La constitution de la base de données est l’étape majeure de ce travail. Ce chapitre en décrit les différentes étapes de traitement des images SPOT, en tant que données brutes pour l’extraction des classes d’occupation du sol, mais aussi en tant qu’informations historiques sur les champs d’extension de crues.
Ce paragraphe aborde les trois étapes préliminaires à toute analyse thématique, à savoir la correction géométrique, puis radiométrique pour finir par le mosaïquage lorsqu'il est nécessaire.
Pour les travaux concernant le territoire français, le SERTIT utilise la projection Lambert, rapportée à l’ellipsoïde de Clarke 1880, employée par l’Institut Géographique National (IGN) dans la réalisation de ses cartes topographiques. Celles-ci sont d’ailleurs très souvent la source des données géodésiques utilisées pour le calcul des transformations géométriques.
Dans la majorité des cas, les images sont géoréférencées par orthorectification et référencement relatif à une image déjà rectifiée. Le contrôle est réalisé grâce aux données exogènes (cf. Chapitre 5, §1.3) ou aux données antérieures.
Quelles que soient les méthodes de calcul et de contrôle utilisées, la précision de l’orthorectification ou d’une mosaïque est logiquement de l’ordre de la taille d’une cellule de résolution. De plus, l’othorectification est fortement conditionnée par la précision et la résolution du modèle numérique de terrain employé (ici, la précision altimétrique est de 10m pour une résolution de 20m), par la méthode de détermination et d’intégration des distorsions géométriques du système d’acquisition.
avec,
: réflectance pour la bande spectrale (l1, l2) considérée
: distance Terre – Soleil
: mesure enregistrée par le capteur dans la bande spectrale (l1, l2)
: constante solaire équivalente dans cette même bande spectrale, indiquée dans l’en-tête du fichier SPOT
: angle zénithal solaire
: coefficient d’égalisation (gain)
Des calculs plus simples, exposés dans [BONN et ROCHON, 1993], utilisent des coefficients issus de mesures simultanées au passage du satellite et les coefficients de calibration, mais ne sont pas employés ici.
Sur une même trace, le capteur HRVIR conserve un même gain. Or pour cette étude, nous utilisons quatre images, sur deux traces adjacentes. En préalable au calcul de la mosaïque, un ajustement linéaire est réalisé, afin de pallier aux différences résiduelles de réflectance, liées au gain sur chaque trace. On s’assure de cette façon qu’un même type d’occupation du sol aura une même sur l’ensemble de la mosaïque.
Le calcul se base sur une simple analyse de corrélation entre les deux traces dans la bande de recouvrement. On y procède à un échantillonnage de parcelles type, permettant de couvrir au maximum la gamme de variation des radiométries dans chaque bande.
L’extraction des valeurs moyennes de réflectance de ces surfaces permet d’établir les courbes de corrélation entre les deux traces. Suite à l’étape précédente de normalisation radiométrique, la relation est linéaire et le coefficient directeur très proche de 1. L’une des deux est alors prise comme référence radiométriques, et l’autre y est ramenée, par l’intermédiaire du coefficient directeur de la droite de régression obtenue.
Une telle opération étant réalisée sur une bande large de quelques kilomètres, au bord de la scène, elle suppose l’absence de dérive de sensibilité de la barrette de détecteurs, ce qui est le cas avec les images pré-traitées (cf. §1.2.3) et transformées en données exo atmosphériques.
L’opération finale consiste alors à assembler les diverses scènes qui composent la mosaïque. Le contrôle géométrique du résultat se fait tout d’abord par photo-interprétation sur les zones de jonction, puis par l’emploi de données exogènes (fichiers vecteur…) ou antérieures.
Les deux graphiques présentés en annexe C montrent les valeurs observées dans les quatre canaux Xi en mai pour diverses classes d’objets. C’est grâce à ce type d’informations que l’on peut élaborer les procédures de seuillage et d’indexation pour isoler ces classes. L’analyse des apports informationnels des indices présentés ci-dessous est abordée en préliminaire à la méthodologie d’extraction des classes (§3.1).
Le premier, baptisé IVN, issu des traitements appliqués à l’imagerie SPOT 3, emploie et oppose les canaux rouge et proche infrarouge (PIR). Il exploite la forte absorption par la végétation du rouge (XI2) et la sensibilité du proche infrarouge (XI3) à la structure mésophyle des feuilles [BONN, 1996].
En complément de l’indice de végétation normalisé (IVN), le SERTIT a développé un autre indice employant les nouvelles capacités de SPOT 4, à savoir le Moyen Infra Rouge (MIR). L’indice de végétation normalisé différentiel (IVND) combine l’opposition des canaux rouge et PIR avec l’opposition MIR et PIR [BARET & ANDRIEU, 1994]. Pratiquement, il combine l’indice IVN au NDVI3, afin d’exploiter au maximum le pic de la végétation dans le PIR (red edge).
Indice de brillance
Cet indice présente une sensibilité certaine à l’humidité des sols, l’augmentation de la teneur en eau s’accompagnant d’une diminution de la pureté et de la luminance de la couleur.
Indice d’humidité normalisé
L’emploi de cet indice se justifie par l’observation que l’augmentation de la teneur en eau d’un sol induit une baisse de luminance plus forte dans les grandes longueurs d’ondes que dans les courtes.
Indice Red Edge – Leaf Water Content
Ce troisième indice fait référence à la végétation et rend compte à la fois de l’activité chlorophyllienne et de l’état hydrique des plantes. De plus, des études antérieures ont montré une moins grande sensibilité aux effets atmosphériques que le classique NDVI.
En composition colorée, ces indices permettent une bonne discrimination des unités hydro-pédologiques, en faisant ressortir, par exemple, ressortir leur hydromorphie. Une telle image permet alors de procéder à une classification détaillée des sols nus. D’autres approches sont présentées par [KING, 1985].
Global Environnement Monitoring Index (GEMI) [BANNARI et al., 1995]
Ce procédé implique le calcul des vecteurs unitaires des droites thématiques. Pour en obtenir les coordonnées, on utilise des sites d’échantillonnage, ce qui sous entend la nécessité d’un bonne connaissance du milieu analysé, et ne repose pas sur la répartition statistique des valeurs spectrales.
La valeur moyenne des réflectances, dans chaque bande, sur ces sites permet le calcul des coefficients. Concernant la première droite, dite ‘droite des sols’, celui-ci doit être des plus rigoureux, car il conditionne les résultats ultérieurs [CLANDILLON et al, 1995a] [JACKSON, 1983].
Im = Am,1 X1 + Am,2 X2 + … + Am,n Xn
où, Am,i = ti / T,
où T est un facteur de normalisation
avec ti = (Xm – Xs)i – (Dm,1 A1,i + Dm,2 A2,i + … + Dm,j Aj,i)
Xm = point représentatif d’indice m
Xs = point sur la droite des sols
et,
Le produit scalaire D permettant la normalisation des axes est, pour l’indice m sur un espace de n canaux, décrit par :
pour k = (1,m) et j = k – 1
Selon la typologie des sites d’échantillonnages, la combinaison caractérise des aspects physiques précis mais se base obligatoirement sur la détermination de la droite des sols. La méthodologie donne finalement une marge de manœuvre confortable à l’interprète quant aux informations qu’il peut dégager et exploiter.
La combinaison utilisée pour cette étude, ainsi que l’analyse de ses apports, sont présentés dans la suite (§3.2.2). [JACKSON, 1983] présente, en appendice, un autre exemple de dérivation d’axes thématiques proches du Tasseled Cap, dont il utilise la terminologie.
