ESTIMATION DE L’ÉTAT HYDRIQUE À PARTIR DES RÉFLECTANCES SPOT-HRVIR

Nous restreignons l’étude aux seuls pixels satellitaires où la teneur en eau a été mesurée. Pour chaque pixel les valeurs de réflectance dans les 4 bandes ainsi que les 20 indices calculés sont comparés à l’indice FMC moyen de la végétation.

Pour les pixels suivis, nous remarquons que les bandes sont fortement corrélées entre elles (Tableau 45), en particulier les bandes Vert et Rouge ainsi que PIR et MIR :

Tableau 45. Matrice de corrélation des bandes

r2 _{V R PIR MIR}

V 1,00 0,94 0,82 0,86 R 0,94 1,00 0,83 0,88 PIR 0,82 0,83 1,00 0,94 MIR 0,86 0,88 0,94 1,00

Ainsi il y a de grandes chances que des indices basés sur des bandes différentes donnent des résultats équivalents.

2.4.2.1. INDICE FMC DE RÉFÉRENCE

Les mesures de teneur en eau des feuilles (FMC) sont réalisées pour les deux espèces en cinq sites pendant l’été 2001 une à deux fois par semaine (Tableau 46) :

Tableau 46. Caractéristiques des prélèvements FMC Espèce Numéro _{du site} Nombre de jours _{de prélèvement} Nombre

d’échantillons amplitude moyenne écart-type

Chêne kermès QC 1 19 166 0,64 – 1,04 0,78 0,10

Chêne kermès QC 2 19 148 0,63 – 0,92 0,77 0,08

Chêne kermès QC 3 19 150 0,60 – 0,89 0,76 0,08

Chêne vert QI 4 18 162 0,64 – 0,88 0,78 0,06

Chêne kermès QC 5 23 151 0,71 – 1,05 0,81 0,10

Chêne kermès QC 4 sites 23 615 0,60 – 1,05 0,78 0,09

Chêne vert QI 1 site 18 162 0,64 – 0,88 0,78 0,06

On considère les mesures de FMC correspondant au jour d’acquisition des images satellitaires. Lorsque la teneur en eau des plantes n’est pas mesurée exactement le même jour, on calcule une FMC théorique en supposant son évolution linéaire entre deux dates. Au niveau des images satellitaires, on ne garde pour chaque image que les valeurs radiométriques des 5 pixels (4 sites de chêne kermès et 1 site de chêne vert).

Au total nous disposons de 30 pixels pour calculer les relations et développer d’éventuels modèles.

2.4.2.2. RELATION ENTRE LA FMC ET LES INDICES SATELLITAIRES

Tableau 47. Relation entre l’indice FMC et les données satellitaires Critères _kermès Chêne Chêne _{vert deux} Les

effectifs 25 5 30

bande PIR PIR Vert

coeff. de détermination r2 _{22% 60% 14%}

Meilleure bande

seuil de signification < 2% > 10% < 5%

indice MSAVI MSAVI GVMI

coeff. de détermination r2 _{28% 85% 9%}

Meilleur indice

seuil de signification < 1% < 5% > 10%

Il est hasardeux de calculer des coefficients de détermination r2 _{pour des effectifs aussi} faibles. Un minimum de 30 individus est souvent recommandé en statistique. Pour de faibles effectifs, on utilise une table spécifique permettant de décrire le niveau de risque accepté (annexe 10). Pour les six tests réalisés, un test est acceptable à moins de 1%, un à moins de 2% et deux à moins de 5%. Les deux derniers (chêne vert et bande, les deux chênes et indices) ne sont pas acceptables au risque de 10%.

Seul l’indice MSAVI pour le chêne vert semble relié à l’indice FMC (r2 _{de 85% pour 5 pixels).} De façon générale, les 20 indices satellitaires testés ne sont pas satisfaisants et aucune relation simple entre l’état hydrique de la végétation et les données SPOT-HRVIR n’apparaît.

L’analyse en régression multiple peut permettre d’améliorer les relations.

2.4.2.3. RÉGRESSION MULTIPLE ENTRE L’INDICE

FMC

A partir des indices satellitaires et des bandes spectrales, nous calculons par régression multiple le meilleur modèle (Tableau 48) :

Tableau 48. Relation entre la FMC et la combinaison linéaire des bandes

Espèce Effectif r2 _{Seuil Meilleur modèle}

Les deux chênes 30 27% < 1% FMC = 3,229 V -2,548 R - 0,433 PIR + 0,782 MIR + 0,711

Si l’on considère l’ensemble des données (n=30), le modèle linéaire combinant les quatre bandes de HRVIR est médiocre même si la corrélation double (le r2 _{passe de 14 à 27%).}

On peut différencier les données selon quatre critères :

FMC de qualité : l’écart-type des valeurs de FMC est supérieur lors du premier jour de mesure (14 juin) à cause d’une méconnaissance du milieu et du protocole de prélèvement. Pour le dernier jour du passage du satellite (12 octobre), les mesures de FMC sur le terrain les plus proches datent du 18 septembre et du 17 octobre et de nombreuses pluies ont eu lieu entre ces deux dates. L’indice FMC théorique du jour de l’image satellitaire, calculé par interpolation linéaire entre les deux dates, paraît peu fiable.

