COVID-19 : Contexte

COVID-19 : A l’heure actuelle, presque 1 200 000 cas de coronavirus sont confirmés à travers le monde ⁽¹⁾, cette crise touche à présent tous les pays d’une manière ou d’une autre. La moitié de l’humanité est confinée, et ceux qui ne le sont pas voient inévitablement des changements dans leur vie quotidienne.

C’est dans ce contexte très particulier que nous avons décidé d’observer les changements climatiques qui découlent de ce phénomène international. Chez Murmuration-SAS, grâce à des images satellites, nous avons pu corréler l’avancée du coronavirus et la diminution du taux de NO2 dans l’air troposphérique ainsi qu’une chute de turbidité dans les eaux des ports importants. Nous avions pu constater dans nos études précédentes que cette pandémie avait rapidement eu un effet positif sur l’environnement, notamment grâce à une baisse de la pollution de l’air et de l’activité maritime.

Dans ce nouvel article nous allons aborder un autre aspect de l’écologie : le côté plus vert des images satellites, celui de la végétation. 

Les populations confinées à travers le monde sortent beaucoup moins dans les parcs, les forêts, les travaux de chantiers et les déboisements sont suspendus … Nous nous sommes donc demandés si cette absence de l’homme dans la nature avait eu une influence sur l’état général de la végétation de certaines zones ? 

La couverture végétale terrestre ou NDVI

Pour rendre compte de l’évolution de la végétation nous avons utilisé une mesure bien connue des chercheurs dans ce domaine : le NDVI ou l’indice de végétation par différence normalisée. De manière générale, le NDVI est un indicateur graphique très simple qui peut être utilisé pour analyser les mesures de télédétection, souvent, comme dans notre cas, depuis une plateforme spatiale. Il permet d’évaluer si la cible observée contient ou non une végétation verte vivante. Cet indicateur sera ici un proxy dans le sens où il ne va pas décrire directement les changements de couvertures mais permettra de créer les graphiques et les courbes nécessaires à notre compréhension du phénomène.

Concernant les données sur lesquelles nous travaillons, elles sont accessibles depuis plusieurs sources mais nous avons opté pour Google Earth Engine ⁽²⁾ où il existe des dataset provenant de nombreux satellites. Après avoir présenté et utilisé les satellites Sentinel-2 et Sentinel-5P dans les précédents articles, cette fois, c’est au tour du huitième engin du programme américain Landsat d’être sous les feux des projecteurs. Landsat 8, ou Landsat Data Continuity Mission (LDCM), est en l’air depuis 2013. Il est issu d’une collaboration entre la NASA et le United States Geological Survey (USGS). Ce sont les images de ce dernier que nous allons traiter.

Mais comment, à partir d’une image de satellite, pouvons-nous obtenir des valeurs de NDVI, et des images qui mettent en exergue uniquement le végétal ?

Pour cela, il va s’agir de sélectionner les bandes spectrales (ce que le satellite voit) appropriées et à partir de ces dernières, en créer une nouvelle. Ci-dessous, pour votre compréhension, quelques-unes des bandes de landsat 8.

Bande spectrale	Longueur d’onde	Résolution
Bande 3 – Vert	0,525 – 0,600 µm	30 mètres
Bande 4 – Rouge	0,630 – 0,680 µm	30 mètres
Bande 5 – Infrarouge proche	0,845 – 0,885 µm	30 mètres
Bande 8 – Panchromatique	0,500 – 0,680 µm	15 mètres

Cette nouvelle bande contiendra les valeurs en NDVI de chaque pixels de l’image, et son calcul se fait selon l’équation suivante :

NDVI = NIR – RedNIR + Red   où NIR (Near InfraRed) correspond, pour le pixel donné, à la valeur pour la bande du proche infrarouge (la bande 5), et Red à la valeur pour la bande rouge tout simplement (la bande 4).

Remarque mathématique : Grâce à cette équation on comprend d’où vient la “différence normalisée” du NDVI.

Finalement, si nous filtrons nos données temporellement et spatialement, que nous appliquons ce nouveau traitement avant de l’afficher sur la carte, voici ce que l’on obtient.

Ci-dessus, des images satellites transformées par le calcul. On peut très facilement y voir des champs et leurs délimitations ainsi que des plantations en cercle.

La zone autour peut paraître désertique due à la couleur mais il n’en est rien. En effet, c’est le choix des bandes utilisées qui donne cette couleur sable là ou il n’y a pas de végétation.

Critères et filtres de comparaison

Rappelons notre objectif : corréler l’avancée du coronavirus et le confinement avec un impact visible sur la végétation du monde. Pour ce faire nous avons choisi des critères temporels et géographiques bien spécifiques, ainsi que des moyens de représentation exploitables. 

• Critères temporels

Impossible dans cette étude de faire des comparaisons pré-confinement/pendant le confinement, le cycle des saisons influant trop fortement sur la couverture végétale.

Nous avons donc été obligés de faire nos comparaisons d’une année à l’autre sur les même mois de l’année. Par exemple la plage de dates qui nous intéresse directement se déroule du 1er Janvier 2020 au 25 Avril 2020, et nous allons la comparer avec les mêmes dates mais en 2019.