, éclairement incident à longueur d’onde l
, éclairement absorbé par l’eau
, exitance de l’eau due à la réflexion spéculaire
, exitance de l’eau due au processus de diffusion
Grâce à cela, on peut établir l’expression des composantes de réflectance dues, d’une part à la réflexion spéculaire (SP) et d’autre part, à la diffusion en volume (V) :
Les lois d’absorption et de diffusion de la lumière par l’eau montrent que dans l’infrarouge les rayonnements sont totalement absorbés sur de petites épaisseurs : quelques centimètres à quelques décimètres pour le PIR, quelques millimètres pour le MIR [GUYOT, 1989].
De la même façon, l’eau qui s’étend sur les champs d’inondation présente des caractéristiques physico-chimiques, hydrauliques, et par conséquent radiométriques, qui lui sont spécifiques. En effet, ces eaux circulent à vitesse réduite, sous forme de lames de faibles épaisseurs, comparativement à la profondeur du réseau hydrographique en conditions normales. Elles sont également beaucoup plus chargées en matières organiques et en particules solides en suspension.
Ces deux constatations permettent de formuler des hypothèses d’extraction des zones inondées basées d’une part sur les propriétés radiométriques générales de l’eau, et d’autre part sur les modifications qu’elles subissent du fait de la particularité des écoulements de crues. On peut alors exploiter le pic d’absorption dans le canal Xi1, ainsi que les variations des indices Gram Schmidt [CLANDILLON et al., 1995b]. D’autres méthodes d’extraction des zones inondées exploitent les variations de la saturation suite à transformation en intensité-teinte-saturation (IHS) [THOLEY & DE FRAIPONT, 1991] ou les résultats de l’analyse en composantes principales [CLANDILLON et al., 1995b].
Une telle méthode écarte tout procédé mathématique de classification automatique et cherche à exploiter la segmentation intrinsèque des images satellites. Elle est par conséquent fondamentalement différente des méthodes usuelles de classification supervisée et non supervisée. On peut finalement qualifier cette méthode d’analyse physique de l’occupation du sol par méthode de seuillage empirique [MARQUAILLE, 1999].
D’autre part, les images utilisées, acquises après une longue période sèche, semblent souffrir de la baisse de luminosité du début de l’automne. Par conséquent, nous constatons une diminution des différences relatives de réflectances entre les objets, nous poussant à extraire des classifications antérieures, des classes génériques. Celles-ci sont employées soit pour limiter l’application des seuils, soit pour exclure leur application dans certaines zones et éviter la reprise manuelle systématique.
L’intégration d’une image de juin 2000 à la base de données a permis de confirmer certains de ces choix, mais pas de lever les ambiguïtés issues d’une classification mono-date.
Figure 3.2 – Le spectre continu de chaque élément, base de l’extraction des classes [NASA@]
Tous les traitements, appliqués aux produits de l’imagerie satellite et développés dans ce chapitre, sont réalisés grâce au langage de programmation Spatial Modeler du logiciel de traitement d’images ERDAS Imagine.
Le calcul se base sur la saisie et l’analyse de quatre types d’échantillons :
La définition des échantillons sur les sols est réalisée le plus finement possible, compte tenu des contraintes formulées dans la présentation de la méthodologie (§2.2.1). Ces contraintes sont beaucoup moins fortes pour la végétation. En effet, [JACKSON, 1983] montre le peu d’influence de l’état de la végétation sur le résultat final, en se basant sur une étude menée sur des cultures à différents stades phénologiques et différents niveaux de stress hydrique.
Les surfaces en herbe ont été choisies comme référence pour les surfaces végétales. Puisqu’elles n’effectuent pas de régulation stomatique et maintiennent continuellement une évapotranspiration maximale (ETM), la climatologie les utilise pour définir l’évapotranspiration potentielle (ETP). Le vecteur Végétation est alors basé sur des surfaces dont l’activité végétale est maximale.
Tableau 4 – Combinaison de canaux Xi issue de la procédure Gram Schmidt - Image de septembre 1999
De la même façon, le vecteur humidité oppose les canaux du visible aux canaux de l’infrarouge. Les caractéristiques des bilans énergétique et hydrique (Chapitre 1, §2.1.2 ; §2.1.3) sont effectivement mises en évidence et exploitées dans cette combinaison.
Conformément à ce qui a été exposé précédemment (Chapitre 1, §2.1.3), l’indication d’humidité reste de nature qualitative, ne se basant que sur son influence sur la réflectance de la surface. L’indication quantitative ne peut être effectivement abordée que par les systèmes radars, dont les longueurs d’onde possèdent la propriété de pénétrer une épaisseur de sol, fonction dépendant de la teneur en eau [FELLAH, 1997], [ZINE, 1999]. Cependant, les capacités de cet indice restent très intéressantes en périodes de hautes eaux pour détecter les surfaces inondées et les sols anormalement humides.
Cette analyse succincte des apports insiste sur la réalité physique de cette procédure et des thèmes qu’elle peut discriminer. De plus, en tenant compte des variations de réflectances annuelles sur les valeurs des coefficients, on peut parler de combinaison de vecteurs thématiques, à base physique et composante régionale.
Ce produit est scindé en deux niveaux d’agrégation, dont l’utilité et les contenus sont explicités plus bas au paragraphe 3.5. Le premier (Niveau général) ne dispose que des grandes classes génériques, alors que le second (Niveau détaillé) intègre toutes les sous-classes qui sont mises en évidence. Celles-ci sont présentées dans les paragraphes qui suivent.
Compte tenu de ces informations, nous réalisons un premier seuillage sur les indices de végétation normalisés (IVN et IVND), complété par l’apport d’information des canaux bruts Xi 2, 3 et 4. Les problèmes majeurs, qui peuvent engendrer des imprécisions sur la position de ces zones, sont dus :
Cependant, l’ouverture du système vers les risques naturels au sens large amène à considérer ces distinctions, au sens de l’aléa constitué par les feux de forêts. Les événements météorologiques des 26 et 27 décembre derniers, et les dégâts dont ils se sont rendus responsables, sont un argument en faveur de l’intégration de cette discrimination. Les besoins de la Sécurité Civile se sont d’ailleurs exprimés en ce sens à ce propos. Par conséquent, la nature des peuplements forestiers fait partie des informations qui seront incorporées dans la classification.
L’emploi complémentaire des scènes de juin 2000 et des travaux antérieurs ont permis d’isoler dans ces deux classes les prairies des zones de cultures annuelles [MAJOR et al., 1994]. Les deux images de la base de données ayant été acquises au cours de deux années agricoles différentes, la segmentation selon les pratiques culturales semble très peu justifiée. D’autant plus que les exigences de GENESIS autorisent à limiter la segmentation des surfaces agricoles à ce stade. On adopte de fait une certaine appréciation de la valeur économique, et donc de la vulnérabilité de ces classes d’occupation du sol.
Enfin, la classe ‘Vignes et vergers’ est importée d’une classification (1995). Cette opération se justifie par deux raisons majeures. Tout d’abord, l’extraction de cette classe nécessite une très lourde étape de photo-interprétation du fait de sa spécificité biophysique et de la grande variabilité des réponses radiométriques. Ensuite, l’exploitation d’une parcelle viticole s’étale sur de nombreuses années, et les critères de qualités qui en découlent, tels que les Appellations d’Origine Contrôlée, sont liés au terroir. On a donc, vis-à-vis des emprises et localisations géographiques, une stabilité qui permet de considérer cette classe comme valide pendant plusieurs années.
Ces espaces végétalisés particuliers sont intégrés dans une classe spécifique, les espaces verts urbains, établie à partir de la définition d’un masque d’emprise urbaine global.
