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

 > 

Identification des lineaments geologiques par traitement d'images satellitaires : cas du territoire de Masisi (Nord-Kivu)


par Moise Muzalia
UNIKIN - Graduat 2021
  

Disponible en mode multipage

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

ANNEE ACADEMIQUE : 2021-2022

REPUBLIQUE DEMOCRATIQUE DU CONGO
MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET UNIVERSITAIRE
UNIVERSITE DE KINSHASA

FACULTE DE PETROLE, GAZ ET ENERGIES RENOUVELABLES

DEPARTEMENT DES SCIENCES DE BASE

IDENTIFICATION DES LINEAMENTS
GEOLOGIQUES PAR TRAITEMENT D'IMAGES
SATELLITAIRES : CAS DU TERRITOIRE DE
MASISI (NORD-KIVU)

Par MUZALIA MBALE Moise

Diplômé d'Etat

Travail de Fin de Cycle présenté en vue de l'obtention du titre de gradué en Pétrole, Gaz et Energies Renouvelables

Directeur : Prof.Dr. Albert MBATA Encadreur : Assistant Jonathan MUSITU

i

EPIGRAPHE

« L'escalier de la science est l'échelle de Jacob, il ne s'achève qu'aux pieds de Dieu. »

Albert Einstein

ii

Dédicace

Je dédie ce travail aux personnes qui me sont les plus chères dans ma modeste vie :

- A mes parents qui m'ont toujours soutenu en toutes circonstances. Les mots ne décriront jamais assez ce que vous représentez dans ma vie. Vous êtes un vrai cadeau que Dieu m'a donné.

- A mes frères et soeurs que j'aime de tout mon coeur. J'avoue que j'ai de la chance de vous avoir. C'est de votre existence que je puise l'amour qui me comble. Je suis impatient que nous soyons réunis à nouveau.

- A tous ceux qui ont toujours cru en moi : vous êtes spéciaux dans mon coeur puisqu'en moi vous avez admiré ce que les autres ont ignoré. Avec l'aide de Dieu et avec tout votre amour, nous atteindrons ce que nous avons toujours espéré.

Moise MUZALIA

iii

Table des matières

Table des matières iii

Liste des figures v

Liste des tableaux v

Sigles et abréviations vi

Avant-propos vii

Remerciements viii

Introduction 1

1. Généralités et considérations générales 3

1.1. Cadre d'étude 3

1.1.1. Situation géographique 3

1.1.2. Relief et climat 3

1.1.3. Hydrographie 4

1.1.4. Sol, sous-sol et végétation 4

1.2. Notions fondamentales sur les linéaments 5

1.2.1. Définition 5

1.2.2. Origine des linéaments 5

1.2.3. Exemples de quelques linéaments 6

1.3. Notions fondamentales sur la télédétection 7

1.3.1. Principe de base de la télédétection 7

1.3.2. Rayonnement électromagnétique 8

1.3.3. Interaction rayonnement-atmosphère 9

1.3.4. Capteurs 10

1.3.5. Images matricielles 10

2. Matériels et méthodes 13

2.1. Matériels 13

2.2. Méthodologie 13

2.2.1. Acquisition d'images de la zone d'étude 14

2.2.2. Traitement d'images 14

3. Résultats et discussions 20

iv

3.1. Corrections radiométriques 20

3.2. Création de la bande composite 20

3.3. Création des néo-canaux par l'analyse en composantes principales (CP) 21

3.4. Rehaussement de l'image par Sobel 23

3.5. Filtrage de l'image Sobel par la convolution directionnelle 23

3.6. Extraction automatique des linéaments 25

3.6.1. Nombre et longueur totale des linéaments selon les directions 27

3.7. Validation des linéaments 28

3.7.1. D'après les modèle hydrographique et hydrologique 28

3.7.3. D'après l'image DEM 29

3.8. Carte finale des linéaments 29

3.8 Orientation des linéaments 30

3.8.1 Les rosaces directionnels (rose diagrams) 30

3.9 Carte de la densité des linéaments 31

Conclusion 32

Bibliographie 33

V

Liste des figures

FIGURE 1.LIMITES DE LA ZONE D'ETUDE 3

FIGURE 2. LES TYPES DE FAILLES 6

FIGURE 3. LES TYPES DE PLIS 7

FIGURE 4. ETAPES DU PROCESSUS DE TELEDETECTION 8

FIGURE 5.LE DOMAINE VISIBLE 9

FIGURE 6. IMAGE NUMERIQUE BINAIRE 11

FIGURE 7. IMAGE GRAY SCALE 11

FIGURE 8. PLAN DE TRAITEMENT 13

FIGURE 9. IMAGE SATELLITE GRAY SCALE DE LA ZONE D'ETUDE 14

FIGURE 10. APPLICATION D'UNE CONVOLUTION SUR UNE IMAGE 17

FIGURE 11. CORRECTIONS RADIOMETRIQUES.. 20

FIGURE 12. BANDE COMPOSITE EN COULEURS NATURELLES (B4-B3-B2) 20

FIGURE 13. BANDE COMPOSITE EN FAUSSES COULEURS (B7-B6-B2) 21

FIGURE 14. LES COMPOSANTES PRINCIPALES. 22

FIGURE 15. IMAGE SOBEL DE CP1 23

FIGURE 16. FILTRAGES DIRECTIONNELS. 24

FIGURE 17.PARAMETRES UTILISES POUR L'EXTRACTION AUTOMATIQUE DES LINEAMENTS 25

FIGURE 18. LINEAMENTS EXTRAITS DANS LES DIRECTIONS DE 0°, 45° , 90° ET 135°. 26

FIGURE 19. LINEAMENTS FILTRES POUR TOUTES LES 4 DIRECTIONS CHOISIES 27

FIGURE 20. LINEAMENTS SUIVANT L'ALLURE DES COURS D'EAU 28

FIGURE 21. LINEAMENTS SUIVANT LE MODELE HYDROLOGIQUE 28

FIGURE 22.CONFRONTATION AVEC LE DEM 29

FIGURE 23. CARTE FINALE DES LINEAMENTS 29

FIGURE 24.ROSE DIAGRAM TENANT COMPTE DES DIRECTIONS DES LINEAMENTS 30

FIGURE 25.ROSE DIAGRAM TENANT COMPTE DES LONGUEURS DES LINEAMENTS 30

FIGURE 26. CARTE DE LA DENSITE DES LINEAMENTS 31

Liste des tableaux

TABLEAU 1.DOMAINES DU RAYONNEMENT IR 9

TABLEAU 2. CARACTERISTIQUES DES IMAGES PAR BANDE 14

TABLEAU 3. MATRICES DE CONVOLUTION UTILISEES 18

TABLEAU 4. STATISTIQUES D'INFORMATIONS DES BANDES 21

TABLEAU 5. STATISTIQUE DES LINEAMENTS DE LA ZONE D'ETUDE 27

vi

Sigles et abréviations

B : Bande

CCT : Centre Canadien de Télédétection

CP : Composante principale

DEM : Digital Elevation Model

E : Est

IR : Infrarouge

MNT : Modèle Numérique de Terrain

N : Nord

OLI : Operation Land Imager

PCA : Principal Component Analysis

R-V-B : Rouge-Vert-Bleu

S : Sud

U.S : United State

W : Ouest

vii

Avant-propos

Dans le domaine de l'exploration pétrolière, entre la phase documentaire et le premier forage d'exploration, plusieurs techniques sont utilisées et corrélées afin de maximiser les chances de trouver du pétrole dans un bassin sédimentaire. Certaines de ces techniques consistent à l'identification des structures géologiques pouvant piéger les hydrocarbures.

