République Algérienne Démocratique et Populaire
Ministère de l'enseignement Supérieur et de La Recherche Scientifique
------~ -~ ~~~t ~ w4.. ~~~~,~~~ ~4=-:J' j :a ·.i:w' ,.~ '4.P!itiv rsité Med-Sedik Benyahia- Jijel . ' ;. ·ï6aJ.1 ...... i.t1-~ ~1 ----· : .;)~· ~.)
Faculté des Sciences de la Nature et de la Vie ô~l .J ~I ~~ ~ Département des Sciences de l'Environnement ~I ~.jlall J ~I ~j&. ~ et des Sciences Agronomiques
Mémoire de fin d'études
En vue de l'obtention du diplôme: Master Académique en Biologie Option: Phytopharmacie et gestion des agrosystèmes
Thème
Cartographie de la végétation de la forêt de Settara à partir de l'indice NDVI (Wilaya de Jijel)
Préparé par:
-Melle Boumaiza Nora
-Melle Boussalem Fatima Jury de soutenance: Président: Mr. Krika A. Examinateur: Mme. Khennouf H. Encadreur: Mr. Boudjelal F.
Session: Juin 2016 :Numéro cf'orâre ...... ~rciement
tout nous aaressons nous remerciements à ŒLL)f.J{, t:e tout puissant p vofonté, fa santé et fa patience qu'i{ nous donné durant toutes ces fongue années aétucfes et pour {a réafisation de ce travai{ que nous espérons être uti On tient tout particulièrement à témoigner nos profonaes gratitucfes et nos vi. remerciements à :M.onsieur Œozu(jfal aavoir accepté ae nous encaarer sur t:e thème, de nous avoir conseiffé juclicieusement, orienté, encouragé et de nous orter une attention tout au fong de ce travai[ C'est avec un grana pfaisir q
us aaressons nos remerciements à :M.r. k,riRg, }I, pour f'honneur qu 'i{ nous fait e acceptant de présiâer t:e jury. :M.m. k,lianouf :J{, pour f'lionneur qu 'i{ me fait en acceptant aex.,aminer ce travai[ :Nous fai{fais à nos devoirs si nous n'aaressais pas nos remerciements à tous t:es nseignants de aépartement aenvi.ronnement et aes sciences agron ont contri6ué à notre fonnation. :Nous ne pourrai tenniner ces remerciement sans y associer t:es mem ami{t:es, qui nous ont toujours apporté t:eur soutien et t:eur appui afin au tenne de ce travai[
t ce~ ou ceffes qui ont contri6ué de près ou de fa foin à {a ' modeste travai[ (J)édicace
çrace à âieu tout puissant et en signe tfe reconnaissance à tous fes sacrifices consentis
~jeaéâie: )f.~ personnes fes pfus chères à mon cœur et qui ont attenau avec patience fes fruits tfe feur 6onne étfucation, à mes di.ers (}!arents. )f. mes cliers frères 'Fate'1 1focine, et a mes clières sœurs Salilia , rattacliement, ramour et raffection que je porte pour wus. je 'fJOUS tféâte ce travaif et je vous souliaite une vie pfeine tfe santé et tfe 6onlieur. )f. ma tante !M.assoulfa et toute ma famille. Je tféâie encore mes cliers peti.ts frères Sami, !M.imo, Somia, !M.eriem, Zine6. )f. celle qui parl:alJe ma vie, mes clières amies: 'Fatilia, !Nalifa, 'Fi'Fi, Souatf, 'lljma, Clioucliou, 9tf.edjaa, Sama'1 Sara, Samafi . je ne pewc trouver fes mots justes et sincères pour wus eJ(primer' mon affection et mes pensées, wus êtes pour moi tfes sœurs et tfes amies sur qui je pewc compter. P.n témoignage tfe f amitié qui nous uni et tfes souvenirs tfe tous fes moments que nous awns passé ensem6fe. )f. mon 6inôme et fa meilleure clière amie 'Fati.ma pour tous fes moments tfe joies et tfe peines qu'on ~ 1 ! a passées ensem6fe. ~ )f. -.- 1 1 l J ~ (J)étficace qrace à âieu tout puissant et en si/Jne âe reconnaissance à tous Ces sacrifices consentis pour ma réussite et fa wfonté pour mener à 6ien ce moâeste traNi! Q!te je dèâie: JI~ personnes Ces pfus chères à mon cœur et qui ont attend'u avec patience Ces fiuits dé feur 6onne éâucatüm, à mes cliers Œ'arents. JI mes chères sœurs siliem, JI.me( Samira, !Naâia et mes cliersfrères 'l(pme[ '.Ediîme et JI. ma granâe mère Zine6 JI. celfe qui partage ma 'Vie, mes chères amies: Cliafiaa, Patilia, !Nalifa, ,Samali, Pairou.z, , Souad', ,Sarali, pour wus ~mon affectümet mes pensées, wus êtes pour moi dés sœurs et dés amies sur qui je p~compter. 'En témoignage âe f amitiéquinous uni etâes Souvenirs âe tous Ces moments que nous a vous passéensem6fe. JI. mon 6inôme et fa meilfeure clière amie !Nora pour tous Ces moments dé joies et ~ < âe Œ'einesqu 'on a passées ensem6fe. l ~ 1 r ' 1 1 JI. 'Tous mes collègues âe fa promotion. ~ ~- JI. tous c~que j'aime et qui m'aime. 1 1 ri H H Patima ~ 1 1 ' 11 '1 ' ~ ~ 1r 1 ri ! 1 ~------~1 1 1 1 1 1 1 Sommaire '1 ~------sommaire ...... 1 . Liste des figures ...... iii Liste des tableaux ...... v Liste des abréviations ...... vi Introduction ...... 01 Chapitre 1: Télédétection et propriétés optiques de la végétation I. l. Notion de Télédétection de la végétation ...... 03 I.1.1. Définition ...... 03 I.1.2. Objectif de la télédétection ...... 03 I.1.3. Principes de base de la télédétection ...... 03 I.1.4.L'application de la télédétection en cartographie de la végétation ...... 03 I.2.Propriétés optiques de la végétation, du sol ...... 04 I.2.1. La végétation ...... 05 I.2.2. Propriétés optiques du sol...... 05 I.3.les images satellitaires ...... 06 I.3 .1 L'objectif des images satellitaires ...... 06 I.3.2. Les différents types de résolution ...... 07 I.3.3. Les satellites optiques en fonction ...... 07 I.3.4. Images satellitaires Landsat ...... 07 I. 4.Classification des images satellitaires ...... 08 I.5. Indices de végétation ...... 09 Chapitre II : Matériel et Méthodes II .l.Présentation de la zone d'étude ...... 11 II.1.1.Localisation géographique ...... 11 II. l. 2.0ccupation du sol ...... 11 II.1.3.Climat...... 12 11.1.3. l. précipitation ...... 12 II.1.3 .2. température ...... 13 II.1.3.3. Le vent ...... 14 II.1.4. Végétation ...... 15 II.2. Matériel...... 16 II.2.1. Les images satellitaires utilisées ...... 16 II.2.2. Logiciels de traitement des images ...... 16 II.3. Méthodes ...... 17 II.3 .1. Téléchargement des images satellites ...... 17 II.3.2. Méthode d'analyse des images Landsat...... 17 II.3 .2.1. Décompression des images ...... 17 II.3.2.2.Extraction des images de la zone d'étude dans MultiSpecWin32 ...... 18 II.3.2.3.Importation des images dans ILWIS ...... 20 II.3.2.4.Création d'une liste des bandes (Maplist) et calcul d'indice de végétation ...... 22 II.3.2.5. Classification des images NDVI ...... 23 II.3.2.6. Transformation des images NDVI classifiées en cartes ...... 26 Chapitre III : Résultats et discussions III. 1. Présentation des résultats ...... 27 III.2.Discussion et interprétation des résultats ...... 40 Conclusion ...... 46 Références bibliographiques Glossaire ii _} Liste des figures Fig.Ol:Représentation de la réflectance d'un couvert végétal, l'eau et le sol ...... 04 Fig.02: Localisation géographique de la zone d'étude ...... 11 Fig.03 : Précipitation moyenne sur 20 ans (période 1995-2015) ...... 12 Fig.04: Température moyenne sur 20 ans (période 1995-2015) ...... 13 Fig.OS.Diagramme Ombrothermique d' Omberger de la région de Jijel en 2015 ...... 14 Fig.06: Force du vent sur 20 ans (période 1995-2015) ...... 15 Fig.07:Les 11 bandes de Landsat ...... 17 Fig.08: Extraction des sous images dans MultiSpec Win32 ...... 19 Fig.09:Importation des images dans IL WIS ...... 21 Fig.lO:Création d'une liste de bande (Map List) ...... 22 Fig.11: Calcul et création d'une image NDVI...... 23 Fig.12:Etapes d'une classification d'image NDVI...... 24 Fig.13:Image NDVI pour les années 2013,2014 et 2015 ...... 28 Fig. 14: Images NDVI pour les mois Janvier, Aout et Novembre 2015 ...... 29 Fig.lS:Composition colorées 7-6-4 de la zone d'étude obtenues pour les années 2013,2014 et 2015 ...... 30 Fig.16 : Compositions colorées 7-6-4 de la zone d'étude obtenues pour les mois Janvier, Aout et Novembre 2015 ...... 31 Fig.17: Les 3 images NDVI (2013, 2014, 2015) après classification monocanale (Slicing) et identification des classes par comparaison aux compositions colorées ...... 32 Fig.18: Les 3 images NDVI (1/2015, 8/2015 et 11/2015) après classification monocanale (Slicing) et identification des classes par comparaison aux compositions colorées ...... 33 Fig.19:Cartes finales NDVI (2013,2014 et 2015) représentant l'évolution de la couverture du sol dans la forêt de Settara ...... 34 Fig.20: Cartes finales NDVI (1/2015, 8 /2015 et 11 /2015) représentant l'évolution de la couverture du sol dans la forêt de Settara ...... 35 iii Fig.21: Histogrammes des images NDVI classifiées (2013,2014 et 2015) montrant la superficie de chaque classe exprimée en nombre de pixels ...... 36 Fig.22: Histogrammes des images NDVI classifiées (1/2015,7/ 2015 et 11/2015) montrant la superficie de chaque classe exprimée en nombre de pixels ...... 37 Fig.23: Evolution des superficies(%) des différentes classes entre 2013 et 2015 ...... 42 Fig.24: Evolution des superficies(%) des différentes classes entre Jan et Nov 2015 ...... 42 Fig.25: Evolution de l'indice moyen NDVI de 2013 à 2015 ...... 43 Fig.26: Evolution de l'indice moyen NDVI de Janvier à Novembre en 2015 ...... 43 iv Liste des Tableaux Tableau 0 1: Les indices de végétation les plus couramment utilisés ...... 10 Tableau 02 : Répartition mensuelle des précipitations moyennes pour la période 1995- 2015 ...... ········· ·· ·· ·· ...... 12 Tableau03 : Répartition mensuelle des Température moyennes pour la période 1995- 2015 ...... l 3 Tableau04: Force du vent (moyennes mensuelles) pendant la période 1995-2015 ...... 