Développement d une application d aide à l analyse du paysage agricole à partir d images satellites multi-capteurs

Transcription

1 Université de Toulouse MASTER 2 GEOMATIQUE «Science de l Information Géoréférencée pour la Maîtrise de l environnement et l Aménagement des territoires» (SIGMA) RAPPORT DE STAGE Développement d une application d aide à l analyse du paysage agricole à partir d images satellites multi-capteurs CARLES Marie Centre d Etudes Spatiales de la BIOsphère Maître de stage : Frédéric BAUP Tuteur-enseignant : David SHEEREN Septembre 2012

2 Résumé La cartographie du paysage agricole répond à de nombreux besoins, qu ils soient du domaine de l hydrologie, de l agronomie, de la météorologie ou de la climatologie. Face à ces enjeux, le CESBIO met en place des stratégies d observation pour diagnostiquer des états de surface et construire des modèles prédictifs. C est dans ce contexte que l application «MCM Tools» a été développée. Elle vise à fournir à terme un outil de travail de suivi et de prévision de variables clés dans le contexte agricole (humidité et rugosité des sols, hauteur des cultures, indice foliaire, biomasse ) à l échelle du paysage comme à l échelle intra-parcellaire. L application repose sur une interface développée en IDL, étendant les capacités logicielles d ENVI pour une extraction simplifiée de données sur les parcelles agricoles, à partir d une gamme d images satellitaires la plus large possible (optique et radar en bande L, C et X). L extraction des données est faite sous forme cartographique en mode «suivi» et sous forme statistique en mode «prévisionnel». Les produits générés s appuient sur des résultats scientifiques issus de la bibliographie. Les résultats obtenus sous forme cartographiques ont permis de mettre en avant l importance des approches numériques à l échelle du paysage. Les produits tels que l humidité du sol, la hauteur des cultures et l indice foliaire font apparaître de nombreux contrastes à l échelle du paysage, contrastes pouvant être liés à plusieurs facteurs comme les conditions climatiques ou les propriétés des sols par exemple. Abstract The agricultural landscape mapping answers numerous needs, in hydrology, agronomy, meteorology and climatology. Facing these stakes, the CESBIO implements monitoring strategies in order to diagnose surface condition and develop predictive models. The application "MCM Tools" was developed in this context. This application should ultimately provide a monitoring and forecast tool of the key variables in the agricultural context (soil moisture and roughness, crop height, leaf area index, biomass...) at a landscape or intra-plot scale. The application is based on an interface developed in IDL, extending the ENVI software capabilities for simplified agricultural plots data extraction from the widest possible range of satellite images (optical and L, C and X band radar). Data are extracted in map format for "monitoring mode" and in statistical form for "forecast mode". The generated products are based on published scientific facts. The results in map format allowed highlighting the numerical approaches importance at a landscape scale. Products like soil moisture, crop height and leaf area index show many contrasts across the landscape and these can be linked to several factors like climatic condition or soil properties for example. 2

3 Sommaire Résumé... 2 Abstract... 2 Sommaire... 3 Remerciements... 4 Introduction... 5 I Contexte du projet... 7 A. La structure d accueil : le CESBIO... 7 B. Les objectifs du stage... 8 C. La zone d étude... 8 D. Les données utilisées E. Gestion du projet II Création de l application A. Organisation de la base de données images B. Interface de l application MCM Tools III Valorisation de l application MCM Tools A. Elaboration des produits cartographiques d humidité des sols B. Evaluation des produits cartographiques d humidité du sol C. Présentation des produits cartographiques : LAI, hauteur de cultures Conclusion et perspectives Bibliographie Annexes A. Présentation des widgets IDL et ENVI utilisés pour l interface B. Affichage d un fichier vecteur dans le «display group» d ENVI C. Sélection de polygones complexes D. Schématisation du code d élaboration des cartes de «Min» Table des illustrations Table des matières

4 Remerciements Tout d abord, je tiens à remercier Frédéric Baup, mon maître de stage, qui m a proposé un sujet de stage répondant aussi bien à ses besoins qu à mes attentes. J ai apprécié particulièrement son dynamisme, ses enseignements passionnants, le dosage entre autonomie et précieux conseils. Je remercie également Rémy Fieuzal pour sa disponibilité et l exhaustivité de ses réponses, particulièrement utiles pour prendre du recul sur les méthodes mises en œuvre. L effet boomerang des temps d échanges que nous avons pu avoir a été particulièrement enrichissant. Je remercie aussi Claire Marais-Sicre pour les «bons» fonds cartographiques fournis, pour son témoignage professionnel motivant et pour ses petites attentions «mailesques». Merci à tous les membres du laboratoire pour leur accueil et leur dynamisme intellectuel. J ai pris grand plaisir à échanger avec l un ou l autre durant ces 6 mois. Merci à mon tuteur enseignant, David Sheeren et à l ensemble de l équipe enseignante du master SIGMA. Merci enfin à ma famille d avoir supporté vaillamment mon manque de disponibilité pendant 1 an. J espère que cette reprise d étude restera dans l esprit de mes enfants et qu elle les inspirera le moment venu. 4

