J'étais heureux de partager avec vous ma passion du sport et de la montagne. Je ne pourrai jamais assez vous remercier pour toute l’aide et le soutien que vous m’avez apporté durant ma thèse.
Capital naturel : de la prise de conscience à la nécessité de gestion
Vingt ans plus tard, le Sommet de Rio s'inscrivait dans la continuité du premier Sommet de la Terre et soulignait l'importance de la gestion environnementale à travers l'idée de développement durable et l'Agenda 21. L'objectif est de développer des méthodes de gestion environnementale permettant de répondre aux attentes. de la société et le maintien du bon fonctionnement des processus écologiques et de la biodiversité.
Le concept de Service Ecosystémique
De l’écosystème au bien être humain
Par exemple, la place de la biodiversité dans le cadre de travail des SE fait partie des questions largement débattues au sein de la communauté scientifique (Mace et al. 2012). Dans leur revue bibliographique Mace et al. (2012), identifient les limites liées aux différentes modalités de prise en compte de la biodiversité dans l'évaluation des SE.
Le bien-être décliné sous divers aspects
Une diversité de services écosystémiques inégalement répartie
Dans cet exemple, une fertilisation accrue augmente la production agricole du SE mais diminue en même temps la qualité de l’eau du SE (Mouchet et al. 2014). Selon le contexte socio-écologique, la composition des bouquets ES proposés varie (de Groot et al. 2010).
Modélisation et cartographie des SE
Modélisation des SE
L’approche la plus simple consiste à utiliser uniquement les données sur la couverture terrestre comme indicateur spatial des SE (Costanza et al. 2016). Bien que largement utilisés, les résultats de ce type de modèle sont approximatifs car l'offre de SE n'est pas homogène au sein des classes d'utilisation des terres (Eigenbrod et al. 2010).
Cartographie des SE
- Cartographie de la fourniture de multiple SE: les bouquets de SE
- Comparaison de la fourniture et de la demande en SE
Dans une logique similaire, la grande majorité des SE réglementaires profitent aux populations éloignées des points d'approvisionnement des SE (régulation climatique, régulation de la qualité de l'eau). En conséquence, les études de cartographie de la demande SE sont relativement rares dans la bibliographie.
Objectifs de la thèse
Parallèlement à ces progrès dans la caractérisation des zones, la capacité de la cartographie des SE à améliorer la compréhension des processus qui soutiennent la fourniture de plusieurs SE n'a pas encore été démontrée. Cette approche comparative nous permet de caractériser l'impact de l'échelle spatiale et de la structure du modèle sur l'estimation des valeurs SE.
Bibliographie
Second, the identification of ES associations is based exclusively on spatial overlaps and cannot show direct causal relationships between ES and social-ecological variables (Spake et al. In Review). Indeed, agricultural practices are critical determinants of ES supply and ES associations within agricultural soils (Pretty et al.
Introduction
Materials and methods
- Study site
- Selection of ES maps
- ES associations
- Associations between ES and socio-ecological variables
- Extending the pairwise ES analysis: ES bundles
We have masked these EC maps with the farmland layer of the Rhône-Alpes region. We used the Hopkins statistic (Lawson and Jurs 1990) to measure the clustering of the ES data set.
Results
ES association
Mean values for agricultural production and regulation of ES define four different combinations of ES association: win–win (blue), lose–lose (red), agricultural production win–regulate ES lose (orange), and agricultural production lose–regulate ES gain (green). ). Not surprisingly, high values of agricultural production are located in large plains characterized by low altitude, flat topography and high water availability, while highlands and hilly sites are characterized by low agricultural production (Figure 4).
Association between ES and socio-ecological variables
In general, the spatial distribution of the ES combination is very different among the 4 ES pairs, and no common spatial pattern could be identified. A high value indicates a clear dominance of one EC link combination; on the contrary, when the value tends to 25%, there is no dominance of one EC combination.
Discussion
Ces informations sur la densité existent à une résolution de 1 km à l'échelle européenne (van der Zanden et al. 2013). En particulier, le projet VOLANTE considère que les zones forestières contribuent de manière significative à l'ES récréative (Paracchini et al. 2014). Cette diversité est étroitement liée à la géographie physique complexe de la région (Tappeiner et al. 2008).
Bibliography
Matériels et méthodes
- Site d’étude
- Sélection des services
- Services écosystémiques du projet Volante
- Services écosystémiques du projet ESNET
- Homogénéisation de la résolution spatiale
- Comparaison des résultats des deux projets
- Distance Euclidienne entre cartes
- Indice de précision globale et Kappa de Cohen
Pour compléter l'estimation de la corrélation entre les cartes ESNET et VOLANTE SE, nous avons comparé graphiquement les valeurs SE centrées et réduites de ces deux projets. L'évolution de la valeur de l'indice Kappa en fonction du nombre de classes a permis d'évaluer finement l'accord entre les cartes.
Résultats
Comparaison des résultats des deux projets
- Comparaison quantitative
- Comparaison qualitative
Les valeurs SE des modèles VOLANTE sont plus faibles dans les massifs de la Chartreuse et du Vercors. Lorsque les valeurs des modèles VOLANTE sont supérieures aux valeurs des modèles ESNET, les pixels ont tendance à être rouges.
Les facteurs de différence et améliorations envisageables
- La résolution spatiale
- Les spécificités locales
- La nature des indicateurs
Deux facteurs principaux conditionnent le compromis entre l'étendue spatiale étudiée et la résolution des cartes ES : la disponibilité des données (Malinga et al. 2015) et les capacités de calcul. En outre, l’indicateur final utilisé pour cartographier les SE peut représenter différentes facettes de la fourniture de SE : offre potentielle, demande, offre réelle (Villamagna et al.
