le zonage et le suivi qualitatif de l`état de la végétation à partir des

RESUME
La première action du projet intitulée «zonage et suivi des principales cultures» est
composée de deux volets : l’établissement du zonage à l’échelle nationale et la
conception et la réalisation d’un système de suivi des principales cultures.
Le premier volet de cette action concerne la réalisation d’un zonage à l’échelle
nationale dont la nomenclature est la suivante :
- l'eau essentiellement les grands barrages et les grandes étendues d'eau,
- les zones de cultures non irriguées ou bour,
- les zones de cultures irriguées,
- le domaine forestier,
- les sols non cultivées (sols nus et parcours).
La méthodologie adoptée est celle de la classification automatique d’une composition
colorée d’une image NOAA-AVHRR. Elle suit les étapes suivantes :
- choix de l'image support de l'information,
- la correction géométrique de l'image,
- définition d'une partition dans le domaine spectrale représentant les cinq
classes, et vérification sur l'image de la représentativité de la partition
définie,
- affectation des classes en fonction de leurs valeurs spectrales.
L'image choisie est celle de la date du 3 mars 1987 qui présente le minimum de
couverture nuageuse et qui permet une bonne discrimination des différents thèmes.
Le résultat de cette sous-action est une carte de zonage à l’échelle nationale.
Le système de suivi global de la végétation à base de données satellitales de basse
résolution est constitué des parties suivantes :
- un système d'acquisition et de traitements des données satellitales permettant
de générer l'indice de végétation et la température de surface décrits ci-haut,
- une composante d'analyse de ces indicateurs dans l'espace et dans le temps, en
relation avec des données annexes essentiellement météorologiques,
- édition des résultats sous différentes formes (cartographiques, tabulaires, etc.),
- intégration de ces composantes dans la base de données géographiques ou
Système d'Information Agricole (SIA).
La seconde composante constitue la partie centrale du système de suivi global de
la végétation. Elle se compose des deux principales fonctions suivantes :
- comparaison inter-annuelle des indices de végétation,
- génération des profils temporels des entités géographiques élémentaires
(provinces ou régions agro-climatiques homogènes).
SOMMAIRE
LISTE DES TABLEAUX
LISTE DES FIGURES
INTRODUCTION GENERALE
PRESENTATION
CHAPITRE I : LA CHAÎNE DE PRÉ-TRAITEMENTS DES DONNÉES NOAA
AVHRR
I. Les satellites NOAA
II. La chaîne des pré-traitements des données NOAA-AVHRR
II. 1. Opérations de lectures
II. 2. Les pré-traitements de base
II.2.1. Les opérations de calibration
II.2.2. Les corrections atmosphériques dans le visible et le proche infrarouge
II.2.3. Les corrections géométriques
II. 3. La production des images géo-physiques
II.3.1. Les indices de végétation
II.3.2. Les températures de surface
II.3.3. L'albédo
II. 4. Extraction d'une zone d'intérêt
II.5. Opérations statistiques
III. Synthèse et discussion
CHAPITRE II : ZONAGE A GRANDE ECHELLE
I. Objectif
II. Stratification à partir des profils temporels d'indice de végétation
III Stratification à partir d'une image NOAA
IV. Synthèse
CHAPITRE III : SUIVI DE LA VEGETATION
I. La dimension spatio-temporelle du système de suivi de la végétation
II. Description du système de suivi global de la végétation
II.1. Comparaison inter-annuelle des indices de végétation
II.2. Profils d'indice de végétation
III. Résultats et discussion
CONCLUSION
REFERENCES BIBLIOGRAPHIQUES
LISTE DES TABLEAUX
Tableau 1 : Heures locales solaires de passage à l’équateur
au lancement des satellites
Tableau 2 : Caractéristiques du radiomètre AVHRR
Tableau 3 : Localisation et nature des zones test
LISTE DES FIGURES
Figure 1 : Organigramme du projet AGRIMA
Figure 2 : Les capteurs et les différentes composantes des satellites
NOAA
Figure 3 : Image brute couvrant le territoire nationale
Figure 4 : Comportement spectral des végétaux
Figure 5 : Image indice de végétation normalisé
Figure 6 : Image température de surface
Figure 7 : Chaîne des pré-traitements
Figure 8 : Profils temporels des sites représentant la zone
« cultures non irriguées »
Figure 9 : Profils temporels des sites représentant la zone
« cultures irriguées »
Figure 10 : Profils temporels des sites représentant la zone « forêt »
Figure 11 : Profils temporels des sites représentant la zone
« sol nu et parcours »
Figure 12 : Partition des différentes classes de l’histogramme
bi-dimentionnel de l’image du 03 mars 1987
Figure 13 : Résultat de stratification à grande échelle
Figure 14 : Unité géographique élémentaire définie par un type d’occupation
des sols dans une zone agroclimatique pour le calcul d’indice de
végétation moyen
Figure 15 : Unité géographique élémentaire définie par un type d’occupation
des sols dans une zone agroclimatique pour le calcul d’indice de végétation
moyen
Figure 16 : Comparaison de l’état de la végétation au mois de mars
1998 par rapport à mars 1996 et 1997
Figure 17 : Comparaison de l’état de la végétation au mois d’avril
1998 par rapport à avril 1996 et 1997
Figure 18 : Profils d’indice de végétation des différentes strates
par étage agro-climatique en 1996
Figure 19 : Suivi de la strate bour de 1996 à 1998 par les profils
d’indice de végétation par étage agro-climatique
Figure 20 : Exemple de suivi du bour dans la province de KENITRA (Maroc)
à partir des profils d’indice de végétation
INTRODUCTION GENERALE
Les systèmes des statistiques agricoles qui représentent des outils indispensables
à la gestion des ressources agricoles, ont pour rôle majeur de fournir aux décideurs
et aux gestionnaires des informations fiables et actualisées sur les campagnes
agricoles afin d’assurer la bonne gestion des marchés agricoles. L’amélioration de
ces systèmes est d’autant plus importante pour le Maroc que le secteur agricole
constitue l’un des principaux pôles de l’économie, à forte variabilité annuelle et
spatiale.
La télédétection, qui permet de couvrir rapidement de vastes étendues, est ainsi
devenue une source privilégiée d’acquisition d’informations qui complètent et
enrichissent celles obtenues à l’aide d’autres techniques.
