s'abonner
Une étude récente menée par Oliver Gutiérrez-Hernández et Luis V. García et publiée dans la revue Remote Sensing Application propose une nouvelle méthodologie, appelée True Significant Trends (TST), pour analyser les tendances de verdissement global en utilisant des données satellitaires sur 42 ans (1982-2023). Cette méthode vise à améliorer la précision des analyses spatiotemporelles en éliminant les biais statistiques souvent présents dans les approches traditionnelles.
Contexte et enjeux
Le verdissement global, caractérisé par une augmentation significative de la couverture végétale, est un phénomène largement documenté grâce aux indices de végétation comme le NDVI (Normalized Difference Vegetation Index). Cependant, les méthodes classiques, telles que le test de Mann-Kendall, présentent des lacunes importantes :
- Corrélation sérielle : les dépendances temporelles peuvent fausser les résultats.
- Autocorrélation spatiale : les interactions entre pixels voisins ne sont pas toujours prises en compte.
- Tests multiples : l'analyse simultanée de nombreuses données augmente le risque de faux positifs.
Ces limites conduisent souvent à une surestimation des tendances significatives. L'approche TST corrige ces biais en intégrant plusieurs techniques avancées.
Méthodologie TST
La méthode TST repose sur quatre étapes principales :
- Pré-blanchiment (Pre-whitening) : élimination des corrélations sérielles dans les séries temporelles pour éviter les tendances artificielles.
- Estimation robuste des tendances : utilisation de l'estimateur de pente Theil-Sen pour quantifier la direction et l'intensité des tendances.
- Test Contextuel Mann-Kendall (CMK) : adaptation du test Mann-Kendall pour intégrer les corrélations spatiales et croisées entre pixels voisins.
- Contrôle adaptatif du taux de fausse découverte (FDR) : ajustement des seuils de significativité pour réduire les faux positifs dans un contexte de tests multiples.
Résultats clés
En appliquant cette méthodologie aux données NDVI provenant des satellites AVHRR :
- Environ 38,16 % des terres émergées présentent des tendances significatives de végétation, contre 50,96 % avec les méthodes classiques
- Parmi ces tendances significatives :
- 76,07 % indiquent un verdissement (augmentation de la végétation).
- 23,93 % montrent un brunissement (diminution de la végétation).
- Dans les zones où le NDVI dépasse 0,15 (indiquant une végétation dense), le verdissement représente 85,43 %, contre seulement 14,57 % pour le brunissement
Ces résultats confirment un phénomène global de verdissement, particulièrement marqué en Eurasie, notamment en Europe et en Chine. Le brunissement reste limité mais est observé dans certaines régions arides.
Implications scientifiques
L'approche TST met en évidence que les méthodes traditionnelles surestiment souvent l'étendue des tendances significatives. En filtrant efficacement les résultats douteux, elle offre une vision plus fiable des changements environnementaux mondiaux. Ce travail souligne également l'importance d'utiliser des outils statistiques rigoureux pour analyser des données spatiotemporelles complexes.
Les causes du verdissement global incluent :
- L'effet fertilisant du dioxyde de carbone
- Les changements climatiques.
- Les modifications d'utilisation des terres.
Cependant, le brunissement observé dans certaines régions pourrait être lié à la dégradation environnementale ou aux stress climatiques croissants.
Cette étude propose donc une avancée méthodologique majeure pour l'analyse des tendances environnementales globales. En adoptant la méthode TST, les chercheurs peuvent mieux comprendre les dynamiques complexes du verdissement et du brunissement planétaires. Cette approche pourrait également être appliquée à d'autres domaines nécessitant une analyse rigoureuse des données spatiotemporelles.