5 Introduction Depuis le début des années 2000, l augmentation des satellites de télédétection à haute résolution spatiale et temporelle offre de nouvelles opportunités pour le suivi de la Terre et plus particulièrement pour le suivi des cultures (Formosat2, TerrasarX, Cosmo-Skymed, etc. et futures missions Veμus et Sentinel2). Dans ce contexte, il semble désormais fondamental de développer des approches/outils tirant partie au mieux de ces images multi-satellites afin d affiner les capacités de suivi des surfaces agricole, tant au niveau du sol que du couvert végétal L outil informatique permet d automatiser les traitements sur les images, de faciliter l accès aux résultats et de les évaluer rapidement. Ainsi, il est intéressant de développer un outil d aide à l analyse du paysage agricole à partir des images disponibles pour accroître la disponibilité de données sur les sols et la végétation. En effet, l humidité des sols constitue un réservoir jouant un rôle majeur dans le cycle de l eau. L eau disponible dans le système racinaire détermine la transpiration et la croissance des plantes. De plus, l humidité conditionne la capacité du sol à décomposer la matière organique et influe sur la séquestration du carbone dans le sol. La séquestration du carbone dans les sols agricoles est un facteur d atténuation des émissions de gaz à effet de serre et un paramètre important du changement climatique. La cartographie de l humidité des sols permet donc d améliorer les bilans de carbone dans le contexte de changement climatique, de repérer les variabilités temporelles et spatiales à l échelle du paysage et au niveau intra-parcellaire et ainsi de mettre en œuvre des stratégies agricoles (période de semis, drainage, apport d azote, irrigation). Les données sur les dynamiques de végétation (indices foliaires ou hauteurs de cultures) répondent aux besoins de l agriculture. Ces indicateurs sont des éléments de suivi de la croissance des cultures et d évaluation des rendements. Ils permettent donc d optimiser les résultats agronomiques des productions végétales tout en limitant leur impact sur l environnement. Les équipes du Centre d Etudes Spatiales de la BIOsphère (CESBIO) travaillent sur l élaboration d algorithmes d observations de la terre en s appuyant sur les données de télédétection à haute résolution spatiale et temporelle et sur la complémentarité des modes d acquisition (optique et radar). Ces travaux participent à l amélioration des programmes spatiaux au travers des programmes Venµs, Sentinel-2 et ORFEO en énonçant des préconisations selon l usage souhaité (longueur d onde, angle d acquisition, polarisation, etc.). Ce stage professionnel de master 2 en géomatique, contribue à cette double démarche prospective du CESBIO d analyse du paysage agricole et de préparation des missions spatiales. Il a pour objectif principal le développement d une application étendant les capacités logicielles d ENVI pour une utilisation simplifiée d images multi-capteurs dans le but de produire des cartographies de l humidité des sols et des dynamiques de la végétation (indice foliaire et hauteur de culture). Ce projet est constitué de deux types d activités distinctes : une phase de développement de l application sous IDL et une phase de valorisation de cette application au travers de la mise en place et de la vérification de produits cartographiques. Le développement de l interface sous ENVI permet l ouverture de tous types d images satellitaires (optique et radar en bande X, C et L) à l échelle d une zone d étude choisie. Elle accompagne l utilisateur dans la création de 3 types de produits cartographiques. Elle permet également de calculer des statistiques sur une parcelle choisie par l utilisateur. L élaboration des produits cartographiques est basée sur les modèles empiriques proposées dans la bibliographie. Ces modèles sont adaptés à notre zone d étude (types de sols, types de cultures) et aux spécificités des images utilisées (longueurs d onde, angle d incidence). L outil sert in fine à évaluer l application des modèles empiriques à l échelle du paysage de notre zone d étude. 5

6 L application développée pendant ce stage vise trois types de cibles. Elle peut fournir à la communauté scientifique un outil simple pour l utilisation d images satellites multi capteurs, quel que soit le niveau de maîtrise logiciel de l utilisateur. Elle se présente comme un nouveau menu d Envi pouvant fournir aux enseignants en télédétection une base de discussion sur la méthode développée. Elle peut également constituer un outil d aide à la décision en matière de gestion du territoire agricole et des ressources. Le rapport de présentation du travail effectué pendant ce stage s organise autour de trois grandes parties. La première partie précise les éléments de l environnement du projet : contexte de recherche, objectifs, zone d étude et données utilisées. La seconde partie présente la phase du travail consacrée à l organisation de l application : mise en forme préalable des données et présentation de l interface. La troisième partie concerne la valorisation de cette application, à travers l élaboration, la mise en œuvre et les résultats des produits cartographiques d humidité de surface des sols, d indice foliaire de cultures et de hauteur de cultures. 6

7 I Contexte du projet A. La structure d accueil : le CESBIO Le stage s est déroulé au sein du laboratoire CESBIO (Centre d Etudes Spatiales de la BIOsphère), une unité mixte de recherche CNRS, CNES, IRD, Université Paul Sabatier. «Le CESBIO a pour vocation de contribuer au progrès des connaissances sur le fonctionnement des surfaces continentales et leurs interactions avec le climat et l'homme, en s'appuyant largement sur des données satellitaires.» ( 1. Les équipes Les projets du CESBIO sont menés par deux équipes complémentaires : Equipe 1 : Modélisation du fonctionnement et télédétection des surfaces continentales. Cette équipe a pour objectif le développement et l amélioration de modèles : décrivant les processus d échanges d énergie et de matière à l interface Sol - Végétation Atmosphère ; simulant des mesures de télédétection spatiale. Equipe 2 : «Systèmes d observation» : vers des stratégies d observations permettant de rendre compte de la complexité des surfaces. Cette équipe a 3 objectifs centraux : comprendre les processus et leurs interactions ; diagnostiquer des états : flux et bilans d eau, de carbone, productivité végétale, érosion ; construire des modèles prédictifs : fonctionnement hydrique et carboné, échelles locale et régionale. Le présent stage s inscrit dans le cadre de l équipe Les chantiers Les équipes du CESBIO travaillent en synergie sur 2 projets opérationnels : le chantier Sud-Ouest et le chantier Sud-Med. Le chantier Sud-Ouest : Bilan de carbone et d eau en Région Midi-Pyrénées. Ce projet a pour ambition de contribuer à la compréhension et à la modélisation du fonctionnement des surfaces continentales aux échelles du paysage et de la petite région et de développer des connaissances et des méthodes utilisables de façon générique. ( Le chantier Sud-Med : Fonctionnement et ressources hydroécologiques de régions semiarides. Ce projet a pour premier objectif de mieux comprendre le cycle de l eau, à l échelle de bassins versants semi-arides notamment, afin d évaluer les impacts des changements climatiques sur les ressources hydriques. ( Le présent stage s inscrit dans les travaux du chantier Sud-Ouest. 3. La campagne expérimentale MCM 10 Le présent stage s appuie sur les données de la campagne expérimentale MCM 10 (Multispectral Crop Monitoring), dont les objectifs sont les suivants : Développer de nouvelles approches et des algorithmes pour le suivi des surfaces agricoles en combinant des données optiques, thermiques et radar à haute résolution spatiale ; 7

