|
Etude diachronique de l'occupation du sol et de modélisation des processus érosifs du bassin versant de la rivière Lukungapar Corneille MOSETE BUNGALASA Université Pédagogique Nationale - Licence en Environnement 2018 |
Conclusion partielleAinsi, dans ce premier chapitre, nous avons défini les différents concepts utilisés dans ce travail pour en comprendre le sens puis nous avons présenté le milieu de notre étude sous diverses caractéristiques enfin nous avons parlé de l'intérêt porté par la géomatique dans l'étude des phénomènes érosifs. Nous essayerons dans le prochain chapitre de présenter les données, matériels et procédures utilisées pour atteindre nos objectifs. 41 CHAPITRE II. METHODOLOGIECe chapitre présentera dans un premier temps les données et les matériels utilisés dans ce travail, ensuite, il décrira la procédure utilisée dans l'étude diachronique de l'occupation du sol et dans la modélisation des processus érosifs dans le bassin versant de la Lukunga. La modélisation des processus érosifs nécessite un ensemble de données qui sont malheureusement indisponibles, nous nous sommes contentés alors des données existantes, et nous nous sommes inspirés de plusieurs études pour réaliser notre modèle. II.1. Données utilisées Les images satellitaires constituent un outil important dans la cartographie de l'occupation du sol ainsi que dans la planification et la gestion des ressources naturelles. Elles sont descriptives et apportent une information spatiale et spectrale, beaucoup plus importante par rapport aux autres sources d'information (Pouchain, 2001) permettant la caractérisation des objets dans une large bande spectrale. L'interprétation visuelle ou automatique permet d'identifier des objets et d'extraire de l'information.
Le satellite Landsat de l'agence spatiale américaine (NASA) évolue à une altitude moyenne de 705 Km sur des orbites circulaires quasi polaires caractérisées par une inclinaison de 98,2°. Dans cette étude nous avons travaillé avec quatre images satellitaires multi spectrales Landsat géoréférencées dont une sans couverture nuageuse et l'autre avec peu de couvertures nuageuses. Ces images sont téléchargeables gratuitement à partir du site http://earthexplorer.usgs.gov soit disponibles chez OSFAC. Le tableau ci-dessous montre les caractéristiques des images Landsat utilisées dans cette étude diachronique. 42 Tableau II.1 : Caractéristiques des images satellitaires analysées
Source : Réalisée par l'auteur, 2018 43
On avait à notre disposition une feuille pédologique de Léopoldville de type Raster non géoréférencé de l'ensemble de notre zone d'étude. Cette carte a été publiée en 1963 d'une échelle de 1/200000. La feuille a été ensuite géoréférencées puis clipper à l'échelle de notre zone d'intérêt enfin nous avons numérisé les différents types de sol de notre zone d'étude.
Le traitement de l'information satellitaire nécessite une méthodologie d'approche selon les types de données et les caractéristiques du milieu d'étude. En effet, après avoir téléchargé les images de différentes années, nous les avons faites subir une phase de traitement dans laquelle nous avons eu à vérifier la correction géométrique pour voir si les images correspondaient aux données shapefiles du milieu puis nous avons examiné la correction radiométrique en sachant que cela est déjà faite préalablement par USGS. Apres, nous avons extrait notre zone d'étude pour chaque images et dans chaque bande utilisée ainsi fait, nous avons assemblé toutes ces bandes, ce qu'on appelle compilation des bandes. Qu'il s'agisse du calcul d'indice par différence normalisée de végétation, ou de la délimitation d'un bassin versant ou en encore d'élaborer un carte d'occupation du sol etc., chaque thématique a une procédure que nous détaillons ci-dessous : II.3.1. Délimitation du bassin versant et du réseau hydrographique Nous avons utilisé l'extension Arc Hydro pour calculer et déterminer la zone d'intérêt. Tl est important de connaître les différentes étapes pour arriver au résultat, mais aussi de savoir sur quelles hypothèses on se base. En effet, les hypothèses utilisées par Arc Hydro ne sont pas les 44 seules existantes pour faire ce travail, par contre elles sont les seules disponibles dans le cadre d'Arc Gis (Figure II.1).
