Cartographie de l`occupation du sol

OBSERVATOIRE DU SAHARA ET DU SAHEL
REPSAHEL
Amélioration de la Résilience des Populations Sahéliennes
aux Mutations Environnementales
Cartographie de l’occupation du sol
Guide Pratique
Contenu
Introduction............................................................................................................................................. 4
I.
Présentation générale et conseils pratiques ................................................................................... 6
1.
Hardware et software ................................................................................................................. 6
2.
Données....................................................................................................................................... 6
3.
Chaine de production .................................................................................................................. 7
4.
Méthodologie .............................................................................................................................. 9
II.
Processus de classification ............................................................................................................ 10
1.
Ajout des bandes ....................................................................................................................... 10
2.
Regroupement des bandes ....................................................................................................... 11
3.
Classification non-supervisée .................................................................................................... 12
4.
Identification des classes........................................................................................................... 14
5.
Fusion des classes...................................................................................................................... 19
III.
Validation des résultats de la classification............................................................................... 19
1.
Export vers un format raster (GeoTiff) ...................................................................................... 19
2.
Dernière vérification et élaboration d’une matrice de confusion ............................................ 20
IV.
Mise en forme et production des cartes ................................................................................... 24
1.
Mosaïquage des tuiles ............................................................................................................... 24
2.
Habillage des cartes................................................................................................................... 24
Conclusion ............................................................................................................................................. 26
Annexe 1 ................................................................................................................................................ 27
2
Liste des illustrations
Figure 1: Tuilage des scènes .................................................................................................................... 8
Figure 2: Exemple d'arborescence de dossiers ....................................................................................... 8
Figure 3: Ajout des bandes .................................................................................................................... 10
Figure 4: Les 8 bandes ajoutées ............................................................................................................ 10
Figure 5: Regroupement des bandes .................................................................................................... 11
Figure 6: Donnée d'entrée de la classification ...................................................................................... 13
Figure 7: Paramètres de la méthode K-means ...................................................................................... 13
Figure 8: exemple de fichier généré ...................................................................................................... 14
Figure 9: Comparaison avec les images Google Earth........................................................................... 15
Figure 10: Synchronisation des deux vues ............................................................................................ 16
Figure 11: Changement des noms des classes ...................................................................................... 17
Figure 12: Fusion des classes................................................................................................................. 19
Figure 13: Export GeoTIFF ..................................................................................................................... 20
Figure 14: installation d’une nouvelle extension pour QGIS ................................................................. 21
Figure 15: lancement du plugin OpenLayers......................................................................................... 22
Figure 16: Ajout de la couche raster ..................................................................................................... 22
Figure 17: Superposition des 2 couches ................................................................................................ 23
Figure 18:Mosaïquage des tuiles........................................................................................................... 24
Figure 19: Exemple d'habillage d'une carte .......................................................................................... 25
3
Introduction
La collecte et la diffusion de données pertinentes, précises et actualisées sont d’une importance
capitale pour améliorer la connaissance de l’environnement. Disposer rapidement de la donnée est
une condition indispensable pour le développement de stratégies et de politiques efficaces en vue de
l’adaptation au changement climatique, de la lutte contre la désertification et de la protection de
l’environnement de manière générale.
C’est dans ce cadre que s’inscrit le projet REPSAHEL mené par l’Observatoire du Sahara et du Sahel
et dont l’objet est l’Amélioration de la résilience des populations sahéliennes aux mutations
environnementales. Il a pour objectif principal d’améliorer les conditions d’existence des populations
de l’espace sahélien à travers le renforcement de leur résilience aux mutations environnementales,
au changement climatique en particulier, et à travers une meilleure gestion des ressources
naturelles. Il vise à développer et/ou renforcer les dispositifs et outils de surveillance
environnementale au niveau de la sous-région de l’Afrique de l’Ouest en valorisant les acquis
méthodologiques et techniques développés par l’OSS dans le cadre de ROSELT1 (premier réseau
régional africain d’institutions en collaboration Sud-Sud-Nord pour le partage des compétences et
des connaissances) et des DNSE2.
