Pertes annuelles du couvert arboré au Maroc : 25 COG Hansen de 2001 à 2025

Une carte unique permet de savoir quand une perte du couvert arboré a été détectée, mais une série temporelle permet de voir où le phénomène se déplace d’une année à l’autre. Kharita transforme la bande officielle lossyear de Hansen Global Forest Change 2025 v1.13 en 25 Cloud Optimized GeoTIFF, un pour chaque année de 2001 à 2025.

Chaque millésime possède sa propre période, sa fiche de métadonnées et un nom prévisible qui permet de classer facilement les fichiers : hansen_tree_cover_loss_maroc_2001.tif jusqu’à hansen_tree_cover_loss_maroc_2025.tif.

Loading map…

Pourquoi créer 25 fichiers si Hansen fournit déjà l’historique ?

Le produit officiel encode tout l’historique dans une seule bande :

• 0 : aucune perte détectée entre 2001 et 2025;
• 1 : perte détectée en 2001;
• 2 : perte détectée en 2002;
• …;
• 25 : perte détectée en 2025.

Cette représentation est compacte et reste conservée dans le paquet de données comme source de vérité. Elle est cependant moins pratique pour une comparaison temporelle, un téléchargement par année ou une animation.

La collection annuelle applique donc une transformation déterministe : dans le fichier de l’année YYYY, le pixel vaut 1 si le code officiel est égal à YYYY - 2000, sinon il vaut 0. Aucun pixel n’est interpolé et aucune date n’est inventée.

Lire un pixel de la série annuelle

Code	Signification	Couleur conseillée
0	aucune perte détectée pendant l’année du fichier	transparent ou gris très clair
1	perte du couvert arboré détectée pendant l’année	rouge #D7301F
255	NoData hors de l’emprise nationale valide	transparent

Les valeurs sont nominales. Il faut utiliser un rendu catégoriel et le rééchantillonnage au plus proche voisin. Une palette continue comme Viridis ou Inferno donnerait à tort l’impression que les codes mesurent une intensité.

La collection en bref

Propriété	Valeur
Produit source	Hansen Global Forest Change 2025 v1.13
Producteurs	Université du Maryland / Google / USGS / NASA
Variable	présence annuelle d’une perte brute du couvert arboré
Période	2001-01-01 au 2025-12-31
Cadence	annuelle, sans année manquante
Nombre de COG	25
Résolution nominale	environ 30,92 m
Grille Kharita	64 420 × 60 605 pixels, EPSG:4326
Type de pixel	Byte, codes 0/1, NoData 255
Couverture	Maroc complet dans une emprise nationale continue, régions du Sud incluses
Licence	CC BY 4.0

Tous les fichiers partagent la même projection, la même transformation, les mêmes dimensions et le même masque. Chaque COG utilise des blocs internes de 512 × 512, la compression DEFLATE et sept niveaux d’aperçus.

Ce que montre la série marocaine

L’analyse Kharita parcourt les données à leur résolution native. Comme la grille est en longitude-latitude, elle ne suppose pas qu’un pixel représente partout la même surface : l’aire de chaque ligne est calculée sur l’ellipsoïde WGS 84.

Sur l’ensemble de la bande officielle, 2 834 321 pixels portent un code de perte entre 2001 et 2025. Leur surface géodésique cumulée est d’environ 1 805,9 km², soit une moyenne de 72,2 km² par an.

Année	Pixels détectés	Surface géodésique dérivée
2022	323 322	205,0 km²
2023	307 441	197,0 km²
2016	214 282	136,5 km²
2017	191 020	121,7 km²
2020	187 551	119,2 km²
2018	168 122	107,1 km²
2014	165 819	105,7 km²

Les années 2022 et 2023 présentent les surfaces détectées les plus élevées de la série nationale. Cette observation ne suffit pas à conclure que les feux ou les coupes ont été les plus importants pendant ces années : Hansen ne publie pas la cause de chaque pixel et la méthode de détection a évolué au cours de la série.

Le seuil forestier change le dénominateur

La série annuelle contient tous les pixels de perte signalés par le produit. Pour une étude forestière, on applique souvent un seuil au couvert arboré de 2000. Le choix doit être annoncé, car il modifie fortement la surface de référence et le résultat :

Couvert arboré minimal en 2000	Surface de référence	Perte 2001–2025	Part de la référence
10 %	11 338 km²	747,3 km²	6,59 %
30 %	6 823 km²	629,1 km²	9,22 %
50 %	4 409 km²	484,1 km²	10,98 %

Ce sont des scénarios analytiques reproductibles, pas des statistiques forestières officielles du Maroc. Un seuil élevé peut notamment exclure une partie des arganeraies ouvertes et des formations clairsemées.

