Exploitation complémentaire des images satellites
pour appréhender l’environnement global des chinampas
Pour appréhender l’environnement périphérique des chinampas, l’analyse est complétée par l’exploitation d’images satellites. Celles-ci sont traitées par des procédures de classification (supervisée et automatique) de façon à obtenir une cartographie régionale de l’occupation du sol. Cette analyse est toujours étroitement associée aux enquêtes de terrain (vérification et validation des résultats) et aux données externes (caractérisation des mutations).
En offrant une vision plus large, les images satellites permettent de replacer les chinampas dans leur contexte pour aboutir à une meilleure compréhension de leurs transformations. La pression urbaine, particulièrement problématique sur cet espace, est au cœur de l’analyse. Grâce au comportement radiométrique des surfaces minérales (en général une forte réflectance), les images devraient révéler plus précisément l’extension de l’urbanisation en périphérie mais aussi à l’intérieur du site (constructions illégales, serres agricoles, décharges de gravats, etc.).
Les opérations de traitement sont réalisées avec le logiciel Idrisi Kilimandjaro 14.02, développé par le département de Géographie de l’université de Clark (Massachusetts, États-Unis) depuis 1987.
Chapitre 6 – Exploitation complémentaire des images satellites pour appréhender l’environnement global des chinampas
1. Traitements préalables des données
L’exploitation des images satellites implique la mise en place d’une méthodologie précise qui définisse toutes les étapes de la procédure. Comme pour les photographies aériennes, celle-ci s’appuie sur une analyse régressive des données. Certaines étapes ont donc déjà été exposées dans les chapitres précédents et ne sont que brièvement commentées (le géoréférencement par exemple). D’autres sont spécifiques à l’analyse satellitale et font l’objet d’une présentation plus développée (corrections radiométriques et géométriques, compositions colorées, classifications, etc.).
1.1. Mise en place de la méthodologie
1.1.1. Sélection des dates pertinentes pour l’analyse
Dans une analyse multitemporelle, le choix des données est un compromis entre la disponibilité de l’information, le coût d’acquisition et les objectifs de l’étude. Ne disposant pas de subventions pour financer l’achat d’images satellites, cette recherche a privilégié les ressources directement accessibles, soit par Internet, soit par l’intermédiaire d’autres chercheurs. Par conséquent, le corpus de données apparaît relativement limité par rapport à la quantité d’informations potentiellement disponibles. Trois images ont été acquises auprès de la banque de données de l’université du Maryland1 qui met à disposition des scènes Landsat : 23 novembre 1973 (MSS), 07 mars 1989 (TM) et 21 mars 2000 (ETM+). Une quatrième (Landsat TM du 15 décembre 1996), obtenue grâce à la collaboration d’universitaires mexicains, complète la série (Tableau 25).
Tableau 25 : Liste des images satellites disponibles pour les chinampas
En raison de la qualité inégale des données, une sélection est réalisée. L’image Landsat MSS de 1973 n’est pas retenue car sa résolution différente ne permet pas une comparaison directe. La taille du pixel est de 80 m x 80 m contre 30 m x 30 m pour les satellites de deuxième génération (Landsat TM). Cette image devrait donc être ré-échantillonnée pour homogénéiser les résolutions spatiales. Les résultats de la photo-interprétation ayant révélé que la majeure partie des changements dataient des années 1990, l’exploitation de cette image n’est pas apparue pertinente compte tenu de la préparation requise.
Trois images sont donc exploitées : 1989, 1996 et 2000. Mais ces dernières ont été prises à des périodes différentes de l’année (mars pour 1989 et 2000 ; décembre pour 1996) et ce décalage pose un problème de pertinence pour leur comparaison. En effet, ces deux périodes correspondent respectivement au début et à la fin de la saison des pluies à Mexico. Une analyse spécifique de la végétation ou de la répartition des plans d’eau sera donc faussée si elle prend en compte 1996.
