3.4.2. Phase 2 : Etablissement des cartes de dégradation

Non classé

La procédure de cartographie de la dégradation est basée d’une part sur un choix judicieux des données et d’autre part sur l’extraction et la combinaison d’indices spectraux pertinents pour produire des cartes de dégradation des terres.

3.4.2.1. Choix des données

Les données utilisées dans le cadre de cette étude sont essentiellement des images satellitaires. D’autres types de données sont utilisés pour compléter les informations sur les cartes.

3.4.2.1.1. Les images satellitaires

Les images satellitaires permettent d’étudier tous les phénomènes visibles à la surface de la terre, et donc en particulier la surface des sols nus ainsi que les diverses occupations du sol selon la saison ou l’année. Il est possible de tenter une analyse spatiale ou structuration de l’espace à partir de ces documents en se basant sur des disciplines combinées telles que la télédétection, la pédologie, la statistique, la foresterie, l’agronomie, la cartographie etc.

Les images en couleur infra-rouge sont sensibles aux radiations du spectre visible et du proche infra-rouge. La végétation en cours de croissance absorbe les radiations situées dans le bleu et le rouge et réfléchit les radiations situées dans le vert et le proche infra-rouge.

Les images obtenues à partir de la composition de certaines bandes de systèmes SPOT et Alos ont permis d’établir les cartes de la dégradation à différentes périodes par-comparaison de teintes.

Les images utilisées dans le cadre de ce travail sont de deux types :

- ALOS, 10 mètres de résolution, datant de 2010,
- SPOT, 20 mètres de résolution, datant des années 1996 et 2000.

Ces images satellitaires qui couvrent complètement la région de Kaolack proviennent du projet CODEVAL. Elles couvrent une période d’observation allant de 1996 à 2010 soit 15 ans.

Elles utilisent différents capteurs satellitaires : SPOT-4 et ALOS-AVNIR2. Les caractéristiques techniques de ces deux capteurs offrent une bonne résolution spatiale et une acquisition multi spectrale couvrant les spectres optiques du visible et du proche infrarouge (Cf. Tableau 7)

Tableau 7 : Caractéristiques techniques des images Spot 4 et Alos Avnir

Caractéristiques techniques des images Spot 4 et Alos Avnir

Tableau 8 : Description des scènes SPOT et ALOS

Description des scènes SPOT et ALOS

Encadré 6 : Quels sont les avantages et les inconvénients des images satellitaires ?

Le tableau ci-dessous montre les avantages et les inconvénients des images satellitaires

Tableau 9 : Avantages et inconvénients des images satellitaires

Avantages et inconvénients des images satellitaires

Source : Didier M. V. (2008)

Remarque : Toutes les images utilisées sont déjà géoréférencées et ont subi un traitement jusqu’au niveau 2(20); c’est-à-dire que les images sont radiométriquement et géométriquement corrigées et sont rectifiées dans une projection cartographique (UTM WGS 84)

Il reste cependant le niveau 3 : où les images de niveau 2 sont orthorectifiées c’est-à-dire calées à partir de points de contrôle ou GCP (Ground Control Point).

3.4.2.1.2. Autres types de données

Les autres types de données utilisés sont des cartes, des images, des statistiques agricoles, des données pédologiques et des shapefiles.

Tableau 10 : Autres types de données

Autres types de données

3.4.2.2. Travaux de terrain

Les travaux de terrain organisés dans le cadre de l’étude du CODEVAL dans les régions de Fatick et de Kaolack, et auxquels nous avons pris part, nous ont permis d’obtenir des points de mesure pédologiques.

Au cours de ces travaux, nous avons participé à plusieurs rencontres avec les différents acteurs concernés par la dégradation des terres dans la région de Kaolack et de disposer d’une importante documentation portant sur la classification des sols et la réhabilitation des terres de la zone de l’étude (voir en annexe la liste bibliographique).

Les échanges avec les acteurs ont permis de cibler les principales unités de sols devant faire l’objet de sondages en vue des analyses de laboratoire.

Les travaux de sondage ont été menés du 06 au 10 septembre 2011. Ils ont principalement consisté à mener des observations pédologiques comportant :

- la réalisation et la description de sondages à la tarière sur les différentes unités pédologiques ciblées ;
- les mesures in situ du pH et de la conductivité électrique (CE) des eaux stagnantes et/ou de la nappe lorsque celle-ci est atteinte ;
- le repérage au GPS des sites d’observation.

Ces travaux de terrain ont permis de réaliser 12 sondages à la tarière uniformément répartis sur les différentes unités pédomorphologiques identifiées dans les 2 régions concernées. Les prélèvements effectués ont concerné 36 échantillons, comprenant en moyenne 3 horizons par profil.

