Utilisation de la télédétection et des modèles numériques de terrain pour la connaissance du fonctionnement des hydrosystèmes

HAL Id: tel-02579362

https://hal.inrae.fr/tel-02579362

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Utilisation de la télédétection et des modèles

numériques de terrain pour la connaissance du

fonctionnement des hydrosystèmes

C. Puech

To cite this version:

C. Puech. Utilisation de la télédétection et des modèles numériques de terrain pour la connaissance du fonctionnement des hydrosystèmes. Sciences de l’environnement. Habilitation à diriger des recherches Mécanique des Milieux, Géophysique et Environnement, INPG Grenoble, 2000. �tel-02579362�

U

U

_UT

T

_TI

I

_IL

L

_LI

I

_IS

S

_SA

A

_AT

T

_TI

I

_IO

O

_ON

N

_N

_D

D

_DE

E

_E

_L

L

_LA

A

_A

_T

T

_TE

E

_EL

L

_LE

E

_ED

D

_DE

E

_ET

T

_TE

E

_EC

C

_CT

T

_TI

I

_IO

O

_ON

N

N

E

E

_ET

T

_T

_D

D

_DE

E

_ES

S

_S

_M

M

_MO

O

_OD

D

_DE

E

_EL

L

_LE

E

_ES

S

_S

_N

N

_NU

U

_UM

M

_ME

E

_ER

R

_RI

I

_IQ

Q

_QU

U

_UE

E

_ES

S

_S

_D

D

_DE

E

_E

_T

T

_TE

E

_ER

R

_RR

R

_RA

A

_AI

I

_IN

N

N

P

P

_PO

O

_OU

U

_UR

R

_R

_L

L

_LA

A

_A

_C

C

_CO

O

_ON

N

_NN

N

_NA

A

_AI

I

_IS

S

_SS

S

_SA

A

_AN

N

_NC

C

_CE

E

_E

_D

D

_DU

U

U

F

F

_FO

O

_ON

N

_NC

C

_CT

T

_TI

I

_IO

O

_ON

N

_NN

N

_NE

E

_EM

M

_ME

E

_EN

N

_NT

T

_T

_D

D

_DE

E

_ES

S

_S

_H

H

_HY

Y

_YD

D

_DR

R

_RO

O

_OS

S

_SY

Y

_YS

S

_ST

T

_TE

E

_EM

M

_ME

E

_ES

S

S

M

M

_Mé

é

_ém

m

_mo

o

_oi

i

_ir

r

_re

e

_e

_d

d

_de

e

_e

_r

r

_re

e

_ec

c

_ch

h

_he

e

_er

r

_rc

c

_ch

h

_he

e

_es

s

s

C

C

_Ch

h

_hr

r

_ri

i

_is

s

_st

t

_ti

i

_ia

a

_an

n

_n

_P

P

_PU

U

_UE

E

_EC

C

_CH

H

H

U

U

_UM

M

_MR

R

_R

₃

3

_3S

S

_S,

,

_,

_C

C

_CE

E

_EM

M

_MA

A

_AG

G

_GR

R

_RE

E

_EF

F

_F

_E

E

_EN

N

_NG

G

_GR

R

_RE

E

_EF

F

_F,

,

_,

_M

M

_Mo

o

_on

n

_nt

t

_tp

p

_pe

e

_el

l

_ll

l

_li

i

_ie

e

_er

r

r

Jury :

Rapporteurs

G DE MARSILY

B SEGUIN

JM GRESILLON

Membres

B AMBROISE

JP FORTIN

R POCHAT

Invité

C MILLIER

Habilitation à diriger des recherches

Mécanique des Milieux, Géophysique et Environnement

Habilitation à diriger des recherches

UTILISATION DE LA TELEDETECTION

ET DES MODELES NUMERIQUES DE TERRAIN POUR LA CONNAISSANCE DU

FONCTIONNEMENT DES HYDRO-SYSTEMES

Christian PUECH

Résumé

Les données de télédétection et de MNT (modèles numériques de terrain) permettent de dépasser la caractérisation d'un bassin versant en mode global, comme une boîte noire, pour s'intéresser désormais à ses composantes internes. Les données spatiales font voir autrement l'espace hydrologique et ouvrent la voie à des validations, des connaissances impossibles à obtenir par voie habituelle : caractérisation des états de surface et des chemins de l'eau, relations spatiales entre objets, évolution temporelle de l'espace hydrologique … Cette plongée dans l'intérieur du bassin versant s'accompagne de réflexions pour une meilleure caractérisation, mais aussi de notions plus fondamentales sur les échelles, pour arriver à une utilisation cohérente en termes hydrologiques.

Mots clés : télédétection, MNT, approche spatiale, échelle, hydrologie

USE OF REMOTE SENSING AND DIGITAL ELEVATION MODELS TO BETTER

KNOW THE HYDRO-SYSTEMS FUNCTIONNING

Abstract

Remote sensing data and DEM (digital elevation models) can help to characterise the catchments not only in a global way, as a “black box”, but to define its internal composition. Spatial information give a different look on the hydrological domain and allows new ways of validation or knowledge, impossible to obtain by ground data : characterisation of surface states, water paths, spatial relations between objects, temporal evolution … Besides this look on catchment internal particularities, we develop reflections on better characterisation, on coherent use in hydrology, reflections including scales issues.

Utilisation de la télédétection et des Modèles Numériques

de Terrain pour la connaissance du fonctionnement des

hydrosystèmes

SOMMAIRE

INTRODUCTION

Présentation de la recherche 1

Partie I : UNE ANALYSE D’IMAGE FONCTION DE L’APPLICATION

Introduction : des données nouvelles et partielles comme

complément d’information 4

1. Un traitement d’image adapté à la taille de l’objet 7

• Pixel à pixel • Par objet • Sub pixellaire

2. Traitements d’images par association d’informations extérieures 13 Variables hydrologiques Occupation du sol Températures, Humidités,

Partie II. ECHELLES ET CHANGEMENT D’ECHELLE

3. Cartographie : vision et échelles 21

• Echelles et changement d’échelle

• Le schéma hiérarchique du paysage par niveaux d’organisation : un espace emboîté

• Homogénéité et résolution optimale

• Influence de la résolution sur la limite des objets • Changement d'échelle et effet sur la nomenclature

4. Agrégation 33

• Cartographie des états de surface au Sahel par couplage de classification d’image avec une typologie des états de surface. Définition d’un protocole de terrain et d’un traitement d'image spécifique

• Passage du m² au bassin versant • Discussion

5. Désagrégation 38

• Alternatives : vers une approche désagrégative • Approche désagrégative : ruissellements au Sahel • Approche désagrégative : étude des pollutions

d'origine agricole. • Discussion. Variables hydrologiques Etats de surface, Lame ruisselée, Débit de crue décennale Coefficients d’écoulement Annuel, mensuel Pression polluante

Partie III. RELATIONS SPATIALES ET EVOLUTIONS TEMPORELLES

Introduction 45

6. Modèles numériques de terrain et chemins de l'eau 46

• Réflexions sur la qualité des MNT et des plans dérivés

• Effet du sursol : quel MNT est défini ? Sol ou couverture ?