L’objectif ici étant d’appréhender l’environnement global des chinampas et notamment la pression urbaine, l’exploitation des trois dates (1989-1996-2000) est toutefois jugée pertinente, les périodes de l’année n’ayant que peu d’incidences sur cette thématique. Pour être plus complète, l’analyse aurait pu
1
Site Internet http://glcf.umiacs.umd.edu/index.shtml.
DATE TYPE DE
CAPTEURS CANAUX DISPONIBLES RESOLUTION
Visible PIR MIR IR LOINTAIN THERMIQ. PANCHR.
2000-03-21 Landsat ETM + X X X X X X 30x30
1996-12-15 Lansdat TM X X X X X 30x30
1989-03-07 Lansdat TM X X X X X 30x30
1973-11-22 Lansdat MSS X X 80x80
se doter d’images supplémentaires et surtout plus récentes. En effet, certaines correspondances entre les relevés de terrain réalisés en 2006 et la signification des pixels sur l’image de 2000 seront probablement faussées par l’intervalle de temps écoulé entre les deux dates. Compte tenu des contraintes de la recherche, mais aussi parce que les données satellites sont ici un complément des photographies aériennes, l’analyse s’est volontairement limitée à l’exploitation de ces trois dates. Pour réduire les risques d’écart entre la réalité du terrain et l’image « récente », des données externes (cartes, photographies aériennes, statistiques, rapports officiels, etc.) sont systématiquement utilisées en complément des relevés pour vérifier les correspondances. L’image satellite de 2000 fait également l’objet d’une double analyse associant classification supervisée et non supervisée afin d’obtenir des classes thématiques les plus pertinentes possibles.
1.1.2. Procédure d’analyse spatiale des images satellites
Une fois sélectionnées, les données brutes sont corrigées et, éventuellement, géoréférencées dans le même système de projection de façon à les rendre parfaitement superposables (Figure 42). L’analyse régressive débute avec l’image la plus récente (Landsat ETM de 2000) sur laquelle est appliquée une stratification en fonction des différentes nuances de couleurs sur la composition colorée. Un plan de sondage, établi à partir d’un échantillonnage adapté à l’espace étudié, vérifie ensuite les correspondances entre les pixels et les données-terrain. Les relevés permettent ainsi de définir puis de valider une nomenclature des différents types d’occupation du sol. Si les résultats ne sont pas totalement satisfaisants, une classification non supervisée (ou « automatique ») peut également être réalisée. La confrontation des deux cartographies obtenues permet d’améliorer les classes par le croisement des informations.
Une fois l’occupation actuelle du sol reconstituée, les images anciennes (Landsat TM 1989 et 1996) sont traitées sans l’appui du terrain au moyen d’une classification non supervisée. La mise en parallèle des classes obtenues (déterminées à partir du comportement spectral des pixels) avec les précédentes (définies à partir des polygones d’échantillonnage et vérifiées sur le terrain) permet d’identifier les correspondances. Après harmonisation des nomenclatures, la comparaison des cartographies à différentes dates aboutit à la mise en évidence des transformations spatiales autour des chinampas. L’analyse du contexte socio-politico-économique en troisième partie permet ensuite de caractériser et de comprendre ces mutations.
1.2. Corrections et extraction de la zone d’étude
Les corrections radiométriques et géométriques sont essentielles pour rendre comparables des images provenant de différents capteurs (Landsat, Spot) ou à différentes dates (le cas ici). Les procédures de rééchantillonnage et de géoréférencement sont réalisées sur les scènes entières de façon à augmenter la précision des résultats. L’extraction de la zone d’étude est ensuite réalisée sur ces images corrigées.
