Indice de végétation par différence normalisée NDVI

Télécharger le fichier pdf d’un mémoire de fin d’études

Les différents caractéristiques et types de feu

L’intensité

L’intensité du feu est le facteur clé déterminant l’impact du feu sur la végétation. Ce sont les facteurs météorologiques ainsi que la disponibilité du combustible à être brulée affectent la chaleur produite lors de la combustion, la quantité des combustibles brulés et la propagation d’un incendie, qui influent l’intensité du feu (MESA, 2017).
L’intensité du feu est estimée comme suit (Byram, 1959; Wagner, 1977) = × ×
Où : H : chaleur de combustion (kJ/kg)
W : masse de combustible brulé par unité de surface (kg/m2)
R : vitesse de propagation du front de feu (m/s)

La fréquence

La fréquence décrit le nombre moyen de feux qui ont eu lieu sur une période donnée de temps et est souvent exprimée en termes d’intervalle de retour du feu. L’intervalle de retour du feu est le nombre moyen d’années entre deux apparitions successives de feu sur un point donné, ou sur une zone donnée, pour une période d’étude donnée.

Types de feu

– Les feux de sol brûlent la matière organique contenue dans le sol qui sert de combustible. Ils sont peu virulents, de propagation lente et difficile à éteindre complètement.
– Les feux de surface ce sont les strasses basses de la végétation qui servent de combustible. Leur propagation rapide est favorisée par le vent en relief.
– Les feux de cimes sont localisés sur la partie supérieure des arbres, ils libèrent de grandes quantités d’énergie et se propagent très rapidement. Favorisés par le vent et la sècheresse, ils sont difficiles à contrôler.

Fenêtre atmosphérique

La fenêtre atmosphérique est une partie du spectre électromagnétique pour laquelle l’absorption par l’atmosphère terrestre est minimale. L’atmosphère est relativement transparente dans le visible (large fenêtre atmosphérique), tel que dans l’infrarouge les deux fenêtres principales se situent entre 3 et 5 µm et 8 et 14 µm environ.
Les fenêtres atmosphériques sont très utilisées dans la détection des signaux émis par les satellites. L’atmosphère est opaque de 22 µm à 1 mm, ce qui explique l’absence d’utilisation de cette portion de spectre en télédétection (CNRS, 2004).

Propriétés physiques des surfaces brulées

Pour chaque type de végétation (herbacé, arbustif ou arboré), les surfaces brulées possèdent des caractéristiques communes : une diminution de la quantité de végétation verte ainsi qu’une modification de sa structure, une réduction de l’activité photosynthétique et une augmentation de la quantité de cendres et de charbon. Ces modifications physiques entrainent des changements dans la réponse spectrale de la végétation notamment dans les longueurs d’onde du Rouge (R), du Proche Infrarouge (PIR) et du Moyen Infrarouge (MIR). La combinaison de ces trois bandes spectrales fournit alors une information satisfaisante pour discriminer les surfaces brulées des non brulés (Jacquin, 2010)

Identification des pixels de feu

Une classification préliminaire est utilisée pour éliminer les pixels non-feu. Les pixels qui ne sont pas éliminés au cours de cette étape sont considérés comme des pixels de feu potentiels, et subiront un traitement ultérieur.

Un pixel de jour est identifié comme un pixel de feu potentiel si : >∗ , ∆ > ∆ ∗ où (∆ =− )(3)

Mais ici, on a pris 4∗ = 325 K, ∆ ∗ = 20 K, car ces valeurs permet d’avoir des résultats avec très peu d’erreurs lors de la détection comme le décrit dans (Liew et al., 2005). Après avoir subi ces différents tests, des rejets vont être appliqués afin d’éliminer des erreurs lors de la détection.

Rejet des fausses alarmes côtières

Un simple test basé sur les réflectances 0,86 µm, 2,1 µm et le NDVI a été utilisé où ∶= ( 0.86 − 0.65)⁄( 0.86 + 0.65) (4)

Cette combinaison particulière a été choisie pour réduire la confusion des ombres de nuages et les cicatrices de brulure avec l’eau.

