WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Etude de la dynamique des aires pastorales dans le département de Gouré : apport de la télédétection et du SIG

( Télécharger le fichier original )
par LAWANDI Kanembou
Université de Niamey/Niger - DEA de Géographie 2006
  

précédent sommaire suivant

Aidez l'hopital de Montfermeil

3.2. Méthodologie.

Pour mener a bien ce travail, une méthodologie a été adoptée, dont les principaux axes sont définis comme suit :

3.2.1. La recherche documentaire.

Celle-ci a consisté a faire des recherches a travers les différentes bibliotheques et centres de documentation. Il s'agit principalement des bibliotheques de la Faculté des Lettres et Sciences Humaines, de la Faculté d'Agronomie, du centre de documentation du Campus numérique de l'université de Niamey, de la bibliotheque du Centre Régional Agrhymet, du Centre de documentation de l'IRD...etc. En plus, certains documents personnels ainsi que des sites Internet ont été également consultés. Ceci a permis d'approfondir les connaissances sur certains aspects du theme d'étude.

3.2.2. Analyse des documents cartographiques existants.

Elle a permis d'apprehender et de delimiter les grands ensembles du milieu physique et d'acquerir des connaissances de base sur l'etat d'occupation des sols. Pour ce faire, les cartes topographiques au 1/200.000(edition de 1960) de la Republique du Niger, feuilles ND-32-XII et ND-32-XI ont servi d'informations de base. En outre, la carte d'occupation des sols de la Region Agricole Sud du Niger, situation de Mars 1975 a l'echelle de 1/100.000 (Projet de pedologie PNUD/FAO NC/77 ?005) a ete utilisee.

3.2.3. Les traitements des images.

Le cheminement requis, pour les traitements des images satellitaires et photos Corona est presente dans la figure no6. Cela a permis d'aboutir aux cartes d'occupation des sols et celles des changements intervenus.

C'est une procedure associant interpretation des photos aeriennes et images satellitaires et l'integration des donnees du terrain.

3.2.3.1. Les pretraitements.

Les pretraitements sont des operations effectuees sur les images, afin d'ameliorer leurs aspects radiometrique et geometrique pour en extraire des informations significatives des donnees teledetectees, notamment la preparation des images pour les controles sur le terrain et leur lecture visuelle sur ecran.

3.2.3.1.1. Importation et combinaison des bandes.

Les images satellitaires sont generalement fournies sous forme de bandes individuelles. Ces dernieres doivent etre importees puis combinees afin de constituer une image multispectrale. Les images Landsat sont fournies au format Geotiff de l'USGS, celles de SPOT sont sous formes de fichiers *.dat en format standart SPOT contenant le nombre de bandes, trois (3) bandes par defaut pour SPOT XS et une seule bande pour SPOT panchromatique.

3.2.3.1.2. La mosaique des images.

La mosaique des images consiste a couvrir la zone d'interet par la fusion de deux ou plusieurs images, en vue d'en former une seule plus grande.

Image 2007

Image 19116

Image 1994

C()R ()NIA 1964

Images brutes

Prétraitement

Images corrigées

Traitement

Codification

Digitalisation

Interprétation

Cartes
occupation des
sols provisoires

Points de contrôles

Verité-terrain

Entretiens

Correction et integration des donnees de terrain

Résultats cartographiques

Analyse et integration des informations

Carte 1964

Carte 19116

Carte 1994

Carte 2007

Croisement et analyse des couches

Cartes de dynamiaue

Base de données SIG

Figure no6 : organigramme du traitement des images

3.2.3.1.3. L'amélioration visuelle des images (rehaussement et composition colorée)

Le rehaussement de l'image ou amélioration des contrastes a pour but d'améliorer l'apparence visuelle des images, ce qui en facilite l'analyse visuelle et l'interprétation.

La composition colorée consiste en la superposition des canaux afin d'avoir une image en couleur (fausse ou vraie couleur). On attribue les couleurs additives rouge, vert et bleu a trois canaux différents qu'on superpose : 1, 2, 3 pour Spot HRV et 2, 3, 4 pour Landsat T M.

Ce qui permet d'obtenir une image en couleur En effet, le capteur du satellite Landsat T M comprend sept canaux tandis que celui du satellite Spot HRV en compte trois.

3.2.3.1.4..Les corrections géométriques.

Les images satellitaires acquises présentent des déformations systématiques inhérentes a la prise de vue (ellipsoïde terrestre, défilement des satellites, variation de vol, technologie du capteur,...etc.) qui rendent difficile leur intégration avec d'autres données géographiques. Les corrections géométriques visent a recaler l'image sur un référentiel géographique (carte) ou une autre image.