Que ce soient les pièges structuraux (failles, plis, etc.) ou stratigraphiques, l'explorateur devra utiliser des méthodes appropriées afin de déceler ces structures. L'une des techniques classiques l'application des méthodes géophysiques à partir desquels on peut faire une échographie du sous-sol. A part la géophysique, une autre technique consiste, non à caractériser la constitution et la géométrie du sous-sol, mais à observer le sol à partir des plateformes, tout en caractérisant certains paramètres : il s'agit de la télédétection spatiale.

Grâce à la télédétection, plusieurs opérations peuvent être effectuées en exploration pétrolière : on peut dénicher une dysmigration, une faille tectonique, un anticlinal (par son plan axial), etc. Tous ces éléments présentent un intérêt particulier en exploration pétrolière, mais dans ce travail, nous nous sommes intéressés particulièrement aux éléments qui constituent des structures.

Les failles et les plis sont des structures qui ont pour cause la tectonique des plaques. Lors de leur formation, il peut se produire des répercussions en surface formant ainsi des traces décelables par la technique de la télédétection. Ces traces sont des linéaments géologiques. Notre travail de fin de cycle de graduat consistera ainsi à l'utilisation de la télédétection pour l'identification des linéaments géologiques, la zone d'étude étant le territoire de MASTS1.

L'effectuation du présent travail n'aura pas été sans difficulté notamment quant à ce qui concerne les données géoscientifiques existantes sur la zone d'étude : si les anciennes données (datant de l'époque belge) sont rares, les données récentes sur ladite zone sont quasi-inexistantes et peu authentiques.

viii

Remerciements

Je tiens avant tout à remercier le Seigneur Jésus-Christ pour toutes ses bontés quotidiennes dans ma modeste vie. Il est mon Dieu, je suis sa créature et pourtant à chaque pas que j'ai franchi, il ne m'a jamais abandonné. Et par-dessus tout, aujourd'hui je peux crier fièrement que je suis son enfant, ô quelle grâce ! Gloire et louange lui soient rendues.

Je remercie également monsieur le Professeur Albert MBATA pour le temps qu'il a sacrifié afin de travailler avec moi en tant que directeur et surtout pour son implication remarquable dans l'effectivité de ce travail. Par lui, j'ai appris tellement de choses aussi scientifiquement que civiquement.

Je ne manquerai pas de remercier également mon encadreur, monsieur l'Assistant Jonathan MUSITU pour son accompagnement tout au long de la rédaction de ce travail. Grâce à sa modestie et son savoir-faire, il a été simple de réaliser ce travail.

Enfin je remercie toute personne qui, de près ou de loin, a contribué à la réalisation de ce travail, particulièrement :

- Maman Patricia KIKWAYA MAGHOMA pour tout ce qu'elle a fait pour moi depuis le début de mon cursus académique. Grâce à son soutien et son grand coeur, elle a été une véritable mère pour mo1.

- Mes frères Poly et Jospin MUZALIA ainsi que mes soeurs YUNASI et Sandra MUZALIA pour leur soutien. Grâce à leur présence, je ne me suis pas senti seul dans cette immense ville qui ne m'est pas natale.

- Mon groupe d'étude KNOWLEDGE SCIENTIFIC CLUB qui regorge de grands talents intellectuels notamment Destin NGUOMOJA, Ali MASUDI, Joel MAKANA, Pierrot KASONGA, Gloire KIHUMBU, Jonathan MUKUNA, Alain KIDIATA, Raphael KALALA. Leurs idées m'auront été utiles.

Moise MUZALIA

1

Introduction

Depuis des temps géologiques, la croûte terrestre n'est pas restée intacte : elle a connu des changements importants se manifestant notamment par différents mouvements des plaques lithosphériques. Ainsi, les roches composant l'écorce terrestre ont été modifiées en fonction de leurs propriétés mécaniques : certaines ont été plissées, d'autres ont connu des fractures, etc. Toutes ces modifications ne sont pas restées sans conséquences. A partir de ces dernières, matérialisées par les données géologiques récoltées, il est possible d'obtenir le plus de renseignements possibles sur les mouvements des plaques. Ces renseignements sont, dans la plupart des cas, fournis par la lithologie d'une part, et les linéaments géologiques d'autre part (Milnitchouk & Arabadji, 1979, cités dans Lacina, 1996).

Les linéaments géologiques sont des éléments qui renseignent en surface, sur la présence des phénomènes s'étant déroulés en profondeur et se matérialisant par des failles, des plis ou encore des contacts géologiques. L'intérêt que présentent toutes ces structures est très capital dans divers domaines. La cartographie des linéaments est de grande utilité en exploration minière ou pétrolière, en sismologie, en hydrologie, etc. Elle est facilitée par les données de la télédétection grâce à laquelle les cartographes obtiennent une vue globale de la surface de la terre (Dubois, 1999).

La télédétection permet de recueillir les données de différentes régions, accessibles ou inaccessibles. Les principaux obstacles, souvent d'origine naturelle, sont les rivières, les montagnes, les forêts denses ou encore une grande superficie de la zone à étudier (De Sève et Desjardins, 1994, cités dans Dubois, 1999).

Cependant certains facteurs peuvent nuire à l'identification des linéaments par télédétection. Il peut s'agir de la couverture du sol par la végétation ou par des dépôts postérieurs à la mise en place des linéaments, de l'occupation du sol, de la résolution des capteurs satellitaires, de l'orientation de la source d'éclairement, etc.

Dans le cadre de ce travail, la zone d'étude choisie est le territoire de Masisi. C'est une région relativement vaste, avec un paysage caractérisé par un couvert végétal permanent ainsi qu'une multitude de collines. Cette dernière caractéristique pourrait résulter des phénomènes tectoniques qui génèrent des linéaments géologiques.

Sur le plan géoscientifique, la zone d'étude est encore très peu explorée d'où une insuffisance des données qui auraient permis d'obtenir des résultats plus complets

2

de notre démarche. Comment pallier à ce manque de données ? Après extraction des linéaments, les résultats obtenus contiennent de faux linéaments confondus aux vrais, c'est-à-dire les linéaments géologiques. Comment écarter ces faux linéaments dans les résultats ? C'est de cette manière que se décline la problématique de ce travail.