8 Améliorer l estimation des paramètres biophysiques des principales cultures de la région sudouest (blé, colza, maïs, tournesol, ) Suivre les pratiques agricoles (semis, labours, ) La campagne expérimentale MCM 10, basée sur une approche satellitaire et de terrain, a eu lieu en 2010, sur une zone de 424km² au sud-ouest de Toulouse. L ensemble des produits développés dans le cadre de ce stage est centré sur la zone d étude de la campagne MCM 10. B. Les objectifs du stage Dans la démarche double de prospective d analyse du paysage agricole et de participation aux travaux du CESBIO en matière de préparation des missions spatiales, le stage se doit de répondre à trois objectifs : Développer une interface permettant d étendre les capacités logicielle d ENVI vers une utilisation simplifiée d images multi capteurs ; Adapter les modèles existants de cartographie de l humidité des sols nus à l échelle du paysage agricole de la zone d études ; Permettre la création de trois types de produits cartographiques à partir d une gamme d images satellites la plus large possible : optique et radar en bande L, C et X. C. La zone d étude La zone d étude de ce stage est située au sud ouest de l agglomération toulousaine, entre les départements de la Haute Garonne et du Gers, et est centrée sur la commune de Saint-Lys. Cette zone a été choisie d abord parce qu il s agit d une zone agricole, ensuite pour les contrastes qu elle offre en terme de conditions climatiques entre l hiver et l été et en terme de cultures (type de culture, tailles de parcelles, orientations, relief). Cette diversité est représentative des hétérogénéités de sols, de végétations, d irrigation et de relief de la région. Au sein de cette zone, 387 parcelles ont été suivies de façon qualitative en 2010, (identification de l occupation, du sol, du niveau de rugosité, des dates de semis ). Parmi ces parcelles, 37 ont été plus finement suivies avec un ensemble de mesures quantitatives (sols et végétation). L ensemble de ces parcelles représente une surface totale d environ 1500ha, avec une surface minimum de 5ha pour chacune des parcelles. 8

9 Figure 1 : Zone d étude Midi-Pyrénées Itinéraire desserte Parcelles quantitatives (37) Parcelles qualitatives (350) Limites de la zone d étude Sources : fonds raster IGN, vecteur régional GEOFLA IGN, parcellaire et itinéraire CESBIO. Réalisation M Carles 9

10 D. Les données utilisées Les données utilisées pour le stage sont donc les données issues de la campagne expérimentale MCM 10. Elles sont de deux types : données satellites et données de terrain. 1. Les images satellites Les images satellites ont été acquises par le CESBIO en parallèle des relevés terrains de L objectif dans le choix des images est d abord de bénéficier d images issues d une diversité de capteurs la plus large possible, ensuite de constituer autant que possible une série temporelle sur l ensemble de l année d étude. Ainsi, les images utilisées pour le stage sont issues de 7 satellites : 3 en hyperfréquence en bande X (ALOS (HH et HV)), C (RADARSAT-2 (HH, VV, VH et HV)) et L (TERRASAR-X (HH)) et 4 en optique (FORMOSAT-2, LANDSAT 5, SPOT 4 et SPOT 5) (figure 2). rayons gamma rayons X ultraviolet lumière visible Longueur d'onde 10-6 nm 10-2 nm 10 nm 0,4 µm 0,45 à 0,52 µm bleu 0,52 à 0,6 µm vert 0,63 à 0,69 µm rouge 0,7 µm 0,7 à 1,5µm PIR infrarouge 1,5 à 3 µm MWIR 3 à 15 µm IRT 1 cm hyperfréquences radar 2,4 à 3,75 cm bande X TerrasarX (3,1 cm) 3,75 à 7,5 cm bande C RadarSat2 (5,5 cm) 15 à 30 cm bande L Alos (23 cm) radio 1m 100km Figure 2 : Position des satellites utilisés dans le spectre magnétique Cette base de données est donc constituée autour de 30 bandes : 11 en hyperfréquence, 19 en optique. Le tableau suivant récapitule l ensemble des types d images utilisées dans ce stage, détaillé par satellite, capteur, mode, bande spectrale et longueur d onde. 10

11 R a d a r O p t i q u e Satellite Capteur_Mode Bande / polar Longueur d'onde ALOS PALSAR_FBD HH HV HV 23 cm PALSAR_FBS HH RADARSAT-2 PALSAR_ScanSAR SAR_FQ HH VH VV HH HV 5,5 cm TERRASAR-X blue SAR_Spotlight HH SAR_StripMap HH 3,1 cm de 0,45 à 0,52 µm FORMOSAT-2 RSI_Multispectral green de 0,52 à 0,6 µm red de 0,63 à 0,69 µm NIR de 0,76 à 0,9 µm blue de 0,45 à 0,52 µm green de 0,52 à 0,6 µm red de 0,63 à 0,69 µm LANDSAT 5 TM NIR de 0,76 à 0,9 µm MIR de 1,55 à 1,75 µm IRT de 10,4 à 12,5 µm MIR de 2,08 à 2,35 µm green de 0,5 à 0,59 µm SPOT 4 HRVIR red de 0,61 à 0,68 µm NIR de 0,79 à 0,89 µm MIR de 1,58 à 1,75 µm green de 0,5 à 0,59 µm SPOT 5 HRG_Multispectral red de 0,61 à 0,68 µm NIR de 0,79 à 0,89 µm MIR de 1,58 à 1,75 µm Tableau 1 : Longueur d onde moyenne des bandes des différentes images utilisées La polarisation radar correspond à l orientation verticale ou horizontale du champ électrique de l onde émise par l antenne du capteur. Les polarisations radar sont de quatre types : HH : transmission et réception horizontales ; VV : transmission et réception verticales ; HV : transmission horizontale et réception verticale ; VH : transmission verticale et réception horizontale. Chaque polarisation a des spécificités de sensibilité. La polarisation HH a un fort pouvoir de pénétration dans la végétation alors que la polarisation VV est très sensible aux éléments verticaux. Les images sont toutes corrigées radiométriquement et géométriquement. Les corrections radiométriques (étalonnage et corrections atmosphériques) sont nécessaires pour pouvoir disposer de données de réflectance au sol. Les corrections géométriques sont appliquées pour compenser les distorsions dues au mouvement du capteur et du satellite qui l embarque, à la rotation de la terre et à la géométrie du terrain (courbure de la terre et relief). Le géoréférencement a été effectué à partir de la BD ORTHO de l IGN et s appuie sur 70 points d amer par image. Ces corrections autorisent des mesures de distance, d angles et de surface et fournissent des observations présentées dans un système de projection cartographique. 11