1.2.1. Corrections radiométriques et géométriques
Les corrections radiométriques comprennent, entre autres, la correction des données (pour compenser les perturbations de l’atmosphère ou les bruits du capteur) et leur conversion afin qu'elles puissent représenter précisément le rayonnement mesuré par le capteur. Dans le premier cas, l’opération de correction réaffecte à chaque pixel la valeur radiométrique la plus proche possible de celle mesurée sur le terrain (passage de la « luminance apparente » à la « luminance vraie »). Dans le second cas, l’opération de conversion est utilisée pour transformer les valeurs brutes de luminance (quantité énergétique émise et réfléchie, donc proportionnelle à l’éclairement reçu) en réflectance (rapport entre
Chapitre 6 – Exploitation complémentaire des images satellites pour appréhender l’environnement global des chinampas
énergie reçue et réfléchie et qui est donc indépendant de l’éclairement) exprimée en pourcentage. Ces opérations permettent d’homogénéiser les valeurs radiométriques de deux images prises à des dates différentes. Avant toute analyse, les images doivent être parfaitement superposables les unes aux autres. Or, celle de 1996 ne dispose pas de fichier de géoréférencement. Une procédure de géocodage est donc réalisée selon la même méthode que pour les photographies aériennes (cf. chapitre 4, p. 102). Le référenciel utilisé ici est l’image satellite Landsat ETM de 2000 géocodée à l’acquisition.
1.2.2. Extraction de la zone d’étude
Les images satellites couvrant toute la partie centrale du Mexique, un recentrage sur les chinampas est indispensable. Un recadrage est d’abord effectué sur le bassin de Mexico (Figure 43-a) puis sur la zone d’étude (Figure 43-b). Son périmètre est défini en fonction des thématiques de recherche et du terrain.
Figure 43 : Délimitation de la zone d’étude des chinampas
L’objectif est de réunir sur une même image les chinampas et les villages périphériques. Les limites est et sud sont déterminées par la topographie. Le périmètre retenu intègre les premiers versants de la Sierra de Ajusco (au sud) et la Sierra de Santa Catarina (au nord-est). Ces secteurs jouent un rôle essentiel dans le système « chinampas » puisqu’ils sont des zones de recharge pour les nappes souterraines. Or, ils sont soumis à une urbanisation rapide et illégale qui engendre des répercussions sur le terrain (artificialisation des sols, ruissellement, glissement de terrain, etc.) mais aussi sur les chinampas (assèchement des sources). À l’ouest, les limites sont fixées sur le quartier d’habitat dense qui borde le réservoir ciénega chica. Au nord, le périmètre est arrêté au-dessus de la pointe des chinampas. Compte tenu de son extension, l’intégration de la ville de Mexico n’apparaît pas pertinente. En fonction de ces délimitations, l’image obtenue couvre une superficie de 153 km². Dans l’optique d’une identification des surfaces bâties à l’intérieur des chinampas, leur périmètre est également extrait (Figure 43-c) en créant un masque géométrique (codage des pixels à 1 et le reste à 0). Ces traitements sont appliqués à tous les canaux et sur les trois images satellites.
1.3. Améliorations visuelles des images
1.3.1. Rehaussement des contrastes
Préalablement aux procédures de classification, il est possible de réaliser une première interprétation visuelle en analysant les canaux bruts. Afin d’améliorer leur lisibilité, un rehaussement des contrastes est réalisé en jouant sur l’intervalle des valeurs radiométriques. Dans une image brute, les 256 niveaux
Chapitre 6 – Exploitation complémentaire des images satellites pour appréhender l’environnement global des chinampas
de gris potentiels (dans le cas de données codées sur 8 bits) ne sont généralement pas utilisés car les informations utiles sont souvent contenues dans un intervalle restreint. À l'aide d'une transformation linéaire (commande stretch sous Idrisi), les limites inférieures et supérieures d'intensité sont étirées sur tout l’intervalle disponible (de 0 à 255). Ce procédé accentue les contrastes en éclaircissant davantage les pixels clairs (forte valeur radiométrique, objet qui réfléchit le rayonnement) et en assombrissant les pixels foncés (faible valeur radiométrique, objet qui absorbe le rayonnement).
