LA MODÉLISATION CONCEPTUELLE DES DONNÉES - Ouranos

Essai de développement
d'une méthode de
cartographie du risque de
présence de l'herbe à poux
au Québec par télédétection
Centre - Eau Terre Environnement
Roland Ngom & Pierre Gosselin
5eme symposium Ouranos 19 novembre 2012

PLAN
A. Problématique et objectifs
B. Étapes réalisées
C. Étapes à venir
D. Discussion et perspectives
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

A. Problématique et objectifs
Un problème de santé publique susceptible d’être exacerbé par les
changements climatiques
Nom français : Petite herbe à poux
Nom botanique : Ambrosia
artemisiifolia L.
Famille botanique : Composées
Ensoleillement : Plein soleil
Milieu de croissance : Sols pauvres ou
perturbés = plante envahissante
Figure 1: Herbe à poux sur l’Ile de Montréal
Au Québec, une personne sur 6 est allergique au pollen de l’herbe à poux. Il
serait responsable de près de 75 % des allergies saisonnières. C'est l'une des
principales causes de la rhinite allergique et contribue à la prévalence de
l’asthme
En 2005, le gouvernement du Québec a estimé à plus de 155 millions de dollars
les coûts de santé directement reliés à l’herbe à poux
Changements climatiques = plus de pollen dans l’air pendant plus longtemps et
sur plus d’espace (nord du Québec)
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

A. Problématique et objectifs
Contrôler sa distribution spatiale pour mieux intervenir
Méthodes de repérage et de cartographie artisanales vers des méthodes semi
automatisées ou automatisées basées sur la télédétection optique
Différente des méthodes de cartographie
basées sur la localisation GPS suivant les
critères écologiques et l’historique de
repérage (lors des fauches/arrachages):
• Prospection extrêmement aléatoire et
incomplète des territoires
• Probabilité de présence non quantifiée
• Impossibilité d’optimiser les ressources
humaines disponibles
Différente des méthodes de cartographie basées sur la distribution du pollen:
• Aléas dus aux facteurs climatiques (vents)
• Localise partiellement le pollen, mais pas la source du pollen = intervention
limitée
• Utilise des méthodes d’interpolation = Plus forte imprécision
Mais peuvent être complémentaires
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

A. Problématique et objectifs
Contrôler sa distribution spatiale pour mieux intervenir
Méthodes de repérage et de cartographie semi automatisées ou automatisées
basées sur la télédétection optique
Optimiser la gestion territoriale et des ressources pour les municipalités et les
autorités compétentes =
• Une approche prospective de son extension
(notamment vers le nord)
Figure 2: Extension de l’herbe à poux au Québec suivant les
observations dans les cultures herbier
• Une représentation graduelle
du risque
1
0 1
Probabilité nulle de
présence de l’herbe à poux
Probabilité optimale
de présence de
l’herbe à poux
Figure 3: Une probabilité de présence
graduelle
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

B. Étapes réalisées
Préalables: Considérer des critères d’ordre techniques et opérationnels
Capteurs avec
caractéristiques
différentes
Résolution spatiale
Résolution spectrale
Couverture/Portée
Fréquences de
revisites
Coût
Figure 4: Worldview 2 Figure 5: Rapid Eye Figure 6: Spot 4 HRVIR
1,8 m 5 m 10 m
Inclut des nouveaux
spectres dans le rouge
et l’infrarouge
notamment
Inclut des nouveaux
spectres dans le rouge
notamment (point
d’inflexion rouge)
Inclut une bande
infrarouge plus étendue
(Moyen infrarouge)
16,4 km 77 km 80 km
3,7 jours ( Off nadir) 5,5 jours (nadir) 26 jours
1200$/37km2
1340$/1000km2 $ 2250/1200km 2
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

B. Étapes réalisées
Préalables: Considérer des critères d’ordre techniques et opérationnels
Zones test avec une géographie différente
Figure 7: Ile de Montréal
Collecte terrain au GPS (données d’archives)
Figure 8: Valleyfield
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