Plusieurs programmes ou projets internationaux ont été mis en place pour
introduire les données de télédétection dans les méthodes conventionnelles, afin de
renforcer et d’améliorer les systèmes de statistiques agricoles, tels que les
programmes américains LACIE, sur la prévision des récoltes dans plusieurs pays
grands producteurs de céréales et AGRISTARS sur l’amélioration des statistiques
agricoles aux Etats-Unis, AGRIT en Italie pour la prévision des rendements des
grandes cultures et le projet MARS de l’Union Européenne sur l’application de la
télédétection aux statistiques agricoles et la prévision des récoltes en Europe.
Au Maroc, le Ministère de l’Agriculture, du Développement Rural et des Pêches
Maritimes (MADRPM) et le Centre Royal de Télédétection Spatiale (CRTS) avec le
soutien du Programme des Nations-Unies pour le développement (PNUD) ont lancé
en 1994 le projet AGRIMA sur l’application de la télédétection spatiale aux
statistiques agricoles.
Ce projet a permis de développer des outils opérationnels, utilisant la télédétection
spatiale pour renforcer le système de sondage aréolaire mis en place au sein du
Ministère de l’Agriculture, à travers la mise à jour des cartes de stratification, le suivi
qualitatif des principales cultures, l’établissement de modèle agrométéorologique
pour la prévision des rendements. Toutes ces actions ont été intégrées dans un
système d’information agricole (SIA) (Fig. 1).
Ce système a été conçu pour répondre aux besoins des utilisateurs finaux leur
permettant une facilité d’accès à l’information, le partage des données entre
plusieurs utilisateurs et une mise à jour rapide de la base de données. Il sera utilisé
comme une plate-forme de base pour compléter les développements nécessaires
et intégrer toutes les données sur les statistiques agricoles.
PRESENTATION
Les inventaires agricoles sont conduits pour extraire les informations et les
statistiques associées sur les cultures, les pâturages et les autres ressources
agricoles. La majorité de ces informations est collectée par les gouvernements à
différentes échelles, locales, régionales ou nationales. Elles concernent
essentiellement la localisation des régions à vocation agricole, les types de
cultures, l'état sanitaire des plantes, l'évaluation des dégâts causés par les
catastrophes naturelles (sécheresse, inondation), etc..
Une partie du projet AGRIMA est consacrée à la mise en place d'un système de
suivi global de la végétation capable de fournir des informations pertinentes en
quasi temps réel pendant toute la campagne agricole, afin de mieux planifier et
orienter les actions à mener. Ce système dans sa conception initiale, comporte
deux volets. Le premier est d'ordre statique qui s'intéresse à la réalisation d'une
première stratification à grande échelle. Le second concerne l'élaboration
d'indicateurs dynamiques dans le domaine spatio-temporel, qui permettent de
fournir les informations qualitatives sur la production végétale.
Le support de l'information utilisé est essentiellement véhiculé par les données
satellitales de basse résolution NOAA-AVHRR (Advenced Very High Resolution
Radiometer) aussi bien pour la production de la carte de stratification à grande
échelle que pour la fourniture d'indicateurs sur l'état de la production végétale.
Dans le présent rapport, nous décrivons en premier lieu, la chaîne de prétraitements des données NOAA-AVHRR que nous avons conçue et mise en place
au préalable pour toute utilisation efficiente de ces données. En second lieu, nous
indiquons la méthodologie adoptée pour produire une carte de zonage à grande
échelle. La troisième section décrit en détail d'une part les indicateurs utilisés pour
le suivi spatio-temporel de l'état global de la végétation et d'autre part les différentes
utilisations possibles de ces indicateurs. Nous terminons par une série
d'enseignements quant à l'utilisation de ces données, en mettant en valeur les
points forts et faibles de la méthodologie adoptée ainsi que les perspectives
d'avenir.
CHAPITRE I
LA CHAÎNE DE PRÉ-TRAITEMENTS DES DONNÉES
NOAA AVHRR
Avant de décrire la chaîne de pré-traitements conçue et réalisée au CRTS, il
s'avère utile de rappeler les grandes caractéristiques du système satellitale de la
National Oceanic and Atmospheric Administration (NOAA).
I. Les satellites NOAA
Depuis leur premier lancement en 1972, les satellites météorologiques de la NOAA
ont suscité un grand intérêt chez la communauté scientifique de l'observation de la
terre. En plus des applications purement météorologiques (prévisions
météorologiques, étude de l'atmosphère et des océans) pour lesquelles le système
a été initialement conçu, il s'est avéré que les instruments à bord notamment
l'AVHRR, ont la capacité de fournir des images multispectrales qui permettent
d'extraire des informations appropriées selon les applications (indicateurs sur la
végétation, les bilans d'échanges énergétiques entre l'atmosphère, la terre, et les
océans, etc.).
Ces satellites évoluent sur une orbite quasi-polaire, héliosynchrone à environ 835
km d'altitude. La propriété d'héliosynchronisme permet d'assurer des conditions de
prise de vue identiques pour tout point du globe à intervalles réguliers. Depuis leur
mise en service, la NOAA assure au moins la présence d'une paire de satellites
actifs : un passe au milieu de la journée et au milieu de la nuit, l'autre est de
passage au début du matin et du soir. Actuellement, les satellites actifs en orbite
sont NOAA-12 (lancé le 14 mai 1991), NOAA-14 (lancé le 30 décembre 1994) et
NOAA-15 (lancé le 13 mai 1998). Le tableau 1 présente les heures locales solaires
de passage à l’équateur pour n’importe quel point du globe.
Passage
Passage
Passage
ascendant
descendant
ascendant
(au lancement)
(au lancement)
(mars 1995)
NOAA-12
19 :30
07 :30
19 :15
NOAA-13
13 :40
01 :40
non actif
NOAA-14
13 :30
01 :30
13 :30
NOAA-15
07 :30
19 :30
non actif en 1995
Ascendant : passage à l’équateur du sud vers le nord
Descendant : passage à l’équateur du nord vers le sud
Satellite
Passage
descendant
(mars 1995)
07 :15
non actif
01 :30
non actif en 1995
Tableau 1 : Heures locales solaires de passage à l’équateur
au lancement (Pods,1995)
L'ensemble des instruments à bord des satellites NOAA-12 et NOAA-14, est
composé de cinq systèmes (Figure 2) :
- le Solar Backscatter Ultraviolet Radiometer ou SBUV/2,
- le Space Environement Monitor ou SEM,
- Le Data Collection System ou le DCS,
- Le Tiros Operational Vetrical Sounder ou TOVS,
- L'Advenced Very High Resolution Radiometer ou AVHRR.
