Suite

Déterminer les changements dans la couverture terrestre des entités isolées au fil du temps ?

Déterminer les changements dans la couverture terrestre des entités isolées au fil du temps ?


J'ai une zone d'étude de 2 scènes Landsat de 2013 qui ont été classées pour une communauté naturelle spécifique, et ces zones ont été isolées et extraites et numérisées en vecteurs afin qu'elles puissent être intégrées dans un SIG. Ces communautés existent en tant que caractéristiques tout au long de la scène, un peu comme des îles, si vous voulez. Je travaille avec des données Landsat, donc je veux voir si ces zones ont grandi/s'étendent au fil du temps, de préférence sur deux ou trois décennies.

Quelle est la meilleure façon d'y parvenir? Je pensais transformer les polygones des communautés naturelles en un raster, en l'utilisant comme masque pour les données Landsat et en exécutant une détection de changement de pixel pour voir comment ils ont changé. Mais cela me donnerait-il des résultats s'ils avaient diminué par rapport aux temps précédents, puisque le mas ne représenterait que la taille actuelle ? Ou peut-être que fragstats est une meilleure option ? Je n'ai aucune expérience avec les fragstats. Merci pour votre aide et vos idées

Modifier pour être trop large : la vectorisation visait à créer une carte détaillée pour un SIG à l'aide d'un fond de carte avec une résolution beaucoup plus élevée que landsat, et la détection des changements est une partie distincte du projet. J'ai exécuté une classification de machines à vecteurs de support supervisée dans ENVI pour obtenir les résultats. Les images que j'ai classées ont été corrigées pour l'atmosphère, je le ferai donc avec les années temporelles suivantes.

Désolé pour le malentendu, je suppose que ma question principale est la suivante : au lieu de reclasser et d'effectuer une détection de changement sur l'ensemble de la scène, quel serait le moyen le plus efficace de déterminer le changement de terrain pour les zones d'intérêt uniquement ? Les zones en question sont des écosystèmes marécageux isolés, d'environ 1 à 10 hectares. J'aimerais voir s'ils ont grandi ou rétréci avec le temps. Merci et j'espère que ce n'est pas trop large ou difficile à comprendre.


Vous devez d'abord convertir le DN en réflectance, puis effectuer une correction atmosphérique sur vos scènes Landsat pour réduire les différences radiométriques entre les périodes. Je pense que l'approche consistant à utiliser les polygones comme masque n'est pas la bonne voie à suivre. Effectuez plutôt une classification binaire de ces scènes afin que vos zones humides aient une valeur de 1 et que tout le reste ait une valeur de 0. Pour un algorithme de détection de changement de base dans ArcGIS, utilisez l'outil Différence dans la fenêtre Analyse d'image. Erdas Imagine dispose d'une fonctionnalité très sophistiquée appelée DeltaCue qui vous guide tout au long du processus de détection des changements à l'aide d'images multispectrales.


Érosion

L'altération décrit la décomposition ou la dissolution des roches et des minéraux à la surface de la Terre. L'eau, la glace, les acides, les sels, les plantes, les animaux et les changements de température sont tous des agents d'altération.

Sciences de la Terre, Géologie, Géographie, Géographie physique

Photographie de George F. Mobley, National Geographic

Montagnes altérées
Les Appalaches, dans l'est de l'Amérique du Nord, s'élevaient autrefois à plus de 9 000 mètres (30 000 pieds) de hauteur, soit plus que le mont Everest ! Au cours de millions d'années, les intempéries et l'érosion les ont usés. Aujourd'hui, le plus haut sommet des Appalaches n'atteint que 2 037 mètres (6 684 pieds).

composé chimique qui réagit avec une base pour former un sel. Les acides peuvent corroder certains matériaux naturels. Les acides ont des niveaux de pH inférieurs à 7.

précipitation avec des niveaux élevés d'acides nitrique et sulfurique. Les pluies acides peuvent être d'origine humaine ou se produire naturellement.

produits chimiques nocifs dans l'atmosphère.

ayant à voir avec la matière déposée par l'eau qui coule (alluvions).

(CaSO4) minéral gris-blanc trouvé dans les roches sédimentaires. Également connu sous le nom de sulfate de calcium anhydre.

couches de gaz entourant une planète ou un autre corps céleste.

processus dans lequel des organismes vivants ou autrefois vivants contribuent à la désintégration des roches et des minéraux (altération).

affleurement rocheux isolé en forme de dôme à parois abruptes d'au moins 30 mètres (100 pieds) de hauteur.

(vers 563-483 avant notre ère) Prince indien, chef spirituel et fondateur de la religion bouddhiste. Aussi appelé Prince Siddhartha et Gautama Bouddha.

substance créée par la production d'un autre matériau.

vallée étroite et profonde aux versants escarpés.

absorption ou réaction avec le dioxyde de carbone.

produit chimique produit lorsque le dioxyde de carbone se dissout dans l'eau.

chambre souterraine qui s'ouvre sur la surface. Les entrées des grottes peuvent être sur terre ou dans l'eau.

attraction entre des atomes, des ions ou des molécules qui permet la formation de composés chimiques.

Le processus change la composition des roches, les transformant souvent lorsque l'eau interagit avec les minéraux pour créer diverses réactions chimiques.

type de roche sédimentaire qui peut être façonnée lorsqu'elle est mouillée.

combustible fossile sombre et solide extrait de la terre.

processus d'altération chimique au cours duquel le cycle de gel-dégel de la glace fissure et désintègre la roche. Aussi appelé altération par le gel.

type de minéral qui est clair et, lorsqu'il est observé au microscope, a un motif répétitif d'atomes et de molécules.

superficie de terre qui ne reçoit pas plus de 25 centimètres (10 pouces) de précipitations par an.

processus d'effritement des roches dû à la pluie, au vent ou à d'autres conditions atmosphériques. Aussi appelée altération mécanique et altération physique.

se briser ou se désintégrer.

série de tuyaux, gouttières ou autres cours d'eau utilisés pour évacuer l'excès d'eau.

acte dans lequel la terre est usée, souvent par l'eau, le vent ou la glace.

passer d'un liquide à un gaz ou à une vapeur.

processus décrivant le décollement des couches externes, telles que l'écorce des arbres ou les feuilles de roche.

capable de produire des récoltes ou de soutenir l'agriculture.

Forme de relief en forme de C constituée d'une paroi rocheuse concave formée par l'altération et l'érosion des roches souterraines. Aussi appelé &ldquowave rock.&rdquo

modèle météorologique de températures inférieures à 0 degrés Celsius (32 degrés Fahrenheit).

processus d'altération chimique au cours duquel le cycle de gel-dégel de la glace fissure et désintègre la roche. Aussi appelée cryofracturation.

ayant à voir avec les formations physiques de la Terre.

pierre marquant le lieu de sépulture d'une personne, souvent gravée avec le nom de la personne et les dates de naissance et de décès.

l'eau trouvée dans un aquifère.

(sulfate de calcium hydraté, CaSO4) minéral doux, incolore ou blanc.

type d'altération physique causée par la croissance de cristaux de sel dans et autour des roches.

processus d'une substance ou d'une solution se combinant chimiquement avec de l'eau.

processus dans lequel un composé est divisé en d'autres composés par réaction avec de l'eau.