Figure 3.3 – Mélange de la réponse spectrale en milieu urbain [UREF, 1997]
Pour le système GENESIS, cette thématique permet de mieux considérer l’espace urbain, c’est-à-dire plutôt une succession de différentes entités géographiques à fortes valeurs économiques qu’une masse indifférenciée plaçant tout au même niveau de vulnérabilité. Son intégration se motive essentiellement par une meilleure appréciation de la vulnérabilité et donc, de l’impact de différents types de risques.
Afin de pallier à ce défaut, une classe générique ‘minéral – urbain’ a été réalisée, à partir d’une fusion de classifications antérieures. Les problèmes résiduels consistent alors en :
A l’intérieur des zones urbanisées ainsi délimitées, nous avons procédé à la discrimination de deux classes : le tissu urbain dense (centres villes…) et le tissu urbain discontinu (lotissements…) par l’emploi d’une combinaison linéaire des canaux Xi, issue d’une analyse en composantes principales antérieure sur la même zone.
Ces deux classes sont complétées par une troisième, intitulée ‘Végétation Présente (VP)’, caractérisée par un fort mélange des réponses spectrales de surfaces minérales et végétales ; elle est à distinguer des espaces verts urbains, et comporte les tissus urbains lâches tels que les zones pavillonnaires.
L’approche du niveau général la classification thématique considère les zones d’habitation dans leur ensemble, que ce soit du point de vue de leur vulnérabilité comme de leur valeur économique. Les trois classes décrites sont donc agrégées en une seule. Cependant les typologies de bâti sont conservées pour le niveau de consultation détaillé des informations.
L’analyse des signatures et l’application des seuils mettent en évidence une tendance à minimiser les zones de grandes emprises, à incorporer des zones urbaines (centre de villages principalement) et à laisser des pixels non classés à l’intérieur des zones discriminées. Ces problèmes semblent provenir d’une part de la saturation observée sur certaines images, et d’autre part, des valeurs de réflectances observées.
Après ces opérations de seuillage, nous posons comme axiome qu’un élément minéral ne doit faire partie de la classe ‘Grandes emprises urbaines’ que si ses dimensions excédent une quarantaine de mètres, soit deux pixels. Pour ce faire, nous procédons à des filtrages géométriques, basés sur une analyse de densité de pixels dans une matrice de recherche.
Avec les zones d’habitation, cette classe constitue le second grand pôle d’intérêt des couches d’information de GENESIS. Ces zones sont très souvent repoussées dans les lits majeurs donnant naissance à une situation des plus paradoxale : les enjeux économiques les plus forts s’installent dans les régions les plus vulnérables des territoires communaux.
Une étape de PIAO permet de discriminer les zones d’extraction et de stockage des gravières, qui constituent de grandes surfaces minérales à proximité de plans d’eau. Cette classe d’espaces industriels est très présente dans la plaine alluviale du Rhin et mérite d’être dissociée car peu sensible aux conséquences d’une inondation par rapport à d’autres infrastructures.
Les classes finalement retenues pour chacun de ces niveaux sont regroupées dans le Tableau 5.
L’intérêt de hiérarchiser les classes d’occupation du sol en plusieurs niveaux d’agrégation est essentiellement de permettre une plus grande accessibilité aux informations. En effet, il s’agit de mettre à disposition de l’utilisateur final un produit synthétique, qui permette une prise de décision rapide. Or, les deux niveaux d’hyperclasses font apparaître respectivement quatre et six classes, contre quinze pour le niveau détaillé. On conçoit aisément qu’en période de crise, trop d’information puisse engendrer une difficulté de lecture, d’analyse et retarder le processus de décision.
D’autre part, l’aspect opérationnel du système demande un maintien des taux de transferts. Dans cette optique, les niveaux d’agrégation présentés peuvent constituer des couches séparées, de précision sémantique homogène pour chaque thème.
A terme, on peut même envisager une atomisation de chaque niveau de classification. Une telle opération nécessite alors l’emploi de logiciels de traitements très complets afin d’assurer la cohérence de la base de données. Une telle configuration permet alors à l’utilisateur de confectionner ses propres cartographies en fonction de son besoin immédiat. Ce niveau de service n’est pas envisagé pour le stade actuel du pilote.
Tableau 5 – Description des classes d’occupation du sol
On précise ici la nature des données historiques intégrées (champ d’inondation, pluviométrie, hydrométrie), mais pas des événements météorologiques correspondants. Cet aspect est détaillé en annexe .
Il est cependant nécessaire de tenir compte des limites imposées par l’imagerie optique : l’acquisition n’est possible que par ciel dégagé. Cette constatation place en facteur limitant l’état de l’atmosphère, généralement peu clément lors de tels événements.
Tableau 6 – Données historiques d’observation de la Terre employées
Les systèmes actifs radar apparaissent alors comme la meilleure solution pour l’acquisition d’informations, indépendamment des conditions météorologiques. De plus, le satellite européen ERS possède un mode de fonctionnement sur trois jours, période qui permet un réel suivi hydrologique en période de crues.
C’est pourquoi les combinaisons linéaires Gram Schmidt ont été établies pour chaque mois de l’année (cf. Annexe 2A, Figures 2A.6 à 2A.9). On suppose alors que les rapports de canaux, sur les sites tests pour un même mois, varient peu d’une année sur l’autre.
L’étude des valeurs radiométriques dans les zones inondées permet de considérer la contribution propre de chaque axe thématique. Cependant, chaque scène étant unique du point de vue de la distribution des comptes numériques dans la matrice image, il est nécessaire de placer un premier stade de PIAO pour élaborer les seuils, avant de les appliquer et d’extraire les zones d’intérêt.
Lors de crises hydrologiques, la DDAF fait réaliser des missions de prises de vues aériennes sur les zones touchées. Les photographies, généralement obliques, sont exploitées en photo-interprétation. Les surfaces submergées détectées sont reportées sur les cartes IGN au 1/25000, utilisées comme fond de plan.
Ces précisions sur l’élaboration des cartographies d’extension de crues suffisent à évaluer les capacités de ces documents en terme de précision tant planimétrique qu’altimétrique. De plus, les clichés sont réalisés à un instant précis de la crue, et le champ d’inondation observé ne correspond pas forcément au champ d’extension maximal.
Les informations disponibles concernent les crues de 1983 et 1990, sur la zone d’étude de la Zorn. Ces deux événements ont été particulièrement importants sur l’ensemble des cours d’eau du département. Leurs périodes de retour ayant été évaluées à un siècle, elles servent de référence à l’élaboration des Plans de Prévention des Risques d’Inondation (PPRI) pour les communes non encore équipées dans le cours inférieur de cette rivière. Ces informations ont été numérisées pour être intégrées au système pilote final et servir comme données de base aux traitements géographiques.
Malheureusement, les conditions météorologiques de février 1990 n’ont pas permis l’acquisition d’une image SPOT sur la Zorn. Une telle donnée aurait permis une comparaison méthodologique des deux types de détermination.
Les données géographiques concernant les champs d’inondation proviennent, soit d’extractions depuis les images spatiales, soit de numérisation de documents cartographiques. Les procédures de détection des surfaces submergées ne peuvent être, à l’heure actuelle, complètement automatisées et nécessitent l’appréciation de l’interprète spécialiste.
Tous ces produits à haute valeur ajoutée sont les informations géographiques qui constituent la base de données nécessaire à l’étude de l’impact des crues sur les milieux naturels et anthropisés.