La procédure consiste a :

-Choisir des points d'appui ou de calage ou points amers, communs entre la référence (carte ou image) et l'image a corriger.

-Calculer la relation entre points sources et points de référence.

-Appliquer le polynôme de déformation sur l'image a corriger pour créer une nouvelle image dans le référentiel choisi. Elle peut se faire aussi en identifiant sur l'image des points remarquables sur le terrain appelés points de contrôle au sol ou ground points control,dont les coordonnées sont prises au GPS. Dans le cadre de la présente étude, toutes les images ont été calées par rapport a la Landsat TM de 1986. La fonction appliquée est celle de type polynomial de second ordre, le systeme de projection utilisé est le systeme géographique.

3.2.3.1.5..Extraction de la zone d'étude et choix des sites de reconnaissance.

Les scenes des images étant lourdes couvrant des vastes superficies (185 km x 185 km pour Landsat et 60 km x 60 km pour SPOT), il est nécessaire d'en extraire une image couvrant uniquement sa zone d'intérest pour faciliter le processus de traitement sur écran. Cette opération est réalisable avec Erdas Imagine ou l'extension Image analysis de Arc View.

3.2.3.2. Analyse des données.

Il s'agit de l'étape d'extraction analytique et ou sélective des informations. Il s'agit de tous les traitements devant conduire a la discrimination des différentes classes thématiques et d'occupation des sols recherchées. Ils sont effectués sur la base d'une connaissance préalable des caractéristiques biophysiques du milieu.

3.2.3.2.1. Etablissement de la nomenclature.

La nomenclature ou clef d'interprétation a pour but de définir les différentes classes d'occupation des sols et leurs caractéristiques spectrales avant toute classification. Ainsi, il a été établi une nomenclature des différentes classes en s'inspirant de la nomenclature nationale du Niger, réalisée par la Division de la Statistique et de la Cartographie Forestiere (DSCF 2001) pour l'élaboration des bases des données sur l'occupation des sols.

Dans le cadre de la présente étude, huit (08) classes d'occupation des sols ont été définies (cf. légendes cartes). Toutefois, pour une question d'harmonie, les mares ne sont pas prises en compte a part entiere dans cette étude. Le souci était d'éviter un déséquilibre dans la nomenclature d'occupation des sols, car la plupart des mares rencontrées présentent un fort peuplement de strate arborée. De ce fait, le choix a été porté sur cette derniere unité. C'est le cas par exemple au sud-ouest de Likaridi.

3.2.3.2.2. Interpretation des images.

La classification constitue l'une des étapes la plus importante dans le traitement des images. Elle consiste a affecter a chaque objet de l'image une classe préalablement définie.

Trois (3) principaux types de classification sont rencontrés :

-la classification non supervisee des images.

Au cours de la classification non supervisée, les divers éléments de l'image (pixels) sont automatiquement classés en fonction de leurs caractéristiques spectrales et du nombre de classes fixé par l'opérateur. Ce qui permet d'effectuer une premiere segmentation des images en grands themes d'occupation des sols. Mais cette méthode de classification présente des inconvénients, car le regroupement des valeurs numériques crée des classes dont la signification thématique est parfois difficile a identifier (Girar.M.C & Girard.C.M, 1999).

-la classification supervisee des images.

Elle consiste a regrouper les unités en classes d'occupation des sols en fonction d'un ou de plusieurs caracteres communs qui prennent un sens thématique bien précis. Grace a une connaissance préalable du terrain, ces classes sont par la suite corrigées. Dans ce type de classification, les classes obtenues ont une signification précise. L'inconvénient est le temps de réalisation qui est long, en particulier pour le choix des zones d'apprentissage (Girar.M.C & Girard.C.M, 1999).

Vu les difficultés a discriminer certaines unités au cours de la délimitation en classes spectrales et les difficultés a dissocier certaines unités physiographiques les unes des autres, ces deux méthodes ont été abandonnées, préférant la numérisation a l'écran.

-l~interprétation visuelle ou numérisation.

L'interprétation a été effectuée a l'écran, tout en tenant compte des clefs préalablement définies par délimitation des différentes unités d'occupation des sols. L'interprétation proprement dite a été effectuée par segmentation des images en zones homogénes en tenant compte des caractéristiques spectrales des unités (forme,tonalite,structure/texture,répartition spatiale), des données collectées sur le terrain, mais aussi en se basant sur les données existantes. L'interprétation a permis de créer trois (3) types d'éléments géométriques, représentant les données spatiales : les points (représentant les villages, infrastructures,...etc.), la ligne (correspondant les routes), et les polygones (qui correspondent aux unités d'occupation des sols).

