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