Pour aboutir aux résultats, les principaux outils utilisés sont des logiciels informatiques au travers de leurs différents modules et applications. Ils ont permis d'effectuer divers traitements sur les images satellites de la zone afin d'en extraire les linéaments et même de les valider. Ces traitements qu'on aura à détailler dans la suite sont principalement la création de nouveaux canaux, le rehaussement de l'image, l'extraction des linéaments, leur validation comparativement aux différents modèles numériques et enfin la réalisation de la carte des linéaments.

L'introduction et la conclusion mises à part, l'essentiel du travail s'articule en trois parties : la première consiste la description (relativement appauvrie par la carence des données géoscientifiques) de la zone d'étude ainsi que des considérations théoriques sur les linéaments et la télédétection. La deuxième partie traite des matériels utilisés ainsi que de la méthodologie empruntée pour aboutir aux résultats et enfin, la dernière partie est une présentation des résultats obtenues après l'application des méthodes décrites dans la deuxième partie.

3

1. Généralités et considérations générales

1.1. Cadre d'étude

1.1.1. Situation géographique

Masisi la zone d'étude, est l'un des territoires de la province du Nord-Kivu situé à l'Est de la République Démocratique du Congo. La zone d'étude est située entre les latitudes 0° 57' 57» et 1° 46' 44» S et les longitudes 28° 31' 6» et 29° 12' 58» E. Sa superficie est de 4 734 km2 (Biregeya, 2011). Elle est délimitée :

-Au Nord : par le territoire de Walikale

-A l'Est : par les territoires de Nyiragongo, de Rutshuru -Au Sud : par la province du Sud-Kivu et le Lac Kivu -A l'Ouest : par le territoire et de Walikale

Figure 1.Limites (en pointillés) de la zone d'étude (Google Maps, 2023)

1.1.2. Relief et climat

Constitué de montagnes, de plaines, de plateaux et de collines, le relief du territoire de MASISI est très accidenté :

· Les plaines se situent au Nord-Est sur l'axe Kitshanga-Mweso et au Sud-Ouest sur l'axe Bonde-Kinja-Kashebere.

· Les plateaux se situent essentiellement au Sud, à l'Est et au centre

Le climat de la zone d'étude est du type tropical, avec deux principales saisons : la saison sèche et la saison de pluie.

4

1.1.3. Hydrographie

La zone d'étude est parsemée d'une multitude des rivières dont les plus importantes sont :

· Au Nord : les rivières Mweso et Luholu

· A l'Est : les rivières Osso, Luhola, Mbiti, Mweso et Luashi

· Au Sud : les rivières Mbiti, Osso et Luhashi

On y trouve également plusieurs étendues d'eau, notamment Mokoto, Ndalaa, Lukulu, Mbita et Mbalukira, dans la chefferie de Bashal1.

1.1.4. Sol, sous-sol et végétation

· Le sol de la zone d'étude est globalement argileux, riche en humus. Mais dans sa partie Nord, il est sablonneux.

· Le sous-sol regorge plusieurs ressources minières telles que la tourmaline, le coltan, la cassitérite, etc.

· La végétation est principalement constituée de forêts et de savanes herbeuses

5

1.2. Notions fondamentales sur les linéaments 1.2.1. Définition

Les déformations subies par les roches sont de deux types, et sont fonction de leurs propriétés mécaniques : elles peuvent être continues pour les formations plastiques ou discontinues pour les formations rigides. Les déformations continues consistent en des plissements, et les déformations cassantes en des cassures. Ces différentes déformations sont observables à l'échelle microscopique (lorsqu'elles sont invisibles à l'oeil nu), à l'échelle métrique, et à l'échelle kilométrique. Dans ce dernier cas, il s'agira par exemple d'un déplacement de plusieurs kilomètres cubes de matière (roche) sur une très longue distance. Les linéaments reflètent donc des phénomènes d'ampleurs diverses, s'enfonçant sur plusieurs dizaines, centaines, voire même plusieurs milliers de mètres sous la surface (Dubois, 1999).

Dans ce travail, on considère les linéaments comme « des entités unidimensionnelles ayant une longueur et une orientation et dont la population sur l'image présente une densité, un agencement, un espacement et une répartition caractéristique » (Lachaine, 1999).

1.2.2. Origine des linéaments

L'origine d'un linéament peut avoir plusieurs causes naturelles : il peut s'agir d'une ligne de crêtes topographiques, un contact entre formations de lithologies distinctes, une ligne de faille, un plan d'un anticlinal, etc.

La mise évidence d'un linéament en un lieu sera faite grâce à l'effet qu'il provoque sur le paysage. Il peut s'agir d'une anomalie dans le couvert végétal, l'influence sur la géométrie des rives d'un plan d'eau, la forme du réseau de drainage ou des coudes inexplicables dans les cours d'eau (Lachaine, 1999).

Les linéaments n'ont pas nécessairement une cause d'origine géologique. En effet, lors de l'identification des linéaments, les limites des cultures, les routes, etc., qui sont des ouvrages faits par l'homme, sont confondus aux linéaments dont la cause est géologique. Cependant, les linéaments dont les causes sont d'origine humaine ne constituent qu'une faible proportion dans l'ensemble. En effet, les structures géologiques définissant remarquablement la morphologie de la surface dans sa globalité, dans la plupart des cas, les linéaments identifiés à partir d'une image satellitaire sont d'origine géologique (Scanvik, 1987, cité dans Lachaine, 1999).

6

1.2.3. Exemples de quelques linéaments

En ce point, ce sont les structures à l'origine des linéaments qui sont décrits, ces derniers étant des « lignes significatives du paysage révélant l'architecture cachée du sous-sol rocheux » (Hobbs, 1912, cité dans O'Leary et al., 1976, cité dans Lachaine, 1999). C'est donc par métonymie que ce titre a été constitué.

1.2.3.1. Les failles

Une faille est une déformation discontinue (fracture ou cassure) de la partie superficielle de la croûte terrestre caractérisée par la séparation de cette dernière en deux compartiments, accompagnée d'un décalage. C'est une structure géologique qui affecte les formations rigides. Elle peut être observée à l'échelle macroscopique, à l'échelle métrique ou encore à l'échelle kilométrique.

La figure 2 comprend les types de failles en fonction du contexte géodynamique dans lequel elles ont été générées.

Figure 2. Les types de failles (Dubois, 1999, figure 1.2)

1.2.3.2. Les plis

Contrairement aux failles, les plis sont des structures issues des déformations subies par les formations plastiques. Selon Dubois (1999), ils sont provoqués par la torsion ou la flexion de la roche, sous de très fortes pressions pendant un intervalle de temps donné. Leur dimension est variée : elle peut aller de l'échelle du microscopique jusqu'à celle d'une dizaine de kilomètre.

Plusieurs critères sont utilisés pour classer les plis. Mais généralement, c'est en fonction du sens de leur concavité que ces derniers sont classés (voir la figure 3). On distingue :

· Les plis anticlinaux : leur concavité tourne vers le bas.

· Les plis synclinaux : leur concavité tourne vers le haut.