Atmosphère de qualité : on a précisé dans le Tableau 43 que les jours du 27 juillet et du 27 août présentent un voile nuageux, pouvant rendre les images satellitaires impropres à l’analyse, en dépit du modèle de correction des effets atmosphériques appliqué aux données.

Rayonnement de qualité : l’angle de visée du capteur est très variable pour les sept images (de -29,3° à +19,9°, Tableau 42 précédent) et seules trois images (21 août, 27 septembre et 12 octobre) sont proches de la verticale avec respectivement + 9°, - 8° et + 9,3°, limitant ainsi les perturbations radiométriques du signal. L’angle de visée du capteur introduit des distorsions du signal qui sont dues au fait que les surfaces visées ne sont pas lambertiennes (phénomène de hot spot très marqué de la végétation).

Période de sécheresse : la perception du contenu en eau de la végétation par le satellite est peut-être plus adaptée en période de stress hydrique important. L’été 2001 a été marqué par une sécheresse de deux mois (absence de pluies entre le 16 juillet et le 21 septembre). Nous considérons donc les quatre images correspondant à cette période.

Pour les quatre critères, les corrélations sont nettement meilleures (Tableau 49).

Tableau 49. Relation entre la FMC et la combinaison linéaire des bandes

Espèce Critère Images n r2 _{Seuil Meilleur modèle}

FMC de

qualité 5 dates : 17 et 27 juillet, 21 et 27 août, 27 septembre 23 56% < 1% FMC = 0,595 V + 1,374 R - 1,078 PIR + 1,155 MIR + 0,631 Atmosphère

de qualité

5 dates : 14 juin, 17 juillet, 21 août,

27 septembre, 12 octobre 20 58% < 1%

FMC = 1,023 V - 4,761 R - 1,562 PIR + 3,620 MIR + 0,678

Rayonnement

de qualité 3 dates : 21 août, 27 septembre, 12 octobre 11 61% < 2% FMC = 5,736 V -7,058 R - 0,054 PIR + 1,256 MIR + 0,677

Les deux chênes _{Période de}

sécheresse 4 dates : 17 et 27 juillet, 21 et 27 août 18 78% < 1% FMC = 2,236 V + 0,465 R - 1,010 PIR + 0,894 MIR + 0,646 Le meilleur modèle agit de façon équivalente et logique : lorsque l’état hydrique de la plante (FMC) diminue, la réflectance dans les canaux Vert et Moyen infrarouge diminue alors que la réflectance dans le canal Proche infrarouge augmente. Les coefficients de détermination obtenus sont tous acceptables au seuil de 2%.

Pour chaque critère, le nombre de pixels à comparer aux teneurs en eau de terrain se restreint. Ce changement d’effectif joue certainement un rôle dans l’amélioration des résultats. Néanmoins, si l’on sélectionne des données initiales de qualité (FMC de terrain comme images de télédétection), on augmente significativement les corrélations : le r2 _passe respectivement de 27 à 56, 58 et 61%. Dans le cas où l’on se limite aux données de FMC pour la période de sécheresse de l’été 2001, le modèle basé sur la combinaison linéaire des bandes de SPOT-HRVIR devient très correct (r2 _{de 78%).}

Pour ce modèle, on obtient l’ajustement des données présenté sur la Figure 68 :

Figure 68. Indice FMC estimé et prédit par le modèle pour la période de sécheresse

Pour cette série de données de la période de sécheresse, on peut toujours ajuster un meilleur modèle si l’on considère les indices satellitaires (Tableau 50) :

Tableau 50. Relation entre l’indiceFMC et la combinaison linéaire ou non des bandes et indices satellitaires

Méthode r2 _{Seuil Meilleur modèle}

Régression linéaire avec les 4 bandes 54% < 1% Canal Vert

Régression non linéaire avec le canal Vert 67% < 1% FMC = 9,876 V - 62,027 V2 +109,375 V3 + 0,324

Régression linéaire avec les 20 indices satellitaires 69% < 1% Indice GNDVI

Régression non linéaire avec l’indice GNDVI 75% < 1% FMC = 0,656 + 0,127/ [1+(GNDVI/0,710)exp78,909]

Régression multiple avec les 4 bandes 78% < 1% FMC = 2,236 V + 0,465 R - 1,010 PIR + 0,894 MIR + 0,646

Régression multiple avec les 4 bandes et 10 indices 92% < 1% Très compliqué et sans intérêt

Ainsi on passe de 54% (régression avec le canal Vert seul) à plus de 92% si on ajoute un modèle complexe composé de l’ensemble des données spectrales (canaux et néocanaux). L’amélioration de la corrélation se fait alors au détriment de la simplicité du modèle.

2.5. DISCUSSION

2.5.1.

CARTOGRAPHIE DES ZONES DE FORTE VARIATION DE L’ÉTAT