Influence of topography on tropical forest structure and composition in Democratic Republic of Congo

Abstract

Les forêts tropicales séquestrent environ 25 % du carbone total de la biosphère et joueront un rôle clé dans la régulation du réchauffement climatique au cours des prochaines décennies. De nombreuses incertitudes subsistent quant à l’influence de l’environnement et en particulier de la topographie sur le stockage du carbone dans les forêts tropicales. De plus, les forêts d’Afrique centrale sont moins étudiées que les autres forêts tropicales. Le stockage du carbone est étudié par la biomasse aérienne. Dans cette étude, la biomasse aérienne n’est pas considérée comme une variable unique influencée par la topographie mais les composantes structurelles de la biomasse (e.g. la hauteur moyenne des arbres ou la densité de bois pondérée par la surface terrière) sont étudiées indépendamment. 20 parcelles de 1 ha ont été inventoriées dans la province de Mai-Ndombe, RDC. La topographie est étudiée à différentes résolutions (d’une résolution fine de 1m à une résolution de 100m) grâce à des données LiDAR (Light Detection and Ranging) aériennes. La relation entre la topographie et les composantes de la biomasse au niveau des parcelles est analysée à l’aide de modèles de régression. Il est supposé que la mauvaise compréhension de l’influence de la topographie sur les composantes structurelles soit due au fait que les indicateurs topographiques pertinents et leur résolution associée pour expliquer les composantes de la biomasse ne sont pas encore bien établis. Cette étude démontre que plusieurs composantes de la biomasse sont significativement associées à la topographie. Les résultats indiquent notamment que 31% de la variance de la densité de bois pondérée par la surface terrière a pu être expliquée avec une erreur quadratique moyenne relative de 6,77%. Étant donné que des indicateurs topographiques distincts sont associés à chacune des composantes de la biomasse, nos résultats confirment que la biomasse doit être étudiée indépendamment à travers ses composantes. Des indicateurs topographiques moins communément utilisés, tels que des caractéristiques hydrologiques ou de relief, se sont avérés être des prédicteurs significatifs de composantes de la biomasse. L’étude de la résolution montre que les indicateurs à résolution plus fine sont globalement de meilleurs prédicteurs. Cependant, la résolution optimale dépend de l’indicateur topographique et de la composante de la biomasse expliquée., ce qui démontre la nécessité d’étudier la topographie à différentes résolutions.La variation spatiale de la composition floristique a très probablement conduit à une sous-estimation de l’erreur de prédiction et devrait donc être prise en compte dans des études ultérieures. Finalement, cette étude révèle l’importance des nouvelles technologies de télédétection telles que le LiDAR dans la compréhension des forêts.

Tropical forests sequester ∼25% of total carbon in the biosphere and will play a key role in regulating global warming in the coming decades. There are still many uncertainties about how the environment and in particular, topography influence carbon storage in tropical forests. Moreover, central African forests are less investigated than the other tropical forests. Carbon storage is studied through aboveground biomass. In this study, above ground biomass is not considered as one single variable influenced by topography but structural components (e.g. mean tree height and community wood density) of the forest explaining biomass are studied independently. 20 1-ha plots have been inventoried in the Mai-Ndombe province, DRC. Topography is studied at various resolutions (from fine-scale 1m resolution to 100m resolution) through airborne light detection and ranging (LiDAR) data. The relationship between topography and biomass components at plot-level is examined using regression models. It is assumed that the the poor understanding of the influence of topography on structural components is due to the fact that the relevant topographic indicators and their associate resolution to the explanation of biomass components, are not yet well established. Here we show that several biomass components are significantly associated with topography. The results point out in particular that 31% of the variance in Community wood density is explained with a relative root mean square error of 6.77%. Because distinct topographic indicators are associated to each of the biomass components, our results confirm that the biomass should be studied independently through its components. Less commonly used topographic indicators such as hydrological or landform features are revealed to be significant predictors of biomass components. The study of resolution show the finer resolution indicators to be better predictors overall. However the optimal topographic resolution depends on the indicator and the explained biomass component considered, which demonstrates the need to study topography at various resolution. Spatial variation in floristic composition most probably led to underestimating the prediction error and should therefore be considered in further studies. The study reveals the importance of new remote-sensing technologies such as LiDAR in the understanding of forests.