تغيرات المناظر الطبيعية للحبوب في البلد التونسية و مردود.معطيات القمارالصناعية Variation du paysage céréalier en Tunisie : apport de l information satellitaire. Figure 1: Terra_500 2006_090 Fayçal BEN DAKHLIA & Latifa HENIA Février 2008 1 / 20
Résumé : L information satellitaire, appliquée à notre espace végétal et agricole a intéressé plusieurs auteurs nationaux depuis près de vingt ans. Cette technologie s est démocratisée avec les possibilités prodigieuses du Réseau Internet, des micro-ordinateurs et des logiciels de traitement des images de toute nature. Notre contribution présente les possibilités offertes à tout exploitant d assurer un suivi spatio-temporel à une échelle régionale de la dynamique végétale concernant l espace, objet de son intérêt. Mots-clés : Télédétection satellitaire sur PC. Suivi de la végétation et du paysage agricole, pastoral ou forestier. Sommaire : I.- Introduction 1.1.- Espace céréales en Tunisie. 1.2.- Rappels concernant la variabilité des rendements céréaliers nationaux. 1.3.- récentes campagnes exceptionnelles. II. Matériels et méthodes. 2.1.- analyse de l information radiométrique satellitaire HRPT/NOAA. 2.2.- analyse de l imagerie MODIS «True Color» des satellites moyenne résolution TERRA et AQUA. 2.3.- suivi comparatif de la biomasse de zones céréalières. III. Traitement qualitatif : résultats et interprétation : 3.1.- Analyse de scènes numériques AVHRR / NOAA. 3.2.- Analyse d une sélection d images MODIS /TERRA (500m de résolution) représentative du cycle phénologique céréalier. 3.3.- Traitement de l imagerie MODIS / TERRA par ENVI. IV.- Traitement quantitatif : procédure MATLAB pour le suivi spatio- temporel de campagnes agricole et céréalière. 4.1.- Domaine spatial d étude. 4.2.- Calendrier agricole et choix des observations satellitales. 2 / 20
4.3.- Méthodes de quantification et d évaluation de la biomasse verte : indice Delta et produit Compteur-Pixels. 4.3.1.- Indice Delta : différence entre deux situations temporelles. 4.4.2.- Produit Compteur-Pixels : Essai de la méthode du cumul de pixels par tranche de comptes numériques de couleurs selon l évolution phénologique. 4.4.- Application : variation spatio-temporelle du paysage céréalier. 4.4.1.- Le Système Céréalier Tunisien. 4.4.2.- Essais de traitement et premiers résultats. V. Discussions et conclusions. Références bibliographiques. Annexes. I.- Introduction : La dynamique du paysage céréalier en Tunisie, se caractérise par un mouvement «pseudo-périodique» interannuel, dans les cycles climatiques nationaux, particulièrement, celui de six à huit ans, mis en valeur par des résultats d analyses spectrales sur des séries pluviométriques, en plus du cycle plus connu de 2,3 ans, lié àu phénomène de l oscillation australe ( EL NINO) (Melice J.L., 1983 ; SAKKA, 2006). Le suivi de cette dynamique agricole en vue d une contribution efficace dans sa gestion par des indicateurs à technologie plus intégrante et plus visualisante, requiert l utilisation des outils d Agroclimatologie satellitaire et de télédétection appliquée. Les procédures LANSAT, développées initialement pour les stations de travail sous UNIX, ont été réorientées sur PC avec les logiciels MATLAB, permettent actuellement de bénéficier d applications d indices variés pour rendre compte de cette dynamique pour les scènes numériques de type HRPT/NOAA, particulièrement. ( BEN DAKHLIA, 2003). Il est à rappeler que la mise en place du projet «CARTES REGIONALES AGRICOLES» pour chaque gouvernorat, en 2002, permet à chaque CRDA de gérer son propre potentiel agroclimatique, et de moderniser ses méthodes de gestion et de planification, en tenant compte de la «variabilité climatique», et 3 / 20