1.3.2. Compositions colorées
En combinant plusieurs longueurs d’onde, les compositions colorées fournissent des informations supplémentaires et permettent une meilleure reconnaissance des objets. Elles sont constituées de trois canaux codés dans les trois couleurs fondamentales (bleu, vert, rouge) dont la synthèse produit une image en 256 couleurs. En attribuant chaque longueur d’onde du spectre visible (canaux 1, 2 et 3 pour Landsat) à sa couleur correspondante (bleu, vert, rouge), on obtient une image aux couleurs « naturelles », semblable à une photographie aérienne. L’utilisation des autres canaux (infrarouge) crée une image en « fausses » couleurs (Figure 44).
Les tons clairs (du blanc au gris-bleu sur la Figure 44-a et du blanc au rose sur la Figure 44-b) correspondent aux objets les plus réfléchissants (ici des zones urbanisées). À l’inverse, les tons foncés (faible valeur radiométrique) renvoient aux objets qui absorbent le rayonnement. L’eau apparaît ainsi dans des tons sombres, quelle que soit la combinaison retenue. Des nuances de couleur apparaissent néanmoins selon les plans d’eau. Le canal olympique (n° 1) ressort dans les tons de bleu foncé (Figure 44-a) ou de rouge foncé (Figure 44-b) alors que les autres surfaces aquatiques tendent plutôt vers le noir. Cette différence est liée aux propriétés physiques et biologiques de l’eau et à la proportion (et la nature) des particules en suspension. Le canal étant un plan d’eau fermé où le courant est quasi nul, il est probable qu’il y ait une plus forte concentration de matières minérales.
Si plusieurs compositions colorées sont testées, les deux images présentées ici offrent les meilleures discriminations et serviront de base à la définition des polygones pour la procédure de classification supervisée. Le choix de la combinaison dépend de la pertinence de l’image obtenue en fonction des objectifs de recherche. Pour analyser plus spécifiquement la végétation, il est généralement admis de coder le canal du proche-infrarouge (PIR) dans le rouge. Le couvert végétal, qui reflète davantage dans le PIR, ressort ainsi dans cette couleur (Figure 44-a). D’autres combinaisons peuvent néanmoins apporter des informations supplémentaires. Ainsi, la Figure 44-b (MIR/PIR/Vert) permet une meilleure différenciation entre les surfaces bâties et non bâties. À l’intérieur du tissu urbain (partie nord-ouest), on distingue de nombreuses nuances vraisemblablement liées à la présence de végétation le long des routes ou au cœur de la ville. Des variations de teintes sont également perceptibles entre les objets réfléchissants : ceux situés à l’intérieur des chinampas sont de couleur jaune alors que ceux de l’extérieur sont de couleur blanche.
Canal ETM2 = Bleu ; Canal ETM3 = Vert ; Canal ETM4 = Rouge
Canal ETM5 = Bleu ; Canal ETM4 = Vert ; Canal ETM2 = Rouge
1
Figure 44 : Compositions colorées en « fausses » couleurs à partir de l’image Landsat ETM de 2000
Chapitre 6 – Exploitation complémentaire des images satellites pour appréhender l’environnement global des chinampas
2. Terrain et classification supervisée, une première approche
de l’occupation récente du sol
Alors que la photo-interprétation directe utilise les éléments visuels pour identifier des portions d’espace homogène, la classification numérique utilise l'information spectrale contenue dans les valeurs radiométriques des canaux pour classer chaque pixel individuellement. Le but est d’assigner une classe ou un thème particulier (eau, urbanisation, forêt, etc.) à chacun des pixels pour obtenir une représentation thématique de l’image originale. Les méthodes de classification les plus communes sont séparées en deux grandes catégories : supervisée et non supervisée. La première suppose une connaissance préalable du terrain puisque les classes thématiques sont définies par l’utilisateur. La seconde analyse automatiquement le comportement spectral de tous les pixels suivant les longueurs d’onde et détermine ensuite des regroupements en fonction de divers paramètres.