événement ou symbole représentant une croyance, une nation ou une communauté.

enregistrement qui a été découpé, imprimé, peint ou écrit sur une surface dure.

paysage fait de calcaire.

une caractéristique importante qui guide la navigation ou marque un site.

les caractéristiques géographiques d'une région.

la roche en fusion, ou magma, qui jaillit des volcans ou des fissures à la surface de la Terre.

type de roche sédimentaire principalement constituée de carbonate de calcium provenant de coquilles et de squelettes d'organismes marins.

processus d'effritement des roches dû à la pluie, au vent ou à d'autres conditions atmosphériques. Aussi appelée altération physique.

nutriment nécessaire pour aider les cellules, les organes et les tissus à fonctionner.

pour réduire la gravité d'une condition naturelle ou humaine.

avoir à voir avec la plus petite unité physique d'une substance.

grande structure représentant un événement, une idée ou une personne.

type de combustible fossile composé principalement de méthane gazeux.

série de liens le long desquels le mouvement ou la communication peut avoir lieu.

substance dont un organisme a besoin pour son énergie, sa croissance et sa vie.

processus chimique d'une substance se combinant avec l'oxygène pour modifier la structure physique et moléculaire de la substance.

combustible fossile formé à partir des restes d'organismes anciens. Aussi appelé pétrole brut.

processus d'effritement des roches dû à la pluie, au vent ou à d'autres conditions atmosphériques. Aussi appelée altération mécanique.

marqué de nombreuses petites entailles.

plein de petits trous, ou capable d'être pénétré par l'eau.

force exercée sur un objet par un autre objet ou une autre condition, telle que la gravité.

matériaux laissés par un organisme mort ou absent.

substance naturelle composée de matière minérale solide.

partie d'une plante qui la retient dans le sol, obtient de l'eau et des nutriments et stocke souvent la nourriture fabriquée par les feuilles.

se dissoudre et former un revêtement cassant, comme le fer le fait lorsqu'il est exposé à l'air et à l'humidité.

(chlorure de sodium, NaCl) minéral cristallin souvent utilisé comme assaisonnement ou conservateur pour les aliments.

structure formée lorsque l'eau s'évapore d'un lac salé ou d'une mer. Le sel restant est enterré par les sédiments, mais finit par percer la roche, formant une colline.

processus dans lequel les dômes de sel souterrains se dilatent, impactant les couches rocheuses environnantes.

matière solide transportée et déposée par l'eau, la glace et le vent.

roche formée à partir de fragments d'autres roches ou de restes de plantes ou d'animaux.

partie d'une plante à partir de laquelle une nouvelle plante pousse.

type d'altération physique dans lequel une seule couche de roche est rompue. Aussi appelé altération des contours.

trou formé dans une roche ou un autre matériau solide par le poids ou le mouvement de l'eau.

couche supérieure de la surface de la Terre où les plantes peuvent pousser.

substance dans laquelle un gaz, un liquide ou un solide est uniformément réparti dans un autre milieu.

sous la surface ou la couche supérieure.

degré de chaud ou de froid mesuré par un thermomètre à échelle numérique.

contrainte sur le matériau généralement associée à l'expansion et à la contraction dues aux changements de température.

roche, terre et gravier laissés par un glacier en retrait ou en fonte.

existant sous les tropiques, les latitudes comprises entre le tropique du Cancer au nord et le tropique du Capricorne au sud.

la décomposition ou la dissolution des roches et des minéraux de la surface de la Terre.

Crédits médias

L'audio, les illustrations, les photos et les vidéos sont crédités sous l'actif média, à l'exception des images promotionnelles, qui renvoient généralement à une autre page contenant le crédit média. Le Titulaire des droits pour les médias est la personne ou le groupe crédité.

Éditeur

Jeannie Evers, édition d'Emdash

Producteur

Caryl-Sue, National Geographic Society

Dernière mise à jour

Pour plus d'informations sur les autorisations des utilisateurs, veuillez lire nos Conditions d'utilisation. Si vous avez des questions sur la façon de citer quoi que ce soit sur notre site Web dans votre projet ou votre présentation en classe, veuillez contacter votre enseignant. Ils connaîtront mieux le format préféré. Lorsque vous les contactez, vous aurez besoin du titre de la page, de l'URL et de la date à laquelle vous avez accédé à la ressource.

Médias

Si une ressource multimédia est téléchargeable, un bouton de téléchargement apparaît dans le coin de la visionneuse multimédia. Si aucun bouton n'apparaît, vous ne pouvez pas télécharger ou enregistrer le média.

Le texte de cette page est imprimable et peut être utilisé conformément à nos conditions d'utilisation.

Interactifs

Tous les éléments interactifs de cette page ne peuvent être joués que pendant que vous visitez notre site Web. Vous ne pouvez pas télécharger d'interactifs.

Ressources associées

Le cycle de la roche

De nombreux processus clés de la Terre fonctionnent par cycles et le cycle de la roche ne fait pas exception. Le cycle de la roche est un réseau de processus qui décrit comment chacun des trois principaux types de roches & mdashigneous, métamorphique et sédimentaire & mdash se forme et se décompose en fonction des différentes applications de chaleur et de pression au fil du temps. Par exemple, le schiste rocheux sédimentaire devient de l'ardoise lorsque la chaleur et la pression sont ajoutées. Plus vous ajoutez de chaleur et de pression, plus la roche se métamorphose jusqu'à devenir du gneiss. Si elle est chauffée davantage, la roche fondra complètement et se reformera en une roche ignée. Donnez à vos élèves les moyens d'en apprendre davantage sur le cycle de la roche avec cette collection de ressources.

Éléments et composés

Un élément est une substance qui ne peut pas être décomposée dans un format plus simple. Ils se distinguent par un numéro atomique unique. Les éléments sont organisés par leur numéro atomique dans le tableau périodique, qui met en évidence les éléments ayant des propriétés similaires. L'eau est un exemple de composé, un mélange de deux éléments ou plus, et est créée lorsque deux atomes d'hydrogène se lient à un atome d'oxygène. Utilisez ces ressources pour examiner les propriétés et les utilisations des éléments et des composés.

Érosion

L'altération est le processus d'affaiblissement et de décomposition des roches, des métaux et des objets fabriqués par l'homme. Il existe deux principaux types d'altération : chimique et physique. Un exemple d'altération chimique est la pluie acide. Causées principalement par la combustion de combustibles fossiles, les pluies acides sont une forme de précipitation avec des niveaux élevés d'acide sulfurique, qui peuvent provoquer l'érosion des matériaux avec lesquels elles entrent en contact. Un exemple d'altération physique est le vent qui souffle sur les plages du désert. Ce processus fait que les roches forment une forme pyramidale spécifique et elles sont appelées ventifacts. Choisissez parmi ces ressources pour en apprendre davantage sur le processus d'altération dans votre classe.a

Roches sédimentaires

Les roches sédimentaires sont l'un des trois principaux types de roches, avec les roches ignées et métamorphiques. Ils sont formés sur ou près de la surface de la Terre à partir de la compression des sédiments océaniques ou d'autres processus.

Le cycle de la roche

Le cycle des roches est une série de processus qui créent et transforment les types de roches dans la croûte terrestre.

Roches métamorphiques

Les roches métamorphiques commencent comme un seul type de roche et, avec la pression, la chaleur et le temps, se transforment progressivement en un nouveau type de roche.

Ressources associées

Le cycle de la roche

De nombreux processus clés de la Terre fonctionnent par cycles et le cycle de la roche ne fait pas exception. Le cycle de la roche est un réseau de processus qui décrit comment chacun des trois principaux types de roches & mdashigneous, métamorphique et sédimentaire & mdash se forme et se décompose en fonction des différentes applications de chaleur et de pression au fil du temps. Par exemple, le schiste rocheux sédimentaire devient de l'ardoise lorsque la chaleur et la pression sont ajoutées. Plus vous ajoutez de chaleur et de pression, plus la roche se métamorphose jusqu'à devenir du gneiss. Si elle est chauffée davantage, la roche fondra complètement et se reformera en une roche ignée. Donnez à vos élèves les moyens d'en apprendre davantage sur le cycle de la roche avec cette collection de ressources.

Éléments et composés

Un élément est une substance qui ne peut pas être décomposée dans un format plus simple. Ils se distinguent par un numéro atomique unique. Les éléments sont organisés par leur numéro atomique dans le tableau périodique, qui met en évidence les éléments ayant des propriétés similaires. L'eau est un exemple de composé, un mélange de deux éléments ou plus, et est créée lorsque deux atomes d'hydrogène se lient à un atome d'oxygène. Utilisez ces ressources pour examiner les propriétés et les utilisations des éléments et des composés.