Comme le masque « sol / mer », MODIS n’a pas pu masquer certains pixels d’eau, donc un autre test a été fait 2.1 < 0,05 , 0.86 < 0,15< 0 (5)

Rejet de surfaces forestières clairsemées

Comme démontré par (Schroeder et al., 2008), l’algorithme MODIS classe souvent comme feux les petites surfaces clairsemées dans les forêts tropicales. Un pixel de feu est rejeté comme fausse alarme si : ̅+ 3, 7 ( ), ̅ > 0,28 ( )< 325 ( )(6) > ù ∶ x s s ( ) » solu des écarts » ∶ x = ∑ |x − x̅| , ù ∶ s x sté.
(a) exploite le fait que les clairières ont tendance à être significativement plus chaudes que la forêt intacte environnante

(b) aide à limiter le test à de plus grandes parcelles de forêt tropicale où un dégagement d’environ 1 km pourrait se produire.

Caractérisation des surfaces brulées

Indice de végétation par différence normalisée NDVI

Les indices de végétation, très largement utilisés en télédétection, donnent une estimation de variables géophysiques : couverture de la végétation (densité, santé), teneur en eau des sols, etc. Ils sont obtenus par un calcul faisant généralement intervenir deux bandes spectrales : bandes rouge (R) et proche infra-rouge (PIR). Ils permettent ainsi d’estimer rapidement et simplement des variables environnementales.

La végétation saine absorbe une grande quantité de lumière rouge et réfléchit une grande quantité de lumière IR. Au contraire, une végétation moins saine réfléchira plus de Rouge et absorbera plus d’IR. L’indice NDVI est fondé sur la différence de réflectances entre ces deux bandes (Rouse et al., 1974).

= − (9)

Indice de brulure normalisé NBR

L’indice de brulure normalisé (NBR) est une version modifiée du NDVI qui utilise les bandes 4 et 7, par opposition aux bandes 4 et 3 du système Landsat. Basé sur l’utilisation des données TM de Landsat qui est la reconnaissance que les bandes 4 (PIR) et 7 (MIR) sont les bandes les plus fortement décorrélées, qui changent sensiblement suite à un incendie (Epting et al., 2005; Roy et al., 2006). L’indice est cal culé comme étant la différence entre le proche infrarouge (PIR) et le moyen infrarouge (MIR) de la réflectance divisée par la somme (Key et Benson, 2006).

Difference Normalized Burn Ratio (dNBR)

Le dNBR (difference Normalized Burn Ratio) est calculé à partir de la soustraction de l’indice NBR avant-feu avec le NBR après-feu (Key et Benson, 2006, 1999; Van Wagtendonk et al., 2004) pour voir le changement ou l’évolution de surfaces brulées entre deux images acquis sur une même zone, mais avec deux dates différentes =− st (11)

MODIS surface brulée (MCD64A1)

L’image MODIS « MCD64A1 » est une amélioration de l’image MCD45A1. Elle fournit des informations des surfaces brulées mensuelles avec 500 mètres de résolution. Elle est structurée comme suit : « MCD64A1.A2017281.h22v11»
– MCD64A1 désigne le MODIS surface brulée
– A2017281 est le 281e jour de l’année 2017 qui est le 08 octobre 2017
– h22v10 est la localisation dans le système de carrelage sinusoïdal
MCD64A1 contient les dates où les brulages ont été détectés, ces dates sont affichées sous forme de jour julien (1-335 ou 1-336 pour les années bissextiles).
Ces données ont été obtenues à partir du site web ftp://ladsweb.nascom.nasa.gov/allData/6/

Détermination de risque de feu

Forest Fire Danger Index (FFDI)

Le modèle de McArthur est un indice de risque très largement utilisé en Australie pour pouvoir prédire les incendies de végétation ou bien sa difficulté de suppression (Sharples et al., 2009). L’ indice est connu comme le Forest Fire Danger Index (FFDI) utilisant les données météorologiques comme la température T(°C), l’humidité relative H(%) qui est la quantité d’eau retenue dans l’air, la vitesse du vent U(km/h) et la précipitation P(mm) (Sharples et al., 2009).
D’après la formulation de Noble et al. (1980), l’équation est représentée par : FFDI = 2 exp (−0.45 + 0.987 ln(DF) − 0.0345H + 0.0338T + 0.0234U) (7)
On peut aussi l’écrire comme suit : FFDI = 2. (DF) 0.987. exp (− 0.45 − 0.0345H + 0.0338T + 0.0234U) (8)
La précipitation n’apparait pas directement dans la formule, mais elle est représentée dans la composante représentant la disponibilité du combustible appelée Drought Factor (DF). Le Drought Factor (DF) représente l’influence de la précipitation récente sur la disponibilité des combustibles (varie de 0 à 10). DF est en partie basé sur le déficit de l’humidité du sol qui est couramment calculé comme le Keetch-Byram Drought Index (KBDI) (Keetch et Byram, 1968). L’évènement pluviométrique minimise le Drought factor DF, car plus DF est élevé, plus le combustible est sec. Comme l’étude de risque d’incendie a été faite ici le mois d’octobre 2016 c’est-à-dire pendant une période sèche, car plus la précipitation est faible donc plus le DF est élevé. Ici on a pris DF=10.

