WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Stocks de carbone dans les aires protégées du Tchad. Cas du parc national de Manda.


par Caleb NGABA WAYE TAROUM
Université de Yaoundé - Master en Sciences de l'Environnement, option: Assainissement et Restauration de l'Environnement 2017
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

II.2.3. Traitement des données secondaires

II.2.3.1. Données cartographiques

Sur le terrain, une descente de prospection observatoire a été effectuée allant de l'entrée du village Manda à celle de Niellem. Elle a permis d'obtenir les données géographiques des deux extrémités du PNM à l'aide d'un GPS. Ensuite lors des travaux sur le terrain, les points de départ et final du transect ont étés relevés afin de produire une carte de relévé floristique. Enfin pour l'obtention des cartes de la couverture du sol, le CNAR a fourni les images landsat de la zone d'étude. D'autres images landsat ont étés téléchargées via internet. Les logiciels utilisés sont Erdas Imagine 2014, ArcGIS 10.2.2, Google Earth pour le traitement d'image et pour la partie cartographie.

Le choix de ces logiciels de traitement et des images Landsat est justifié par les raisons suivantes :

? elles sont disponibles gratuitement ;

? elles sont indiquées pour l'analyse de la dynamique du couvert végétal (Anonyme, 2013 c).

Tableau II: Caractéristiques des images du capteur Landsat utilisées

Acquisition
d'image

Capteurs

Path-Row

Bande

Wavelength(micromètres)

Resolution(mètres)

1987-10

Enhanced Thematic Mapper Plus (ETM+)

TM

(Thématic Mapper)

OLI TIR

184-052

184-052

Band 1

0.45-0.52

30

2002-10

Band 2

0.52-0.60

30

Band 3

0.63-0.69

30

2012-11

Band 4

0.77-0.90

30

Band 5

1.55-1.75

30

Band 6

10.40-12.50

60 * (30)

Band 7

2.09-2.35

30

Band 8

.52-.90

15

2016-10

28

Le traitement se déroule en 03 phases. Une phase de prétraitement, une autre de classification et enfin la dernière de post-classification. Le PNM pose un problème du point de vue Image Landsat. En effet il se trouve entre deux scènes : la scène (182,053) et la scène (182,054). Pour avoir une image complète de la zone d'étude, il a donc fallu effectuer une opération de Mosaiquage qui consiste à fusionner deux images pour n'obtenir qu'une seule. La phase de prétraitement s'effectue comme suit: avant le processus de classification, les images subissent une correction atmosphérique. Les valeurs numériques des images Landsat sont transformées en réflectance puis ces dernières subissent une correction grâce à la méthode DOS1.

En ce qui concerne la correction géométrique, les images sont en DATA_TYPE = "L1T". Pour ce travail, il n'est pas nécessaire de procéder à une correction géométrique. Cependant les images Landsat pour les périodes 2006 et 2007 présentent des défauts. En effet, le scan-line corrector (SLC), un mécanisme de capture du satellite est tombé en panne le 31 mai 2003. Ce qui se traduit par des rayures sur les images. Un traitement spécial fut donc nécessaire. Pour cela, les images de 2006 ont subi des corrections (Fill Gab), les bandes ont été remplies de manière à permettre la suite du travail.

A

B

Fig. 8: Correction image Landsat : A) Image Landsat avec trous noirs, B) Remplissage

La phase de classification : la méthode supervisée est retenue pour la classification. Ceci à cause des regroupements naturels selon des critères statistiques. La combinaison de bande a permis de faire ressortir les principaux éléments constitutifs de l'image et la sélection des zones d'intérêts afin de déterminer les différentes classes constitutives de l'image.

La sélection des zones d'intérêt est validée par des vérifications sur Google Earth afin de produire des données qui se rapprochent le plus possible de la réalité. Six (6) grandes classes ont été retenues : 1= Savane herbeuse ; 2= Savane arbustive ; 3= Savane arborée ; 4= Sols Nus + Banc de Sable ; 5= Forêt Claire ; 6=Eau. Les bandes 2, 3, 4 et 5 sont utilisées à l'aide du module i.cluster puis du module i.Maxlik. Ce dernier module utilise l'algorithme du maximum de vraisemblance.

Prétraitement

 

La phase de post-classification : les images classifiées sont ensuite importés dans ArcGIS pour une analyse en profondeur des signatures spectrales. Un rapport statistique sur l'image est généré montrant la dynamique du couvert végétal. Le rendu final est généré sur ArcGIS.

Images de

départ : Landsat

Correction atmosphérique

Images Corrigé

Mosaiquage

Images

Découpage de la

zone d'intérêt

Correction

éventuelle : GAP Fill

 

Image 1

Classificatio

Image n

Classification Supervisée

Analyse de la signature Spectrale

Classification

Méthode du Maximum de Vraisemblance

Image 1 en

Classes

Image n en

Classes

Traitement dans un SIG :

Vectorisation, Analyse,...

Vectorisation

Symbologie

Rendu

Cartographique pour

29

Post Classification

Fig. 9: schéma illustrant les 03 étapes de traitements des données SIG (Adapté de: Theodoridisel et al. , 2010)

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Soit réservé sans ostentation pour éviter de t'attirer l'incompréhension haineuse des ignorants"   Pythagore