des potentialités spécifiques locales. Un certain nombre se Systèmes d Informations Géographiques (S.I.G.) a été ainsi installé au niveau régional agricole. Par ailleurs, l apport de l information radiométrique par INTERNET nous permet de disposer de l imagerie satellitaire «haute résolution» et d améliorer notre approche d analyse rapprochée spatio-temporelle des diverses composantes du paysage céréalier en tant que «géosystème». II.- Matériels et méthodes : Dans la ligne des travaux réalisés selon la méthode du «profil temporel NDVI», ( BEN DAKHLIA et al.,1997),deux procédures sont présentées pour caractériser la variation du paysage céréalier en TUNISIE : 2.1.- Analyse de l information radiométrique satellitaire HRPT/NOAA : Les scènes numériques des réflectances des canaux VISIBLE et PROCHE INFRA-ROUGE sont traitées par des programmes écrits en langage MATLAB/PC selon la procédure détaillée dans LANSAT2 ( BEN DAKHLIA F., 2003) appliquée aux stations de travail sous UNIX. Un indice de cumul des réflectances précitées, dénommé «SIGMA», à l instar du NDVI, l indice de végétation normalisé le plus célèbre, est exploité pour permettre de visualiser cette variation spatio-temporelle, de façon scalaire. Il est à remarquer que la notion de variation du paysage céréalier ne représente pas la variabilité inter-annuelle de cette variation, et par conséquent son intensité, en corrélation directe avec les rendements et la production, mais plutôt la répartition de la biomasse dans l espace et le temps. 2.2.- Analyse de l Imagerie Satellitaire MODIS «True Color» : La NASA a effectué les lancements des satellites terrestres civils TERRA et AQUA, respectivement en Décembre 1999 et en Mai 2002, équipés du spectroradiomètre MODIS ( MODerate resolution Imaging Spectroradiometer), à une altitude orbitale de 2330 km. Disposant de 36 bandes spectrales, de 0.4 à 14,4 micromètres, MODIS est ainsi le premier senseur à permettre l exploitation d images terrestres en moyenne résolution (500 et 250 mètres au nadir). (voir sites internet MODIS en annexe). De ce fait, les satellites TERRA et AQUA permettent un suivi de la situation au sol «VISUELLEMENT» grâce à la technique «couleurs naturelles» ( True Color ), de MODIS qui arrive à recontituer à partir des 36 canaux radiométriques une image résultante simulant l oeil humain. 4 / 20
2.3.- Suivi comparatif des zones céréalières : L utilisation des possibilités de classification et de traitement des images 24 bits intégrant les composantes des couleurs RVB (rouge-vert-bleu), particulièrement, par les logiciels / PC MATLAB, ENVI, ARCVIEW et IDRISI, permettent une analyse comparative plus détaillée en se basant sur la carte des périmètres irrigués en Tunisie, dont un sous-ensemble représente la culture céréalière ( blé particulièrement) ( NABLI N., 2003). III.- Résultats et interprétations : 3.1.- Analyses de scènes numériques AVHRR / NOAA : Figure noaa 1: Indice SIGMA 1998_02_21 (21 fév. 98) Figure noaa 2: Indice SIGMA 96_03_07 (07 mars 1998) 5 / 20
Figure noaa 3: Indice SIGMA 98_06_22 ( juin) Figure noaa 4: Indice SIGMA 02_08_18 (18 août 2002) 6 / 20
3.2.- Analyse d une série d images TERRA_ 500m de résolution : Figure 5.-Terra500_2005_318 (14 Nov. 2005) / semis début tallage Figure2 : Terra_500_2006_007 (07 jan 2006) Plein tallage Figure 3 : Terra_500_2006_089 (31 mars 2006) Figure 4: Terra_500_ 2006_ 099 (avril) épiaison 7 / 20