7

Figure 3. Les types de plis (Dubois, 1999, figure 1.1)

1.3. Notions fondamentales sur la télédétection

D'après le Centre Canadien de Télédétection (CCT) (2019), « la télédétection est la technique qui, par l'acquisition d'images, permet d'obtenir de l'information sur la surface de la Terre sans contact direct avec celle-ci. La télédétection englobe tout le processus qui consiste à capter et à enregistrer l'énergie d'un rayonnement électromagnétique émis ou réfléchi, à traiter et à analyser l'information, pour ensuite mettre en application cette information. »

1.3.1. Principe de base de la télédétection

D'une manière globale, la télédétection implique une interaction entre l'énergie incidente et la cible. D'après le CCT (2019), le processus résumé à la figure 4, se déroule à sept niveaux distincts :

- Illumination de la cible : elle est nécessaire à tout processus de télédétection pour illuminer la cible. Cette dernière peut être radiée par le soleil (télédétection passive) ou par le capteur (télédétection active) ;

- Interaction du rayonnement avec l'atmosphère : l'atmosphère n'est pas sans influence sur la traversée du rayonnement : durant son parcours entre la source d'énergie et la cible ;

- Interaction du rayonnement avec la cible : en contact avec la cible, il y a interaction de cette dernière avec le rayonnement incident ;

- Enregistrement par le capteur de l'énergie réfléchie ou émise par la cible ;

- Transmission, réception et traitement : une fois enregistrée par le capteur, l'énergie est transmise, électroniquement, à une station de réception où l'information est convertie en images ;

- Interprétation et analyse : afin d'extraire l'information recherchée sur la cible. L'information peut être visuelle ou numérique ;

8

- Application : cette étape consiste à utiliser les informations sur la cible qu'on a pu obtenir des étapes précédentes afin de résoudre un problème spécifique.

Figure 4. Etapes du processus de télédétection (Eugenio et al., 2014, p. 13)

1.3.2. Rayonnement électromagnétique

Le rayonnement électromagnétique est une propagation de l'énergie dans la nature à très grande vitesse (Skoog et al., 2015), sous-forme de photons.

Une onde électromagnétique est caractérisée par :

- Sa longueur d'onde (i) : c'est la longueur d'un cycle de l'onde, correspondant à la distance entre deux crêtes voisines. Elle s'exprime en mètres ou en l'un de ses sous-multiples (millimètre, micromètre, nanomètre, etc.)

- Sa fréquence (?) : c'est le nombre de cycles (oscillations) effectué par l'onde, par unité de temps. Elle s'exprime en Hertz (oscillations par seconde).

- Son amplitude : c'est la propriété qui conditionne l'intensité du rayonnement. Plus l'amplitude est forte plus le flux d'énergie est intense.

- Sa vitesse : celle de la lumière, valant approximativement 3.108 m/s dans le vide.

Le rayonnement électromagnétique se décompose selon ses différentes composantes en termes de fréquence, d'énergie ou encore de longueur d'onde dans le spectre électromagnétique. Dans le cadre de ce travail, les domaines du spectre qui nous ont servi sont le visible et l'infrarouge.

-Le domaine visible : correspond à la petite portion du spectre perceptible par l'oeil humain (Pérez, 2008). C'est dans ce domaine que l'on peut distinguer l'ensemble des couleurs de l'arc-en-ciel (figure 5).

9

Figure 5.Le domaine visible (CCT, 2019, p.10)

Ses longueurs d'onde s'étendent de 0.4 um à 0.8 rim, réparties de la manière suivante :


·

Violet

:

0.400

- 0.446 rim


·

Bleu

:

0.446

- 0.500 rim


·

Vert

:

0.500

- 0.578 rim


·

Jaune

:

0.578

- 0.592 rim


·

Orange

:

0.592

- 0.620 rim


·

Rouge

:

0.620

- 0.800 rim

 

- L'infrarouge (IR) : c'est le rayonnement émis par tous les corps dont la température est supérieure au zéro absolu (Antoine & Lopez, 2017). Ses longueurs d'onde s'étendent de 0.8 rim à 1000 rim. Il se subdivise en infrarouge lointain (du visible), infrarouge moyen et infrarouge proche (du visible). Le tableau 1 contient les intervalles de fréquence et de longueur d'onde correspondant à chaque domaine du rayonnement IR.

Tableau 1.Domaines du rayonnement JR (Pérez, 2008, tab. 10.3)

Infrarouge

Proche

Moyen

Lointain

? (PHz)

0.4-10

10-100

100-3000

X (rim)

0.8-3

3-30

30-1000

 

1.3.3. Interaction rayonnement-atmosphère

Dans le processus de télédétection, le rayonnement électromagnétique provenant de la source, avant d'atteindre la cible, interagit d'abord avec l'atmosphère. Il en est de même pour le rayonnement émis ou réfléchi par la cible vers le capteur (Kergomard, 1996).

Selon Hufty (2001), on observe trois types d'interaction :

· La réflexion : se produit sur les nuages. L'albédo moyen de ces derniers varie entre 50 et 60 % de l'énergie incidente, en fonction de leur forme et leur épaisseur.

·

10

L'absorption : se produit lorsque les molécules de l'atmosphère telles que l'ozone, la vapeur d'eau, le dioxyde de carbone, etc. absorbent sélectivement une grande portion de certaines radiations.

· La diffusion : a lieu lorsque le rayonnement incident interagit avec des particules (aérosols) ou les molécules d'air (azote, oxygène, eau, etc.) diffusent en tous sens certaines parties du rayonnement solaire.

Il est donc nécessaire de tenir compte (en faisant la correction atmosphérique) des effets que portent l'atmosphère sur les rayonnements.

1.3.4. Capteurs

Les capteurs sont des systèmes installés sur des plateformes utilisées pour l'acquisition du rayonnement émis ou réfléchi par la cible (Eugenio et al., 2014).

1.3.4.1. Résolution d'un capteur

La résolution d'un capteur est l'une de ses caractéristiques. Il s'agit de la plus petite variation de grandeur physique mesurable par le capteur (Terras, 2003). On distingue principalement quatre types de résolutions :

· La résolution spatiale : c'est la taille du plus petit élément qu'il est possible de distinguer sur une image. Par abus de langage, certains la définissent comme la taille du pixel, ce dernier étant le plus petit élément d'une image.

· La résolution spectrale : elle décrit la capacité d'un capteur à utiliser de petites fenêtres de longueur d'ondes (CCT, 2019) : plus la bande du capteur est fine, plus sa résolution spectrale est bonne. De nombreux capteurs sont considérés comme multispectraux, ce qui signifie qu'ils ont 3 à 10 bandes (NASA, 2023).

· La résolution radiométrique : est la capacité du capteur à discerner les petites variations d'énergie électromagnétique. Cette propriété sert à décrire l'information contenue dans l'image (CCT, 2019).

· La résolution temporelle : correspond au temps de revisite : elle peut être associée au temps que met le satellite pour repasser au-dessus de la même zone. En réalité, la capacité du capteur à dépointer (à regarder dans tous les sens) permet d'améliorer nettement la résolution temporelle.

