Utilisation de la photogrammétrie pour l’évaluation des caractéristiques de couverts herbacés

Dans les pays d’Afrique subsaharienne à climat soudano-sahélien ou sahélien (moins de 800 mm de pluies annuelles), l’élevage extensif transhumant, encore appelé pastoralisme représente une des principales ressources économiques et pour les actifs agropastoraux qui représentent environ un tiers de la population rurale (Bonfiglioli, 1990). Le Sahel est une région où dominent principalement les végétations annuelles (Vries & Djitèye, 1982). Pendant la saison des pluies, l’herbe est abondante. Les paysans et les éleveurs ne se font guère de soucis pour nourrir leurs animaux, car les herbes, sont consommées par les animaux. Par contre en saison sèche, l’alimentation du bétail pose problème. Elle devient sèche et sans grande valeur nutritive. Les résidus des cultures qui devraient assurer une complémentation substantielle des animaux sont exploités à d’autres fins. Les quantités ramassées pour constituer des réserves fourragères sont très insuffisantes. Celles qui sont abandonnées sur les champs sont soit consommées trop vite par les troupeaux de transhumants, soit détruites par les feux de brousse. Vu l’importance des pâturages une évaluation de la quantité d’herbe disponible dans ces régions est un aspect clé pour la gestion du système pastoral.

Parmi les services rendus par les écosystèmes pastoraux, nous nous intéressons principalement à la biomasse fourragère. Bien que de nombreux travaux méthodologiques ont été effectués pour développer des méthodes d’évaluation de la biomasse. Ces outils peuvent être améliorés en particulier au niveau de la prise en compte de l’hétérogénéité spatiale et de la dynamique de la biomasse séché au cours de la saison sèche. Une fois, cette biomasse disponible quantifiée, nos travaux porteront sur les différents devenirs de cette biomasse fourragère. La photogrammétrie est une technique qui consiste à effectuer des mesures dans une scène, en utilisant la parallaxe obtenue entre des images acquises selon des points de vue différents. Recopiant la vision stéréoscopique humaine, elle a longtemps exploité celle-ci pour reconstituer le relief de la scène à partir de cette différence de points de vue. Cette technique repose entièrement sur une modélisation rigoureuse de la géométrie des images et de leur acquisition afin de reconstituer une copie 3D exacte de la réalité.

REVUE BIBLIOGRAPHIQUE

La photogrammétrie

C’est une technique permettant de déterminer les dimensions et les volumes des objets à partir de mesures effectuées sur des photographies montrant les perspectives de ces objets. Les principes de la photographie et différentes approches pour effectuer des mesures sur des photographies ont été développées. Les fondements théoriques de la photogrammétrie, notamment les principes de la perspective et de la géométrie descriptive, étaient déjà étudiés par Leonardo Da Vinci en 1480. Finalement, le développement technologique des dernières décennies, l’augmentation de la puissance des ordinateurs et le développement de la photogrammétrie analytique, ont permis le passage à la photogrammétrie numérique (Burtch, 2007). Le choix de l’équipement doit donc être réfléchi en amont en fonction du niveau de détail et de précision autant du point de vue géométrique que colorimétrique défini par le cahier des charges. En comparaison avec la lasergrammétrie, la photogrammétrie est une technique moins coûteuse et plus polyvalente. Cependant son utilisation peut être délicate ou non adaptée en cas:
• d’objets partiellement ou entièrement composés de matériaux transparents ou réfléchissants, introduisant une incohérence due aux déplacements des points homologues.
• d’objets peu ou non texturés, car leur surface uniforme du point de vue colorimétrique empêche la détection des points homologues.
• d’objets dont la structure est lacunaire (treillis métallique) qui engendre une reconstruction très partielle à cause des nombreuses zones d’occlusions (Pamart et al., 2019).

La Structure from motion (SfM)

Le principe de Structure from motion (SfM, « Structure acquise à partir d’un mouvement ») est une technique d’imagerie par intervalle (en) photogrammétrique destinée à estimer la structure 3D d’un objet à partir d’images 2D. Elle combine la vision par ordinateur et la vue humaine. La SfM désigne le phénomène par lequel une personne (et autres créatures vivantes) peut estimer la structure 3D d’un objet ou d’une scène en mouvement à partir de son champ de vision 2D (rétinien). La création de modèles numériques de surface (MNS) à l’aide de la photogrammétrie permet de quantifier des changements topographiques(Lane et al., 1993). Les récents développements informatiques et dans le traitement de l’image ont permis la mise au point de nouvelles méthodes facilitant la création de modèles topographiques et d’orthophotos. La photogrammétrie digitale « Structure from Motion, (SfM) »(Smith et al., 2015; Snavely et al., 2008) permet la reconstruction d’orthophotos et de MNS à partir d’images de différents points de vue offrant ainsi une nouvelle possibilité pour le suivi de tout mouvement gravitaire. Parallèlement, le développement d’appareils numériques performants (ANP) et peu coûteux facilite la prise de photographies aériennes de qualité à moindres coûts.

Pix4Dmapper

Pix4Dmapper est un logiciel de mapping , il utilise la caméra afin de collecter les données qui seront traitées, analysées et exportées : nuage de points 3D, DSM (Digital Surface Model), calcul de volume, ligne de contour, modèles 3D texturés et thermographie. Les cartes et données issues de Pix4Dmapper sont utilisées dans de nombreux domaines et secteurs : cadastre, environnement, exploitation minière, enquête…(Pix4Dmapper, 2019).

La vidéo sera coupée en différentes images (environ 300 images). Les 300 images sont ensuite utilisées dans le processus de cartographie 3D. Dans le traitement de la cartographie 3D, la première étape consiste à identifier certains points clés présents sur plusieurs images. Ainsi, une triangulation est effectuée pour évaluer la position du point clé. Ainsi, un processus de densification est réalisé par interpolation des différentes positions des points clés et ainsi produire un modèle 3D de l’objet.

