Oil palm plantations have expanded rapidly. Estimating either positive effects on the economy, or negative effects on the environment, requires accurate maps. In this paper, three classification algorithms (Support Vector Machine (SVM), Decision Tree and K-Means) were explored to map oil palm plantations in Cameroon, using PALSAR 50 m Orthorectified Mosaic images and differently sized training samples. SVM had the ideal performance with overall accuracy ranging from 86% to 92% and a Kappa coefficient from 0.76 to 0.85, depending upon the training sample size (ranging from 20 to 500 pixels per class). The advantage of SVM was more obvious when the training sample size was smaller. K-Means required the user's intervention, and thus, the accuracy depended on the level of his/her expertise and experience. For large-scale mapping of oil palm plantations, the Decision Tree algorithm outperformed both SVM and K-Means in terms of speed and performance. In addition, the decision threshold values of Decision Tree for a large training sample size agrees with the results from previous studies, which implies the possible universality of the decision threshold. If it can be verified, the Decision Tree algorithm will be an easy and robust methodology for mapping oil palm plantations. OPEN ACCESSRemote Sens. 2015, 7 1207

Résumé : Dans cet article, il est question d’évaluer la déforestation dans la périphérie Ouest de la réserve de Biosphère du Dja à travers les techniques de Télédétection et de Système d’Information Géographique. Pour cela, 08 images Landsat de date différentes (2011 à 2018) ont été utilisées pour produire les cartes d’occupation du sol, à travers la méthode de classification supervisée et l’algorithme « maximum likelihood ». Les classes d’occupation de sol retenues pour cette classification sont : forêt dense, forêt dégradée, zone de culture, zone marécageuse, zone d’habitation, sol nu et eau. L’analyse des changements a été faite avec la technique de « change detection ». Les résultats de cette étude ont montré que la déforestation a été importante pendant la période d’étude (2011 – 2018). Les surfaces forestières se sont principalement transformées en zone de culture, marécage, forêt dégradée, sol nu. Le taux de déforestation observé est de 6,8% et dénote une importante baisse du couvert forestier dense. L’étude a montré des tendances de déforestation dans cette périphérie. Elle a permis d’observer que les zones tendancieuses sont concentrées principalement autour de certaines activités anthropiques présentes dans cette zone (la plantation agricole SUDCAM, le barrage de Mekin, les lieux habités). Mots-clés : Déforestation, Changement climatique, forêt, tendances de déforestation, images satellites