Traitement et interprétation des images satellitaires

CHAPITRE II : METHODOLOGIE DE RECHERCHE

2.4. Traitement et interprétation des images satellitaires

Le traitement des images satellitaires est déterminant dans cette recherche. Il est l’ensemble de différents processus d’application qui permettent de transformer les images afin d’extraire des informations cartographiques. Elle est basée sur l’analyse par télédétection des images satellitaires relatives aux formes d’occupation des sols à partir des images Landsat TM, ETM+ OLI-TIRS respectivement pour les années 1986, 2000, 2015 couvrant le secteur d’étude. Les images offrent une résolution (30 m) à la fois assez large pour étudier l’ensemble du bassin et suffisamment fine pour cartographier une unité de 900 m² (30 m * 30 m). Les caractéristiques de ces images sont résumées dans le tableau 2.5.

Tableau 2. 5: Caractéristiques des images satellites utilisées

Path/Row Date d’acquisition Capteur Producteur Format

192/055 13/01/1986 TM USGS GeoTIFF

192/055 30/12/2000 ETM+ USGS GeoTIFF

191/053 15/01/2015 OLI TIR USGS GeoTIFF

Sources: Global Land Cover Facility (2017)

Ainsi, les images ont été classifiées sur la même base méthodologique. Les étapes de cette classification sont : choix des aires d’entraînement, l’application de la classification supervisée par maximum de vraisemblance, la validation de la classification et l’exportation de l’image classifiée vers un Système d’Information Géographique.

v Choix des aires d’entraînement

En prélude aux choix des aires d’entrainement, différentes classes d’occupation du sol sont retenues dans le bassin. Ces différentes classes d’occupation ont tenu compte des résultats du Projet Impetus-Bénin (2007) et des types de végétation rencontrées et décrites selon l’approche physionomique de Yangambi (1956). Huit classes d’occupation sol divisée en trois

classes principales : les forêts, les savanes et les formations anthropiques ont été répertoriées (tableau 2.6).

Tableau 2. 6:Détail des classes de l’occupation des terres du bassin-versant de l’Ouémé à Bonou

Source : Adapté de Leroux (2012)

Les aires d’entrainement homogènes ont été choisies sur la base d’une interprétation visuelle des images en composition colorée appuyée par des données GPS et par des points prises à partir des photographies aériennes de Google Earth Pro. Lors de ces opérations de saisies des aires d’entraînement, une attention particulière a été portée aux changements dus aux différences temporelles surtout pour l’image de 1986. Pour s’assurer d’un contenu équivalent des classes d’occupation du sol de 2015 par rapport à 1986 et 2000, seuls les groupes de pixels inchangés ont été prioritairement sélectionnés.

Les aires d’entraînement ont été bien dispersées sur l’ensemble du secteur d’étude, représentatives de la diversité de chaque classe d’unité d’occupation du sol. La sélection de ces aires d’entrainement était faite autour du point GPS de façon à obtenir les pixels représentant la classe d’occupation du sol les plus larges possibles tout en restant suffisamment minutieux

Classes Sous classes Définition

Forêts

Forêt galerie ^{Végétation très dense, peuplement continu d’arbres à caractère} sempervirent de près de 10 m (white, 1983) de forme sinueuse Forêt dense

sèche

Végétation très dense, peuplement continu d’arbres à caractère sempervirent de près de 10 m (white, 1983) de forme irrégulière Forêt claire et

savane boisée

Végétation composée principalement d’arbres, avec des sous-bois peu développés avec un recouvrement des cimes de 40 % au plus (white, 1983). Les arbres sont souvent à feuilles caduques avec un indice de végétation faible en saison sèche. Noter la présence de brûlis

Savane ^{Savane arborée}

et arbustive

Végétation relativement dense, mais avec des arbres de taille inférieure à 10 m, sous-bois arbustif. Noter la présence de brûlis

Formations anthropiques

Mosaïques de champs et de jachères

Surfaces cultivées, d’étendues variables situées à proximité des centres urbains ou le long des routes. Ces parcelles sont souvent à nu pendant la période sèche ; leur réflectance sera maximale Ancienne parcelle cultivée laissée à l’abandon avec un enfrichement progressif. Confusion possible avec la classe de savane arbustive. Noter la présence de brûlis

Plantations

Cette classe regroupe les parcelles d’anacardiers, reconnaissable à leur forme régulière, avec plantation d’arbres réguliers. S’ajoute les vergers, souvent de forme carrée.