Parmi ces sondages six (06) concernent la région de Kaolack.

3.4.2.3. Travaux de laboratoire

Les travaux de laboratoire ont été réalisés au laboratoire des sols du CNRA de Bambey. Les analyses ont concerné la granulométrie (3 fractions avec les éléments: argile, limon, sables), carbone total, azote total, pH et la conductivité électrique.

L’essentiel des résultats des études de sol sont repris dans ce rapport.

3.4.2.4. Extraction des niveaux de dégradation : calcul des indices spectraux

En télédétection, les indices font partie des méthodes de traitement que l’on appelle les transformations multispectrales. Ils consistent à convertir les luminances mesurées au niveau du capteur satellitaire en grandeurs ayant une signification dans le domaine de l’environnement.

Basés sur le caractère multispectral des données satellitaires, ils permettent de décrire l’état d’un phénomène.

Tous les indices, que ce soit les indices de végétation, les indices des sols, les indices relatifs à la colonne d’eau, etc., reposent sur une approche empirique basée sur des données expérimentales. Les indices de végétation sont très utilisés 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.

L’extraction de l’information par le calcul des indices spectraux par des combinaisons arithmétiques d’images multi spectrales a pour objectif de réaliser des néo-canaux (canaux de synthèse) qui maximisent l’information recherchée.

Les paramètres utilisés ici pour l’étude de la dégradation des terres par interprétation d’images satellitaires sont de deux sortes : végétale et pédologique. Nous avons utilisé deux paramètres végétaux, l’indice de végétation par différence normalisée (NDVI) et l’Indice de Végétation Transformé (TNDVI) et un paramètre pédologique, l’Indice de brillance (IB).

3.4.2.4.1. Détermination des indices unitaires

a. Le NDVI (Normalised Difference Vegetation Index)

L’indicateur le plus important en matière de végétation est l’indice de végétation qui donne des informations sur la végétation verte contenue dans l’image.

De très nombreux indices de végétation ont été construits et utilisés depuis maintenant une quarantaine d’années (Bannari et al., 1995). Ils prennent la forme soit d’expressions très basiques (simple différence ou simple ratio), soit de formules beaucoup plus complexes. On a l’habitude de les classer en familles d’indices selon qu’ils prennent ou non en compte les facteurs externes aux couverts végétaux, tels que l’influence de l’atmosphère, la contribution spectrale des sols, la teneur en eau des végétaux (indices de sécheresse), etc.

L’indice de végétation le plus connu et le plus utilisé est l’indice de végétation par différence normalisée ou indice de Tucker (NDVI en anglais) (Rouse and Haas, 1973 ; Tucker, 1979).

Les raisons de son utilisation fréquente tiennent principalement à sa simplicité de calcul, à son caractère normalisé et à sa réputation de moindre sensibilité vis à vis de facteurs externes tels que les propriétés optiques du sol, la géométrie de l’éclairement ou les effets atmosphériques.

Le NDVI se calcule avec les bandes Rouge et Proche Infra Rouge selon la formule (PIR-R)/(PIR+R). Pour les images Spot c’est la bande 2 (rouge) et la bande 3 (proche infrarouge). Pour les images Alos c’est la bande 3 (rouge) et la bande 4 (proche infrarouge).

Son expression est la suivante :

Formule

La normalisation par la somme des deux bandes (au dénominateur) permet de réduire les effets d’éclairement. Le NDVI conserve une valeur constante quel que soit l’éclairement global, contrairement à la simple différence qui est très sensible aux variations d’éclairement.

Pour les sols nus, les réflectances étant à peu près du même ordre de grandeur dans le rouge et le proche infrarouge, le NDVI présente des valeurs proches de 0. Les formations végétales quant à elles, ont des valeurs plus élevées.

b. L’Indice de Végétation Transformé (TNDVI)

L’Indice de Végétation Transformé ou Transformed Normalized Difference Vegetation Index (TNDVI) (Deering et al., 1975)

Il se calcule avec les bandes Rouge et Proche Infra Rouge selon la formule Sqrt ((Bande PIR-Bande R/Bande PIR+Bande R) + 0.5).

C’est un Indice semblable au NDVI qui permet d’étudier la biomasse.

La transformation a un double but :

Éliminer les valeurs négatives et stabiliser la variance du rapport (grâce à la racine).

c. L’Indice de Brillance (IB)

C’est un indicateur de la teinte des sols nus et des roches.