1. Préparation des données satellitales
Les données de l’imagerie satellitale SPOT sont fournies au niveau 1A et nécessitent par conséquent des pré-traitements, de nature géométrique ou radiométrique. Ils sont nécessaires pour localiser et calibrer la mesure physique provenant des détecteurs du satellite, et finalement obtenir des données géographiques et thématiques pertinentes.Ce paragraphe aborde les trois étapes préliminaires à toute analyse thématique, à savoir la correction géométrique, puis radiométrique pour finir par le mosaïquage lorsqu'il est nécessaire.
1.1. Géoréférencement
La plupart des images de télédétection a pour vocation d’être, après traitements et interprétations, intégrées dans des Systèmes d’Information à Référence Spatiale (SIRS). De fait, elles doivent être rapportées à un système géodésique, afin de satisfaire à une homogénéité cartographique.Pour les travaux concernant le territoire français, le SERTIT utilise la projection Lambert, rapportée à l’ellipsoïde de Clarke 1880, employée par l’Institut Géographique National (IGN) dans la réalisation de ses cartes topographiques. Celles-ci sont d’ailleurs très souvent la source des données géodésiques utilisées pour le calcul des transformations géométriques.
Dans la majorité des cas, les images sont géoréférencées par orthorectification et référencement relatif à une image déjà rectifiée. Le contrôle est réalisé grâce aux données exogènes (cf. Chapitre 5, §1.3) ou aux données antérieures.
Quelles que soient les méthodes de calcul et de contrôle utilisées, la précision de l’orthorectification ou d’une mosaïque est logiquement de l’ordre de la taille d’une cellule de résolution. De plus, l’othorectification est fortement conditionnée par la précision et la résolution du modèle numérique de terrain employé (ici, la précision altimétrique est de 10m pour une résolution de 20m), par la méthode de détermination et d’intégration des distorsions géométriques du système d’acquisition.
1.2. Transformation en réflectance exo atmosphérique
Cette opération de normalisation radiométrique a pour but de s’affranchir des biais astronomiques, présents lors de l’acquisition des images. Le calcul de la transformation se base sur les caractéristiques et les conditions de l’acquisition [BEGNI, 1988]. |
(3.1)
|
avec,
: réflectance pour la bande spectrale (l1, l2) considérée: distance Terre – Soleil: mesure enregistrée par le capteur dans la bande spectrale (l1, l2): constante solaire équivalente dans cette même bande spectrale, indiquée dans l’en-tête du fichier SPOT: angle zénithal solaire: coefficient d’égalisation (gain)Des calculs plus simples, exposés dans [BONN et ROCHON, 1993], utilisent des coefficients issus de mesures simultanées au passage du satellite et les coefficients de calibration, mais ne sont pas employés ici.
1.3. Egalisation radiométrique
Cette étape n’est réalisée que dans une optique de construction de mosaïque d’images, ce qui est souvent le cas lorsque la zone d’étude est étendue et qu’elle ne peut être entièrement couverte par une seule scène.Sur une même trace, le capteur HRVIR conserve un même gain. Or pour cette étude, nous utilisons quatre images, sur deux traces adjacentes. En préalable au calcul de la mosaïque, un ajustement linéaire est réalisé, afin de pallier aux différences résiduelles de réflectance, liées au gain sur chaque trace. On s’assure de cette façon qu’un même type d’occupation du sol aura une même sur l’ensemble de la mosaïque.
Le calcul se base sur une simple analyse de corrélation entre les deux traces dans la bande de recouvrement. On y procède à un échantillonnage de parcelles type, permettant de couvrir au maximum la gamme de variation des radiométries dans chaque bande.
L’extraction des valeurs moyennes de réflectance de ces surfaces permet d’établir les courbes de corrélation entre les deux traces. Suite à l’étape précédente de normalisation radiométrique, la relation est linéaire et le coefficient directeur très proche de 1. L’une des deux est alors prise comme référence radiométriques, et l’autre y est ramenée, par l’intermédiaire du coefficient directeur de la droite de régression obtenue.
Une telle opération étant réalisée sur une bande large de quelques kilomètres, au bord de la scène, elle suppose l’absence de dérive de sensibilité de la barrette de détecteurs, ce qui est le cas avec les images pré-traitées (cf. §1.2.3) et transformées en données exo atmosphériques.
L’opération finale consiste alors à assembler les diverses scènes qui composent la mosaïque. Le contrôle géométrique du résultat se fait tout d’abord par photo-interprétation sur les zones de jonction, puis par l’emploi de données exogènes (fichiers vecteur…) ou antérieures.
2. Traitements pour l’étude environnementale
2.1. Les indices
Combinaisons linéaires et rapports de canaux sont couramment utilisés afin d’exploiter les caractéristiques spectrales des objets détectés. Ces valeurs synthétisent l’intensité d’un phénomène trop complexe pour être décrit par des paramètres simples et connus [BANNARI et al., 1995].Les deux graphiques présentés en annexe C montrent les valeurs observées dans les quatre canaux Xi en mai pour diverses classes d’objets. C’est grâce à ce type d’informations que l’on peut élaborer les procédures de seuillage et d’indexation pour isoler ces classes. L’analyse des apports informationnels des indices présentés ci-dessous est abordée en préliminaire à la méthodologie d’extraction des classes (§3.1).
2.1.1. Indices de végétation simples
Afin d’extraire les zones "végétalisées", les indices sont un outil particulièrement puissant. Dans les travaux qui ont été menés, nous avons employés deux indices de végétation normalisés.Le premier, baptisé IVN, issu des traitements appliqués à l’imagerie SPOT 3, emploie et oppose les canaux rouge et proche infrarouge (PIR). Il exploite la forte absorption par la végétation du rouge (XI2) et la sensibilité du proche infrarouge (XI3) à la structure mésophyle des feuilles [BONN, 1996].
 |
(3.2)
|
En complément de l’indice de végétation normalisé (IVN), le SERTIT a développé un autre indice employant les nouvelles capacités de SPOT 4, à savoir le Moyen Infra Rouge (MIR). L’indice de végétation normalisé différentiel (IVND) combine l’opposition des canaux rouge et PIR avec l’opposition MIR et PIR [BARET & ANDRIEU, 1994]. Pratiquement, il combine l’indice IVN au NDVI3, afin d’exploiter au maximum le pic de la végétation dans le PIR (red edge).
 |
(3.3)
|
2.1.2. Indices spécifiques SPOT 4
Ces indices ont été développés par le SERTIT, dans l’évaluation et la validation des apports de la bande Moyen InfraRouge (MIR) de SPOT 4 [CLANDILLON et al., 1995a et b ; 1999]Indice de brillance
 |
(3.4)
|
Cet indice présente une sensibilité certaine à l’humidité des sols, l’augmentation de la teneur en eau s’accompagnant d’une diminution de la pureté et de la luminance de la couleur.
Indice d’humidité normalisé
 |
(3.5)
|
L’emploi de cet indice se justifie par l’observation que l’augmentation de la teneur en eau d’un sol induit une baisse de luminance plus forte dans les grandes longueurs d’ondes que dans les courtes.
Indice Red Edge – Leaf Water Content
 |
(3.6)
|
Ce troisième indice fait référence à la végétation et rend compte à la fois de l’activité chlorophyllienne et de l’état hydrique des plantes. De plus, des études antérieures ont montré une moins grande sensibilité aux effets atmosphériques que le classique NDVI.
En composition colorée, ces indices permettent une bonne discrimination des unités hydro-pédologiques, en faisant ressortir, par exemple, ressortir leur hydromorphie. Une telle image permet alors de procéder à une classification détaillée des sols nus. D’autres approches sont présentées par [KING, 1985].