Érosion

L'altération est le processus d'affaiblissement et de décomposition des roches, des métaux et des objets fabriqués par l'homme. Il existe deux principaux types d'altération : chimique et physique. Un exemple d'altération chimique est la pluie acide. Causées principalement par la combustion de combustibles fossiles, les pluies acides sont une forme de précipitation avec des niveaux élevés d'acide sulfurique, qui peuvent provoquer l'érosion des matériaux avec lesquels elles entrent en contact. Un exemple d'altération physique est le vent qui souffle sur les plages du désert. Ce processus fait que les roches forment une forme pyramidale spécifique et elles sont appelées ventifacts. Choisissez parmi ces ressources pour en apprendre davantage sur le processus d'altération dans votre classe.a

Roches sédimentaires

Les roches sédimentaires sont l'un des trois principaux types de roches, avec les roches ignées et métamorphiques. Ils sont formés sur ou près de la surface de la Terre à partir de la compression des sédiments océaniques ou d'autres processus.

Le cycle de la roche

Le cycle de la roche est une série de processus qui créent et transforment les types de roches dans la croûte terrestre.

Roches métamorphiques

Les roches métamorphiques commencent comme un seul type de roche et, avec la pression, la chaleur et le temps, se transforment progressivement en un nouveau type de roche.


Analyse des changements temporels de la couverture terrestre et des paramètres paysagers d'une forêt aménagée dans la région ouest de la mer Noire au nord de la Turquie : 1970-2010

La structure de la forêt change continuellement par les effets naturels et anthropiques. Étant donné que le niveau de biens et de services fournis par les écosystèmes forestiers est lié à cette structure, certains attributs doivent être contrôlés pendant leur gestion. Dans cet article, nous décrivons les changements temporels à long terme des métriques de superficie et de paysage liés aux différentes utilisations des terres d'une forêt aménagée en Turquie. L'étude a été réalisée pour l'unité de planification forestière de Daday située dans la région ouest de la mer Noire, au nord de la Turquie. La superficie totale est de 16 813 ha et, outre la production de bois, elle est gérée pour le contrôle de l'érosion, la santé publique, l'esthétique et les loisirs. Les cartes des types de peuplements construites en 1970, 1989, 1999 et 2010 ont été utilisées dans cette analyse. Les matrices de transition qui illustrent les changements de superficie parmi les types de couverture et les changements temporels sur certaines métriques du paysage ont été obtenues à l'aide de systèmes d'information géographique. Les peuplements ont été séparés en petites parcelles, et ainsi le nombre de parcelles a presque doublé entre 1970 et 2010. La lisière totale de la forêt a augmenté et à travers la fragmentation associée, la superficie de la forêt centrale a diminué à l'échelle du paysage. Des mesures du paysage ont été appliquées à des versions numérisées de cartes historiques pour évaluer l'évolution de la superficie forestière. L'utilisation humaine de la terre a changé, les pratiques de gestion forestière ont évolué, et celles-ci ainsi que la croissance naturelle de la forêt ont contribué à des changements intéressants dans le caractère du paysage.


Analyse des changements d'affectation des terres à l'aide de techniques de télédétection et de SIG : une étude de cas du district de Peshawar-Pakistan

Résumé – Une transformation terrible s'est produite dans l'utilisation des terres en raison de la croissance démographique et de l'urbanisation rapide. Par conséquent, les altérations de l'utilisation des terres (LU) sont détectées à l'aide de technologies telles que le système d'information géographique (SIG) et la télédétection (RS) dans le district de Peshawar de 1990 à 2010. La classification supervisée est effectuée à l'aide des images satellite Landsat du logiciel Erdas Imagine. La méthodologie adoptée consiste en l'empilement de couches, la fusion, l'extraction d'AOI (Zone d'Intérêt) et la classification supervisée. Les changements d'utilisation des terres sont classés en quatre catégories, à savoir la végétation, la zone urbaine, les terres arides et les plans d'eau. L'analyse quantitative montre qu'il y a de vastes changements dans l'utilisation des terres. Les résultats montrent que, de 1990 à 2010, il y a une augmentation significative de 12,98 % de l'urbanisation et une diminution de 9,97 % de la végétation. Ces résultats peuvent être utiles pour la planification et le développement futurs.

Mots-clés : altération de l'utilisation des terres (LU), système d'information géographique (SIG), télédétection (RS), images satellites, classification, district de Peshawar.

La terre est une ressource naturelle sur laquelle sont menées différentes activités humaines. Le terme couverture terrestre faisait à l'origine référence au type et à l'état de la végétation, comme la forêt ou la couverture herbacée, mais il s'est élargi dans son utilisation ultérieure pour inclure d'autres éléments tels que les structures humaines, le type de sol, la biodiversité, les eaux de surface et souterraines (Meyer, 1995) [1]. La terre devient une ressource rare en raison de la pression agricole et démographique massive. Par conséquent, l'étude des changements d'utilisation des terres est très importante pour une planification et une utilisation appropriées des ressources naturelles et leur gestion, afin de répondre aux demandes croissantes de besoins humains fondamentaux et de bien-être. L'imagerie satellitaire est utilisée pour la reconnaissance des données synoptiques de la surface terrestre (Ulbricht et Heckendorf, 1998) [2]. Les besoins humains sont liés à la terre, à l'eau et à la végétation. Récemment, les ressources naturelles, y compris les ressources foncières, ont été transformées pour répondre aux demandes croissantes de nourriture, d'eau, de biens de consommation et d'autres services publics pour plus de six milliards de personnes dans le monde (Turner et al., 2007) [3].

La détection des changements est le processus d'identification des différences de

l'état d'un objet ou d'un phénomène en l'observant à différents moments (Singh, 1989) [4]. Les systèmes d'information géographique (SIG) et les technologies de télédétection sont des outils importants pour l'évaluation du changement d'affectation des terres. Les données de télédétection de meilleure résolution à différents intervalles de temps aident à analyser le taux de changements ainsi que les facteurs

responsable du changement (Ramachandra et Kumara, 2004) [5]. Les technologies de SIG et de télédétection ont été combinées pour détecter les changements d'utilisation des terres qui sont plus faciles et plus rapides que la méthode traditionnelle d'arpentage (Dacosta et al., 1999) [6]. Les changements dans l'utilisation des terres augmentent rapidement à l'échelle locale, régionale et mondiale. Une activité anthropique telle que la déforestation, l'exploitation minière, l'agriculture et la construction influence le changement des terres. Bhalli et al., (2012) [7] ont déclaré que les centres urbains et les villes sont les régions les plus dynamiques de la planète. Avec l'avènement des techniques de télédétection et de système d'information géographique (SIG), la cartographie de l'utilisation des terres a fourni un moyen utile et détaillé d'améliorer la sélection des zones conçues pour les zones agricoles, urbaines et/ou industrielles d'une région (Selcuk et al., 2003) [8].

Universellement, un énorme changement dans l'utilisation des terres a été détecté. Solaimani et al. (2010) [9] ont déclaré que plusieurs régions du monde subissent actuellement des changements rapides et étendus de la couverture terrestre. Les changements d'affectation des terres jouent un rôle important dans l'étude du changement global. La déforestation, le réchauffement climatique, la perte de biodiversité et l'augmentation des catastrophes naturelles comme les inondations ont résulté des changements d'utilisation des terres. La couverture terrestre naturelle a diminué rapidement en raison d'une augmentation des réseaux routiers et des bâtiments de loisirs pour accueillir un grand nombre de population et de touristes (Baban et Yusof, 2001) [10]. La croissance démographique et économique rapide a également influencé l'augmentation des zones urbaines (Shalaby et Tateishi, 2007) [11]. La croissance urbaine a un impact négatif sur l'environnement. Il provoque la pollution de l'air, la pollution de l'eau, l'augmentation de la température et le ruissellement. La croissance démographique crée une pression sur l'utilisation des terres, et cette pression entraîne des changements incontrôlés de l'UB. Ces dernières années, l'urbanisation est une tendance principale dans les grandes villes du monde entier (Weber, 2003) [12]. L'un des principaux facteurs de ces changements est la croissance démographique. À l'échelle mondiale, les terres cultivées, les pâturages, les plantations et les zones urbaines se sont développés au cours des dernières décennies, accompagnés d'une forte augmentation de la consommation d'énergie, d'eau et d'engrais, ainsi que de pertes considérables de biodiversité. Les ressources en eau ont été rapidement sollicitées en raison de la croissance démographique et des changements climatiques. Le changement d'affectation des terres peut jouer un rôle important dans les changements environnementaux et contribue au changement global et à la perte de biodiversité (Chen et al., 2001) [13].