12 ALOS / PALSAR_FBD 16/06/2010 HH red, HV green, HV blue ALOS / PALSAR_FBS 14/04/2010 Niveau de gris RADARSAT2 / SAR_FQ 12/06/2010 HH red, VV green, (VH+HV)/2 blue TERRASAR-X / SAR_SpotLigth 12/06/2010 Niveau de gris TERRASAR-X / SAR_StripMap 11/06/2010 Niveau de gris FORMOSAT-2 / RSI_Multispectral 21/05/2010 couleurs vraies LANDSAT-5 / TM 24/05/2010 couleurs vraies SPOT 4 / HRVIR 05/06/2010 fausses couleurs PIR SPOT 5 / HRG_Multispectral 23/05/2010 fausses couleurs PIR Figure 3 : Exemples d images satellitaires utilisées lors du stage 2. Les données de terrain L un des objectifs de la campagne expérimentale MCM 10 est le développement d algorithmes de suivi des surfaces agricoles. Ainsi, la validation et l ajustement des modèles élaborés à partir des images satellites se fait au moyen des relevés terrains. C est pourquoi les mesures terrains ont été réalisées de façon quasi-synchrone avec les acquisitions satellites : 1 jour de décalage en moyenne, 5 jours maximum. Les données quantitatives sont issues de relevés terrains effectués sur 37 parcelles (Figure 1). Ce suivi porte sur de nombreux critères (humidité surfacique du sol, rugosité du sol, 12

13 distance inter-rang, orientation des rangs, hauteur des cultures, biomasse). Seuls les relevés d humidité de surface ont été utilisés dans le présent stage. Les données qualitatives portent sur 350 parcelles (Figure 1). Ce suivi consiste en 25 relevés sur l année 2010 et porte notamment sur le type de culture : cultures d hiver : colza, blé tendre et blé dur, orge, pois ; cultures d été : tournesol, soja, maïs, sorgho, chanvre ; interculture. E. Gestion du projet Le premier outil de suivi du projet mis en place est une planification des tâches au moyen d un diagramme de Gantt (Figure 4). Le stage comprend deux missions principales. Une mission de développement informatique aboutissant à la mise en place de l interface et des outils cartographiques et statistiques. Une mission d évaluation des résultats des produits cartographiques d humidité des sols, exploitant les capacités de l interface, aboutissant aux domaines de validités et aux perspectives d amélioration de ces produits. Ces missions se sont déroulées en 4 phases, comme on peut le voir sur le diagramme de Gantt. Le second outil mis en place est un fichier de suivi des versions de l application. Ce fichier permet de visualiser les numéros de version, les modifications apportées par chacune d elle et les bugs repérés. 13

14 Figure 4 : Diagramme de Gantt du projet 14

15 II Création de l application A. Organisation de la base de données images Les manipulations sur la base de données images sont nécessaires pour obtenir une présentation standardisée des images facilitant le codage. Cette présentation permet d effectuer un certain nombre d actions de façons identiques selon les images (découper le nom pour y lire la date, simplifier les filtres, superposer du vecteur, définir des modes d affichages, etc.). 1. Homogénéisation des données Les images satellites à traiter étant originaires de plusieurs satellites, on trouve une grande disparité dans leur organisation : formats différents (.img,.tif,.b1234,.tc1234, etc) avec présence ou non d un fichier header (.hdr), règles de nommage diverses (date en début, au milieu ou en fin du nom du fichier), projections différentes (Lambert 2 étendu, UTM31, Lambert 93) organisation différente des fichiers : toutes les bandes dans le même fichier ou un fichier par bande. Si certains éléments n ont pas forcément d impact pour les traitements futurs, il est important d homogénéiser pour faciliter le traitement informatique (Tableau 1). Problématique Objectif Justification outil permettre de cibler des périodes lors de l'ouverture Nommage mettre la date en début du nom de fichier XNView des images permettre de créer un filtre plus ajusté pour Nommage modifier les extensions pour n'avoir que.img et.tif XNView sélectionner les images faciliter l'ouverture des images et calibrer les canaux Organisation réunir toutes les bandes dans le même fichier Envi d'affichage compléter les header avec longueurs d'onde par permet un traitement cartographique en fonction de Saisie bande, nom des bandes et unité de longueur la longueur d'onde et nom plus du type d'image UltraEdit d'onde (codage en dur moins pérenne que codage en fonction de la longueur d'onde) Projection reprojeter en Lambert 93 superposer l'image avec le fichier vecteur de délimitation de la zone Tableau 2 : Récapitulatif des prétraitements effectués sur la base de données images Renommer les fichiers : IGNMap (vecteur) et Envi (raster) Nous avons décidé de renommer toutes les images en positionnant la date (au format américain aaaammjj) en début du nom du fichier grâce à la fonction «renommage» par lot fournie par le logiciel Xnview. Réunir les bandes d une même prise de vue dans un fichier unique : Les images Landsat ont un fichier par bande, ce qui nécessite d ouvrir 7 fichiers pour avoir toutes les bandes. Nous avons donc décidé de réunir tous les fichiers d une même prise de vue dans un seul fichier en utilisant la fonction stacking d ENVI. 15

16 Compléter les header : Le fichier Header d ENVI contient des informations utilisées par le logiciel pour lire un fichier image. Ce fichier est normalement créé la première fois qu une image est ouverte dans ENVI à partir des informations saisies dans la boîte de dialogue «Header Info». Toutes les images utilisées pour l application possédaient déjà un fichier header (elles étaient géoréférencées) avec des informations déjà saisies de façon variable selon les images. Toutefois, le nom des bandes n étaient pas explicite, et la longueur d onde des bandes n était pas saisie. Nous avons décidé de compléter les fichiers Header avec les longueurs d onde par bande, le nom des bandes (Blue, Green, Red, PIR, MIR ou HH, HV, VV, VH) et l unité de longueur d onde. Ces informations seront utilisées à plusieurs reprises dans l application. Reprojeter : L un des objectifs de l application étant d afficher n importe quel type d image de la base de données grâce au choix d un fichier vecteur délimitant la zone, il est important que tous les fichiers utilisés aient la même projection. Tous les fichiers sont désormais en Lambert 93. Il est possible d utiliser une autre projection pour faire tourner l application, mais ceci implique obligatoirement que les fichiers vecteurs soient dans la même projection que la ou les images satellitaires. Pour les fichiers vecteurs, le choix a été fait de les reprojeter avec l outil IGNMap, fourni gratuitement par l IGN. Cet outil permet de reprojeter par lot de façon rapide et performante. Par contre, cet outil ne reconnaît pas les fichiers au format.img et la reprojection des.tif n est possible que d un Lambert vers le Lambert 93 (or les images.tif que nous utilisons étaient en UTM31). C est pourquoi le logiciel Envi a été utilisé pour reprojeter les fichiers raster. 2. Hiérarchisation des images Le but de cette hiérarchisation est de recenser les images satellitaires commandées pour la mission MCM 10 Experiment et de structurer l information en vue de préparer l ouverture de ces images dans l interface finale. La recherche préalable sur les satellites, leurs capteurs et les modes d acquisition a abouti à une base de données réunissant l ensemble des informations collectées sous la forme suivante : Figure 5 : Modèle Conceptuel des Données de la base de données images 16

