Prédire la biomasse à l’interface des gradients altitudinaux et floristiques : une approche intégrée appliquée aux massifs d’Isangi, Uma et Mambasa en République Démocratique du Congo
DOI:
https://doi.org/10.51867/ajernet.7.1.128Palavras-chave:
Biomasse Aérienne, Diversité Floristique, Modélisation Intégrée, REDD+, République Démocratique du Congo, Structure ForestièreResumo
En République Démocratique du Congo (RDC), la valorisation du rôle climatique des forêts dans le cadre du mécanisme REDD+ dépend de la précision des systèmes de suivi du carbone (MRV). Cette étude évalue comment la diversité des espèces d’arbres et l’architecture des massifs influencent les stocks de biomasse aérienne (AGB) le long de gradients écologiques contrastés. La méthodologie repose sur l’inventaire rigoureux de 60 placettes permanentes de 0,25ha réparties à Isangi, Uma et Mambasa. Les analyses démontrent que l’intégration conjointe de la richesse spécifique, de la surface terrière et de l’altitude permet d’expliquer entre 82 % et 91 % de la variabilité de la biomasse. Ces résultats prouvent que la diversité végétale agit comme un amplificateur de précision, surpassant nettement les modèles forestiers classiques. Sur le plan pratique, nous recommandons l'intégration systématique de la composition spécifique et des variables topographiques dans les protocoles nationaux de suivi forestier. Cette approche offre un levier concret pour fiabiliser les bilans carbones de la RDC, garantissant ainsi la crédibilité des politiques de gestion durable et des financements climatiques dans le Bassin du Congo. L’étude conclut que la préservation de la diversité floristique n’est pas seulement une priorité écologique, mais aussi une exigence stratégique pour améliorer la précision et la crédibilité des mécanismes d’atténuation du changement climatique dans les systèmes forestiers tropicaux. Enfin, l’étude recommande un effort coordonné combinant les technologies avancées, la collaboration institutionnelle et les connaissances écologiques afin d’assurer une mise en œuvre efficace des objectifs de REDD+ dans le bassin du Congo.
Downloads
Referências
Pan, Y., Birdsey, R. A., Fang, J., Houghton, R., Kauppi, P. E., Kurz, W. A., ... & Hayes, D. (2011). A large and persistent carbon sink in the world's forests. science, 333(6045), 988-993. https://doi.org/10.1126/science.1201609 DOI: https://doi.org/10.1126/science.1201609
Lewis, S. L., Edwards, D. P., & Galbraith, D. (2015). Increasing human dominance of tropical forests. Science, 349, 827-832. https://doi.org/10.1126/science.aaa9932 DOI: https://doi.org/10.1126/science.aaa9932
Dargie, G. C., Lewis, S. L., Lawson, I. T., et al. (2017). Age, extent and carbon storage of the central Congo Basin peatland complex. Nature, 542, 86-90. https://doi.org/10.1038/nature21048 DOI: https://doi.org/10.1038/nature21048
Sarre, A. (Ed.). (2020). Global forest resources assessment 2020: Main report. Food and Agriculture Organization of the United Nations.
Ali, A., Yan, E. R., Chen, H. Y., Chang, S. X., Zhao, Y. T., Yang, X. D., & Xu, M. S. (2016). Stand structural diversity rather than species diversity enhances aboveground carbon storage in secondary subtropical forests in Eastern China. Biogeosciences, 13(16), 4627-4635.
https://doi.org/10.5194/bg-13-4627-2016
Chave, J., Réjou‐Méchain, M., Búrquez, A., Chidumayo, E., Colgan, M. S., Delitti, W. B., ... & Vieilledent, G. (2014). Improved allometric models to estimate the aboveground biomass of tropical trees. Global change biology, 20(10), 3177-3190.
https://doi.org/10.1111/gcb.12629
De Wasseige, C., Flynn, J., Louppe, D., Hiol, F., & Mayaux, P. (2014). Les forêts du bassin du Congo-Etat des forêts 2013. Weyrich.
