2021) ont constaté que les données SAR en bande L d'ALOS-2 et en bande C de Sentinel-1 permettaient des estimations satisfaisantes des stocks de carbone, les stocks totaux de carbone dans la zone d'étude de la forêt méditerranéenne atteignant environ 130 t/ha sur l'ensemble des zones aériennes, souterraines, du bois mort, de la litière et des flaques de sol.

3. LiDAR : la référence en matière de cartographie structurale de la biomasse

Le LiDAR (Light Detection and Ranging) émet des impulsions laser et mesure avec précision le temps qu'elles mettent à revenir de la surface cible. Cette mesure temporelle est directement convertie en nuages de points tridimensionnels (cartes denses indiquant précisément l'emplacement de chaque réflexion d'une impulsion laser) qui révèlent la hauteur et la structure de la canopée, ainsi que l'altitude du sol, avec une précision centimétrique.

La hauteur des arbres est l'un des meilleurs indicateurs de la biomasse aérienne : les arbres les plus hauts présentent une biomasse exponentiellement supérieure à celle des arbres plus petits. Les modèles de hauteur dérivés de données LiDAR, combinés à des équations allométriques mesurées sur le terrain (relations mathématiques spécifiques à chaque espèce entre la hauteur, le diamètre et la masse des arbres), produisent des estimations de biomasse systématiquement plus performantes que les méthodes optiques ou radar en milieu forestier.

La mission GEDI (Global Ecosystem Dynamics Investigation) de la NASA, qui utilise un instrument LiDAR à faisceaux multiples installé à bord de la Station spatiale internationale, est le premier système LiDAR spatial conçu spécifiquement pour l'estimation de la biomasse mondiale. GEDI collecte des données entre 51,6°N et 51,6°S de latitude, couvrant les principales zones forestières tropicales et tempérées du globe.

4. Télédétection par drone : échelle de terrain à haute résolution

Les véhicules aériens sans pilote (UAV), communément appelés drones, comblent le fossé entre les mesures satellitaires et les mesures de terrain. Un drone équipé de caméras RVB capture des images à résolution centimétrique qui permettent de distinguer les plantes individuellement.

Les capteurs multispectraux des drones calculent des indices de végétation précis à l'échelle de la parcelle. Les drones équipés de LiDAR génèrent des nuages de points denses qui permettent d'estimer la biomasse avec la précision structurelle du LiDAR aéroporté, à un coût bien moindre.

Pour les agriculteurs, la cartographie de la biomasse par drone est particulièrement pratique. Un simple survol d'un champ de blé ou de maïs en phase de croissance végétative permet d'obtenir une carte de densité de biomasse qui repère les zones limitant le rendement : des zones à faible biomasse qui peuvent nécessiter un apport d'engrais ou une irrigation supplémentaire avant que les dégâts ne deviennent irréversibles.

Indices de végétation utilisés pour estimer la biomasse

Les indices de végétation constituent le lien mathématique entre les valeurs brutes de réflectance spectrale et les informations biologiques relatives à la densité et à la santé des plantes. Chaque indice exploite une partie spécifique du spectre électromagnétique où la végétation présente un comportement particulier.

L'indice NDVI (Normalized Difference Vegetation Index) est le plus couramment utilisé. Il se calcule en divisant la différence entre la réflectance dans le proche infrarouge (NIR) et celle dans le rouge par leur somme : NDVI = (NIR – Rouge) / (NIR + Rouge). Ses valeurs varient de -1 à +1, une végétation dense et saine présentant généralement un NDVI compris entre 0,6 et 0,9.

L'indice NDVI est fortement corrélé à l'indice de surface foliaire (LAI — la surface foliaire totale unilatérale par unité de surface au sol) et donc à la capacité photosynthétique et à l'accumulation de biomasse.

• EVI (Indice de végétation amélioré) Il corrige les effets atmosphériques et les interférences du sol, ce qui le rend plus fiable que l'indice NDVI dans les forêts tropicales à forte biomasse et les zones à sol clair ou exposé.
• SAVI (Indice de végétation ajusté au sol) intègre un facteur de correction de la luminosité du sol, particulièrement important dans les environnements agricoles arides et semi-arides où le sol nu entre les rangs de cultures influence fortement le signal spectral.
• GNDVI (Indice de végétation par différence normalisée verte) elle remplace la réflectance verte par la réflectance rouge dans la formule NDVI, ce qui la rend plus sensible aux variations de concentration de chlorophylle et utile pour la surveillance de la biomasse des cultures en fin de saison, lorsque les couverts végétaux sont déjà complètement fermés.