Figure 2 : les capteurs et les différentes composantes des satellites
NOAA (Cracknell, 1997)
Le SBUV/2 est un radiomètre qui permet de déterminer la distribution verticale de
l’ozone dans l’atmosphère terrestre . Pour sa part, le TOVS , constitué de trois
instruments est un sondeur vertical qui permet de fournir les profils verticaux des
constituants de l’atmosphère. Quant au DCS, il s’intègre dans le système de
survie et de secours ARGOS; il constitue le segment spatial de collecte des
informations émises par les utilisateurs, et de transmission vers le centre de
traitement ARGOS situé à Toulouse.
C’est l’instrument AVHRR qui est le plus utilisé par la communauté de
l’observation de la terre et qui est détaillé dans ce qui suit.
L'AVHRR est un radiomètre à balayage disposant de 5 canaux dont la répartition
spectrale est définie par le tableau 2. Le balayage du radiomètre est de 55° de
part et d'autre du nadir du satellite, soit une fauchée au sol voisine de 3000 km. Le
champ de vue angulaire instantanée ou IFOV est voisin de 4,1 mrad soit une
résolution de 1,1 km au nadir du satellite.
Les caractéristiques orbitales conjuguées au mode de balayage du radiomètre
AVHRR permettent de disposer pour tout point du globe d’au moins deux images
par jour du même satellite dans des conditions d’éclairement solaire similaires
(tableau 1). C'est cette disponibilité temporelle de ces données en plus de leur vue
synoptique (une seule image peut couvrir plus de la totalité du territoire national)
en font une source d'informations privilégiées pour des applications de
l’observation de la terre nécessitant des échelles globales dans l’espace et une
résolution temporelle fine.
Canaux
Spectre
(longueurs d'onde
µm)
Détecteur
1
2
3
4
5
0,58-0,68
0,725-1,0
3,55-3,93
10,3-11,3
11,4-12,4
Si
Si
InSb
HgCdTe
HgCdTe
IFOV (mrad)
1,39
1,51
1,41
1,41
1,30
Tableau 2 : Caractéristiques du radiomètre AVHRR
II- La chaîne de pré-traitements des données NOAA-AVHRR
Pour pouvoir exploiter à bon escient les données satellitales NOAA-AVHRR dans
les différentes composantes de cette action du projet AGRIMA, il s'avère
nécessaire de disposer d'un système performant de traitements de ces données
pour en extraire les informations directement interprétables (indicateurs sur l'état
de la végétation, sur l'état thermique et hydrique et aussi sur les états de surfaces
en général). L'outil initialement prévu pour cet effet consiste en un module intégré
dans l'environnement du logiciel de traitements d'images ERDAS. Ce module qui
a été développé par "l'Institut for Remote Sensing Applications" du "Joint
Research Centre" (JRC) essentiellement pour des applications en océanographie,
présentait des lacunes en matière de calibration et de correction atmosphérique. Il
était donc nécessaire de concevoir et de mettre en œuvre une chaîne des prétraitements de ces données.
Le système à concevoir devait obéir aux contraintes suivantes :
* être conforme au niveau algorithmique aux travaux de recherches
reconnues à travers le monde dans ce domaine,
* les traitements doivent offrir une grande flexibilité quant au choix des
paramètres de traitements et de l'ordre d'enchaînement ainsi que la
possibilité d'automatisation assurant le minimum d'intervention de
l'opérateur,
* le système doit reconnaître le format SHARP (format défini et utilisé par
l'ESA) de données en entrées et produire les résultats dans un format
reconnaissable par le logiciel de traitements d'images ERDAS/Imagine.
Les grandes fonctionnalités de la chaîne de pré-traitements comportent des
fonctions
de
corrections
(calibration,
corrections
géométriques
et
atmosphériques), de génération d’images géophysiques et des opérations
statistiques et d’extractions de zones d’intérêt.
II. 1. Opérations de lecture
Elles permettent d’extraire les informations suivantes :
- les données numériques brutes des différents canaux AVHRR,
- les données angulaires solaires et satellitaires,
- une grille de points avec leur latitude et longitude,
- les cœfficients de calibration en vol (canaux thermiques),
- les informations auxiliaires (orbitales, paramètres d'acquisition, etc.).
La figure 3 représente une composition colorée d’une image brute NOAA-AVHRR.
On remarque à ce stade l’importante déformation géométrique de l’image.
Figure 3 : Image brute couvrant le territoire national
II. 2. Les prétraitements de base
Elles se composent des opérations suivantes :
II. 2. 1. Les opérations de calibration
Les données brutes sont converties en valeur de température de brillance pour les
canaux thermiques et en valeur de réflectances pour les canaux visible et proche
infrarouge. Pour ces deux canaux, les capteurs ne sont pas stables dans le temps
et les cœfficients d'étalonnage de pré-vol ne sont pas applicables. La calibration
tient compte du vieillissement des capteurs en appliquant les coefficients
d'étalonnage fournis par la NOAA/NESDIS (Holben et Kauffman, 1990) et qui sont
des fonctions de la date de l’image.
II. 2. 2. Les corrections atmosphériques dans le visible et le proche
infra-rouge
Les conditions atmosphériques influent beaucoup sur les mesures des
réflectances dans le visible et le proche-infrarouge. La vapeur d'eau et l'ozone
atténuent la valeur du signal reçu, tandis que la diffusion sur les molécules de l'air
augmente la valeur de ce signal dans le canal visible.
Tous ces phénomènes ont fait l'objet d'un modèle de transfert radiatif appelé 5S
(Satellite Signal Simulation in the Solar Spectrum) (Tanré et al.,1990). Ce modèle
simule les variations des réflectances au sol en fonction de la composition de
l'atmosphère. Les paramètres d'entrée de ce modèle sont principalement le
contenu en vapeur d'eau, les concentrations en ozone et en gaz carbonique et
l'épaisseur optique qui est un bon indicateur des aérosols.
Nous avons adopté au niveau de la chaîne de pré-traitement un modèle simplifié
SMAC (Simplified Model of Atmospheric Correction) (Rahman et Dedieu, 1994) du
modèle initial 5S. Les paramètres d'entrées sont ceux d'une atmosphère
moyenne, issus de la climatologie générale. L'insuffisance ou l'inexistence de
mesures en vapeur d'eau nous oblige actuellement à ne pas tenir compte de ce
paramètre dans les corrections atmosphériques.
