La cartographie basée sur des règles peut-elle soutenir la planification de la restauration de la nature ? – L’écologiste appliqué
Des cartes fiables des habitats sont au cœur de la surveillance de la biodiversité, de la comptabilité du capital naturel et de la planification de la restauration de la nature. Les récents développements politiques au Royaume-Uni ont rendu cela encore plus important. Le cadre britannique sur l’utilisation des terres souligne la nécessité d’une base nationale cohérente de données sur l’utilisation des terres et d’une meilleure intégration des données spatiales entre les secteurs. Cependant, produire des cartes cohérentes des habitats à grande échelle n’est pas simple. Les enquêtes sur le terrain fournissent des informations écologiques détaillées, mais elles sont coûteuses et couvrent des zones limitées. La télédétection peut cartographier la couverture terrestre sur de vastes régions, mais elle s’appuie souvent sur de vastes ensembles de données de formation et ne produit pas toujours des résultats conformes aux classifications écologiques utilisées dans la planification. Dans notre récente étude, nous avons exploré une approche alternative. Nous avons évalué EcoservR, une boîte à outils open source de cartographie de l’habitat basée sur des règles, développée au Natural Capital Hub de l’Université John Moores de Liverpool. EcoservR utilise des ensembles de données spatiales existantes et un ensemble de règles transparentes pour produire des cartes d’habitat cohérentes et reproductibles à l’échelle du paysage.
Pourquoi c’est important
Les décisions environnementales dépendent de plus en plus de la compréhension de l’emplacement des habitats et de la manière dont les paysages sont structurés. En Angleterre, des initiatives telles que les stratégies locales de rétablissement de la nature s’appuient sur ce type d’informations pour prioriser la restauration et orienter les investissements. Cela crée un défi pratique : les décideurs ont besoin de cartes d’habitats qui soient non seulement précises, mais également cohérentes et compatibles avec les cadres de planification existants. EcoservR résout ce problème en combinant des ensembles de données largement disponibles, notamment OS MasterMap, l’inventaire des habitats prioritaires et des données sur l’utilisation des terres agricoles, en utilisant une approche de classification basée sur des règles. Les résultats s’alignent sur la classification de l’habitat de phase 1 du Comité mixte pour la conservation de la nature, qui est largement utilisée dans les études et la planification écologiques. Cela signifie que les cartes peuvent être utilisées directement dans les évaluations des services écosystémiques et les flux de travail de planification spatiale.
Comment nous avons testé l’approche
Nous avons testé EcoservR dans deux paysages très différents du nord de l’Angleterre :
- Merseyside, un environnement urbain et côtier complexe
- North York Moors, dominé par des prairies, des landes et des forêts de hautes terres
Nous avons comparé les habitats cartographiés avec des données d’enquêtes écologiques indépendantes. Lorsqu’il y avait des différences, nous avons vérifié des images aériennes à haute résolution pour comprendre s’il s’agissait de véritables erreurs ou si elles reflétaient de réels changements dans le paysage.
Ce que nous avons trouvé
EcoservR a bien fonctionné lors de la cartographie de grands types d’habitats. La précision globale variait entre 61 % et 80 % environ, selon le paysage et le niveau de détail. Les habitats ayant une structure physique claire, tels que les forêts et les eaux libres, ont été cartographiés de manière fiable. Comme prévu, les performances ont diminué à des niveaux de détail plus fins. Les habitats semi-naturels étaient particulièrement difficiles. Par exemple, il s’est avéré difficile de faire la distinction entre les prairies améliorées et non améliorées, car les ensembles de données disponibles ne rendent pas pleinement compte des différences de gestion ou de composition en espèces. Des problèmes similaires se sont posés pour les habitats de landes et de tourbières, où de subtils gradients environnementaux ne sont pas facilement détectés. L’une des découvertes les plus intéressantes est venue du processus de validation. Environ un tiers des différences entre les résultats du modèle et les données de l’enquête n’étaient pas dues à des erreurs dans la cartographie elle-même. Au lieu de cela, ils reflétaient soit des changements dans le paysage, soit l’incertitude des données d’enquête originales.
Ce que cela signifie pour la pratique
Nos résultats suggèrent que la cartographie basée sur des règles peut fournir un moyen fiable et transparent de produire des cartes d’habitats à l’échelle régionale. Étant donné qu’EcoservR génère des polygones d’habitats vectoriels alignés sur les classifications standards, les résultats peuvent être utilisés directement dans les modèles de services écosystémiques, les évaluations de la biodiversité et les outils de planification. Au Natural Capital Hub, nous utilisons ce type d’approche dans le cadre d’un flux de travail plus large reliant la cartographie de l’habitat à l’évaluation des services écosystémiques et à la comptabilité du capital naturel. Ces résultats aident à identifier les zones prioritaires pour la restauration et soutiennent des décisions fondées sur des preuves en matière d’investissement environnemental.
Regarder vers l’avenir
Il existe un potentiel évident d’amélioration de cette approche. L’ajout d’informations sur la structure de la végétation, les sols ou les données LiDAR pourrait aider à distinguer des habitats similaires. Il est également possible de combiner la cartographie basée sur des règles et la télédétection. En Écosse, par exemple, les produits de couverture terrestre dérivés de la télédétection sont utilisés dans l’outil de capital naturel de NatureScot pour affiner les cartes d’habitat basées sur des règles. Ces données peuvent subdiviser de grands polygones d’habitats en parcelles plus petites, améliorant ainsi la représentation des habitats mixtes et de transition tout en conservant une structure spatiale cohérente. Les approches émergentes d’apprentissage automatique peuvent également jouer un rôle, notamment dans la génération de caractéristiques détaillées à partir d’images haute résolution. Les systèmes basés sur des règles resteront probablement importants car ils fournissent un cadre transparent et cohérent pour organiser les données spatiales.
Lire l’article complet « Évaluer la précision de la boîte à outils EcoservR pour la cartographie de l’habitat à résolution fine » dans Solutions et preuves écologiques.