Le changement climatique est une menace majeure pour les écosystèmes forestiers méditerranéens, en particulier du fait de l'augmentation du risque incendie. Pourtant, l'impact des incendies sur le milieu, ie la sévérité d'un incendie, reste encore peu étudié en région méditerranéenne française. Bien que les facteurs de variabilité soient bien connus (conditions météorologiques, état du combustible, topographie), les modèles de prédiction de la sévérité potentielle, principalement développés aux États-Unis, sont difficilement généralisables. L'hypothèse est que les prédicteurs utilisés actuellement sont incomplets et/ou trop incertains aux échelles spatiales considérées. Dans ce contexte de prévision de la sévérité potentielle des incendies en région méditerranéenne, cette thèse a pour objectif de 1) tester de nouveaux prédicteurs, et 2) développer de nouveaux indicateurs du stress hydrique des écosystèmes à partir des données satellitaires infrarouges thermiques à haute résolution spatiale. La première partie de la thèse s’intéresse à la prise en compte des dynamiques temporelles pré-feu de proxys de l’état du combustible dans les modèles de prédiction de la sévérité. Les séries temporelles pré-feu d'un indice de végétation issu de la télédétection (Sentinel-2, Landsat-7/8) et d’indices de sécheresse dérivés des données météorologiques sont extraites de 79 incendies estivaux (2016-2021). La prise en compte des dynamiques du combustible durant les 2 mois précédant l'incendie améliore la performance de prédiction de 32% par rapport au modèle de référence qui n'utilise que les données juste avant l'incendie. Une augmentation plus rapide que la moyenne de la sécheresse et une diminution plus rapide que la moyenne de la quantité de combustible vivant favorisent des sévérités plus élevées que la moyenne. La deuxième partie de la thèse s’intéresse à l’estimation du stress hydrique des forêts méditerranéennes à partir des données optiques/thermiques (Landsat-7/8/9) et des données LIDAR haute définition de l’IGN. La méthode contextuelle, couramment appliquée aux couverts relativement bas et de structure homogène, est adaptée de manière originale au cas des forêts. Les résultats sont évalués sur deux sites forestiers méditerranéens où des mesures par système eddy-covariance sont disponibles pendant 9 ans. La rugosité de surface (fonction de la hauteur de canopée) et les effets directionnels (ombres portées des arbres) sont identifiés comme des facteurs de variabilité de la température de surface (LST) Landsat, indépendamment du stress hydrique. Une méthode de normalisation de la LST des effets de hauteur de canopée et une correction de l'effet des ombres portées sont donc développées. Elles permettent de réduire le biais sur les estimations satellitaires et d’augmenter leur sensibilité au stress hydrique mesuré in situ de manière très significative par rapport à la méthode sans normalisation ni correction. Le stress hydrique dérivé des données thermiques pourrait être utilisé comme prédicteur de la sévérité potentielle. |
Climate change is a major threat to Mediterranean forest ecosystems, particularly due to the increased risk of wildfires. However, the impact of fires on the environment, ie fire severity, remains poorly studied in the French Mediterranean region. Although the variability factors are well known (meteorological and fuel conditions, topography), the models predicting potential fire severity, that are mainly developed in the United States, are difficult to generalize. The assumption is that the predictors currently used are incomplete and/or too uncertain at the spatial scales considered. In this context of predicting potential fire severity in the Mediterranean region, this thesis aims to 1) test new predictors, and 2) develop new indicators of ecosystem hydric stress using high-resolution thermal infrared satellite data. The first part of the thesis focuses on the use of pre-fire temporal dynamics of fuel state proxies in fire severity prediction models. Pre-fire time series of a vegetation index derived from remote sensing (Sentinel-2, Landsat-7/8) and drought indices derived from meteorological data are extracted from 79 summer fires (2016-2021). Considering fuel dynamics during the 2 months preceding the fire improves prediction performance by 32% compared to the benchmark model that only uses data measured or computed just before the fire. Faster-than-average increases in drought and faster-than-average decreases in live fuel quantity favour higher-than-average severities. The second part of the thesis focuses on estimating hydric stress in Mediterranean forests using optical/thermal data (Landsat-7/8/9) and high-definition LIDAR data from IGN. The contextual method, commonly applied to relatively low and homogeneous land covers, is originally adapted to the case of forests. The results are evaluated on two Mediterranean forest sites where eddy-covariance system measurements are available for 9 years. Surface roughness (function of canopy height) and directional effects (tree casting shadows) are identified as variability factors of Landsat surface temperature (LST), independently of hydric stress. A method for normalizing LST for canopy height effects and correcting for cast shadows is developed. This method reduces bias in satellite estimates and significantly increases their sensitivity to in situ measured hydric stress compared to the method without normalization and correction. Hydric stress derived from thermal data could be used as a predictor of potential fire severity. |