STREAM ORDER DETERMINATION DE RESEAU CATEGORISATION DU RESEAU TRANSFORMATION EN FICHIER DETERMINATION DU BASSIN DE LA RIVIER
FLOW ACCUMULATION CON Source : Réalisée par l'auteur, 2018 Figure II.1. : Procédure de traitement de délimitation de bassin versant et du réseau hydrographique La détermination des bassins versants se fait en suivant les étapes : ? Remplissage Cette première étape nous a permis de remplir les cuvettes de la surface de notre raster (MNT) pour supprimer de légères imperfections dans les données. ? Détermination de la direction d'écoulement Cette deuxième étape à consister à créer avec le résultat de la précédente opération, un raster de direction de flux à partir de chaque cellule vers ses voisins de pente descendante. Chaque cellule du MNT est entourée par 8 autres cellules. Le principe d'Arc Hydro est d'établir vers quelle cellule s'écoule l'eau, à partir de la cellule centrale. Pour cela il calcule la pente entre la cellule centrale et les 8 cellules environnantes. Il considère que l'eau s'écoule vers la cellule qui a la pente la plus forte ? Détermination de l'Accumulation de flux Après la direction, il était question de créer un raster de flux cumulé dans chaque cellule. Le cas échéant, nous pouvions utiliser un facteur de pondération. Quand aucune cellule ne s'écoule vers la cellule considérée, la valeur est de 0. Quand plusieurs cellules s'écoulent vers la cellule considérée, la valeur est égale à la somme de valeurs d'écoulement de ces cellules. 45 ? Evaluation conditionnelle pour l'outil CON En cette quatrième étape, nous sommes servis de l'outil « CON » à fin d'exécuter une évaluation conditionnelle if/els sur chacune des cellules en entrée d'un raster en entrée. Ainsi, nous avons demandé au logiciel de l'éliminer toutes les valeurs inférieures à 2000 parce que il s'agissait des simples talwegs. ? Détermination de l'ordre d'écoulement Nous avons attribué un ordre numérique au résultat de la précédente opération à fin de classifier et de construire le réseau hydrographique. ? Détermination du bassin versant Après que nous ayons construit les tronçons du réseau hydrographique nous avons déterminé le bassin versant, c'est à dire les cellules qui se déversent sur chacun des tronçons. Contrairement à la notion classique de bassin versant qui prend en compte le ruissellement direct sur chaque tronçon, sans tenir compte des apports qui peuvent arriver par les biais des affluents du tronçon. Nous avons déterminé la surface de captation au-dessus d'un ensemble de cellules de notre raster. II.3.2. Etude Spatio-temporelle de l'occupation de sol Pour étudier l'évolution de l'occupation de sol dans le bassin versant de la Lukunga, nous avons adopté une méthodologie (figure II.2.). 46
Image Landsat 1987 Image Landsat 2001 Image Ikonos 2006 Image Landsat 2013 Image Landsat 2018
Corrections
Extraction de notre zone d'intérêt par bande utile Classification Orientée pixel
Compilation des bandes coupées
Carte d'occupation du Carte d'occupation du
Carte d'occupation du Carte d'occupation du sol 2013 Evaluation des résultats Analyse et discussion des résultats Carte d'occupation du sol 2006 Source : Réalisée par l'auteur, 2018 Figure II.2. : Procédure de traitement dans l'étude diachronique de l'occupation du sol 47 Cette méthodologie s'appuie sur la classification supervisée après prétraitements des images satellitaires. En se basant sur notre connaissance du terrain et sur la signature spectrale, on a défini pour chaque pixel de notre image sa classe d'appartenance. L'algorithme utilisé est celui du maximum de vraisemblance qui repose sur la règle de Bayes et permet de calculer pour chaque pixel sa probabilité d'appartenir à une classe plutôt qu'une autre. Le pixel est affecté à la classe dont la probabilité d'appartenance est la plus élevée. II.3.3. Elaboration du NDVI En général, le NDVI utilise deux propriétés pour quantifier la végétation saine. Il utilise le proche infrarouge (NIR) car la végétation le reflète fortement. Et il utilise également la lumière rouge, car les plantes l'absorbent fortement.