1.3.5. Images matricielles

Les images matricielles ou images bitmap nous intéressent car c'est le type d'images fournies par les capteurs des satellites, pour un traitement numérique. Elles consistent en une grille rectangulaire (matrice) de plusieurs points dont chacun d'eux a sa propre dimension. Il peut s'agir d'une dimension spatiale,

11

temporelle ou encore un niveau de résolution. Chaque point de la matrice correspond à un pixel (Bergounioux, 2015). Le pixel est l'élément élémentaire d'une image matricielle.

1.3.5.1. LES TYPES D'IMAGES MATRICIELLES On distingue trois types d'images matricielles :

a. Image binaire (noir ou blanc) : c'est une image dont les pixels ne peut avoir que deux valeurs de niveaux de gris : 0 ou 1, ces deux valeurs correspondant respectivement aux pixels noirs et aux pixels blancs (Barrault, 2021).

Figure 6. Image numérique binaire (Barrault, 2021, fig 9.3)

b. Image à niveau de gris (gray scale) : c'est le genre d'images dans lesquelles la valeur minimale d'un pixel est 0 (correspondant au noir), et sa valeur maximale est 255 (correspondant au blanc). Il y a donc 256 valeurs (teintes) de gris. Ce nombre (256) est lié à la quantification d'une image gray scale : le pixel est codé sur un octet.

Figure 7. Image gray scale (Bergounioux, 2015, fig. 1.2)

c. Image en couleurs : c'est celle qui est obtenue par la combinaison des trois couleurs dites primaires. On appelle couleurs primaires, les couleurs basiques, c'est-à-dire, celles dont la combinaison peut créer toutes les autres couleurs. Dans le spectre visible, il s'agit du bleu (B), du vert (V) et du rouge (R).

Dans une image en couleurs, chacune des trois couleurs est codée comme une image à niveaux de gris, avec des valeurs allant de 0 à 255. Ainsi, pour R=V=B=0, nous auront un noir pur, et pour R=V=B=255, nous auront un blanc pur.

La couleur d'un pixel est donc donnée par le mélange des trois composantes RV-B (Le pixel est par les valeurs numériques de ces dernières : la synthèse est

12

additive). Toutefois, il peut y avoir d'autres types de combinaison à par le RGB : Cyan-Mangeta-Jaune, Teinte-Saturation-Luminosité, etc. (Bergounioux, 2015)

· Modèle numérique de terrain (MNT)

Le modèle numérique de terrain (Digital Elevation Model en anglais) est une représentation de la topographie d'une région sous-forme d'une image matricielle. Chaque pixel de l'image donne l'information sur l'altitude au niveau du sol, par rapport à un système de référence terrestre (le plus souvent exprimé en mètres par rapport au niveau de la mer) (Zribi & Baghdadi, 2016).

2. Matériels et méthodes

2.1. Matériels

Les images satellites utilisées dans ce travail sont de deux types :

· Les images satellitaires de la zone d'étude fournies par le programme satellitaire Landsat 8 OLI ;

· Les modèles topographique, hydrologique et hydrographique de la zone d'étude (a servi dans la validation des linéaments) fourni par le module Digital Elevation Model (DEM).

C'est sur ces images qu'ont été effectuées, grâce à divers logiciels appropriés, les traitements nécessaires qui ont conduit à l'identification des linéaments

2.2. Méthodologie

De l'acquisition des images satellites jusqu'à la réalisation de la carte des linéaments du territoire de Masisi, un ensemble de traitements informatiques a été effectué sur les images grâce aux logiciels appropriés. La figure 8 reprend les étapes principales qui ont conduit à la réalisation des cartes des linéaments :

Figure 8. Plan de traitement

13

14

2.2.1. Acquisition d'images de la zone d'étude

Les images satellites utilisées dans ce travail ont été obtenues à partir du programme satellitaire Landsat 8 OL1. Elles datent du 10 Septembre 2020 aux environs de 17 heures, téléchargées depuis le site officiel du U.S Geological Survey. La figure 10 correspond à l'image à niveau de gris du territoire de Masisi :

Figure 9. Image satellite gray scale de la zone d'étude

Le tableau 2 reprend les principales caractéristiques des images fournies par le satellite Landsat 8 OLI :

Tableau 2. Caractéristiques des images par bande (U.S Geological Survey, 2022, table 1)

Désignation

Bandes

Longueurs d'onde

(m)

Résolution spatiale
(um)

Côtière/Aérosol

Bande 1

0.43-0.45

30

Bleu

Bande 2

0.45-0.51

30

Vert

Bande 3

0.53-0.59

30

Panchromatique

Bande 8

0.50-0.68

15

Rouge

Bande 4

0.64-0.67

30

PIR

Bande 5

0.85-0.88

30

Cirrus

Bande 9

1.36-1.38

30

IR-moyen 1

Bande 6

1.57-1.65

30

IR-moyen 2

Bande 7

2.11-2.29

30

Thermique

Bande 10

10.60-11.19

100

Thermique

Bande 11

11.50-12.51

100

 

2.2.2. Traitement d'images

Cette étape est un ensemble de deux sous-étapes, notamment :

15

- Le prétraitement

- Le traitement proprement dit 2.2.2.1. Le prétraitement

Le prétraitement consiste à opérer différentes corrections. En effet, la valeur d'un pixel peut être influencée par un certain nombre de paramètres. Il peut s'agir l'angle d'élévation du soleil, la distance terre-soleil, la calibration des capteurs, les conditions atmosphériques et la géométrie de visée (Eckhardt et al., 1990, cités dans Lounis & Belhadj Ai Saa, 2005). C'est ainsi qu'on distingue deux types des corrections : les corrections géométriques et les corrections radiométriques. Le capteur OLI a l'avantage de fournir des images contenant préalablement les corrections géométriques. Donc, dans ce travail, le prétraitement consistera juste aux corrections radiométriques.

· Corrections radiométriques

L'image fournie par le capteur n'ayant pas fait abstraction de l'interaction, il faut effectuer des corrections dites atmosphériques. C'est le premier type de correction radiométrique. L'autre facteur dont il faut tenir compte, à part l'état de l'atmosphère, c'est les caractéristiques du capteur.

Pour Sitayeb (2019), il est nécessaire de procéder aux quatre étapes ci-après afin d'effectuer les corrections radiométriques :

- suppression des perturbations dues au capteur afin de restituer les contrastes se trouvant entre les objets ;

- Transformation des données enregistrées par le capteur en grandeurs physiques par l'introduction des coefficients d'étalonnage ainsi que par la considération des conditions d'acquisition (résolutions du capteur, position par rapport au soleil, etc.)

- Application des corrections atmosphériques : les données relatives à la réflectance de la cible sont obtenues en supposant une surface fictive plane et horizontale ainsi qu'un éclairement uniforme et constant.

- Application des corrections topographiques afin d'obtenir les propriétés optiques réelles de la cible.