De cet objectif principal, émanent les objectifs spécifiques suivants :



Intégration des changements environnementaux dans les politiques et les planifications
sectorielles ;
Renforcement des systèmes de suivi-évaluation à travers l’adaptation et la valorisation des
produits de la surveillance environnementale ;
Instauration de mécanismes et renforcement des outils permettant une meilleure implication
des populations dans la résolution des problèmes environnementaux (planification, mise en
œuvre et suivi-évaluation).
Afin d’atteindre ces objectifs, le projet REPSAHEL est structuré autour de quatre composantes
principales :




Composante 1 : Mise en place des outils de surveillance et de caractérisation
environnementale
Composante 2 : Diffusion et Circulation de l’information à travers le renforcement et la
diversification des canaux
Composante 3 : Intégration et appropriation des résultats par les politiques et les acteurs
concernés
Composante 4 : Renforcement du rôle de la population dans le processus décisionnel en vue
d’une meilleure prise en compte de ses capacités et de ses attentes
Le dispositif de surveillance environnementale à mettre en place dans le cadre de la première
composante du projet valorisera les acquis des outils et des systèmes existants et générera des
1
ROSELT : Réseau d’Observatoires de Surveillance Ecologique à Long Terme
2
DNSE: Dispositif National de Surveillance Environnementale
4
produits pertinents pour les niveaux sub-national et national. Il se basera essentiellement sur
l’utilisation de données géo-référencées actualisées permettant de mieux cibler les interventions
aussi bien au niveau spatial que du point de vue des priorités stratégiques et
thématiques/techniques.
En plus des produits de la surveillance environnementale au niveau local, il s’agira aussi d’utiliser les
données issues des satellites d’observation de la terre (données moyenne et haute résolution), pour
réaliser des produits cartographiques tels ceux d’occupation des sols, de l’état de dégradation des
terres et du couvert végétal, mais aussi pour renforcer les capacités des pays impliqués pour la mise
à jour régulière des cartes, à des fréquences compatibles avec les rythmes de développement et sur
la base de méthodologies acceptées par tous.
En définitive, l’ensemble des produits de la surveillance environnementale et de la cartographie
thématique sera utilisé comme outil pour la planification, la mise en œuvre et le Suivi-Evaluation des
projets de développement aux différents niveaux. Ils alimenteront également les Systèmes
d’Information Environnementale dédiés aux Programmes d’Action environnementaux, notamment
ceux élaborés dans le cadre des Accords Multilatéraux sur l’Environnement (UNCCD, UNFCCC et
UNCBD). Ceci constituera un véritable cadre synergique pour la mise en œuvre des AME au niveau
des pays concernés
La cartographie de l’occupation du sol pour la totalité de la zone d’action à réaliser dans le cadre de
la première composante du REPSAHEL, et qui constitue l’un de ses produits phares, va permettre aux
décideurs par une vision d’ensemble de mieux appréhender et spatialiser les problématiques
environnementales à l’échelle de la sous-région et de mieux mettre en exergue l’aspect
transfrontalier de ces problématiques. La méthodologie de cartographie et la légende ont été
adoptées en utilisant une approche participative et font l’objet de notes précédentes.
Ce guide technique a pour objectif d’appuyer les équipes nationales chargées de l’élaboration des
cartes d’occupations du sol. D’autre part, l’OSS assurera l’accompagnement de ces équipes à
distance (email, Skype…) ou à travers des missions d’appui auprès des partenaires nationaux.
L’objet de ce document n’est pas de fournir un manuel de formation complet sur la méthodologie de
cartographie d’occupation du sol, mais il s’agit plutôt d’un guide pratique (tutorial) qui détaille les
étapes nécessaires pour la classification des images satellitaires et l’élaboration des cartes
d’occupation des terres.
5
I. Présentation générale et conseils pratiques
Cette partie aborde les aspects liés aux matériels / logiciels nécessaires, les données, l’organisation
du chantier du travail ainsi que la méthodologie proposée.