Images Landsat Images Landsat Images Landsat Images Landsat Images Landsat Extraction de notre zone d'intérêt par bande utile
FORMULE NDVI Compilation des bandes Image compilée 1987 Image compilée 2001 Image compilée 2013 Image compilée 2018 Image compilée 2006 Carte NDVI 1987 Carte NDVI 2001 Carte NDVI 2006 Carte NDVI 2013 Carte NDVI 2016 4 Annexe 4 Source : Réalisée par l'auteur, 2018 Figure II.3: Procédure de traitement dans l'élaboration du NDVI Les cartes de NDVI4 se sont fait en suivant ces étapes : ? Activation la barre d'outils Analyse d'image Tout d'abord, nous avons activé la barre d'outils d'analyse d'image (Fenêtres > Analyse d'image). La fenêtre d'analyse d'image sera affichée dans Arma. 48 ? Vérification des propriétés de sortie scientifique Deuxièmement, sous les options d'analyse d'image, nous avons sélectionné la bande rouge et la bande infrarouge proche. ? Clique sur l'icône NDVI Nous avons mis notre couche en surbrillance sous Propriétés, en cliquant dessus. Nous avons sélectionné l'icône NDVI qui ressemble à une feuille. Cela a créé une couche temporaire dans la table des matières. Un vert brillant indique un NDVI élevé. Alors que le rouge a un faible NDVI. ? Exportation du raster Nous avons mis en surbrillance la nouvelle couche NDVI que nous avons souhaité exporter en la sélectionnant dans la barre d'outils d'analyse d'image puis clic droit et exportation du raster pour enregistrer en mémoire. II.3.4. Elaboration des cartes des ilots de chaleurs La température de la surface du sol (LST) est la température radiative de la peau du sol. Cela dépend de l'albédo, de la couverture végétale et de l'humidité du sol. Il existe différentes méthodes pour calculer le LST. Images Landsat Images Landsat Images Landsat Images Landsat Images Landsat 2018 CARTE DES ILOTS CARTE DES ILOTS CARTE DES ILOTS CARTE DES ILOTS DE CARTE DES ILOTS DE
Conversion Radiance en at Conversion de DN en Radiance Calcul de la land Surface Emissivity Calcul de Land Surface Température Calcul de la Végétation Proportionnelle Extraction de notre zone d'intérêt par bande utile Conversion Radiance en at Conversion de DN en Radiance Calcul de la land Surface Emissivity Calcul de la Végétation Proportionnelle Calcul de Land Surface Température Source : Réalisée par l'auteur, 2018 Figure II.4: Procédure de traitement pour l'élaboration des cartes des ilots de chaleur Concernant le satellite Landsat 8 (OLI TIRS), les valeurs de K1 et K2 se trouvent dans le métafichier. 49 Dans le cadre de notre étude nous avons utilisé la méthode de l'USGS en utilisant les bandes 6.1 et 6.2 du satellite Landsat 7 et 5, les bandes 10 et 11 du capteur infrarouge thermique (TIRS) du satellite Landsat 8. Il est recommandé d'utiliser la bande 10 en analyse quantitative car la bande 11 est significativement plus contaminée par la lumière parasite que la bande 10. Il est toutefois recommandé chaque fois la moyenne de résultats des deux bandes. Les cartes de LST ont été élaborées en suivant ces étapes : ? Conversion de nombres numériques (DN) en réflectance TOA (Top Of Atmosphere) Pour l'analyse et le calcul du LST, nous avons uniquement besoin de la bande 10 et de la bande 11 pour le Landsat 8 et de la bande 6.1 et la bande 6.2 pour le Landsat TM5 & ETM+. Les valeurs des images Landsat brutes téléchargées sont appelées Numéros numériques du capteur. Premièrement, ceux-ci doivent être convertis en valeurs de réflectance TOA en utilisant l'équation suivante : ? Ly = Ml X QCAL + Al (OLI TIRS) ? Ly = ((LMAX-LMIN)/ (QCALMAX-QCALMIN)) X (QCAL-QCALMIN) + LMIN (TM & ETM+) Ml : Radiance Multi Band QCAL : Bande coupée Al : Radiance Add Band QCALMAX : Valeur de produit standard de pixel calibré et quantifié maximum QCALMIN : Valeur de produit standard de pixel calibré et quantifié minimum LMAX : luminance spectrale mise à l'échelle en QCALMAX en watts / (mètre carré * ster * pm) LMIN : luminance spectrale mise à l'échelle en QCALMIN en watts / (mètre carré * ster * pm) Toutes ces valeurs se trouvent dans le métafichier inclus dans chaque téléchargement. Ces valeurs peuvent différer d'une image à l'autre, alors il faut les rechercher pour chaque scène. Notons que nous avons utilisé l'outil « calculatrice raster » pour exécuter cette opération. ? Conversion en température de luminosité au satellite A cette étape, nous avons converti nos valeurs de réflectance en température de saturation du satellite. Cela se fait avec l'équation suivante :