2.1.3. Indices de végétation complexes
En complément des indices précédents, l’emploi d’indices de végétation de formulations beaucoup plus complexes peut se révéler parfois très efficace pour l’extraction. Cependant, ils nécessitent un minimum de connaissance de la zone étudiée afin de les rattacher à leur réalité physique. Le seul indice exploité de cette catégorie est le suivant :Global Environnement Monitoring Index (GEMI) [BANNARI et al., 1995]
 |
(3.7)
|
2.2. Axes thématiques
En complément des indices présentés ci-dessus, [JACKSON, 1983] présente une méthode de segmentation des images de télédétection analogue, dans la forme, au Tasseled Cap [KAUTH & THOMAS, 1976] mais qui se fonde uniquement sur les caractéristiques physiques des objets : la dérivation d’axes thématiques multispectraux, dite transformation Gram Schmidt.2.2.1. Dérivation d’axes thématiques multispectraux
Cette transformation a pour but de définir un espace multidimensionnel permettant une meilleure visualisation des informations relatives à la végétation et aux sols. A partir de l’espace à quatre dimensions de SPOT 4 et d’une combinaison linéaire des canaux bruts, il s’agit de créer des axes thématiques orthogonaux. Cette procédure d’analyse multivariée est préférable aux classiques analyses en composantes principales, induisant trop de variabilité inter et intra scène [CLANDILLON et al., 1995].Ce procédé implique le calcul des vecteurs unitaires des droites thématiques. Pour en obtenir les coordonnées, on utilise des sites d’échantillonnage, ce qui sous entend la nécessité d’un bonne connaissance du milieu analysé, et ne repose pas sur la répartition statistique des valeurs spectrales.
La valeur moyenne des réflectances, dans chaque bande, sur ces sites permet le calcul des coefficients. Concernant la première droite, dite ‘droite des sols’, celui-ci doit être des plus rigoureux, car il conditionne les résultats ultérieurs [CLANDILLON et al, 1995a] [JACKSON, 1983].
3.2.2. Méthodologie générale
La généralisation du procédé dans un espace à n dimensions est décrite par le jeu d’équations suivant. L’indice m dans l’espace n-dimensionnel, n ³ m, où n = nombre de canaux, est décrit par :Im = Am,1 X1 + Am,2 X2 + … + Am,n Xn
où, Am,i = ti / T,
où T est un facteur de normalisation
avec ti = (Xm – Xs)i – (Dm,1 A1,i + Dm,2 A2,i + … + Dm,j Aj,i)
Xm = point représentatif d’indice m
Xs = point sur la droite des sols
et,
Le produit scalaire D permettant la normalisation des axes est, pour l’indice m sur un espace de n canaux, décrit par :
pour k = (1,m) et j = k – 1
Selon la typologie des sites d’échantillonnages, la combinaison caractérise des aspects physiques précis mais se base obligatoirement sur la détermination de la droite des sols. La méthodologie donne finalement une marge de manœuvre confortable à l’interprète quant aux informations qu’il peut dégager et exploiter.
La combinaison utilisée pour cette étude, ainsi que l’analyse de ses apports, sont présentés dans la suite (§3.2.2). [JACKSON, 1983] présente, en appendice, un autre exemple de dérivation d’axes thématiques proches du Tasseled Cap, dont il utilise la terminologie.
2.3. Etudes hydrologiques
Dans le domaine du visible, les surfaces en eau ont des réponses en réflectance significatives, qui permettent de les identifier et de les isoler assez aisément. On peut cependant s’intéresser à la variabilité de ces réponses, ainsi qu’aux paramètres et facteurs la conditionnant.2.3.1. Propriétés de l’eau liquide dans les courtes longueurs d’onde
L’eau continentale présente le plus souvent des surfaces lisses, engendrant une réflexion spéculaire de l’éclairement incident. Celle-ci "ne produit qu’un déplacement global du niveau de réflectance" [GUYOT, 1989]. La relation entre éclairement et exitance est de la forme : |
(3.8)
|
, éclairement incident à longueur d’onde l , éclairement absorbé par l’eau, exitance de l’eau due à la réflexion spéculaire, exitance de l’eau due au processus de diffusionGrâce à cela, on peut établir l’expression des composantes de réflectance dues, d’une part à la réflexion spéculaire (SP) et d’autre part, à la diffusion en volume (V) :
 |
(3.9)
|
Les lois d’absorption et de diffusion de la lumière par l’eau montrent que dans l’infrarouge les rayonnements sont totalement absorbés sur de petites épaisseurs : quelques centimètres à quelques décimètres pour le PIR, quelques millimètres pour le MIR [GUYOT, 1989].
2.3.4. Propriétés optiques des surfaces en eau
Elles sont conditionnées en grande partie par les transports de matériaux solides ou dissous. On peut distinguer deux classes : les matières en suspension et la matière organique dissoute. D’origines différentes, elles ont des influences sur la réflexion spéculaire et la diffusion de l’éclairement incident [GUYOT, 1989].- Matière en suspension :
- Sédiments mis en suspension par les courants.
- Absorption très forte dans le bleu, avec un minimum entre 500 et 600 nm
- Matière organique dissoute :
- Lessivage des terres, décomposition de végétaux.
- Peu de diffusion moléculaire, absorption selon une loi exponentielle décroissante fonction de la longueur d’onde.
- Absorption très forte dans le bleu
2.3.3. Apports pour l’étude des régimes hydrologiques exceptionnels
Lors d’événements de crues, les débits des cours d’eaux deviennent très importants. Par conséquent, le pouvoir érosif de l’eau sur le lit en devient d’autant plus fort, et les volumes y circulant se chargent en particules solides. On constate alors une augmentation de la turbidité, et par conséquent, des variations de la réponse radiométrique.De la même façon, l’eau qui s’étend sur les champs d’inondation présente des caractéristiques physico-chimiques, hydrauliques, et par conséquent radiométriques, qui lui sont spécifiques. En effet, ces eaux circulent à vitesse réduite, sous forme de lames de faibles épaisseurs, comparativement à la profondeur du réseau hydrographique en conditions normales. Elles sont également beaucoup plus chargées en matières organiques et en particules solides en suspension.
Ces deux constatations permettent de formuler des hypothèses d’extraction des zones inondées basées d’une part sur les propriétés radiométriques générales de l’eau, et d’autre part sur les modifications qu’elles subissent du fait de la particularité des écoulements de crues. On peut alors exploiter le pic d’absorption dans le canal Xi1, ainsi que les variations des indices Gram Schmidt [CLANDILLON et al., 1995b]. D’autres méthodes d’extraction des zones inondées exploitent les variations de la saturation suite à transformation en intensité-teinte-saturation (IHS) [THOLEY & DE FRAIPONT, 1991] ou les résultats de l’analyse en composantes principales [CLANDILLON et al., 1995b].
3. Création de la base de données thématiques
Exploitant les différents points exposés dans les paragraphes et chapitres précédents, la création de la base de données thématiques est réalisée en gardant un contact strict et permanent avec la réalité radiométrique de l’image de septembre 1999. De ce fait, les procédés automatiques de segmentation ne sont pas appliqués.3.1. Méthode de classification
Grâce à l’analyse des signatures spectrales ou des indices, il est possible d’extraire les classes d’information (cf. Annexe 2A). De telles méthodes n’exploitent alors que les caractéristiques physiques des surfaces réfléchissantes, par l’intermédiaire de leurs réflectances exo atmosphériques (Figure 3.2).Une telle méthode écarte tout procédé mathématique de classification automatique et cherche à exploiter la segmentation intrinsèque des images satellites. Elle est par conséquent fondamentalement différente des méthodes usuelles de classification supervisée et non supervisée. On peut finalement qualifier cette méthode d’analyse physique de l’occupation du sol par méthode de seuillage empirique [MARQUAILLE, 1999].