17 Cette base a permis d appréhender les 4 niveaux de structuration, dans l ordre : par satellite, par capteur, par mode, par bande d affichage. Le terme bande d affichage regroupe deux réalités : la bande spectrale pour les images optiques et la polarisation/bande spectrale pour les images radar. L interface doit permettre de choisir d abord un satellite et proposer ensuite le ou les capteurs disponibles pour ce satellite. De même, une fois le capteur choisi, le mode détermine les bandes disponibles. La hiérarchisation est faite sur trois niveaux : Un premier niveau par satellite, Un second niveau dont le nom est composé à la fois du capteur et du mode, Un dernier niveau par bande. Le choix du mode d affichage par défaut de chaque image est défini de la façon suivante : Satellite Capteur_Mode N_bande Bande_spectrale Canal_Affichage R a d a r O p t i q u e ALOS RADARSAT-2 TERRASAR-X FORMOSAT-2 LANDSAT 5 LANDSAT 7 SPOT 4 SPOT 5 B1 HH red PALSAR_FBD B2 HV green B3 HV blue PALSAR_FBS B1 HH grayscale PALSAR_ScanSAR B1 HH grayscale B1 VH B2 VV green SAR_FQ B3 HH red B4 HV B5 (VH+HV)/2 blue SAR_Spotlight B1 HH grayscale SAR_StripMap B1 HH grayscale B1 blue blue RSI_Multispectral B2 green green B3 red red B4 NIR HRG_Panchro B1 panchromatic grayscale B1 blue blue B2 green green B3 red red TM B4 NIR B5 MIR B6 IRT B7 MIR B1 blue blue B2 green green B3 red red ETM+_Multispectral B4 NIR B5 MIR B6 IRT B7 MIR ETM+_Panchro B8 panchromatic grayscale B1 green blue HRVIR B2 red green B3 NIR red B4 MIR B1 green blue HRG_Multispectral B2 red green B3 NIR red B4 MIR HRG_Panchro B1 panchromatic grayscale Tableau 3 : Tableau récapitulatif du mode d affichage des bandes par canal et par capteur_mode 17

18 B. Interface de l application MCM Tools L interface étend les capacités logicielles d Envi en proposant un outil d accompagnement dans la manipulation de l ensemble des images de la campagne expérimentale MCM 10. L interface est accessible directement à partir des menus d Envi. Elle se présente donc comme une fenêtre permettant de réaliser de façon intuitive l ensemble des actions nécessaires pour l analyse du paysage agricole à partir des images multi capteurs. L organisation des modules de l interface se hiérarchise comme ci-dessous : Figure 6 : Organisation de l application MCM Tools Le développement de nouvelles fenêtres dans ENVI se fait au moyen de différents types de widgets d IDL présentés en annexe A. L application se présente d abord comme un nouveau menu ajouté aux menus d Envi : 18

19 C1 D1 E1 A B C2 D2 Figure 7 : Fenêtre principale de l interface 1. Sélection de la zone d étude Le module «A» de l interface permet de choisir les limites de la zone d étude, soit au moyen du fichier shape de la zone d étude MCM, soit au moyen d un autre fichier shape. L image choisie sera affichée selon la zone d étude choisie, dans le mode d affichage par défaut défini pour chaque type d image (Tableau 3). Les images ci-dessous illustrent 2 zones d affichage : Figure 8 : SPOT 5 / HRG_Multispectral 23/05/2010 fausses couleurs limites de l emprise intensive Figure 9 : RADARSAT2 / SAR_StripMap_HH 20/05/2010 limites parcelles Lamothe 19

20 2. Sélection du mode Le module «B» de l interface permet de choisir le mode dans lequel on souhaite travailler : suivi de culture ou prévisionnel. Le choix d un mode active les menus associés. 3. Sélection de la période de culture Le module «C1» de l interface n est accessible qu en mode suivi de culture. Il permet de choisir la période d étude, basée sur le cycle cultural (Figure 10) : Les cultures d hiver sont semées vers septembre et récoltées en juillet de l année suivante. Sur la zone, on trouve le blé, l orge et le colza ; Les cultures d été sont semées vers avril et récoltées vers novembre. Sur la zone d étude, on trouve le chanvre, le tournesol, le maïs, le sorgho et le soja. Figure 10 : Calendrier cultural des cultures d hiver et des cultures d'été. Le choix d un type de culture permet de sélectionner seulement les images associées à cette période. 4. Sélection de l image satellitaire Le module «D1», accessible en mode suivi de culture, est un menu déroulant permettant de choisir l image que l on souhaite afficher. Les images sont hiérarchisées par satellite, puis par capteur_mode, et elles sont filtrées selon la période de culture sélectionnée au préalable (Figure 10). Figure 11 : Présentation du menu déroulant de choix de l image satellitaire. Exemple pour le cas d une image ALOS 20