Utiliser la série dans QGIS

Afficher une année

1. Ajoutez le COG de l’année souhaitée.
2. Choisissez Palettes / Valeurs uniques.
3. Rendez 0 transparent et 1 rouge.
4. Conservez le rééchantillonnage au plus proche voisin.

Utiliser le contrôleur temporel

Les dates sont détectables dans le suffixe annuel des noms de fichiers et sont aussi inscrites dans les métadonnées de chaque COG. Dans QGIS :

1. ajoutez les 25 fichiers comme groupe de couches;
2. ouvrez les propriétés temporelles de chaque couche;
3. utilisez une étendue fixe allant du 1er janvier au 31 décembre de l’année;
4. activez le contrôleur temporel et choisissez un pas d’un an;
5. exportez éventuellement l’animation, en conservant la même emprise et la même légende pour tous les millésimes.

Calculer une surface annuelle

Ne comptez pas simplement les pixels puis ne les multipliez pas par 30 × 30 m en EPSG:4326. Utilisez une projection équivalente adaptée ou une aire géodésique. Excluez NoData et annoncez le seuil de couvert 2000 utilisé comme dénominateur.

Analyses utiles pour le Maroc

Comparer aux surfaces brûlées

Croiser un COG annuel Hansen avec les COG mensuels MCD64A1 permet d’identifier des coïncidences possibles avec un incendie. Les résolutions diffèrent : environ 30 m pour Hansen et 500 m pour MCD64A1. Une intersection ne démontre donc pas automatiquement la cause.

Combiner Hansen et Esri pour suivre l’évolution du territoire

Hansen indique où et pendant quelle année une disparition du couvert arboré a été détectée. Il ne dit pas ce que le terrain est devenu ensuite. La série annuelle Esri Impact Observatory Land Cover complète cette lecture en indiquant l’occupation dominante du sol : arbres, cultures, zone bâtie, eau, sol nu, végétation inondée, broussailles, herbes ou neige et glace.

Loading map…

Le croisement des deux datasets permet, par exemple, de rechercher les pixels où Hansen détecte une perte en 2022, puis de comparer la classe Esri avant et après cette date. Un passage de « arbres » vers « cultures » peut signaler une conversion agricole à examiner. Un passage vers « zone bâtie » peut indiquer une artificialisation. Si la classe redevient « arbres » quelques années plus tard, il peut s’agir d’une régénération, d’une plantation ou d’une variation de classification qu’il faut confirmer avec des images satellites.

Une méthode simple consiste à :

1. choisir une année de perte Hansen;
2. sélectionner le millésime Esri précédant la perte et le millésime le plus récent disponible après celle-ci;
3. harmoniser les projections, l’emprise et la taille des pixels en conservant le rééchantillonnage au plus proche voisin pour les classes;
4. construire une matrice de transition, par exemple « arbres → cultures » ou « arbres → bâti »;
5. vérifier les changements importants sur une image satellite et, si possible, avec une observation de terrain.

Cette combinaison permet donc d’étudier l’évolution de l’occupation du sol autour des pertes, mais elle ne prouve pas à elle seule leur cause. Les deux produits ont des résolutions, des calendriers et des méthodes de classification différents. Il ne faut notamment pas interpréter automatiquement tout pixel Hansen perdu comme une déforestation permanente.

Mettre en contexte avec le climat

CHIRPS, ERA5-Land, l’humidité du sol et le Fire Weather Index permettent d’examiner les conditions précédant une année de perte. Ces croisements décrivent un contexte climatique; ils ne remplacent pas une enquête sur la cause locale.

Ce que la série ne permet pas de conclure

• Une perte Hansen n’est pas automatiquement une déforestation permanente.
• Le raster n’identifie ni incendie, ni coupe, ni maladie, ni chantier.
• Il ne fournit aucune espèce forestière.
• Le couvert arboré ne correspond pas automatiquement à la forêt juridique.
• Les plantations et les arbres hors forêt peuvent être inclus.
• La bande officielle de gain s’arrête en 2012; la collection annuelle ne représente donc pas un bilan net actualisé.
• Les années récentes et anciennes ne sont pas parfaitement homogènes : les capteurs et modèles ont évolué, notamment autour de 2011.
• Une validation avec l’imagerie et les données locales reste indispensable avant une décision de gestion ou une attribution de cause.

Sources et attribution

• Hansen Global Forest Change 2025 v1.13 — catalogue officiel
• Tuiles GeoTIFF officielles GFC-2025 v1.13
• Hansen et al. (2013), High-Resolution Global Maps of 21st-Century Forest Cover Change
• Visualiseur GLAD Global Forest Change
• Cédraie d’Ifrane — Wikimedia Commons
• Arganiers au Maroc — Wikimedia Commons

Attribution des données : Hansen/UMD/Google/USGS/NASA, Global Forest Change 2025 v1.13, CC BY 4.0. La dérivation Kharita sépare les codes annuels sans interpolation et conserve le raster lossyear officiel comme source de référence.