• Influence de la résolution

• Les MNT pour la détermination des réseaux hydrographiques

7 Relations spatiales

7a. indicateurs (étude des distances d'influence)55 Généralités

distances d'influence

7b. Champ d'inondation et photographies aériennes 58

8. Evolutions temporelles

8a Dynamique de la reprise végétale après incendie 63

• résultats cartographiques de la régénération forestière :

• Evolution hydrologique

• Comparaison de l'évolution hydrologique et du couvert végétal.

8b Dynamique de l’humidité des sols 68

Capacité des satellites ERS à détecter les zones saturées

Capacité de TOPMODEL à prédire une extension raisonnable des zones saturées Assimilation de l’information radar susceptible d’améliorer les prédictions du modèle

Conclusion : équifinalité 74 Variables hydrologiques Dd et surfaces drainées critiques, surfaces amont Réseau hydrographique Taux d’atrazine Niveaux d’eau

Débit annuel, mensuel, journalier Coefficient de récession Aires saturées Humidité, Indice topographique, indice radar DISCUSSION – CONCLUSION 75 Références bibliographiques Annexe 1 : Publications

Remerciements

Les travaux présentés sont le fruits de collaborations internes et externes nombreuses En interne je tiens à remercier les collègues du laboratoire et plus particulièrement Pascal Viné pour nos longs échanges sur tous les problèmes liant télédétection et hydrologie, mais aussi Sylvain Labbé pour nos discussions autour des MNT, et, plus récemment, Flavie Cernesson et Jean-Stéphane Bailly. De nombreux étudiants ont pris en charge les mesures de terrain, les prétraitements et traitements des images satellites, phases longues et fastidieuses tout en travaillant sur les avancées méthodologiques en lien avec l'hydrologie. Je citerai plus particulièrement les travaux de thèse dans lesquels j’ai été fortement impliqué : thèses soutenues par Uruya Weesakul (1992), Pascal Viné (1997) et Philippe Gineste (1998), thèses en cours par François Colin, Julie Charleux, Kastiran Indarto et Damien Raclot. Tous ces travaux ont été coordonnés à mes propres recherches et l’on en trouvera la trace tout au long du document.

En externe, ces travaux ont été menés avec des collaborations fructueuses : problèmes d'échelle avec Marcel Raffy et ses collègues du GSTS, avec Danielle Marceau de l'Université de Montréal, avec Robert Jeansoulin du LIM, Université de Marseille ; travaux au Sahel en lien avec l'ORSTOM-IRD et notamment Jean Marie Lamachère et Luc Séguis ; travaux sur le Réal Collobrier avec les différents membres du GIS Réal Collobrier ; travaux sur les autres sites français avec les collègues du Cemagref et de l'INRA et dans le cadre des projets européens DM2E et NOAH.

Mes remerciements vont plus particulièrement à Jean Michel Grésillon, directeur de l'ENSHMG, qui après avoir encadré ma thèse m'a fortement encouragé à passer cette habilitation.

Enfin un grand merci aux relecteurs du laboratoire : Sylvie, Pierre, Flavie et Jean-Stéphane, pour leurs conseils précieux.

PRESENTATION DE LA RECHERCHE

Mes recherches effectuées au LCT1 sont axées autour du thème : utilisation de la

télédétection et des Modèles Numériques de Terrain (MNT) pour la connaissance du fonctionnement des hydrosystèmes. Cette recherche est donc à l’interface de deux domaines : l’approche spatiale et l’hydrologie.

Le point de départ de mon intérêt pour ces domaines remonte à l’époque où, en poste de

coopération comme hydrologue au CIEH2, à Ouagadougou, je m’étais intéressé à l’impact

des paramètres descripteurs du bassin versant dans la quantification des débits de crue décennaux des zones sahéliennes et tropicales sèches d’Afrique subsaharienne. Une méthode avait été proposée (Puech et Chabi-Gonni, 1984) pour une estimation statistique utilisant les descripteurs disponibles à l’époque : surface, pentes moyennes, densité de drainage … associés aux paramètres climatiques : pluie décennale journalière ou annuelle. La méthode avait été élaborée à partir des données de 242 bassins expérimentaux provenant essentiellement des travaux de l’ORSTOM, notamment du recueil de Dubreuil (1972).

La qualité d’estimation obtenue était jugée suffisamment performante pour une utilisation opérationnelle (comparativement aux rares méthodes existantes - Rodier et Auvray ,1965)

et la méthode a été largement diffusée (GRET, 1988 ; Tauer et Humborg1992 ; FAO, 1996).

Toutefois, dans l’absolu, ses résultats sont médiocres : seulement 50% des valeurs de débit décennal tombent dans la fourchette [½Qestimé, 2*Qestimé]. Des écarts manifestes entre bassins de même zone climatique, même pente, mêmes sols et/ou même taille semblaient pouvoir être expliqués notamment par une occupation du sol et une morphologie différente : pourcentages en culture, en « brousse », en zones cuirassées … ainsi que la disposition dans l’espace de ces différentes composantes.

Les données de télédétection sont a priori opportunes pour améliorer ce genre de diagnostic, car aptes à procurer certaines données manquantes pour la description fine du bassin versant, selon un mode systématique et uniforme. Elles sont donc apparues utiles pour aller plus loin dans l’explication des différences de comportement entre bassins versants.

Au Cemagref de Montpellier, ma mission est de valoriser l'approche spatiale pour les applications hydrologiques. La question d’origine concerne l’impact de l’occupation du sol (pourcentage et disposition) et de la morphologie dans l’explication des comportements hydrologiques et leur introduction dans les modélisations. L’ensemble des recherches menées s’organise autour de la valorisation des informations descriptives internes au

bassin versant dans la compréhension des phénomènes d’écoulements. La taille des

unités d’intérêt, internes au bassin versant, est dictée par ce choix : une taille inférieure au bassin versant, mais le nombre nécessairement limité d'unités conduit à des éléments de taille supérieure aux parcelles élémentaires d’observations in situ.