Avec l'augmentation de la population, les gens ont tendance à quitter

des zones rurales aux zones urbaines. Afin de répondre aux besoins de la population,

les forêts sont réduites en terres agricoles. L'augmentation rapide de la population, l'industrialisation et l'urbanisation demandent plus d'eau. D'autre part, les plans d'eau diminuent de jour en jour. Les gens ont besoin de nourriture et d'abris pour leur survie car la végétation a une importance énorme. Cyr et al., (1995) [14] ont indiqué qu'un couvert végétal inférieur à 70 % induit un niveau de risque critique d'érosion des sols. À l'échelle mondiale, en raison de l'urbanisation rapide, la quantité de terres agricoles, de zones d'épandage d'eau et de forêts denses s'écoule. En plus de cela, la densité croissante de la population a également contaminé les eaux de surface et souterraines. Ces changements affectent grandement l'environnement local et régional, qui finit par affecter l'environnement mondial. La forêt et la végétation s'épuisent de jour en jour. Nasir et al., (2012) [15] ont déclaré que les zones urbaines sont en train de changer en raison de diverses activités humaines, conditions naturelles et activités de développement.

Le Pakistan est un pays agricole ayant quatre provinces Punjab, Sindh, Khyber Pakhtunkhwa (KPK) et Baloutchistan avec sa capitale à Islamabad. Le Pakistan se situe entre 24° et 37° de latitude nord et 61° et 75° de longitude est. Il a une superficie totale d'environ 796 000 km². La population du Pakistan est estimée en 2015 à plus de 191,71 millions (Pakistan Census 6, 2014-15) [16]. Le changement d'affectation des terres au Pakistan est affecté par des facteurs environnementaux, physiques et humains. Cette augmentation de la population entraîne une urbanisation rapide et une conversion des terres agricoles en terres bâties et des terres forestières en terres agricoles ou bâties. En raison du progrès accéléré, de l'amélioration de l'éducation et de l'urbanisation, le Pakistan a subi de profonds changements dans l'utilisation des terres au cours de la dernière décennie. La proportion de la population totale vivant dans les zones urbaines est passée de seulement 17,8% en 1951 à environ 32,5% en 1998 et 37% en 2011 (GoP, 2011) [17]. En raison du déficit d'utilisation des terres, la planification des activités de développement et de construction conduit à un faible niveau de la nappe phréatique, la contamination de l'eau potable et un mauvais système de drainage provoquent une situation d'inondation lorsqu'il pleut abondamment. Par conséquent, comme d'autres pays, le Pakistan a également connu une augmentation rapide de l'urbanisation et de la population au cours des dernières décennies. Le changement d'affectation des terres continuera d'augmenter de façon spectaculaire au cours des prochaines années. Rai et al., (2011) [18] présentent que les techniques de télédétection ont été utilisées pour surveiller les changements d'utilisation des terres, cela a un rôle important dans le développement urbain et rural et la détermination des ressources naturelles.

La Banque mondiale rapporte que d'ici 2015, la moitié de la population totale serait urbaine au Pakistan (Dawn, 2007) [19]. L'aménagement du territoire entraîne également une perte de végétation naturelle.

Khyber Pakhtunkhwa (KP) est l'une des quatre provinces du Pakistan. Toutes ses villes sont confrontées à des risques d'urbanisation rapide et de croissance démographique en raison de l'évolution de l'utilisation des sols. Peshawar est l'une des villes de KP à la croissance la plus rapide et active. Son expansion entraîne des changements dans l'utilisation des terres et entraîne une réduction des terres agricoles productives. La conversion de ces terres en zone bâtie est néfaste pour l'agriculture et la sécurité alimentaire. LULC est devenu de plus en plus important alors que la Nation envisage de surmonter les problèmes de développement aléatoire, incontrôlé, de détérioration de la qualité de l'environnement, de perte de terres agricoles, etc. (Anderson et al., 1976) [20].

Différentes techniques sont disponibles pour les classifications d'images. Gupta et Parakash (1998) [21] ont utilisé une méthode combinée de soustraction de bandes composites colorées, de division de bandes et de classification supervisée pour préparer une carte d'utilisation des terres pour les études de détection des changements dans un district minier de charbon en Inde. Alados et al., (2004) [22] analysent les principaux processus qui déterminent les changements dans les modèles de paysage et la couverture végétale de 1957-1994 de semi-aride et méditerranéen, pour développer un modèle pour la dynamique de la couverture terrestre. Pocas et al., (2011) [23] ont utilisé trois images satellitaires temporelles différentes de la même zone et ont découvert les différents types de végétation, les terres stériles/communes et les matrices de terres utilisées et de paysages utilisés pour caractériser l'hétérogénéité spatiale, la fragmentation et les complexité du paysage et a suggéré à partir de son étude qu'il montre une tendance à la diminution du champ de culture annuelle, à l'augmentation de la fragmentation du paysage. Zafar et al., (2011) [24] ont étudié les changements d'utilisation des terres à l'aide de données satellitaires RS pour le zonage de gestion du parc national de Margalla Hills en fonction de différents facteurs environnementaux. Ashraf et al., (2011) [25] ont étudié les données d'images satellitaires des périodes de sécheresse (2001) et post-sécheresse (2006) afin d'évaluer les changements dans l'utilisation des terres et la couverture végétale grâce à une technique d'interprétation hybride (visuelle et numérique).

Peshawar a connu une augmentation rapide de son

population. L'utilisation des terres modifie le sol, l'eau, la végétation, l'alimentation animale et autres. En conséquence, les changements d'utilisation des terres entraînent une diminution de la disponibilité de différents produits et des dommages à l'environnement. Ainsi, les objectifs de cette étude sont d'analyser les changements d'utilisation des terres qui se produisent au cours des trois dernières décennies dans le district de Peshawar.

L'étude de recherche a été menée dans le district de Peshawar, la capitale du Khyber Pakhtunkhwa-Pakistan, et est situé à environ 160 km de la capitale fédérale Islamabad. Peshawar se situe entre 33° 44 et 34° 15 de latitude nord et 71° 22 et 71° 42 de longitude est. La superficie totale du district de Peshawar est de 1 257 km². Il se trouve à environ 1173 pieds (358 m) au-dessus du niveau de la mer. Selon le recensement de 1998, la population de Peshawar était de 2 019 118 habitants avec une densité de population de 1 606 personnes par km² (DCR Peshawar, 1998) [26]. Selon une estimation, la population du district de Peshawar est passée à 3 575 000 avec une densité de 2 844 personnes par km² en 2014 (https://en.wikipedia.org/wiki/Peshawar_District). La carte de localisation du district de Peshawar est illustrée à la figure : 1.

Le quartier est presque une plaine fertile. La partie centrale du district est constituée de fins dépôts alluviaux. Les étendues cultivées se composent d'un sol riche, léger et poreux, composé d'un mélange assez homogène d'argile et de sable qui convient à la culture du blé, de la canne à sucre et du tabac. La vallée de Peshawar est couverte de dépôts consolidés de limon, de sable et de gravier des temps géologiques récents. Le district est célèbre pour produire à la fois des cultures vivrières et commerciales. Les principales cultures vivrières sont le blé, le maïs et l'orge. La principale culture de rente est la canne à sucre. Une institution importante dans le domaine de l'agriculture dans le district de Peshawar est l'Institut de recherche agricole de Tarnab.