L'indice de surface foliaire (ISF) mérite une attention particulière car il résulte à la fois de l'acquisition de données de télédétection et influence directement l'accumulation de biomasse. Les plantes présentant un ISF élevé interceptent davantage de rayonnement solaire, fixent plus de carbone et produisent plus de biomasse. Les cartes d'ISF issues de la télédétection, générées à partir des séries temporelles MODIS ou Sentinel-2, alimentent directement les modèles de croissance des cultures qui simulent la formation du rendement et la biomasse finale récoltable.

Principales sources de données pour l'estimation de la biomasse terrestre

Le choix de la source de données appropriée dépend de l'échelle de l'étude, du type de végétation, de la résolution spatiale requise et du budget disponible. Voici les principaux flux de données actuellement utilisés pour la cartographie opérationnelle et de recherche de la biomasse. Les données satellitaires gratuites et en libre accès des constellations Landsat et Sentinel ont démocratisé la cartographie de la biomasse, la rendant accessible aux chercheurs et aux organismes ne disposant pas des budgets nécessaires pour acquérir des images commerciales.

i. Landsat (NASA/USGS) : Plus de 50 ans de données continues, résolution de 30 mètres, accès libre. Les séries temporelles Landsat permettent une analyse historique de l'évolution de la biomasse depuis les années 1970, offrant un contexte inégalé pour le suivi de la déforestation et de la dégradation des sols.

ii. Sentinel-2 (ESA) : Résolution de 10 mètres dans les principales bandes spectrales, revisite tous les 5 jours, accès gratuit. Grâce à sa résolution et à sa combinaison de fréquences, Sentinel-2 est actuellement la référence pour le suivi de la biomasse des cultures et les évaluations forestières régionales.

iii. Sentinel-1 (ESA) : Radar à synthèse d'ouverture (SAR) en bande C, opérationnel par tous les temps, en accès libre. Sentinel-1 est la principale source radar pour la surveillance des zones tropicales affectées par la couverture nuageuse et l'estimation de la biomasse agricole dans les régions où les lacunes en données optiques constituent un problème persistant.

iv. MODIS (NASA) : Résolution de 250 m à 1 km, couverture mondiale quotidienne. Les séries temporelles MODIS sont idéales pour la détection des changements de biomasse à l'échelle continentale et la surveillance saisonnière, bien que leur faible résolution limite leur utilité dans les paysages fragmentés.

v. PlanetScope : Résolution de 3 mètres, revisite quotidienne, abonnement commercial. PlanetScope assure le suivi de la biomasse à l'échelle de la parcelle, facilitant ainsi les applications d'agriculture de précision où la variabilité spatiale à l'échelle de la sous-parcelle est cruciale.

vi. LiDAR GEDI de la NASA : Avec un diamètre d'empreinte de 25 mètres, une couverture mondiale des zones tropicales et tempérées et des données gratuites, GEDI est la principale source spatiale de données sur la hauteur de la canopée et la densité de biomasse aérienne à l'échelle mondiale.

vii. ICESat-2 (NASA) : LiDAR à comptage de photons avec couverture mondiale, particulièrement performant pour mesurer la hauteur de la canopée dans les forêts de haute latitude et détecter les variations de hauteur à fine échelle.

Étapes du calcul de la biomasse terrestre par télédétection

L'estimation de la biomasse terrestre à partir de données de télédétection suit un processus structuré. Chaque étape dépend de la précision de la précédente. Négliger le prétraitement ou la validation sur le terrain entraîne des erreurs en cascade dans la carte de biomasse finale.

i. Sélectionner les images appropriées : Choisissez le capteur, la résolution spatiale et la période d'observation en fonction de l'écosystème cible et de l'objectif de votre étude. Le suivi de la biomasse forestière nécessite généralement des données Sentinel-1 ou GEDI ; le suivi de la biomasse des cultures utilise couramment Sentinel-2 ou des images multispectrales de drones.