Grain laiteux Figure 7 : Terra_500 2006_112 (fin avril) Figure 6 : Terra_500 2006_158 ( fin juin) grain mûr 3.3.- Traitement de l imagerie satellitaire MODIS / TERRA : L utilisation du logiciel «ENVI» ( Environment Visualisation Images) sur PC, permet de produire des classifications significatives de la variation du paysage végétal et céréalier, en respectant le cycle phénologique de la culture. Un essai est réalisé sur une image true color TERRA_2005_318 / 500mètres pour une classification non supervisée de 4 à 6 classes par le logiciel ENVI et retransformé en format JPEG. Ce logiciel, particulièrement adapté accepte le format true color RGB 24 bits, assure la décomposition dans les trois canaux RGB, et permet plusieurs traitements comme les classifications, les contours, les extractions, etc Deux exemples de classification non supervisées, ont été réalisées avec un paramétrage simplifié (méthode des centres mobiles : isodata), sur deux situations correspondant au stade semis ( novembre 2005), et le stade grain mûr (juin 2006). Les légendes correspondantes peuvent être modifiées par l utilisateur, aussi bien pour le choix des couleurs que le nombre de classes et paramètres précisant les modalités de l application. 8 / 20
isodata 2005_318 IV.- APPLICATION : procédure MATLAB : isodata2006158 Elle s insère dans le cadre plus général de l APPROCHE SYSTEMIQUE appliqué au «système céréales Tunisie «(site investir-en-tunisie.net, 2008), à 9 / 20
articuler dans un SIG_Céréales dynamique intégrant plusieurs composantes disciplinaires et orienté aide à la décision. La réalisation de cette application se base sur les données MODIS TERRA 250m de résolution, soit seize fois plus que la résolution AVHRR /NOAA, et utilise les logiciels MATLAB / PC et ENVI. 4.1.- Domaine spatial d étude : La zone de travail sélectionnée couvre un domaine spatial de 1180 * 1180 pixels de 250m de coté, par souci de simplification des traitements de MATLAB sur les matrices de données issues des images de départ. Il est évident que des domaines régionaux plus restreints pourraient être extraits et traités par la même procédure MATLAB. 4.2.- Calendrier agricole et choix des observations satellitales : Le suivi quantitatif de la biomasse agricole, pastorale et forestière, mise en relief par l imagerie couleurs naturelles ( true color ) de MODIS, nécessite une discrimination aisée de ces diverses réflectances végétales. Des signatures spectrales liées aux différents stades phénologiques des cultures majeures et de leurs principales variétés actualisées devaient aider à leur identification pour d éventuelles sélections. Quant à leur évolution phénologique temporelle, des modèles de prévision phénologique seraient d une aide appréciable. (F. BEN DAKHLIA., 1987), pour synchroniser l observation satellitaire et l observation végétale correspondant aux signatures spectrales réelles. Pour les céréales (blés et orge) un calendrier cultural exhaustif moyen (toutes variétés confondues) peut se présenter comme suit : SEMIS : novembre TALLAGE : janv-fév. EPIAISON : mars-avril. MATURATION : mai-juin RECOLTE : juin-juillet. 4.3.- Méthodes de quantification et d évaluation de la biomasse verte : indice DELTA et CUMUL-PIXELS : Afin d évaluer la quantité d unités de superficies présentant une production végétale significativement détectable par les traitements de l imagerie satellitale converties en scalaires, une procédure de programmation informatique du Logiciel MATLAB 6.5 a été réalisée permettant : - d importer le produit image true color en format RGB 24 bits, - de le transformer en matrice canal R, G ou B, sous format virgule flottante 32 bits, 10 / 20