1. Hardware et software
Le stockage, le traitement et la classification des images satellitaires nécessitent des espaces de
stockages importants ainsi que des capacités matériels considérables pour exécuter des algorithmes
itératifs et complexes. Pour cela, il faut utiliser un ordinateur/poste de travail assez puissant capable
d’exécuter rapidement les différentes taches. Nous recommandons certaines spécifications de
système pour l’obtention des meilleurs résultats :
-
Système d'exploitation: Indiffèrent : windows, Linux… (dépend du logiciel à utiliser)
Mémoire système (RAM) : 4Go
Espace disque :500 Go et plus
Processeur : Intel Pentium 4 ou supérieur
Mémoire graphique : 2 Go minimum
Disque dure externe 1 To
Pour la partie Software, Il existe un éventail de logiciels commerciaux et libres pour le traitement et
la classification des images satellitaires. Voici une liste des utilitaires qui intègrentles fonctionnalités
nécessaires pour réaliser cet exercice :
-
Logiciels commerciaux : ERDAS IMAGINE, ENVI, IDRISI
Logiciels libres :ORFEO Toolbox (OTB), ILWIS
Même chose pour les logiciels de cartographie / SIG : commerciaux (MapInfo, ArcGIS…), Libres (QGIS,
GvSIG,…).
2. Données
L’imagerie satellitaire LANDSATest choisie pour la cartographie de l’occupation du sol, elle offre un
niveau de détail suffisant pour repérer les caractéristiques de la couverture terrestretout en offrant
une couverture plus ou moins complète de la zone d’action du REPSAHEL, généralement à plusieurs
dates. La résolution spatiale des images utilisées est de 30 m (Encadré 1).
LANDSAT, le programme américain de télédétection spatiale (géré par NASA et USGS) a été le
premier programme civil d'observation de la Terre par satellite. Il a commencé avec le lancement du
premier LANDSAT en 1972 et se poursuit encore actuellement avec LANDSAT 8 LDCM opérationnel à
partir d’Avril-Mai 2013.
Les images acquises pour cet exercice proviennent de deux plateformes différentes :
-
LANDSAT 5, équipé de 2 capteurs multi-spectral (Multispectral Scanner - MSS et Thematic
Mapper Plus - TM), elle effectue un survol complet de la planète en 16 jours. Chaque jeu
d'image porte sur une étendue de 185 km, avec une résolution spatiale de 30 mètres (120m :
Infrarouge thermique).
6
-
LANDSAT 8 est équipé de 2 capteurs : "Operational Land Imager" (OLI) et "Thermal
InfraRedSensor" (TIRS) et offre des résolutions de 15m, 30m et 100 m (panchromatique,
multispectrale et thermique).
Encadré 1 : Caractéristiques technique des capteurs utilisés
Caractéristiques
Landsat 5
Landsat 8 LDCM
Instruments
MSS et TM : radiomètre
OLI et TIRS : radiomètre
Bandes spectrales
0,45-0,52 µm
0,52-0,6 µm
0,63-0,69 µm
0,76-0,9 µm
1,55-1,75 µm
2,08-2,35 µm
0,433-0,453 µm
0,45-0,515 µm
0,525-0,6 µm
0,63-0,68 µm
0,845-0,885 µm
1,56-1,66 µm
1,36-1,39 µm
2,1-2,3 µm
Infrarouge thermique
10,4-12,5 µm
10,3-11,3 µm
11.5-12.5 µm
Panchromatique
-
0,5-0,68 µm
Résolution Spatiale
Générale : 30 m
Infrarouge thermique :120 m
Générale : 30 m
Panchromatique : 15 m
Infrarouge thermique : 60 m
Résolution temporelle
16 jours
16 jours
3. Chaine de production
Organisation générale
Pour pouvoir gérer le grand nombre de données et pour que la chaine de production soit
opérationnelle et performante, on doit dès le départ organiser notrechantier de travail. Il est
recommandé de :
1. Garder deux (02) copie des données brutes (compressées) : une sur la machine et l’autre sur
un support externe (back-up).
2. Créer des répertoires par scène et par date : bandes initiales, composition multi-date
(stacking), image classée…On peut se référer aux scènes par leurs noms (Encadré 2).