ii. Prétraitement des images : Appliquez une correction atmosphérique pour convertir les valeurs numériques brutes en valeurs de réflectance de surface. Effectuez une correction géométrique pour garantir un alignement précis de l'image avec les coordonnées réelles. Supprimez les pixels contaminés par les nuages et remplacez-les par composition temporelle si nécessaire.

iii. Calculer les indices de végétation : Calculer l'indice NDVI, EVI, SAVI, GNDVI ou tout autre indice pertinent à partir des bandes de réflectance de surface corrigées. Pour les données LiDAR, extraire les paramètres de hauteur de la canopée (hauteur maximale, hauteur au 95e percentile, hauteur moyenne) à partir du nuage de points.

iv. Collecter des échantillons de biomasse sur le terrain : Mesurer la biomasse aérienne dans des parcelles représentatives de la zone d'étude par récolte destructive ou à l'aide d'équations allométriques appliquées aux mesures du diamètre et de la hauteur des arbres. Ces valeurs de terrain constituent la référence pour le modèle.

v. Élaborer des modèles de prédiction : Effectuez une régression des mesures de biomasse de terrain en fonction des variables de télédétection associées (indices de végétation, hauteur de la canopée, valeurs de rétrodiffusion SAR). Utilisez une analyse de régression, une forêt aléatoire, une machine à vecteurs de support ou un réseau de neurones selon la complexité de la relation et la quantité de données d'apprentissage disponibles.

vi. Valider les résultats du modèle : Utilisez un jeu de données de validation indépendant (parcelles non utilisées pour l'entraînement du modèle) afin d'évaluer la précision des prédictions. Indiquez l'erreur quadratique moyenne (RMSE), le coefficient de détermination (R²) et le biais. Affinez le modèle si sa précision est insuffisante.

vii. Générer des cartes de biomasse : Appliquez le modèle validé à l'ensemble de l'image, produisant une carte de densité de biomasse spatialement continue où chaque pixel contient une valeur de biomasse prédite en Mg/ha ou t/ha.

Modèles et méthodes utilisés pour l'estimation de la biomasse

Le choix du modèle influence considérablement la précision et la généralisabilité d'un système d'estimation de la biomasse. Les modèles simples sont plus transparents et leur applicabilité à de nouveaux sites est plus fiable. Les modèles d'apprentissage automatique complexes, bien qu'utiles pour obtenir une plus grande précision à partir de vastes ensembles de données d'entraînement, peuvent être suradaptés aux conditions locales.

Les modèles de régression empiriques établissent une relation mathématique directe entre la biomasse des cultures et les variables de télédétection ; par exemple, une régression linéaire entre l’indice NDVI et le rendement en matière sèche des cultures. Ces modèles sont faciles à interpréter et rapides à calculer, mais leurs performances sont médiocres lorsque la relation spectrale-biomasse est non linéaire ou lorsque les valeurs de biomasse couvrent une très large gamme.

Les méthodes d'apprentissage automatique surmontent ces limitations en apprenant des relations complexes et non linéaires à partir des données. La forêt aléatoire (un ensemble d'arbres de décision qui effectue une moyenne des prédictions de centaines d'arbres individuels) est actuellement l'algorithme le plus utilisé pour l'estimation de la biomasse en foresterie et en agriculture.

Une étude publiée dans Frontières de la science végétale (décembre 2024) a démontré que la méthode Random Forest appliquée aux données GEDI et aux données de télédétection multi-sources produisait des estimations de biomasse forestière d'épinettes et de sapins avec un R² sensiblement supérieur aux approches de régression à capteur unique.

• Machine à vecteurs de support (SVM) : Détermine la frontière de séparation optimale entre les classes de biomasse dans un espace de caractéristiques de grande dimension. La SVM est performante avec des ensembles de données d'entraînement de petite à moyenne taille et est robuste au surapprentissage lorsqu'elle est correctement régularisée.
• Réseaux neuronaux et apprentissage profond : Les réseaux de neurones convolutifs (CNN) et les architectures hybrides CNN-LSTM traitent simultanément les motifs spatiaux et temporels des images. Une étude de 2024 publiée dans Télédétection (MDPI) Une comparaison des modèles RF, CNN et CNN-LSTM pour l'estimation de la biomasse forestière à Hangzhou, en Chine, a révélé que les modèles d'apprentissage profond captaient le contexte spatial que les méthodes de régression à point unique ne prenaient absolument pas en compte.
• Modèles hybrides : Combinez des modèles physiques de végétation (qui simulent la croissance des plantes en fonction du rayonnement et des apports en eau) avec des couches d'étalonnage statistiques ou d'apprentissage automatique. Ces approches sont de plus en plus privilégiées car elles permettent d'obtenir des estimations de biomasse physiquement réalistes et généralisables à différentes régions sans dépendre uniquement de données d'apprentissage locales.