Son expression est la suivante:

Formule1

L’IB met en évidence :

- l’humidité des sols ;
- les rugosités de surface ;
- la couleur des sols ;

Pour plus de détails sur les indices spectraux voir l’annexe 2.

3.4.2.4.2. Normalisation ou égalisation d’histogramme

Notre approche étant qualitative, les valeurs de contraste des pixels obtenus lors des calculs des indices qui sont comprises dans des intervalles de valeurs différentes sont normalisées pour pouvoir les combiner et procéder à une classification.

L’objectif de la normalisation des contrastes est de permettre l’intercomparaison des données acquises à différentes dates et différents lieux géographiques, et par différents instruments d’observation.

Nous avons utilisé la méthode de la transformation linéaire. Elle consiste en un étirement ou étalement des valeurs de tous les indices obtenus sur les nouveaux minimum (en général 0) et maximum (en général 255).

Transformation linéaire des contrastes

Figure 5 : Transformation linéaire des contrastes

3.4.2.4.3. Combinaison des indices

Nous avons ensuite combiné les différents indices spectraux pour obtenir un indice synthétique sur une image permettant d’apprécier les niveaux de dégradation.

Cette méthode permet de lever les ambigüités des uns (indices) par l’utilisation des autres. Par exemple, l’IB mélange les espaces très humides de végétation avec les surfaces en eau alors que certains types de végétation très réfléchissants peuvent se confondre avec les espaces construits.

La formule qui a été utilisée est la moyenne de la somme des différents indices pour les différentes années.

3.4.2.4.4. Rehaussement du contraste local, le filtrage d’image

Après l’étape de combinaison des indices, pour chaque image résultante, nous avons amélioré les limites par filtrage.

Le filtrage d’image est simplement une modification des fréquences spatiales (contrastes locaux) où l’on transforme la valeur radiométrique d’un pixel considéré par rapport à ses voisins pour faire ressortir ou pour supprimer des détails de l’image.

Le but du filtrage d’image est essentiellement de supprimer, d’atténuer ou d’accentuer les fréquences spatiales en vue de rendre plus nets les thèmes linéaires ou les contenus de deux ou plusieurs thèmes contigus pour une bonne interprétabilité de l’image.

Cette amélioration locale se fait à l’aide des filtres dont la base est la convolution.

Une convolution est un traitement d’une matrice par une autre appelée matrice de convolution ou « noyau ».

Un filtre (ou masque de convolution ou boîte de filtre) unidirectionnel dans une fenêtre 3 * 3 est utilisé.

Le filtre étudie successivement chacun des pixels de l’image. Pour chaque pixel, que nous appellerons « pixel initial », il multiplie la valeur de ce pixel et de chacun des 8 pixels qui l’entourent par la valeur correspondante dans le noyau. Il additionne l’ensemble des résultats et le pixel initial prend alors la valeur du résultat final.

3.4.2.4.5. Classification selon la valeur de l’indice

Les valeurs de l’indice résultant des opérations précédentes sont réparties en 5 classes de 1 à 5 dans une composition colorée correspondant à cinq (05) niveaux d’intensité de dégradation.

Tableau 11 : Classification des niveaux de dégradation

Classification des niveaux de dégradation

3.4.2.4.6. Réalisation des cartes images thématiques proprement dite

Cette étape a d’abord comporté un important travail de traitement des données et de rédaction cartographique.

A ce niveau, la base de données cartographiques de l’étude Cartographie et Télédétection des Ressources de la République du Sénégal, Etude de la Géologie, de l’hydrologie, des sols de la végétation et des potentiels d’utilisation des sols et celle de la DTGC ont constitué une importante source d’informations.

Elles ont permis de disposer d’une part d’informations (administrative, physiographique, occupation du sol) pour compléter les cartes thématiques et d’autre part d’éléments de comparaison (limite, intensité de la dégradation) dans le temps et dans l’espace de la dégradation des terres.

Au total, quatre (04) types de cartes de synthèse ont été produits :

- une carte de la dégradation des terres en 1996, 2000 et 2010 ;
- une carte de la dynamique de la dégradation de 1996-2000, 2000-2010 et 1996-2010 ;
- une carte de la vitesse de la dégradation des terres de 1996-2000, 2000-2010 ;
- une carte de la variation de la vitesse de la dégradation des terres de 1996-2000, 2000-2010.

20 Les images satellites sont conçues pour être retravaillées. Elles nécessitent donc souvent des retraitements

Page suivante : Chapitre 4 : Analyse des résultats et discussions

Retour au menu : Application de la Télédétection aérospatiale pour l’évaluation de la dégradation des ressources naturelles : cas des sols de la région de Kaolack située dans le Bassin arachidier du Sénégal