LA MODÉLISATION CONCEPTUELLE DES DONNÉES - Ouranos
LA MODÉLISATION CONCEPTUELLE DES DONNÉES - Ouranos
LA MODÉLISATION CONCEPTUELLE DES DONNÉES - Ouranos
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Essai de développement<br />
d'une méthode de<br />
cartographie du risque de<br />
présence de l'herbe à poux<br />
au Québec par télédétection<br />
Centre - Eau Terre Environnement<br />
Roland Ngom & Pierre Gosselin<br />
5eme symposium <strong>Ouranos</strong> 19 novembre 2012
P<strong>LA</strong>N<br />
A. Problématique et objectifs<br />
B. Étapes réalisées<br />
C. Étapes à venir<br />
D. Discussion et perspectives<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
A. Problématique et objectifs<br />
Un problème de santé publique susceptible d’être exacerbé par les<br />
changements climatiques<br />
Nom français : Petite herbe à poux<br />
Nom botanique : Ambrosia<br />
artemisiifolia L.<br />
Famille botanique : Composées<br />
Ensoleillement : Plein soleil<br />
Milieu de croissance : Sols pauvres ou<br />
perturbés = plante envahissante<br />
Figure 1: Herbe à poux sur l’Ile de Montréal<br />
Au Québec, une personne sur 6 est allergique au pollen de l’herbe à poux. Il<br />
serait responsable de près de 75 % des allergies saisonnières. C'est l'une des<br />
principales causes de la rhinite allergique et contribue à la prévalence de<br />
l’asthme<br />
En 2005, le gouvernement du Québec a estimé à plus de 155 millions de dollars<br />
les coûts de santé directement reliés à l’herbe à poux<br />
Changements climatiques = plus de pollen dans l’air pendant plus longtemps et<br />
sur plus d’espace (nord du Québec)<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
A. Problématique et objectifs<br />
Contrôler sa distribution spatiale pour mieux intervenir<br />
Méthodes de repérage et de cartographie artisanales vers des méthodes semi<br />
automatisées ou automatisées basées sur la télédétection optique<br />
Différente des méthodes de cartographie<br />
basées sur la localisation GPS suivant les<br />
critères écologiques et l’historique de<br />
repérage (lors des fauches/arrachages):<br />
• Prospection extrêmement aléatoire et<br />
incomplète des territoires<br />
• Probabilité de présence non quantifiée<br />
• Impossibilité d’optimiser les ressources<br />
humaines disponibles<br />
Différente des méthodes de cartographie basées sur la distribution du pollen:<br />
• Aléas dus aux facteurs climatiques (vents)<br />
• Localise partiellement le pollen, mais pas la source du pollen = intervention<br />
limitée<br />
• Utilise des méthodes d’interpolation = Plus forte imprécision<br />
Mais peuvent être complémentaires<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
A. Problématique et objectifs<br />
Contrôler sa distribution spatiale pour mieux intervenir<br />
Méthodes de repérage et de cartographie semi automatisées ou automatisées<br />
basées sur la télédétection optique<br />
Optimiser la gestion territoriale et des ressources pour les municipalités et les<br />
autorités compétentes =<br />
• Une approche prospective de son extension<br />
(notamment vers le nord)<br />
Figure 2: Extension de l’herbe à poux au Québec suivant les<br />
observations dans les cultures herbier<br />
• Une représentation graduelle<br />
du risque<br />
1<br />
0 1<br />
Probabilité nulle de<br />
présence de l’herbe à poux<br />
Probabilité optimale<br />
de présence de<br />
l’herbe à poux<br />
Figure 3: Une probabilité de présence<br />
graduelle<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
B. Étapes réalisées<br />
Préalables: Considérer des critères d’ordre techniques et opérationnels<br />
Capteurs avec<br />
caractéristiques<br />
différentes<br />
Résolution spatiale<br />
Résolution spectrale<br />
Couverture/Portée<br />
Fréquences de<br />
revisites<br />
Coût<br />