B. Étapes réalisées
Données terrain et série étendue d’indices issues des images satellites
Corrections
atmosphériques
Images originales
orthorectifiées
Points GPS
localisant
l’Ambroisie
Extractions
Points GPS avec valeurs des bandes
standardisées et indices calculés
Analyses statistiques
(Corrélations)
et selection des variables
significatives
Calculs
d’indices
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

B. Étapes réalisées
Affinage par classification orientée objet et logique floue
Segmentation et
classification
orientée objet
Pas satisfaisant
à cette étape
Images originales
orthorectifiées
Image classifiée incluant
vegetation pertutrbée
Segmentation et
classification
orientée objet
Image classifiée incluant
Végétation perturbée et
herbe à poux
Application d’une
fonction monotone
de croissance
Cartes prédictives
de l’ambroisie
échantillonnage
de l’herbe à
poux
Points GPS avec valeurs des bandes
standardisées et indices calculés
Calcul des
intervalles de
confiances
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

C. Résultats
Figure 7: (a) Carte de
prédiction prédiction d’A. artemisiifolia
selon selon la composante 3 3 de
l’Analyse en Composante
Principale de Worldview 2 de
l’île de Montréal, (b) Zoom sur
la zone nord Est
(a)
La couleur rouge
indique une plus
grande certitude de la
présence de l’herbe l’herbe à
poux, sur une échelle
de de 0 à 1
(b)
Centre - Eau Terre
Environnement
Zoom fait à partir de la carte 18 (a)
23 novembre 2012
R. Ngom
P. P. Gosselin

Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. P. Gosselin

C. Résultats
Moins bonne performance
Pour les les images à
résolution spatiale moins
fine ( spot 4)
Figure 9: Carte de prédiction
d’A. artemisiifolia selon la
bande verte de Spot 4 de
l’île l’île de de Montréal Montréal
*Issu de la méthode de la logique floue
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. P. Gosselin

B. Étapes réalisées
La bande verte et la composante non humide: un meilleur potentiel
discriminant
Seuils Seuil minimum =0,1* Seuil minimum = 0,5**
Variables Sensibilité Spécificité Sensibilité Spécificité
PCA 3 (Worldview 2) 98% 3% 70% 96%
bande 3 (vert) (Worldview 2) 93% 8% 61% 52%
bande 2 (vert) Rapid Eye 61% 70% 56% 95%
PCA 1 (Rapid Eye) 58% 68% 54% 82%
bande 2 (vert) Spot 4 59% 58%
Tableau 1: Performances des variables les plus constantes, significativement et positivement
corrélées à la présence d’A. artemisiifolia lorsqu’appliquées aux points géopositionnés
La bande verte = toujours des bonnes prédictions supérieures à 50%
caractérisée par une proximité spectrale avec la végétation perturbée= confusion
probable avec d’autres espèces envahissantes. Toutefois, l’herbe à poux est parmi
les mauvaises herbes les plus fréquentes, et pouvant constituer jusqu’à 70% par
transect (Vincent et Bergeron 1985)
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

B. Étapes à réaliser
Possibilités d’automatisation
Commande prioritaire
Application de la
fonction monotone
de croissance
Cartes prédictives
Évaluation
positive
Automatisation
Images Rapid Eye orthorectifiées et
atmosphériquement corrigées
Variables les plus prometteuses
recement identifiées
Évaluation
Intervalles de
confiances
optimisés
Évaluation
négative
Évaluation
En Synchronie
Mesures GPS
des plants d’herbe à poux
Recalcul des
Intervalles de
confiances
Nouveaux sets
en logique floue
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

C. Discussion et perspectives
Une aide précieuse à l’optimisation des ressources
Les cartes issues des prédictions pourraient aider à localiser avec une bonne
probabilité les secteurs les plus infestés= optimisation des ressources (temps et
énergie) et meilleure efficacité des fauches (Prévention des rhinites)
Intégrer dans une analyse multicritère
Zones prioritaires
Localisation (identification) par
zonage cadastral et/ou calculs
des rayons pertinents-(Solutions
SIG)
Intervention ciblée
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