Facteurs affectant la précision de l'estimation de la biomasse

Même la meilleure combinaison de capteurs et de modèles produit des cartes de biomasse peu fiables lorsque la qualité des données sous-jacentes est médiocre ou lorsque l'environnement physique introduit des sources de bruit. Il est donc essentiel pour toute personne concevant un programme de cartographie de la biomasse de comprendre ces facteurs limitant la précision.

1. Saturation du signal en forêt dense : Dans les forêts tropicales à forte biomasse, les signaux optiques et SAR en bande C atteignent un seuil de saturation : ils cessent d’augmenter malgré la croissance continue de la biomasse. L’indice NDVI atteint un seuil de saturation pour des valeurs de biomasse aérienne supérieures à environ [valeur manquante]. 150–200 Mg/ha, Ce qui le rend peu fiable dans les forêts tropicales anciennes où la biomasse peut atteindre 400 à 600 Mg/ha. Les technologies SAR en bande L et LiDAR atteignent la saturation à des niveaux de biomasse beaucoup plus élevés et sont donc préférables dans ces environnements.

2. Variation saisonnière : La réflectance de la végétation varie considérablement selon les saisons. L'indice NDVI d'un champ de blé en avril reflète un état de biomasse fondamentalement différent de celui du même champ en août. Les modèles doivent tenir compte de cette dynamique saisonnière ou être calibrés séparément pour chaque stade phénologique.

3. Interférence due à la couverture nuageuse : Les capteurs optiques perdent des données en présence de nuages. Dans les régions tropicales humides, la présence de nuages peut affecter plus de 70% d'acquisitions d'images au cours d'une année donnée, nécessitant des alternatives radar ou LiDAR ou des stratégies de composition pluriannuelles.

4. Pixels mixtes : À des résolutions spatiales moyennes (30 à 250 m), un pixel d'image unique contient souvent un mélange de cultures, de sol nu et d'eau. Le signal spectral reflète la moyenne de toutes ces surfaces, ce qui dilue le signal de la végétation et introduit une erreur systématique dans les prédictions de biomasse.

5. Effets du terrain : Le relief accidenté modifie la géométrie de l'éclairage solaire et l'angle de visée du capteur, ce qui altère les valeurs de réflectance enregistrées. Une correction topographique est donc indispensable en zone montagneuse pour toute application fiable d'un modèle de biomasse.

Applications de la cartographie de la biomasse terrestre dans différents secteurs

Les cartes de biomasse terrestre générées à partir de données de télédétection alimentent la prise de décision pratique dans un éventail remarquablement large de secteurs, allant des rapports gouvernementaux sur le climat à la gestion individuelle des exploitations agricoles.

organismes de gestion forestière Utilisez des cartes de biomasse pour prioriser les parcelles de récolte, estimer le rendement durable et documenter la conformité aux normes de certification. Les cartes de biomasse exhaustives remplacent les inventaires forestiers coûteux basés sur des prélèvements d'échantillons dans les régions où l'accès au terrain est difficile sur le plan logistique ou prohibitif.

Estimation des stocks de carbone est l'une des applications les plus importantes sur le plan économique. Chaque Mg de biomasse aérienne contient environ 0,47 Mg de carbone (Le facteur de conversion standard du GIEC). Des cartes de biomasse précises permettent donc d'établir directement des inventaires de carbone vérifiés, qui sous-tendent les paiements REDD+ et les crédits carbone sur le marché volontaire. Une carte de biomasse vérifiée couvrant une concession forestière tropicale de 500 000 hectares peut représenter des centaines de millions de dollars d'actifs carbone.