Agglomérations Village-Route

Comprend les centres abrités, les routes asphaltées, et les pistes. Zone où la végétation naturelle a été éliminée sur de larges étendues (white, 1983)

pour ne pas intégrer différents types de classe. Ainsi, 450 points GPS ont permis de saisir les aires d’entrainement homogènes dans le bassin.

v Classification supervisée par maximum de vraisemblance

Dans le cadre de cette recherche, l’utilisation de la classification supervisée se justifie par le fait qu’elle donne la précision dans l’interprétation des structures spatiales et de la dynamique des états de surfaces (Mouhamadou et al., 2012 ; Avakoudjo et al., 2014). C’est une classification pixel à pixel qui repose sur le postulat que la signature spectrale de chacun des pixels est représentative de la classe d’unité d’occupation du sol dans laquelle il se trouve (Kayitakire et

al., 2002 ; Sitayeb et al., 2008). L’adoption de cette méthode de classification est indiquée dans le cas des pixels des capteurs TM (taille de 30 m), ETM+ (taille de 30 m) et OLI-TIRS(taille de 30 m) en considérant leur résolution spatiale qui présage que les divers éléments présents à l’intérieur du périmètre d’un pixel se combinent pour former une signature relativement unique et homogène pour cette classe d’unité d’occupation du sol. La classification supervisée par maximum de vraisemblance a consisté à attribuer à chaque groupe de pixels la classe la plus plausible en fonction de la ressemblance spectrale entre les pixels et la signature des classes, ce qui est présenté sur le tableau 2.7, relatif à la clé d’interprétation des images staellites.

Tableau 2. 7:Clé d’interprétation des images satellites.

Code Forme Tonalité Identification

1 Irrégulière Rouge vif Forêt claire

2 Sinueuse Rouge vif Galerie forestière

3 Irrégulière Rouge modéré Savane boisée

4 Irrégulière Rouge pâle Savane arborée

5 Irrégulière Vert parcouru de fines traces rouges Savane arbustive

6 Effilée Bleu Cours d’eau

Source : CENATEL (2007) et Amoussou (2010)

L’ensemble des pixels de chaque image satellite a été classé suivant l’algorithme du maximum de vraisemblance extrapolant les caractéristiques spectrales des aires d’entraînement au reste de l’image (LGGI, 2005). Les pixels ont été affectés à la classe la plus vraisemblable à partir d’une probabilité préalablement déterminée. Les pixels qui n’ont pas pu être affectés à une classe d’unité d’occupation du sol ont été classés en rejet et ensuite identifiés au cours du contrôle-terrain.

v Validation des classifications supervisées

La validation des cartes d’occupation du sol issues de l’interprétation des images satellites a été faite à partir d’une matrice de confusion. Il s’agit en fait d’un tableau à double entrées où les

classes des cartes des unités d’occupation du sol se trouvent en lignes et les données du contrôle-terrain en colonnes (tableau 2.8).

Tableau 2. 8: Matrice de confusion pour la validation de la classification supervisée de 1986 (A), de 2000 (B) et de 2015 (C). En gras le nombre de pixels bien classés. (FG : Forêt galerie ; FD : Forêt dense ; FCSB : Forêt claire et savane boisée ; SAA : Savane arboré et arbustive ; PL : Plantation ; MCJ : Mosaïque de Culture et de Jachères ; AG : Agglomération)

A _{Points de validation (pixels)}

Classes d'occupation

du sol en 1986 ^FG ^FD ^{FCSB SAA} ^PL ^MCJ ^AG ^Total

Non classées 0 0 0 1 0 0 8 9 FG 136 3 0 0 0 0 0 139 FD 0 112 2 0 5 0 0 119 FCSB 0 2 941 0 454 0 0 1397 SAA 0 0 0 3251 0 321 0 3572 PLAN 0 15 11 0 105 0 2 133 MCJ 0 0 0 126 0 986 0 1112 AG 0 0 0 2 3 0 13 18 Total 136 132 954 3380 567 1307 23 6499

B Points de validation (pixels)