Figure 4: Worldview 2 Figure 5: Rapid Eye Figure 6: Spot 4 HRVIR<br />
1,8 m 5 m 10 m<br />
Inclut des nouveaux<br />
spectres dans le rouge<br />
et l’infrarouge<br />
notamment<br />
Inclut des nouveaux<br />
spectres dans le rouge<br />
notamment (point<br />
d’inflexion rouge)<br />
Inclut une bande<br />
infrarouge plus étendue<br />
(Moyen infrarouge)<br />
16,4 km 77 km 80 km<br />
3,7 jours ( Off nadir) 5,5 jours (nadir) 26 jours<br />
1200$/37km2<br />
1340$/1000km2 $ 2250/1200km 2<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
B. Étapes réalisées<br />
Préalables: Considérer des critères d’ordre techniques et opérationnels<br />
Zones test avec une géographie différente<br />
Figure 7: Ile de Montréal<br />
Collecte terrain au GPS (données d’archives)<br />
Figure 8: Valleyfield<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
B. Étapes réalisées<br />
Données terrain et série étendue d’indices issues des images satellites<br />
Corrections<br />
atmosphériques<br />
Images originales<br />
orthorectifiées<br />
Points GPS<br />
localisant<br />
l’Ambroisie<br />
Extractions<br />
Points GPS avec valeurs des bandes<br />
standardisées et indices calculés<br />
Analyses statistiques<br />
(Corrélations)<br />
et selection des variables<br />
significatives<br />
Calculs<br />
d’indices<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
B. Étapes réalisées<br />
Affinage par classification orientée objet et logique floue<br />
Segmentation et<br />
classification<br />
orientée objet<br />
Pas satisfaisant<br />
à cette étape<br />
Images originales<br />
orthorectifiées<br />
Image classifiée incluant<br />
vegetation pertutrbée<br />
Segmentation et<br />
classification<br />
orientée objet<br />
Image classifiée incluant<br />
Végétation perturbée et<br />
herbe à poux<br />
Application d’une<br />
fonction monotone<br />
de croissance<br />
Cartes prédictives<br />
de l’ambroisie<br />
échantillonnage<br />
de l’herbe à<br />
poux<br />
Points GPS avec valeurs des bandes<br />
standardisées et indices calculés<br />
Calcul des<br />
intervalles de<br />
confiances<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
C. Résultats<br />
Figure 7: (a) Carte de<br />
prédiction prédiction d’A. artemisiifolia<br />
selon selon la composante 3 3 de<br />
l’Analyse en Composante<br />
Principale de Worldview 2 de<br />
l’île de Montréal, (b) Zoom sur<br />
la zone nord Est<br />
(a)<br />
La couleur rouge<br />
indique une plus<br />
grande certitude de la<br />
présence de l’herbe l’herbe à<br />
poux, sur une échelle<br />
de de 0 à 1<br />
(b)<br />
Centre - Eau Terre<br />
Environnement<br />
Zoom fait à partir de la carte 18 (a)<br />
23 novembre 2012<br />
R. Ngom<br />
P. P. Gosselin
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. P. Gosselin
C. Résultats<br />
Moins bonne performance<br />
Pour les les images à<br />
résolution spatiale moins<br />
fine ( spot 4)<br />
Figure 9: Carte de prédiction<br />
d’A. artemisiifolia selon la<br />
bande verte de Spot 4 de<br />
l’île l’île de de Montréal Montréal<br />
*Issu de la méthode de la logique floue<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. P. Gosselin
B. Étapes réalisées<br />
La bande verte et la composante non humide: un meilleur potentiel<br />
discriminant<br />
Seuils Seuil minimum =0,1* Seuil minimum = 0,5**<br />
Variables Sensibilité Spécificité Sensibilité Spécificité<br />
PCA 3 (Worldview 2) 98% 3% 70% 96%<br />
bande 3 (vert) (Worldview 2) 93% 8% 61% 52%<br />
bande 2 (vert) Rapid Eye 61% 70% 56% 95%<br />
PCA 1 (Rapid Eye) 58% 68% 54% 82%<br />
bande 2 (vert) Spot 4 59% 58%<br />
Tableau 1: Performances des variables les plus constantes, significativement et positivement<br />
corrélées à la présence d’A. artemisiifolia lorsqu’appliquées aux points géopositionnés<br />