Cette valorisation passe par la maîtrise des techniques de traitement d’image pour une caractérisation du bassin. Or, malgré l’existence de logiciels de traitement d’image performants, les résultats cartographiques ne sont cohérents que dans les cas simples : larges espaces où les objets sont bien délimités, grands parcellaires, grandes entités homogènes. Pour chaque bassin versant des problématiques spécifiques se posent par suite 1) de contraintes spatiales globales telles qu’un parcellaire agricole trop fin, des zones montagneuses avec de fortes déformations géométriques et radiométriques, des zones sahéliennes à occupation du sol mouchetée aux limites floues … 2) de contraintes spatiales sur les éléments à caractériser (états de surface au Sahel, pourcentages des strates

1 _{LCT Laboratoire Commun de Télédétection Cemagref/ENGREF, devenu UMR 3S}

végétales) car ils peuvent être de types ou de tailles incompatibles avec les résolutions des images et les classifications, ou 3) de contraintes temporelles telles qu’une évolution interannuelle continue.

Ainsi les traitements des images et des données spatiales sont délicats et spécifiques. L’utilisation seule de ces données de télédétection est vite inconsistante. Il est apparu alors qu’une solution pour une télédétection efficace passait par une implication forte entre « traitement d’image » et « application » dans chaque phase du traitement, autrement dit que l’on ne peut valablement traiter une image sans associer son utilisation.

Pour une bonne maîtrise de l’utilisation des données spatiales en hydrologie deux éléments nous ont paru essentiels :

Le premier concerne la caractérisation des objets de l’étude en relation avec les questions d’échelle : niveaux d’organisation et résolution des images. Les changements d’échelle sont au cœur des toutes les problématiques qui s'intéressent à l’espace géographique et doivent être maîtrisés pour une utilisation cohérente de la télédétection, des MNT, des SIG dans les thématiques telles que l’hydrologie.

L’autre est relatif à la prise en compte des relations spatio-temporelles entre les objets, ouvrant de nombreuses perspectives pour la caractérisation et la compréhension des réponses hydrologiques. Notons que les positions relatives doivent être caractérisées selon

une géométrie particulière, la « géométrie hydrographique » du bassin versant. Les

distances ne sont plus euclidiennes, elles suivent le fil de l’eau : la caractérisation du réseau de drain et des lignes d’écoulement apparaît comme un élément de base des relations dans l’espace hydrologique, les MNT devenant une des pièces maîtresses de cette quête par leur faculté à décrire la morphologie des bassins et la structuration hydraulique du terrain.

C’est ainsi que quelques considérations principales ont dominé nos travaux :

- Spécificité de chaque analyse d’image qui dépend de l’application et des objets d’étude ; complémentarité des données de télédétection par rapport aux méthodes existantes.

- Analyse des échelles et changement d’échelles.

- Prise en compte des relations spatio-temporelles entre les objets .

Ces trois axes seront développés spécifiquement dans chacune des 3 parties du document. Une information complémentaire pour comprendre la mise en route de ces recherches concerne le choix des sites d’études. En effet nos travaux supposent une mise en relation de la variabilité dans l’espace avec une variabilité de comportement hydrologique : dès lors comprendre et valoriser les liens entre spatial et hydrologie doit se faire par un grand nombre de mesures hydrologiques conjointes ce qui rejaillit sur le choix des sites d‘étude. Or si les données spatiales sont d’acquisition rapide, les données hydrologiques ne s’acquièrent qu’au rythme de la nature et avec de grandes difficultés. Un site exempt de mesures hydrologiques doit être équipé puis suivi sur plusieurs années avant d’envisager une valorisation quelconque. Pour valoriser le lien entre spatial et hydrologie il faut s'implanter dans des sites dans lesquels les mesures hydrologiques sont disponibles.

Le faible effectif et l’orientation du laboratoire ne permettent pas, par ailleurs, d’installer et de suivre des stations en dehors de quelques rares points ou de mesures de courte durée. C’est pourquoi on a utilisé autant que possible les données des BVRE, bassins versants de recherche et d’expérimentation ou des sites déjà pourvus de mesures conséquentes : BVRE du Réal Collobrier suivis par le Cemagref, bassins versants du Sahel africain suivis par

l’ORSTOM-IRD, bassins du Gers suivis par la CACG3, bassin du Naizin en Bretagne suivi

par le Cemagref et l’INRA … pour lesquels notre participation au terrain visait à apporter un complément aux mesures hydrologiques déjà mesurées : des observations de terrain, des mesures hydrologiques complémentaires pour calage ou validation de l’approche spatiale.

3

Partie I Une analyse d’image fonction de l’application

Introduction Dilemmes spatial hydrologie

PARTIE I

UNE ANALYSE D’IMAGE FONCTION DE L’APPLICATION

Introduction : les dilemmes du lien entre approche spatiale et hydrologie

Chapitre 1. Un traitement d’image adapté à la taille de l’objet Chapitre 2. Traitements d’images par association d’informations extérieures

Partie I Une analyse d’image fonction de l’application

Introduction Dilemmes spatial hydrologie

INTRODUCTION :

LES DILEMMES DU LIEN ENTRE APPROCHE SPATIALE ET

HYDROLOGIE

Mon travail de recherche s'inscrit dans le champ intermédiaire entre l’hydrologie et les approches spatiales. Il se nourrit de deux aspects :

- Un aspect de développement technique associé à l’utilisation des images* de

télédétection et des modèles numériques de terrain pour caractériser l'espace hydrologique. Les questions techniques sont liées aux traitements d’images et aux algorithmes à utiliser, à la précision des résultats, les questions plus fondamentales étant : comment appréhender le terrain ? Que voir ? Ce qui inclut très vite des questions liées à l'échelle d'observation.

- Un aspect hydrologique, pour une amélioration des méthodes par utilisation des données spatiales, pour une intégration dans les modélisations et une meilleure estimation des variables étudiées.

Le point fondamental est relatif à la liaison entre ces deux domaines.

Au point de départ de cette recherche, il y a des espoirs importants : la caractérisation de l’intérieur du bassin versant est désormais possible ; on assiste à l’arrivée de nouveaux paramètres descripteurs : température, pentes, humidité du sol, couverture végétale, ... dans leur diversité et leur variabilité tant temporelle que spatiale et avec une mesure continue sur l’espace. Ces descriptions doivent permettre sinon de quantifier des écoulements, du moins de mieux les hiérarchiser, pour une aide à la régionalisation.

Par exemple dans l’étude de la transformation pluie - débit dans un bassin versant on a l’habitude de séparer les questions de volumes et celles de vitesse à travers deux termes : la fonction de production qui représente la transformation pluie - débit du point de vue des volumes et la fonction de transfert qui est en liaison avec la vitesse de propagation des eaux. Les productions étant en particulier liées à l’évapotranspiration, aux infiltrations … elles devraient être mieux caractérisées par la connaissance du couvert végétal et des sols, c’est à dire des états de surface. Les transferts étant liés à la vitesse des eaux vont a priori pouvoir être mieux expliqués si l’on introduit des connaissances sur le relief et la morphologie (pentes, réseau hydrographique) mais aussi sur la disposition des zones supposées contributives (caractérisées à travers des indices topographiques). Les deux termes pourront également tirer bénéfice de la connaissance des états initiaux de la surface : humidité, état de la couche supérieure du sol, ...

