Réalisation de la base de données à partir des données de la télédétection et données cartographiques et statistiques : phase essentielle pour la

gestion des déchets

L’analyse des sites de décharge et des centres d’enfouissement techniques ainsi que l’étude des milieux récepteurs des eaux usées avec l’élaboration des plans d’aménagement nécessaires pour aider à préserver l’environnement et protéger les ressources naturelles, présentent l’objectif principal de cette recherche, afin d’atteindre cet objectif, nous avons besoin d’une masse d’ informations multi-sources à référence spatiale au sein d’un système d’information géographique. La masse d’information est pluridisciplinaire comporté les données de la télédétection, les données topographiques, les données géologiques, les données hydrologiques, les données hydrogéologiques et les données démographiques.

La démarche suivie dans le cadre de cette recherche consiste à la réalisation d’une base de données spatiale et exogène dans un système d’information géographique (SIG) comme un système d’aide à la décision. Pour la réalisation de chaque information, des techniques de spatialisation variées ont permis la création de documents spatiaux de base, en format raster ou vecteur. Dans ce contexte, un apport considérable de la télédétection a été retenu, comme outil puissant d’analyse spatiale. Les données exogènes utilisées ont montré leurs performances dans le traitement de la problématique de la gestion et l’impact des déchets.

1. La télédétection : est-il un outil puissant dans les études de la gestion des déchets ?

La télédétection est un ensemble des connaissances et des techniques permettant de déterminer certaines caractéristiques physiques et biologiques de points observés, à partir de mesures effectuées à distance, sans contact matériel avec ceux-ci. La télédétection est fondée sur l'enregistrement et l'interprétation des rayonnements émis ou réfléchis, appareil, capteur de télédétection (lexicographie, centre national des ressources textuelles et lexicales, France).

Son intérêt est considérable par le caractère homogène, synoptique et répétitif des observations sur des superficies importantes, par des données numériques exploitables directement sur ordinateur pour les calculs de surfaces, de déplacements de phénomènes dynamiques et d’autres traitements possibles, par sa complémentarité avec des bases de données et des modèles numériques en vue d'une synthèse de l'information image, numérique et symbolique. « Elles couvrent un large spectre

d'applications, nombreuses et diversifiées, parmi lesquelles une aide à la gestion et à la recherche des ressources naturelles (agricoles, halieutiques, minérales, de ressources en eau, etc.), une étude environnementale, de l’évaluation des dégâts causés par les catastrophes naturelles et anthropiques, suivie de la dynamique de la désertification, de l’aménagement du territoire, de la cartographie thématique, etc. » (TIMOULALI et al., 2000).

La télédétection trouve une place primordiale en aménagement urbain et environnemental. En effet, la mise en place d’un aménagement de l'environnement nécessite une connaissance approfondie de l’espace. L’utilisation des données satellitales permet d’analyser le milieu d'une manière exhaustive et surtout plus dynamique (PAIN-ORCET et al., 1998).

79

La télédétection est le fruit de l'interaction entre trois éléments fondamentaux : une source d'énergie, une cible et un vecteur. La cible est la portion de la surface terrestre observée par le satellite, la source d'énergie est l'élément qui "éclaire" la cible en émettant une onde électromagnétique, le vecteur ou plate-forme de télédétection mesure l'énergie solaire (rayonnement électromagnétique) réfléchie par la cible. Le rayonnement électromagnétique (REM) mesuré par les instruments du satellite a été transformé par la cible. Chacun des objets spatiaux (bois, champ, bâtiment, lac, plage...) transforme différemment le REM, en fonction des quantités absorbées, transmises ou réfléchies. C'est grâce à cette combinaison singulière (% réfléchi + % absorbé + % transmis) qu'il va être possible d'identifier la nature d'un objet. Cette combinaison est appelée signature spectrale (mesure quantitative des propriétés spectrales d'un objet dans une ou plusieurs bandes spectrales). On parlera néanmoins plus volontiers de

comportement spectral, concept prenant en compte la variabilité temporelle des signatures

spectrales, ainsi que leurs variations en fonction des conditions météorologiques, des saisons, des conditions d'éclairage.

Une image satellitaire est donc une matrice de pixels. Le terme de pixel est la plus petite surface homogène constitutive d'une image enregistrée. Chaque pixel possède une valeur radiométrique représentant la moyenne des mesures radiométriques effectuées sur la surface qu'il représente sur le terrain, les mesures les plus fortes sont codées en blanc et les plus faibles en noir, générant ainsi un dégradé de gris. Chacun des pixels est coloré en fonction de sa valeur radiométrique, ce qui construit au final une image. Cette image est caractérisée par sa résolution spatiale, sa résolution spectrale, sa résolution radiomérique et sa résolution numérique.