La bande verte = toujours des bonnes prédictions supérieures à 50%<br />
caractérisée par une proximité spectrale avec la végétation perturbée= confusion<br />
probable avec d’autres espèces envahissantes. Toutefois, l’herbe à poux est parmi<br />
les mauvaises herbes les plus fréquentes, et pouvant constituer jusqu’à 70% par<br />
transect (Vincent et Bergeron 1985)<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
B. Étapes à réaliser<br />
Possibilités d’automatisation<br />
Commande prioritaire<br />
Application de la<br />
fonction monotone<br />
de croissance<br />
Cartes prédictives<br />
Évaluation<br />
positive<br />
Automatisation<br />
Images Rapid Eye orthorectifiées et<br />
atmosphériquement corrigées<br />
Variables les plus prometteuses<br />
recement identifiées<br />
Évaluation<br />
Intervalles de<br />
confiances<br />
optimisés<br />
Évaluation<br />
négative<br />
Évaluation<br />
En Synchronie<br />
Mesures GPS<br />
des plants d’herbe à poux<br />
Recalcul des<br />
Intervalles de<br />
confiances<br />
Nouveaux sets<br />
en logique floue<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
C. Discussion et perspectives<br />
Une aide précieuse à l’optimisation des ressources<br />
Les cartes issues des prédictions pourraient aider à localiser avec une bonne<br />
probabilité les secteurs les plus infestés= optimisation des ressources (temps et<br />
énergie) et meilleure efficacité des fauches (Prévention des rhinites)<br />
Intégrer dans une analyse multicritère<br />
Zones prioritaires<br />
Localisation (identification) par<br />
zonage cadastral et/ou calculs<br />
des rayons pertinents-(Solutions<br />
SIG)<br />
Intervention ciblée<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
Merci pour votre attention<br />
Questions?<br />
Bibliographie<br />
Contacts:<br />
Roland Ngom<br />
roland_pierre.ngom@ete.inrs.ca<br />
Pierre Gosselin<br />
pierre.gosselin@inspq.qc.ca<br />
Centre - Eau Terre Environnement<br />
Remerciements à <strong>Ouranos</strong>, Audrey Smargiarssi et Sophie Gaudreau de la Direction de la santé publique de<br />
l’île de Montréal et à Diane Lyse Benoit de Agriculture et Agroalimentaire Canada pour les données<br />
terrain. Remerciements au Ministère des Ressources naturelles et de la Faune pour les images Spot 4.<br />
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,<br />
1109-1124.<br />
Auda et coll. (2008 b ) Enjeux et perspectives de la télédétection multi temporelle à Très Haute Résolution Spatiale. XIèmes Journées Scientifiques Madagascar 2008<br />
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.<br />
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.<br />
Télédétection des milieux urbains et périurbains. Éd. AUPELF-UREF. p, 47-64<br />
Chavez PS. (1996). Image-based atmospheric corrections - Revisited and Improved. Photogrammetric Engineering and Remote Sensing 62 (9): 1025-1036.<br />
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<br />
artemisiifolia). Environmental Management Volume: 48, Issue: 3, Pages: 514-522. PubMed: 21710219<br />
23 novembre 2012<br />
R. Ngom<br />
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-<br />
2/04/$20.00 (C) IEEE.<br />
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<br />
spectrales et de l’écologie végétale (L’île de Montréal Canada : direction de la santé publique de l’île de Montréal)<br />
Nádor G., et coll. (2011) Ragweed identification by worldview2 data. Remote Sensing Directorate Institute of Geodesy, Cartography and Remote Sensing.<br />
http://dgl.us.neolane.net/res/img/aa0472a0cae3a1509de171a78a820f29.pdf. Accédé le 16 décembre 2011<br />
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<br />
(Submitted).<br />
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.<br />
27 Canadian Journal of Plant Science 90:549–557<br />