Merci pour votre attention
Questions?
Bibliographie
Contacts:
Roland Ngom
roland_pierre.ngom@ete.inrs.ca
Pierre Gosselin
pierre.gosselin@inspq.qc.ca
Centre - Eau Terre Environnement
Remerciements à Ouranos, Audrey Smargiarssi et Sophie Gaudreau de la Direction de la santé publique de
l’île de Montréal et à Diane Lyse Benoit de Agriculture et Agroalimentaire Canada pour les données
terrain. Remerciements au Ministère des Ressources naturelles et de la Faune pour les images Spot 4.
Auda et coll. (2008 a ) détection des plantes invasives par télédetection : un cas d’étude, l’ambroisie en région Rhône Alpes, France. International Journal of Remote Sensing. Vol 29, No 4,
1109-1124.
Auda et coll. (2008 b ) Enjeux et perspectives de la télédétection multi temporelle à Très Haute Résolution Spatiale. XIèmes Journées Scientifiques Madagascar 2008
Bassett IJ., Crompton CW. (1975) The biology of Canadian weeds Ambrosia artemisiifolia L. and A. psilostachya DC. Canadian Journal of Plant Science 55:463–476.
Bannari A., Morin D., He DC. (1997) Caractérisation de l’environnement urbain à l’aide des indices de végétation dérivés des données de hautes résolutions spatiale et spectrale.
Télédétection des milieux urbains et périurbains. Éd. AUPELF-UREF. p, 47-64
Chavez PS. (1996). Image-based atmospheric corrections - Revisited and Improved. Photogrammetric Engineering and Remote Sensing 62 (9): 1025-1036.
Joly M., Bertrand P., Gbangou RY., White MC., Dubé J., Lavoie C. (2011) Paving the Way for Invasive Species: Road 1 Type and the Spread of Common Ragweed 2 (Ambrosia
artemisiifolia). Environmental Management Volume: 48, Issue: 3, Pages: 514-522. PubMed: 21710219
23 novembre 2012
R. Ngom
P. Gosselin

Maupin P., et Apparicio P. (2004) Relationships between Ambrosia artemisiifolia sites and the physical and social environments of Montreal (Canada). 0-7803-8742-
2/04/$20.00 (C) IEEE.
Maupin P., et Boivin MC. (2001) Reconnaissance des populations d’Ambrosia artemisiifolia sur l’ile de l’île de Montréal à l’aide d’un capteur hyperspectral. Étude des propriétés
spectrales et de l’écologie végétale (L’île de Montréal Canada : direction de la santé publique de l’île de Montréal)
Nádor G., et coll. (2011) Ragweed identification by worldview2 data. Remote Sensing Directorate Institute of Geodesy, Cartography and Remote Sensing.
http://dgl.us.neolane.net/res/img/aa0472a0cae3a1509de171a78a820f29.pdf. Accédé le 16 décembre 2011
Ngom, R., Berrang Ford L., Hongoh, V. (2011). Fuzzy-Logic vs. logistic regression and maximum entropy to predict habitat suitability of relevant vector species in Canada
(Submitted).
Simard MJ., Benoit DL. (2010) Distribution and abundance of an allergenic weed, common 26 ragweed (Ambrosia artemisiifolia L.), in rural settings of southern Québec, Canada.
27 Canadian Journal of Plant Science 90:549–557
Tanré D., Deroo C., Duhaut P., Herman M., Morcrette J.J., Perbos J. et Deschamps PY. (1986) Simulation of the Satellite Signal in the Solar Spectrum (5S), Document Laboratoire
d’Optique Atmosphérique, 265 p.
G. Vincent and Y. Bergeron, (1985) Weed synecology and dynamics in urban environment. Urban Ecology, vol. 9, no. 2, pp. 161–176.
Ressources internet
Worldview 2: http://worldview2.digitalglobe.com/
Rapid Eye: http://www.rapideye.net/index.html
Spot 4: http://spot4.cnes.fr/spot4_gb/satellit.htm
23 novembre 2012
R. Ngom
P. Gosselin