Pour appréhender l’occupation récente du sol autour des chinampas, le choix s’est porté dans un premier temps sur une classification supervisée (Figure 45). Celle-ci est étroitement associée à une analyse stationnelle tout au long du processus. Les enquêtes de terrain sont en effet indispensables pour définir les classes thématiques, délimiter les zones d’échantillonnage et vérifier l’adéquation entre signature spectrale et objets-terrain.
2.1. Le terrain : une étape préalable à la classification supervisée
Les enquêtes de terrain ont été réalisées au cours de la deuxième mission en même temps que la validation des critères-images pour les photographies aériennes (juillet-août 2006). La fiche de relevé utilisée est identique à celle précédemment établie (annexe A2). En revanche, l’échantillonnage a dû être adapté en raison de la plus grande superficie de la zone d’étude. L’image servant de base au plan de sondage est la scène Landsat ETM de 2000 recadrée autour des chinampas (Figure 43-b).
Figure 45 : Procédure méthodologique d’une classification supervisée
L’interprétation des compositions colorées associée à des relevés ponctuels a permis d’identifier quatre grandes thématiques : bâti, eau, végétation et sol nu (ou à couvert végétal ouvert). Préalablement à la réalisation de l’échantillonnage, une stratification est donc réalisée sur ces thèmes. La procédure consiste à segmenter l’image par une classification supervisée en fonction des nuances de couleur sur la composition colorée. Elle produit ainsi une image thématique avec les quatre strates les plus discriminables à partir de l’interprétation visuelle de l’image et du comportement radiométrique des groupes de pixels.
2.1.1. Sélection des zones d’échantillonnage
La taille des points de sondage est déterminée en fonction d’un compromis entre impératifs de représentativité et contraintes d’enquête. Une surface de cinq hectares (un carré de 220 m de côté) a été retenue car elle s’adapte aussi bien au parcellaire agricole (lot de plusieurs chinampas) qu’au milieu urbain. La zone de couverture étant étendue (15 300 ha), un taux de sondage général de 1 % a été choisi, ce qui correspond à une superficie à enquêter de 146 ha. À partir de la stratification établie et des critères précédents, le nombre d’unités d’enquête par strate est déterminé en fonction de leur importance spatiale (Tableau 26).
Tableau 26 : Détermination du nombre d’unités d’enquête par strate
Ces dernières n’étant pas équivalentes, certains taux de sondage ont été modifiés pour que toutes les strates puissent être correctement enquêtées. Ainsi, la strate n° 2 correspondant aux surfaces aquatiques bénéficie d’un taux de 6 % (soit 10 ha) afin d’obtenir un minimum de deux points de sondage. Au total, 32 segments font l’objet d’un tirage aléatoire sur l’ensemble de la zone d’étude. Pour que l’échantillonnage soit représentatif, mais néanmoins réalisable, les secteurs inaccessibles (sommet des montagnes ou centre des chinampas) ont été retirées du plan de sondage (Figure 46). Quatre tirages ont été réalisés successivement sur chaque strate, de façon à assurer l’homogénéité spectrale des segments d’enquête.
2.1.1. Définition des classes thématiques
Compte tenu du décalage entre la date de l’image et l’analyse stationnelle, les relevés de terrain ont été associés à d’autres données datant de 2000 (cartes de l’occupation des sols, photographies, rapports officiels, etc.). Cette analyse croisée a été particulièrement utile dans les zones de transition où les risques de confusion étaient les plus importants. L’extension urbaine dans la délégation de Xochimilco étant très rapide, une attention particulière a été portée sur les zones d’habitat récent. Un segment (n° 27) apparait ainsi en contradiction avec la strate à laquelle il appartient. Les informations recueillies sur le terrain montrent qu’il s’agit de zones bâties et non de sol nu : est-ce une erreur d’affectation lors de la stratification ou les terrains ont-ils été construits entre les deux dates ? Les données officielles sur l’évolution de l’urbanisation ont permis de lever les ambiguïtés en confirmant que la zone a été urbanisée entre 2000 et 2006. L’objectif étant d’obtenir une classification de l’image qui soit
Strates Superficie totale (ha) Taux de sondage (%) Superficie à enquêter (ha) Taille des segments (ha) Nombre de segments strate 1 7 092 (46 %) 1 70 5 14 strate 2 163 (1 %) 6 10 2 strate 3 3 299 (21 %) 1 32,99 7 strate 4 4 746 (31 %) 1 47,46 9 Total 15 300 (100 %) 150,45 32 C.Clauzel, 2008
Chapitre 6 – Exploitation complémentaire des images satellites pour appréhender l’environnement global des chinampas
représentative de la réalité en 2000, ce segment a été conservé dans la classe « sol nu ». Hormis ce cas, les vérifications n’ont pas révélé de confusions majeures.
