Soutenance mémoire
Acquisition et pré-traitements des données
Démarche scientifique pour notre étude
Rappelons que notre objectif est de développer une méthode pour suivre l’évolution de l’occupation du sol du Bani de 1980 à aujourd’hui. Nous avons utilisé des images satellites à 8 km, résolution pour laquelle il est impossible de cartographier l’occupation du sol. En effet, la valeur numérique d’un pixel « basse résolution » est un mélange de différentes classes d’occupation du sol, dont il est impossible de retrouver les composants de base. Nous avons donc testé une approche originale du problème qui repose sur deux hypothèses :
– il existe une relation unique entre pluviométrie et type de couvert végétal,détectable à travers l’efficience de la pluie ; ainsi tout changement d’occupation du sol se traduira par une modification de la relation pluie-NDVI ;
– l’occupation du sol peut être décrite par un type de paysage ; tout changement d’occupation du sol peut être détecté par une modification de l’indice de texture des images
Acquisition et préparation des images
Pour étudier l’occupation du sol à l’échelle du Bani, nous avons choisi les images satellites en fonction de plusieurs critères pratiques, tel que le coût mais également en fonction de leurs potentialités pour l’étude de l’occupation du sol. Il existe plusieurs capteurs large champ produisant des images adaptées à l’observation des surfaces terrestres, comme par exemple NOAA-AVHRR (1982-2006), SPOT-VEGETATION (1998-2008), et TERRA-MODIS (2000-2006). Les images NOAA ont été retenues pour l’analyse de l’évolution du NDVI, seul jeu de données gratuit, disponible sur les 25 années considérées (1982-2006). Ces données globales ont démontré leur intérêt dans le cadre du suivi de la végétation (Tucker et al., 1985 ; Justice et al., 1985 ; Townshend & Justice, 1986 ; Lloyd, 1989 ; Los et al., 1998 ; Los et al., 2000). On utilise également des images SPOT VEGETATION pour étudier sur une courte période (1998-2008) l’effet de la résolution sur les tendances observées.
Extraction du NDVI
Grâce à l’outil « Zonal Attributes » d’Erdas, le NDVI moyen peut être extrait suivant différents types de segments (sous-bassin, isohyète, paysage…). Le raster utilisé est celui, successivement, des synthèses NOAA compilées par mois et par année, puis des synthèses SPOT. On extrait donc les attributs des différents polygones. En ce qui concerne l’évolution de la moyenne de NDVI au cours des 25 années, en conservant les données mensuelles, il a été nécessaire de construire un batch permettant d’extraire les valeurs de maximum pour les 300 couches de l’image. Lconstruction du batch est donnée en Annexe 2. Les graphiques générés par ce calcul d’attributs sont présentés dans la partie 4.
|
Table des matières
Introduction
Partie 1 : Une étude au sein du projet RESSAC
1.1. Présentation du projet RESSAC
1.2. Analyse bibliographique
1.3. Démarche scientifique pour notre étude
Partie 2 : Acquisition et pré-traitements des données
2.1. Zone d’étude
2.1.1. Présentation
2.1.2. Segmentation de la zone
2.2. Acquisition et préparation des images
2.2.1. Généralités
2.2.2. Produits sélectionnés
2.2.3. Acquisition et pré-traitements
2.3. Les données de pluies
Partie 3 : Traitements des données
3.1. Extraction du NDVI
3.2. Calcul du Coefficient d’Efficacité Pluviométrique (CEP)
3.3. Analyses de texture MODIS
3.3.1. Bases théoriques
3.3.2. Choix des indices et des paramètres .
3.3.3. Choix du jeu de données
Partie 4 : Résultats et discussions
4.1. Résultats NDVI-pluies
4.1.1. Evolution Pluies
4.1.2. Evolution NDVI
4.1.3. Relation NDVI-pluies
4.1.4. Efficience pluviométrique
4.2. Résultats de l’analyse texturale .
4.3. Analyse de l’évolution de l’OS ? Bilans et perspective
4.3.1. Relations Pluies/NDVI
4.3.2. Texture
Conclusion
Télécharger le rapport complet