Classes d'occupation

du sol en 2000 ^FG ^{FD FCSB SAA} ^PL ^MCJ ^AG ^Total

Non classées 0 0 0 1 0 0 2 3 FG 122 3 0 0 0 0 0 125 FD 0 63 1 0 3 0 0 67 FCSB 0 1 628 0 303 0 0 933 SAA 0 0 0 3246 0 321 0 3567 PLAN 0 24 17 0 166 0 3 210 MCJ 0 0 0 175 0 1370 0 1545 AG 0 0 0 3 5 0 21 29 Total 122 91 647 3426 477 1690 26 6479

C Points de validation (pixels)

Classes d'occupation

du sol en 2015 ^FG ^{FD FCSB SAA} ^PL ^MCJ ^AG ^Total

Non classées 0 0 0 3 0 0 6 9 FG 128 3 0 0 0 0 0 131 FD 0 40 1 0 2 0 0 43 FCSB 0 1 531 0 256 0 0 789 SAA 0 0 0 3023 0 298 0 3321 PLAN 0 27 20 0 189 0 4 239 MCJ 0 0 0 219 0 1713 0 1932 AG 0 0 0 4 6 0 27 38 Total 128 71 552 3249 453 2012 37 6502

Cette validation s’est faite avec un autre jeu de données GPS que celui ayant servi pour la sélection des zones d’entraînement. En effet, les expérimentations et les missions de terrain ont permis d’approfondir le choix des aires et ont guidé dans toutes les classes de formations végétales. Dans ce sens, les observations directes et des enquêtes auprès des populations locales du bassin ont porté sur le géoréférencement des champs-jachères, des villages, des plantations, forêts (galerie, dense, claire, sacrée) et des savanes.

Sur la diagonale du tableau 2.8, se trouvent les unités de végétation bien identifiées et de part et d’autre de cette diagonale les erreurs d’omission et de confusion. Cette matrice a permis de calculer l’indice d’exactitude I des cartes de végétation (Barima et al., 2009 ; Mugisha et al., 2010).

! ="# $_%/N

$_% = les observations de la diagonale ; N = le nombre total des observations. Si I ≥ 0,9 alors l’interprétation est correcte (Mugisha et al., 2010).

v Exportation vers un Système d’Information Géographique

Après l’intégration des observations du terrain, chaque image interprétée a été exportée vers un Système d’Information Géographique. Il s’est agi de convertir le fichier du format raster en format vecteur. Cela a été fait dans le logiciel ArcGIS 10.4. Dans ce système d’information géographique ArcGIS, les superficies des différentes unités d’occupation du sol ont été calculées.

2.4.1. Méthodes d’évaluation spatiale de l’état des unités paysagiques

Les cartes d’occupation du sol de 1986, 2000 et 2015 issues des images Landsat ont permis d’apprécier à partir d’une analyse diachronique la dynamique des unités paysagiques du secteur d’étude.

L’évolution des unités paysagiques a été évaluée en termes de progression (augmentation), de régression (diminution) ou de stabilité de chaque unité d’occupation du sol ou d’unité paysagiques. La dynamique évolutive des unités paysagiques est caractérisée de la façon suivante :

a

1 : correspond à l’écart entre la superficie des unités paysagiques de l’année 1986 et 2000 ;

100

a

2 : correspond à l’écart entre la superficie des unités paysagiques de l’année 2000 et 2015 ;

Ø Si

a

1_ou

a

₂_{= 0 : la superficie de l’unité est donc stable dans le temps et dans l’espace ;}

Ø Si

a

1_ou

a

₂_{< 0 : la superficie de l’unité concernée est dite en progression}

Ø Si

a

1_ou

a

₂_{> 0 : la superficie de l’unité est dite en régression}

En somme, les cartes de synthèse ont ensuite été réalisées et mises à contribution pour mettre en évidence les liens potentiels entre la dynamique des unités paysagiques, l’effet de la pression anthropique dans les processus de ruissellement, d’érosion qui sont des aussi des indicateurs qui accentuent la manifestation des inondations dans le secteur d’étude.

Dans le document Indicateurs des évènements hydroclimatiques extrêmes dans le bassin versant de l'Ouémé à l'exutoire de Bonou en Afrique de l'Ouest (Page 96-101)