MGD Sections

Actions

5.4   Principes directeurs – Estimation et incertitudes Sujet précédent Sujet parent Sujet fils Sujet suivant

  • La classification des images peut soit faire l’objet d’une interprétation humaine soit être automatisée avec vérification des résultats par intervention humaine. La deuxième approche est moins couteuse en ressources et plus cohérente.
  • Les résultats de l’utilisation d’un algorithme de classification peuvent être améliorés par un processus itératif impliquant une interprétation humaine, des choix de données d’apprentissage et l’utilisation d’une information auxiliaire généralement obtenue par le biais du SNSF sur la situation des forêts sur le terrain.
  • Les données de référence devront être conjuguées avec les données cartographiques pour compenser les biais et estimer les intervalles de confiance.
  • La stratification utilisée pour les données d’activité devrait être cohérente avec les estimations de coefficients d’émission et d’absorption.
  • Après avoir énoncé les principes généraux de représentation cohérente de la Terre lorsqu’on utilise des données de télédétection pour localiser des unités de surface sur la base d’une approche pixel, les MPR formulent les conseils suivants:
    • Une fois qu’un pixel est inclus, il doit être maintenu de façon permanente, pour éviter un double comptage d’activités dans l’inventaire et améliorer la précision des estimations d’émissions.
    • Les stocks peuvent être attribués aux pixels, mais seules les variations de stocks et les émissions et absorptions qui en découlent sont reportées dans un souci de continuité visant à prévenir le risque d’estimation de fausses émissions et absorptions à mesure que les sols changent de catégories.
    • La localisation doit pouvoir distinguer à la fois les variations de couverture des sols qui représentent des variations d’utilisation des sols et celles qui conduisent à des émissions au sein d’une catégorie particulière d’utilisation des sols. Cela permet de prévenir des attributions incorrectes de sols et des coefficients incorrects d’émission et d’absorption. Cela peut aussi permettre d’empêcher l’application de modèles susceptibles de biaiser les résultats.
    • Il est nécessaire d’établir des règles pour parvenir à une classification cohérente et éliminer les oscillations de pixels entre utilisations des sols lorsque l’on se rapproche des limites de la définition.
  • Au-delà des erreurs de classification, un certain nombre d’incertitudes peuvent provenir de la biomasse, d’autres échantillons utilisés pour établir les coefficients d’émission ou d’absorption, d’autres paramètres, voire de l’utilisation de coefficients par défaut.
  • Il est possible de combiner les données d’activités et les incertitudes des coefficients d’émission en utilisant l’application répétée de règles strictes, ou (dans le cas d’approches de modélisation plus complexes) en recourant à l’analyse de Monte-Carlo.