D’autre part, les images utilisées, acquises après une longue période sèche, semblent souffrir de la baisse de luminosité du début de l’automne. Par conséquent, nous constatons une diminution des différences relatives de réflectances entre les objets, nous poussant à extraire des classifications antérieures, des classes génériques. Celles-ci sont employées soit pour limiter l’application des seuils, soit pour exclure leur application dans certaines zones et éviter la reprise manuelle systématique.
L’intégration d’une image de juin 2000 à la base de données a permis de confirmer certains de ces choix, mais pas de lever les ambiguïtés issues d’une classification mono-date.
Figure 3.2 – Le spectre continu de chaque élément, base de l’extraction des classes [NASA@]
Tous les traitements, appliqués aux produits de l’imagerie satellite et développés dans ce chapitre, sont réalisés grâce au langage de programmation Spatial Modeler du logiciel de traitement d’images ERDAS Imagine.
3.2. Traitements préliminaires à l’extraction
En préliminaire à l’extraction des différentes classes d’objets de la mosaïque d’images SPOT, nous appliquons les traitements présentés précédemment (§2). Par conséquent, ce paragraphe a pour vocation de présenter les caractéristiques des produits, et leurs apports dans le procédé de segmentation.3.2.1. Calculs d’indices
Les calculs d’indices auxquels nous procédons (cf. §2.1) essentiellement servent à la discrimination minéral / végétal. Cependant, de par leurs méthodes de calcul respectives, les différents indices ne présentent pas la même sensibilité ou variabilité. L’analyse radiométrique met en évidence les points suivants :- INH : présente des variations assez faibles dans les classes végétales. Par contre, sur les grandes emprises hydrographiques, on remarque une chute très importante (d’environ 500 DN), mais les cours d’eaux étroits ne se distinguent que très peu en raison de la présence des ripisylves.
- IB : (sur les canaux du visible) permet d’exploiter les variations homologues de Xi1 et Xi2. Les fortes valeurs permettent de mettre en évidence les surfaces minérales.
- IB : (sur les quatre canaux) varie plus fortement sur les surfaces minérales. La chute de comptes numériques entre minéral et végétal est beaucoup plus significative qu’avec les canaux du visible uniquement.
- Indices de végétation : l’analyse des variations des indices IVN et IVND permet de dégager leur grande variabilité. Cependant, le premier apparaît plus adapté pour une discrimination initiale fiable des zones végétalisées. Le second, quant à lui, montre de plus grandes variations à l’intérieur de la classe générique ‘végétation’. Il s’avère par conséquent être très efficace dans la distinction des classes de végétation.
- GEMI : présente une plage dynamique assez restreinte mais a l’avantage d’être proche de 0 pour les surfaces très fortement minéralisées. D’une manière générale, ses variations sont très semblables aux IVN et IVND.
3.2.2. Axes thématiques multispectraux
L’application de la procédure Gram Schmidt (cf. §2.2) permet de calculer les coefficients de la combinaison linéaire des canaux Xi (Tableau 4), propre à l’image utilisée et à cette étude.Le calcul se base sur la saisie et l’analyse de quatre types d’échantillons :
- les sols secs sombres
- les sols secs brillants, aux réflectances plus fortes dans tous les canaux que les précédents
- les sols humides, aux réflectances inférieures aux deux précédents
- et la végétation
La définition des échantillons sur les sols est réalisée le plus finement possible, compte tenu des contraintes formulées dans la présentation de la méthodologie (§2.2.1). Ces contraintes sont beaucoup moins fortes pour la végétation. En effet, [JACKSON, 1983] montre le peu d’influence de l’état de la végétation sur le résultat final, en se basant sur une étude menée sur des cultures à différents stades phénologiques et différents niveaux de stress hydrique.
Les surfaces en herbe ont été choisies comme référence pour les surfaces végétales. Puisqu’elles n’effectuent pas de régulation stomatique et maintiennent continuellement une évapotranspiration maximale (ETM), la climatologie les utilise pour définir l’évapotranspiration potentielle (ETP). Le vecteur Végétation est alors basé sur des surfaces dont l’activité végétale est maximale.
| Xi 1 | Xi 2 | Xi 3 | Xi 4 | |
| Sol | 0.474 | 0.647 | 0.595 | -0.054 |
| Végétation | -0.294 | -0.463 | 0.696 | -0.464 |
| Humidité | 0.137 | 0.196 | -0.402 | -0.884 |
Tableau 4 – Combinaison de canaux Xi issue de la procédure Gram Schmidt - Image de septembre 1999
3.2.3. Nature des apports des axes thématiques
La comparaison de ces coefficients, d’un vecteur thématique à un autre, permet, pour chacun d’eux, d’appréhender l’apport informationnel des canaux. Par exemple, pour le vecteur végétation, on constate la très forte contribution positive de Xi 3, et les contributions négatives des autres. On retrouve alors la singularité spectrale de ces classes d’objets, notamment exploitée dans les indices de végétation (NDVI, IVN…).De la même façon, le vecteur humidité oppose les canaux du visible aux canaux de l’infrarouge. Les caractéristiques des bilans énergétique et hydrique (Chapitre 1, §2.1.2 ; §2.1.3) sont effectivement mises en évidence et exploitées dans cette combinaison.
Conformément à ce qui a été exposé précédemment (Chapitre 1, §2.1.3), l’indication d’humidité reste de nature qualitative, ne se basant que sur son influence sur la réflectance de la surface. L’indication quantitative ne peut être effectivement abordée que par les systèmes radars, dont les longueurs d’onde possèdent la propriété de pénétrer une épaisseur de sol, fonction dépendant de la teneur en eau [FELLAH, 1997], [ZINE, 1999]. Cependant, les capacités de cet indice restent très intéressantes en périodes de hautes eaux pour détecter les surfaces inondées et les sols anormalement humides.
Cette analyse succincte des apports insiste sur la réalité physique de cette procédure et des thèmes qu’elle peut discriminer. De plus, en tenant compte des variations de réflectances annuelles sur les valeurs des coefficients, on peut parler de combinaison de vecteurs thématiques, à base physique et composante régionale.
3.3. Classes végétales extraites
Les classes végétales, comme les classes minérales, sont établies sur la base des travaux courants réalisés par le SERTIT, selon une approche biophysique, pour le compte de l’ADEUS, dits Classifications PRATIS. L’objectif de GENESIS demande un niveau de détail thématique plus important. Par conséquent, on procède soit par traitement d’image à la dérivation de sous-classes, soit par PIAO, pour accéder aux exigences du produit final ‘Occupation du Sol’ (Land Use) de GENESIS. Les classes résultantes sont alors dénommées selon une nomenclature thématique hiérarchisée, apparentée à celle employée dans le programme européen CORINE.Ce produit est scindé en deux niveaux d’agrégation, dont l’utilité et les contenus sont explicités plus bas au paragraphe 3.5. Le premier (Niveau général) ne dispose que des grandes classes génériques, alors que le second (Niveau détaillé) intègre toutes les sous-classes qui sont mises en évidence. Celles-ci sont présentées dans les paragraphes qui suivent.