Données et logiciels utilisés

Les données de la température, de la vitesse du vent, et de l’humidité relative ont été acquises à partir du site web de l’ECMWF (European Centre for Medium-Range Weather Forecasts) (http://apps.ecmwf.int/datasets/data/interim-full-daily/levtype=sfc/).
Ce sont des données globales dans le format NetCDF (.nc) avec une dimension de 0.25° x 0.25°, les dates choisies sont le 22 et 23 octobre 2016 à 12 heure UTC (Universal Time Coordinated) qui est l’heure de référence internationale. UTC correspond aussi à l’heure GMT (Greenwich Mean Time). Lorsqu’il est 0 heure UTC, il est minuit à Greenwich (Angleterre), sur le méridien de longitude zéro. À Madagascar l’heure légale est en avance de 3 heures sur l’heure UTC.

Résultat obtenu avec MODIS (MCD64A1)

En tout 41 257 ha de surface brulée ont été détectés à partir de l’image MODIS MCD64A1. Les districts les plus touchés sont Antsohihy (14 435 ha) et Analalava (8 375 ha). Par contre dans le district d’Ambilobe on n’a détecté que 34 ha. Concernant les végétations brulées les prairies sont les plus touchées avec 19 661 ha, puis les forêts sèches avec 14 439 ha. En faisant la différence entre les surfaces totales brulées obtenu à partir du MCD64A1 avec le dNBR on a un écart de 41 ha.

Forest Fire Danger Index (FFDI)

La température et l’humidité relative influencent principalement l’indice de danger d’incendie par leur effet sur la teneur en humidité retenu par les combustibles. La chaleur produite par l’élévation de température diminue la quantité d’humidité retenue dans les combustibles. Plus le combustible est sec, plus il brule facilement et plus intensément qu’un même combustible ayant une teneur en humidité plus élevée (Sharples et al., 2009).
La vitesse du vent détermine la force de propagation et l’intensité du feu, plus elle est élevée plus l’incendie se propage rapidement aux végétations environnantes.
La température dans les districts d’Ambanja, Antsohihy, et Ambilobe atteint une valeur jusqu’à 31 °C, tel que dans le district d’Analalava et Bealanana on a une température comprise entre 27 et 29 °C (figure 22).

L’humidité relative est faible (≤ 50 %) presque dans tous les districts sauf dans une partie d’Ambanja et Analalava c’est-à-dire ce qui se trouve près de la côte (figure 23).
On peut voir que le FFDI varie selon la température puis que là où la température est élevée, la classe de risque d’incendie aussi est plutôt élevée.
Dans les côtes la vitesse du vent est beaucoup plus importante, dans une partie du district d’Ambanja et dans le district d’Analalava la valeur minimale est de 10 km/h (figure 24).
Concernant le FFDI on peut dire que dans les districts d’Ambanja, Antsohihy et Ambilobe les classes de risque sont élevées par rapport aux autres districts.

DISCUSSIONS

Superposition des points de feu détectés sur le Forest Fire Danger Index

Le Forest Fire Danger Index (FFDI) est utilisé afin d’estimer ou de prévenir le risque de propagation d’incendie (Sharples et al., 2009).
Les origines favorisant la propagation de feu sont liées aux différents facteurs climatiques, ici le Forest Fire Danger Index (FFDI) fait intervenir quarte variables climatiques : la température, l’humidité relative, la vitesse du vent, la précipitation. On a constaté que le Forest Fire Danger Index augmente quand la vitesse du vent et la température augmentent, et quand l’humidité relative diminue.
Mais ici à part le fait que cette étude a pour but de voir une liaison entre l’apparition des feux avec les conditions climatiques, le FFDI a été utilisé pour pouvoir valider les points de feu détectés précédemment.