L’utilisation des images satellitales dans les études de reconnaissance de sol et de traitement des phénomènes environnementaux nécessite des prétraitements et des traitements spécifiques des images. Les prétraitements sont des opérations effectuées sur les images en amont de tous traitements, de façon à les corriger ou les améliorer géométriquement et thématiquement. Il existe trois types de prétraitements : les corrections radiométriques, les corrections géométriques et les corrections atmosphériques.

1.1. Traitement des données satellitales

Avant la réalisation des couches d’informations extraites par les données de télédétection, une étape indispensable de traitement des images satellites est suivie. Les divers traitements appliqués aux images ont un seul objectif, c'est de faire ressortir les informations recherchées. L’utilisation des images satellitales nécessite une chaîne de traitement suivant : composition colorée, correction géométrique, classification des images et interprétation visuelle.

80

1.1.1. Composition colorée des images : utilisation du proche infra rouge et le rouge pour la discrimination de la biomasse végétale et les sols minéralisés

Toutes les couleurs sont formées par l'addition de la lumière des trois couleurs primaires additives : rouge, vert et bleu (procédé utilisé pour afficher de la lumière sur un écran par exemple). En partant du noir, c'est-à-dire l'absence de lumière, on va ajouter des quantités variables de lumière rouge, vert et bleu pour afficher une couleur précise. Chaque couleur est donc une combinaison singulière des trois couleurs primaires, la couleur blanche étant l'addition des trois couleurs primaires à intensité maximale. Ce procédé s'appelle synthèse trichromie additive. L’information apportée par un seul canal ne permet pas toujours de donner un détail satisfaisant, pouvant refléter de près ce qu’on espère ressortir à partir des données télé détectées.

La composition colorée a été obtenue à partir d’une superposition de trois canaux, en affectant à chacun l’une des trois couleurs fondamentales : Bleu, Vert, Rouge ; c’est-à-dire, en associant les couleurs primaires dans l’ordre de classement correspondant à leur longueur d’onde à savoir : proche infrarouge, rouge, bleu, utilisée comme image de référence.

Selon notre problématique, nous avons besoin aux deux canaux du domaine visible (B2 et B4) ainsi que celui du proche infra rouge (B5) du satellite Landsat 8. Le codage des trois canaux d'une image Landsat 8 : le canal B5 (proche infrarouge) est codé en rouge, le canal B4 (rouge) est codé en vert et le canal B2 (vert) est codé en bleu. Le résultat est appelé composition colorée.

1.1.2. Correction géométrique des images : phase essentielle pour la superposition et le croisement des données

La correction géométrique de l'image est nécessaire afin de la rendre superposable, soit à des cartes, soit à d'autres images, sous des coordonnées communes. Il existe deux façons de corriger géométriquement les images, la méthode par le modèle de navigation du satellite et la méthode polynomiale par prise de points d'appui. Dans notre travail, nous avons utilisé la méthode polynomiale par prise de points d’appui. La reventilation au plus proche voisin qui affecte à tout pixel de la nouvelle image le pixel le plus proche dans l'image d'origine. C'est la méthode la plus simple et elle n'altère pas la valeur originale.

Les images du capteur Landsat 8 sont déjà corrigées géométriquement, nous avons établi une rectification de ces images par apport à des cartes topographiques. Les données extraites des cartes géologiques et topographiques ne sont pas superposables aux images satellitales, et même si elles sont superposables, nous trouverons d’importants décalages au niveau des limites administratives, les limites des couches lithologiques, ce qui est un problème pour le travail de croisement des données. À cet effet, il est nécessaire de rectifier les images utilisées par rapport aux fonds cartographiques. La rectification implique la modification de la géométrie d’une image, en l’adaptant à une grille cartographique de base. La qualité de la correction géométrique doit être jugée, non pas seulement sur la base de la qualité de la transformation aux points d’appui, il nous faut aussi une série de points de vérification qui sert à évaluer l’erreur planimétrique, une fois la correction réalisée.