Fig : 1 Carte de localisation du district de Peshawar

Des images raster multispectrales et multitemporelles, deux de 30 m et une de 15 m de résolution de Landsat 7, lancé le 15 avril 1999 et Landsat 8, lancé le 11 février 2013 ont été acquises auprès du United States Geological Survey (USGS) [27 ]. L'USGS fournit des images gratuites à des fins de recherche, mais les images sont généralement de faible résolution. La rangée de chemin pour le district de Peshawar est 151-36. Des images de rouge, vert, bleu, SWIR-1, SWIR-2, TIR, NIR et bande 8 (pan) de Landsat 7 ont été téléchargées. Landsat 8 images d'aérosol, rouge, vert, bleu, NIR, SWIR-1, TIR-1, TIR-2, SWIR-2, Cirrus et

La bande 8 (pan) a été acquise sur le site de l'USGS. L'image satellite couvre une superficie de 185 km x 185 km. Les images ont été acquises en fonction de la disponibilité des satellites pour la zone, comme indiqué dans le tableau 1.


illustration non visible dans cet extrait

La réserve naturelle de Magamba dans le district de Lushoto en Tanzanie a connu et continue de subir des changements majeurs dans l'utilisation des terres et une perte de couverture des terres dans la végétation naturelle. Cela a entraîné une perte de biodiversité, des changements climatiques locaux, l'érosion des sols et la dégradation des forêts. Par conséquent, la compréhension des changements qui se produisent dans un tel écosystème est essentielle pour établir des activités de gestion. Il a été récemment indiqué que ces problèmes sont principalement dus aux activités anthropiques car ce district fait partie des zones rurales à forte croissance démographique par rapport aux autres districts ruraux de Tanzanie. Cependant, ces idées sont peu prouvées quantitativement. Cette étude a donc évalué les changements d'utilisation des terres et de couverture des terres et les causes de ces changements dans et autour de la réserve naturelle de Magamba. Des techniques de télédétection et de SIG ont été utilisées pour quantifier et analyser la tendance des changements d'occupation des sols au cours des 20 dernières années, en utilisant des images satellites de 1995, 2008 et 2015. De plus, des enquêtes auprès des ménages, des observations directes sur le terrain et des discussions de groupe ont été utilisées pour obtenir des facteurs socio-économiques qui influencent les changements dans l'utilisation des terres et la couverture des terres. Les données du recensement de la population de 2002 et 2012 ont été utilisées pour identifier la densité de population des villages entourant la réserve. Les résultats ont indiqué une expansion importante de l'agriculture de 169,33 ha en 1995, 282,16 ha en 2008 à 902,54 ha en 2015. Il y a eu une augmentation des zones bâties de 36,50 ha en 1995, 911,56 ha en 2008 à 1792,92 ha en 2015 au au détriment des autres couvertures terrestres. Les influences identifiées pour de tels changements incluent la pression démographique, le chômage, le manque de terres, l'expansion agricole, le feu et le besoin de sources d'énergie (par exemple, bois de chauffage et charbon de bois). L'augmentation récente de la population et des activités anthropiques est une menace pour la conservation et devrait donc être découragée afin de restaurer les zones dégradées et pour la durabilité de la biodiversité dans et autour de la réserve naturelle de Magamba.


Modélisation des changements historiques et futurs de l'utilisation des terres/de la couverture terrestre et de leur impact sur les zones humides dans le sous-bassin de Shashe, Zimbabwe

Le but de cette étude était d'utiliser les changements actuels et historiques de l'utilisation des terres / de la couverture terrestre (LULC) pour prédire les futures LULC à l'aide d'un modèle de chaîne d'automates cellulaires couplés à Markov. Les données de la série chronologique Landsat pour le mois de juin ont été utilisées pour déterminer les changements LULC pour les années 1984, 1995, 2005 et 2015 à l'aide du système de classification des forêts aléatoires dans R. Nous avons ensuite utilisé l'algorithme de chaîne de Markov avec plusieurs perceptrons dans le modeleur de changement de terrain pour simuler le futur LULC. dynamique pour les années 2025, 2035 et 2045. La méthode d'évaluation contingente a été utilisée pour estimer la valeur écologique des zones humides. Les résultats de l'analyse LULC pour la période entre 1984 et 2015 montrent un déclin des zones boisées et humides en raison de facteurs naturels et humains. We noted a reduced net change for grassland, woodland and mountain vegetation covers losing by − 4%, − 5.2%, − 2% and − 4% change, respectively. While, riverine vegetation, crop field and rock outcrop gained by 0.5%, 4% and 10.2%, respectively. A notable dramatic decline in wetland area was recorded between 1995 and 2005 losing about 125.53 ha, which could be attributed to recurrent droughts of 1995, 1998, 2002 and 2005. Major conversions were from wetland cover to crop fields suggesting agricultural encroachment onto the wetland area. Wetland area, thus, significantly decreased by 6% (p < 0.05) amounting to 236.52 ha in the last 30 years. Coupled CA–Markov chain model results for the years 2025, 2035 and 2045 predicted a further increase in cropfield at the expense of woodland and wetland area. In particular, wetland area is expected to further shrink by 46% (72.67) by the year 2045. Contingent valuation results show that every respondent concurs that wetlands have deteriorated to a very bad state in comparison to their state in the twentieth century. The cited reduced wetland health, biodiversity of both flora and fauna, water quality and quantity and general wetland area. The present state is estimated to be far less than 10% of the total value of wetlands 20 years ago. Quantifying such future wetland area changes is important not only for pure-scientific purposes but also for appropriately developing locally relevant and sustainable management strategies for wetland conservation.

Ceci est un aperçu du contenu de l'abonnement, accessible via votre institution.


Determine changes in land cover of isolated features over time? - Systèmes d'information géographique

Paper Information

Informations sur la revue

American Journal of Geographic Information System

p-ISSN: 2163-1131 e-ISSN: 2163-114X

Management of the Effects of Land Use Changes on Urban Infrastructure Capacity: A Case Study of Ruaka Town, Kiambu County, Kenya

Dennis Abuya, Maurice Oyugi, Edwin Oyaro

Department of Architecture and Building Science-School of the Built Environment, University of Nairobi, State-House Road, Nairobi, Kenya

Correspondence to: Dennis Abuya, Department of Architecture and Building Science-School of the Built Environment, University of Nairobi, State-House Road, Nairobi, Kenya.

E-mail:

Copyright © 2019 The Author(s). Published by Scientific & Academic Publishing.

Ce travail est sous licence Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/

Land use change is a major driver to the effects of climate change and other socio-economic and environmental challenges, a major challenge policy makers, planners and urban managers grapple with. Ruaka town is no exception as it faces high rapid land use change with myriad challenges on the management of the effects on urban infrastructure and aggravated by inadequate inter-agencies, coordination and collaboration. The study is an investigation of the effects of land use changes on urban infrastructure (roads, water supply, and wastewater infrastructure). It seeks to answer the drivers of land use changes and document the spatial-temporal land use changes between the years 1988 to 2019, establish their effects on infrastructure. The study establishes decline in vegetation and agriculture and rise in built -up areas which is partially contributed by urbanization and population growth in the area with major land fragmentations and land use conversions. The findings reveal encroachment of development to vegetation and riparian reserves which expose the human population to disasters and calamities in cases of climate change. Lack of approved planning policy has encouraged massive land use changes due to the ad hoc nature of planning using the development control tools which are not documented. The key drivers of land use changes deduced were good accessibility of the area, land speculation for investments, high returns from investments, demand for housing and accommodation and high population growth. The adverse effects on urban infrastructure includes pollution and contamination of water sources, traffic congestion, use of unconventional onsite waste management practices such as pit latrines and septic tanks for waste water management. The study concluded by evolving a management strategy to unravel the challenges through promotion of a sustainable and resilient urban infrastructure. The strategies emphasize on the technical, social, economic, environmental and jurisdictional dimensions.

Mots clés: County Government, Development, Land Cover, Land Use, Land, Sustainable Development, Urban Infrastructure and Urban Sprawl


2. Methodology

2.1. Geographic setting

Central Asia's IBB lies between 72° and 86° East and 44° and 49° North (figure 1) and encompasses 415,048 km 2 of area. The Ili River drains about 115,700 km 2 , which is almost equally distributed between Kazakhstan and China and provides roughly three-quarters of the basin's inflows (Kezer and Matsuyama 2006, Akiyama et al 2012). The remainder of the IBB lies within the borders of Kazakhstan, where smaller rivers and streams provide lesser amounts of water, most of which enter the eastern portion of Lake Balkhash. Although some of the smaller rivers have been diverted for irrigation, it is the area surrounding the Ili River and its tributaries that has been most intensively impacted by human activities, especially agriculture (Dostaj et al 2006, Pueppke et al 2018b). These areas thus have been subject to the greatest change in terms LULC and are the focus of the current study.