.
II. 2. 3. Les corrections géométriques
La procédure de corrections géométriques des images implantées est celle
disponible au module AVHRR sous ERDAS. Cette procédure repose sur
l'exploitation conjointe des données orbitales et les points dont les coordonnées
géographiques sont connues, accompagnant l'image. Elle permet en plus de
projeter les images dans un système de projection cartographique Lambert on
Mercator. La chaîne de pré-traitement intègre cette procédure de la façon suivante
:
- définition des paramètres de projection par l'utilisateur,
- création d'un fichier batch d'appel de la procédure de correction
géométrique dans l'environnement ERDAS,
- mise à jour des paramètres entête de l'image corrigée selon le type et le
système de projection choisi.
En ce qui concerne le système de projection, la chaîne de pré-traitement propose
à l'utilisateur les paramètres des systèmes de projection des quatre zones du
Maroc. Pour avoir une base cartographique commune à toutes les images et
puisqu'on travaille au niveau national, un système de projection ad hoc national a
été défini dont les paramètres sont :
- les latitudes standards de projections sont 36°N et 22°N (les latitudes
extrêmes du territoire national marocain),
- latitude et longitude centrales de projection sont respectivement 29°N et
5,4°N.
Les déformations dues à cette projection sont inférieures à la taille du pixel de
l'image corrigée (soit 1km).
II. 3. La production des images géo-physiques
À partir des données calibrées différentes images géophysiques peuvent être
générées :
II. 3. 1. Les indices de végétation
Les indices de végétation exploitent le comportement différentiel propre au monde
végétal, entre les réponses spectrales dans les deux bandes spectrales visible et
proche infrarouge (Fig.4). Le logiciel de pré-traitement développé au Centre Royal
de Télédétection Spatiale propose la panoplie des indices de végétation connus et
définis dans la littérature : l'indice de végétation normalisé NDVI, le GEMI et le
MSAVI.
Il est à noter que ces indices sont calculés à partir des données calibrées et
corrigées des effets de l'atmosphère. La figure 5 illustre une image d'indice de
végétation NDVI à l'échelle nationale.
Figure 4 : Comportement spectral des végétaux (Cracknell, 1997)
II. 3. 2. Les températures de surface
Partant des températures de brillance dans les canaux infrarouges thermiques
(températures du corps noir en haut de l'atmosphère), la température de surface
terrestre observée est déterminée en corrigeant l'effet de l'atmosphère par
l'exploitation de son comportement différentiel dans les bandes thermiques.
Cette technique appelée split window (Price, 1983) (Deschamps et Phulpin, 1980)
consiste ainsi à exprimer la température de surface terrestre comme une
combinaison linéaire des températures de brillance dans les différents canaux
thermiques (Fig. 6). Les cœfficients de l'équation de split window dépendent de la
nature des sols et de son occupation (Li et Becker,1993).
Dans le cas du territoire national, les cœfficients de l'équation split window
adoptés sont ceux tirés d'une étude empirique liant les mesures in situ aux
observations satellitales menées dans la région du Gharb (Vidal, 1989).
II. 3. 3. L'albédo
Le comportement d'une surface terrestre vis-à-vis de l'énergie solaire dans le
domaine de petites longueurs d'onde (de 0,3 à 3 µm), peut être caractérisé par la
réflectance appelée aussi albédo (Bonn, 1992). Elle peut être mesurée en
pondérant les mesures des réflectances de chaque bande par les largeurs de
bandes de chaque canal.
albédo = p1 x R1 + p2 x R2
où p1, p2 sont les facteurs de pondération respectifs des réflectances R1 du
visible et R2 du proche infrarouge. Les facteurs de pondération adoptés sont p1
= p2 = 0,5 (Assad, 1987).
II. 3. 4. La détection des nuages
Les nuages constituent une entrave à l'observation satellitale passive.
L'algorithme de détection des nuages, implémenté dans la chaîne des prétraitements, repose sur une batterie de tests des mesures radiométriques
(Saunders and Kriebel,1988). La sortie de ce module, est une image binaire où
sont affectées deux valeurs différentes aux pixels clairs et nuageux. Cette image
est utilisée pour éliminer les pixels nuageux dans les images géophysiques pour
se préserver de toute fausse interprétation.
II. 4. Extraction d’une zone d’intérêt
Un utilitaire d'extraction d'une zone d'intérêt est disponible au niveau de la chaîne
des pré-traitements. Il s'agit de créer une image en sortie ne contenant que les
informations de la zone d'intérêt. Cette zone est définie au préalable par
l'utilisateur à partir d'une information vectorielle géoréférencée sous forme de
couverture polygone au format du logiciel Arc.Info. L'utilisateur transforme cette
couverture en une image binaire où la zone d'intérêt est définie par les pixels de
niveau de gris non nul.
Une des utilisations de cet utilitaire est l'extraction d'une image correspondant à
une province, à une région ou encore au territoire national.
II. 5. Opérations statistiques
Dans le but de fournir des images géophysiques de synthèses sur une période
donnée, les opérations suivantes sont implémentées :
- l'image maximum des images géophysiques de la période de référence,
- l'image minimum des images géophysiques de la période de référence,
- l'image à deux canaux constitués respectivement par la moyenne et
l'écart-type des images géophysiques sur la période de référence.
Le premier type est surtout utilisé pour construire l'image de synthèse décadaire
d'indice de végétation pour s'affranchir de la couverture nuageuse et pour
minimiser les effets perturbateurs latents de l'atmosphère.
III. Synthèse et discussion
La chaîne des pré-traitements des données NOAA-AVHRR implémentée au
Centre Royal de Télédétection Spatiale dont les éléments sont décrits plus haut
est représentée par la figure 7.
OPERATIONS DE
LECTURES
LECTURE DES
DONNEES AVHRR
Données auxiliaires :
•
•
•
•
•
Données orbitales ORB
Coefficients de calibration CAL
Angles solaires SUN
Angles satellitales SAT
Grilles de points latitude/longitude ELP
CAL
SUN
CALIBRATION
DES DONNEES
SUN
ELP
ELP
SAT
Réflectances dans
le Visible et le PIR
Corrections
atmosphériques
Températures de
brillance
Corrections
géométriques
Détection des
nuages
Indices de
végétation
Températures
de surface
Edition des cartes
Archivage
Figure 7 : Chaîne des pré-traitements
Dans un souci d'automatisation de la chaîne, un programme de création de
paramètres d'entrées et de sorties des différents modules a été mis au point. La
sortie de ce programme est un fichier (appelé fichier batch) qui contient les
paramètres d’entrée au programme de traitement des données NOAA-AVHRR
définis par l’utilisateur. Par cet artifice, l'utilisateur peut enchaîner les traitements
d’un certain nombre d'images en spécifiant par avance l’ordre et les paramètres
des traitements.