• Agriculture de précision : Les cartes de biomasse des cultures dérivées d'images de drones ou de Sentinel-2 identifient la variabilité de la croissance des plantes à l'échelle de la parcelle, permettant une application d'engrais et d'irrigation à taux variable qui réduit les coûts des intrants tout en protégeant le rendement.
• Évaluation des combustibles pour feux de forêt : Le bois mort et la biomasse herbacée sèche constituent le combustible disponible pour les incendies. Les cartes de combustibles issues de la télédétection orientent les programmes de brûlage dirigé et la planification de la maîtrise des feux de forêt dans les zones à risque d'incendie.
• Conservation de la biodiversité : Une végétation à biomasse élevée et à structure complexe abrite généralement une plus grande diversité d'espèces. Les cartes de biomasse permettent d'identifier les zones de conservation prioritaires et de suivre la restauration des habitats au fil du temps.
• Planification bioénergétique : Les gouvernements et les entreprises énergétiques utilisent les données de télédétection de la biomasse pour évaluer l'approvisionnement durable en résidus agricoles et en biomasse ligneuse destinés à la production de bioénergie, en veillant à ce que les taux de récolte ne dépassent pas la capacité de régénération des écosystèmes.

Avantages de la télédétection pour le calcul de la biomasse

La cartographie de la biomasse par télédétection offre des capacités qu'aucune approche terrestre ne peut égaler. Ces avantages expliquent pourquoi cette technologie est passée du stade expérimental au stade opérationnel dans des dizaines de pays au cours de la dernière décennie.

La mesure non destructive est sans doute son principal atout. La télédétection permet de recueillir des informations sur la végétation sans la récolter, la couper ni la perturber. Ceci autorise des mesures répétées au même endroit, ce qui est essentiel pour détecter l'évolution de la biomasse au fil du temps – l'indicateur le plus important pour la comptabilisation du carbone et le suivi des écosystèmes.

• Couverture à grande échelle à faible coût marginal : Une fois le système de capteurs et de traitement des données mis en place, le coût de l'ajout d'un million d'hectares supplémentaires à une étude de biomasse est quasiment nul. Cette structure de coûts est inverse à celle des études de terrain, où les coûts sont proportionnels à la superficie.
• Mises à jour temporelles fréquentes : Sentinel-2 revisite n'importe quel point du globe tous les 5 jours. Cette fréquence permet un suivi de la biomasse tout au long de la saison de croissance, capturant ainsi les variations dynamiques que les relevés de terrain annuels ne permettent absolument pas de déceler.
• Capacité d'analyse historique : Les archives Landsat contiennent des images remontant à 1972. Les chercheurs peuvent reconstituer les trajectoires historiques de la biomasse afin de quantifier la déforestation cumulative, d'évaluer la restauration des écosystèmes après une perturbation ou d'établir les conditions de référence antérieures à la perturbation pour les demandes d'indemnisation.
• Amélioration de la prise de décision pour les gestionnaires fonciers : Les cartes de biomasse spatialement explicites révèlent où, dans un paysage, la biomasse s'accumule, diminue ou reste stable, offrant ainsi aux gestionnaires des terres la précision spatiale nécessaire pour cibler les interventions là où elles auront le plus grand impact.

Limites et défis de l'estimation de la biomasse par télédétection

La cartographie de la biomasse par télédétection est un outil puissant, mais elle présente de réelles limitations techniques que les praticiens doivent comprendre avant de se fier aux résultats pour des décisions cruciales.

La saturation du signal dans les forêts denses demeure un problème non résolu pour les capteurs optiques et radar en bande C. Lorsque la canopée se referme et que la biomasse s'accumule au-delà d'un seuil spécifique au capteur, le signal spectral ou de rétrodiffusion n'augmente plus avec la biomasse.

Le LiDAR évite ce problème car il mesure la structure physique plutôt que la réflectance spectrale, mais la collecte de données LiDAR aéroportées reste coûteuse, et le LiDAR spatial comme GEDI fournit des empreintes éparses et non contiguës plutôt qu'une couverture intégrale.