Étapes de traitement
Cette section décrit les trois étapes du traitement avec Pix4Dmapper.
❖ Traitement initial
Dans cette étape, les images décrits dans la section Fichiers d’entrée seront utilisées pour effectuer les tâches suivantes :
• Extraction des points caractéristiques : identifie les fonctions spécifiques comme les points caractéristiques dans chacune des images.
• Correspondance des points caractéristiques : permet de rechercher les images ayant les mêmes points caractéristiques et de les faire correspondre ensemble.
• Optimisation du modèle de caméra : permet de calibrer les paramètres internes (distance focale, …) et externes (orientation, …) de la caméra. Des points d’attaches automatiques sont créés au cours de cette étape. Ces points sont la base pour les prochaines étapes de traitement.
❖ Nuage de points et Maillage 3D
Cette étape va se servir des points d’attache automatique pour :
• La Densification de points : des points d’attache supplémentaires sont créés en fonction des points d’attache automatiques, ce qui crée un nuage de points densifié.
• Maillage 3D Texturé : basé sur le nuage de points densifiés, un maillage texturé 3D peut être créé.
❖ MNS, Orthomosaïque et Indice
Cette étape permet la création de :
• Modèle Numérique de Surface (DSM) : la création du MNS permettra de calculer des Volumes, des Orthomosaïques et des Cartes de Réflectance.
• Orthomosaïque : la création de l’Orthomosaïque est basée sur l’ortho-rectification. Cette méthode supprime les distorsions de perspective des images.

Indices de végétation

Les indices de végétation sont des combinaisons algébriques de bandes de réflectance spectrale qui fournissent des informations utiles sur la végétation (Cherel, 2010; Srinivas et al., 2004). De très nombreux indices de végétation ont été construits et utilisés depuis maintenant une quarantaine d’années (Bannari et al., 1996). Ils permettent de contourner certains biais liés aux simples mesures de réflectance en multipliant l’information spectrale et peuvent être mis en relation directe avec des variables biophysiques. Il existe deux grands types d’indices, les indices en ratio et les indices de type orthogonaux(Broge & Leblanc, 2001) :
– Les indices de type ratio sont calculés indépendamment des propriétés de réflectance du sol, ils augmentent le contraste entre la végétation et le sol en minimisant les effets de la luminosité. Un des plus anciens et des plus utilisés est le « Normalized Difference Vegetation Index » (NDVI).
– Les indices de type orthogonaux prennent en compte la réflectance du sol entre le rouge et le proche infrarouge et incluent donc des coefficients spécifiques au sol. Ils sont adaptables à chaque type de terrain mais nécessitent d’estimer des facteurs propres à la composante du sol.

(UVED, 2008). Les indices de végétation sont néanmoins des indicateurs à exploiter avec précaution. S’ils peuvent être corrélés avec des variables biophysiques, la relation dépend bien souvent du stade de croissance et de la densité de végétation. Le calcul des indices s’appuie sur les écarts de réflectance constatés dans les différentes bandes spectrales tel que le RGB utilisé dans le cadre ce travail.

Table des matières

INTRODUCTION
CHAPITRE 1 : CADRE DE L’ETUDE
1.1. REVUE BIBLIOGRAPHIQUE
1.1.1. La photogrammétrie
1.1.2. La Structure from motion (SfM)
1.1.3. Pix4Dmapper
1.1.4. Indices de végétation
1.2. DESCRIPTION DES MILIEUX D’ETUDES
1.2.1. Le Sénégal
1.2.1.1. Situation géographique et administrative
1.2.1.2. Climat et diversité des écosystèmes
1.2.1.3. Sols
1.2.2. Site d’étude (le Centre de Recherches Zootechniques de Dahra)
1.2.2.1. Situation géographique et administrative
1.2.2.2. Historique du CRZ-Dahra
1.2.2.3. Occupation du sol
1.2.2.4. Le climat
1.2.2.5. La végétation
1.2.2.6. Les sols
1.2.2.7. Le site mis en défens et les tours à flux installées
CHAPITRE 2 : METHODOLOGIE
2.1. DIFFERENTES PHASES DE L’APPROCHE METHODOLOGIQUE
2.1.1. Une phase (1) de recherche documentaire
2.1.2. Une phase (2) d’essai préliminaire
2.1.3. Une phase (3) de collecte de données (sites et les stratégies de mesure)
2.1.3.1. Les sites de mesures (collectes) des données
2.1.3.2. Stratégie de mesure
2.1.3.3. Dispositif de collecte
2.1.4. Phase 4 de traitement et analyse
2.1.4.1. Traitement des vidéos avec logiciel PIX4D
2.1.4.2. Extraction des données avec logiciel QGIS
2.1.4.3. Comparaisons entre mesures photogrammétriques et mesures de terrain
CHAPITRE 3 : RESULTATS ET DISCUTION
3.1. RESULTATS
3.1.1. Images en 3D
3.1.2. Analyse de toutes les données d’ensemble
3.1.2.1. Poids Frais
3.1.2.2. Analyse de Résidus
3.1.2.3. Poids Sec
3.1.3. Analyse des données au niveau temporel (Dahra 2019 et 2020)
3.1.3.1. Poids Frais
3.1.3.2. Poids sec
3.1.4. Analyse des données du point de vue spatial
3.1.4.1. Poids frais
3.1.4.2. Poids sec
3.2. DISCUSSION
CONCLUSION ET PERSPECTIVES
REFERENCES BIBLIOGRAPHIQUES
ANNEXE

Lire le rapport complet