- d effectuer des opérations informatiques sur les données standardisées. Il est à rappeler que l image TERRA / MODIS true color, de format RGB 24 bits, représente une combinaison linéaire de plusieurs canaux radiométriques modélisant la vision de l œil humain. Sa dissociation en composantes Rouge, Vert et Bleu (R,G,B), conserverait l intensité de la réflectance associée, caractérisant chaque pixel télédétecté. Cette intensité pourrait être visualisée en fausses couleurs par une correspondance à choisir parmi les options des échelles de couleurs disponibles. ( ex : colormap(hsv(256)).(voir en annexe la table de correspondance comptes- couleurs RGB et l échelle NDVI de MODIS). Une sélection d un intervalle de cette échelle de couleurs pourrait être visualisée en limitant son amplitude à 128, 64 ou plus. 4.3.1 : Indice DELTA : Pour une configuration fixée des images à analyser ( ex. taille de 1180 * 1180 pixels) extraites des images d origine, on déduit de deux images A et B,représentant le même domaine spatial et la même résolution à des dates différents, une image résultante C dans laquelle l opération soustraction des comptes-couleur de chaque pixel a été éffectuée, et mettant en relief les changements effectués dans l intervalle temporel. 4.3.2 : Produit COMPTEUR PIXELS : Considérant que la mesure du rayonnement réémis par une surface pour plusieurs longueurs d onde, permet de construire la SIGNATURE SPECTRALE de l objet, nous déduisons qu une modification de l objet dans une évolution temporelle affecterait cette caractéristique radiométrique pour un pixel donné. 4.4.- Application : variation quantitative spatio-temporelle du paysage céréalier. 4.4.1 : Le Système Céréalier Tunisien : Il appartient à la catégorie blé et orge d hiver, avec un calendrier cultural de Novembre à juillet. Son suivi satellitaire est relativement aisé puisqu il exploite des terres ( sol nu) jusqu au tallage et est recolté en juin-juillet. Cependant les superficies emblavées sont de taille modeste, en général, et présentent rarement une continuité parcellaire à albédo similaire. Le pourcentage des superficies céréalières irriguées représente une faible valeur, voisine de 10 à 15%. La zone de Centre, à pluviométrie moins garantie annuellement, subit les effets de sècheresse agricole de façon plus fréquente que la Zone Nord. 11 / 20
4.4.2 : Essais de traitement et premiers résultats. 4.4.2.1.- Visualisations diverses : 4.4.2.2.- Analyse comparative de deux situations satellitales correspondant aux stades phénologiques semis- tallage de la campagne agricole 2007-2008 : 12 / 20
Figure 1: Terra_250m 2007_328 : 'true color' Figure 2: Terra_250m 2008_014 'true color' La figure suivante présentera l image résultant de la soustraction DELTA = canal1 de fig1 canal1 de fig2 : En effectuant une sélection sur ce fichier-image dans l échelle de couleur (jet 64), nous obtenons le résultat suivant : 13 / 20
Le Compte-Pixels a donné la valeur suivante : 371.646 Quant aux compteurs de sélection des tranches de comptes_couleurs 60-120 pour les deux situations nous obtenons respectivement : 14 / 20
- selection 60-120 pour la situation de 2007/328 : 351.294, contre 419.306 pour celle du 20 08/014. 15 / 20
4.4.2.3.- Autres resultats : Une extraction de deux coupes diagonales des images Modis true color des situations de novembre 2007 (2007/238) et de janvier 2008 (2008/014) donne les valeurs suivantes, pour le canal Rouge : Pixels (100,100) : 009 011 (200,200) : 038 028 (300,300) : 110 070 (400,400) : 049 047 (500,500) : 107 079 (600,600) : 129 101 (700,700) : 128 112 (800,800) : 203 173 (900,900) : 164 134 (1000,1000) : 138 101. Ces données confirment la dynamique du paysage végétal de la région Nord Tunisie en concordance avec les courbes NDVI de la NASA (voir annexe). V.- DISCUSSIONS et CONCLUSION : 16 / 20