• Critères géographiques

Le point de départ géographique de notre étude a été placée en Chine, proche de Wuhan, berceau de la contamination. Pour avoir des comparaisons variées, nous avons sélectionné des lieux différents : le parc national protégé de Hubei Shennongjia, une forêt en banlieue de Wuhan et la végétation au sein de Wuhan même.

Après avoir généré des graphiques sur ces zones, il nous a fallu avoir des tests témoin. Pour cela, nous avons exploité des sites français de même catégorie (la forêt domaniale d’arc chateauvillain comme espace protégé) et d’autres lieux proches des foyers de contamination, en Italie notamment.

• Méthode de représentation

Sur ces lieux et pour ces plages temporelles choisies nous avons pu représenter les résultats sous deux formes. Des courbes d’évolution dans le temps de la surface végétale et un graphique de distribution de la végétation. Cette deuxième solution s’est avérée être la meilleure car les courbes étaient trop imprécises et finalement assez invariantes d’année en année.

L’étape qui suit, avec tous ces paramètres en main, est d’analyser ces graphiques pour trouver un pattern, un motif commun aux graphiques, qui permettrait de trouver une réponse à notre étude. 

Il en faut plus pour faire pencher la balance

Hélas, contrairement aux corrélations mises en avant dans les deux précédents articles liés au COVID-19, il n’est ici pas possible de reproduire de telles relations. Après avoir comparé les patterns de distribution de la végétation dans des lieux similaires à travers le monde, les résultats ne sont pas probants. L’analyse que nous avons pu faire est que si le coronavirus a bel et bien eu un effet, il faudrait pour le voir comparer nos résultats actuels  avec une prévision climato-météorologique de ce qu’aurait dû être l’année 2020.

 A l’échelle microclimatique c’est la même conclusion, il semblerait que l’inertie liée à un changement de la végétation globale est bien trop grande pour le “choc” très éphémère du coronavirus. Par ailleurs, la précision des images et des filtres n’étant pas parfaite, faire quelconque corrélation entre ces deux phénomènes est pour l’instant impossible. 

La durée de ce confinement ne permet pas d’observer un changement notable et d’en d’étudier l’impact sur la nature. Ce n’est pas une mauvaise conclusion en soit, mais cela impose la nécessité de prôner des actions à long terme pour avoir un réel impact sur l’environnement. Les actions à court terme, comme nous le savions déjà, ne suffisent pas.

Quelles sont donc les actions qui ont un impact conséquent sur notre indicateur et la végétation mondiale ?

Ouverture : les grands reboisements et le cas du Pakistan

A travers le monde, nombreuses sont les zones de pauvreté forestière. L’UNESCO recommande un taux de boisement supérieur ou égal à 12%. C’est à dire que 12% de la surface du territoire doit correspondre à de la couverture végétale. A titre d’exemple, en 2015 la France arborait un taux à 31% ⁽³⁾ là où au Pakistan il y a quelques années c’était 2%. 

Ces situations critiques appellent de grandes manoeuvres dans les pays concernés. En effet au Pakistan entre 2015 et 2017, un milliard d’arbres ont été plantés et d’autres projets y ont vu le jour. Aujourd’hui le Pakistan a un taux de boisement de 5,37%.

L’Éthiopie, l’Inde, le Sénégal avec la grande muraille verte, Haïti … de nombreux pays se lancent dans de telles actions. Le but : lutter contre la déforestation, la sécheresse et le changement climatique. 

Malgré toutes ces initiatives, la déforestation mondiale continue, et le confinement n’a peut être pas aidé. Entre Janvier et Avril 2020, en Amazonie, on recense un déforestation 55 % supérieure à celle de la même période de 2019 et la plus élevée sur la période de janvier à avril depuis le début des statistiques mensuelles en 2015.

Pour finir, parlons des projets de reforestation qui existent sur tous les continents. A de multiples échelles les choses bougent en vue de contrer la perte de surface végétale annuelle. Sur notre site nous avons mis en avant deux projets dignes de confiance :

• Reforestaction (https://www.reforestaction.com/) 
• Pur projet (https://www.purprojet.com/fr/)

Tous deux œuvrent nationalement pour la lutte contre la déforestation et vous proposent de participer. Un dernier projet, international cette fois, va jusqu’à impliquer des populations précaires pour faire avancer la mission et sensibiliser les habitants. Passez voir Eden Project (https://edenprojects.org/) pour plus d’information. 

C’est ce genre d’action qui fait bouger les choses. Cette étude, comme tant d’autres, montre qu’il ne suffit pas de rester chez soi pour sauver les poumons de la Terre. La crise actuelle permet donc encore une foi de quantifier les directions à prendre pour réduire durablement l’impact négatif de l’activité humaine sur l’environnement, il nous incombe de relever ces mesures pour avancer intelligemment dans le futur.

Sources

1. : https://coronavirus.jhu.edu/map.html
2. : Google Earth Engine
3. : La forêt en France
4. : La reforestation du monde