21 5. Création d un produit cartographique Le module «E1» de l interface constitue l aboutissement de l application en mode suivi de culture car il permet de générer un produit cartographique. Les produits suivants ont été implémentés : humidité surfacique des sols, hauteur de culture et indice foliaire des cultures. Le choix se fait à l aide d un menu contextuel pour lequel une rubrique d aide a été réalisée (aide sur la précision du produit et sur la source bibliographique associée) (Figure 12). Figure 12 : Présentation du menu du menu contextuel d accès aux produits cartographique et exemple de la rubrique d aide pour le produit Crop LAI 6. Sélection d un type de parcellaire Le module «C2» de l interface est un menu à choix multiple sous forme de cases à cocher, activable uniquement en mode prévisionnel. Le codage en IDL de l affichage d un fichier vecteur (shapefile ou evf Envi Vector File) est présenté dans l annexe B. Figure 13 : Sélection de la parcelle D à partir du vecteur «Quantitative monitoring plots» sur un extrait de l image TERRASAR-X StripMap du 21/02/

22 Cette option permet de sélectionner une parcelle sur laquelle portera le modèle prévisionnel et déclenche la collecte de statistiques sur la parcelle sélectionnée. Une première version a été mise en place, collectant les statistiques (minimum, maximum, moyenne, écart-type) sur la parcelle pour l ensemble des images disponibles pour le même capteur. La mise en œuvre de cet outil de sélection s est heurtée à un problème concernant la sélection de polygones complexes. La solution utilisée, qui s appuie sur le calcul du winding number, est détaillée dans l annexe C. 7. Application du modèle de prévision Le module D2 de l application n a pas été mis en place pendant le stage. Ce module, activable en mode prévisionnel, doit permettre l application du modèle à partir des statistiques de la parcelle sélectionnée. 22

23 III Valorisation de l application MCM Tools A. Elaboration des produits cartographiques d humidité des sols Les produits cartographiques d humidité ont été conçus pour être valides sur les sols nus, bien que certaines longueurs d onde radar permettent d accéder au sol malgré la présence de végétation (bande L notamment). La démarche mise en place pour élaborer les produits d humidité des sols part des modèles existants dans les articles scientifiques et adapte les formules de ces modèles à notre zone d étude. On distingue 4 modèles distincts selon la longueur d onde des images traitées : Radar bande L Radar bande C Radar bande X Optique. Les produits générés sont ensuite testés pour évaluer leur validité grâce aux données de terrain disponibles. Ensuite, les formules utilisées sont modifiées pour améliorer leur performance. Enfin, les résultats des produits sont analysés par capteur et par bande. 1. Images Radar Recherche bibliographique Le signal radar, qui dépend de paramètres propres au capteur (polarisation, angle d incidence et fréquence) est corrélé également avec la pente, la topographie, la rugosité de surface et les propriétés diélectriques de la cible, elles-mêmes dépendante de l humidité du sol. L imagerie radar fournit donc des informations sur les propriétés géométriques et diélectriques de la surface. De nombreuses études ont montré le potentiel des données radar pour déduire des paramètres de sol (rugosité et humidité) (Ulaby et al. 1996, Dubois et al. 1995, Oh et al. 1992). Celles-ci ont montré que le coefficient de rétrodiffusion augmente avec l humidité surfacique du sol. Le lien entre le coefficient de rétrodiffusion et l humidité des sols nus est modélisé comme suit : où : σ 0 = coefficient de rétrodiffusion (en db) M v = quantité d humidité de surface du sol (en %) β = coefficient fonction de la rugosité du sol, de l angle d incidence du radar et de la composition du sol. α = coefficient fonction de l angle d incidence La pente de la droite (α) et le minimum (β) varient selon les longueurs d onde et selon les angles d acquisition. L objectif est donc de paramétrer les coefficients α et β afin de les adapter au contexte local et à la longueur d onde. 23

24 Détermination du coefficient α La pente de la fonction, et donc le coefficient α, diffère selon l angle d incidence, la longueur d onde du radar et sa polarisation. Nous nous sommes donc appuyés sur la bibliographie pour déterminer des coefficients α en fonction des longueurs d onde des images radar, mais aussi en fonction des angles d incidence des images disponibles. Les articles utilisés présentent des paramètres pour l équation corrélant humidité des sols et coefficient de rétrodiffusion. Ces paramètres concernent des images acquises à des angles particuliers, pour une polarisation précise : Or les images dont nous disposons ont des angles d acquisitions différents. Nous avons donc extrapolé les valeurs du paramètre α à partir des équations qui nous sont fournies. On sait par la bibliographie que le paramètre α augmente de façon linéaire avec l angle d acquisition θ. La fonction linéaire est telle que : Cette fonction linéaire correspond à la droite passant par 2 points : le point (θ 1 ; α 1 ) : pour θ 1 = moyenne des angles θ i à θ j a = α 1 le point (θ 2 ; α 2 ) : pour θ 2 = moyenne des angles θ k à θ l a = α 2 0,26 0,24 paramètre α α 1 0,22 0,2 α 2 0,18 0,16 22 θ θ 1 angle d'incidence θ Figure 14 : Fonction liant le paramètre α et θ l angle d incidence de l image. Les valeurs des paramètres a et b par longueur d onde et par polarisation sont détaillées en Tableau 4. 24

25 Détermination du coefficient β Le coefficient β de la formule est équivalent à la valeur du coefficient de rétrodiffusion lorsque l humidité est minimale (sous hypothèse que le sol est lisse). Nous savons par la bibliographie que ce coefficient est variable en fonction de la longueur d onde, de l angle d incidence, mais aussi de la composition du sol et de la rugosité. Nous sommes donc partis de l hypothèse que ce coefficient β serait déterminé en tout point de l image comme la valeur minimale de chaque pixel de l image, sur chaque série temporelle d images disponibles, par longueur d onde et par angle d incidence. L étape préalable à l élaboration du code des produits d humidité des images radar a donc été la réalisation des images de ces valeurs minimums «Min» par longueur d onde et par angle d incidence. Le code permettant de créer le «Min» est schématisé dans l Annexe D. Inversion de l humidité des sols à partir du coefficient de rétrodiffusion Pour obtenir la quantité d humidité dans le sol, on effectue l inversion de l équation précédemment présentée : M avec σ 0, β et Min en db, M v en %, α en db/%. Récapitulatif des paramètres d humidité du sol pour les images radar Bande C Bande X Polar HH VV HV HH Article de référence Baghdadi et al Aubert et al Equations de référence Formule d'humidité du sol M M M M Bande L HH Colliander et al M 0.58 Tableau 4 : Récapitulatif des paramètres d humidité du sol pour les images radar. 25