• La validation des champs est obligatoire : Aucun modèle de télédétection ne permet d'obtenir des estimations de biomasse fiables sans étalonnage et validation par rapport à des mesures de terrain. La qualité des données de terrain détermine directement la qualité de la carte finale ; or, la collecte de données représentatives dans des paysages hétérogènes est à la fois coûteuse et complexe sur le plan technique.
• Les effets atmosphériques nécessitent une correction minutieuse : Les aérosols, la vapeur d'eau et l'ozone diffusent et absorbent le rayonnement solaire incident et réfléchi, modifiant ainsi le signal spectral avant qu'il n'atteigne le capteur. Une correction atmosphérique incorrecte ou incomplète introduit des erreurs systématiques qui se propagent tout au long du processus d'estimation de la biomasse.
• Le traitement des données requiert une expertise spécialisée : Le traitement à grande échelle des séries temporelles de télédétection exige la maîtrise des systèmes d'information géographique (SIG), des langages de programmation comme Python ou R, et des plateformes géospatiales en nuage telles que Google Earth Engine. Cet obstacle technique limite l'adoption de ces technologies par les agronomes et les gestionnaires fonciers qui ne possèdent pas de formation en sciences des données.
• L'incertitude du modèle augmente avec la distance par rapport aux données d'entraînement : Un modèle de biomasse calibré dans une forêt amazonienne brésilienne peut donner de mauvais résultats lorsqu'il est transposé à une forêt ouest-africaine structurellement différente, même si les deux sont classées comme forêt tropicale humide. Des jeux de données de calibration régionaux sont essentiels pour maintenir la précision des résultats dans des zones d'étude géographiquement diverses.

Tendances futures en matière d'estimation de la biomasse par télédétection

Le paysage technologique de la cartographie de la biomasse terrestre évolue rapidement. Plusieurs tendances convergentes devraient améliorer considérablement la précision, l'accessibilité et l'extensibilité opérationnelle de l'estimation de la biomasse au cours des cinq à dix prochaines années.

La cartographie de la biomasse par intelligence artificielle représente l'avancée la plus transformatrice en cours. Les architectures d'apprentissage profond — notamment les modèles convolutionnels et de type transformeur — traitent simultanément l'ensemble des informations spectrales, spatiales et temporelles des séries temporelles satellitaires, extrayant ainsi des signaux de biomasse que les modèles plus simples ne peuvent détecter.

L'intégration de l'IA et de l'apprentissage automatique dans la télédétection s'est développée par 35% entre 2021 et 2026, selon Business Research Insights, remodelant fondamentalement la façon dont les données sur la végétation sont analysées à grande échelle.

La mission BIOMASS de l'Agence spatiale européenne, lancée en 2024, embarque le premier radar à synthèse d'ouverture (SAR) en bande P aéroporté, conçu spécifiquement pour la surveillance de la biomasse des forêts tropicales. Les signaux en bande P (longueur d'onde d'environ 70 cm) pénètrent profondément dans la canopée forestière, atteignant les tiges ligneuses et les grosses branches inaccessibles aux radars à longueur d'onde plus courte.

Recherche publiée dans Rapports scientifiques (Avril 2023) a démontré que le TomoSAR en bande P (SAR tomographique — une technique qui reconstruit la structure tridimensionnelle de la forêt à partir de plusieurs passages radar) a produit des estimations prometteuses de la biomasse aérienne dans les forêts tropicales denses de Guyane française, offrant un aperçu de ce que la mission BIOMASS fournira opérationnellement.

• Fusion de données multi-capteurs à grande échelle : Les algorithmes qui combinent automatiquement les flux de données optiques, radar et LiDAR — en pondérant chaque capteur en fonction de sa fiabilité dans un écosystème et une saison donnés — passent des prototypes expérimentaux aux outils opérationnels déployés sur des plateformes cloud.
• Surveillance de la biomasse en temps réel et quasi réel : Les plateformes géospatiales en nuage, telles que Google Earth Engine et Microsoft Planetary Computer, permettent désormais un traitement continu et automatisé des flux de données satellitaires entrants. Des alertes de déforestation quasi temps réel, déclenchées dans les 24 à 48 heures suivant un épisode de déforestation, sont déjà opérationnelles dans plusieurs pays tropicaux.
• Jumeaux numériques pour l'agriculture de précision : L'intégration des données de biomasse issues de la télédétection avec les capteurs de sol, les modèles météorologiques et les modèles de simulation des cultures crée des jumeaux numériques à l'échelle de l'exploitation agricole — des répliques virtuelles de champs réels qui permettent aux agriculteurs de tester des scénarios de gestion avant de les mettre en œuvre dans le monde réel.
• Intégration de l'agriculture de précision : La convergence de capteurs de drones abordables, de séries temporelles satellitaires et d'analyses pilotées par l'IA rend la surveillance de la biomasse à l'échelle du terrain financièrement accessible aux agriculteurs individuels pour la première fois, et non plus seulement aux institutions de recherche et aux agences gouvernementales.