Pendant les différentes phases de construction et d’exploitation de la chaîne des
pré-traitements des données NOAA-AVHRR, des consultations d’un certain
nombre d'experts internationaux dans le domaine des exploitations des données
de basse résolution ont eu lieu pour établir un bilan critique de cette action. Il en
sort que globalement, la chaîne de pré-traitements, implémentée au CRTS,
permet une exploitation opérationnelle des images de basse résolution pour les
actions "suivi global de la végétation" et "stratification à grande échelle", du projet
AGRIMA.. Cependant, des remarques constructives ont été émises et ont servi à
l'amélioration de la première version du logiciel.
La première remarque concerne les corrections géométriques notamment la
lenteur de l'exécution de la procédure et la précision des résultats. En effet, la
procédure des corrections géométriques, étant celle du module AVHRR de
ERDAS, repose essentiellement sur les paramètres orbitaux et des points de
localisation accompagnant l'image. Ces points sont fournis sous forme d'une
maille de points régulièrement espacés en lignes et en colonnes dont les valeurs
des latitudes et longitudes sont connues. La lenteur de la procédure est surtout
remarquable quant il s'agit de la correction géométrique d'une image multi-canaux
où le traitement se fait canal par canal.
Une seconde remarque réside dans le fait que le logiciel est lié au format SHARP.
En fait, cet inconvénient n'est pas majeur puisqu'il suffit de disposer d'un utilitaire
permettant de convertir tous les formats de données NOAA-AVHRR (HRPT) au
format SHARP.
Le grand avantage du développement d'une telle chaîne de pré-traitements de ces
données réside dans le développement d'une expertise nationale en la matière.
Vu l'accroissement des applications de ce type de données au Maroc, l'installation
d'une station de réception dans les locaux du CRTS s'est avérée nécessaire. En
effet, depuis le début de l’année 1999, le CRTS dispose d’une station de réception
des données NOAA dans ses locaux et jouis depuis d’une plus grande autonomie
quant à l’acquisition de ce type de données.
CHAPITRE II
ZONAGE À GRANDE ÉCHELLE
I- Objectif
Les enquêtes agricoles sont actuellement menées pour collecter des informations
et des statistiques associées sur les cultures, les pâturages, le stock des vivres et
d'autres ressources agricoles. Cette collecte est en majorité assurée par les
gouvernements à une échelle locale, régionale et/ou nationale. Ces estimations
concernent essentiellement les superficies cultivées (préparées, plantées et
récoltées), le rendement des cultures (prévu et réel), la production agricole, le coût
de production ainsi que les caractéristiques sociales et économiques des
exploitations.
Pour une bonne efficience de cette collecte, une carte de zonage à l’échelle
nationale dans le sens utilisation des sols s’avère nécessaire. L’établissement de
cette carte doit se faire dans un court délai avec une répétitivité de réalisation de
trois ans pour une évaluation rapide des grands changements d’occupation des
sols au niveau national. Ce zonage représente une des actions du projet AGRIMA
dont la nomenclature adoptée est la suivante :
- l'eau, essentiellement les grands barrages et les grandes étendues
d'eau,
- les zones de cultures non irriguées ou bour,
- les zones de cultures irriguées,
- le domaine forestier,
- les sols non cultivées (sols nus et parcours).
L'utilisation des techniques de la télédétection comme outil d'analyse de
l'utilisation des sols a été traitée par plusieurs auteurs (Quattrochi et al., 1990),
(Pokrant et al. 1991). Dans cette section nous abordons l'aspect méthodologique
de la production d'une carte de zonage à l'échelle nationale à partir des données
satellitales de basse résolution AVHRR, à travers deux méthodes différentes.
II. Stratification à partir des profils temporels d’indice de
végétation
La première méthodologie de stratification que nous avons essayé est basée sur
l'hypothèse selon laquelle le comportement temporel de l'indice de végétation
permet la discrimination entre les différents types d'occupation des sols
escomptés. La méthode de classification consiste alors à comparer les indices de
végétation de chaque date à des seuils prédéfinis permettant l’identification des
différentes classes.
La première phase de cette méthode consiste à définir les différents seuils en
fonction des classes. Pour cela, des sites test ont été sélectionnés à partir des
résultats de stratification réalisée sur des images de haute résolution SPOT ou
Landsat. Le tableau 3 donne la localisation des sites témoins des différentes
classes.
N° site
Latitude
Longitude
Région
1
33,02°
-8,68°
Doukkala
2
32,55°
-8,89°
Doukkala
3
4
32,37°
33,26°
-7,64°
-8,51°
Rhamna
Doukkala
5
34,82°
-2,5°
Oujda
6
7
34,11°
34,04°
-4,24°
-6,72°
8
34,12°
-6,72°
9
34,60°
-6,03°
Taza
Gharb
(Mamora)
Gharb
(Mamora)
Gharb
10
34,71°
-5,78°
Gharb
11
32,99°
-7,59°
Settat
12
13
14
15
29,28°
33,63°
34,26°
34,46°
-7,94°
-2,51°
-6,73°
-6,11°
Tata
Errachidia
Gharb
Gharb
Tableau 3 : Localisation et nature des zones test
Type de
couverture
Cultures non
irriguées
Cultures
irriguées
Sol nu
Bâti (ville
d'Eljadida)
Forêt (chêne
vert)
Forêt
Forêt (chêne
liège)
Forêt
(eucalyptus)
Cultures
irriguées
Cultures non
irriguées
Cultures non
irriguées
Sol nu
Sol nu
Bâti
Cultures non
irriguées
Figure 8 : profils temporels des sites représentant la zone « cultures non irriguées »
Figure 9 : profils temporels des sites représentant la zone « cultures irriguées »
Figure 10 : profils temporels des sites représentant la zone « forêt »
Figure 11 : profils temporels des sites représentant la zone « sol nu et parcours »
À l'examen des différents profils d'indice de végétation (Figures 8 à 11), les
conclusions suivantes concernant cette méthodologie apparaissent clairement :
-
l'indice de végétation NDVI ne présente pas une dynamique temporelle
suffisante pour différencier les différents types d'occupation des sols. Il
est donc difficile de définir les différents seuils présentés ci-dessus,
- la classe "cultures non irriguées" semble bien se distinguer par la forme
en cloche du profil d'indice de végétation avec un maximum au
printemps. Cependant, les deux entités "forêt" et "cultures irriguées" ont
des profils similaires aussi bien par la forme que par leur amplitude. Ces
deux entités sont donc difficilement séparables par le seul moyen des
profils temporels du NDVI.