7
Encadré 2 : Convention de nommage des Scènes Landsat
Une Scène Landsat est constituée de :


11 bandes pour LANDSAT 8 (9 OLI + 2 TIR)
7 bandes pour LANDSAT 5 (7 TM)
Le nommage des scènes et des bandes suit une structure standard :
[Instrument] [Path] [Row] [Année] [Jour] [Station]_ [N° de la bande]
N.B : Les coordonnées WRS (Path&Row) permettent de localiser géographiquement chaque scène, ceci permet
ainsi d’identifier les prises des différentes dates.
Pour chaque scène on a 2 dates : Saison sèche [Janvier – Avril] et Saison humide [Juillet – Octobre].
Tuilage des scènes
Afin d’éviter les effets de l’éclairage lors de prises des scènes, on propose de découper chaque
images en plus petites tuiles, les classer puis les mosaïquer. Un script va être développé à cet effet
(et vous sera transmis), il faut donc numéroter ces tuiles et les mettre dans des sous-dossiers qui
faits référence à la scène originale.
Il est possible aussi d’utiliser la grille des tuiles (vous sera transmis) comme masque. C’est à dire
lancer la classification sur une seule tuile à la fois.
Figure 2: Exemple d'arborescence de dossiers
Figure 1: Tuilage des scènes
8
4. Méthodologie
La présente méthodologie tient compte des spécificités des données satellitaires utilisées ainsi que
des produits escomptés. Elle combine l’utilisation de deux techniques : la classification nonsupervisée et la photo-interprétation d’images très haute résolution disponible gratuitement en
ligne.
9
II. Processus de classification
Les équipes concernées peuvent utiliser n'importe quel utilitaire de traitement et classification des
images satellitaires. Cependant, pour des raisons pratiques et pédagogiques les illustrations utilisent
l’interface ENVI (version 4.7)
1. Ajout des bandes
Dans la barre de menu principal ENVI, sélectionnez File > Open External File > Landsat > GeoTIFF (1),
naviguez jusqu'au dossieroù vous avez mis votre scène (tuiles) et sélectionnez les bandes voulues (2).
Nous allons utiliser une combinaison de 4 bandes par date: Visible + Proche inrarouge (rouge, vert,
bleu, PIR) (3) c’est-à-dire les bandes 5,4,3,2 pour Landsat 8 et 4,3,2,1 pour Landsat 5.
(1)
(2)
Figure 3: Ajout des bandes
On ajoute maintenant à la liste les bandes RVB et PIR de la date 2 (Saison humide).
Encadré 3 : Signature spectrale des différents objets :
(3)
Figure 4: Les 8 bandes ajoutées
10
2. Regroupement des bandes
La classification multi-date consiste à traiter simultanément des canaux prévenants de différentes
dates afin de prendre en compte les variations des paysages entre les saisons. Cette étape consiste
donc à construire un fichier qui regroupe toutes les bandes ajoutées (Layer Stacking), ce fichier sera
utilisé dans le reste du traitement (lancer la classification sur les 8 bandes).
Menu Basic Tools > Layer Stacking > Import File (pour ajouter les 8 bandes)
Figure 5: Regroupement des bandes
11
3. Classification non-supervisée
Dans cette approche, l'ordinateur analyse l'ensemble des signatures spectrales de tous les pixels de
l'image, et détermine des groupements naturels, c'est-à-dire regroupe les pixels sur la base de
signatures spectrales similaires.
On effectuera une classification non supervisée de l'image précédemment créée et ce, en utilisant
l'algorithme K-means, et le module Classification >Unsupervised> K-means.
La méthode des ‘K-means’(Encadré 4)est une méthode de classification géométrique bien adaptée
aux espaces vectoriels de grande dimension. Elle est d'ailleurs régulièrement utilisée pour effectuer
des classifications non-supervisées d'images multispectrales.