2.2.2.2. Le traitement proprement dit

Il comprend les opérations de création de la bande composite, du rehaussement, de l'extraction des linéaments et de la validation des linéaments.

v

16

Création de la bande composite

Cette opération consiste à utiliser trois bandes (canaux) du capteur pour effectuer une synthèse chromatique, par addition des trois couleurs correspondant aux bandes. Ces dernières sont choisies par l'utilisateur en fonction de l'objectif encouru (Richards, 1986, cité dans Bonn, 1994).

On distingue principalement deux manières de constituer la bande composite.

· La composition colorée en couleurs naturelles : elle consiste à l'utilisation des bandes correspondant aux trois couleurs primaires, c'est-à-dire le rouge, le vert et le bleu (dont les bandes sont respectivement B4, B3 et B2 pour le capteur OLI). Le résultat est une image affichée avec des couleurs dites naturelles, correspondant à celles avec lesquelles l'oeil humain perçoit les objets.

· La composition colorée en fausses couleurs : se dit lorsqu'au moins l'une des couleurs primaires n'est pas utilisée, en considération d'une autre couleur (non primaire). Ce genre de composition colorée se fait dans un but bien spécifique.

Pour une meilleure étude des linéaments, nous avons opté pour les bandes B7-B6-B2 car elles mettent en évidence les ombrages, définissant la topographie et les réseaux hydrographiques souvent dus aux structures géologiques.

v Rehaussement

Cette opération est nécessaire dans l'analyse et l'interprétation visuelles des images du fait qu'elle permet d'améliorer leur lisibilité en renforçant certains aspects spécifiques. Cela peut inclure l'ajustement du contraste, le filtrage spatial, etc. (CCT, 2019).

Dans ce travail, deux opérations ont été principalement effectuées pour le rehaussement : la création des néo-canaux ainsi que les filtrages.

· Analyse en composantes principales

Les données fournies par les différents canaux du capteur contiennent souvent des similitudes. La technique d'analyse en composantes principales permet de décorréler ces différentes informations (Ouahabi, 2012), en les combinant et créer ainsi des néo-canaux (Pumain, 1991). Ces derniers peuvent contenir jusqu'à 97% de l'ensemble des données initiales (Deslandes, 1989, cité dans Lacina, 1996).

Cette technique est appropriée pour le rehaussement d'une image multispectrale destinée à une analyse géologique (Biémi et al, 1991, cités dans Lacina, 1996).

17

Dans ce travail, la génération des composantes principales (CP) a été faite par le logiciel ENVI 5.3. Ainsi nous sommes passés des neuf bandes initiales à trois bandes contenant la quasi-totalité d'informations.

· Filtrages

Le bruit dans une image est défini comme l'ensemble des données inutiles empêchant sa bonne lisibilité. Le filtrage est une méthode qui permet d'éliminer le bruit. Les géologues s'intéressent à la différentiation de texture dans les images, comme les contours de zones relativement homogènes qui peuvent constituer une indication de la présence de cassures. Le rehaussement des linéaments consiste à déceler les zones de fortes transitions de réflectance sur la cible ainsi que les hautes fréquences spatiales qui leur s'en suivent dans la plupart des cas (Lacina, 1996).

Grace au filtre directionnel de Sobel du logiciel ENVI 5.3 nous avons appliqué un filtrage par convolution.

§ La convolution

La convolution est l'opération qui permet l'application des filtres sur une image. Ces filtres sont dits, masques (filtres) de convolution (Rey, 2015).

Nous avons vu que les images numériques sont constituées de pixels arrangés sous-forme d'éléments d'une matrice (Bergounioux, 2015). Filtrer une image revient à parcourir tous ses pixels un par un, afin d'en déterminer leurs nouvelles valeurs respectives de niveau de gris. Ces valeurs dépendent bien évidemment du masque de convolution utilisé, mais aussi des valeurs de niveaux de gris des pixels voisins à celui dont on cherche la nouvelle valeur. (Moore & Frederic, cités dans Yang'tshi et al., 2018).

Figure 10. Application d'une convolution sur une image (Barrault, 2015)

Dans notre travail, les différents masques de convolution appliqués sont sous-forme matricielle, et sont dits matrices de convolution. Ces dernières peuvent être utilisées pour le floutage, l'amélioration de la netteté de l'image, le gaufrage, la détection des contours, etc. (Lacina, 1996). Les caractéristiques spécifiques d'un

18

filtre dépendent des valeurs des coefficients assignées à la matrice de convolution (Caloz et Collet, 2001).et de la dimension de cette dernière (Lacina, 1996)

Comme on peut le remarquer sur la figure 10, « le niveau de gris de chaque pixel à l'intérieur de la fenêtre mobile sur l'image est multiplié par la valeur correspondante de la matrice de convolution. La valeur finale attribuée au pixel central représente la somme de ces produit divisée par le nombre d'éléments de la fenêtre. L'image résultante (dite convoluée) provient de la convolution de la fenêtre sur l'image entière » (Yang'tshi et al., 2018).

Il est nécessaire de procéder à plusieurs filtrages suivant plusieurs directions pour prendre en compte le plus de linéaments possibles. Pour ce travail, les directions pour lesquelles les filtrages ont été appliqués sont par rapport au Nord, celles de 0° (N-S), 45° (N.E-S.W), 90°(E-W) et 135° (S.E-N.W). Le tableau 3 contient les différents noyaux utilisés :

Tableau 3. Matrices de convolution utilisées

Noyau directionnel 3x3 pour 0°

Noyau directionnel 3x3 pour 45°

-1.0000

0.0000

1.0000

-1.41420

-0.70710

0.00000

-1.0000

0.0000

1.0000

-0.70710

0.00000

0.70710

-1.0000

0.0000

1.0000

0.00000

0.70710

1.14142

Noyau directionnel 3x3 pour 90°

Noyau directionnel 3x3 pour 135°

-1.0000

-1.0000

-1.0000

0.00000

-0.70710

-1.41420

0.0000

0.0000

0.0000

0.70710

0.00000

-0.70710

1.0000

1.0000

1.0000

1.14142

0.70710

0.00000

L'avantage d'utiliser les filtres directionnels est que ces derniers créent un effet optique d'ombre qui facilite l'identification des linéaments (Marion, 1987, cité dans Lacina, 1996), mais aussi ces filtres permettent d'améliorer la perception des linéaments qui ne sont pas bien éclairés par la source d'éclairement (Drury, 1986, cité dans Lacina, 1996).

v Extraction des linéaments

Pour une meilleure visibilité des linéaments après leur rehaussement par les

diverses méthodes que nous avons énumérées dans les points précédents, il faut passer à leur extraction. On distingue deux modes d'extraction des linéaments : l'extraction visuelle et l'extraction automatique.

·

19

La méthode visuelle : Après le rehaussent des linéaments, pour rendre ces derniers beaucoup plus visibles, on procède à leur traçage par la main ou à l'aide d'un logiciel de dessin.