3.3.1. Zones boisées
La détection de la végétation boisée se base essentiellement sur l’emploi des canaux rouge et PIR de l’instrument HRVIR. Les rapports entre ces deux canaux sont, théoriquement, corrélés à la part du rayonnement absorbée par la photosynthèse. De plus, l’emploi de la bande MIR permet une meilleure discrimination de la végétation boisée vis-à-vis des sols (Graphique 2A.1).Compte tenu de ces informations, nous réalisons un premier seuillage sur les indices de végétation normalisés (IVN et IVND), complété par l’apport d’information des canaux bruts Xi 2, 3 et 4. Les problèmes majeurs, qui peuvent engendrer des imprécisions sur la position de ces zones, sont dus :
- aux lisières, où la densité de la végétation diffère sensiblement.
- à l’ensoleillement, plus précisément à l’azimut et à l’élévation du Soleil, qui engendre des ombres.
- aux nuages, qui cachent les zones d’intérêt.
Cependant, l’ouverture du système vers les risques naturels au sens large amène à considérer ces distinctions, au sens de l’aléa constitué par les feux de forêts. Les événements météorologiques des 26 et 27 décembre derniers, et les dégâts dont ils se sont rendus responsables, sont un argument en faveur de l’intégration de cette discrimination. Les besoins de la Sécurité Civile se sont d’ailleurs exprimés en ce sens à ce propos. Par conséquent, la nature des peuplements forestiers fait partie des informations qui seront incorporées dans la classification.
3.3.2. Zones agricoles
Une analyse rapide des radiométries de l’image brute permet d’isoler différentes caractéristiques des surfaces agricoles au moment de l’acquisition. Cependant, une segmentation mettant en évidence les pratiques culturales, à savoir les cultures d’hiver, de printemps et les prairies, nécessite un procédé de classification multidates, couvrant les phases majeurs du développement de chacun de ces types. Dans une approche biophysique, nous cantonnons donc la détermination à deux classes génériques :- Végétation marquée : où le caractère "chlorophylien" est très fort à la date d’acquisition
- Végétation discontinue : où le caractère minéral est plus important.
L’emploi complémentaire des scènes de juin 2000 et des travaux antérieurs ont permis d’isoler dans ces deux classes les prairies des zones de cultures annuelles [MAJOR et al., 1994]. Les deux images de la base de données ayant été acquises au cours de deux années agricoles différentes, la segmentation selon les pratiques culturales semble très peu justifiée. D’autant plus que les exigences de GENESIS autorisent à limiter la segmentation des surfaces agricoles à ce stade. On adopte de fait une certaine appréciation de la valeur économique, et donc de la vulnérabilité de ces classes d’occupation du sol.
Enfin, la classe ‘Vignes et vergers’ est importée d’une classification (1995). Cette opération se justifie par deux raisons majeures. Tout d’abord, l’extraction de cette classe nécessite une très lourde étape de photo-interprétation du fait de sa spécificité biophysique et de la grande variabilité des réponses radiométriques. Ensuite, l’exploitation d’une parcelle viticole s’étale sur de nombreuses années, et les critères de qualités qui en découlent, tels que les Appellations d’Origine Contrôlée, sont liés au terroir. On a donc, vis-à-vis des emprises et localisations géographiques, une stabilité qui permet de considérer cette classe comme valide pendant plusieurs années.
3.3.3. Végétation urbaine
L’extraction des espaces végétalisés en zone urbaine se base sur un seuillage du second indice Gram Schmidt. Celui-ci s’est révélé particulièrement efficace pour faire ressortir notablement ces espaces, généralement de petite emprise et dont la réponse spectrale se ‘noie’ dans celle de l’espace urbain (Figure 3.3).Ces espaces végétalisés particuliers sont intégrés dans une classe spécifique, les espaces verts urbains, établie à partir de la définition d’un masque d’emprise urbaine global.
Figure 3.3 – Mélange de la réponse spectrale en milieu urbain [UREF, 1997]
3.4. Classes non végétales extraites
3.4.1. Hydrographie
Caractérisée par une forte absorption (cf. §2.3, Graphique 2A.2), l’eau présente de très faibles valeurs de réflectances. Elle apparaît donc très sombre dans les images obtenues par indexation (cf. §2.1). Cependant, malgré ces caractéristiques, plusieurs zones bâties ont été englobées par le seuillage (en particulier les zones d’ombre).Afin de pallier à ce défaut, une classe générique ‘minéral – urbain’ a été réalisée, à partir d’une fusion de classifications antérieures. Les problèmes résiduels consistent alors en :
- l’absence des cours d’eau étroits
- l’influence de la turbidité du Rhin, qui modifie localement sa réflectance.
- la réflectance des zones d’ombres qui, malgré l’emploi du masque, peuvent subsister dans les zones boisées par exemple.
3.4.2. Zones urbaines
Le masque des zones urbaines n’a pas été obtenu par la méthode du seuillage empirique mais par simple photo-interprétation. Après extraction depuis une classification antérieure [MARQUAILLE, 1999], la création de la classe définitive s’est faite par détection des zones d’extension urbaine.A l’intérieur des zones urbanisées ainsi délimitées, nous avons procédé à la discrimination de deux classes : le tissu urbain dense (centres villes…) et le tissu urbain discontinu (lotissements…) par l’emploi d’une combinaison linéaire des canaux Xi, issue d’une analyse en composantes principales antérieure sur la même zone.
Ces deux classes sont complétées par une troisième, intitulée ‘Végétation Présente (VP)’, caractérisée par un fort mélange des réponses spectrales de surfaces minérales et végétales ; elle est à distinguer des espaces verts urbains, et comporte les tissus urbains lâches tels que les zones pavillonnaires.
L’approche du niveau général la classification thématique considère les zones d’habitation dans leur ensemble, que ce soit du point de vue de leur vulnérabilité comme de leur valeur économique. Les trois classes décrites sont donc agrégées en une seule. Cependant les typologies de bâti sont conservées pour le niveau de consultation détaillé des informations.
3.4.3. Grandes emprises urbaines
On entend par grandes emprises urbaines : les zones industrielles et commerciales, les grandes surfaces imperméabilisées (parking), les emprises autoroutières (échangeurs, gares de péage…) et ferroviaires (gare de triage…). L’extraction utilise le caractère minéral et les fortes réflectances de ces zones dans les canaux du visible. Elle emploie l’indice de brillance (IB) sur les bandes Xi 1 et 2, ainsi qu’un seuillage sur l’indice de végétation normalisé différentiel (IVND).L’analyse des signatures et l’application des seuils mettent en évidence une tendance à minimiser les zones de grandes emprises, à incorporer des zones urbaines (centre de villages principalement) et à laisser des pixels non classés à l’intérieur des zones discriminées. Ces problèmes semblent provenir d’une part de la saturation observée sur certaines images, et d’autre part, des valeurs de réflectances observées.
Après ces opérations de seuillage, nous posons comme axiome qu’un élément minéral ne doit faire partie de la classe ‘Grandes emprises urbaines’ que si ses dimensions excédent une quarantaine de mètres, soit deux pixels. Pour ce faire, nous procédons à des filtrages géométriques, basés sur une analyse de densité de pixels dans une matrice de recherche.
Avec les zones d’habitation, cette classe constitue le second grand pôle d’intérêt des couches d’information de GENESIS. Ces zones sont très souvent repoussées dans les lits majeurs donnant naissance à une situation des plus paradoxale : les enjeux économiques les plus forts s’installent dans les régions les plus vulnérables des territoires communaux.
Une étape de PIAO permet de discriminer les zones d’extraction et de stockage des gravières, qui constituent de grandes surfaces minérales à proximité de plans d’eau. Cette classe d’espaces industriels est très présente dans la plaine alluviale du Rhin et mérite d’être dissociée car peu sensible aux conséquences d’une inondation par rapport à d’autres infrastructures.
