Évaluation du potentiel de productivité des terres en Biélorussie

Note : Ce projet a été réalisé avec le soutien du Programme de coopération conjointe en matière de recherche de l'Alliance des organisations scientifiques internationales (ANSO) dans le cadre de l'initiative « Ceinture et Route ».

Contexte du projet

La préparation et la fusion des données ont été réalisées à l'aide de Sentinel Hub et de Google Earth Engine. Les échantillons d'entraînement ont été étiquetés grâce à des jeux de données publics, des publications et une interprétation visuelle. La méthode d'apprentissage supervisé OBIA-RF (Object-Oriented Random Forest) a ensuite été utilisée pour classifier les données agricoles et forestières et extraire les caractéristiques de leur couverture terrestre. Enfin, une cartographie et une analyse statistique ont été effectuées. Le potentiel écologique des sols a été évalué en combinant les données météorologiques et pédologiques.

Cet article présente principalement l'évaluation du potentiel de productivité des terres en Biélorussie à l'aide d'un modèle factoriel lumière-température, et constitue également la dernière partie de ce projet.

Sur la base du modèle initial, des données de classification de l'utilisation des terres et d'indice de végétation ont été ajoutées comme variables supplémentaires, et les pondérations de chaque variable ont été réattribuées en fonction des données réelles obtenues.

△Figure 1. Organigramme de l'évaluation du potentiel de productivité des terres

Processus de projet de base

Modèle d'évaluation du potentiel de productivité des terres :

Modèle factoriel lumière-température

Le potentiel de production photosynthétique est évalué en combinant des paramètres météorologiques, pédologiques et liés aux cultures.

Potentiel de production photosynthétique :

Responsable de Huang Bingwei :

*Huang Bingwei (1978)

YQ représente le potentiel de production photosynthétique (kg/h㎡).

Q représente le rayonnement solaire total (cal/cm²).

ε représente la proportion de lumière visible dans la gamme de longueurs d'onde de 0,38 à 0,71 μm du rayonnement solaire.

α est la réflectivité

β est le taux de fuite

ρ représente le taux d’absorption inefficace des organes non photosynthétiques, considéré comme étant de 10 %.

γ est la limite de saturation lumineuse

φ est l'efficacité quantique, prise égale à 0,224.

ω représente l'efficacité respiratoire

H représente l'énergie nécessaire pour produire 1 g de matière sèche, avec une valeur moyenne de 4,25 kcal.

8 % représente la teneur en nutriments inorganiques de la plante.

Potentiel de production photothermique :

R représente les précipitations (mm) et E0 représente l'évaporation (mm).

Potentiel de productivité des terres :

Nu est l'indice des nutriments du sol, et Om est l'indice de matière organique du sol.

Dans la formule : Au, Ap, Ak sont respectivement les teneurs en azote disponible, en phosphore disponible et en potassium disponible dans le sol (mg/kg), et Om est la teneur en matière organique dans le sol.

Le modèle se divise en deux parties principales : l’évaluation des cultures et l’évaluation des sols. L’évaluation des cultures intègre des données topographiques, météorologiques et d’indices de végétation, tandis que l’évaluation des sols se concentre principalement sur leur teneur en éléments nutritifs. Les données météorologiques historiques proviennent de la base de données ERA5-Land, et les données pédologiques de la base de données mondiale des sols pour les modèles du système terrestre (GSDE). L’indice NDVI est calculé à partir des données des satellites Sentinel-2 et Landsat 7/8. Les températures et précipitations annuelles cumulées sont calculées à partir de données météorologiques historiques horaires, puis rasterisées. L’indice NDVI est ensuite synthétisé en fonction de l’année. Enfin, les données sont alignées à l’aide d’un raster standard et un modèle factoriel lumière-température est appliqué pour calculer et cartographier l’indice annuel de potentiel de productivité des terres.

Résultats du projet

△ Figure 2. Répartition du potentiel de productivité des terres en Biélorussie, 2014-2023

Figure 3. Évolution du potentiel de productivité des terres dans différentes régions du Bélarus, 2014-2023

Comme le montrent les figures 2 et 3, la distribution spatiale du potentiel de productivité des terres présente une variation relativement faible. Entre 2014 et 2019, ce potentiel a connu une baisse progressive dans chaque région. Les zones ayant enregistré une augmentation après 2019 sont probablement dues à une hausse des précipitations. Cependant, le potentiel de productivité des terres a fortement diminué en 2022 et 2023, probablement en raison d'une couverture nuageuse accrue qui a affecté la qualité et la disponibilité des images satellitaires, entraînant des valeurs NDVI manquantes ou anormalement basses dans certaines zones, ainsi que des précipitations anormales dans d'autres régions.

La combinaison des données de répartition du potentiel de productivité des terres avec les données d'utilisation et de couverture des sols peut fournir des références plus approfondies, complètes et spécifiques pour le développement forestier régional, la formulation de politiques agricoles régionales, la planification à long terme de l'utilisation des terres et la mise en œuvre de projets de restauration et de protection des sols.