Encadré 4 : Principe de la méthode K-means :
Source : UMR TETIS Cemagref-CIRAD-ENGREF (2007)
12
Figure 6: Donnée d'entrée de la classification
L'algorithme des K-means s'efforce de trouver les centroïdes les plus représentatifs de l’espace de
données depuis itérativement groupe les pixels dans la classe la plus proche à l'aide d'une technique
de distance minimale. Chaque itération recalcule des nouvelles moyennes de classes et reclasse les
pixels par rapport ces nouvelles moyennes. Ce processus se poursuit jusqu'à ce que le nombre de
pixels dans chaque classe varie de moins du seuil de changement sélectionné ou le nombre
maximum d'itérations soit atteint.
L'algorithme des K-means requiert donc comme paramètres d'entrée :
(1)
(2)
(3)
(4)
Nombre de classes= 50
Seuil de changement = 0.1 %
Nombre d'itérations : 50
Nom de fichier de sortie : 205048_kmean
Remarque : Selon la puissance de votre ordinateur, cette étapenécessite environ ½ heure (voire
plus).
Figure 7: Paramètres de la méthode K-means
13
Résultat de la classification
Le résultat est un fichier raster mono-canal qui représente les différents groupements des pixels
(classes) dégagés par l’algorithme de classification automatique.
Figure 8: exemple de fichier généré
4. Identification des classes
Le raster généré donne des noms par default aux classes (class1, class2,...). Dans cette étape on va
les identifier avec leurs « vrais noms » (conformément à la légende arrêtée – Encadré 5 et Annexe 1).
Pour ce faire, des sources externes peuvent être utilisées pour la spatio-interprétation, nous utilisons
dans cet exercice les images très haute résolution de Google Earth ou BING.
Etape 1 : Photo-interprétation (comparaison avec des images très haute résolution)
Méthode 1 : en utilisant ENVI et Google Earth
Avec SPEAR TOOLS d’ENVI on a deux possibilités (figure 9):
-
Option (1) Exporter l’emprise de la classification vers Google Earth.
Option (2) Exporter le fichier entier de la classification au format KML vers Google Earth.
Apres la superposition de notre classification avec les images GE, on procède à l’identification des
noms des classes (on peut s’appuyer aussi sur des cartes topographiques ou thématiques existantes)
14
Figure 9: Comparaison avec les images Google Earth
15
Méthode 2 : en utilisant ArcGIS et BING MAPS
Cette méthode consiste à ouvrir notre fichier de classification sur ArcGIS (version 10.0 ou supérieur)
et comparer les résultats avec les images très haute résolution de BING MAPS. Pour pouvoir lire le
fichier ENVI sur ArcGIS il faut lui changer l’extension en *.DAT (renommer le fichier en
« 205048_kmean.dat »).
Sur ArcGIS : on insert deux blocs de données (data frames) Insert > Data Frame, un pour la
classification et l’autre pour l’imagerie BING (Add Data >Add Base MapouAdd Data from ArcGIS
Online). On synchronise ensuite les deux vuesen passant en mode mise en page (Layout).
On peut maintenant identifier nos classes en se basant sur les images BING et en modifiant les noms
à partir de la liste des couches
Figure 10: Synchronisation des deux vues
16
Etape 2 : Changementdes noms des classes (suite de la méthode 1)
Si vous avez choisi la méthode 1, vous devez changer le nom de chaque classe identifiée en modifiant
les attributs de la classification. Cette option est accessible à partir de la boite Available Bands List :
Edit Header>Edit Attributes> Classification Info
Figure 11: Changement des noms des classes
17
Encadré 5 : Légende - nom des classes
Classes
Forêt claire
Forêt dense
Forêt galerie de type guinéen
Forêt galerie de type sahélien
Savane arborée
Savane boisée
Savane arbustive
Savane herbacée
Steppe arborée
Steppe arbustive (épineux)
Steppe herbacée
Affleurement rocheux
Glacis
Etendue dunaire
Plage
Culture céréalière
Culture maraîchère
Arboriculture
Riziculture / Pisciculture
Plan d'eau douce
Plan d'eau saumâtre ou salée
Cour d’eau
Bâtis
18
5. Fusion des classes
Après l’étape de spatio-interprétation, on remarquera que certains types d’occupation de sol sont
représentés par plusieurs classes. Pour éviter ces redondances, on doit combiner (fusionner)
certaines classes.
