Les zones arides et semi-arides sont à l’étude depuis longtemps, pour savoir si leur couvert végétal régresse. En effet, la théorie selon laquelle le Sahara s’étendait et la végétation ligneuse reculait a été émise pour la première fois dans les années 1930. Puis, la « grande sécheresse » des années 1970 au Sahel a mis l’accent sur la désertification causée par la surexploitation et par le changement climatique. Au cours des dernières décennies, c’est l’impact potentiel du changement climatique sur la végétation qui a été la principale préoccupation – et l’effet rétroactif de la végétation sur le climat, lié au rôle de la végétation dans le cycle global du carbone.
Pour mieux comprendre l’état du couvert végétal et son évolution dans des zones arides et semi-arides, nous avons récemment cartographié des milliards d’arbres et d’arbustes individuels en Afrique de l’Ouest. Un défi relevé en associant images satellites haute résolution et techniques d’apprentissage machine (machine learning), grâce à des supercalculateurs.
Trouver un arbuste dans le désert – depuis l’espace
Depuis les années 1970, la végétation dans les zones semi-arides du monde entier est cartographiée grâce à des données satellites. Les images disponibles sont soit de « hautes » résolutions spatiales (avec les satellites de la NASA, Landsat MSS et TM, et de l’ESA, Spot et Sentinel), soit de « moyennes ou basses » résolutions spatiales (satellites NOAA AVHRR et MODIS).

Arid and semi-arid areas have long been studied to see if their vegetation cover is declining. Indeed, the theory according to which the Sahara was expanding and woody vegetation was retreating was first put forward in the 1930s. Then, the "great drought" of the 1970s in the Sahel focused on the desertification caused. by overexploitation and by climate change. In recent decades, it is the potential impact of climate change on vegetation that has been the main concern - and the retroactive effect of vegetation on climate, linked to the role of vegetation in the global carbon cycle. .
To better understand the state of vegetation cover and its evolution in arid and semi-arid areas, we recently mapped billions of individual trees and shrubs in West Africa. A challenge met by combining high-resolution satellite images and machine learning techniques, using supercomputers.
Find a shrub in the desert - from space
Since the 1970s, vegetation in semi-arid areas around the world has been mapped using satellite data. The images available are either of “high” spatial resolutions (with the satellites of NASA, Landsat MSS and TM, and of ESA, Spot and Sentinel), or of “medium or low” spatial resolutions (NOAA AVHRR and MODIS satellites )

Pour analyser avec précision le couvert végétal à l’échelle continentale ou mondiale, il faut utiliser les images de la plus haute résolution disponible, avec une résolution d’un mètre ou moins. Jusqu’à présent, les coûts d’acquisition et d’analyse de ces données étaient prohibitifs et la plupart des études se sont appuyées sur des données de moyenne ou faible résolution, qui ne permettent pas d’identifier des arbres individuels. Ces études ne donnent donc que des estimations du couvert végétal agrégé et de la productivité, mélangeant de plus végétations herbacées et ligneuses.
Une nouvelle étude publiée dans Nature en octobre 2020, couvrant une grande partie de la zone semi-aride des Sahara, Sahel et Soudan en Afrique de l’Ouest, surmonte ces limites. En combinant une immense quantité de données satellites haute résolution, des capacités de calcul avancées au sein d’un supercalculateur, des techniques d’apprentissage automatique et de nombreuses données de terrain recueillies au fil des décennies, nous avons pu identifier des arbres et des arbustes individuels dont la surface de la couronne est supérieure à 3 m2 avec une grande précision. Le résultat est une base de données comprenant 1,8 milliard d’arbres dans la région étudiée, disponible pour tous les intéressés.

To accurately analyze land cover on a continental or global scale, use the highest resolution images available, with a resolution of one meter or less. Until now, the costs of acquiring and analyzing this data have been prohibitive and most studies have relied on medium or low resolution data, which cannot identify individual trees. These studies therefore only give estimates of aggregate vegetation cover and productivity, mixing more herbaceous and woody vegetation.
A new study published in Nature in October 2020, (An unexpectedly large count of trees in the West African Sahara and Sahel) covering much of the semi-arid zone of the Sahara, Sahel and Sudan in West Africa, overcomes these limitations. By combining an immense amount of high-resolution satellite data, advanced computational capabilities within a supercomputer, machine learning techniques, and extensive field data collected over decades, we were able to identify trees and shrubs. individuals with a crown surface greater than 3 m2 with great precision. The result is a database of 1.8 billion trees in the study region, available to all interested.

READ the whole article from the source above