26 2. Images optiques Pour les images optiques, la recherche bibliographique (Muller et al. 2000) montre que la réflectance dans les longueurs d onde de l optique diminue avec l augmentation de l humidité des sols nus, cette tendance étant variable selon la composition du sol : Figure 15 : Evolution de la réflectance en bande verte par rapport à l humidité du sol, selon le type de sol : (a) tous types de sol, b) limons c) argiles limoneux & argiles)(muller et al. 2000) L article, dont les résultats sont basés sur des sols identiques à notre zone d études, précise que le modèle exponentiel donne de meilleurs résultats qu un modèle linéaire et qu il y a peu de différence de résultat selon les longueurs d onde. Par contre, la composition du sol impacte fortement les résultats (coefficient de corrélation de 0.44 pour le limon contre 0.92 pour l argile limoneux et l argile). La relation entre réflectance et humidité du sol est donnée par la formule suivante (Muller et al. 2000) : où : = réflectance du sol pour la longueur d onde λ M v = quantité d humidité de surface du sol (en %) = réflectance théorique des sols dans la bande λ = facteur d atténuation de la réflectance pour le sol s dans la bande λ L article propose des valeurs dans le vert, le rouge et le proche infrarouge en fonction de la composition des sols pour la réflectance théorique ( ) et pour le facteur d atténuation de la réflectance ( ) : Vert Rouge Proche infrarouge Tableau 5 : Comparaison des paramètres des modèles exponentiels obtenus pour les différentes catégories de sols par longueur d onde de SPOT 1, 2 et 3 in Muller et al

27 L article propose des valeurs discrètes de paramètres pour les longueurs d onde de SPOT 1, 2 et 3, c est-à-dire pour le vert, le rouge et le proche infrarouge. Or il est important dans l application de développer une fonction continue dépendante de la longueur d onde afin de transférer l approche à d autres capteurs satellitaires. Pour cela, nous avons interpolé les variables au moyen de fonctions et afin d obtenir les résultats présentés en Figure 16 et Figure 17. réflectance théorique ρso 0,4 0,3 0,2 0,1 0,3054 0,1850 0,1468 y = 0,7375x -0,2692 R² = 0,9706-0,0166-0,015-0, ,0211-0,02 0,4 0,5 vert 0,6 rouge 0,7 0,8 PIR 0,9 longueur d'onde λ y = 0,1782x 2-0,2401x + 0,0596-0,025 R² = 1 longueur d'onde λ Figure 16 : Valeurs de réflectance théorique selon la longueur d onde Facteur d'atténuation de la réflectance as -0,005-0,01 vert rouge PIR 0 0,4 0,5 0,6 0,7 0,8 Figure 17 : Facteur d atténuation de la réflectance selon la longueur d onde Les fonctions et sont ensuite utilisées dans le modèle liant réflectance et humidité du sol : ln Si on remplace et par leur fonction dépendante de λ, on obtient la formule suivante : ² ln où : M v = quantité d humidité de surface du sol (en %), λ = longueur d onde, = réflectance du sol dans la bande λ B. Evaluation des produits cartographiques d humidité du sol L utilisation de l outil a permis d évaluer les résultats issus d une bibliographie dont les études portent sur quelques parcelles à l échelle du paysage. Cette évaluation a eu plusieurs apports pour faire évoluer l application : évaluer dans quelle mesure les paramètres utilisés, dérivées de la littérature, sont compatibles avec les observations in situ ; améliorer les valeurs de ces paramètres et les adapter à notre zone d étude ; distinguer les performances des modèles par capteurs, bandes ou polarisations, angles d incidence et taux d humidité ; repérer les facteurs perturbant les résultats afin de les prendre en compte dans une amélioration des modèles. 27

28 Les moyennes statistiques de chacune des 37 parcelles quantitatives ont été extraites pour chaque cartographie d humidité du sol disponible (un par image, soit 116 produits). Une première série de graphique (Figure 23) permet d évaluer la dynamique des résultats calculés, d avoir une première idée sur la performance du modèle par capteur et par bande / polarisation et de repérer certaines améliorations à apporter. Une seconde série de graphiques liant mesures terrain et calculs (résultat du produit d humidité du sol) par capteur et par bande / polarisation, en réunissant toute les parcelles, fournit les courbes de tendance permettant l amélioration des paramètres et l évaluation des résultats des produits. Ces graphiques ne portent que sur les statistiques de sols nus non rugueux (les images des parcelles dont le sol à été travaillé ne sont pas conservées). 1. Images radar bande L Pour la bande L, toutes les images ont été conservées, hormis les parcelles dont le sol était extrêmement rugueux du fait d un travail récent. Deux groupes d images ont toutefois été fait pour distinguer les résultats des parcelles de végétation des parcelles de sol nu. En effet, l onde radar en bande L a comme caractéristique de traverser le couvert végétal jusqu au sol, et donc de fournir des informations sur le sol au travers de l interaction sol / végétation. Figure 18 : Relation entre l humidité des sols mesurée et l humidité des sols calculée pour le capteur ALOS en mode FBD et FBS et polarisation HH 28

29 r² a b ALOS_PALSAR_FBD et FBS sols nus végétation 0,005 0,096 0,030 0,702 9,678 18, points 129 points r²=coefficient de corrélation, a = pente de la courbe de tendance, b=ordonnée à l origine de la courbe de tendance Tableau 6 : Statistiques de résultats de la relation entre l humidité des sols mesurée et l humidité des sols calculée pour le capteur ALOS_PALSAR en mode FBD et FBS sols rugueux sols lisses a) PALSAR_FBS 29/01/2010 b) PALSAR_FBD 01/05/2010 Figure 19 : Cartes d humidité des sols à partir d images ALOS_PALSAR en mode FBD et FBS La Figure 18 ne montre pas de corrélation entre humidité de surface des sols et coefficient de rétrodiffusion pour les sols nus. Les cartographies de la Figure 19 sont toutes deux prises en période humide. Les parcelles d interculture (IC) qui apparaissent en bleu sur la carte a) ont une forte rugosité liée à un sol travaillé alors que les parcelles d interculture apparaissant en rouge dans la carte a) ont une repousse d herbes, et donc un sol plus lisse. Les deux images illustrent donc une sensibilité du résultat de la formule à la rugosité. Si le résultat «s améliore» avec la présence de végétation, c est que le signal permet effectivement d évaluer l humidité du sol au travers l interaction sols/végétation, et que les sols recouverts de végétations sont plus homogènes et plus lisses. 29

