• Aucun résultat trouvé

Estimation de la diversité en espèces des prairies à partir de leur hétérogénéité spectrale en utilisant des séries temporelles d'images satellite à haute résolution spatiale

N/A
N/A
Protected

Academic year: 2021

Partager "Estimation de la diversité en espèces des prairies à partir de leur hétérogénéité spectrale en utilisant des séries temporelles d'images satellite à haute résolution spatiale"

Copied!
25
0
0

Texte intégral

(1)

Estimation de la diversité en espèces des prairies à partir de

leur hétérogénéité spectro-temporelle en utilisant des séries

temporelles d’images satellite à haute résolution spatiale

Maïlys Lopes

1

, Mathieu Fauvel

1

, Annie Ouin

1

et Stéphane Girard

2

1Dynafor, INRA, INPT

2Team Mistis, INRIA Grenoble Rhône-Alpes

Rencontres d’Ecologie des Paysages,

23-26 octobre 2017, Toulouse

(2)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Contexte, besoins et objectifs

Site d’étude, données terrain et satellite

Méthode

Résultats

Interprétation

Conclusion

(3)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Les prairies : une ressource en biodiversité

Importance de la biodiversité dans les prairies

La biodiversité dans les prairies est menacée par l’intensification de l’agriculture et

l’urbanisation.

Besoins de suivi de la biodiversité sur de larges échelles.

Estimations sur le terrain sont limitées à des échelles locales.

La télédétection, un outil pour le suivi de la végétation

Satellites fournissent des observations régulières sur de larges étendues grâce à leur

large couverture spatiale et leur fréquence de revisite.

Procurent des informations continues sur la végétation.

(4)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Les satellites de nouvelle génération

250 m

30 m

10 m

03 04 05 06 07 08 09 10 11

0

0.2

0.4

0.6

0.8

1

03 04 05 06 07 08 09 10 11

0

0.2

0.4

0.6

0.8

1

(5)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Spectral Variation Hypothesis (SVH)

L’Hypothèse de Variation Spectrale (SVH)

"L’hétérogénéité spectrale mesurée sur une image est liée à l’hétérogénéité de

l’habitat"

(Gould 2000, Palmer et al., 2002)

.

La diversité spécifique étant reliée à l’hétérogénéité de l’habitat

(Wilson et al, 2002,

Tews et al, 2004)

, l’hétérogénéité spectrale peut être utilisée comme proxy pour la

diversité spécifique.

(6)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Spectral Variation Hypothesis (SVH)

L’Hypothèse de Variation Spectrale (SVH)

"L’hétérogénéité spectrale mesurée sur une image est liée à l’hétérogénéité de

l’habitat"

(Gould 2000, Palmer et al., 2002)

.

La diversité spécifique étant reliée à l’hétérogénéité de l’habitat

(Wilson et al, 2002,

Tews et al, 2004)

, l’hétérogénéité spectrale peut être utilisée comme proxy pour la

diversité spécifique.

Notre hypothèse : l’Hypothèse de Variation Spectro-Temporelle (STVH)

Les espèces diffèrent par leur phénologie, et donc par leurs variations temporelles.

Les variations temporelles mesurées peuvent être utilisées comme proxy pour la

diversité spécifique.

(7)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Objectifs de cette étude

Objectifs

Vérifier notre hypothèse STVH dans les prairies en utilisant des séries

temporelles denses d’images satellite (SITS) à haute résolution spatiale.

Proposer des mesures d’hétérogénéité spectro-temporelles adaptées aux

prairies et à ce type de données (i.e., big data, grande dimension).

(8)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Contexte, besoins et objectifs

Site d’étude, données terrain et satellite

Méthode

Résultats

Interprétation

Conclusion

(9)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

LTER Coteaux et Vallées de Gascogne

SPOT5

10 mètres, 4 bandes spectrales, dates d’acquisition

(2015) :

04

05

06

07

08

09

10

192 prairies

Relevés botaniques d’ab/dom

(Braun-Blanquet)

Extraction de l’indice de

Shannon H = −

P

R s=1

p

s

ln p

s

0

1

2

3

0

10

20

H

Nb

re

de

p

rairies

(10)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Contexte, besoins et objectifs

Site d’étude, données terrain et satellite

Méthode

Résultats

Interprétation

Conclusion

(11)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Mesures d’hétérogénéité spectrale dans la litérature

En utilisant 1 bande spectrale : écart-type, coefficient de variation...

Distance euclidienne moyenne au centroïde (MDC) d’un plot, parcelle...

(Rocchini 2007)

−5

0

5

−5

0

5

−5

0

5

−5

0

5

MDC = 13.9

MDC = 13.6

Entropie calculée à partir d’un clustering non-supervisé du paysage

(Féret et

Asner 2014)

.

(12)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Méthodologie proposée

SITS des pixels

des prairies

Clustering en

C clusters

Carte des clusters

des prairies

Calcul de la

STH par prairie

Mesures

de STH

Régression linéaire

Indice de Shannon

ˆ

R

2

SITS : séries temporelles d’images satellite

(13)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Clustering spectral et mesures d’hétérogénéité spectrale dérivées

Variabilité globale

Variabilité intra-classe

Variabilité inter-classe

Entropie

MDC

W

B

E

MDC = W + B

E = 0, MDC = 10,

E = 0.7, MDC = 10,

E = 1.1, MDC = 9.6,

W = 10, B = 0

W = 9.4, B = 9.3

W = 9.2, B = 8.4

0.1

1.6

2.9

H

(14)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Contexte, besoins et objectifs