Cette première méthodologie n'a pas permis de réaliser une stratification
satisfaisante à l'échelle nationale. Nous avons adopté une autre démarche basée
sur l'exploitation d'une seule image multi-bandes.
III. Stratification à partir d’une image NOAA
Devant la difficulté d'utiliser les profils temporels d’indice de végétation comme
moyen de production de la stratification à l'échelle nationale, une seconde approche
s'inspirant de la méthodologie de stratification à partir d'images de haute résolution
a été adoptée.
En effet, à la visualisation d'une composition colorée d'une image NOAA-AVHRR à
une date bien choisie, les grands thèmes apparaissent de façon distincte. Deux
possibilités sont alors offertes à l'exploitation de cette image. La première consiste
à adopter la même démarche que pour l'action "stratification à haute résolution", à
savoir la méthode d'interprétation visuelle. La seconde utilise la méthode de
classification automatique. Nous avons opté pour la seconde méthode, car
l'interprétation visuelle est, d'une part une opération fastidieuse, surtout pour la
couverture à l'échelle nationale, et nécessite d'autre part un opérateur photointerprète bien entraîné pour minimiser les erreurs d'affectation et d'omission dues à
la basse résolution spatiale de l’image.
La méthodologie de classification automatique suit les étapes suivantes :
- choix de l'image support de l'information avec comme principaux critères
le minimum de couvertures nuageuses et le maximum de classes
distinguables,
- la correction géométrique de l'image,
- définition d'une partition dans le domaine spectrale représentant les cinq
classes, et vérification sur l'image de la représentativité de la partition
définie,
- affectation des classes en fonction de leurs valeurs spectrales.
Les deux premières étapes sont immédiates et l'image choisie est celle de la date
du 3 mars 1987 qui présente le minimum de couverture nuageuse et permet une
bonne discrimination des différents thèmes.
La définition de la partition spectrale est constituée de deux parties. La première
est de localiser sur l'histogramme bi-dimmensionnel les signatures spectrales des
différents thèmes par le biais de sites d'apprentissage; la seconde consiste à
valider la partition à travers d'autres sites de validation. La figure 12 présente la
partition définie en fonction des différents thèmes.
La dernière étape est celle qui permet de produire la stratification finale. Elle
consiste à appliquer une technique dite de masquage de l'image qui permet de
produire une image classée en affectant à tout pixel la valeur de la classe en
fonction de la position du pixel dans la partition de l'histogramme bi-dimensionnel.
Le résultat de la stratification est représenté par la figure 13.
Figure 13 : Résultat de stratification à grande échelle
IV. Synthèse
À travers cette expérience nous pouvons tirer les conclusions suivantes :
- Bien que l'analyse multi-temporelle est largement utilisée dans des
études similaires, il apparaît à travers notre expérience que le véhicule
indice de végétation NDVI ne permet pas de séparer les différentes
classes.
- La seconde méthode « uni-temporelle » utilisant comme véhicule
d'informations les valeurs radiométriques (visible et proche infrarouge)
a permis de mener à bien une stratification à l'échelle nationale.
Cependant, la difficulté de chiffrer la précision de la méthode d'une part,
et la confusion possible dans les zones de séparation entre les
différentes parties de l'histogramme bi-dimentionnel d'autre part,
constituent les principales lacunes de la méthode utilisée.
Il s'avère donc nécessaire de combiner l'analyse spectrale avec l'analyse multitemporelle pour tirer profit de l'évolution dans le cycle végétatif des différents
couverts végétaux et pour évaluer et améliorer la précision de classification.
CHAPITRE III
SUIVI DE LA VÉGÉTATION
La forte répétitivité des satellites à basse résolution spatiale confère à leurs
données une très bonne sensibilité temporelle quant à l'évolution de la végétation,
en particulier dans le cas de phénomènes agroclimatiques exceptionnels
(sécheresse, stress, inondations, attaques parasitaires, etc.). Ces satellites
doivent permettre un suivi certes qualitatif mais continu des conditions de la
végétation sur l'ensemble du territoire national. Dans la présente section nous
décrivons le système de suivi global de la végétation utilisant les données
satellitales à basse résolution, illustré par quelques exemples de produits de ce
système.
I. La dimension spatio-temporelle du système de suivi de la
végétation
Le gestionnaire des ressources naturelles est souvent confronté à un besoin
d'informations concernant la ressource qu'il gère. Le premier type d'informations
concerne l'état de vigueur de la ressource végétale, mesuré par l'indice de
végétation NDVI. L'état de la végétation à un instant donné dépend aussi des
conditions de croissance (conditions climatiques, état hydrique, type du sol, etc.).
L'état hydrique des sols peut être appréhendé par la température de surface de la
terre, calculée à partir des canaux thermiques du capteur AVHRR.
Ainsi à tout moment, le système peut générer au moins deux types d'informations
sous forme de cartes d'indice de végétation et de température de surface
caractérisant respectivement l'état de vigueur de la végétation et les conditions
hydriques des sols dans la dimension spatiale. Il permet également de
caractériser l'évolution de ces indicateurs dans le temps pour une entité spatiale
donnée. Comment alors peut on définir l'entité géographique de base?
Les deux extrêmes dans la définition de cette entité sont d'un côté le pixel
(1km*1km) et la totalité du territoire national de l'autre. Entre ces deux extrêmes,
deux types de définitions d’entités spatiales élémentaires sont proposés. Le
premier type est défini par le croisement du résultat de la stratification à grande
échelle avec le découpage administratif. Dans ce cas l’entité élémentaire est
définie par le type d’occupation / utilisation des sols dans une province donné.
Dans le deuxième cas, l’entité élémentaire est définie par une occupation /
utilisation des sols homogène dans une zone agro-climatique donnée
(superposition de la stratification à grande échelle avec le zonage agroclimatique).