30 bande C a) b) c) Figure 20 : Relation entre l humidité des sols mesurée et l humidité des sols calculée pour le capteur RADARSAT-2 en polarisation HH (a), VV (b) et HV (c) Les nuages de points de la Figure 20 montrent une très faible sensibilité du coefficient de rétrodiffusion à l humidité telle qu elle a pu être calculée à partir de la bibliographie, notamment en polarisation HH et VV. Si le coefficient «a» de la courbe de tendance du nuage de points en polarisation HV semble plus correct, le coefficient «b» est quant à lui très surestimé. Le Tableau 7 souligne une première piste d amélioration concernant le coefficient «b». Il est clair que le minimum utilisé dans la relation n est pas correctement évalué. Il serait nécessaire d intégrer l occupation du sol dans la cartographie du minimum, mais nous ne possédons pas assez d images pour effectuer cette opération. FQ5 FQ6 FQ10 FQ11 FQ15 FQ16 FQ20 FQ21 HV r² 0,174 0,656 0,261 0,488 0,011 0,382 0,003 0,670 a -1,11 2,20 0,95 1,28-0,20 4,02-0,20 4,57 b 79,16 12,48 37,36 54,78 56,58-5,02 83,57-56,06 HH r² 0,209 0,221 0,102 0,094 0,031 0,251 0,052 0,715 a -0,99 0,95 0,43-0,21-0,19 1,31-0,38 1,39 b 67,66 28,68 32,42 54,23 37,10 12,84 44,69-7,28 VV r² 0,168 0,339 0,354 0,055 0,008 0,324 0,281 0,678 a -0,57 0,70 0,58 0,20-0,07 1,14-1,09 1,30 b 44,99 20,82 23,43 36,65 31,53 12,52 60,32-7,94 19 pts 29 pts 19 pts 11 pts 48 pts 19 pts 12 pts 19 pts r²=coefficient de corrélation, a = pente de la courbe de tendance, b=ordonnée à l origine de la courbe de tendance Tableau 7 : Statistiques de résultats de la relation entre l humidité des sols mesurée et l humidité des sols calculée par angle pour le capteur RADARSAT-2_SAR_FQ 30

31 bande X a) b) c) d) Figure 21 : Relation entre l humidité des sols mesurée et l humidité des sols calculée pour le capteur TERRASAR- X_SAR en mode StripMap (a) à 27.3 et b) à 41.7 ) et en mode SpotLight (c) à 45.5 et d) à 53.3 ) La Figure 21 montre une grande dispersion des points, et donc une plus faible sensibilité des images TERRASAR-X à l humidité des sols avec les formules utilisées que dans l article dont elles sont issues. On remarque également une très grande variabilité des résultats selon les angles d incidence des prises de vue, avec des résultats meilleurs aux angles extrêmes, résultats s expliquant par un meilleur coefficient b, et donc de meilleures valeurs minimales (l élaboration du «Min» repose sur un plus grand nombre d images). 31

32 StripMap SpotLight StripMap SpotLight StripMap SpotLight SpotLight 27,3 28,7 31,8 32,3 41,7 45,5 53,3 HH HH HH HH HH HH HH r² 0,384 0,022 0,303 0,639 0,261 0,002 0,365 a 0,37 0,21 0,15-0,41 0,22-0,02 0,46 b 5,81 7,39 11,25 17,04 11,13 16,18 8, points 9 points 29 points 3 points 20 points 141 points 148 points r²=coefficient de corrélation, a = pente de la courbe de tendance, b=ordonnée à l origine de la courbe de tendance Tableau 8 : Statistiques de résultats de la relation entre l humidité des sols mesurée et l humidité des sols calculée par angle pour le capteur TERRASAR-X SAR en mode SpotLight et StripMap La première explication de cette distinction est liée au décalage entre l heure de prise de vue et l heure du relevé. En effet, plus la longueur d onde radar est courte, plus elle est sensible aux variations d humidité liées à l évaporation ou à la rosée. La bande X, la plus courte des trois longueurs d onde utilisées dans cette étude, est donc la plus sensible à ce décalage. La bande L, la plus longue utilisée dans cette étude, est elle moins sensible car elle pénètre plus dans le sol. Le travail actuellement en cours dans le cadre de la thèse de Rémy Fieuzal, consiste à interpoler le niveau d humidité entre l heure du relevé et l heure de la prise de vue, avec la prise en compte d éventuels épisodes pluvieux entre ces deux instants. Les résultats de ce travail permettraient une nouvelle évaluation du produit d humidité tel qu il est conçu actuellement. Comme pour les autres longueurs d onde radar, le rôle de la rugosité vient impacter fortement les résultats, d autant que le signal radar en bande X est plus impacté par les résidus de culture que dans les autres longueurs d onde. % d humidité de surface 30% 20% 10% a) b) Figure 22 : Cartes d humidité des sols à partir d images TERRASAR-X SAR en mode StripMap à 27.3 au 16/08/2010 (a)(période sèche) et au 27/02/2010 (b)(période humide) 32

33 Dans le nuage de points de la Figure 21, on remarque deux groupes, particulièrement sur la figure b). Sans connaissance de l occupation du sol, il est peut-être envisageable de discriminer deux classes d humidité du sol, une classe d humidité inférieure à 20% et l autre classe supérieure à 20%. La Figure 22 illustre cette distinction sur les parcelles d interculture (IC). A l issue de ces résultats, on remarque que les formules d humidité des sols, issues de la bibliographie, à partir d images radar, ne sont pas utilisables à l échelle du paysage. En effet, ces études appliquent initialement les formules à l échelle de quelques parcelles, dont le sol est lisse. Plusieurs pistes d amélioration des résultats sont toutefois envisageables. Etant donné l importance de l impact de la rugosité sur le signal radar, il apparaît indispensable d utiliser une cartographie de la rugosité du sol pour élaborer des cartographies d humidité à l échelle du paysage. L ajout d autres paramètres comme l orbite, la texture et l orientation des rangs est également envisageable. 2. Images optiques Figure 23 : Calculs et relevés d humidité du sol pour la parcelle F avec le capteur Formosat2_RSI sur l année