Classification > Post Classification > Combine Classes
Figure 12: Fusion des classes
III. Validation des résultats de la classification
1. Export vers un format raster (GeoTiff)
Une fois qu’on a effectué la classification d'image et dans le besoin d'évaluer la précision du travail,
on a besoin d'exporter ce fichier versun format raster utilisé par les logiciels SIG (pour cet exemple :
GeoTIFF). Dans la barre de menu principal, sélectionnez File > Save as >GeoTiff et sélectionnez votre
classification.
19
Figure 13: Export GeoTIFF
2. Dernière vérification et élaboration d’une matrice de confusion
Dans cette étape, Nous utiliserons les données très hautes résolution disponible gratuitement sur «
Google Earth » ou « Bing Maps » pour effectuer une dernière vérification des résultats et élaborer la
matrice de confusion. Pour ce faire, on peut utiliser le logiciel SIG open source « QuantumGIS(1) »
avec son plug-in « OpenLayers » qui permet d’afficher les images très hautes résolution comme
fonds de plan.
Remarque : cette fonctionnalité est disponible dans ArGIS 10 : outil « Basemaps »
La première étape est d’installer le plugin, à partir de la barre de menu principale de QGIS :
Extension > Installateur d’extensions python
Le logiciel fait alors automatiquement la liste de toutes les extensions qu’il trouve dans les dépôts en
ligne. On va filtrer cette liste avec le mot clé Openlayers, on sélectionne Openlayers plugin et on
l’installe.
20
Figure 14: installation d’une nouvelle extension pour QGIS
Par défaut les extensions ajoutées à l'aide de l'installateur d'extensions sont activées. Pour vérifier
les extensions actives, ouvrir le gestionnaire d'extensions avec la commande Extension >
Gestionnaire d'extensions.
Notre extension est prête à être utilisée à partir du menu « Extension », on peut choisir entre
plusieurs fonds disponibles (Google sattelite et Bing Arial sont les plus adaptés à notre besoin)
(1)
QuantumGIS est disponible au téléchargement à l’adresse suivante : http://hub.qgis.org/projects/quantumgis/wiki/Download
21
Figure 15: lancement du plugin OpenLayers
Maintenant il faut ajouter notre classification au format shapefile.
Pour ajouter un vecteur, allez dans le menu Couche > Ajouter une couche rasteret choisissez le
fichier geotiff exporté.
Figure 16: Ajout de la couche raster
22
On a maintenant les deux couches superposées, il faut donc naviguer, zoomer et vérifier les classes
d’occupation du sol par rapport aux images de très haute résolution de Google Earth (ou Bing Aerial).
Figure 17: Superposition des 2 couches
A la fin de cette étape et en s’appuyant sur d’autres données de références (vérifications terrain,
cartes…), on peut élaborer les matrices de confusion pour estimer le pourcentage et le nombre de
pixels correctement classés à l’intérieur de chaque zone test.
La matrice de confusion (Encadré 6) sert à évaluer la qualité d'une classification. Elle est obtenue en
comparant les données classées avec des données de référence qui doivent être différentes de celles
ayant servi à réaliser la classification.
Encadré 6 : Principe d’une matrice de confusion :
Classification
Référence
Classe 1
Classe i
Classe n
Total lignes
Classe 1
x11
x1i
x1n
N1
Classe i
xi+
xii
x+i
Ni
Classe n
xn1
xni
Xnn
Nn
Total colonnes
M1
Mi
Mn
N
23
IV. Mise en forme et production des cartes
1. Mosaïquage des tuiles
Apres le traitement et la classification des tuiles séparément, il est temps de les regrouper dans un
seul raster. On utilise l’utilité gdal_merge disponible à partir du Quantum GIS via le menu : Raster >
Divers > Fusionner. Il s’agit tout simplement de mettre toutes les tuiles classées en tant que Fichiers
Source(1) puis préciser le nom et le format du Fichier de sortie(2) et lancer le traitement(3).
Figure 18:Mosaïquage des tuiles
2. Habillage des cartes
Pour produire la version papier des cartes, on propose de découper le produit en feuilles à une
échelle de 1/100 000 (ce découpage peut être adapté selon les normes nationales). Les couleurs
attribuées aux différentes classes d’occupation du sol doivent être bien évidement conformes à la
légende arrêtée.
