Outil de détection de sargasses dans la Caraïbe

Transcription

1 Outil de détection de sargasses dans la Caraïbe Auteur : David Réchal Partenaire : IRD, UMR ESPACE-Dev Date : 15 décembre 2012 Territoires Caraïbe Climat Milieu marin Mangrove Littoral Urbanisation Projet CARIBSAT Programme INTERREG Caraïbe IV Biodiversité Risques naturels

2 Sommaire Introduction :... 3 Approche générale... 3 Entrée : Images MERIS... 3 Géo-référencement des données... 5 Masques terres et nuages... 6 Indice MCI... 7 Seuil de détection et Cartographie... 8 Annexes... 8 Codes IDL développés

3 Introduction : Pour rappel, le projet CARIBSAT, coordonné par l UMR ESPACE-Dev implantée au centre IRD Martinique-Caraïbe consiste à la mise en place d un observatoire sur l environnement à partir de donnée de télédétection, en bénéficiant notamment des images SPOT et des données radar (ENVISAT) acquises par la station de réception du programme SEAS- Guyane. L un des enjeux de l utilisation de la télédétection passive dans le projet CARIBSAT est de permettre à certains acteurs décisionnels de mettre en place un suivi de certains grand types d occupation du sol, ou de pouvoir apporter une réponse par l image en cas d évènement majeur (cyclone par exemple). Dans cette optique une application de détection d algues a été développée. Alorsqu elle n était pas initialement prévue, cette activité a vu le jour suite à un évènement exceptionnel dans la région : un échouage d une très grande quantité d algues (identifiée comme étant des sargasses) le long des côtes martiniquaises et guadeloupéennes, nuisant aux activités touristiques en bord de mer. Nous avons donc décidé d analyser le potentiel de l imagerie satellitaire pour l identification et le suivi de la dérive de telles algues. Approche générale Afin d avoir une réponse rapide sur le potentiel de l imagerie satellitaire pour la détection d algues, des images MERIS ont été utilisées. En effet, ces images ont été acquises gratuitement suite à l acceptation d une soumission auprès de l ESA (European Spatial Agency). De plus, outre la gratuité de ces images, il existe un indice (combinaison de bandes spectrales) permettant de discriminer la végétation en surface des eaux à partir d images Meris (le Maximum Chlorophyll Index). La méthodologie mise en place est la suivante : Géo-référencement et recalage géométrique des données. Masque des terres et nuages afin d appliquer l indice que sur les eaux. Calcul du MCI sur chaque image. Application d un seuil de détection. Cartographie des résultats Les «inputs» sont donc des images MERIS, et les «outputs» sont des cartographies des détections d algues. Entrée : Images MERIS Les images utilisées sont acquises par le capteur MERIS (Medium Resolution Imaging Spectropmeter). Les images possèdent 15 bandes spectrales dans le domaine du visible et du proche infra-rouge (de µm à µm) (tableau 1) avec une résolution spatiale de 1200 mètres. Le choix des bandes spectrales des images acquises par MERIS a été fait afin de permettre une investigation poussée des milieux océaniques (couleur de la mer, plancton, coraux, matières en suspension, etc. ), d où notre intérêt pour ces images afin d évaluer le potentiel de la télédétection pour la détection et le suivi des algues. La figure 1 montre un exemple de trace au sol lors du passage du satellite au-dessus de notre zone d étude. 3

4 Spectral band number Band centre (NM) Bandwidth (NM) Potential Applications Yellow substance and detrital pigments Chlorophyll absorption maximum Chlorophyll and other pigments Suspended sediment, red tides Chlorophyll absorption minimum Suspended sediment Chlorophyll absorption and fluo. reference Chlorophyll fluorescence peak Fluo. Reference, atmospheric corrections Vegetation, cloud Oxygen absorption R-branch Atmosphere corrections Vegetation, water vapour reference Atmosphere corrections Water vapour, land Tableau 1: Position dans le spectre électromagnétique des 15 bandes de MERIS (en nm) et les applications pour lesquelles ces bandes sont utiles. Figure 1: Trace au sol lors du passage de MERIS au-dessus des Petites-Antilles. 4