Ly : Radiance Spectral K1 : 607,76 soit 666,09 (TM5/ETM+) K2 : 1260,5 soit 1287,71 (TM5/ETM+) Ln : Logarithme numérique 5 Annexe 5 50 ? Calcul de la végétation proportionnelle Les indices de végétation sont très utilisés d'une part, pour identifier et suivre la dynamique de la végétation, mais aussi pour estimer certains paramètres biophysiques caractéristiques des couverts végétaux, comme la biomasse, l'indice de surface foliaire, la fraction de rayonnement photosynthétique actif, etc. Pour calculer la végétation proportionnelle, nous avons appliqué la formule suivante : ? PV = (NDVI-NDVImin/NDVImax-NDVImin) 2 NDVI : Indice de végétation de la différence normalisée NDVImax : Valeur maximale de L'NDVI NDVImin : Valeur minimale de L'NDVI ? Calcul de l'émissivité surfacique du sol (LSE) L'émissivité, €, à une longueur d'onde donnée X (unités, um) et à la température T (unités, K), est définie comme le rapport entre la luminance émise par un corps à la température T et la luminance émise par un corps noir. Pour calculer l'émissivité surfacique du sol5, nous avons appliqué la formule suivante : ? € = 0,0004 X Pv + 0,986 Pv : végétation proportionnelle ? Calcul de la température de la surface du sol (LST) Dans la plupart des cas, le LST est un mélange de végétation et de température du sol nu. Étant donné que les deux réagissent rapidement aux changements du rayonnement solaire entrant dus aux modifications de la couverture nuageuse et de la charge d'aérosol et aux variations diurnes de l'éclairage, le LST affiche également des variations rapides. À son tour, le LST influence la répartition de l'énergie entre le sol et la végétation et détermine la température de l'air de surface. Pour calculer la température de la surface du sol, nous avons appliqué la formule suivante : ? LST = BT/1+W X (BT/P) x Ln(€) BT : température de luminosité au satellite W : bande coupée € : émissivité surfacique du sol P : 14380 51 II.3.5. L'évaluation statistique de la classification Pour l'évaluation la vraisemblance de notre classification, nous avons choisi la méthode fondée sur les résultats statistiques de la classification, cette dernière est effectuée sous le logiciel Arc Gis, le principe de cette méthode consiste à prélever hasardeusement des points puis les confronter avec des points de référence. Le résultat est donné sous forme d'une matrice dite matrice de confusion qui contient un indice qui est utilisé pour la validation finale : ? L'indice de Kappa : il indique comment les données à classer s`accordent aux données de référence. Il constitue une mesure fiable dans l`évaluation des classifications thématiques car il examine tous les éléments dans la matrice de confusion et prend en compte à la fois des erreurs d`omissions et de commissions (Rosenfiel et Filztpatrick-lins, 1986 cité par El HADRAOUI, 2013). II.3.6. La modélisation des processus érosifs Notre modèle (figure) a été réalisé en utilisant essentiellement trois données disponibles en l'occurrence : la topographie, l'érodabilité du sol et le couvert végétal. Nous avons combiné l'ensemble de ces données et nous les avons classées en fonction de leur rôle et importance dans le processus érosif. Tout cela a été réalisé en se servant des fonctionnalités d'Arc Gis 10.3.1. SRTM Facteur LS Images satellitaires Landsat Carte d'occupation du sol Carte pédologique + Littérature Carte de vulnérabilité des sols Reclassification Attribution des codes de sensibilité Traitement avec les outils d'Analyse Carte de sensibilité à l'érosion Source : Réalisée par l'auteur, 2018 Figure II.5 : Méthodologie suivie pour la modélisation des processus érosifs 52 II.3.6.1. Réalisation L'une des difficultés majeure pour mettre en place un modèle sur les processus érosifs dans un bassin versant c'est la collecte des données. Les données nécessaires à intégrer dans le modèle sont citées ci-après : ? La couverture végétale Le couvert végétal est, après la topographie, le second facteur le plus important qui contrôle le risque