II. Description du système de suivi global de la végétation
Le système de suivi global de la végétation à base de données satellitales de
basse résolution est constitué des parties suivantes :
- un système d'acquisition et de traitements des données satellitales
permettant de générer l'indice de végétation et la température de surface
décrit ci haut,
- une composante d'analyse de ces indicateurs dans l'espace et le temps,
en relation avec des données annexes essentiellement météorologiques,
- édition des résultats sous différentes formes (cartographiques,
tabulaires, etc.),
- intégration de ces composantes dans la base de données
géographiques ou Système d'Information Agricole (SIA).
La seconde composante constitue la partie centrale du système du suivi global de
la végétation. Elle se compose des deux principales fonctions suivantes :
- comparaison inter-annuelle des indices de végétation,
- génération des profils temporels des entités géographiques
élémentaires.
II.1. Comparaison inter-annuelle des indices de végétation
Ce module du système de suivi permet de générer une carte permettant de
comparer l'état de la végétation par l'intermédiaire de l'indice de végétation de la
décade actuelle à la même ou à une autre décade d'une année antérieure prise
comme référence. Le module demande de définir la décade de l'année en cours et
l'année de référence. La procédure de génération de ces cartes comporte les
étapes suivantes :
- recherche dans le catalogue les images NDVI ou synthèses
correspondants aux deux décades choisies,
- réalisation si c'est nécessaire des synthèses par le maximum d'indice de
végétation,
- génération d'une image différence.
II.2. Profils d'indice de végétation
L'évolution de l'indice de végétation, matérialisé par les profils d'indice de
végétation, est un moyen d'évaluation de l'état de la végétation dans le temps.
Cette évaluation peut s'intéresser à des événements précis du cycle végétatif tels
que la levée, le tallage et le maximum de réponse végétative ou aléatoires tels
que les effets climatiques normaux ou exceptionnels (inondation, chergui, etc.).
La procédure du système de production de ces profils est constituée de :
* calcul des moyennes spatiales par rapport aux unités géographiques
élémentaires de la synthèse décadaire du NDVI, en ne tenant compte
que des pixels non nuageux,
* sauvegarde de ses valeurs dans une table du système d'information
agricole, prévue à cet effet.
Au niveau procédurale, le calcul de la moyenne spatiale d'indice de végétation se
fait à travers le module "Grid" du logiciel Arcinfo: l'image synthèse décadaire NDVI
est temporairement convertie dans le format grid pour pouvoir effectuer le calcul
des moyennes des pixels non nuageux par rapport aux zones géographiques
élémentaires. La table de sauvegarde de ces profils est constituée essentiellement
de champs d'identification de la zone, de la décade et les valeurs moyenne et
écart type du NDVI. Comme précisé ci haut, les zones élémentaires homogènes
sont définies de deux manières. La première est obtenue en superposant la carte
de stratification à grande échelle (section 3) et la carte des zones agro-climatiques
(Fig. 14). La zone élémentaire de suivi est définie comme étant un type
d'occupation du sol dans un étage agro-climatique donné. La seconde est obtenue
par superposition de la carte de stratification avec la carte administrative (Fig. 15).
La zone élémentaire est cette fois caractérisée par un type de sol dans une
province donnée.
Unité géographique élémentaire :
bour dans zone favorable
Figure 14 : Unité géographique élémentaire définie par un type d’occupation du sol
dans une zone agroclimatique pour le calcul d’indice de végétation moyen
Unité géographique élémentaire :
bour dans la province de Settat
Figure 15 : Unité géographique élémentaire définie par un type d’occupation du sol dans
une province pour le calcul d’indice de végétation moyen
III. Résultats et discussion
Les figures 16 et 17 illustrent la comparaison de l'état de la végétation à l'échelle
nationale, aux mois d'avril et mars de l'année 1998 par rapport à la même période
des deux dernières années précédentes.
À une première analyse de ces résultats, un certain nombre d'observations
qualitatives ressortent de façon immédiate :
- globalement la situation de la végétation en avril 1998 apparaît plus
déficitaire que 1996, mais plus meilleure que 1997,
- dans la région du Gharb, les inondations de l'hiver 1996 apparaissent
comme ayant des valeurs d'indice de végétation plus faible que celles de
1998, (les régions inondées ont des valeurs du NDVI plus faibles que
celles non inondées),
- la région de l'orientale et les zones désertiques sahariennes présentent
un indice de végétation plus élevé que les deux années précédentes du
fait de la relative hausse de la pluviométrie dans ces régions.
Les exemples des profils d'indice de végétation présentés aux figures 18 à 20,
permettent de fournir des renseignements précieux sur le déroulement du cycle
végétatif de l'année en cours (1998) en comparaison avec les années
précédentes. Ainsi, on voit que pour les différentes strates et pour les différents
étages agro-climatiques, les effets suivants apparaissent de façon notable. Pour
l'année 1998 par exemple, la végétation est apparue plus développée en début de
l'hiver par rapport aux années précédentes, présageant ainsi une bonne année
agricole. Cependant à la phase critique du cycle végétatif de certaines cultures
comme la céréaliculture, une chute s'est apparue brusquement au début du mois
de mars, permettant ainsi de pondérer l'optimisme du début de l'hiver.
Pour une efficience du système, il est nécessaire de s'assurer de la qualité des
données satellitales et des traitements associés aussi bien au niveau
radiométrique que géométrique. Il est à noter que dans le cas de notre système,
des améliorations sont à apporter à la qualité radiométrique, au niveau de la
disponibilité et de la généralisation des données d'entrée du modèle des
corrections atmosphériques ( concentration en vapeur d'eau et les aérosols
atmosphériques). La qualité géométrique est aussi nécessaire aussi bien pour les
produits de comparaisons inter-annuelles que pour l'élaboration des profils
d'indice de végétation.
Cependant, une des lacunes du système réside dans son incapacité de produire
des situations chiffrées en terme de production ou de rendement bien qu'ils
existent certaines tentatives d'estimation de la production à une échelle locale,
nationale ou mondiale (Oudrairi,1994 ; Bullock ,1992).