La question est alors celle de la caractérisation des paramètres nouveaux et celle de leur exploitation.

Certains paramètres extraits des images sont d’une exploitation immédiate et entrent directement dans la gamme des produits utilisables. On peut citer quelques exemples opérationnels sur des registres divers tels que la détection des plans d’eau (Maurel, 1988) et des zones inondées, ou encore la cartographie de température de surface, ou encore les réseaux de fractures ou les alignements de failles qui renseignent en zone de socle sur les potentialités de forage (Savane et al., 1996) … exemples dans lesquels la cartographie est un résultat en soi, utilisable directement. Toutefois la plupart des utilisations sont plus

*

On nomme en général « images » les documents formés de pixels réguliers, et l’on réserve le terme de « photos » aux documents analogiques

Partie I Une analyse d’image fonction de l’application

Introduction Dilemmes spatial hydrologie

délicates pour des raisons intrinsèques aux données ou de compatibilité des domaines et des points de vue .

Incompatibilité des points de vue : paramètres requis et paramètres disponibles

Les paramètres et schémas de fonctionnement hydrologiques ont été conçus et développés à une période où les techniques spatiales n’existaient pas.

Rappelons que les paramètres images peuvent se présenter sous plusieurs formes (surfacique, linéaire, ponctuel ou réponse numérique locale) dépendant directement des caractéristiques des images et du système de prise de vue :

- La résolution temporelle ou répétitivité (de quelques heures à plusieurs semaines) dépendant du type d’image et de la plate-forme utilisée (aérien, type de satellite).

- La résolution spatiale des données (ou taille du pixel).

- La résolution spectrale selon le nombre de longueurs d’ondes et leurs caractéristiques. Ces contraintes expliquent que les paramètres requis par les modèles et ceux extraits des images soient rarement en accord en thème (coefficient d’écoulement vs occupation du sol), en précision (quantitatif vs qualitatif), en échelle spatiale (ponctuel vs surfacique) ou temporelle (date ou heure non conforme, ou encore durée vs instant). Les deux tableaux ci-après illustrent le fossé qui sépare les deux domaines du point de vue des thèmes : paramètres requis par l’utilisation hydrologique relatifs aux fonctions de production et transfert ou aux aléas naturels (tableau 1) et ceux disponibles à partir des images (tableau 2) .

Tableau 1 : Paramètres hydrologiques requis

Dans le tableau 2 les paramètres extraits des images de télédétection ont été classés en termes fixes caractérisant la «matrice» bassin versant (états de surface et relief), termes

rapidement variables concernant l’état de la surface du sol (température, humidité,

saturation) ou termes lentement variables tels que la végétation, et la rugosité des sols. Les paramètres images sont donc rarement utilisables directement, et nécessitent des adaptations touchant soit les paramètres (passer des paramètres primaires à des paramètres secondaires plus adaptés) soit les modélisations à adapter ou repenser en tenant compte des nouvelles données (Caloz, 1997).

(MODELES PLUIE –DEBIT) Fonction de Production

•

•

•

•

•

•

•

Fonction de transfert

•

•

•

•

(ALEAS NATURELS)

•

•

•

Partie I Une analyse d’image fonction de l’application

Introduction Dilemmes spatial hydrologie

Tableau 2 : images et paramètres disponibles sur images

Des limitations intrinsèques

Les limitations intrinsèques touchent la disponibilité des données , leur forme, et les échelles de caractérisation. Les données offertes par les techniques spatiales apparaissent souvent incomplètes pour des raisons de disponibilité temporelle (aspects financiers, répétitivité des passages, etc.) ou spatiale (résolution). Mais elles sont aussi incomplètes pour des raisons plus fondamentales portant sur les caractéristiques mêmes de ces données :

- Un aspect spatial vertical : les images ne fournissent qu’une vision du dessus des objets. Les paramètres extraits des images ne sauraient correspondre qu’à la couche superficielle ou à ses effets immédiats : occupation du sol de la strate supérieure, température de surface ou humidité du sol des premiers centimètres.

- Un aspect de découpage spatial en grille régulière, ce qui peut gêner la caractérisation d’un domaine naturel fondamentalement irrégulier.

- Une vision arrêtée dans le temps, instantanée, alors que la science hydrologique se

préoccupe plutôt d’évolution temporelle.

Dilemme espace ou temps ?

Un bon suivi temporel demande une fréquence élevée d’acquisition d’image, accessible, pour les images optiques, à partir d’images météorologiques. On peut opposer par exemple les images des satellites météorologiques NOAA à répétitivité forte (6 heures) et résolution spatiale grossière (au mieux 1 km, au nadir), avec les images LANDSAT TM à répétitivité faible (18 jours) et résolution plus fine (30m). Un suivi temporel rapide sera donc abordable plutôt par des résolutions grossières, et donc, généralement, par une valeur moyenne sur le bassin versant. Inversement, la caractérisation fine de l’espace bassin versant est généralement limitée à un petit nombre d’images ; elle concerne donc plutôt l’analyse des paramètres fixes ou lentement variables.

Or, pour le fonctionnement hydrologique du bassin versant, les échelles de temps et d’espace sont liées et cette séparation montre un dilemme du lien entre spatial et hydrologie : on doit choisir entre un pas de temps fins à vision d’espace grossière, ou une vision d’espace fine mais à pas de temps grossier. La baisse de coûts des images et l’arrivée des satellites imageurs radar, permet de briser ce dilemme dans quelques cas d’études (cf. chapitre ‘dynamique de l'humidité du sol’).

TYPES D’IMAGES Optique

(SPOT, LANDSAT ...photos aériennes)

•

•

•

•

•

•

•

•

•

•

•

Paramètres lentement variables

•

•

•

•

•

•

•

•

•

Partie I Une analyse d’image fonction de l’application

Chapitre 1 Traitements d’images : pixel, objet ou sub pixel ?

CHAPITRE 1

TRAITEMENTS D'IMAGES :

PIXEL, OBJET ou SUB PIXEL ?

La mise en route d’une utilisation d’image de télédétection repose sur une analyse à 3 composantes qui réagissent l’une sur l’autre : l’application elle-même, le choix des images et le choix des objets d’étude (figure 1.1).

Le but de l’analyse d’image est une simplification qui cherche à faire ressortir quelques éléments particuliers au détriment d’autres, jugés sans intérêt pour l’application ; L’analyse se focalise sur quelques objets d’études parmi l’ensemble des objets potentiellement disponibles dans l’image ou le groupe d’images choisi. Les choix de la nomenclature utile et de la méthode de traitement sont donc particuliers au but thématique et dépendent fortement de celui-ci. En toute rigueur les plans classés résultants sont spécifiques de l’application, ce qui sous entend qu’on ne peut faire de classification, d'extraction d'image, dans l'absolu : classifier une image sans en dire le but est, en ce sens, sans beaucoup d'intérêt.