Les résultats présentés confirment l intérêt de ces procédures satellitales pour le suivi, qualitatif et quantitatif à grande échelle, de la production de la biomasse annuelle, aussi bien céréalière que fourragère. Cependant, l observation satellitaire doit être complémentée par des modèles, statistiques ou mathématiques pour permettre des prévisions de rendements et de production végétale ou agricole (domaine prospectif). Pour le suivi des campagnes agricoles, des études plus détaillées pourraient intéresser l échelle régionale ( gouvernorats), et exploiter avec d autres systèmes d information numérique tels que les bases de données statistiques ( agricole, agrométéorologique, et économique), des Systèmes d Information Géographiques ( S.I.G.) interactifs permettant une gestion dynamique de notre espace agricole et naturel. Références bibliographiques BEN DAKHLIA F.1987 : Prévision Agrométéorologique céréalière : cas du blé en Tunisie INM Edition interne (349 pages + annexes) INM 1987 : Prévision agrométéorologique des blés dur et tendre en Tunisie Campagne agricole 1986-87 (17 pages) BEN DAKHLIA F. 1989 : L Environnement Agroclimatique Tunisien des Systèmes Agricoles concernant la culture pluviale de l Orge. p81-92 in «the Agrometéorologiy of rainfed Barley-based Farming Systemes ICARDA» BEN DAKHLIA F. 1993 :Evapotranspiration et bilan hydrique agrométéorologique. (24 pages) INM TUNIS. INM 1993 : Projet suivi agrométéorologique céréalier : essai de prévision agrométéorologique des blés dur et tendre en Tunisie Avril 1993 (13 pages) BEN DAKHLIA F. 1997 : Projet CNT : Sécurité Alimentaire- Rapport final volet 2 : modélisation agrométéorologique des rendements céréaliers combinés aux images NOAA/AVHRR INM (200 pages) 17 / 20
BEN DAKHLIA F. 2003 : Logiciel d analyse numérique de données satellitaires HRPT/NOAA (LAN-SAT) INM (13pages). BEN DAKHLIA F., 2003b : Céréales : évaluation précoce des productions régionales, en conditions agrométéorologiques favorables ( modèle 8 phases phénologiques, version microordinateur ). 32 pages Tunis. BOUSEMA M. R., 1997 : Photointertprétation et analyse d images en télédétection. LTSIRS / ENIT. Tunis. DESHAVES M., MAUREC P., 1996 : L image spatiale et son contenu. In : La télédétection en agriculture Actes du colloque de Montpellier- CIHEAM / MAE / CNES. Options méditerranéennes- série A séminaires méditerranéens numéro 4, 1996. D.G.P.D.I.A., 1997 : Résultats de l Enquête Céréalière par la mesure objective (campagne 1996-97). Ministère de l Agriculture. Tunis. GIRARD G. M., 1988 : Caractérisation, typologie et cartographie des prairies, pour une valorisation des ressources fourragères., in SPOT1 CNRS- France. MEYER-ROUX, 1988 : Applications de SPOT aux systèmes d information agricoles en milieu tempéré. CCRCE / SPRR, in SPOT1. 1988. MODIS : http://modis.gsfc.nasa.gov/ Modis Rapid Response System Universite of Wisconsin-Madison: http://cimss.sscc.wisc.edu/. NABLI N., 2003 : L irrigation en Tunisie. INAT. Tunis. http://investir-en-tunisie.net: Réussir une campagne de blé en Tunisie (23/12/2007) 4 pages. 18 / 20
A N N E X E S 1.- Exemple de traitement : NDVI / MODIS : Figure 8: MODIS_NDVI_Bizerte / 10_08_2006. 2. Table de conversion MODIS : comment convertir les valeurs NDVI en couleurs des images NDVI : (Modis tutorial_ 2006)bdakhlia Page 19 19/11/2013 Couleur Valeur NDVI R V B 153 204 255 <= 0.0 19 / 20
255 175 100 0.0 0.1 255 225 150 0.1 0.2 225 255 175 0.2 0.3 152 255 152 0.3 0.4 102 255 102 0.4 0.5 51 204 51 0.5 0.6 0 153 0 0.6 0.7 0 102 0 > 0.7 255 255 255 pas de données. 20 / 20