14 Tableau 05 : Statistiques des images de la série interannuelle ...... 38 Tableau 06 : Statistiques des images de la série saisonnière ...... 38 Tableau 07 : La différence des pourcentages entre les années traitées ...... 39 Tableau 08 : La différence des pourcentages entre les mois traités ...... 39 Tableau 09: Variation de la valeur moyenne de l'indice de végétation NDVI (Evolution interannuelle) ...... 4 3 Tableau 10: Variation de la valeur moyenne de l'indice de végétation NDVI (Evolution saisonnière) ...... 43 V ._ _;y Liste des abréviations • CCT: Centre Canadien de Télédétection. • CF: Conservation des Forêts. • ERTS: Earth Resources Technological Satellite. • ILWIS: Integrated Land and Water Information System. • IR: Infrarouge. • LAI: Surface foliaire par unité de surface de terrain. • MIR: Moyen infrarouge. • MSS: Multi spectal scanner. • NAZA: National Aeronautics and Space Administration. • NDVI: Normalized Difference Vegetation Index. • ONM: Office National de la Météorologie. • PIR: Proche infrarouge. • PVI : Indice de Végétation Perpendiculaire. • R: Rouge. • SIG: Système d'information Géographique. • TIF: Tagged Image File. • USGS: United state Geological Survey. • °C: Degré celsisus. • Ha: Hectare. • µm: Micromètere. • % : pourcent. • Km : Kilomètre. • M: mètre. vi • EOS: Earth Observing System. • MODIS: Moderate spectroradiomètre Image à Résolution. • SPOT: Systèmes d'information Géographique. vii - .P ~------~ Intro 1 1 ~------Introduction Introduction La forêt est un écosystème qui se définit par une couverture végétale dominante constituée par des arbres dont la frondaison est continue en l'absence d'intervention humaine. Les forêts couvrent actuellement environ 30 % de la surface des continents émergés (Ramade, 2008).Elles jouent un rôle vital dans la régulation des climats et du cycle de l'eau, et se sont les écosystèmes les plus riches et les plus utiles de la planète. Selon les scientifiques, les forêts du monde renferment plus de 50 % de la biodiversité terrestre (Ramade, 1978). En Algérie, la forêt revêt un caractère particulièrement important car elle constitue un élément essentiel de l'équilibre écologique et socio-économique des régions rurales en particulier et du pays en général. La forêt apparait aussi nécessaire à la protection contre l'érosion, la désertification, à l'amélioration des activités pastorales et à la protection de l'environnement. Plusieurs méthodes ont été élaborées dans le but d'une meilleure connaissance des phénomènes régissant les écosystèmes forestiers. Depuis les années 70. L'événement des satellites d'observation de la terre a permis de répondre à ces besoins de suivre l'évolution des écosystèmes à l'échelle planétaire. Le développement des technologies a permis une augmentation des données de télédétection s'accompagnant d'une meilleure évolution des ressources forestières à plusieurs échelles et permet aussi d'observer et de mesurer les perturbations qui affectent la santé des milieux forestiers ainsi que leur évolution dans le temps (Bijaber et al, 2005). Notre travail consiste à la cartographie de la végétation de la forêt de Settara (Wilaya de Jijel) à partir de l'indice NDVI (Indice de Végétation par Différence Normalisée) pour essayer de mettre l'accent sur l'évolution de la forêt et ce à travers la mesure de l'activité photosynthétique par l'indice de Végétation par Différence Normalisée (NDVI) qui est utilisé pour évaluer l'état sanitaire de la végétation. Pour répondre à notre objectif, on a subdivisé notre étude en quatre chapitres : • Le premier chapitre consiste en une étude bibliographique qui traite des généralités sur la télédétection et les propriétés optiques des couverts végétaux et des sols. • Nous passons ensuite à la description de la zone d'étude. • Le troisième chapitre décrit le matériel et les méthodes utilisées dans le traitement des images satellitaires. l Introduction • On trouvera par la suite un chapitre relatif aux résultats obtenus et leur interprétation. • En fin notre étude sera clôturée par une conclusion. 1 1 1 - ' ' 2 ~------~ Chapitre 1 7êtediftection et _prqpriétés qptiques dê La végétation 1 1 ~------[Télédétection et propriétés optiques de la végétation] Chapitre 1: Télédétection et propriétés optiques de la végétation 1.1. Notion de Télédétection de la végétation 1.1.1 .Définition La télédétection est une technique qui permet de détecter à distance, sous forme de photographies, d'enregistrement donnant lieu à des images, ou de profils, les variations d'absorption, de réflexion et d'émission des ondes électromagnétiques (Scanvic, 1983). La télédétection est la technique qui, par l'acquisition d'images, permet d'obtenir de l'information sur la surface de la Terre sans contact direct avec celle-ci. La télédétection englobe tout le processus qui consiste à capter et à enregistrer l'énergie d'un rayonnement électromagnétique émis ou réfléchi, à traiter et à analyser l'information, pour ensuite mettre en application cette information (CCT, 2003). 1.1.2.0bjectif de la télédétection La télédétection a pour objectif de fournir des informations sur les paysages sous la forme des données images en utilisant le rayonnement électromagnétique comme véhicule de ces informations (Darabid et Bouchekara, 2013). 1.1.3.Principe Ce type de méthode d'acquisition utilise normalement la mesure des rayonnements électromagnétiques émis ou réfléchis des objets étudiés dans un certain domaine de fréquence (infrarouge, visible, micro-ondes). Ceci est rendu possible par le fait que les objets étudiés (plantes, maisons, surfaces d'eau ou masses d'air) émettent ou réfléchissent du rayonnement à différentes longueurs d'onde et intensités selon leur état (Denis, 2014). Ll.4.L'application de la télédétection en cartographie de la végétation Le champ d'application de la télédétection pour l'étude de la végétation est très vaste. Les acquisitions ont été utilisées dans maintes études : description, identification et cartographie de la végétation et de l'occupation du sol, déforestation tropicale, indice foliaire LAI, photosynthèse et évapotranspiration, biomasse, productivité des systèmes agricoles, phénologie forestière, coupes et régénération, défoliation foliaire et dépérissement des couverts forestiers. La télédétection des couverts forestiers pose des problèmes particuliers liés à l'hétérogénéité du milieu. En télédétection passive optique, les propriétés optiques d' un couvert forestier résultent des effets de ses différentes composantes, photosynthétiques et corticales (branches et troncs), et du sol sous-jacent, couvert ou non par une végétation herbacée. En télédétection active en hyperfréquences, le signal radar rétrodiffusé (réfléchi dans la direction de l'antenne de réception) est essentiellement conditionné par les propriétés géométriques et la teneur en eau du couvert et du sol. Le comportement spectral d'un couvert 1 3 [Télédétection et propriétés optiques de la végétation] végétal est la résultante de la contribution de la végétation et du sol sous-jacent qui, dans le cas des forêts, peut être couvert ou non par une végétation herbacée. La contribution du sol dans la radiométrie d'un pixel dépend essentiellement du taux du couvert et de l'épaisseur de la couche végétale qui le couvre. Ces deux caractéristiques structurales du couvert peuvent être exprimées, respectivement, par le degré d'ouverture du couvert et l'indice foliaire (Soudani, 2007). 1.2.Propriétés optiques de la végétation, du sol et de l'eau Chaque matériel présent sur terre absorbe, transmet ou reflète une certaine quantité de radiations solaires. Cette quantité varie suivant la longueur d'onde. Cette importante propriété rend possible l'identification de différentes substances ou classes. Il est alors possible de les dissocier suivant les signatures spectrales (Fig. 01) (Lillesand et Kieffer, 1987). 70 6 -..~ -; 50 (,) c ~(,) 40 Cl ;:: · Cl a:: 1 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 2.6 Longueur d'onde ( ~tm ) B V R Visible (VIS) Proche infrarouge (PIR) Infrarouge moyen ~ MIR ) Fig.Ol:Représentation de la réflectance d'un couvert végétal, l'eau et le sol (Lili-chabaane, 2012). [Télédétection et propriétés optiques de la végétation] L2.1. La végétation La végétation joue un rôle fondamental pour la vie terrestre en synthétisant de la matière organique par le processus de photosynthétique. Son développement dépend des conditions climatiques et de la richesse des sols, mais aussi des pressions exercées par la vie animal et l'homme plus particulièrement .Elle est étudiée à l'échelle mondiale grâce aux images fournies par les satellites d'observation de la terre .La lumière émise par le soleil est en partie réfléchie par le couvert végétal puis détectée et analysée. Parce que les plantes absorbent fortement la lumière visible et très peu la lumière proche infrarouge, leurs propriétés optiques permettent de les distinguer de leur environnement (Jacquemoud et al,.2010). L'étude de la réflectance des végétaux dans le visible et l'infrarouge est très importante. Différentes études menées dans des laboratoires montrent que les propriétés optiques des feuilles qui sont les principaux organes photosynthétiques des plantes ( absorptance et réflectance) sont liées à leur structure, elle même dépendante de l'évolution biologique de la feuille qui va déterminer, entre autres, la production de matière sèche. Les propriétés optiques d'un végétal en activité sont très différentes de celles d'un sol nu. -Dans le domaine visible (0.4_0.7µm) le rayonnement est en majeure partie absorbé par les pigments foliaires (chlorophylle, carotène, xanthophylle) pour la photosynthèse (utilisation de l'énergie radiative pour la synthèse de matière organique ).Aussi la réflectance est d'autant plus faible que la photosynthèse est importantes. Les principaux pigments sont les chlorophylles a et b avec 2 bandes d'absorption: l'une à 450 nm dans le bleu, et l'autre à 650 nm dans le rouge. Voici pourquoi les végétaux actifs nous apparaissent verts (Devineau, 1990). -Dans le domaine PIR (0.7-1.3µm), les propriétés optiques sont affectées par la structure interne de la feuille .Les pigments foliaires ainsi que la cellulose qui constitue les parois cellulaires sont trasparents.Le rayonnement reçu est donc soit réfléchi, soit transmis. En augmentant les longueurs d'onde du visible au PIR, on passe donc très brutalement d'une réflectance très faible à un plateau de réflectance (Soudani, 2007). 