Perspectives
Schulp CJE, Burkhard B, Maes J, et al (2014) Uncertainties in ecosystem service maps: A European-scale comparison. MODIS products have also been used to identify functional ecosystem types that support specific sets of ecosystem services (Pérez-Hoyos et al. 2014).
Material and methods
Data
- Photointerpretation data
- Remote sensing data
- RPG (RegistreParcellaireGraphique)
- Elevation and temperature data
Second, we used RapidEye imagery to identify each agricultural parcel and downscale MODIS classification results to a finer scale. In addition to MODIS data, we used RapidEye imagery with a spatial resolution of 5 meters to identify the shape of each agricultural parcel.
Classification process
- Pre-treatments
- Process automation
- Post-processing and validation
Second, over the five years of the study, we reclassified RPG plots based on our typology. For spring crops, we estimated the harvest date of winter crops and the beginning of the growing season of spring crops.
Crop succession and downscaling
To validate the results of the five annual classifications, we used data from the RPG dataset. To validate the downscaling result, we extracted block plots of RPG data characterized by a single land use.
Service of agricultural energy yield and map comparison
Second, we associated each agricultural parcel with the corresponding class of crop succession as identified in the MODIS classification results. Proportion' and 'yields' express the proportion and the average yields in tonnes per hectare for each land use in the Isère department (NUTS3 FR714) according to Agreste statistics.
Validation, crop succession typology and downscaling
Mapping ecosystem services (ES) has seen increasing interest for more than a decade (Fisher et al. 2009). The same structural information is used to map the contribution of vegetation to controlling floods (Bagstad et al. 2014).
Service of agricultural energy yield
Mapping agricultural land uses
The use of high spatial resolution remote sensing data in addition to MODIS data during the classification process can overcome these issues (Bsetteto et al. 2008; Hwang et al. 2011). Regarding the identification of agricultural land, we used a very high resolution map produced by a photo interpretation approach (Vannier et al. 2016).
Mapping agricultural production and ecosystem services
Finally, there is ample evidence that biodiversity is enhanced by extensive and diversified farming (Tscharntke et al. 2012). This gap is due in part to a lack of knowledge sharing between the remote sensing and ES mapping communities (Andrew et al. 2014).
Study design
However, despite the increasing number of studies using RS for ES mapping in the last decade (de Araujo Barbosa et al. 2015), the potential of RS remains largely underexploited. Spatial and typological improvements of LULC maps are an active research domain that greatly benefits ES mapping (Corbane et al.
Remote sensing principles
RS data are used to characterize Earth's surface properties over areas ranging from the leaf to the globe (Kennedy et al. 2014). Several studies describe the relationship between spatial extent, suitability of RS data and the types of ES models (Homolová et al. 2013; Lavorel et al. 2017).
Current use of RS data in ES mapping and future opportunities
Thus, above- and below-ground biomass is often used to estimate the amount of carbon stored in vegetation (Grêt-Regamey et al. 2013). Consequently, this variable is used to map timber production (Grêt-Regamey et al. 2008) and climate regulation (Bagstad et al. 2014).
Discussion
In general, empirical models use field measurements to establish the relationship between RS data and ecosystem properties. First, empirical models rely on statistical relationships to predict ecosystem properties from RS data.
Bibliography
Crossman ND, Connor JD, Bryan BA, et al (2010) Reconfiguring an irrigated landscape to improve ecosystem service delivery. Polasky S, Johnson K, Keeler B, et al (2012) Are investments to promote biodiversity conservation and ecosystem services aligned.
Caractérisation des associations entre SE : outils d’analyse
Bouquets de SE et alternatives
De manière analogue, les réseaux SE de Dee et al. 2017) pour mesurer l’influence des actions de gestion sur la fourniture de SE. Cependant, pour dépasser cette limite, Mouchet et al. 2014) suggèrent de construire et de comparer des réseaux de SE entre entités spatiales (par exemple les municipalités).
Au-delà des associations spatiales simples
- Associations spatiales et liens de causalité
- Associations et effets à distance
Cependant, cette approche ne permet pas de quantifier la part de covariation entre SE due aux relations causales. A l'aide des données SE du projet VOLANTE, présentées dans le premier chapitre, nous avons tenté de quantifier les différentes parties de la co-variation entre SE.
Caractérisation des associations entre SE : données cartographiques des SE
- Réalisme des modèles
- Qualité des données utilisées pour cartographier les SE
- Indicateurs de SE
- Facettes des SE
- Indicateurs de SE
- Validation des cartes de SE
Les cartes SE peuvent représenter différentes facettes des SE (offre potentielle, demande ou offre réelle). La validation d'un ensemble de validation externe est la seule méthode qui permet une validation absolue des cartes ES (Schulp et al. 2014).
Conclusion
Contrairement à la première méthode de validation, la validation croisée du modèle ne fournit pas d'informations sur la différence entre l'approvisionnement réel de l'ES et les cartes de modélisation. Dans le chapitre 3, nous avons illustré l'utilisation des données de télédétection pour améliorer la carte de la production agricole SE dans la région grenobloise.
Bibliographie
Based on these conditions, three policy scenarios ("Nature protection", "Payment for C (carbon) sequestration" and "Payment for recreational ES", Verburg et al. 2013) were used to quantify future provisions of ES. Consistent with Haines-Young et al. 2012), predicted changes in ES supply would be spatially heterogeneous;.
Annexe 1
Annexe 2