· La méthode automatique : plutôt que d'utiliser des méthodes manuelles, des logiciels appropriés procèdent à l'extraction des linéaments de façon automatique. C'est la méthode qui a été utilisée dans le cadre de ce travail.

Nous avons utilisé le logiciel PCI Geomatics, via son module LINE. L'extraction des linéaments s'est faite dans un premier temps sur chacune des images filtrées selon les différentes directions, et ensuite, sur une carte (image) sur laquelle tous les linéaments extraits ont été représentés.

v Validation des linéaments

L'un des inconvénients de l'extraction automatique des linéaments est la non distinction par les logiciels des linéaments dont la présence en un lieu a une cause géologique et ceux (qu'on pourrait qualifier de « faux linéaments ») qui sont identifiés par les logiciels de traitement en tant que linéaments mais qui en réalité n'ont rien à voir avec la géologie. Cette deuxième catégorie des linéaments pourrait avoir une cause d'origine humaine telle que les routes, la limite des cultures, etc.

Le présent travail consistant à l'identification exclusive des linéaments géologiques, la validation des linéaments est un moyen approprié de les distinguer des linéaments d'origine humaine. Cette validation consiste à combiner les résultats obtenus après l'extraction automatique à des modèles qui sont en principe des données géoscientifiques existantes (géophysiques, géochimiques, géologiques, hydrogéologiques, topographiques).

Suite à une insuffisance des données géoscientifiques relatives au territoire de MASISI, dans le cadre de la validation des linéaments, nous nous sommes limités à la confrontation des linéaments d'après les modèles hydrographiques, hydrologiques et topographiques.

3. Résultats et discussions 3.1. Corrections radiométriques

Sur la figure 11, le résultat des corrections radiométriques :

a b

Figure 11. Corrections radiométriques. (a) Image non corrigée. (b) Résultat des corrections radiométriques.

3.2. Création de la bande composite

Grâce à l'algorithme « Layer Stacking » du logiciel ENVI 5.3, nous avons regroupé différentes bandes pour ne former qu'une seule image. Ainsi on a obtenu une composition colorée en couleurs naturelles (figure 12) et une composition composée en fausses couleurs (figure 13).

Figure 12. Bande composite en couleurs naturelles (B4-B3-B2)

20

21

Figure 13. Bande composite en fausses couleurs (B7-B6-B2)

3.3. Création des néo-canaux par l'analyse en composantes principales (CP)

Le tableau 4 ci - dessous présente le résultat des statistiques d'informations par bande :

Tableau 4. Statistiques d'informations des bandes

Composantes

Valeur propre

Pourcentage

CP1

1

293

233.12

98.93507

CP2

 

6

911.27

0.52873

CP3

 

6

427.23

0.49170

CP4

 
 

439.40

0.03361

CP5

 
 

104.70

0.00801

CP6

 
 

35.80

0.00274

CP7

 
 

1.84

0.00014

Total

1

307

153.36

100

D'après ces statistiques, on remarque que le canal correspondant à la CP1 contient la quasi-totalité d'informations. Ensuite viennent les canaux correspondant aux CP2 et CP3. Ainsi les sept bandes considérées ont été réduites aux trois composantes principales (figure 14).

a

b

c

22

Figure 14. Les composantes principales. (a) La CP1. (b) La CP2. (c) La CP3

3.4. Rehaussement de l'image par Sobel

Sur la figure 15, l'image CP1 rehaussée grâce à Sobel, de matrice 3 x 3. Nous avons rehaussé seulement la CP1 car d'après les analyses statistiques, elle renferme la quasi-totalité d'informations.

Figure 15. Image SOBEL de CP1

3.5. Filtrage de l'image Sobel par la convolution directionnelle

Sur la figure 16, le résultat de l'application des filtres directionnels de 0°, 45°, 90° et 135° sur la CP1

a

 

Figure 16 (a). Filtrage de CP1 dans la direction de 0°

23

b

c

d

24

Figure 16. Filtrages directionnels. (b) de 45° ; (c) de 90° ; (d) de 135°

3.6. Extraction automatique des linéaments

L'extraction s'est faite par l'entremise de l'algorithme « Lineament extraction » présent dans le logiciel PCI Geomatica. Nous avons pris en compte les images filtrées d'après les quatre directions (figure 16). Ci - dessous sur la figure 17, sont repris les paramètres d'extraction utilisés dans le cadre de cette étude.

Figure 17.Paramètres utilisés pour l'extraction automatique des linéaments

La figure 18 montre résultats de ce traitement.

a

 

25

Figure 18 (a). Linéaments extraits dans la direction de 0°

b

c

d

26

Figure 18. Linéaments extraits dans les directions de 45° (b), 90°(c) et 135° (d).

27

La figure 19 ci - dessous comprend tous les linéaments extraits grâce au filtrage de toutes les 4 directions.

Figure 19. Linéaments filtrés pour toutes les 4 directions choisies

3.6.1. Nombre et longueur totale des linéaments selon les directions

Dans le tableau 5, se trouvent les chiffres relatifs au nombre et à la longueur totale des linéaments, en fonction des directions choisies.

Tableau 5. Statistique des linéaments de la zone d'étude

Gradient
directionnel

Nombre de
linéaments

Longueur moyenne des
linéaments (en m)

1

N.W

113

1152.57

2

S

102

1229.52

3

N.E

106

1305.08

4

E

135

1399.25

Le plus grand nombre des linéaments se trouve dans la direction Est. C'est dans cette même direction que les linéaments ont la longueur totale la plus élevée.

28

3.7. Validation des linéaments

3.7.1. D'après les modèle hydrographique et hydrologique

Figure 20. Linéaments suivant l'allure des cours d'eau

Figure 21. Linéaments suivant le modèle hydrologique

De par la figure 20, nous remarquons qu'un très petit nombre de nos linéaments (une vingtaine d'après la table attributaire de nos linéaments) suivraient l'allure des cours d'eau. Le modèle hydrologique est donné à la figure 21.

3.7.3. D'après l'image DEM

Le module DEM a permis de visualiser le modèle topographique de la zone d'étude.

Figure 22.Confrontation avec le DEM

3.8. Carte finale des linéaments

Sur la figure 23, tous les linéaments représentés suivant leurs directions respectives. La région comporte 3 145 linéaments d'après la table des attributs visualisés dans ArcMap. Ce nombre assez élevé des linéaments confirme la présence du territoire de Masisi dans une zone dont l'activité tectonique est relativement intense.

Figure 23. Carte finale des linéaments

29

30

3.8 Orientation des linéaments

3.8.1 Les rosaces directionnels (rose diagrams) Nous avons généré deux types de rosace :

· Le premier tient compte des directions des linéaments. Les linéaments observés dans notre zone sont préférentiellement orientés NNE - SSW tel qu'illustré dans la figure 24.