1.2.2. Propriétés optiques du sol Sur des surfaces dépourvues de végétation ou recouvertes par un couvert épars, il est nécessaire de bien caractériser les propriétés optiques des sols. Celles-ci dépendent de leur, composition minérale, de leur teneur en matière organique, de leur humidité (modifiant les propriétés spectrales), ainsi que de leur rugosité de surface (affectant leurs propriétés 5 [Télédétection et propriétés optiques de la végétation] directionnelles). Elle montre que la réflectance d'un sol croît du visible au moyen infrarouge. Et aussi la présence de bandes d'absorption de l'eau qui sont d'autant plus intense que le sol est humide. La réflectance dans tout le domaine spectral considéré est d'autant plus faible que le sol est plus humide. On peut noter en général qu'un sol est plus réfléchissant dans le visible et le moyen infrarouge que la végétation et par contre moins réfléchissant dans le proche infrarouge. Les effets du sol sur la réflectance des couverts jouent un rôle important lorsque la végétation est peu développée, puis ils disparaissent pour des indices foliaires supérieurs à 2- 3(Cayrol, 2000). 1.3.les images satellitaires Les images recueillies par les satellites d'observation sont, dans leur quasi-totalité, diffusées à la fois sous forme de reproductions photographiques et sous forme de données numériques. Cette seconde forme de diffusion est produite sur des supports magnétiques et elle bénéficie du perfectionnement actuel de la technologie des matériels d'affichage et de visualisation en couleur, ainsi que de l'abondance des logiciels de traitement informatique qu'a notamment suscité l'implantation massive de la micro-informatique. A la différence des satellites géostationnaires qui sont destinés à fournir des informations d'ordre météorologique, ou à retransmettre des signaux ou des émissions de radio et de télévision, les satellites de télédétection défilent autour de la terre et assurent une couverture périodique de sa surface. Les signaux recueillis par leurs capteurs sont transmis à des stations de réception où, entre autres traitements, sont effectués les codages des données et leur découpage en scènes successives (Joly, 1986). LJ.1 L'objectif des images satellitaire L'objectif du traitement d'image satellitaire est d'en extraire le maximum d'information qui intéresse le futur utilisateur de l'image, et d'évacuer tout ce qui est superflu. Un but réaliste est la classification des cultures sur une image satellitaire. A chaque point de l'image, on souhaite pouvoir attribuer une étiquette parmi une collection définie auparavant. Cette collection d'étiquettes est ce que l'on appelle l'ensemble des classes. Un ensemble de classes pourrait être : ville, campagne, mer, montagne. En zone agricole, un ensemble de classes serait : blé, orge, soja, maïs, forêt, route (PONY et al, 2006). 6 [Télédétection et propriétés optiques de la végétation] I.3.2. Les différents types de résolution o Résolution spatiale La résolution spatiale ou géométrique est la plus petite distance permettant de discriminer deux objets voisins. Cette résolution s'exprime en mètres ou en kilomètres. Elle correspond à la longueur des côtés d'un pixel. La résolution spatiale est inversement proportionnelle à la portion de surface terrestre observée et enregistrée (Leroy, 2003). o Résolution spectrale La résolution spectrale décrit la capacité d'un capteur à utiliser de petites fenêtres de longueurs d'onde. Plus la résolution spectrale est fine, plus les largeurs des différentes bandes sont petites (Leroy, 2003). o Résolution radiométrique La résolution radiométrique d'un système de télédétection décrit sa capacité à reconnaître de petites différences dans le spectre électromagnétique. Plus la résolution radiométrique est fine, plus le capteur est sensible à de petites différences dans l'intensité du rayonnement reçu (Leroy, 2003). I.3.3. Les satellites optiques en fonction Depuis le lancement du premier satellite nommé Spoutnik en 1957 par les russes, des milliers de satellites furent mis en orbite autour de la terre. De nos jours, plus de 800 satellites sont actifs d'après « Union of Concerned Scientists (2008) ». Par contre, seulement une vingtaine de ces satellites font la saisie de données d'observation de la terre. Parmi ceux-ci, seulement les suivants seront décrits, car ils représentent les sources les plus probables des données qui seront traitées dans le projet global: Landsat 7, Spot 4 et Spot 5, Ikonos. Il est important de noter que les temps de revisite aussi connue comme résolution temporelle des satellites listés ci-dessous sont donnés selon le principe que l'image est prise hors du point nadiral («Off-Nadir»). Cela signifie que le capteur n'est pas directement au-dessus de la zone captée. Les temps de revisite directement au point nadiral sont plus longs, mais offrent une image ayant moins de distorsion causée par les éléments optiques du capteur (DUBOIS, 2009). L3.4. Images satellitaires Landsat Le programme Landsat est le premier programme spatial d'observation de la Terre dédié à des fins civiles. Il est développé par l'agence spatiale américaine, la NASA à l'instigation de l'Institut des études géologiques américain (USGS) et du département de l'agriculture au 7 [Télédétection et propriétés optiques de la végétation] milieu des années 1960. Sept satellites Landsat ont été lancés entre 1972 et 1999 et un huitième le 11 février 2013 . Les instruments embarqués sur les satellites Landsat ont permis de capturer plusieurs millions d'images. Celles-ci constituent des ressources uniques pour l'étude des changements climatiques, l'utilisation des sols, la cartographie, la gestion de l'habitat ; ainsi que pour de nombreuses autres applications dans les domaines de l'agriculture, la géologie, la sylviculture, l'éducation etc (Verger, et al, 2002). L 4.Classification des images satellitaires Une classification est le principe consistant à affecter une classe à un pixel dans une image raster. Cette classe peut être thématique, spectrale ou un objet. De nombreuses méthodes existent, on notera dans un premier temps deux approches que sont la classification non supervisée et la classification supervisée (Baumgartner, 2014). o Classification non supervisée (ou non dirigée) La classification non supervisée ou non dirigée détermine automatiquement les classes. Les algorithmes des centres mobiles, (nuées dynamiques appliquées au centre de gravité) et des distances adaptatives sont des méthodes itératives qui, à chaque itération calculent respectivement les centres de gravité ou les distances associées aux classes. Les fonctions discriminantes dépendent, soit des paramètres des densités de probabilité, soit d'un jeu de coefficients qui peuvent être évalués théoriquement par des études physiques, la classification est alors totalement non supervisée. Elle peut être semi-supervisée quand certains paramètres sont fixés par l'utilisateur en fonction du type d'image et de scène, ou que certains objets sont reconnus par l'utilisateur qui peut ainsi initialiser le processus de recherche des classes pour certaines d'entre elles (Ducrot, 2005). o Classification supervisée ou dirigée Les classes sont définies à partir des besoins de l'utilisateur et correspondent à des unités sémantiques de l'image, ce qui nécessite une étape d'apprentissage préalable à la classification. La classification supervisée consiste à déterminer les classes par un apprentissage qui peut être effectué soit sur chaque scène traitée, soit pour chaque type d'application (agriculture, forêt, littoral, géologie, .. .) ou encore à chaque type de capteur utilisé (Landsat, Spot, Ikonos ... ). Cette étape influence fortement les résultats de la classification (Ducrot, 2005). 