Le type de traitement d’image résulte du choix de ces objets ; il va être contraint par la façon dont ils se présentent sur les images : tailles (et rapport entre tailles des objets et résolution spatiale), homogénéité, formes, limites claires ou non …

Le traitement d’image est donc consécutif à une analyse initiale des objets d’étude.

Figure 1.1 : imbrication entre application, images et objets

Le traitement de l'image peut se faire sur plusieurs modes qui valorisent soit la radiométrie en mode quantitatif (champ de valeur) ou qualitatif (classifications) avec des techniques généralement automatiques, soit la structure et la texture selon des techniques souvent à base de photo interprétation (Haralick., 1989).

1.1 TRAITEMENTS D'IMAGES PIXEL A PIXEL

Les algorithmes de classifications se fondent sur l’idée que chaque thème élémentaire d’occupation du sol a une réponse radiométrique propre : c'est à dire dont la variation est faible entre les pixels de la même classe et suffisamment forte entre pixels de classes différentes. Tout algorithme de classification consiste à partitionner l'espace des radiométries en classes selon des critères de proximité radiométrique (distance) ou de statistique (probabilité d’appartenance) et à affecter chaque pixel aux classes ainsi définies.

APPLICATION

Type de traitement d’IMAGE

Choix des IMAGES nombre , dates, résolutions

spatiale et spectrale

Taille objet / résolution spatiale Homogénéité

Nomenclature

requise Nomenclature disponible

Choix des OBJETS D’ETUDE Nomenclature retenue

Partie I Une analyse d’image fonction de l’application

Chapitre 1 Traitements d’images : pixel, objet ou sub pixel ?

Ces techniques de classifications sont bien connues (Girard et Girard, 1989) et généralement câblées dans les logiciels de traitement d’image (Multiscope, PCI, Erdas …). On trouvera quelques éléments sommaires en annexe.

Nous nous attarderons ici sur leurs limites et les solutions alternatives.

1.2. LIMITES DES TRAITEMENTS D'IMAGES PIXEL A PIXEL

Bruits et limites incertaines

Les classifications d’images sont surtout efficaces en zone de parcellaire agricole de grande taille. Par exemple l'occupation du sol par imagerie SPOT sur les bassins versants expérimentaux de l'Orgeval donne des taux de cohérence de 97% à 99% (travaux pour le Cemagref d'Antony, 1992). Pour la cartographie de zones mixtes, agricoles et naturelles, pour un suivi quantitatif, bref pour de nombreux cas d’utilisation pratiques, ces taux chutent et ces méthodes trouvent souvent leurs limites.

Les classifications "pixel à pixel", conduisent à des plans classés bruités et difficiles à utiliser : bordures indécises, pixels isolés mal classés, impression de pointillisme … qui imposent des opérations de « nettoyage » des résultat : les images en mode pixel ne conviennent pas aux ingénieurs. D'où les améliorations d'images post classification, telles que l'élimination de pixels isolés ou, en zone de parcellaire agricole, l'affectation à chaque parcelle d'un thème unique basée sur un critère de majorité (figure 1.4).

Figure 1.4

Du pixel à la parcelle : amélioration d'image par critère de majorité

Quelques logiciels permettent de simplifier les images classées pixel à pixel en définissant des « superclasses » décrivant à grands traits le paysage. Deux catégories se distinguent : la recherche de limites dans l’image (à base de morphologie mathématique) ou la recherche d’homogénéité radiométrique ou texturale locale. Ainsi sont nés les logiciels CLAPAS pour la pédologie à l’ENSAM (Robbez-Masson, 1994), PAPRI pour les paysages au CIRAD (Borne, 1990) ou encore OASIS pour les hydro et pédo paysages à l’INAPG (Girard, 1991). Toutefois ces découpages de l’espace et associations de motifs n’utilisent que des informations internes aux images.

Ces méthodes ont donc les avantages et inconvénients des techniques totalement automatiques, ce qui était aussi le cas pour les classifications non dirigées (cf. § 1.4) : facilité du découpage, reproductibilité … mais difficulté à donner un sens thématique précis aux unités ; la stabilité géométrique est obtenue au détriment de la stabilité thématique

Oubli des structures et des linéaires

Les techniques automatiques oublient aussi beaucoup d'éléments : par exemple les classifications ont tendance à effacer les structures linéaires, telles les limites, les rivières ...

Partie I Une analyse d’image fonction de l’application

Chapitre 1 Traitements d’images : pixel, objet ou sub pixel ?

qui sont difficiles à "lire" sur l'image classée alors qu'elles apparaissaient clairement sur l'image initiale. Pour une compréhension totale de l'image on doit les faire apparaître avant ou après la classification ou par combinaison de techniques d’extraction. La photo-interprétation, malgré une certaine dépendance de l'opérateur, apparaît plus efficace pour l’analyse des structures et la compréhension générale de l'image

Développée essentiellement sur photographies aériennes, elle reprend de l’ampleur avec les techniques assistées par ordinateur. Du fait de la grande possibilité d'adaptation de l'œil humain à de nombreuses situations, les performances du photo interprète sont souvent très supérieures à celles des extractions automatiques des structures (grandes lignes, réseaux) et des textures (motifs plus ou moins répétitifs du paysage) : « L’œil humain associé à un cerveau normal fait des choses merveilleuses » (Killmayer, comm. orale, journées REGLIS-LCT, 1999). Mais la qualité et l'habitude du photo-interprète influent directement sur la qualité des résultats, qui en toute rigueur dépendent de l'opérateur. Depuis les débuts de la télédétection satellitale, on cherche à imiter ces extractions par des techniques automatiques : les techniques de photo interprétation peuvent aider à la formalisation de méthodes automatiques de traitement d’image (Flouzat, 1982). Ces méthodes, souvent à base de morphologie mathématique, peuvent être très efficaces pour l’extraction de tous les éléments anthropiques ou à bords nets des images (Soille, 1997), mais elles peinent à extraire proprement des limites de paysage (Andreeva, 1998).

D’où le retour vers un certain pragmatisme associant techniques automatiques et techniques

manuelles : une certaine dose d’interprétation manuelle permet de parachever plus

efficacement un travail d’analyse d’image.

1.3. Du PIXEL A L’OBJET

On a évoqué l’importance des objets d’étude et des thèmes pour analyser les images.