En outre il faut ajouter les différents éléments de la mise en page : Titre, N° de la feuille, l'échelle, les
éléments d'orientation et de localisation, la légende, la projection cartographique utilisée, les
sources, les logos, copyrights…
24
A titre d’exemple, vous trouvez ci-dessous un habillage d’une carte d’occupation du sol au 1/200 000
élaborée par le consortium BRGM-FIT pour le programme du système d’information pour le
développement rural et l’aménagement de territoire (P-SIDRAT) du Tchad.
Figure 19: Exemple d'habillage d'une carte
25
Conclusion
L’un des objectifs du projet REPSAHEL est la production de cartes sur la base d’une approche
harmonisée, qui devrait par ailleurs aboutir à des produits homogènes et comparables entre les
différents pays impliqués dans le projet. Pour ce faire, une démarche commune de contrôle qualité
doit être suivie. L’étude sur cette démarche est en cours d‘élaboration et permettrait ainsi d’évaluer
la pertinence du produit final ainsi que toutes les étapes d’élaboration des cartes.
La méthodologie de cartographie de l’occupation du sol décrite dans ce manuel est apte à être
adaptée par les équipes nationales chargées de la cartographie tout en tenant compte des outils
disponibles et des normes appliquées dans leurs pays.
Les cartes d’occupation du sol élaborées serviront à alimenter les bases de données géographiques
nationales permettant ainsi d’appréhender les tendances des changements de la couverture
terrestre tout en les comparant avec des produits antérieurs. L’information portée par les cartes
demeure d’importance capitale pour les acteurs du développement durable tant au niveau national
que local. Les cartes d’occupation des sols constituent l'un des principaux intrants pour l'analyse de
la vulnérabilité des écosystèmes et des populations en vue de mieux identifier les alternatives et
options de renforcement de leurs résilience au Changement Climatique.
Pour assurer la durabilité et l’efficacité de cette information et pour pouvoir l’intégrer dans les divers
systèmes de circulation de l’information, il est primordial de prévoir une documentation précise sur
les méthodologies de production, les spécifications et les modalités d’utilisation et ce, à travers
l’élaboration des fiches de métadonnées détaillées.
Enfin et de par son souci d’appuyer ses pays membres et plus particulièrement ceux impliqués dans
le projet REPSAHEL, l’OSS assurera le soutien technique nécessaire pour le démarrage du processus
de cartographie, le suivi périodique des activités et la validation du produit, qui fera l’objet d’un
atelier national de restitution.
26
Annexe 1
Légende arrêtée
Classe
Descriptif
Forêt claire
Végétation ligneuse de stature moyenne, à couvert ouvert et clair, et laissant largement filtrer la
lumière. La plupart des espèces a le feuillage caduc. La strate graminée est en général peu
dense ou en mélange avec une autre végétation herbacée. Le sous-bois est ordinairement
discontinu et très largement ouvert ou nul. Le volume est compris en 60 et 100 m3/ha. Dans
les formations non dégradées, la hauteur dominante est supérieure à 12 m (source Normes
Techniques d'Inventaire forestier, DNEF-Mali). Ce type de forêt ne se situe pas sur le réseau
hydrographique.
Forêt dense
Ce type de forêt aurait les mêmes caractéristiques que les forêts galeries mais éloignées du
réseau hydrographique.
Végétation à couvert fermé, de stature moyenne, constituée de plusieurs strates qui forment un
couloir de verdure accompagnant les cours d'eau permanents et temporaires ou les
dépressions de terrain en zone d savane. Elle forme une frange étroite, large de 30 à 180 m à
Forêt galerie de couvert transversalement non interrompu et à voûte nettement nettement plus supérieure à
type guinéen
celle des peuplements avoisinants. Le volume moyen dans ces types de formation est compris
entre 90 et 250 m3/ha. La hauteur dominante est souvent supérieure à 17m (source Normes
Techniques d'Inventaire forestier, DNEF-Mali). Ce type de végétation se trouve dans la zone
guinéenne et pré-guinéenne.