1 8 [Télédétection et propriétés optiques de la végétation] Les échantillons sont sélectionnés sur des observations faites sur le terrain (vérités terrain) en repérant au sol des parcelles représentatives des différents éléments devant être présent dans la classification de la zone étudiée, si possible à une date idéalement identique à celle des prises de vues. A ces vérités terrain peuvent s'ajouter des connaissances thématiques obtenues auprès d'un expert. Les échantillons de classes stables temporellement (routes, urbain, etc ... ), peuvent être sélectionnés sur la base de cartes précises de la région. Les classifications supervisées sont nécessaires lorsque les besoins thématiques sont pointus. En effet les techniques non supervisées se limitent souvent à la reconnaissance de grandes classes thématiques (forêt, urbain, surface nue, végétation haute et basse et surface d'eau) (Ducrot, 2005). L5. Indices de végétation Les indices de végétation sont des combinaisons simples (somme et quotient le plus souvent) de deux bandes spectrales ou plus. Le rouge et le proche infrarouge mais aussi le moyen infrarouge peuvent être utilisés. Les indices de végétation permettent d'augmenter le contraste entre végétation verte, photosynthétiquement active, d'un côté et sol nu, végétation sénescente ou eau, de l'autre. Les indices radiométriques les plus utilisés sont la différence normalisée ou NDVI pour "Normalised Difference Vegetation Index" et le SR pour "Simple Ratio"(Cayrol, 2000). Ces indices de végétation sont utilisés d'une part pour identifier et smvre l'évolution temporelle de certains couverts végétaux et d'autre part pour évaluer certains paramètres du couvert comme l'estimation de la phytomasse aérienne (Girard et Girard, 2004). Malgré l'influence encore très apparente de certains facteurs sur son rendement, l'indice NDVI (Normalized Différence Végétation Index) reste l'indice le plus souvent utilisé (Bergeron, 2000). L'indice de végétation est un indicateur de l'activité chlorophyllienne de la végétation. Il varie entre 0 pour surface désertique et 1 pour les forêts denses. Sa formule est donnée par l'expression suivante comme étant la différence entre les réflectances dans le visible et le proche infrarouge (Razagui et Bachari ,2014). 9 [Télédétection et propriétés optiques de la végétation] R(NIR)-R(VIS) NDVI= ----- R(NIR)+R(VIS) R: Réflectance de la bande rouge : NIR: Réflectance dans la bande du proche infrarouge Le concept du NDVI repose sur le fait qu'un couvert végétal absorbe l'énergie dans la bande du rouge par la chlorophylle de la plante et réfléchit beaucoup dans la bande du proche infrarouge (Robin, 2002). Tableau 01: Les indices de végétation les plus couramment utilisés (Girard et Girard 1999). PIR : proche infrarouge ; R : rouge ; V : vert ; B : bleu Dénomination Formule Auteurs Différence R-pIR Monget, 1980 Rapport RVI=pIR/R Knipling, 1970 ; ou d'autres canaux Viollier et al. 1985 Indice pigmentaireV /R Indice de végétation NDVI = (pIR- Rouse et al., 1974, normalisé R)/(pIR+R) Tucker 1979 Indice de végétation Deering et al., 1975 transformé TVI=.JNDVJ +o,s Indice de végétation PVI = a1 (pIR)-a2(R) + Richardson et perpendiculaire constante Wiegand, 1977 Chapeau à corne F onnule générale Kauth et Thomas, 1976 "tasse/ cap" a1(V) +a2(R) +a3 (pIR) +34 (pIR) Indice de verdeur GR4 = -b1(V)-b:z(R) Jackson, 1983 issu du précédent +b3 (pIR) +b4 (pIR) pour canaux MSS Indice de végétation SAVI = [(1 + Huete, 1988 ajusté au sol L)(p/R - R)] / (pIR+R+L) avec L = 0,5 pour diminuer l'effet du sol indice de végétation ARVI = (PIR-RB)/ Kaufman et Tanre, normalisé corrigé des (PIR+RB) avec (1992) effets atmosphériques RB = R - y (B-R) y fonction du type d'aérosols 10 ~------~ Chapitre II :M.atérie{ et métfioâes 1 1 ~------Présentation de la zone d'étude Chapitre II : Matériel et Méthodes II .1.Présentation de la zone d'étude Il.1.1. localisation géographique La zone d'étude où la forêt de Settara (anciennement Catinat pendant la colonisation française) est une commune de la Wilaya de Jijel en Algérie, située à 68 km au sud-est 2 de Jijel et à 72 km au sud-ouest de Skikda.Settara s'étend sur 5763 ha (57.63 Krn. ) (CF, 2016). La commune de Settara est bordée : -Au Nord par la commune d'El Milia. -A l'Est par le territoire de Willaya de Skikda (la commune de Boù el bellout). -Au Sud par la commune de Ghebala. -A l'Ouest par la commune d'Ouled Yahia Khedrouche. 36.7230 1 36.7050 1 Fig.02 : Localisation géographique de la zone d'étude (Google Earth, 2015). TI.1.2. Occupation du sol : Les conditions physiques ont conditionné l'occupation des sols, espaces agricoles et milieux naturels se partagent l'espace. Les conditions topographiques ont favorisé les mises en culture des terrains. De ce fait, les céréales et 1' arboriculture constituent le système agricole dominant 1 11 Présentation de la zone d'étude et les espaces naturels (forêt et maquis) très présents, représentent 22,6% de la surface du territoire de la forêt. Cependant la zone d'intérêt proprement dite n'est qu'une partie de la forêt citée ci-dessus correspondant à la forêt périurbaine du village Settara .elle est limitée au sud et nord par les latitudes 36.7050° et 36.7230° et à l'Ouest et à l'Est par les longitudes 6.3180° et 6.3430°. II.1.3. Climat : La forêt de Settara est caractérisée par un climat de type méditerranéen humide, n'excluant par une variabilité interannuelle importante avec des périodes significatives de sécheresse et d'ensoleillement (CF, 2016). II.1.3.1.Précipitation : Sont en général fortes voire importantes de l'ordre de 800 mm par an. Les mois de décembre et janvier sont les plus arrosés, ceux de juin, juillet et aout les plus secs. Le relief joue également un rôle important. Ainsi, les parties montagneuses reçoivent plus de 1OOOmm de précipitation (CF, 2016). Tableau 02 : Répartition mensuelle des précipitations moyennes pour la période 1995- 2015 (ONM, 2016). paramètre Jan fév mar avr mai jun jui out sept oct nov déc Précipitation 138,7 129,8 88,0 74,5 49,7 14,8 2,7 18,2 67,7 94,3 170,6 164,6 moyenne (mm) 1SO ------· ------·------160 +------t- 5 140 ~- ~- - -~ .. 5 120 ------··-·-·----·---:;:------,-- ·'S.c 100 -.-1------·------. = 60 +-11.______- l-- --·------______--i ______-- p<--- t- r- ·:a.2 so • P(mm) ct 40 ------...:..... 20 _.__. ______-->-- _ -___·_____--·----'_ · --~ ·-L~-·~·~~--~~~ Ja n fév m ar avr m ai j un j u l o u t sept o ct nov déc ~fois Fig.03: Précipitation moyenne sur 20 ans (période 1995-2015) (ONM, 2016). 12 Présentation de la zone d'étude On observe d'après (Tableau 02 et Fig.03) que Le maximum de précipitations est enregistré pour le mois de Novembre tandis que le minimum est observé pour le mois de juillet. 11.1.3.2.Température: Se caractérise par de fortes amplitudes en raison du relief montagneux et de la latutide.les écarts thermiques diurnes sont très faibles, en moyenne de 11.8 en hiver à 26.3 en été, les hivers sont froids et pluvieux et les étés sont chauds (CF, 2016). Pour mieux comprendre ces variations nous avons porté les données du Tableau (03) sous forme de courbe (Fig. 04). Tableau03 : Répartition mensuelle des Température moyennes pour la période 1995- 2015 (ONM, 2016). .. paramètre Jan fév mar avr mai JUil JUl out sept oct nov déc Température 11,9 11,8 13,8 16,0 19,1 22,9 25,6 26,3 23,7 20,7 16,0 12,9 0 Moyenne (C ) -~ , ~ 20 +-~~~~~-~~----..____----~--~~~ Q z.. -~=o 1 5 -+--~~~------~------~ c. 8 T(C) e 10 +~------111------....._...... __1-- ..___ ..______f-- __ ~ ,. Jan fév mar avr mai jun juî out sept oct nov déc l\ilois Fig.04 : Température moyenne sur 20 ans (période 1995-2015) (ONM, 2016). On observe d'après (Tableau 03 et Fig.04) que le mois d' Aout est le plus chaud de l'année 0 0 (26,3C ) tandis que le mois de février est le plus froid de l'anné~ (11 ,8C ) . Présentation de la zone d'étude 90 -.--~~~~~~~~~~~~~~~~~~-r 180 0 T (C ) 2T=P P (mm) 160 140 60 50 -+-~~--~~~~~~~~~~~---~~~-+ 100 - Température Moyenne (C°) 40 +--~~~---"--~~~~~~~~---~~~~-+ 80 - Précipitation moyenne (mm) 30 Période 60 umide 20 10 20 0 Jan fév mar avr mai jun jui out sept oct nov déc Fig.OS.Diagramme Ombrothermique d'Omberger de la région de Jijel en 2015 (ONM, 2016). ILl.3.3.Vent Le vent est l'une des caractéristiques du climat qui détermine les variations de quatre saisons surtout en période hivernale, une grande variabilité des vents Tableau04: Force du vent (moyennes mensuelles) pendant la période 1995-2015. .. paramètre Jan fév mar avr mai Jun ]Ul out sept oct nov déc vent (m /s) 2,6 2,8 2,6 2,5 2,3 2,3 2,4 2,3 2,2 2,0 2,5 2,6 14 Présentation de la zone d'étude 3 ------ 2,5 • . ~ - 2 ~1· ----11 1------1------1------~-----~------~'-'" 1.5 -- -·· ·------.... _ ._.. - -- ë: '> ~ • v(m / s) 1 1 - 0,5 0 ______... .__....___...~----'------~----~-- Jan fév mar avr mai jun jui out sept oct nov déc ~lois Fig.06: Force du vent sur 20 ans (période 1995-2015) (ONM, 2016). Selon le tableau 4, Les vents sont plus forts en hiver. 