C. Analyses
Standardiser les données brutes
Capteurs Données brutes Réflectances
Worldview 2
Rapid eye
Spot 4
12 bits (0-2260)
11 bits (0-60382)
8 bits (0-255)
Comparaison entre données issues de
capteurs différents et de zones d’études
différentes
Obtenir une information robuste qui soit
reproductible et extrapolable
0-1
0-1
0-1
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

C. Résultats
Confusion spectrale entre végétation dégradée et l’ambroisie
(a) Bande rouge Rapid
Eye (630-685 nm)
(b) Bande proche
infrarouge Rapid Eye
(760-850nm)
(c) ACP 3 Wv2
(d) Bande proche
infrarouge 1 Wv2 (770-
895nm)
(e) Bande proche
infrarouge 2 Wv2
(860-1040nm)
(f) WDVI Wv2
(g) Bande point
d’inflexion rouge Wv2
(705-745nm)
Figure 6: Analyse du degré de croisement entre A. artemisiifolia (en noir) et la végétation perturbée (en
bleu) : (a) Bande rouge Rapid Eye; (b) Bande proche infrarouge Rapid Eye; (c) Composante 3 de l’analyse
ACP de Wordlview 2; (d) Bande proche infrarouge 1 Wordlview 2; (e) Bande proche infrarouge 2 Wv2 ;(f)
Weighed Difference Vegetation Index (WDVI) de Wordlview 2; (g) Bande point d’inflexion rouge de
Wordlview 2.
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

Construction des indices de végétation
Une variété d’indices de végétation adaptés à différents milieux écologiques
Indice Définition
Variable indépendante dans le
calcul du profil du sol intégré
Appliqué au produit
NDVI Normalized Difference Vegetation Index Wv2, Rapid Eye, Spot 4
TVI Transformed vegetation Index Wv2, Rapid Eye, Spot 4
TTVI Thiam's Transformed Vegetation Index Wv2, Rapid Eye, Spot 4
Ratio Ratio Wv2, Rapid Eye
MSAVI1 Modified Soil-Adjusted vegetation Index 1 Wv2, Rapid Eye
MSAVI 2 Modified Soil-Adjusted vegetation Index 2 Wv2, Rapid Eye
TSAVI1 Transformed soil Adjusted vegetation Index 1 Rouge, point d’inflexion rouge Wv2, Rapid Eye
TSAVI2 Transformed soil Adjusted vegetation Index 2 Rouge, point d’inflexion rouge Wv2, Rapid Eye
RVI Ratio Vegetation Index Wv2, Rapid Eye, Spot 4
NRVI Normalized Ratio Vegetation Index Wv2, Rapid Eye, Spot 4
PVI Perpendicular Vegetation Index Proche infrarouge 1 et 2 Wv2, Rapid Eye
PVI1 Perpendicular Vegetation Index1 Proche infrarouge 1 et 2 Wv2, Rapid Eye
PVI2 Perpendicular Vegetation Index2 Rouge, point d’inflexion rouge Wv2, Rapid Eye
PVI3 Perpendicular Vegetation Index3 Rouge, point d’inflexion rouge Wv2, Rapid Eye
DVI Difference Vegetation Index Wv2, Rapid Eye
WDVI Weighed Difference Vegetation Index Proche infrarouge 1 et 2 Wv2, Rapid Eye
CTVI Corrected Transformed Vegetation Index Wv2, Rapid Eye, Spot 4
AVI Ashburn Vegetation Index Wv2, Rapid Eye
SAVI Soil Adjusted vegetation Index Wv2, Rapid Eye
DVI Difference Vegetation Index Proche infrarouge 1 et 2 Wv2, Rapid Eye
Tableau 1: Liste des indices de végétation calculés
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin

Figure 6: Fonction d’appartenance à croissance monotone (Ngom et coll., 2011).
Centre - Eau Terre
Environnement
23 novembre 2012
R. Ngom
P. Gosselin