Fayolle, A., Swaine, M. D., Bastin, J. F., Bourland, N., Comiskey, J. A., Dauby, G., ... & Plumptre, A. J. (2014). Patterns of tree species composition across tropical African forests. Journal of Biogeography, 41(12), 2320-2331. https://doi.org/10.1111/jbi.12382 DOI: https://doi.org/10.1111/jbi.12382
Condit, R. (1998). Tropical forest census plots: methods and results from Barro Colorado Island, Panama and a comparison with other plots. Springer Science & Business Media. https://doi.org/10.1007/978-3-662-03664-8 DOI: https://doi.org/10.1007/978-3-662-03664-8
Angiosperm Phylogeny Group. (2009). An update of the Angiosperm Phylogeny Group classification for the orders and families of flowering plants: APG III. Botanical Journal of the Linnean Society, 161(2), 105-121. https://doi.org/10.1111/j.1095-8339.2009.00996.x DOI: https://doi.org/10.1111/j.1095-8339.2009.00996.x
Chave, J., Réjou‐Méchain, M., Búrquez, A., Chidumayo, E., Colgan, M. S., Delitti, W. B., ... & Vieilledent, G. (2014).Improved allometric models to estimate the aboveground biomass of tropical trees. Global change biology, 20(10), 3177-3190. https://doi.org/10.1111/gcb.12629 DOI: https://doi.org/10.1111/gcb.12629
Zanne, A. E., López-González, G., Coomes, D. A., Ilic, J., Jansen, S., Lewis, S. L., Miller, R. B., Swenson, N. G., Wiemann, M. C., & Chave, J. (2009). Global wood density database. Dryad Digital Repository. https://hdl.handle.net/10255/dryad.235
Dormann, C. F., et al. (2013). Collinearity: A review of methods to deal with it and a simulation study evaluating their performance. Ecography, 36, 27-46. https://doi.org/10.1111/j.1600-0587.2012.07348. https://doi.org/10.1111/j.1600-0587.2012.07348.x DOI: https://doi.org/10.1111/j.1600-0587.2012.07348.x
Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723.
https://doi.org/10.1109/TAC.1974.1100705 DOI: https://doi.org/10.1109/TAC.1974.1100705
Lewis, S. L., Sonké, B., Sunderland, T., Begne, S. K., Lopez-Gonzalez, G., Van Der Heijden, G. M., ... & Zemagho, L. (2013). Above-ground biomass and structure of 260 African tropical forests. Philosophical Transactions of the Royal Society B: Biological Sciences, 368(1625). https://doi.org/10.1098/rstb.2012.0295 DOI: https://doi.org/10.1098/rstb.2012.0295
[16] Paquette, A., & Messier, C. (2011). The effect of biodiversity on tree productivity. Global Ecology and Biogeography, 20(1), 170-180. https://doi.org/10.1111/j.1466-8238.2010.00592.x DOI: https://doi.org/10.1111/j.1466-8238.2010.00592.x
Ali, A., Yan, E. R., Chen, H. Y., Chang, S. X., Zhao, Y. T., Yang, X. D., & Xu, M. S. (2016). Stand structural diversity rather than species diversity enhances aboveground carbon storage in secondary subtropical forests in Eastern China. Biogeosciences, 13(16), 4627-4635.
https://doi.org/10.5194/bg-13-4627-2016 DOI: https://doi.org/10.5194/bg-13-4627-2016
Fauset, S., Johnson, M. O., Gloor, M., Baker, T. R., Monteagudo M, A., Brienen, R. J., & Phillips, O. L. (2015). Hyperdominance in Amazonian forest carbon cycling. Nature communications, 6(1), 6857. https://doi.org/10.1038/ncomms7857 DOI: https://doi.org/10.1038/ncomms7857
Cuni-Sanchez, A., et al. (2021). High aboveground carbon stock of African tropical montane forests. Nature, 596, 536.
https://doi.org/10.1038/s41586-021-03728-4 DOI: https://doi.org/10.1038/s41586-021-03728-4
Tyukavina, A., Hansen, M. C., Potapov, P., Parker, D., Okpa, C., Stehman, S. V., ... & Turubanova, S. (2018). Congo Basin forest loss dominated by increasing smallholder clearing. Science advances, 4(11), eaat2993. https://doi.org/10.1126/sciadv.aat2993 DOI: https://doi.org/10.1126/sciadv.aat2993
Baccini, A., Walker, W., Carvalho, L., Farina, M., Sulla-Menashe, D., & Houghton, R. A. (2017). Tropical forests are a net carbon source based on aboveground measurements of gain and loss. Science, 358(6360), 230-234. https://doi.org/10.1126/science.aam5962 DOI: https://doi.org/10.1126/science.aam5962
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Direitos de Autor (c) 2026 Evariste Loke Lobanga, Faustin Boyemba Bosela, Janvier Lisingo wa Lisingo, Thom’s Kavali Tondo, Isaac Bosuandole Bolila, Bosco Ndjango Ngona, Damien Essala Atickwe, adot Bondjandi Lotombo, Michel Mbasi Mbula, Christophe Lomba Bosombo
Este trabalho encontra-se publicado com a Creative Commons Atribuição-NãoComercial 4.0.