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<br />
d’Optique Atmosphérique, 265 p.<br />
G. Vincent and Y. Bergeron, (1985) Weed synecology and dynamics in urban environment. Urban Ecology, vol. 9, no. 2, pp. 161–176.<br />
Ressources internet<br />
Worldview 2: http://worldview2.digitalglobe.com/<br />
Rapid Eye: http://www.rapideye.net/index.html<br />
Spot 4: http://spot4.cnes.fr/spot4_gb/satellit.htm<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
C. Analyses<br />
Standardiser les données brutes<br />
Capteurs Données brutes Réflectances<br />
Worldview 2<br />
Rapid eye<br />
Spot 4<br />
12 bits (0-2260)<br />
11 bits (0-60382)<br />
8 bits (0-255)<br />
Comparaison entre données issues de<br />
capteurs différents et de zones d’études<br />
différentes<br />
Obtenir une information robuste qui soit<br />
reproductible et extrapolable<br />
0-1<br />
0-1<br />
0-1<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
C. Résultats<br />
Confusion spectrale entre végétation dégradée et l’ambroisie<br />
(a) Bande rouge Rapid<br />
Eye (630-685 nm)<br />
(b) Bande proche<br />
infrarouge Rapid Eye<br />
(760-850nm)<br />
(c) ACP 3 Wv2<br />
(d) Bande proche<br />
infrarouge 1 Wv2 (770-<br />
895nm)<br />
(e) Bande proche<br />
infrarouge 2 Wv2<br />
(860-1040nm)<br />
(f) WDVI Wv2<br />
(g) Bande point<br />
d’inflexion rouge Wv2<br />
(705-745nm)<br />
Figure 6: Analyse du degré de croisement entre A. artemisiifolia (en noir) et la végétation perturbée (en<br />
bleu) : (a) Bande rouge Rapid Eye; (b) Bande proche infrarouge Rapid Eye; (c) Composante 3 de l’analyse<br />
ACP de Wordlview 2; (d) Bande proche infrarouge 1 Wordlview 2; (e) Bande proche infrarouge 2 Wv2 ;(f)<br />
Weighed Difference Vegetation Index (WDVI) de Wordlview 2; (g) Bande point d’inflexion rouge de<br />
Wordlview 2.<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
Construction des indices de végétation<br />
Une variété d’indices de végétation adaptés à différents milieux écologiques<br />
Indice Définition<br />
Variable indépendante dans le<br />
calcul du profil du sol intégré<br />
Appliqué au produit<br />
NDVI Normalized Difference Vegetation Index Wv2, Rapid Eye, Spot 4<br />
TVI Transformed vegetation Index Wv2, Rapid Eye, Spot 4<br />
TTVI Thiam's Transformed Vegetation Index Wv2, Rapid Eye, Spot 4<br />
Ratio Ratio Wv2, Rapid Eye<br />
MSAVI1 Modified Soil-Adjusted vegetation Index 1 Wv2, Rapid Eye<br />
MSAVI 2 Modified Soil-Adjusted vegetation Index 2 Wv2, Rapid Eye<br />
TSAVI1 Transformed soil Adjusted vegetation Index 1 Rouge, point d’inflexion rouge Wv2, Rapid Eye<br />
TSAVI2 Transformed soil Adjusted vegetation Index 2 Rouge, point d’inflexion rouge Wv2, Rapid Eye<br />
RVI Ratio Vegetation Index Wv2, Rapid Eye, Spot 4<br />
NRVI Normalized Ratio Vegetation Index Wv2, Rapid Eye, Spot 4<br />
PVI Perpendicular Vegetation Index Proche infrarouge 1 et 2 Wv2, Rapid Eye<br />
PVI1 Perpendicular Vegetation Index1 Proche infrarouge 1 et 2 Wv2, Rapid Eye<br />
PVI2 Perpendicular Vegetation Index2 Rouge, point d’inflexion rouge Wv2, Rapid Eye<br />
PVI3 Perpendicular Vegetation Index3 Rouge, point d’inflexion rouge Wv2, Rapid Eye<br />
DVI Difference Vegetation Index Wv2, Rapid Eye<br />
WDVI Weighed Difference Vegetation Index Proche infrarouge 1 et 2 Wv2, Rapid Eye<br />
CTVI Corrected Transformed Vegetation Index Wv2, Rapid Eye, Spot 4<br />
AVI Ashburn Vegetation Index Wv2, Rapid Eye<br />
SAVI Soil Adjusted vegetation Index Wv2, Rapid Eye<br />
DVI Difference Vegetation Index Proche infrarouge 1 et 2 Wv2, Rapid Eye<br />
Tableau 1: Liste des indices de végétation calculés<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin
Figure 6: Fonction d’appartenance à croissance monotone (Ngom et coll., 2011).<br />
Centre - Eau Terre<br />
Environnement<br />
23 novembre 2012<br />
R. Ngom<br />
P. Gosselin