Site d’étude, données terrain et satellite

Méthode

Résultats

Interprétation

Conclusion

(15)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

A partir des données multitemporelles

E : entropie

MDC : variabilité globale

W : variabilité intra-classe

B : variabilité inter-classe

0

0.5

1

1.5

0

1

2

3

E

H

¯

R

2

= 0.105**

8

10

12

0

1

2

3

MDC

¯

R

2

= 0.071**

8

10

12

0

1

2

3

W

H

¯

R

2

= 0.097**

0

5

10

0

1

2

3

B

¯

R

2

= 0.072**

(16)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

A partir des données multitemporelles

10

20

30

40

50

60

70

80

90

100

0.00

0.05

0.10

0.15

Number of clusters C

¯ R

2 MDC W B E W and E W, B, MDC and E

(17)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

A partir des données monotemporelles

10

20

30

40

50

60

70

80

90

100

0.00

0.05

0.10

0.15

Number of clusters C

¯ R

2

Entropie (E) et variabilité inter-classe (W)

30 avril 29 juin 18 dates

(18)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Contexte, besoins et objectifs

Site d’étude, données terrain et satellite

Méthode

Résultats

Interprétation

Conclusion

(19)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

05

06

07

08

09

0.2

0.4

0.6

0.8

Mois

ND

VI

Profils temporels

C1 C2 C3 C4 C5 C6 C7 C8

(20)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

05

06

07

08

09

0.2

0.4

0.6

0.8

Mois

ND

VI

Profils temporels

C1 C2 C3 C4

(21)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Contexte, besoins et objectifs

Site d’étude, données terrain et satellite

Méthode

Résultats

Interprétation

Conclusion

(22)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Conclusion

Proposition de mesures d’hétérogénéité spectro-temporelle des prairies.

Hypothèse de Variation Spectro-Temporelle non vérifiée dans les prairies avec

des séries temporelles d’images satellite à 10 m de résolution spatiale.

Influence des pratiques agricoles.

Perspectives

Mesures de diversité beta (e.g., Bray-Curtis dissimilarity)

Diversité fonctionnelle

(23)

Contexte, besoins et objectifs Données Méthode Résultats Interprétation Conclusion

Merci pour votre attention !

mailys.lopes@inra.fr

Lopes M., Fauvel M., Ouin A., Girard S. Spectro-Temporal Heterogeneity Measures from Dense High Spatial

Resolution Satellite Image Time Series: Application to Grassland Species Diversity Estimation. Remote

Sensing. 2017; 9(10):993.

Références

Gould, W. Remote Sensing of Vegetation, Plant Species Richness, and Regional Biodiversity Hotspots. Ecol. Appl. 2000, 10, 1861–1870. Palmer, M.W. et al. Quantitative tools for perfecting species lists. Environmetrics 2002, 13, 121–137.

Wilson, J. et al. Formation and maintenance of discrete wild rabbit (Oryctolagus cuniculus) population systems in arid Australia: Habitat heterogeneity and management implications. Austral Ecol. 2002, 27, 183–191.

Tews, J. et al. Animal species diversity driven by habitat heterogeneity/diversity: The importance of keystone structures. J. Biogeogr. 2004, 31, 79–92.

Rocchini, D. Effects of spatial and spectral resolution in estimating ecosystem α-diversity by satellite imagery. Remote Sens. Environ. 2007, 111, 423–434.

Féret, J.B.; Asner, G.P. Mapping tropical forest canopy diversity using high-fidelity imaging spectroscopy. Ecol. Appl. 2014, 24, 1289–1296.

(24)

Annexe

Formules :

V

i

=

1

n

i ni

X

k=1

kx

ik

− µ

i

k

2

B

i

=

Ci

X

c=1

p

ic

ic

− µ

i

k

2

W

i

=

1

n

i Ci

X

c=1

X

k∈c

kx

ik

− µ

ic

k

2

E

i

=

C

X

−π

ic

log(π

ic

)

(25)

Table:

Modèles de régression linéaire multivariée pour C = 8 en utilisant les données

multitemporelles.

Response Variable

Explanatory Variables

Reg. Coeff.

Std Err.

p-Value

H

W

0.29

0.14

0.04

B

0.01

0.02

0.61

V

−0.15

0.14

0.30

E

0.40

0.13

0.003

intercept

0.73

0.51

0.16

Model summary: F

(4, 187)

= 8.0, p-value <0.001, R

2

= 0.145, ¯

R

2

= 0.127

H

W

0.16

0.06

0.005

E

0.37

0.09

<0.001

intercept

0.65

0.51

0.20

Model summary: F

(2, 189)

= 15.4, p-value <0.001, R

2

= 0.140, ¯

R

2

= 0.131

Références

Documents relatifs

Les données satellite utilisées dans cette thèse sont constituées d’une quarantaine d’images SPOT provenant de la base de données (BD) Kalideos ISLE-Réunion ©8. Son

We perform a Fisher-matrix analysis to forecast the constraining power of eROSITA on the  cold dark matter (CDM) cosmology and, simultaneously, on the X-ray scaling relations

Considering the impact of the input physics selected in the theoretical models, it appears as essential to introduce a chemical mixture representative of the observed stars to get

française et flamande et à l’article 130, paragraphe 1 er , alinéa 1 er , 3°, de la Constitution, en ce qui concerne la Communauté germanophone. À titre d’exception, trois

Figure S1: SEM image and magnetization curve of pairs of Ni blocks electroplated 5 Figure S2: Schematic views of the nickel blocks used for simulation 6 Figure S3: Evolution of

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des

Ensuite, les États-Unis pensent utiliser l’octroi des visas comme un levier leur permettant d’exercer une influence sur la politique cubaine, les limitant certaines années

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des