11.1.4. La végétation Les peuplements de la forêt de Settara sont essentiellement composés par le chêne-liège (Quercus suber) pur. Le chêne-afarèse occupe une très faible superficie de 27.5 ha et le chêne zeen une superficie de 43.4 ha.Les peuplements mélangées de chêne-liège, chêne-afarèse sont également peu représentés 81 ha et 11.5 ha. le Quercus suber de l'étage de végétation humide est accompagné des principales espèces suivantes : Phillyrea angustifolia Myrtus communis Arbutus unedo Cytisus triflorus Erica arborea Pistacia lentiscus Ampélodesma mauritanica Calycotume spinosa Les espèces les plus caractéristiques sont Erica arborea , présente dans toutes les stations et Cytisus triflorus qui est très pâturée et a tendance à disparaitre dans les faciès dégradés. Le maquis dense sous un couvert forestier moyen, concurrence le chêne liège et empêche le bon développement des semis. La forêt présente tous les types de dégradation depuis le maquis pur à la futaie pleine (CF ,2016). 15 Matériel et méthodes II.2. Matériel Pour évaluer l'état de la végétation de notre zone d'étude par des méthodes optiques. 11 faut disposer des images satellitaires les mieux adaptées au but poursuivi ainsi que des logiciels spécialisés de traitement et d'analyse des images qui permettent de calculer les principaux indices de végétation dans le but d'observer l'état et la dynamique des aspects physionomiques dominants de la forêt de Settara. II.2.1. Les images satellitaires utilisées Les images satellitaires utilisées dans ce travail sont des images Landsat 8 qui ont été prises respectivement le 01/08/2013, 05/09/2014, 11/1/2015, 7/08/2015 et 11 /11/2015. Les 5 images ont été prises par temps clair (ciel dégagé), ceci permet d'éviter les déformations de l'image qui peuvent être dues à la nébulosité. Ces images se composent de 11 bandes spectrales avec une résolution spatiale de 30 m pour huit d'entre elles (bandes 1 à 7 et 9), une résolution spatiale de 100 m pour les deux bandes 10- 11 et la bande 8 ayant une résolution différente (15 m) ont été exclues du traitement II.2.2. Logiciels de traitement des images: • MultiSpecWin32 Un system d'analyse des données d'image multi-spectrale (Multi-spectrale) est un système de traitement destiné à l'analyse interactive à la terre qui sert à présenter des données d'observation multi-spectrales. Le premier but ou objectif de ce système est d'assister à transmettre des résultats de nos recherches par les bonnes méthodes d'élaboration pour l'analyse des données d'image hyper-spectrale (ITC, 2001). • DWIS ILWIS (Integrated Land and Water Information System) est un SIG facile à utiliser et largement distribué. Il fournit un outil puissant pour la collection, le stockage, l'analyse, la transformation et la présentation des données. Des données d'entrée, l'information peut être produite pour modéliser les modèles et les processus spatiaux et temporels sur la surface terrestre. IL WIS également fournit un ensemble de documentation, traitant les images satellitaires afin de les appliquer dans différents domaines : évolution de la végétation, aspects urbains, risques naturels et gestion environnementale (ITC, 2001 ). 16 1 Matériel et méthodes 11.3. Méthodes 11.3.1. Téléchargement des images satellites Nous avons pu disposer gratuitement d'images satellitaires de type Landsat 8 qui ont été téléchargées à partir des sites : http://earthexplorer.usgs.gov Une fois sur le site, on cherche notre image en choisissant un type de satellite (Landsat dans notre cas) puis une trajectoire et une rangée pour délimiter notre zone d'étude puis la période de prise de vue et le taux de couverture nuageuse (on choisit généralement 0 %), c'est-à-dire des images prises par temps clair. L'évolution interannuelle de l'occupation du sol a été observée sur une période de 3 ans (2013 à 2015) sur les 3 images : 01/08/2013, 05/09/2014 et 07/08/2015. Ces images concernent uniquement la période estivale pour éviter les bruits qui peuvent être dus à la végétation temporaire. Quant à la dynamique saisonnière, elle a été observée sur 3 images prises la même année correspondant aux dates: 11/1/2015, 7/08/2015 et 11111/2015 afin de pouvoir suivre les changements saisonniers. 11.3.2. Méthode d'analyse des images Landsat 11.3.2.1. Décompression des images Les images téléchargées sont en format compressé, elles ont été décompressées par le logiciel 7-Zip pour en extraire les 11 fichiers individuels correspondant aux 1 lbandes de Landsat (Fig. 06). Une fois décompressées, les images sont des formats TIF. Bande 1 Bande 2 Bande 3 Bande 4 Bande 5 Bande 6 Bande 7 Bande 8 Bande 9 Bande 10 Bande 11 Fig .07: les llbandes de Landsat. ' 17 Matériel et méthodes Il.3.2.2.Extraction des images de la zone d'étude dans MultiSpecWin32 Une fois décompressées, les bandes de chaque image sont importées dans l'environnement MultiSpecWin32(Fig.07).0n procède ensuite à l'extraction de notre zone d'étude. Les images téléchargées couvrent une zone très large allant de Jijel à Skikda. La zone d'étude a été délimitée sur les bandes aux latitudes et longitudes fixées plus haut à savoir 36.7050 et 36.7230 pour la latitude et 6.3180 et 6.3430 pour la longitude et qui correspondent respectivement aux limites Sud-Nord et Ouest-Est de la zone d'étude (Fig.07). 1 18 1 Matériel et méthodes Ouvrir une bande importée B 1 pour en extraire une sous image puis :Edit/Edit Selection Rectangle/Ok. 11-.n "'•1t.,i,n ~,...,.t; ... v.;J {~, .. 'f'l,f!',ilO '~~ 4 ~ :o~Z\ ~2'• 7 Entrer les limites latitude et longitude de la zone d'étude. Unh: 1Lotiude·L°"'"'udo Current Une{s): 38..51050052 38.51075761 Now Lin•(•): ps.7050 Cunent Cok.mn(s); 4.73507310 . 4.73543218 New Colurms(s~ fs.3180 · 16.3430 Cancel OK Rody 19 1 Matériel et méthodes Sauvegarder la sous image en format GeoTIFF. ~..,, .... .;g ... ,.... ·• d {__,.),• • 1,.-.:n ),l?-4 ) :-'KZI \.-S'• 'i" Fig.08: Extraction des sous images dans MultiSpecWin32. Il s'agit ensuite de répéter l'étape précédente pour extraire la zone d'étude sur les autres bandes. III.3.2.3.Importation des images dans ILWIS Les images sont ensuite importées sous IL WIS pour davantage de traitement qui consiste à calculer l'indice NDVI, classifier les images et les transformer en cartes (Fig. 08). 20 Matériel et méthodes Importer les bandes Landsat dans IL WIS. File /Import Nia GDAL. 1 -- I• -·- Sélectionner la bande à importer et lui donner un nom de sortie/ b 1 / OK. lLWIS ~ . ~1 f·it• J\/1nd0-1. l-f•lp. ' lllil' a c:i ....,l!il!!!'.!!13;) Dl ml!~ l2S:I = [ij) - !iE 191!:1 !!'JI filin &<:< @ ©1 = G ~ lill lill li!! . = :--• l '!P- !El - ·[li) f n l!!EI 0 !z:l ('Import -gd e l Os-.UC-.-Ti-•-~~_l.J...:~~C~ù!f::!Pr~~- ~·~·\&~WIS~~3~3~Aê~•....~~~· '======o~Oi!;!klliiL.lboolia.Ll.....l 0 pet•t6on-l..let ~- cf> Hirtc:NY r-J · ~C.. t:f:J ~ Sroth•r B-l ·L...J dHa ch•p 0 c*i . d•t.. c:hapO ci:J CJ ILWJS33 .___J lL\N'JS a c.cf ~ -.::l~•· l+J -i...... J LOST . O I R 1 $ :.....:i 1"1.et"ll• [ b:1 L...J Pef"fLogs c;l;l- L...l Progr am Fi e:j:J ..::..:i Prog,.•m FU jœ:Jo' 3 C:tJ .L.J S MADAV f:'S'l -.,__J u .. t.F..- lmllLI•• GOAL $ C:. _un~ 3 $ L...J DELL OutputF*9~ b1 1 f.f Fig.09: Importation des images dans ILWIS. Une fois la bande 1 est importée dans IL WIS, on peut faire la même chose pour les bandes 2 à 7. 21 Matériel et méthodes 11.3.2.4.Création d'une liste des bandes (Maplist) et calcul d'indice de végétation L'étape suivante consiste à créer une liste de bande pour chacune des 5 images afin que ces bandes puissent être intégrées dans le calcul des indices de végétation (Fig.09). File /Create/Maplist. - ._ .... -~Il... . Of-""1"'"" ..... ~11...... ~,_M~ ...... ~ ... _. CfT11 ••1"~\ ..~ ·- ,~ c.,..,.,c...... ,_...... ,'"" ...... '*-t....,.- ...... - -~ - ~ ... ,...... , ~ ,,. .... ·-- ... ._(.or##'!~... ·-1~l ...... I• U IMil• ;::,,.e c: ..... "" -.J iO'UL t;; .id C..-r. "''.., ,...... ,, Donner un nom au fichier sortant et sélectionner les bandes de cette liste/Ok. ll WIS 331 AcademiC • create mpl Opmat:ion-Tree 0PM"Hon-List N...-igalm 03 H1story E3 C : 1 IB U Brother $·Cl data chap 01 ril dwta chAp-02 1 ,;, tl t;!t b1 rif·w JLWIS3.3 Sctup F i ~ ~·· t2 ~ .. b2 ,.;, l,{ .;, h ~ [+:J -.c::J JL WIS •-c:ademic ~i.. t,I .;, b1 1fJ ,_J Intel •• b5 +llo b'5- i;,t.:J LOST.DIR ~=· bh ~• blëi clJ Cl nah-la .Ht lJ, -;, br $ -.J PrrfLogs. $ .Q Progra.m Filu œ .__J Program Fi les (Jl86) ~ - CJ SMAOAV c.&0 UsbFllC é ù Us~s 1 $ 8.J DELL i j Fig. 10: Création d'une liste de bande (Maplist). 22 _,i Matériel et méthodes L'image NDVI est ensuite créée en tapant l'expression (b5-b4)/ (b5+b4) en lui donnant un nom de sortie : NDVI. Les images NDVI créées seront présentées dans le chapitre Résultats et discussion. Operation-List/ Map Calculation (b5-b4)/ (b5+b4)/ NDVl/Create Domain/Ok/Show. ltWIS 331 Aademic • [C:Wsors\MOUHAMEO\D-\1_8_131 t c_ Jll.1i!/J,, ,. )"t• " ··~··· .•. "' -~-··· :.:i f • t' f.c~ , ... ut..f'l- i4<1p ""' "'"" - .<,;;._.o~-...:. - - . - - - " ~Cl III "'1§1 !] l!;J 1 E Il CDl3Hi) E:J C}i!§ll§ IMJIC' @~ O G !il 111 .llJ il! .~ U~ @ Creil• Domoin .!,J J mapcalc 1 t3_ • \!!h1 Dooiai> Name INDVI 1 Operali Type C Map Calculation 1 Oper'"1on-liot r Oass s iJ <" idenliiei Mn, M"" ffi i;J Expenion: ~~ î Bool li] CJ [b 5-b4~ ) Plecmoo !uom:m 1 ltl 2J îo Value œu ! @€:) Width D è ù Desa~ion: 1 oo ù ' ' 1 1 : · ~ Ol.l!MAaste Fig. 11: Calcul et création d'une image NDVI. 11.3.2.5. Classification des images NDVI Une fois une image NDVI est calculée, elle sera affichée à l'écran et sera l'objet d'une classification. Les 5 images NDVI correspondant aux 3 années 01/08/2013, 05/09/2014 07/08/2015, et aux 3 mois 11/01/2015, 0 7/08/2015 et 11111/2015 ont donc subi une classification monocanale (Slicing) afin de montrer les différentes classes d'occupation des sols correspondant aux aspects physionomiques de la zone d'étude (Fig.12). 