5 Géo-référencement des données Les données récupérées dans le cadre de cette activité n étaient pas géo-référencées ; c est-à-dire que nous ne disposions pas pour chaque pixel d informations de géolocalisation (latitude, longitude). Le logiciel de traitement d image ENVI possède une fonction dédiée au géo-référencement des données MERIS. Cette fonction utilise les paramètres d acquisition de l image (inclus dans le fichier image ; «tie points») pour géoréférencer automatiquement. La procédure à suivre dans ENVI est la suivante : 1. Ouvrir le fichier MERIS : File à Open External File à ENVISAT à MERIS et sélectionner le fichier. 2. Faire appel à la fonction de Géoréférencement : Map à GeoreferenceENVISAT à MERIS et sélectionner le fichier MERIS dans la fenêtre qui apparait. 3. Choisir le système de projection désiré. Exemple : Projection = Geographic Lat/Lon Datum = WGS84 Units = Degrees 4. Cliquer sur OK pour atteindre la fenêtre des paramètres de registration. 5. Choisir la méthode de ré-échantillonage désirée. Exemple : Method = Triangulation Resampling = Nearest neighbor 6. Cliquer sur OK. De manière alternative à l utilisation de cette méthode interactive, nous avons développé un code IDL afin d utiliser la fonction ENVI en mode «batch» (voir Annexe). (Utile pour l utilisation d un gros volume de données). La figure 2 montre une image non géo-référencée et le résultat associé de géo-référencement. 5

6 Figure 2: A gauche : Composition RGB (PIR R V) d une image MERIS non géo-référencée. A droite : Résultat du géo-référencement de l image de gauche. Masques terres et nuages Nous devons appliquer l indice de détection que sur les pixels correspondant à la présence d eau. Le but étant d éviter des fausses détections. Pour cela, il convient de masquer les autres pixels (terres et nuages). Ce travail est très simple avec les données MERIS. En effet, parmi les données fournies avec les fichiers image (fichiers niveau 1), nous disposons d informations de qualité (fichiers niveau 2) tels que Cloud albedo ou Surface Pressure, qui avec une utilisation adéquate nous permet d obtenir les masques voulus. Afin d utiliser efficacement ces fichiers niveau 2 et de traiter l ensemble du volume de données, nous avons développé un code IDL nous permettant d obtenir une classification en 4 thèmes de nos images : Thème 0 = No data (pixels erronés) Thème 1 = Eau Thème 2 = Terre Thème 3 = Eau 6

7 Ces classifications nous permettent d appliquer la suite des traitements sur les pixels du thème Eau. La figure 3 montre la classification obtenue avec l image géo-référencée de la figure 2. Figure 3: Classification de l image de la figure 2. Noir = No data ; Bleu = Eau ; Vert = terres ; Blanc = nuages. Indice MCI Le MCI a été développé pour le capteur MERIS et est utilisé pour examiner la dynamique saisonnière et la distribution spatiale des phytoplanctons et les concentrations en chlorophylle à la surface des océans. Le MCI est calculé en utilisant les bandes 8, 9, et 10 (respectivement 681 nm, 709 nm et 753 nm, Cf tableau 1) des données de niveau 1 de MERIS avec une interpolation linéaire entre les valeurs de réflectance à 681 nm et 753 nm. MCI = L 709 L * (L 753 L 681 ) Avec L x représente la réflectance au sommet de l atmosphère (Top-of-atmosphere radiances) avec les longueurs d ondes x = 709 nm, 753 nm, et 681 nm. Le facteur représente le rapport suivant : ( ) / ( ). Cette équation a été implémentée dans un code IDL et a été calculée sur l ensemble de nos images MERIS. 7

8 Seuil de détection et Cartographie Après une analyse visuelle des résultats de calcul du MCI, nous avons décidé d appliquer un seuil de détection sur les valeurs obtenues. Nous décidons en effet que les valeurs supérieures à 200 correspondent à une concentration de chlorophylle importante et donc liées à une forte présence de phytoplancton ou d algues. Nous avons classé ces valeurs élevées (> 200) en 7 niveaux croissants d activité chlorophyllienne (avec un pas de 200) afin de réaliser des cartographies nous permettant de visualiser la présence de ces pics au cours du temps. Un code IDL a été implémenté afin de réaliser ces cartographies. La figure 4 montre deux résultats de traitement pour les mois d avril 2011 et mai Figure 4: Cartographies de détection des algues le long des côtes martiniquaises et guadeloupéennes. A gauche : Avril A droite : Mai Annexes Codes IDL développés georef_meris.pro (géo-référencement des images MERIS). classmask_meris.pro (création des classifications Nuages-Terres-Eau). mask_mcibands_meris.pro (application des masques nuages-terres sur les bandes utiles au calcul du MCI). mci_meris.pro (calcul de l indice MCI sur les bandes «masquées»). Mci_map_meris.pro (création des cartographies). 8