81

Nous avons choisi les points d’appui dont la répartition spatiale est sur l’ensemble des scènes. Nous avons obtenu le fichier de point de calage (*.PTS) propre au logiciel ENVI sur lequel se base la correction géométrique. Le critère d’une bonne correction se définit à l’évaluation l’écart moyen quadratique appelé (RMS) qui est calculé automatiquement par le logiciel ENVI, une bonne correction a un RMS égale à 1 pixel (+ou- ½).

Après le calage des cartes topographiques à l’échelle 1/50 000, nous avons sélectionné 17 points d’appui à partir des cartes topographiques, et sur l’image satellite Landsat 8 prise en 2014. Les cartes sont établies en 1972 et 1960, donc il y a beaucoup de changements par rapport à l’image en 2014, à cet effet, la sélection des points a été retenue sur la base des formes naturelles. La première étape, consiste à trouver des points d'appui (dits aussi de calage ou d'amer) communs entre la source de référence (cartes topographiques) et l'image à corriger. La seconde étape, consiste à calculer la relation entre points sources et points de référence. Plus il y a de déformations et plus il faut utiliser un modèle de déformation de degré élevé, c'est-à-dire un polynôme de déformation à degré élevé et plus le nombre de points d'amer nécessaire est élevé. La troisième étape, consiste à appliquer le polynôme de déformation sur l’image à corriger, pour créer une nouvelle image dans le référentiel choisi. Dans notre travail, un model polynomial du second degré et un algorithme de reventillation du plus proche voisin ont été utilisés. Cette méthode est très rapide et conserve les valeurs radiométriques d'origine, c'est la méthode utilisée lorsqu’on travaille avec les valeurs radiométriques, comme les classifications des images. Nous avons établi la correction avec un RMS de 0.97, les images du Landsat (pixel de 30 m), une erreur de 0.97, correspond à 29.1m au sol.

Figure 9. Points de contrôle choisis et erreur quadratique moyenne « RMS » de la correction.

82

Figure 10. Localisation des points d’appuis sur l’image à corrigée

1.1.3. Classification supervisée des images à moyennes résolutions : méthode de réalisation des cartes d’occupation du sol

KLUSER (2000) définit l’occupation du sol comme « est la couverture physique observée, que ce

sera depuis le sol ou grâce à un instrument de télédétection. Elle comprend la végétation (naturelle ou plantée), les sols et les constructions anthropiques (bâtiments, routes, etc.), qui recouvre la surface terrestre, l’eau, la glace, les surfaces rocheuses ou sableuses ». L’occupation

du sol est une série d’activités entreprises pour produire un ou plusieurs biens ou services.

« La végétation influence positivement sur l'infiltration en ralentissant l'écoulement de l'eau à la

surface, lui donnant ainsi plus de temps pour pénétrer dans le sol. D'autre part, le système radiculaire améliore la perméabilité du sol. Le feuillage protège le sol de l'impact des pluies et diminue par voie de conséquence le phénomène de battance » (BOULGHORBA, 2006). La

végétation est la résultante des facteurs physico-géographiques (relief, lithologie et climat) à laquelle s’ajoute le facteur anthropique via le défrichement et la mise en culture, ainsi le reboisement. Son influence sur l’écoulement de surface autant que souterrain ne peut être négligée, d’une part en diminuant la force vive des eaux pluviales, et d’autre part en favorisant l’infiltration. La répartition de la pluie efficace entre le ruissellement et l'infiltration est en fonction du couvert végétal, l’emplacement optimal d’une décharge dépend de la couverture du sol, à cet effet, la connaissance de l’occupation du sol dans la zone d’étude est très importante, car elle peut identifier les zones d’infiltration et de ruissellement et donc les zones de contamination de la nappe et du sol. Pour la réalisation des cartes d’occupation du sol, nous avons utilisé les techniques de traitement informatique spécifique des images satellitales, comme la classification multi-spectrale. Cette classification d'une image de télédétection consiste à une reconnaissance automatique des réflectances. Elle consiste à regrouper divers objets en sous-ensembles d'objets (les classes). Elle peut être supervisée dont les classes sont connues à priori, elles ont en général, une sémantique

83

associée. Elle peut être non supervisée, dont les classes sont fondées sur la structure des objets, la sémantique associée aux classes est plus difficile à déterminer.

Nous avons basé sur la classification supervisée. Le principe de cette classification est de regrouper les pixels à des classes thématiques, basées sur une connaissance préalable de la zone à étudier. Les classes sont définies sur la base des zones d’apprentissage, qui sont des échantillons représentatifs des classes. Cette méthode de classification passe par plusieurs étapes, à savoir :