2.2. Data acquisition

This study relies on remotely sensed images from Landsat satellites and products derived from MODIS data. Included are surface reflectance images from Landsat 5 Thematic Mapper (TM) and Landsat 8 Operational Land Imager (OLI). The TM images were obtained for the years 1994–1996 with all available scenes covering the entire IBB. OLI images were obtained for the years 2014–2016 covering the same region. Products from MODIS include annual NPP data (MOD17A3) for 2000–2014. Global yearly surface water classification history data for 1991–1995 and 2011–2015 were provided by the Joint Research Centre (JRC) of the European Commission (Pekel et al 2016). Digital Elevation Model (DEM) data covering the IBB were obtained from the Shuttle Radar Topography Mission (SRTM) (available online at https://www2.jpl.nasa.gov/srtm/), and watershed boundaries are from HydroBASINS (available online at http://www.hydrosheds.org/page/hydrobasins). Other spatial data including administrative boundary and some ancillary information for cartography use are from Natural Earth (https://www.naturalearthdata.com).

2.3. Data processing and analysis

The overall analytical methods for spatial data processing are given in figure 2. To map the locations of surface water occurrence in 1995 and 2015, we integrated the annual water surface data from the JRC. There are three types of water surface areas: permanent water, seasonal water, and no water. Because of cloud cover and the limited number of available Landsat images (Hao et al 2018), some pixels in the water classification map were missing. We consequently composited five years of data from two time periods, 1991–1995 and 2011–2015. The compositing step first masked out the no-data pixels and then selected the majority of the water occurrence types among the five annual images for each pixel. The composited surface water maps of 1995 and 2015 have coverage percentages of 99.8% and 99.9%, respectively. Change detection was then analyzed for the two composited maps of surface water occurrence.

Figure 2. Flowchart of image processing, analysis, and interpretation used in this study.

To generate the corresponding LULC maps, Landsat time-series images from 1994–1996 and 2014–2016 time periods were composited to generate basin-wide images that represent 1995 and 2015, respectively. We first identified cloud-free land and water pixels by masking out cloud and snow pixels using the quality control information in the surface reflectance data product. When no cloud-free pixels were available (in most cases these were permanent snow and ice), we used the least cloudy pixels. We then generated monthly median composites using the images in the same month of the two time periods. This created 12 images representing each month of 1995 and 2015. We further grouped the 12 images into four seasons (January to March, April to June, July to September, and October to December) by selecting the median from each season, resulting in four composited seasonal images for each year. We focused our analysis on two seasons, April-June and July-September, as they correspond to the growing season, when vegetation would be expected to be present.

We then stacked the images from the two seasons and employed the random forest algorithm (Breiman 2001, Pal 2005) for LULC classification. Since topographic information is useful in identifying cropland and grazing land (Zhang et al 2018), we also included DEM-derived slope information as an additional layer in the classification. The map was classified with a resolution of 100 m to reduce noise. Training samples were obtained by drawing sample polygons based on high resolution images from Google Earth and the composited Landsat images using visual interpretation, which covered 17,433 sample pixels for 1995 and 21,255 pixels for 2015. The sample locations were spatially random and stratified among different classes. We used 90% of the data for training and 10% for testing to achieve an overall classification accuracy of 84.3% and 80.3% for the 1995 and 2015 time periods, respectively. The classification error mainly comes from confusion between irrigated cropland and wetland, and between grassland, shrubland, and sparse vegetation (Section 4.1).

NPP data were analyzed to represent the productivity of the grazing land and cropland. First, we conducted a Mann-Kendall (Mann 1945, Kendall 1975, Hipel and McLeod 1994) trend test and mapped the change trend of annual NPP from 2000 to 2014 using the package 'Kendall' in R. Then a production stability indicator was constructed using two criteria: (i) higher coefficient of NPP variation represents lower stability, and (ii) higher mean NPP values represent denser vegetation per unit area. With the 1995 and 2015 LULC maps and water occurrence data, and the 14-year NPP trend and stability data, we applied standard geospatial statistics (De Smith et al 2007) to examine the spatial and temporal patterns of water occurrence, cropland extent, and vegetation productivity.


1. Introduction

[2] Turbulent sensible and latent heat fluxes and longwave radiation generated from absorption of solar radiation by the land surface are the source of much of the energy that drives Earth's weather and climate. The magnitudes of these fluxes over the continents are strongly dependent upon the characteristics of the land cover, such as albedo, Leaf Area Index (LAI), stomatal resistance, roughness length, and vegetation fraction. Surface albedo controls the amount of solar radiation absorbed at the surface and therefore strongly modulates the amount of energy available for conversion to sensible and latent heat fluxes and longwave radiation. Darker vegetation has a lower albedo and absorbs more solar radiation than lighter vegetation, increasing the amount energy available for transfer to the lower atmosphere. Increasing the LAI can increase the latent heat flux by enhancing transpiration, as long as sufficient water is available in the root zone. Vegetation with lower stomatal resistance transpires greater amounts of water than plants with higher values of stomatal resistance when this water is present. Turbulent sensible and latent heat fluxes are also dependent upon the aerodynamic roughness length. Rougher surfaces enhance turbulent eddy formation and thus increase the energy transferred by turbulent sensible and latent heat fluxes. Finally, the vegetation fraction determines the amount of incoming radiation reaching the soil. The vegetation intercepts more of the incoming solar radiation when the vegetation fraction is higher. Because soil and vegetation have much different heat capacities this has a significant influence on near-surface temperature.

[3] There have been many studies in recent years illustrating how historical changes in land cover can alter weather and climate as summarized in the work of Pitman [2003] , Kabat et al. [2004] , Conseil National de Recherche [2005] , and Cotton and Pielke [2007] . In the study of Copeland et al. [1996] , for example, the July 1989 weather was simulated for the present-day and presettlement land cover using CLIMRAMS. They found that average daily temperatures warmed by 0.05 K across the continental United States. They used the United States Geological Survey (USGS) 1990 1-km landcover database [ Loveland et al., 1990 ] for the current land cover and cover type aggregated from the Küchler [1995] potential natural vegetation data set for the pre-European settlement case.

[4] Bonan [1997] used the National Center for Atmospheric Research (NCAR) Land Surface Model (LSM v. 1.0) coupled with a modified version of the NCAR Community Climate Model version 2 (CCM2) to examine the sensitivity of the annual climate in the United States to changes in vegetation since European settlement. The modern vegetation was derived from the Olsen et al. [1983] data set and the natural vegetation was derived from a map of Küchler's potential natural vegetation [ Espenshade and Morrison, 1990 ]. Using this global model he found that mean summer temperatures cooled by up to 1.5°C over parts of the eastern United States.

[5] Baidya Roy et al. [2003] used the Regional Atmospheric Modeling System (RAMS) equipped with the Land Ecosystem-Atmosphere Feedback model version 2 (LEAF-2) to simulate changes in United States summer weather owing to land cover change. They used land cover derived form the Ecosystem Demography (ED) model for 1700, 1910 and 1990 [ Hurtt et al., 2002 ]. The weather for the month of July from six years (1990–1995) was simulated. They found that the mean July temperature decreased slightly, generally less than 0.3°C, over most of the eastern United States between 1910 and 1990. In contrast when compared with 1700 the 1990 mean July temperatures were slightly warmer, mostly less than 0.6°C or less, over the eastern United States.

[6] An enhanced reconstructed historical land cover and biophysical parameter data set for the eastern United States [ Steyaert and Knox, 2008 ] provides an excellent opportunity to further investigate the effects of long-term historical land cover change on weather and climate. Steyaert and Knox [2008] included a detailed discussion of methods used to develop this new data set. Basically, they used a mutually consistent set of 36 land cover classes and associated biophysical parameters to characterize the diversity of land cover conditions across the eastern half of the United States (i.e., land area to the east of 97° W) at the 1650, 1850, 1920, and 1992 time slices [see Steyaert and Knox, 2008 , Tables 1 and 2]. The land cover for each time slice is determined by a set of fractional area land cover layers that sum to 1.0 at each location. Specifically, there are 22 fractional area land cover maps for 1650, 30 for 1850, 29 for 1920, and 26 for 1992 [see Steyaert and Knox, 2008 , Table 1]. In addition to mapping the land cover condition associated with major land use transformations at these four time slices within the eastern United States, this new data set was designed to be an improvement over existing data sets by using an expanded set of land cover and biophysical parameter classes that more fully account for regional differences in land cover characteristics owing to such factors as climate, topography, and soils [ Steyaert and Knox, 2008 ].