23 Matériel et méthodes Operation/ Image processing/Slicing!Raster Map (NDVI)!NDVI_CL. --~------[w • ...-- ~- Cl X :i...... ;.i.;...-...... 'f' - - :...lV.:t'....- - - !• • - --~- -- ~OllJ ~8 X ;5' 'lo\l!!]!] l!;J Ji lli.H!.H~0[j ~~~ !!:: @~0$ liltïifll ~ H lf' [) it!J l!J fn ~ Ll l3 !slicing .:] X Operalioo-T ree 1NaVgàof fnder 1 : Slîcing _rl_I ' CR..amplt -13- t Cl 13 [ ~Rttnev. sutf1<• b J 1 C\iSamploMap RastaMap j ~NDVI ' 3 1 Cs.gm.ntDonsity INDVl_a. ! ~SogmmttoPoint, ~:R~~Map 1 l!:!Sogmont to Polyg 1 3.d l [ 1 1 ~Segment Io R.ist" o~ l1'll Segment Union 1 1 0Show @Show as Oomaon ~Show as R'!>rtson ~ ~~~~ DSho was T•bit 1 i ~ Si mp l • hoz• corr•ction D: ll:'lSIKrng f~ 0 Slidosnow ~ slope -, - . "' ---' - - -- - f Shows table baste! lwisobjects as true tables- -Quory : Non• ' Create Domain!NDVI CL/ok. :i 1.i Slicing RastorMap IIDNDVI 3 1 lsllcing O~ R asteiMap j~---,NDVl_CL Q Operallon-Tree j N.-.ig!lor fnder 1 D°"""' 1 3.d D~ 1 1 ; __J C .Ums\MOIJHAMEO\Otskl ..\lll ~ Rttnove solfm b 10- goop~ 1 QSampioMap 10 Sogm 24 Matériel et méthodes Le Bàtis c'est tous ce qui est fabriqué par l'homme comme les constructions, les serres, les stades et les routes ... etc. Des compositions colorées 7-6-4 ont été crées à partir des bandes Landsat Proche infrarouge, Rouge et Vert afin d'aider à l'identification des différentes classes. 11.3.2.6. Transformation des images NDVI classifiées en cartes Une fois les classes identifiées les images classifiées sont ensuite transformées en cartes sous ILWIS en leur ajoutant le caroyage kilométrique, la grille latitude-longitude, l'échelle de la carte ainsi que la direction du Nord. Les cartes NDVI créées seront présentées dans le chapitre Résultats et discussion. 1 1 1 1 1 26 ~------~1 1 1 Chapitre III 1lésuftats et d:iscussion 1 1 L------~ ' Résultats et discussion Chapitre ID: Résultats et discussion m. 1. Présentation des résultats Les images NDVI obtenues selon la méthodologie décrite en Chapitre ID montrent des valeurs NDVI variant entre - 0.07 et 0.87 pour la dynamique interannuelle, et -0.22 et + 1 pour la dynamique saisonnière. Ce qui pourrait correspondre à des aspects physionomiques très variés (Fig.13, 14, 17 et 18). Les aspects dominants pour notre zone d'étude de la forêt de Settara sont généralement : Sols nus, Bâtis, Végétation herbacée, Végétation arbustive et Forêts .La comparaison des images NDVI classifiées sous ILWIS à des compositions colorées 7- 6-4 de même date (Fig. 14, 15) permettent d'identifier ces cinq classes (Fig. 17 et 18). Les cartes NDVI obtenues par transformation et mise en page des images NDVI classifiées sont présentées en (Fig.19 et 20). Les histogrammes des images classifiées sont présentés en (Fig. 20 et 21 ). Ceux. ci permettent de calculer les superficies des classes de couverture des sols en nombre de pixels 2 (un pixel fait 30m x 30m soit 900 m ), en hectares et en pourcentage de la superficie totale de la zone d'étude. 27 l .) Résultats et discussion - -·-· ~ &:."'J S.ET 1 ~t201~ DO* t-Jl (;ZI - Sl:T 1 -ut 2013 ... r1i" Prop..t••• 1_8_13 ·------·~!i9 SET 5 -pt 201.-4 - tLWIS ------.<=> cw u 1 9 ; -~· 1i21 ~ SCT5~2014 .cJi"Pro~ 1 1 5_9_14 SU 7 -• 2015 • lLWIS f ·~ C "7 ;:; ..:P.....,.'_.' .. ,.,."~ ,.~~'"'~...... - lli2J ~ SE'T 7 .out 201.5 +J rJii' Propettl.. 7_8_15 Fig.15 : Compositions colorées 7-6-4 de la zone d'étude obtenues pour les années 2013, 2014 et 2015. Plus en va vers le blanc, c'est l'urbain et plus en va vers le vert, c'est la végétation, 30 Résultats et discussion &::I SET 11 Jan 201.5 • JLWlS M..,, Cl 0 * 0 ... '"-;...;;..:;.... 'Ui;;:;.._=__,,-= 11_1_15 m SfT 7 _. 2015 - ILW1S ''" 1'dtt: l.-v~ --rR>t'ln..- H~p- Q Cil * ...... ,.. ..._ ...... _=~-= 1.-----...., 1.'1 7_8_15 Fig.16: Compositions colorées 7-6-4 de la zone d'étude obtenues pour les mois Janvier, Aout et Novembre 2015. 31 Résultats et discussion c:l NDVl_CL 1 aout 20131 ~S tic tng {NOVI,. ~OVJ...CL 1 .out 2013")~ 1 ~ tlll n 1_8_13 1 s:::.'I NO'Vl_CL 5 ~ 20~ M•pS 9iei ng {NO~ 'NO\l.l_CL 5 Upt. :201'') - 11..wts 11 1 .,; ·tie< f •I'!" ~-er: ':)pl .-7' H • p. 5_9_14 6 '"19 ' ll ~" E 7_8_15 Fig.17 : Les 3 images NDVI (2013, 2014, 2015) après classification monocanale (Slicing) et identification des classes par comparaison aux compositions colorées. 32 Résultats et discussion 11_1_15 Ed• ,.. '""' =>t' = ICI * .._ .._~..~'8=..._:=_.,..!:"""'"" 7_8_15 68. 21 a:."J NOVl_CL 11 Nov:201.S r U.~NDVl." NDV\._CL11 Nov.20'l.5")-1LWJ.S ;:;,,,. '"' - - ,...,,_ ~on• --- 1 11_11_15 Fig.18 : Les 3 images NDVI (1/2015, 8/2015 et 11/2015) après classification monocanale (Slicing) et identification des classes par comparaison aux compositions colorées. 33 Résultats et discussion - s .,5-of~ _...... 0 - Va - ~V~'111t."°' - v-. '!.<'e.ge1.:a - ...... ~t Carte NDV I 2013 ... + - S SCI06•n'-"- - R e-~~'l!L< - 'Yb °V'C-Qllf:'.U :: h - V..a "l.,/.UGUt o - f:=' Fcu·•1 Carte NDVI 2014 --+-N - S Sol~.-,.._. .. - R a:nti s 0 ., 'll;rn - Vl:'l V~l.h - y_. 'V' u~Q - F~ ift'"orè · :r Carte NDVI 2015 Fig.19 Cartes finales NDVI (2013,2014 et 2015) représentant l'évolution de la couverture du sol dans la forêt de Settara. 34 Résultats et discussion 1 - 5 ~1~ .-.. 1,..i- 0 - 0 .S:WL.!11> 1 - 'Vf'll , V~t-n - '1"-V~ - F F"'"~oi'! • Carte NDVI 1 2015 - S Sot.•n-..,.. - B B ~ ,....._ 0 - V f"'t V e!'ge-'l h - ..._._. V 'IL#g - F · F'·or Carte NDVI 8 2015 0 - s S.0--*• --· f3.ù• - avn v~p.,, - V• 'V~~- - J". f=or.1:: Carte NDVI 11 2015 Fig.20: Cartes finales NDVI (1/2015, 8 /2015 et 11/2015) représentant l'évolution de la couverture du sol dans la forêt de Settara. 35 Résultats et discussion 1400 1400 .!• 1200 .. 1200 â 1000 ~ 1000 ~ - ~ 0 800 'O 800 Qj Ê• 600 .D 600 ::J E z 400 -i. 400 200 200 o--...- o,--.... ~'> ~., s~ s~ 1 1_8_13 5_9_14 1400 1200 .!! : 000 Q. 'O 800 .D 600 •E i 400 200 o--.... ~'> #' 7_8_15 Fig.21: Histogrammes des images NDVI classifiées (2013, 2014 et 2015) montrant la superficie de chaque classe exprimée en nombre de pixels. 36 Résultats et discussion Tableau 05 : Statistiques des images de la série interannuelle. Classes Pixels Pourcentages Superficies Classes Pixels Pourcentages Superficies (%) (ha) (%) (ha) Sols nus 58 1.18 5.22 Sols nus 42 0.86 3.78 Bâtis 891 18.20 80.19 Bâtis 1116 22.79 100.44 Végéth 997 20.36 89.73 Végéth 1032 21.08 92.88 Végéta 1398 28.55 125.82 Végéta 1274 26.02 114.66 Forêt 1552 31.70 139.68 Forêt 1432 29.25 128.88 1_8_13 l 1 5_9_14 1 1 Classes Pixels Pourcentages Superficies 1 (%) (ha) Sols nus 53 1.08 4.77 Bâtis 1235 25.22 111.15 Végéth 999 20.40 89.91 Végéta 1161 23.71 104.49 Forêt 1448 29.58 130.32 7_8_15 1 Tableau 06 : Statistiques des images de la série saisonnière. Classes Pixels Pourcentages Superficies Classes Pixels Pourcentages Superficies (%) (ha) (%) (ha) Sols nus 50 1.02 4.5 Sols nus 53 1.08 4.77 Bâtis 1208 24.67 108.72 Bâtis 1235 25.22 111.15 Végéth 1107 22.61 99.63 Végéth 999 20.40 89.91 Végéta 570 11.64 51.3 Végéta 1161 23.71 104.49 Forêt 1961 40.05 176.49 Forêt 1448 29.58 130.32 11_1_15 1 7_8_15 1 1 1 Classes Pixels Pourcentages Superficies (%) (ha) Sols nus 58 1.18 5.22 Bâtis 1241 25.35 111.69 Végéth 669 13.66 60.21 Végéta 1228 25.08 110.52 Forêt 1700 34.72 153 1 11_11_15 1 1 38 ..i Résultats et discussion Tableau 07: La différence des pourcentages entre les années traitées. 2014 2013 2015 2014 2015 2013 ~s 1 Sols nus -0.32 0.22 -0.1 Bâtis 4.59 2.43 7.02 Végétation herbacée 0.32 -0.68 0.04 1 Végétation arbustive -2.53 -2.31 -4.84 Forêt -2.45 0.33 -2.12 1 Tableau 08 : La différence des pourcentages entre les mois traités. 8/15 1/15 11/15 8/15 11/15 1/15 ~s Sols nus 0.06 0.1 0.16 Bâtis 0.55 0.13 0.68 Végétation herbacée -2.21 -6.74 -8.95 Végétation arbustive 12.07 1.37 13.44 Forêt -10.47 5.14 -5.33 1 39 1 Résultats et discussion 1 ill.2. Discussion et interprétation 1 • Pour la série interannuelle ~ Pour ce qui concerne les sols nus, les tableaux (05 et 06) montrent que la superficie 1 qui était 5,22ha en 2013 est passée respectivement à 3.78ha et 4.77 ha en 2014 et 2015. Ceci correspond à une diminution de superficie de 0.32% entre 2013, 2014, à l une augmentation de 0.22% entre 2014 et 2015. D'une manière générale les sols nus ont enregistrés une baisse de 0.1 % dans leur superficie durant la période d'étude 2013- l 2015. Ces fluctuations irrégulières des sols nus pourraient être dues à des pratiques ] culturales, au cycle agricole ou à l'évolution de la végétation herbacée étant donnée que celle-ci inclut toutes sortes de cultures. ~ Pour ce qui est de l'urbain ou du bâtis, on a enregistré une augmentation continue des 1 superficies entre 2013 et 2015 .Ce qui correspond à une augmentation générale 7.02% qui pourrait être attribuée aux différentes activités humaines (expansion urbaine, culture sous serres, industries ... ). ~ Quand à la dynamique de la végétation herbacée, elle a connu à son tour, des fluctuations irrégulières, une augmentation puis une diminution pour la période 2013- 2015. En général, on enregistre une augmentation 0.04% de la superficie de la végétation herbacée. ~ Contrairement à la végétation herbacée, la végétation arbustive a connu d'abord une diminution continue pendant la période d'étude. On enregistre une diminution 4.84% de la superficie de la végétation arbustive. ~ La forêt s'est dégradée durant la période d'étude 2013-2015. Sa superficie qui était de 139.68 ha en 2013 est passée respectivement à 128.88 ha et 130.32 ha en 2014 et 2015. La dégradation est estimée à 2.12% de la superficie et qui peut être attribuée également au fait que la zone d'étude a connu des incendies au cours de la période 2013-2015. D'une manière générale, la dégradation de la forêt ente 2013 et 2015 peut être attribuée à une augmentation de la superficie de la végétation herbacée (Fig. 22). 