Limite de la détection de feu actif

La détection de feu à partir des images satellitaires présente des difficultés pour différentes raisons. Le feu peut commencer et être éteint entre les passages des satellites. Il peut être très petit ou émettre de très faibles chaleurs pour être détecté par les capteurs des satellites. De très lourde fumée, les canopées des arbres, la couverture nuageuse peuvent obscurcir un feu (Giglio, 2015). La détection ne peut donc être appliquée que dans les zones libres de nuage. Des fois des fausses alarmes peuvent apparaitre, comme les sols nus, les surfaces forestières clairsemées, les eaux qui possèdent une température supérieure aux eaux environnantes. Donc différents rejets ont été appliqués pour éliminer ces erreurs de détections. À part cela, des fois la détection de feu à partir des images satellitaires présente des difficultés pour différentes raisons. Le feu peut commencer et être éteint entre les passages des satellites. Il peut être très petit ou émet de faibles chaleurs pour être détecté par les capteurs des satellites. De très lourde fumée, où les canopées des arbres peuvent obscurcir un feu.

À part la résolution spatiale des images utilisées (1 km) qui est difficile à interpréter, la résolution temporelle est aussi un des problèmes rencontrés en ce qui concerne l’utilisation des images MODIS. Comme le feu peut se propager rapidement, il est nécessaire d’avoir un maximum d’information fournie par plusieurs images dans un laps de temps possible.

Avantage de la détection de feu actif

La télédétection est une des moyens pour détecter et suivre les feux dans une grande dimension spatiale. Elle permet de minimiser l’intervalle de temps pour l’acquisition des données ou informations nécessaires. Ici les images issues des capteurs MODIS ont été utilisées puis qu’elles possèdent des bandes ayant des caractéristiques adéquates pour détecter le feu de végétation. Le haut niveau de saturation du capteur et la meilleure précision de géolocalisation de l’image sont des avantages de son utilisation (Liew et al., 2005).

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

I – INTRODUCTION
II – GENERALITES SUR LE FEU
II.1 – Les causes ou origines du feu
II.2 – Les différents caractéristiques et types de feu
II.2.1 – L’intensité
II.2.2 – La fréquence
II.2.3 – Types de feu
II.3 – Fenêtre atmosphérique
II.4 – Propriétés physiques des surfaces brulées
II.5 – Détection de changement
II.6 – Détection de feu à partir des fumées dégagées
III – METHODOLOGIE ET LOCALISATION DE LA ZONE D’ETUDE
III.1 – Zone d’étude
III.2 – Détection de feu actif
III.2.1 – Identification des pixels ‘eau’ et ‘sol’
III.2.2 – Identification des pixels nuages
III.2.3 – Identification des pixels de feu
III.2.4 – Rejet des fausses alarmes côtières
III.2.5 – Rejet de surfaces forestières clairsemées
III.2.6 – Rejet des sols nus
III.3 – Caractérisation des surfaces brulées
III.3.1 – Indice de végétation par différence normalisée NDVI
III.3.2 – Indice de brulure normalisé NBR
III.3.3 – Difference Normalized Burn Ratio (dNBR)
III.4 – Données utilisées
III.4.1 – Les images MODIS
III.4.2 – Landsat 8
III.4.3 – Carte de végétation
III.5 – Détermination de risque de feu
III.5.1 – Forest Fire Danger Index (FFDI)
III.5.2 – Données et logiciels utilisés
IV – RESULTATS
IV.1 – Détection de feu actif
IV.1.1 – Extraction des pixels eaux et sols
IV.1.2 – Extraction des pixels nuages
IV.1.3 – Détection finale
IV.2 – Caractérisation des surfaces brulées
IV.3 – Forest Fire Danger Index (FFDI)
V – INTERPRETATIONS
V.1 – Détection de feu actif
V.1.1 – Masquages
V.1.2 – Choix des différents canaux
V.1.3 – Seuillage
V.2 – Caractérisation des surfaces brulées
V.2.1 – Résultat obtenu avec le dNBR
V.2.2 – Résultat obtenu avec MODIS (MCD64A1)
V.3 – Forest Fire Danger Index (FFDI)
VI – DISCUSSIONS
VI.1 – Superposition des points de feu détectés sur le Forest Fire Danger Index
VI.2 – Validation des points de feu détectés avec les surfaces brulées
VI.3 – Limite de la détection de feu actif
VI.4 – Avantage de la détection de feu actif
VII – CONCLUSION
REFERENCES BIBLIOGRAPHIQUES