Figure 46 : Tirage aléatoire des unités d’enquêtes sur les chinampas
Les informations recueillies à partir des relevés de terrain servent à définir des classes thématiques en fonction des objectifs de recherche. Une nomenclature a déjà été réalisée à partir des photographies aériennes (chapitre 5). Mais les images Landsat ayant une résolution de 30 m de côté, elles ne permettent pas de différencier aussi précisément les objets. Néanmoins, l’objectif n’est pas ici de reconstituer l’occupation du sol des chinampas (qui serait redondant avec le précédent chapitre) mais d’appréhender leur environnement périphérique. Par conséquent, une nomenclature très détaillée n’est pas forcément pertinente. Pour chaque thème, l’étude a donc retenu entre une et trois classes en fonction des caractéristiques du terrain (
Tableau 27
).Tableau 27 : Nomenclature des classes thématiques après les enquêtes de terrain Thèmes Classes
Caractéristiques
(d'après les enquêtes de terrain, juillet 2006)
EAU 1. Plan d’eau Eau libre ou stagnante, profondeur faible (< 3m), souvent chargée en matériaux (végétal et minéral)
VEGETATION
2. Végétation haute
Haies d'arbres plantés en bordure des routes ou de parcelles dans les chinampas
Bosquets insérés dans le tissu urbain (parcs, jardins, etc.) 3. Végétation basse Cultures maraîchères en alignement
Végétation aquatique sur les zones marécageuses
SOL
4. Sol nu Sol travaillé après comblement des canaux, présence de gravats 5. Sol à faible
recouvrement
Terrains non exploités ou utilisés pour le pâturage, présence d’une strate herbacée plus ou moins discontinue
6. Sol de montagne Versants montagneux, présence d’une strate herbacée et arbustive, végétation xérophile
BATI 7. Bâti dense Tissu urbain dense composé en majorité d'habitations
8. Usine/serre Objets rectangulaires très réfléchissants
9. Route Axe routier au cœur du tissu urbain, objet peu réfléchissant
Compte tenu de sa faible superficie, le thème « eau » ne renvoie qu’à une seule classe correspondant à la fois aux plans d’eau et aux canaux. Comme pour l’analyse précédente, les surfaces aquatiques ne sont pas recensées de façon exhaustive. Les arbres étant répandus en bordure de canaux, ces derniers sont souvent cachés par la végétation. Dans ce cas, le capteur du satellite enregistre le rayonnement réfléchi par les arbres, et non par l’eau.
La végétation est divisée en deux classes : « végétation haute » composée d’arbres alignés en bordure de parcelles ou de routes ainsi que d’arbres regroupés en bosquets ; « végétation basse » regroupant les cultures maraîchères (au sud des chinampas) et les plantes hydrophiles à croissance rapide (dans les zones marécageuses).
Les sols sont répartis en trois classes en fonction de leur taux de recouvrement : les « sols nus » correspondent généralement à des parcelles soumises à d’importants travaux de réorganisation (comblement des canaux, apport de terre et de gravats, etc.) ; les « sols à faible recouvrement » sont constitués d’une strate herbacée discontinue ; les « sols de montagne » associent des strates herbacées et arbustives plus ou moins discontinues. Ces deux dernières classes sont caractérisées par une