40 Résultats et discussion • Pour la dynamique saisonnière )o- Pour ce qui concerne les sols nus, les tableaux (7, 8) montrent que la superficie qui était 4 .5 ha en Janvier 2015 est passée respectivement à 4.77 ha, 5.22 ha en Août et Novembre 2015. Ceci correspond à un excès de 0.16% dans leur superficie durant la période d'étude Janvier/Novembre 2015. Cette augmentation des sols nus pourrait être due à l'absence des pratiques culturales, au cycle agricole, ou à la diminution de la végétation herbacée. )o- Pour ce qui est de l'urbain ou du bâtis, on a emegistré une augmentation continue des superficies pendant la période d'étude Janvier/ Novembre 2015.Ce qui correspond à une augmentation générale de 0.68% qui pourrait être attribuée aux différentes activités humaines (cultures sous serres, expansion urbaine, industries ... ). )o- Quand à la dynamique de la végétation herbacée on voit une diminution continue entre Janvier et Novembre 2015, on emegistre une diminution de 8.95% de la superficie de la végétation herbacée. )o- Contrairement à la végétation herbacée, la végétation arbustive a connu une forte augmentation pendant la période d'étude. On emegistre une augmentation de 13.44% de la superficie de la végétation arbustive. )o- La forêt s'est moyennement dégradée durant la période d'étude. Sa superficie qui était de 176.49 ha en Janvier 2015 est passée respectivement à 130.32 ha et 153 ha en Août et Novembre 2015. La dégradation générale est estimée à 5.33% de la superficie et qui peut être attribuée aux incendies qu'a subis la forêt au cours de la période d'étude. D'une manière générale la dégradation de la forêt peut être attribuée à la fois à l'extension urbaine et l'augmentation de la végétation arbustive. nous nous sommes renseignés auprès des services de la conservation des forêts au niveau d'EL Milia, et les responsables nous ont affirmé que l'action de l'homme qui ne cesse d'incendier les forêts et couper les arbres en est la cause principale (Fig.23). Pendant l'étude que nous avons menée sur la forêt de Settara, nous avons réalisé que l'espace forestier de cette région a connu une dégradation pendant les trois dernières années (2013-2015). En effet parmi les causes principales de ce changement dans l'occupation du sol figure l'exploitation des terres sauvages pour les constructions urbaines dans le cadre du projet de l'aménagement du territoire de la commune de Settara qui a commencé à fa fin de l'année 2013. 41 Résultats et discussion 35 T' 1 1 30 + 25 t-- .:::::::::::::::::::::...-.c::: -- 'j. - Sols nus 20 j - & s ; lS - vt!1t!th ~ -vtat • ; 10 o. - Forêt s 0 T' 2013 2014 2015 Année Fig.23: Evolution des superficies(%) des différentes classes entre 2013 et 2015. 45 40 35 30 - Sols nus 0~ ~ 25 - Bas 1 20 ~ ~ 15 .. =c o. 10 - Foret :c- ----=-T::_-___- _-__- _-__ - -1 Jan Aout ov l 1ois Fig.24: Evolution des superficies(%) des différentes classes entre Jan et Nov 2015. D'une manière générale, On peut constater que les valeurs moyennes NDVI (Tableau 09) extraites des images (Fig.13) et représentées graphiquement (Fig.25) diminuent de 0.40 en 2013 à 0.32 en 2015, ceci est constaté pour la série annuelle. Pour la dynamique saisonnière on constate que les valeurs moyennes NDVI (Tableau 10) extraites des images (Fig.14) et représentées graphiquement (Fig.26) diminuent de 0.52 en Janvier à 0.24 en Novembre 2015. 42 Résultats et discussion Tableau 09: Variation de la valeur moyenne de l'indice de végétation NDVI (Evolution interannuelle). 1 Année 12013 12014 12015 NDVI 0.40 0.31 0.32 NOVI 0.45 .. 0 .4 0 .3S 0 .3 0 25 0 .2 "t- - ;)VI O.lS 0 ,l O.OS - 0 2013 2014 201S Fig.25 : Evolution de l'indice moyen NDVI de 2013 à 2015. Tableau 10 : Variation de la valeur moyenne de l'indice de végétation NDVI (Evolution saisonnière). 1 Jan 1 Aout 1 Nov 0.52 0.32 0.24 NOVI 0 .6 O.S - DV1 0 +-- -~- ---~-T"-- Aout ov Fig.26: Evolution de l'indice moyen NDVI de Janvier à Novembre en 2015. 43 1 Résultats et discussion Conclusion : L'analyse des images NDVI donnent de bons résultats pour ce qui concerne l'évolution de l'occupation des sols et l'observation de l'état sanitaire de la végétation. Néanmoins cette technique reste limitée du fait que les images satellitaires comportent des erreurs qui peuvent être dues à la nébulosité ou à des phénomènes de diffusion. 44 ~------, Conc[usion 1 1 ~------1 Conclusion Conclusion Ce travail qui s'inscrit dans le cadre d'un projet de fin d'étude avait pour but de cartographier la végétation de la forêt péri urbaine de la commune de Settara (W. de Jijel) ainsi que d'étudier sa dynamique spatiotemporelle afin d'en observer sa tendance saisonnière et interannuelle. L'approche que nous avons choisie consistait à estimer de nouvelles images dites NDVI (Indice de Végétation par Différence Normalisée) à partir des images satellitaires Landsat 8. La classification monocanale portant sur les images NDVI fait distinguer cinq classes physionomiques d'occupation des sols : Sols nus, Bâtis, Végétation herbacée, Végétation arbustive et Forêts. L'analyse des profils saisonniers des superficies des classes montre une variabilité saisonnière très irrégulière concernant les classes sols nus, végétation herbacée et même arbustive entre hiver et été, ces fluctuations peuvent être dues essentiellement au cycle agricole. L'observation de la dynamique interannuelle des classes sur la période 2013-2015 montre une expansion du bâtis au dépend de la forêt et diminution de la superficie de la végétation arbustive qui pourrait être attribuée aux incendies qu'a connue dans la région pendant cette période. Quant à l'évolution de l'indice NDVI, il semble être en baisse de 2013 à 2015 et de janvier à décembre lorsqu'il s'agit de la même année 2015. Ceci témoigne d'une dégradation du couvert végétal durant les trois dernières années. La méthode de l'indice NDVI qui s'est avérée efficace pour le suivi interannuel du couvert végétal sur la même saison, s'est en revanche révélée peu appropriée pour l'estimation de la dynamique saisonnière étant donné que les images Landsat elles mêmes peuvent être une source d'erreur vue qu'elles puissent comporter des nuages qui peuvent fausser les résultats. Enfin, L'intérêt scientifique de ce travail nous permet de dégager quelques perspectives afin d'améliorer toute méthodologie visant à utiliser les indices de végétation pour le suivi de l'état sanitaire du couvert végétal. }P>- Une correction radiométrique des images satellitaires doit être effectuée au préalable avant tout type d'analyse. ' 46 1 Conclusion );;» Une analyse des images satellitaires doit porter sur des indices au lieu des bandes individuelles pour améliorer la distinction des classes thématiques. );;» Une comparaison des images indices entre elles permet d'améliorer l'interprétation des images. ' 47 ~------~1 1 1 1 1 1 1 ~------Glossaire Absorption : C'est la transformation de l'énergie incidente à une autre forme d'énergie. Bande: Intervalle de longueurs d'onde. Capteur: Instrument qui enregistre une image de télédétection un peu comme le fait un appareil photo. Carte: Est une projection sur un plan des détails de la surface terrestre. Cible: Objet sur le terrain qui présente un intérêt pour les études par télédétection ou partie de la surface de la terre qui produit, par réflexion ou émission, le rayonnement mesuré par un système de télédétection. Classe: Numéro correspondant à un thème, affecté à un point ou à une région ou segment après classification, en classification non supervisée on confond étiquette et classe. Classification : Le but de la classification spectrale est le regrouper des ensembles de pixels similaires sur le plan radio métrique en plusieurs classes. Chlorophylle : est le principal pigment assimilateur des végétaux supérieurs. Histogramme: C'est une représentation graphique des valeurs numériques qui composent une image. Ikonos : est un satellite d'observation du sol terrestre à vocation commerciale. Se satellite offre une résolution d'un mètre en panchromatique et de quatre en multi spectrale. Indices : Sont des formules qui expriment des relations entre les bandes spectrales, traduisant des caractéristiques bien définies. Indices de Végétation par Différence Normalisée (NDVI): Combinaison de signature spectrales brutes selon la formule suivante (canal PIR-canal rouge)/ (canal PIR+canal rouge).C'est l'indice de végétation normalisé (IVN) le plus utilisé. Landsat: Une série de satellites américains