1. Quel satellite est le plus adapté à l'estimation de la biomasse ? Il n'existe pas de satellite idéal pour toutes les situations. Sentinel-2 est le plus utilisé pour la cartographie des cultures et de la biomasse forestière à résolution moyenne. Le LiDAR GEDI fournit les données les plus précises sur la hauteur de la canopée pour la biomasse aérienne forestière. Le radar à synthèse d'ouverture (SAR) Sentinel-1 est privilégié dans les zones tropicales nuageuses. La meilleure approche opérationnelle combine plusieurs capteurs.

2. Les drones peuvent-ils estimer la biomasse avec précision ? Oui. Les drones équipés de caméras multispectrales ou de capteurs LiDAR permettent d'estimer la biomasse des cultures et des petites forêts avec une très haute résolution spatiale. Les estimations de biomasse des cultures réalisées par drone présentent généralement des corrélations de R² comprises entre 0,80 et 0,95 avec les mesures de terrain, lorsque les vols sont programmés en fonction des stades de croissance appropriés et que les capteurs spectraux sont correctement calibrés.

3. Quelle est la précision de l'estimation de la biomasse par télédétection ? La précision varie considérablement selon le type de capteur, l'écosystème et le modèle utilisé. Dans les forêts tempérées bénéficiant d'une bonne couverture LiDAR, les cartes de biomasse peuvent atteindre des valeurs RMSE de 20 à 40 Mg/ha. Dans les forêts tropicales denses, les approches optiques seules peuvent présenter des valeurs RMSE de 60 à 100 Mg/ha en raison de la saturation du signal. Les modèles de fusion multisenseurs surpassent systématiquement les approches monosenseurs.

4. Pourquoi l'estimation de la biomasse est-elle importante pour le changement climatique ? Les forêts et les paysages agricoles stockent d'énormes quantités de carbone dans leur biomasse. La déforestation et la dégradation des sols libèrent ce carbone stocké sous forme de CO₂ dans l'atmosphère, accélérant ainsi le changement climatique. Des cartes précises de la biomasse sont essentielles pour vérifier les stocks de carbone, suivre la perte de forêts et quantifier l'efficacité des programmes de reboisement et de conservation dans le cadre d'accords climatiques internationaux tels que REDD+.

5. La télédétection peut-elle estimer la biomasse souterraine ? La télédétection ne permet pas de mesurer directement la biomasse souterraine. Cependant, on estime généralement la biomasse souterraine (BGB) à partir de la biomasse aérienne (AGB) grâce aux coefficients du rapport racine/partie aérienne, obtenus par des études de terrain et publiés par des organismes comme le GIEC. Dans la plupart des écosystèmes forestiers, les rapports racine/partie aérienne spécifiques à chaque espèce varient de 0,15 à 0,40, ce qui permet une estimation indirecte de la BGB là où des cartes de biomasse aérienne sont disponibles.

Conclusion

Le calcul de la biomasse terrestre par télédétection est passé d'une technique de recherche spécialisée à une capacité opérationnelle ayant des implications directes pour la production alimentaire, la gestion forestière et les politiques climatiques. La convergence de données satellitaires gratuites, de plateformes de calcul en nuage accessibles et d'outils d'apprentissage automatique de plus en plus performants a rendu la cartographie de la biomasse à l'échelle du paysage possible pour un nombre croissant d'organisations dans le monde.

Le rôle de la télédétection dans la surveillance du climat ne fera que croître à mesure que les marchés du carbone se développent, que les engagements en matière de surveillance de la déforestation s'intensifient et que la demande de données vérifiées sur les stocks de carbone augmente dans l'ensemble de l'économie mondiale. Grâce à la mission satellitaire BIOMASS désormais opérationnelle, à l'enrichissement continu de la base de données mondiale de GEDI et aux modèles d'IA qui améliorent considérablement la précision des estimations issues de la fusion de données multisensorielles, il est désormais possible de savoir précisément où la biomasse s'accumule, diminue ou reste stable à la surface des terres émergées.