3.5. Classifications finales
L’assemblage des différentes couches d’informations qui viennent d’être décrites, en tenant compte des recouvrements inter-classes produits par la méthode de seuillage empirique, génère les classifications "biophysique" et "thématique", avec ses différents niveaux d’information.Les classes finalement retenues pour chacun de ces niveaux sont regroupées dans le Tableau 5.
L’intérêt de hiérarchiser les classes d’occupation du sol en plusieurs niveaux d’agrégation est essentiellement de permettre une plus grande accessibilité aux informations. En effet, il s’agit de mettre à disposition de l’utilisateur final un produit synthétique, qui permette une prise de décision rapide. Or, les deux niveaux d’hyperclasses font apparaître respectivement quatre et six classes, contre quinze pour le niveau détaillé. On conçoit aisément qu’en période de crise, trop d’information puisse engendrer une difficulté de lecture, d’analyse et retarder le processus de décision.
D’autre part, l’aspect opérationnel du système demande un maintien des taux de transferts. Dans cette optique, les niveaux d’agrégation présentés peuvent constituer des couches séparées, de précision sémantique homogène pour chaque thème.
A terme, on peut même envisager une atomisation de chaque niveau de classification. Une telle opération nécessite alors l’emploi de logiciels de traitements très complets afin d’assurer la cohérence de la base de données. Une telle configuration permet alors à l’utilisateur de confectionner ses propres cartographies en fonction de son besoin immédiat. Ce niveau de service n’est pas envisagé pour le stade actuel du pilote.
Tableau 5 – Description des classes d’occupation du sol
4. Données historiques de crues
Les études hydrologiques nécessitent des données historiques fines, très échantillonnées et sur des périodes assez longues pour élaborer des probabilités de retour (Chapitre 1, §2.3.1). Les capacités des satellites d’observation de la Terre ne permettent, jusqu’à présent, pas une fréquence de visite des sites suffisamment élevée et ne donne pas accès aux grandeurs utiles pour assurer cette détermination de façon correcte.On précise ici la nature des données historiques intégrées (champ d’inondation, pluviométrie, hydrométrie), mais pas des événements météorologiques correspondants. Cet aspect est détaillé en annexe .
4.1. Les données d’observation de la Terre
La réalisation du pilote pour le projet GENESIS 2000 n’exploite, à l’heure actuelle, que les données optiques haute résolution pour la délimitation des champs d’inondations. Cependant, l’exploitation des images des satellites ERS est prévue dans le projet, autant pour l’établissement des données historiques que pour l’actualisation rapide en cas de crise.4.1.1. Nature
Concernant les périodes de crues, la base de données du SERTIT contient un jeu d’images SPOT très fourni, permettant de combiner des scènes acquises en périodes d’inondation avec des scènes en période d’étiage, ce qui permet d’intégrer les variations annuelles de réflectance sur les différentes typologies d’occupation du sol.Il est cependant nécessaire de tenir compte des limites imposées par l’imagerie optique : l’acquisition n’est possible que par ciel dégagé. Cette constatation place en facteur limitant l’état de l’atmosphère, généralement peu clément lors de tels événements.
| Mode d’acquisition | Date d’acquisition | k, j | Crues présentes | Nuages |
| XS | Juin 2000 | 50 251/2 ; 51 251/2 | ||
| Xi | Septembre 1999 | 50 251/2 ; 51 251/2 | ||
| Xi | Mai1999 | 50 252 | ü | |
| Xi | Avril 1999 | 50 251 | ü | |
| XS | Mars 1999 | 50 251/2/3 | ü | ü |
| Xi | Novembre 1998 | 50 251/2 | ü |
Tableau 6 – Données historiques d’observation de la Terre employées
4.1.2. Extraction des champs d’inondation
Les axes thématiques multispectraux obtenus pas la méthode Gram Schmidt, présentés plus haut, permettent de décorréler les canaux XS ou Xi en dégageant les informations propres aux sols, à la végétation et à l’humidité. Par conséquent, les données disponibles pour cette étude étant étalées sur plusieurs dates et saisons, il a été nécessaire de prendre en compte les différentes phases phénologiques de la végétation, afin de ne considérer que les variations d’humidité.C’est pourquoi les combinaisons linéaires Gram Schmidt ont été établies pour chaque mois de l’année (cf. Annexe 2A, Figures 2A.6 à 2A.9). On suppose alors que les rapports de canaux, sur les sites tests pour un même mois, varient peu d’une année sur l’autre.
L’étude des valeurs radiométriques dans les zones inondées permet de considérer la contribution propre de chaque axe thématique. Cependant, chaque scène étant unique du point de vue de la distribution des comptes numériques dans la matrice image, il est nécessaire de placer un premier stade de PIAO pour élaborer les seuils, avant de les appliquer et d’extraire les zones d’intérêt.
4.2. Les cartes de zones inondées
Dans le département du Bas-Rhin, ces documents sont établis conjointement par la Direction Départementale de l’Agriculture et de la Forêt (DDAF) et le Bureau des Recherches Géologiques et Minières (BRGM), sous la direction de l’Agence de l’Eau Rhin-Meuse, des conseils général et régional [DEPARTEMENT DU BAS-RHIN, 1990].Lors de crises hydrologiques, la DDAF fait réaliser des missions de prises de vues aériennes sur les zones touchées. Les photographies, généralement obliques, sont exploitées en photo-interprétation. Les surfaces submergées détectées sont reportées sur les cartes IGN au 1/25000, utilisées comme fond de plan.
Ces précisions sur l’élaboration des cartographies d’extension de crues suffisent à évaluer les capacités de ces documents en terme de précision tant planimétrique qu’altimétrique. De plus, les clichés sont réalisés à un instant précis de la crue, et le champ d’inondation observé ne correspond pas forcément au champ d’extension maximal.
Les informations disponibles concernent les crues de 1983 et 1990, sur la zone d’étude de la Zorn. Ces deux événements ont été particulièrement importants sur l’ensemble des cours d’eau du département. Leurs périodes de retour ayant été évaluées à un siècle, elles servent de référence à l’élaboration des Plans de Prévention des Risques d’Inondation (PPRI) pour les communes non encore équipées dans le cours inférieur de cette rivière. Ces informations ont été numérisées pour être intégrées au système pilote final et servir comme données de base aux traitements géographiques.
Malheureusement, les conditions météorologiques de février 1990 n’ont pas permis l’acquisition d’une image SPOT sur la Zorn. Une telle donnée aurait permis une comparaison méthodologique des deux types de détermination.
5. Conclusion du chapitre
La cohérence de la base de données réalisée dépend tout d’abord des traitements géométriques, permettant de rapporter l’image à un système cartographique, puis radiométriques, pour normaliser les valeurs de réflectances. L’extraction des thématiques se fonde sur les caractéristiques spectrales des objets. L’assemblage des thèmes produit la classification de l’occupation du sol, avec ses différents niveaux d’agrégation de la précision sémantique nominale. Cette catégorie d’information est la plus longue à établir mais elle est indispensable à l’analyse de la vulnérabilité, et par suite, du risque.Les données géographiques concernant les champs d’inondation proviennent, soit d’extractions depuis les images spatiales, soit de numérisation de documents cartographiques. Les procédures de détection des surfaces submergées ne peuvent être, à l’heure actuelle, complètement automatisées et nécessitent l’appréciation de l’interprète spécialiste.
Tous ces produits à haute valeur ajoutée sont les informations géographiques qui constituent la base de données nécessaire à l’étude de l’impact des crues sur les milieux naturels et anthropisés.
No comments:
Post a Comment