[7] On the basis of the results of a land use intensity analysis, Steyaert and Knox [2008] described the spatial patterns of land cover condition including changes in time associated with the 1650, 1850, 1920, and 1992 time slices. The 1650 time slice was selected to depict the natural vegetation at a time when the influences of Native Americans or Europeans represented a recent relative minimum [ Steyaert and Knox, 2008 ]. Their results showed that approximately 70% of the 1650 vegetation was relatively unchanged in 1850. Elsewhere clearing of the forest for wood products and agricultural farmland led to regenerating forest, mixed agriculture, village, and city land use patterns concentrated along the eastern seaboard and in the Ohio River basin. They showed that by 1920 approximately 90% of the eastern United States was transformed by intensive land use that led to a young regenerating forest, disturbed land with sparse vegetation, mixed agriculture, and growing city, residential, and urban areas. By 1992, the eastern forest had substantially regenerated including regrowth on abandoned farmland. Agricultural production had relocated according to land use suitability such as to lands supporting intense mechanized farming in the lower Mississippi River Valley and the corn-soybean belt states of the Upper Midwest. The landscape also became more fragmented with the growth and expansion of residential and urban development.

[8] Steyaert and Knox [2008] built on the LEAF-2 land data [ Walko et al., 2000 ] to develop an enhanced biophysical parameter table that contains a set of 10 biophysical parameters for each of the 36 land cover classes. These parameters include broadband solar albedo, land surface emissivity, LAI, seasonal change in LAI, maximum vegetation cover, seasonal change in maximum vegetation cover, aerodynamic roughness length, zero-plane displacement height, vegetation rooting zone depth, and canopy height. Each land cover class description is uniquely defined by its associated set of biophysical parameters (for parameter values, see Steyaert and Knox [2008 , Table 2]). The fractional area land cover layers and biophysical parameter table were designed for easy incorporation into soil-vegetation-atmosphere-transfer models (SVATS). Figures 1 and 2were derived from the Steyaert and Knox [2008] data set and show how the broadband solar albedo and roughness length have changed since 1650. Figure 1 shows that the albedo increased with the replacement of old growth forest by crops between 1650 and 1920. By 1992 the albedo had decreased again, although not to 1650 levels, as the forest regenerated. Figure 2 shows that the surface roughness length was greatly reduced from 1650 to 1920 owing to the clearing of the forest, however a small recovery has taken place since 1920 as eastern croplands were abandoned. Steyaert and Knox [2008 , section 3.1 and Figures 7–11] provide a more detailed discussion of the regional patterns of land cover condition including temporal changes, land use intensity maps, and biophysical parameter maps for each time slice.

[9] Artificial drainage of wetlands since the 1700s was an important land transformation within the eastern United States, with one estimate of the fractional coverage decreasing from approximately 20% to 8% between the 1780s and 1980s [ Steyaert and Knox, 2008 ]. The wetlands information in historical data sets such as the Küchler's potential natural vegetation [Küchler, 1964] has limitations, and the characterization and mapping of present-day wetlands is challenging and an ongoing research activity [ Steyaert and Knox, 2008 ]. Donc, Steyaert and Knox [2008] developed a conservative method in order to infer the spatial distribution of potentially water saturated soils for each time slice (for a detailed description of the methodology, see Steyaert and Knox [2008 , section 2.3.4]). Their objective was to provide a soil moisture boundary condition for land-atmosphere interaction modeling experiments and sensitivity tests on the potential effects of historical changes owing to artificial drainage, including the combined effects owing to changes in biophysical parameters. They derived the fractional area distribution of potential saturated soils (PSS) for each time slice where the PSS is restricted to the peak early growing season (i.e., June) when preceded by normal weather [see Steyaert and Knox, 2008 , section 3.1.6 and Figure 6]. The 20-km fractional area PSS maps were developed as proxy data to infer the potentially water-saturated soils associated with wetlands vegetation complexes in 1650 and then subsequent changes in PSS that primarily resulted from artificial drainage for agriculture [ Steyaert and Knox, 2008 ].


DISCUSSION

Accuracy of the image analysis method

The methodology presented for classifying historic aerial images of varying quality appears to be simple and effective for analyzing the dynamics of wooded pastures. Tree-cover classification is a suitable way to follow the landscape dynamics. Yet, it brings an incomplete view of the habitat and biodiversity changes given that these are not only determined by the evolution of the grassland&ndashforest mosaic structure.

As long as images show a strong contrast in grayscale tones between trees and pasture, the method is adequate. The determination of the threshold T is easy and reliable. However, images containing numerous fine-grained soil structures are trickier to handle. For instance, buildings, roads, and rock outcrops that appear in light tones induce biases in the grayscale tone distribution. Therefore, the method works best where the land-cover categories are limited to pasture and forest. The grayscale tone distribution is also greatly influenced by topography, camera orientation, and illumination conditions. Slope and aspect modify the luminance of the ground objects and can make it difficult to distinguish between different land-cover categories. Besides, the bigger the angle between the nadir and the orientation of the camera, the more the picture will show deformations and heterogeneous shadows. Finally, depending on the illumination of the terrain, the image contrast (luminosity effect) may not be sufficient to differentiate between trees and pasture from the grayscale tone distribution.

The grid resolution (25吕 m) is considered to be the finest that can be used with the considered phytocoenosis classification. A finer grid would lead to erroneous interpretation of the soil cover. In cases where the cell size is smaller than the maximum size of a tree crown, some pixels would be classified as grazed forest when they actually represent a single tree in an open pasture. A too coarse grid would tend to average the proportion of pasture and trees, thus overestimating intermediate tree density classes, i.e., sparsely wooded pastures (2000) and densely wooded pasture (3000), leaving open and closed landscapes under-represented.

The tree-cover class adjustment to the structural types was made using the three parameters L1, L2, et L3. Because of the contrasting heterogeneity between images, their value should be adapted separately for each image. An expert approach was required to visually set up the parameters as accurately as possible to obtain the most reliable classification. Though subject to interpretation, this stage brought a significant improvement and was relatively easily achieved by a trained ecologist.

Overall, the proposed semi-automated image processing method is a convenient way to compare aerial photographs of various periods and qualities. It is a much less time-consuming process than vectorization and is a more satisfactory approach than (semi)supervised classification. Despite its limitations, it is well adapted for the objective of the present study.

Combining quantitative approaches with pastoral chronicles

Land-cover changes obtained from the aerial image analyses were compared with the data describing the context in which the transformations occurred. Land-policy reforms and their socioeconomic effects are usually well described in official sources and literature. But while information regarding general driving forces such as regulations, subsidies, and prices is available at the national and regional levels together with basic statistics, local data for reconstructing the evolution of management practices are more difficult to obtain. Public offices and archives may possess valuable documents such as pasture and forest management plans to give insights on strategies and actions intended to utilize the land more rationally. However the history of the governance of mountain pastures has traditionally been recounted orally with only legal matters being put in writing. Thus, given the relative rarity of written documents, interviews are of central importance to widen the knowledge of wooded pasture management. A good understanding of the present situation is a prerequisite for reconstructing the past because it offers a comparison basis. Hence, current land managers were interviewed and they gave detailed descriptions of today’s wooded pasture systems. Because most farmers succeeded their fathers and took over the domains, they also were able to give some information about past utilizations, like fence demarcations, livestock types, and cattle pressure. In addition, key persons constituting the living memory of both study regions supplemented the chronicles with their recollections of the past.

The reconstituted chronicles can be regarded as partial and subjective but they nevertheless delivered sufficient relevant information. Obviously it is not possible to document every practical change in the wooded pasture management evolution. However, the overall trend is more important than the short-term, small-scale specificities when we consider the 15-year time interval used in the land-cover analysis. Besides, the potential bias introduced by the personal views of the interviewees was limited by focusing on facts and cross-checking information. When memories were vague or hazy, approximations were sought with the actors.