Le mode grille (« raster ») apparaît comme un découpage systématique de l’espace en cases dont la taille est imposée a priori par les caractéristiques du capteur. Cette représentation est uniforme mais indépendante des utilisations potentielles. C’est une représentation commode, systématique, qui facilite les calculs scientifiques. Mais une taille imposée ne saurait être adaptée à la représentation de tout phénomène naturel. La taille régulière ne s’adapte pas aux changements de singularités alors que le mode vecteur ou les grilles irrégulières peuvent s'adapter à la densité des informations à recueillir et peut générer des limites d'unités élémentaires en fonction des nécessités locales. Les formes, les singularités, les ruptures sont difficiles à appréhender en mode raster : la structure régulière n’est pas adaptée à la nature.

Tout cela milite vers une modification de l’appréhension de l’espace : changer d’échelle en se préoccupant de groupes de pixels (objets) ou de l’intérieur du pixel (domaine sub-pixellaire).

Espace continu, limites floues

Le découpage en mode vecteur décompose l’espace en régions aux caractéristiques définies et supposées homogènes. Pour des paysages structurés, de type parcellaire agricole, les limites entre zones sont claires et incontournables. Pour des paysages plus complexes (continuum de géographes), le mode vecteur devient plus subjectif : les choix, la définition des objets, le tracé des limites sont ambigus et souvent dépendants de l'observateur. En ce sens le découpage n’est pas universel et il faut au préalable bien expliciter les choix de nomenclature et de limites. On rentre à la fois dans le monde du langage (nommer des objets et les définir) et dans le monde des ingénieurs et des besoins des gens de terrain (cartographies thématiques). Ainsi cette présentation fait appel à des schémas et symbolismes souvent particuliers à une culture donnée. Elle gagne en thématique ce qu’elle perd en généralisation et reproductibilité.

Partie I Une analyse d’image fonction de l’application

Chapitre 1 Traitements d’images : pixel, objet ou sub pixel ?

La segmentation d’image en objets n’est pas toujours évidente. Tant que l'on reste sur la détermination de zones anthropiques (parcellaire agricole) les limites existent de façon non ambiguë et les attributs de chaque parcelle sont définis selon un mode qualitatif unique (ex : maïs, blé, sol nu ...). Quand on passe dans les zones naturelles, cette simplicité disparaît, car les limites exactes n'existent pas. On se trouve devant une évolution lente du paysage, le continuum des géographes, c'est à dire un espace ouvert sans limites apparentes simples, ce qui est souvent le cas dans la caractérisation des bassins versants en zone naturelle. De plus, chaque élément de description ne se satisfait plus d’un descripteur unique et qualitatif mais exige souvent une description quantitative multicritère (tableau 1.1).

Parcellaire agricole (paysage fermé)

zone d'étude bassin versant (paysage ouvert)

• limites précises

(champs)

• critère unique • qualitatif

(blé, maïs, types de sols ... )

• pas de limites précises

variation continue

• critères multiples • dominante quantitative

(densité de végétation) Tableau 1.1. Comparaison de types de paysages.

Si l'on cherche malgré tout à cartographier, donc à classer l'image avec des limites nettes en « unités homogènes », on rentre alors dans ce que Openshaw (1984) appelle le MAUP (modifiable area unit problem) qui touche le fait que la détermination absolue de limites est impossible. Le choix d'une partition de l'espace est conditionné à des hypothèses arbitraires selon deux options : soit choisir a priori les critères de densité pour en déduire des limites associées, soit définir a priori des limites et tâcher ensuite d'en estimer les attributs numériques.

Ainsi les zonages de l’espace naturel ne sont pas toujours satisfaisants. Définir des limites a priori est subjectif et difficile à reproduire dans les mêmes conditions.

Classification par objets

La classification par objets est basée sur des groupes de pixels associés. Elle permet d’éviter certains écueils des classifications pixel à pixel à condition d’avoir au préalable bien résolu la définition des limites et des objets d’intérêt qui doit être claire et non ambiguë. Le changement de support d’analyse (c.à.d le passage du pixel à l’objet) est fondamental pour nombre d'applications de caractérisations dans l'espace géographique. Il peut être à la base d'un changement complet de vision dans l'image. Quand on peut la mettre en œuvre, une classification par objets conduit à une grande potentialité d’amélioration.

Supposons les objets définis et délimités, au besoin à l’aide d’images associées à résolution fine ou à partir de sources extérieures (cadastre, parcellaire agricole …), on peut alors

classer directement et plus efficacement les entités thématiques (les « unités

fonctionnelles ») par association d’informations extérieures.

Prenons l’exemple d’une cartographie de parcelles agricoles. L’étude d'objets de type parcellaire démultiplie largement les possibilités de discrimination. Au lieu de n’utiliser que les informations radiométriques locales concernant le pixel et ses voisins immédiats, l’étude par objets peut prendre en compte également les éléments globaux de radiométrie sur la parcelle, ainsi que des informations extérieures à l’image de type historique et de contexte :

- Radiométrie locale : image brute ou résultats d’une classification préalable

- Radiométrie globale : radiométrie dans l'objet (moyenne, variance, gradient)

- Historique de la culture (et la connaissance des rotations culturales possibles ou

Partie I Une analyse d’image fonction de l’application

Chapitre 1 Traitements d’images : pixel, objet ou sub pixel ?

- Contexte physique de la culture (position dans le bassin versant, altitude, pente,

proximité de rivière, présence de réseau d’irrigation)

- Caractéristiques géométriques de la parcelle (forme, taille, allongement, linéarité des bordures).

On trouvera une application de cette solution au chapitre 2.

1.4 DOMAINE SUB PIXELLAIRE

Une solution technique pour la description des milieux continus peut s’envisager par la

décomposition du pixel qui conduit à une cartographie quantitative des pourcentages des

différents thèmes. Ces techniques sont souvent instables et doivent être utilisées avec précaution (Mathieu et al., 1995 ; Grégoire et al., 1993).

Partant du fait que l’information radiométrique contenue dans un pixel d’une image satellite est la somme pondérée de luminances partielles des objets (composants élémentaires) qui le composent, on peut proposer une alternative aux classifications habituelles : plutôt que de classer les pixels en tout ou rien selon une liste d’entités qualitatives (forêt, cultures, ... ), il peut être plus efficace de chercher à caractériser l’espace à travers une série “ d’images de pourcentages ” pour chacun des éléments étudiés (Smith et al, 1990). Pour cela on met en œuvre des techniques dites de “ décomposition du pixel ” quantifiant les proportions d’une liste d’éléments internes au pixel. Ce domaine sub-pixellaire peut apporter des informations sur des objets du paysage dont la taille est inférieure à la résolution.