-la codification

Sous les logiciels SIG, ArcMap, ArcView, MapInfo,...etc., le polygone des unités d'occupation des sols crée automatiquement une table des attributs associés a chaque entité d'une classe d'occupation des sols donnée. Un code numérique (nom de la classe d'occupation des sols, surface, périmétre, numéro d'identifiant déterminant sa position dans la carte numérique) permet de rattacher chaque polygone ou objet a l'ensemble de ses attributs (TSAYEM M., 1999 cité par Alssata).

-l~élaboration des documents cartographiques provisoires (SIG.)

Cette étape a permis d'élaborer des cartes d'occupation des sols provisoires, aprés interprétation des images satellitaires et photographies aériennes au laboratoire, en se basant sur des connaissances préalables du terrain. Toutefois, la campagne de vérité-terrain conditionne l'élaboration définitive des cartes d'occupation des sols et celles des changements

3.2.3.2.3. La vérité terrain.

L'interprétation sur écran des images satellitaires et photographies aériennes exige une grande capacité de synthése. Cependant, quelque soit le mode de traitement des données de télédétection utilisé, la vérité-terrain reste et demeure une étape indispensable. Celle-ci permet d'abord de développer des clés de détermination qui associent a des caractéristiques du message télédétecté des caractéristiques précises de l'occupation des sols (André.N. & Ado.D. K, 2002). Aussi, elle permet de vérifier la validité des limites des différentes classes d'occupation des sols issues de la classification ainsi que la précision de celle-ci, notamment par la confrontation des résultats cartographiques a la réalité du terrain.

Pour ce faire, des sites ont été identifiés sur l'image, auxquels des coordonnées ont été intégrées. A l'aide d'un GPS, les unités correspondant a ces sites ont été vérifiées sur le terrain. Au niveau de chaque site, les observations faites sont consignées sur des fiches de relevés de terrain. Cette étape du traitement a permis de visiter les sites échantillon,

représentant chacun un theme de la nomenclature préalablement définie, et rectifier les erreurs d'interprétation, afin de valider les travaux cartographiques. D'une maniere générale, la vérité-terrain apparait comme un complément indispensable a l'analyse des images et des photos. Aucune autre source d'information ne peut la remplacer, elle seule nous renseigne sur l'exactitude de nos interprétations, sur les raisons et la mise en place des évolutions analysées ainsi que sur l'extension du phénomene (Catherine Bodart, 2004).

3.2.3.2.4. Correction et integration des donnees de terrain.

Cette étape consiste a intégrer les données collectées sur le terrain, la superposer avec la couche de base afin d'apporter les corrections nécessaires.

C'est une sorte de confrontation des informations lues sur l'image ou la photographie aérienne et la correspondance de ces informations sur le terrain. C'est une étape qui permet de confirmer, d'infirmer ou de nuancer l'interprétation effectuée au laboratoire.

3.2.3.2.5. Estimation de la precision des resultats (matrice de confusion)

Un traitement en soi n'a pas de signification s'il n'est pas accompagné d'une estimation numérique de sa qualité (André N. Ado D. K, 2002). La matrice de confusion permet ainsi de connaitre le niveau de précision des traitements. Elle consiste en la confrontation des résultats du traitement d'images satellitaires avec ceux de la vérité-terrain. La matrice de confusion compare un point (ou une surface) dont on sait par des observations au sol qu'il appartient a la classe I, a la classe i obtenue en ce point par le traitement en représentant la probabilité (i/I) (Girard, 1989, cité par André N. Ado.D, 2002).

Dans la colonne de la matrice sont comptabilisés les observations sur le terrain, et dans la ligne, les résultats du traitement de classification sur les mêmes unités spatiales. Tous les points correctement classifiés se localisent dans la diagonale de la matrice. Les cases non diagonales rendent comptent des erreurs de confusion ou d'omission des classifications.

Ceci permet de calculer :

- la precision totale : elle correspond au nombre de pixels bien classés, divisés par le nombre total d'individus ou points contrôlés.

- l'erreur d'excedents ou de confusion : pourcentage de pixels d'une classe issue de la classification qui appartiennent, en fait a d'autre classes, dans les données de référence. Elle est obtenue en divisant le nombre de pixels mal classés, mais listés dans la même ligne, par le nombre total de pixels affectés a la classe de la ligne.

- l'erreur de deficits ou d'omission : pourcentage de pixels d'une classe de référence affectés a d'autres classes par la classification. Elle est obtenue en divisant le nombre de pixels n'appartenant pas a la classe, mais listés dans la même colonne, sur le nombre total de pixels de la colonne.

précédent sommaire suivant






Aidez l'hopital de Montfermeil

Appel aux couturier(e)s volontaires

Hack the pandemiuc !

Moins de 5 interactions sociales par jour