Forêt galerie de Mêmes caractéristiques que plus haut mais présentes dans les zones soudanienne et
type sahélien
sahélienne
Les arbres et arbustes sont disséminés parmi le tapis graminéen, ils sont moyennement
nombreux et atteignent 6 à 8 m de haut, exceptionnellement plus. Le Volume moyen est
inférieur à 20 m3/ha et la hauteur dominante supérieure à 7m (source Normes Techniques
d'Inventaire forestier, DNEF-Mali). Les formations végétales dues à l’action humaine sont les
savanes verger ou savanes parc.
Ce type de végétation apparait dans la limite de l’aire de Vitellariaparadoxa, Parkiabiglobosa et
Faidherbiaalbida, dans des zones d’agriculture permanente ou à jachère
Savane arborée
courte. Ces trois espèces ont en commun d’être considérées comme des arbres utiles et donc
d’être protégées lors des défrichements. Lors des mises en cultures et jachères successives,
ils sont préservés du défrichement, ce qui explique qu’à la longue ils soient les seuls arbres
présents. La formation se présente sous l’aspect d’un peuplement modérément dense,
parsemé d’arbres de taille moyenne (quelque fois très gros) appartenant aux espèces citées
plus haut dans leur grande majorité. Ce peuplement domine une culture (mil, sorgho, arachide)
ou bien un recrû arbustif composé essentiellement d’héliophiles pionnières (PIRL).
savane boisée
Arbre et arbuste y forment un couvert généralement clair qui laisse largement pénétrer la
lumière. La hauteur de la strate arborescente est de 8 à 13m, exceptionnellement plus. Les
arbres y sont plus nombreux qu'en savane arborée. Le volume moyen est supérieur à 20m
3/ha et la hauteur dominante supérieure à 7m. (source Normes Techniques d'Inventaire
forestier, DNEF-Mali).
Savane
arbustive
Les végétaux ligneux sont représentés presque uniquement par les arbustes et arbrisseaux,
disséminés dans le tapis graminéen continu. Le volume est inférieur à 20 m3 et la hauteur
dominante inférieure à 7m.
27
Classe
Descriptif
Savane
herbacée
(ou arbustive) : Formation herbeuse, à couvert très irrégulier, où les petits arbres, arbustes et
arbrisseaux sont présents. Le volume moyen est inférieur à 10 m3/ha et la hauteur dominante
est inférieure ou égale à 7m (source Normes Techniques d'Inventaire forestier, DNEF-Mali).
Pour le Nord-Mali, la steppe arborée / arbustive est une formation issue de la dégradation des
fors claires et, bien souvent, maintenue par les feux de brousse. Elle est la formation végétale
Steppe arborée la plus fréquente de l'ensemble de la zone soudanienne Elle est caractérisée par une strate
continue de graminées héliophiles de la famille des Andropogonées dominée par une strate
ligneuse ouverte. Son couvert, dépassant rarement les 15% est constitué des espèces les plus
tolérantes de la forêt claire de hauteur inférieure et supérieure à 7 m comme Burkéaafricana,
Combretumspp., Terminaliaspp., Pterocarpuserinaceus, Bombax costatum, Danielliaoliveri, etc.
(source Normes Techniques d'Inventaire forestier, DNEF-Mali).
Steppe
arbustive
(épineux)
Steppe
herbacée
(/graminéenne) : Végétation herbacée et / ou graminéenne où les végétaux ligneux sont
pratiquement absents (source Normes Techniques d'Inventaire forestier, DNEF-Mali).
Affleurement
rocheux
Glacis
Présents dans les plaines ce sont des sols endurés où la végétation est absente
Etendue
dunaire
Concernent les formations dunaires présentes dans la zone désertique
Plage
Sableuses et rocheuses
Culture
céréalière
Culture
maraîchère
Arboriculture
Riziculture /
Pisciculture
Plan d'eau
douce
Plan d'eau
saumâtre ou
salée
Estuaires, marais salants, lagunes, lacs
Cour d’eau
Fleuve, rivière…
bâtis
28