d'érosion des sols. Ce dernier est négligeable si on a un sol bien couvert de végétations toute l'année même si la pente du terrain est forte et les précipitations sont intenses et le sol est vulnérable à l'érosion. Dans le modèle RUSLE, l'effet du couvert végétal est incorporé au facteur d'aménagement du couvert. Il est défini comme un ratio de la perte en sol sur des terrains cultivés sous des conditions spécifiques par rapport à la perte en sol correspondante sur un terrain en jachère (WISCHMEIER et al. 1978). Nous avons reclassifié notre carte d'occupation et nous avons attribué un indice à chaque classe. ? Le Facteur LS Au-delà d'une pente de 2%, l'érosion connaît une croissance exponentielle (McCool et al, 1987) due à la formation de rigoles et à l'augmentation, avec la vitesse de ruissellement, des taux d'érosion diffuse. La vitesse étant proportionnelle à la distance parcourue, plus la longueur de la parcelle est grande, plus la vitesse augmente. Les particules d'eau qui ruissellent emmagasinent donc une énergie plus importante qui se traduit par la création et le creusement de rigoles. Cependant, même si l'influence de la longueur de la pente est reconnue, il est très difficile de connaître précisément l'exposant qui relie l'érosion et la longueur de la pente. De nombreuses formules ont été proposées, mais elles ne sont pas applicables de manière universelle. De plus, tout comme pour l'inclinaison de la pente, il faut prendre en compte le type d'érosion pour pouvoir déterminer quelle est l'influence de la longueur de la parcelle. Cependant, le facteur topographique LS de WISCHMEIER & Smith permet de donner des résultats satisfaisants quant à l'influence de la longueur et de l'inclinaison de la pente dans le phénomène érosif. Il prend donc en compte deux éléments : l'inclinaison (S) et la longueur (L) de pente. Ces deux facteurs sont le plus souvent combinés en un facteur unique adimensionnel (LS). Le facteur LS est généralement défini comme étant le rapport de perte de sol entre deux parcelles ayant des conditions identiques à l'exception de l'inclinaison et de la longueur de pente : l'une d'une longueur et d'une inclinaison de pente données, l'autre ayant 22.1 m de long et 9% de pente (parcelle expérimentale de WISCHMEIER et Smith, 1978). 53 La relation permettant de calculer le facteur LS est la suivante : LS 4Accumulation de débit * Résolution SeTM)m (0,65 + 0, 045S + 0, 0065S2) 22,21 S : Pente m est un facteur qui dépend de la pente : m=0,5 si la pente est >= à 5% m=0,4 si la pente est de 3,5 à 5 % m=0,3 si la pente est de 1 à 3,5 % m=0,2 si la pente est < 1%. Fichier d'entrée : MNT
Calculatrice raster pour calcul du facteur Source : Réalisée par l'auteur, 2018 Figure II.6 : Méthodologie suivie pour le facteur LS 54 ? L'érodabilité La sensibilité des sols à l'érosion est influencée par les paramètres intrinsèques du sol (stabilité structurale, croûte de battance, état dispersé, matière organique, texture (Roose et Sarrailh, 1990). Dans notre zone d'étude, certains sols sont plus vulnérables que d'autres, mais la majorité est sensible voire très sensible à l'érosion. Le bassin versant de la Lukunga est caractérisé par la dominance des grès très tendres (sols ocres, jaune, rouge), et de sables plus ou moins argileux ainsi que des Arkoses de Zongo. Nous avons réalisé la carte de vulnérabilité des sols 3 niveaux de sensibilité à l'érosion dans le bassin versant, cela a été fait à partir de la feuille pédologique de Léopoldville. Nous avons aussi attribué un indice de sensibilité pour chacune des classes de la carte, l'indice le plus fort correspond à la classe la plus exposée à l'érosion. II.3.6.2. Bilan L'ordre défini ci-dessous correspond à l'ordre d'importance de ces facteurs dans le processus érosif pour notre modèle : ? La couverture du sol ; ? Le facteur LS ? La vulnérabilité des sols. II.3.6.3. L'arborescence logique6 L'arborescence logique a été effectuée en s'inspirant de l'étude de Youssef El HADRAOUI, 2013 sur la même problématique. Nous avons cherché à réaliser une modélisation fiable et adaptée à notre zone d'étude ne nécessitant que les données en notre possession. 6 Annexe 6 55 |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