Vu la fragilité de l'agriculture marocaine et sa vulnérabilité vis-à-vis des aléas
climatiques, le système de suivi en temps réel a une importance capitale, en tant
que producteur d'indicateurs sur l'état de la végétation pour permettre aux
décideurs de mener les actions adéquates. Un aspect d'une importance capitale
et qui est souvent négligé, réside dans la communication de l'information produite
au bon moment et à la bonne destination. Ceci est maintenant possible grâce au
développement des moyens des télécommunications sous ses différentes formes
(internet, systèmes de télécommunications par satellites etc..). Parallèlement à un
système d'acquisition de données satellitales sous forme d'une station de
réception avec une chaîne des prétraitements, un système de transmission des
données rapide et efficace doit être mis en œuvre pour diffuser l'information
adéquate sous différentes formes aux utilisateurs potentiels, en particulier tous les
opérateurs du domaine agricoles (les directions centrales et régionales, les
compagnies de crédit et d'assurance les chambres d'agriculture etc.).
CONCLUSION
Le projet AGRIMA à travers les deux actions décrites dans ce rapport, a été
l'occasion pour nous de maîtriser l'utilisation des données satellitales de basse
résolution. Cette maîtrise a été couronnée par la construction d'une chaîne de prétraitements automatique des données NOAA/AVHRR, pouvant générer les
paramètres nécessaires aux deux actions concernées par ce projet. Le premier
résultat qui revêt une grande importance, réside dans la constitution d'une archive
nationale d'images de basse résolution à partir des données de l'année 1987. Ce
patrimoine national qui sera enrichi au fur et à mesure de nouvelles acquisitions (à
partir de notre propre station de réception), permettra sans doute une amélioration
dans le suivi de l'agriculture nationale.
Comme escompté par les attentes du projet, il a été mis en place une
méthodologie d'établissement de carte de zonage à grande échelle. Cependant,
des améliorations méthodologiques sont en perspectives par l'utilisation de
technique de classification multi-temporelle et l'exploitation intégrée d'autres
informations.
Concernant la seconde action du système de suivi global de la végétation, les
résultats sont satisfaisants et conformes aux différentes actions similaires à
travers le monde. Cependant, il est prévu de mettre l'accent sur le contenu
informationnel des données qui répond le plus aux besoins des utilisateurs.
A l’issue de cette action, des perspectives ont été identifiées et concernent :
-
le développement d’un système d’alerte sur la campagne agricole. Ce système
permettra aux opérateurs, à travers les informations et les données acquises en
temps réel sur l’état des cultures (sécheresse, inondation, etc.), d’évaluer leur
impact sur la campagne agricole et d’élaborer des stratégies d’intervention;
-
la mise en place d’un bulletin de conjoncture pour le suivi et l’analyse des
conditions de développement de la campagne agricole. Ce bulletin sera basé
essentiellement sur l’exploitation des données satellitales de basse résolution
NOAA/AVHRR, à travers des comparaisons intra et inter-annuelles de l’indice
de végétation et la température de surface ;
-
le recours à d’autres types de données satellitales similaires telles les capteurs
de RESURS et le canal VEGETATION du satellite SPOT permettent d’améliorer
les imperfections inhérentes aux données NOAA/AVHRR.
REFERENCES BIBLIOGRAPHIQUES
Assad, D.E. (1987). Utilisation des Satellites Météorologiques pour le Suivi Agroclimatique
des Cultures en Zone Saheliennes. Cas du Sénégal. Montpellier, Université des Sciences
et Techniques du Languedoc, 157 pp. (Thèse de Doctorat).
Bonn, F. , Rochen, G. (1992). Précis de Télédétection. Vol. 1, Presses de l’Université du
Quebec/AUPELF , 485 pp.
Bullock, P.R. (1992). Operational Estimates of Western Canadian Grain Production Using
NOAA /AVHRR LAC data. Canadian Journal of Remote Sensing, 18(4), pp. 23-28.
Cracknell, A..P. (1997). The Advanced Very High Resolution Radiometer, Taylor &
Francis Publishers, UK, 534 p.
Deschamp, P.Y., Phulpin, T. (1980). Atmospheric Correction of Infrared Measurements
of Sea Surface Temperature Using Channels at 3.7, 11, and 12 m. Boundary-Layer,
Meteorology, 18, 131-134.
Holben, B.N., Kauffman, Y.J. and Kendall, J.D. (1990). NOAA-11 AVHRR Visible and
Near Infrared Inflight Calibration. Int. J. Remote Sensing, Vol. 11, n° 8, pp. 1511-1519.
Li, Z.L. , Becker, F. (1993) . Feasability of Land Surface Temperature and Emissivity
Determination from AVHRR Data. Remote Sens. Environ. 43, pp. 67-85.
Ouadrairi, H. (1994). Utilisation des Données NOAA-AVHRR pour Modéliser la
Production Primaire du Mil dans l’Ecosystème Sahelien (Niger). Thèse de l’Université de
Paris VII.
Pods, (1995). NOAA POD GUIDE.http://www2.ncdc.gov/docs /podug
Pokrant, H.P. , Palko, S. and Lowe, J.J. (1991). The Use of Remote Sensing in
Producing the National Atlas of Canada. Proceedings, Ministry of Natural Ressources and
Canadian Institute of Surveying and Mapping, GIS Seminar, November, 1991, Toronto,
Ontario, Canada, pp. 77-82.
Price, J.C. (1983). Estimation Surface Temperature from Satellite Thermal Infrared Data –
A Simple Formulation for Atmospheric Effect. Remote Sens. Envir. 34 : pp. 353-361
Quattorchi, D.A. and Pelletier, R.E. (1991). Remote Sensing for Analysis of
Landscapes : An Introduction, Quantitative Methods in Landscape Ecology. The Analysis
and Interpretation of Landscape Heterogeneity. Springer-Verlay, 3 : pp. 51-76.
Rahman, H. and Dedieu, G. (1994). SMAC : A Simplified Method for Atmospheric
Correction of Satellite Measurements in the Solar Spectrum. Int. J. Remote Sensing, Vol.
15, n° 1, pp. 123-143.
Saunders, R.W. , Kriebel, K.T. (1988). An Improved Method for Detecting Clear Sky and
Cloudy Radiances from AVHRR data. Int. J. Remote Sensing, vol. 9, n°1, pp. 123-150
Tanré, D. , Deroo, C. , Duhant, P., Herman, M., Morcrettes, J.J., Perbos, J. and
Deschamps, P.Y. (1990). Description of a Computer Code to Simulate the Satellite Signal
in the Solar Spectrum : the 5S Code. Int. J. Remote Sensing, Vol. 11, n° 11, pp. 659-668.