Jordi Inglada, Athur Vincent, Santiago Peña Luque

iota2 est le logiciel de cartographie à grande échelle développé par le CESBIO. iota2 utilise séries temporelles d’images satellite (STIS) à haute résolution, notamment Sentinel (1 et 2) ou Landsat, pour produire des cartes sur de grandes étendues. Des cartes des variables d’intérêt en télédétection peuvent être produites, car iota2 peut utiliser des fonctions définies par les utilisateurs, peut calculer des régressions et faire des classifications. L’atout principal de iota2 n’est pas ce qui est calculé, mais la possibilité de le calculer sur des grands volumes de données (des séries temporelles longues, des étendues géographiques importantes). En effet, iota2 gère les données découpées en tuiles, les séries temporelles, les données de référence pour entraîner des modèles, la stratification spatiale, etc.

Dans le cadre du programme SWOT Aval, une carte d’occupation des sols du Sahel à 10 m de résolution a été produite avec iota2 en utilisant des STIS Sentinel-2 acquises sur la totalité de l’année 2018. Cela correspond à 290 tuiles ou environ 3 millions de km².

Objectifs du travail

Les cartes d’occupation des sols fournissent des entrées importantes pour la modélisation hydrographique. Par exemple, la connaissance de l’occupation des sols permet une meilleure estimation du ruissellement. Différents types de végétation ou des compositions des sols différentes sur les plaines fluviales peuvent être utilisées pour estimer la rugosité en cas d’inondations. Dans le cas de la mission SWOT et sa couverture globale, l’occupation des sols à grande échelle facilite la recherche en hydrologie et les applications associées.

L’objectif de ce travail était d’évaluer la capacité de iota2 à produire des cartes à échelle continentale à haute résolution spatiale. Nous voulions aussi déterminer les sources de données disponibles pour la calibration des modèles de classification ainsi que la nomenclature cible de la carte pour les applications en hydrologie. Enfin, une validation de la qualité de la carte a été aussi réalisée.

La région d’évaluation inclut 3 bassins versants importants de l’Afrique de l’Ouest : Sénégal, Niger et Tchad. Ces bassins versants s’étendent sur plusieurs pays et, en général, les données hydrologiques in situ ne sont pas d’accès ouvert. Dans certains cas, les bassins versants ne sont pas suffisamment instrumentés. Dans ces cas, les données d’observation de la Terre par satellite peuvent fournir des informations pertinentes pour une meilleure compréhension de la dynamique des bassins. Étant donné qu’ils sont affectés par des saisons très pluvieuses et des inondations, une carte de l’occupation des sols récente à haute résolution spatiale peut aider à améliorer la modélisation du ruissellement et des inondations.

Données utilisées

iota2 utilise des algorithmes de classification supervisée qui nécessitent des données de référence. L’entraînement des modèles de classification consiste à établir une fonction que relie les valeurs des pixels des images avec les classes observées dans les données de référence.

Images satellite

Nous avons utilisé des STIS du système Sentinel-2 à cause de leurs hautes résolutions spatiale (10 m), spectrale (10 bandes) et temporelle (5 jours de revisite). Les données ont été produites par le pôle Theia. Il s’agit de réfléctances de surface produites par la chaîne MAJA. La zone est composée de 290 tuiles MGRS et nous avons utilisé toutes les acquisitions disponibles entre janvier et décembre 2018. Cela constitue environ 58 Tera-octets (environ 200GO par tuile).

Données de référence

Obtenir des données de référence sur une zone aussi large est très difficile. Les campagnes terrain seraient trop longues et coûteuses. Des projets importants et bien financés, comme CGLS ou WorldCover utilisent la photo-interprétation, ce qui réduit les coûts, mais, malgré tout, a recours à des opérateurs bien formés.

Nous avons décidé d’utiliser des cartes existantes à une résolution plus grossière et avons choisi CGLS comme notre source de données de référence. Étant donné que CGLS est une carte avec une résolution de 110 m, son utilisation introduit des erreurs dans l’entraînement d’un modèle qui vise à produire des cartes à 10 m de résolution. Cependant, ceci n’est pas très différent de ce qui est déjà fait pour le produit OSO de Theia, où les données de référence pour certaines classes sont issues de Corine Land Cover.

Résultats

Une validation quantitative de la carte produite a été réalisée en prenant la carte CGLS comme référence. La carte produite par iota2 avec les données Sentinel-2 a un taux de bonne classification de l’ordre de 71%. L’analyse détaillée peut être consulté ici.

Conclusions

Nous avons développé une solution innovante pour produire des cartes d’occupation des sols sur des grandes étendues sans besoin de campagnes terrain coûteuses ou des travaux de photo-interprétation. En effet, l’utilisation de cartes existantes de résolutions plus grossières permet d’atteindre des résultats similaires à d’autres produits qui utilisent des données de référence produites sur mesure.

Il faut cependant souligner que la validation du produit est limitée à cause du manque de disponibilité des données de validation utilisées pour les produits avec lesquels nous avons comparé.

Du point de vue hydrologique, la carte produite par iota2 semble fournir une meilleure cartographie des surfaces en eau, notamment autour des lits des rivières et des zones humides. Ceci pourrait aider dans la construction de modèles de rivières et des zones inondables.

Crédits

Ce travail a été réalisé dans le cadre du programme SWOT Aval en utilisant le centre de calcul du CNES et avec l’appui de ses équipes techniques.

La carte peut être citée comme ceci : /Vincent, Arthur, Inglada, Jordi, & Peña Luque, Santiago. (2022). Sahel Land Cover OSO 2018 [Data set]. Zenodo. https://doi.org/10.5281/zenodo.7373166/

¹/ Basu, A.S.; Gill, L.W.; Pilla, F.; Basu, B. Assessment of Variations in Runoff Due to Landcover Changes Using the SWAT Model in an Urban River in Dublin, Ireland. Sustainability 2022, 14, 534. https://doi.org/10.3390/su14010534

²/ Wilson, M.D. and Atkinson, P.M. (2007), The use of remotely sensed land cover to derive floodplain friction coefficients for flood inundation modelling. Hydrol. Process., 21: 3576-3586. https://doi.org/10.1002/hyp.6584

³/ Hydrogeomorphological parameters extraction from remotely sensed products for SWOT Discharge Algorithm, C.Emery et al, 2021, Geoglows-Hydrospace Conference 2021, https://az659834.vo.msecnd.net/eventsairwesteuprod/production-nikal-public/337418d22c894025a144f8d96b2d4d8e

⁴/ Buchhorn, M. ; Smets, B. ; Bertels, L. ; De Roo, B. ; Lesiv, M. ; Tsendbazar, N. – E. ; Herold, M. ; Fritz, S. Copernicus Global Land Service: Land Cover 100m: collection 3: epoch 2018: Globe 2020. DOI 10.5281/zenodo.3518038