Le modèle de mélange radiométrique indique que la radiométrie d’un pixel est composée au prorata des radiométries des objets qui le composent. Soient n corps en mélange, aux radiométries particulières r1àn , la radiométrie du pixel de mélanges en proportions α1àn est exprimée par une expression de type :

r = ∑ ri. αi [1.1] modèle de mélange radiométrique

Si le mélange radiométrique est possible et simple quel que soit le nombre d’éléments combinés, son problème inverse - la décomposition - n’est soluble que dans des cas particuliers : nombre de composants faible par rapport aux canaux décorrélés disponibles. Le cas le plus simple est le mélange à trois éléments (n=3) qui trouve une solution inverse immédiate dès lors que l’on a deux canaux fortement décorrélés, ce qui est habituellement le cas à partir des canaux R rouge et PIR Proche Infrarouge. Le mélange s’appuie sur les réflectances de trois objets élémentaires qui délimitent un triangle, domaine radiométrique possible pour les pixels de mélange (figure 1.5). Inversement, tout pixel de mélange dont on connaît la position radiométrique à l’intérieur du triangle peut être explicité comme la somme pondérée des objets élémentaires selon un schéma de type :

Canal rouge R = Σ_{i (}a_{i. Ri )} [1.2]

Canal proche infra rouge PIR = Σ_{i (}a_{i. PIRi )} [1.3]

où Ri et PIRi sont les réflectances des objets élémentaires dans le rouge et le proche infrarouge, les a_{i sont les pondérations. Quand n=3, sachant que} Σ_{i (}a_{i ) = 1, le système est}

Partie I Une analyse d’image fonction de l’application

Chapitre 1 Traitements d’images : pixel, objet ou sub pixel ?

Figure 1.5 : mélange radiométrique de 3 éléments

La figure 1.6 est une illustration de cette méthode : l'image multispectrale d'un arbre isolé peut être traduite en cartographies de ses pourcentages élémentaires grâce à la connaissance des radiométries particulières des éléments supposés « purs » : sols nus et feuillages à l’ombre et au soleil. Ces travaux ont été effectués pour mieux cerner le lien entre les objets élémentaires aux différentes résolutions dans l'image (Puech, 1998).

Figure 1.6

Exemple de décomposition du pixel appliquée à une parcelle arborée pour retrouver les plans de pourcentages sub-pixellaires. L'image initiale est issue de données CIMEL (radiomètre portable) avec des pixels de 0,50 m.

Etude de la régénération forestière dans les BVRE Réal Collobrier.

Toutefois l’applicabilité de ces techniques est délicate. Elle est tout d’abord limitée en nombre d’objets n en fonction du nombre de bandes spectrales b décorrélées disponibles : n < b+2. Au-delà apparaissent des ambiguïtés de caractérisation. Mathieu et al. (1995) proposent des solutions statistiques par des schémas de régression pour extraire les pondérations quand n augmente.

La méthode est également limitée par la variabilité radiométrique des objets à quantifier : elle suppose l’existence au sein de chaque pixel d’un mélange d’entités élémentaires, chacune bien caractérisée par une référence radiométrique stable donc ponctuelle. Dans la pratique, la radiométrie des entités élémentaires couvre une certaine plage de variation du domaine radiométrique. Raffy (1994) propose d’en tenir compte pour définir les pourcentages des erreurs associées à leur estimation.

Nos travaux sur la décomposition de pixel ont été développées dans le cadre du suivi par télédétection de la régénération forestière après l’incendie du Réal Collobrier. Ils ont servi à la mise au point des méthodologies de cartographie de l'espace brûlé en préalable aux

études hydrologiques (Clément, 1995 ; Viné, 1997, cf. chapitre 8). Une application

généralisée aux images SPOT est détaillée au chapitre suivant (§2.3).

Par ailleurs la décomposition du pixel touche les problèmes de changement d’échelle au niveau des images de télédétection : on les retrouvera dans le chapitre 3 sur les échelles.

Partie I Une analyse d’image fonction de l’application

Chapitre 2 Traitements d’images par association de données extérieures

CHAPITRE 2

TRAITEMENTS D’IMAGES

PAR ASSOCIATION D’INFORMATIONS EXTERIEURES

La partie algorithmique du traitement d’image en mode pixel à pixel est un domaine largement développé et l’on trouve désormais des logiciels performants qui résolvent beaucoup de problèmes génériques, ainsi que des avancées particulières en morphologie mathématique pour tenir compte des limites, transitions ou voisinages locaux.

Toutefois les traitements d’image sont souvent effectués sur un mode discontinu, isolé, traité séparément de l’application, pour obtenir des « produits » cartographiques à confier ensuite au thématicien. On est dans un schéma de juxtaposition des disciplines.

Or lorsque application et traitement d’image sont traités en association ils en sortent renforcés. En effet si la télédétection procure des données très utiles pour la connaissance des hydrosystèmes, ces mêmes données prises seules, en substitution des méthodes habituelles, s’avèrent pauvres et inefficaces. L’introduction de connaissances extérieures renforce fortement le potentiel des images et ceci dès la phase de traitement. C’est ce que nous montrons ici à travers quelques exemples de traitements d’images particuliers.

2.1 APPORT DE LA CONNAISSANCE DU FONCTIONNEMENT HYDROLOGIQUE DANS UNE CLASSIFICATION PIXEL A PIXEL (Puech et Gadelle, 1993)

Ce premier exemple s’intéresse à la cartographie pixel à pixel des cultures de décrue sur un plan d’eau sahélien au Mali (Lac de Kabara, région de Tombouctou, Mali) à partir de deux images SPOT XS (résolution 20m) prises en mars et juillet de la même année.

Entre mars et juillet, c’est la saison sèche : ni pluie, ni apport extérieur, le lac n’est plus soumis qu’à une évaporation intense E et une utilisation agricole modeste U. Le bilan volumique V est alors simplifié à une expression de type :

∆V = ∆E + ∆U avec ∆E >> ∆U

En mars, le lac vient de se remplir ; l’eau occupe la majeure partie de la cuvette entourée par un fin anneau de végétation, extérieur, avant les sables. Puis le lac se résorbe lentement par l’effet prépondérant de l’évaporation intense et régulière, de l’ordre de 8 à 10 mm par jour (Pouyaud, 1986) ; les cultures sont semées en suivant la décrue. En juillet, l’eau n’occupe plus qu’un tiers environ de la superficie de la cuvette, tandis que les cultures présentent un aspect annulaire régulier (figure 2.1).

Figure 2.1 : Le lac de Kabara (Mali), images SPOT XS.

Détermination des cultures par introduction de la dynamique d'assèchement couplée au calendrier cultural.

Mars 1989 Juillet 1989 Courbes de_niveau

0 1 2km Juillet juin mai avril mars Date de semis probable

Partie I Une analyse d’image fonction de l’application

Chapitre 2 Traitements d’images par association de données extérieures

Une classification pixel à pixel à partir des seules radiométries des images peut être effectuée. Elle porte de nombreuses confusions qui peuvent être fortement améliorées en introduisant la connaissance du fonctionnement du site.