Figure 24.Rose diagram tenant compte des directions des linéaments

· Le deuxième (figure 25) tient compte des longueurs des linéaments. Les linéaments de grande longueur sont orientés NNW - SSE (en orange) et WNW - ESE (en jaune) tel que nous le montre la figure

Figure 25.Rose diagram tenant compte des longueurs des linéaments

31

3.9 Carte de la densité des linéaments

La région est caractérisée par trois zones :

· la zone à intense fracturation, dont le nombre moyen de linéaments est supérieur à 4.22 ;

· la zone à moyenne fracturation, dont le nombre moyen de linéaments est compris entre 2.11 et 4.22 ;

· la zone à faible fracturation, dont le nombre moyen de linéaments est inférieur à 2.11.

Sur la figure 26, on peut remarquer que la faible fracturation domine toute la région.

Figure 26. Carte de la densité des linéaments

C'est au N.E de la zone d'étude que se trouve une forte densité des linéaments

32

Conclusion

Après l'étape du traitement, il a été établi certaines données statistiques démontrant un nombre assez élevé de linéaments. C'est dans la direction NNE-SSW que les linéaments sont préférentiellement orientés. Mais aussi, les linéaments des plus grandes longueurs sont orientés NNW-SSE suivie de la direction WNW-ESE.

La validation des linéaments suivant les modèles topographiques, hydrographiques et hydrologiques a permis de contourner l'insuffisance des données géoscientifiques fiables de la zone d'étude D'un autre point de vue, la celabiregeya a permis de ne pas prendre en compte dans les résultats, les éléments (telles que les routes, les limites de plantations, etc.) susceptibles d'être confondus aux linéaments géologiques.

Les résultats obtenus dans ce travail sont perfectibles du fait qu'ils peuvent être confirmés par une comparaison avec les données géoscientifiques prélevées sur terrain. En effet, le territoire de MASISI est encore sous exploré du point de vue géologique pour plusieurs raisons dont le manque d'infrastructures routières, l'instabilité territoriale, etc. D'autres méthodes appropriées telles que la gravimétrie et la magnétométrie, susceptibles de réaliser la cartographie des linéaments du territoire de MASISI et son interprétation, peuvent compléter ce travail.

33

Bibliographie

Antoine, R., Lopez, T. (2017). Télédétection dans l'infrarouge thermique [Article], 47 p.

Barrault, F. (2021). L'essentiel de l'informatique en prépa scientifique : Cours, Ellipses, 300 p.

Bergounioux, M. (2015). Introduction au traitement mathématique des images - méthodes déterministes. Belgique : Springer Berlin Heidelberg, 241 p.

Biregeya, D. (2011). Tontines et développement dans le groupement Bashali-Mokoto à Masisi en RDC. [Mémoire de fin d'études]. Consulté le 25.05.2023 sur https://memoireonline.com/

Bonn, F. (1994). Télédétection de l'environnement dans l'espace

francophone. Canada : Presses de l'Université du Québec, 592 p.

Caloz, R., Collet, C. (2001). Précis de télédétection - Volume 3: Traitements numériques d'images de télédétection. Canada : Presses de l'Université du Québec, 403 p.

Centre canadien de télédétection (2019). Notions fondamentales de télédétection [Cours tutoriel], 266 p.

Dubois, J. (1999). Identification linéaments dans les images satellitaires par ajustement et suivi des segments [Projet]. Québec : Université du Québec, Ecole de Technologie Supérieure

Eugenio, F., Ruiz, J., Acosta, F. (2014). Manuel de télédétection spatial TELECAN [Manuel]. Universidad de Las Palmas de Gran Canaria, 337 p.

f1lb?entry=ttu

Google Maps. (2023). Territoire de Masis1. Consulté le 12.07.2023 sur https://www.google.com/maps/place/Masisi/@-1.3974797,28.6559469,246808m/data=!3m1!1e3!4m6!3m5!1s0x19dd8e822 da9543f:0xfdc1d2d2042d9949!8m2!3d-1.40122!4d28.7664408!16s%2Fm%2F0h

Hufty, A. (2001). Introduction à la climatologie : le rayonnement et la température, l'atmosphère, l'eau, le climat et l'activité humaine. Belgique : De Boeck, 542 p.

Kergomard, C. (1996). Pratique des corrections atmosphériques en télédétection : utilisation du logiciel 5S-PC [Article]. Consulté le 08 juillet 2023 sur https://journals.openedition.org/cybergeo/1679

34

Lachaine, G. (1999). Structures géologiques et linéaments, Beauce (Québec) : apport de la télédétection [Mémoire de master]. Sherbrooke : Université de Sherbrooke, Faculté des Lettres et Sciences humaines

Lacina, C. (1996). Interprétation structurale des linéaments par traitement d'image satellitaire : cas des sous-provinces d'Abitibi et d'Opatica (Québec) [Mémoire de master]. Sherbrooke : Université de Sherbrooke, Faculté des lettres et des sciences humaines.

Lounis, B., Belhadh Ai Ssa, A. (2005). Processus de correction radiométrique relative "PCRR" appliqué aux images Landsat TM multi-dates [Article], 7p.

NASA. (2023). What is Remote Sensing ? Consulté le 07 juillet 2023 sur https://www.earthdata.nasa.gov/learn/backgrounders/remote-sensing

Ouahabi, A. (2012). Analyse multirésolution pour le signal et l'image. France : Lavoisier, 326 p.

Pérez, J. (2008). Physique, une introduction. Belgique: De Boeck Supérieur, 492 p.

Pumain, D. (1991). Analyse spatiale et dynamique des populations. Royaume-Uni : John Libbey Eurotext, 457 p.

Rey, P. (2015). Filtrage des images avec Canvas 2D de HTML 5 : avec Netbeans 8. France : Books on Demand Editions, 236 p.

Sitayeb, T. (s.d). Télédétection : Application dans la dynamique du paysage. Algérie : Universtité Moulay Tahar.

Skoog, D. A., West, D. M., Crouch, S. R., Holler, F. J. (2015). Chimie analytique. Belgique : De Boeck, 1 066 p.

Terras, A. (2003). Précis de physique et électricité appliquées en

productique. France : Bréal, 191 p.

US Geological Survey (2022). Landsat-Earth observation satellites : US Geological Survey Fact Sheet 2015-3081, 4 p.

Yang'tshi, M., Nzambe, K., Lokilo, E., Ngungu, M., Matamba, R., Kunambu, C., Luemba, M., Kalonji, G., Mudumbi, H., Ngbolua, K. (2018). Contribution de l'imagerie Landsat 8 dans le répérage et la cartographie des linéaments aux environs de Madimba, dans l'Ouest Congolien (Kongo Central, République Démocratique du Congo). International Journal of Innovation and Scientific Research, Vol. 38, No. 2, pp. 192-202

Zribi, M., Baghdadi, N. (2016). Observation des surfaces continentales par télédétection III : Urbain et zones côtières. Royaume-Uni : ISTE Editions Limited, 361 p.






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Je ne pense pas qu'un écrivain puisse avoir de profondes assises s'il n'a pas ressenti avec amertume les injustices de la société ou il vit"   Thomas Lanier dit Tennessie Williams