des ressources terrestres. Landsat-8/LDCM Le satellite Landsat-8/LDCM (Landsat Data Continuity Mission), qui a été lancé le 11 février 2013 par une fusée Atlas V 401, est entièrement différent de la génération précédente. MODIS : est une charge utile instrument scientifique lancé en orbite terrestre par la NASA en 1999 à bord du Terra (EOS AM) par satellite, et en 2002 à bord de l' Aqua (EOS PM) par satellite. Micro-ondes : sont des ondes électromagnétique dont la fréquence est inférieure à 3 000 GHz, soit une longueur d'onde supérieure à 0.1 mm. Onde: Déplacement de propagation périodique d'un champ d'énergie. Pixel: Le pixel est le petit élément d'une image. Il est normalement carré est représenté une partie de l'image.il est cependant important de faire la distinction entre l'espacement des pixels et la résolution spatiale. Point nadiral : Point de la sphère céleste auquel aboutirait une verticale partant du lieu d'observation et passant par le centre de la terre. Proche infrarouge: Rayonnement infrarouge s'étendant approximativement de 0,7 à 1,3 micromètres et faisant partie de l'infrarouge réfléchi. Propriétés optiques: Effets d'un objet ou d'un milieu sur la lumière ou sur tout autre rayonnement électrique le traversant. Rayonnement électromagnétique: Est la source d'énergie nécessaire pour illuminer la cible, à moins que la cible ne produise elle - même cette énergie. Il est composé d'un champ électrique et d'un champ magnétique. Réflectance: Rapport de l'intensité du rayonnement réfléchi au rayonnement incident sur une surface. Résolution: La résolution est la capacité d'une capture de distinguer deux objets ou deux lignes rapprochées. C'est aussi le petit objet ou la ligne la plus étroite qui puisse être détectée par un capteur. Satellite: Est un objet qui est en orbite autour d'un autre objet, dans ce cas-ci, la terre. rar exemple, la lune est un satellite naturel de la terre. Spot: est un série de satellite d'observation de la terre qui ont été conçus et lancé par le Centre National d'Etude Spatial(CNES) de la France avec l'aide de la Belgique et de la suide. Visible: Canal visible, partie de spectre électromagnétique à laquelle l'œil humain est sensible, comprise entre 0,4 et 0,7 µm. 7-Zip: Le ZIP est un format de fichier permettant l'archivage (utilisation d'un seul fichier pour stocker plusieurs fichiers) et la compression des données (diminution de l'espace occupé sur le support numérique) sans perte de qualité. ~------~1 1 1 1 1 1 'Références 'Bi6fiograpfiiques '1 ~------Référence -B- Baumgartner E (2014) Cl 'fi . , . . . ass1 ication d une, série temporelle d'mages MODIS pour réaliser une cartographie du couvert fi t' l · ores ier sur e massif des Pyrénées entre 2000 et 2012. Mémoire de Master 2. Université de Toulouse, 87p. Bergeron M. (2000).caractérisation du recouvrement végétal et des pratiques agricoles à l'aide d'une image TM de Landsat au nord du Viet Nam. Mémoire de Maître ès sciences, Université de Sherbrooke, Canada, 41 p. Bijaber N, Gay M, Yessef M, Tikert A, et Ablafi Z. (2005). Utilisation des méthodes avancées de classification pour la cartographie forestière par télédétection. Workshop international. Résumés des communications, Rabat-Maroc, 183p. -C- C entre Canadien de Télédétection (CCT). (2003). Notion fondamentale de télédétection. Cayrol P,(2000). Assimilation de données satellitales dans un modèle de croissance de la végétation et de bilan d'énergie. Application a des zones semi-arides. Thèse de Doctorat, Télédétection spatiale, Toulouse, 212 p. Conservation de Forêts (CF). (2016).Plan Direction d' Aménagement et d'Urbanisme (PDAU) de la commune de Settara, Document interne 93p. -D- Darabid D et Bouchekara M.K. (2013). Extraction des différents indices de végétation à partir des images satellitaires. Mémoire de Master 2, Licence en informatique, Université Abou Bakr Belkaid-Tlemcen, 7lp. Denis A. (2014).Travaux Pratiques de Télédétection Spatiale. Mémoire de Master 2.Université de Liège, Belgique, 62p. Dubois D. (2009). Environnement logiciel d'exploitation des images Satellitaires pour faciliter la gestion des catastrophes majeures. Mémoire de Magister.Université du Québec, 147p. Ducrot D. (2005)., Méthodes d'analyse et d'interprétation d'images de télédétection multi sources, Extraction de caractéristiques du paysage. Mémoire de recherche.INP. Toulouse, 210p. - Devineau J (1990) p · , , ' ., ropnetes spectrales de la végétation Io , , , , . satellites et milieux terrestres , . . . urnees de teledetection ; images en reg10ns andes et tropicales cart hi d , Mémoire de Recherche. Institut d R h , ' ograp e es etats de surface. e ec erche et Developpement. France, l 67p. -G- Girard M. C. et Girard C M (1999) T . · · · raitement des données de télédétection Ed n° 1 Dunod, Paris, 430p. · ' Girard M. C et Girard C. M. (2004). Traitement des données de télédétection. Ed n° 2, Dunod, Paris, l 80p. 1 Information and Communications Technology (ITC), (2001). IL WIS 3.0 Academic User's Guide. Logiciels des traitements et d'analyses des images satellitaires, Laboratoire de Recherche, Montpellier ,49p. -J- Joly G, (1986), Traitements des fichiers-images, Collection Télédétection satellitaires, Caen, Paradigme, Paris. l 38p. Jacquemoud S, Feret J, Bousquet L, (2010).Propriétés optiques de la végétation. IPGP. Paris.3 51 p. -L- Leroy D. (2003). Utilisation de données satellitaires et du logiciel Envi dans l'étude des nuages. Notice technique .OBSERVATOIRE DE PHYSIQUE DU GLOBE DE CLERMONT FERRAND .AUBIERE - France, l 75p. Lillesand T.M et Kieffer R.W, (1987). Remote sensing and image interpretation.3rd Edition, John and Wiley, Paris.750p. Lili-chabaane Z, (2012). Note de cours de Télédétection. Chapitre 5: Propriétés optiques des objets signatures. Institut National Agronomique de Tunisie, pp 19-31. -0- 0ffice Nationale de la Météorologie. (ONM), (2016).Station Achouat, Aéroport de Jijel. -P- PONY 0, ZERUBIA J, DESCOMBES X. (2006). Classification d'images satellitaires hyperspectrales en zone rurale et périurbaine. INRIA. France. 64p. -R- Ramade F, (1978). Eléments d'écologie appliquée. Mc Graw-Hill, Inc.Paris.583p. Ramade F, (2008).Dictionnaire encyclopédique de l'écologie et des sciences de la nature et de biodiversité, Ed. DUNORD, Paris, 737p Razagui A. et Bachari N. E. 1. (2014). Analyse spatio-temporelle de l'indice de végétation NDVI calculé à partir des images satellites NOAA et MSG, Revue des Energies Renouvelables Vol. 17N°3.498 p. Robin M, (2002).Télédétection: Des sattellites aux SIG,Paris :Nathan,2e édition ,318p. -S- Scanvic Y, (1983).Principes de la télédétection .Applications possibles en matière de l'aménagement .INRA. Montpellier, 201p. Soudani K, (2007). Introduction générale à la télédétection. Cours en ligne faculté des sciences d'Orsay- université paris sud XI, 26 p. -V- Verger F, Ghirardi R, Sourbès-Verger I,Pasco X. (2002). L'espace nouveau territoire : Atlas des satellites et des politiques spatiales, INRIA. Sophia Antipolis .France ,29lp. Site internet consulté : http://earthexplorer.usgs.gov http://WWW. GoogleEarth. Corn J Présenté par : Boumaiza Nora Encadreur : Mr. Boudjelal Ferhat J Boussalem Fatima Date de soutenance : Juin 2016 Cartographie de la végétation de la forêt de Settara (Willaya de Jijel) à partir de l'indice NDVI Résumé L'analyse de la végétation dans la forêt de Settara et le suivi de son évolution par la télédétection permettent d'évaluer l'état sanitaire de la végétation dans cette forêt. Cette étude est basée sur le traitement de séries saisonnière et interannuelle des images satellitaires Landsat et le calcul de l'indice de Végétation par Différence Normalisée (NDVl).Analysées sous le SIG ILWIS, les cartes NDVI permettent de distinguer les différentes classes de couverture du sol. Ainsi obtenus, les profils temporels NDVI permettent de conclure que l'espace forêt de Settara a connu une moyenne dégradation durant la période 2013_2015, et une dégradation continue durant la période Janvier Novembre 2015.En effet les valeurs faibles de cet indice témoignent d'un mauvais état sanitaire de cette forêt, et l'analyse du profil temporel NDVI montre que la forêt de Settara s'est nettement dégradée pendant la dernière année. Mots clés: Télédétection, images Landsat, ILWIS, NDVI, Forêt de Settara. Abstract The analysis of vegetation in the forest of Settara and its evolution monitoring by remote sensing allow to assess the health of the vegetation of this forest. This study is based on the treatment of seasonal and interannual series of satellite images and the calculation of the Normalized Difference Vegetation Index (NDVI).Analyzed under the GIS ILWIS,the NDVI maps distinguish the different land cover classes. Thus obtained NDVI temporal profiles allow the conclusion that the space forest Settara experienced an incontinued deterioration during the period 2013_2015, and the continued deterioration during the period January _November 2015. Since low values of this Index indicate a poor sanitary of this forest, and analysis of temporal NDVI profile shows that the forest of Settara deteriorated during recent year. Keywords: Remote sensing, Landsat images, ILWIS, NDVI, Forest of Settara. /1?~~~~