On a introduit dans la classification des relations d’espace qui lient position et date de semis. En effet, vu la décroissance régulière du niveau de l’eau en cours de saison sèche dans ces régions, on peut relier la position de chaque anneau de culture avec une date probable de semis. La vitesse de régression de la bordure du lac sur chaque ligne radiale allant de l’extérieur au centre du lac est estimée par l’évolution globale de la zone en eau entre les deux dates et par connaissance des courbes de niveau de la cuvette.

Par ailleurs la connaissance du calendrier cultural propose un choix limité de cultures pour chaque date, ce qui restreint la nomenclature disponible pour chaque position dans l’image.

Maïs, coton semis janvier-avril , récolte avril -août

Sorgho semis mars-mai, récolte octobre

Mil semis juin-juillet, récolte septembre-octobre

Riz "kobé" semis mai, repiquage juin, récolte septembre

Par exemple pour des semis entre mars et avril, mil et riz sont exclus et c'est l'inverse en juin. Le choix de la classification dans l’anneau correspondant est alors restreint à une nomenclature à 2 ou 3 thèmes sur les 5 cultures étudiées. La méthode appliquée à l’ensemble des anneaux de cultures conduit à une amélioration sensible de la qualité de classification.

Ainsi, la prise en compte des relations d’espace et de la connaissance locale du fonctionnement du plan d’eau devient une aide forte pour une cartographie plus efficace. La classification est facilitée grâce au schéma d'évolution temporelle des positions de semis en liaison avec l’évaporation et le calendrier cultural.

2.2 TRAITEMENT D’IMAGE EN MODE OBJET, COUPLAGE AVEC UN SYSTEME EXPERT (Andreeva, 1998)

Le deuxième exemple reprend l’approche de classification par objet. Nous avons proposé une méthode de cartographie par couplage avec une utilisation de système expert pour répondre aux critiques faites sur les classifications de l'occupation du sol en zone de petit parcellaire :

1. La caractérisation de l’occupation du sol en zone agricole utilise généralement 3 images

de la même saison. Or, il n’est pas toujours facile d’obtenir 3 images aux bonnes dates (coût et calendrier)

2. La détermination est reconduite chaque nouvelle année sans tenir compte des résultats

de l'année précédente

3. Les problèmes géométriques générés par la superposition de 3 images imposent un

minimum de taille des parcelles (estimée à 2ha avec des images SPOT XS de résolution 20m) et excluent son application aux zones de très petit parcellaire.

La méthode proposée est basée sur les choix suivants :

- une seule image, ce qui améliore les critiques 1 et 3 en permettant une caractérisation correcte jusqu’à des parcelles de 1 ha

- La cartographie de l'occupation du sol de l'année i+1 est une mise à jour de l'occupation du sol connue l'année précédente i. L’information historique sur la parcelle est valorisée : pour nombre de cultures, elle compense au moins partiellement la perte de discrimination radiométrique due à la réduction du nombre d’images.

CLASSIFICATION PAR OBJET AVEC SYSTEME EXPERT

zone de petit parcellaire (Andreeva, 1998)

Occupation du sol

(année i)

Limites de parcelles

Application du système expert

Application du système expert

en utilisant

en utilisant

• la classification sur les cœurs

de parcelles

• l’antécédent cultural

• le contexte de la parcelle

Occupation du sol par parcelle

(année i+1)

Image SPOT (année i+1)

Planche I

Image classée (par pixel)

« cœurs » de parcelles

Informations

externes sur

l ’occupation du

sol (année i+1)

Validation

Information

classée pour les

« cœurs de

parcelles »

Données

Données

Résultat

Résultat

Phase 1

Phase 1

Classification par pixel

Classification par pixel

Phase 2

Phase 2

Du pixel à l ’objet

Du pixel à l ’objet

Phase 3

Phase 3

fe

ed

back

Contexte

:

Données de

forme,

position,

….

Partie I Une analyse d’image fonction de l’application

Chapitre 2 Traitements d’images par association de données extérieures

La cartographie d'une année i+1, dépend alors de l'image de l'année i+1 , d'une référence de cartographie de l'année précédente i, ainsi que des contraintes interannuelles pour une meilleure discrimination (rotation de cultures). Elle est renouvelable : l'année i+2 la référence cartographique est le résultat de l'année i+1.

Le schéma de la méthode est montré planche I :

Phase 1 : classification préalable pixel à pixel définie selon une nomenclature restreinte (prenant en compte des confusions entre thèmes), et procurant la proportion de chaque thème pour chaque parcelle. Certaines classes sont déjà bien différentiées.

Nomenclature restreinte Nomenclature étendue Bois Maïs Prairie + Jachère + céréales Sol nu Tournesol Soja Eau Bois Maïs Jachère Prairie Céréales Pois Colza Tournesol Soja Eau Bâti (extraction directe) Bâti

Tableau 2.1 Nomenclatures restreinte et étendue (Dufour, 2000)

(%) Eau Bois Maïs Soja Sol nu P+J+C Tourne

sol Eau 100 0 0 0 0 0 0 Bois 0 99.12 1.12 0 0 0 0 Maïs 0 0.18 98.51 11.43 0 0 12.24 Soja 0 0 0 85.71 0 0 1.02 Sol nu 0 0 0 0 100 7.58 0 P+J+C 0 0.7 0.37 0 0 92.42 1.02 Tourne sol 0 0 0 2.86 0 0 85.72 Total 100 100 100 100 100 100 100

Tableau 2.2 : Matrice de confusion avec la nomenclature restreinte

Phase 2 : passage du pixel à l’objet ‘parcelle’ par utilisation d'un réseau de limites parcellaires ou cadastrales obtenues préalablement. Pour éviter les incertitudes liées aux pixels mixtes, chaque parcelle est étudiée dans sa partie centrale ( le "cœur de parcelle"), par élimination des bordures sur une largeur d'un pixel. On note le thème majoritaire et son taux de présence. Des vérifications sont possibles à partir de ces taux pour tenir compte des éventuelles fusions ou scissions de parcelles entre années successives.

Phase 3 : Pour chaque parcelle, l’appartenance la plus probable est décidée à travers une série de règles formant un système expert. Dans cette phase on contrôle d'abord les cohérences d'affectations des années successives en nomenclature restreinte, puis on passe à la nomenclature étendue en utilisant les informations parcellaires pour lever au mieux les confusions entre thèmes.

La construction du système expert est basée sur l'analyse de deux années agronomiques successives (1995-96) pour lesquelles l'occupation du sol a été reconnue de manière exhaustive. Les règles de décision ont été définies à partir de tableaux de contingence entre l'occupation du sol aux deux dates, la position dans la toposéquence, la pédologie, la taille et

Cartographie i

(référence) Cartographie_i+1 Cartographie_i+2 Image

satellite i+1

Image satellite i+2