Beside the incompleteness of the data, the main difficulty in combining quantitative data analysis with pastoral chronicles lies in the delay between the moment actions are taken and the moment responses are visible in space. Conversely, adjusting land policies and management practices to new observed spatial configurations may take time and extend over two time intervals. Not only are the responses slow, but their explanation is not always straightforward given the existing knowledge. For these reasons, it is sometimes difficult to track the cause&ndasheffect relationships.

Nevertheless, cross-analyzing spatial patterns and temporal dynamics of complex land systems with socioeconomic and biophysical processes brings value to the study of wooded pastures. And above all, such an approach can easily be repeated in other landscapes, provided that comparable data sets are available. Overall, it makes it possible, even with a small set of case studies, to identify important drivers of change and understand major land-use trends that are helpful for elaborating scenarios or simulation models (Peringer et al. 2013), in order to accurately inform decision making.

Analysis of pasture&ndashwoodland dynamics

The general evolution of the two studied pastures was basically influenced in the same way by major driving forces. Overall, the most important period of change for both pastures was between 1934 and 1954 with the lowest percentage values for the “no change” category (Fig. 5), with this trend being more pronounced in Rionde (Fig. 7). Transformations of great magnitude denoted a rapid landscape change. The demand for wood and food was high during the war and the years that followed, resulting in an intensive use of both wooded pastures. Moreover, the storms of 1941 and 1946, together with the drought episodes of 1945 and 1947, left the trees vulnerable to the propagation of the European spruce bark beetle (Ips typographus) in Rionde. These natural events emphasized the opening of the landscape, reflecting a tendency to get rid of damaged trees and old timbers where herbage was of best quality to contribute towards supplying wood during and shortly after wartime. Between 1954 and 1968, the effects of protectionist regulations, agricultural subsidies, and technical improvements that encouraged farmers to keep on using their pastures efficiently became more visible. Overall, this is the period when the least change occurred in both pastures. But while Rionde saw its tree cover continue to decrease rather homogeneously in space, the Bullet site showed the first signs of extensification with tree encroachment in some areas. After this, the trend generalized in both pastures, resulting in harsher conditions for wood and milk producers with the prices continually decreasing. Tree propagation in Rionde was only impeded slightly by the 1990 storm.

The more specific direction that each of the two pastures took during the observed decades is the result of local conditions and diverging management choices. The landscape of Rionde has been largely shaped by the natural events that occurred in the region at different periods. It is difficult to tell what the landscape would have been like without the storms and drought episodes because alternative land-use strategies would have been used in different conditions. Nevertheless, pasture and forest management have significantly influenced the local patterns of tree dynamics. Besides logging activities, managing the cattle behavior with fences and watering points strongly impacted the potential for tree regeneration (Kohler et al. 2006, Vandenberghe et al. 2006). Yet, extensification seems to have been difficult to avoid in the last 30 years of the twentieth century in Rionde.

The evolution of the pastures in Bullet relied on a spatial segregation process on two levels. First, it appeared that the closer the pastures were to the village, the more intensively they were used (Les Planets). Because of the need for new dwellings, some areas were even converted into building areas (Les Rasses). More distant pastures have been extensified with concomitant tree encroachment (Les Cluds) or even were abandoned (La Bullatonne). Secondly, in the most intensively used areas, the separation between pasture and forest tended to be sharper, like in Les Planets, as the result of rationalization strategies. Indeed, the evolution of the Bullet pastures is the result of an optimization process that was impacted little or not at all by natural events. The proximity of the village to which farmers and cattle went back every night makes a big difference compared to the summer pastures in Marchairuz.


4 Discussion and Conclusions

The evaluation framework proposed in this study has the objective to assess the capabilities of an ensemble of LSMs to reproduce the observed interplay between variation in vegetation density, expressed as LAI, and surface energy fluxes. In the following paragraphs, we present a synthesis on the possible strategies for model improvements suggested by this analysis. The strategies may be useful for other LSMs which share common features and parameterizations with JSBACH, JULES, CLM, ORCHIDEE, or LPJ-GUESS.

    Model-specific mechanisms listed in Table 3 help to identify potential critical areas for model development and suggest directions for further investigation to improve our understanding and modeling capabilities. Deviations of different magnitude of the sensitivity of biophysical processes mediated by vegetation are found across the different land surface schemes. This leads to overestimation, underestimation, or even a change in sign of the energy fluxes attributed to changes in LAI compared to observations. Such incorrect representations of the biophysical processes affect model simulations of current and future response to climate and environmental change. Identifying rigorously the missing components or a relationship between components or the flawed representation of one or more components in LSMs is extremely complex due to the coevolution of multiple interacting processes and the diverse ways how they are implemented in each land surface scheme. The potential causes listed in Table 3 are those considered as the most plausible based on our knowledge however, we cannot exclude that additional model biases/artifacts/processes may affect the performance in reproducing the sensitivity of biophysics to LAI changes. Furthermore, we recognize that for certain emerging model-data inconsistencies specific causes have not been clearly identified, thus additional inspections are needed to explain the potential sources of model limitations.

Certain systematic errors have been found across the ensemble of LSMs. A marked misrepresentation of the interplay between the year-to-year variability in LAI and net radiation in cold and temperate climates emerges for tree coverage in 4 out of 5 models (JSBACH, JULES, CLM, and ORCHIDEE) (Figures 4 and 5). This likely reflects an imprecise modeling of LAI-related effects on surface albedo and ultimately impacts the amount of absorbed radiation. Furthermore, a dominance of the transpiration-driven mechanism over the observed albedo-driven mechanism is found in 3 out of 5 models (JSBACH, JULES, and ORCHIDEE) possibly linked to an incorrect balance of these two processes. Sensitivity of net radiation to LAI changes appears poorly represented in grass coverage as well in cold and temperate climates, whose effects result on the energy partitioning (Figures 6 and 7). Relations between interannual variations in sensible heat fluxes and LAI are of opposite sign than observed for trees across the whole set of LSMs and may lead to large biases in biophysical processes. However, a conclusive statement of the possible responsible mechanisms cannot be made.

The emerging systematic biases across models shed light on the current partial understanding of some key vegetation-mediated biophysical processes and how their (flawed) conceptualization is likely to be shared across models (Haughton et al., 2016 ). In this respect, previous data-model comparison studies suggests that the misrepresentation of turbulent fluxes in LSMs is due to a limited use of the information content in the atmospheric forcing data (Best et al., 2015 ). Based on our results, we argue that the representation of the vegetation control on the surface energy balance may represent a further important limitation in LSMs hampering their capability to mimic energy exchanges between the Earth surface and the atmosphere.

Possible common additional causes of discrepancies between observations and simulations could lie with the model capacity to reproduce the heterogeneity of biophysical processes, for instance due to orographic effects or variability in species composition, which our evaluation system does not allow to properly quantify. Noteworthy, the observation-based diagnostics have shown a certain degree of uncertainty in cold-temperate climates especially on sensible and ground heat fluxes for trees, and net radiation for grasses, as evident from the number of bioclimatic conditions where the observational signal is not significant (p > 0.05, Figures 2c, 2f and 2g, 2j). Furthermore, the variance in any time series of observed data is necessarily affected by noise in space and time due to instrumental accuracy (Vinnikov et al., 1996 ). As a consequence, random errors in the observations are likely leading to an underestimation of the actual relationships between LAI and the components of the energy balance (Figure 2). Such additional source of observational uncertainty could partially explain some emerging data-model discrepancies, in particular with regards to the overestimation of the modeled LAI control on turbulent fluxes compared to observations (Figures 4-7 versus 2). However, in this study the magnitude of random errors in satellite retrievals has been minimized by the averaging of the observed data across large spatial domains. Additional techniques to account for the instrumental noise effects could be further integrated to improve the assessment of model performance (Dirmeyer et al., 2016 ). The synergic use of multiple alternative and independent global scale observation-based products and detailed in situ measurements (Kumar et al., 2012 ) could surely enhance this assessment. Deviations between models and observations may also originate from uncertainty in the climate forcing (CRU-NCEP) used for LSMs, in particular with respect to radiation, whose values are retrieved from cloudiness visual observations at sparse CRU stations.


Voir la vidéo: Pourquoi y a-t-il des saisons? - Curionautes des sciences