Une méthode simple et rapide pour l’évaluation de statistiques d’occupation du sol à l’aide d’images à très haute résolution acquises par mini-drone
DOI :
https://doi.org/10.19182/bft2018.335.a31497Mots-clés
occupation du sol, imagerie drone, photo-interprétation par point, QGIS, aires protégées, République démocratique du CongoRésumé
Le suivi de l’utilisation des terres par télédétection a récemment connu un essor important. Cela s’explique par une accessibilité accrue et souvent gratuite des images à (très) haute résolution ainsi que par le développement d’applications web destinées au suivi de l’utilisation des terres. L’accès à ces applications reste cependant soumis à l’existence d’une connexion Internet fiable faisant encore défaut dans certaines régions du globe. Dans ce contexte, la présente étude décrit une méthode permettant de produire des statistiques sur l’évolution de l’occupation du sol en réalisant une photo-interprétation par point sur des images en couleurs vraies à très haute résolution produites par mini-drone. La méthode utilise une application (PINT pour Photo-INTerprétation) intégrée dans le logiciel open source QGIS. Les surfaces de différentes occupations du sol sont dérivées des estimations des proportions de points affectées à chaque classe à partir d’une grille systématique. Pour illustrer l’intérêt de l’outil, l’étude considère les statistiques d’occupation du sol au sein de deux terroirs villageois du Complexe d’aires protégées de la Garamba, en République démocratique du Congo. Les résultats obtenus sont comparés avec ceux d’une cartographie de référence basée sur une photo-interprétation exhaustive après segmentation des images. Les écarts entre surfaces estimées par échantillonnage et surfaces de référence varient entre 0,2 % et 6,1 % pour les principales occupations du sol (forêts et savanes, défriches, jachères, implantations humaines et cultures). Des différences plus importantes (17,4 % et 13,4 %) sont enregistrées pour la classe « arbres isolés ». Le temps global de mise en œuvre de la méthode est de l’ordre de 60 ha par heure d’opérateur. L’utilisation du plugin PINT avec des images « drone » constitue une solution pertinente pour estimer des statistiques d’occupation du sol dans des régions web-isolées et pour des sites d’étendues de quelques (dizaines de) km².
Téléchargements
Références
Agisoft, 2015. Agisoft PhotoScan. Manuel de l’utilisateur. Professional Edition, version 1.1. http://www.agisoft.com/pdf/manuals_other/pscan_pro_fr_1_1.pdf
Aune-Lundberg L., Strand G.-H., 2014. Comparison of variance estimation methods for use with two-dimensional systematic sampling of land use/land cover data. Environmental Modelling & Software, 61: 87-97.
Balimbaki K. A., 2015. Étude socio-économique dans les trois Domaines de Chasse contigus au Parc National de la Garamba. Nagero, RDC, ICCN-African Parks Network, 67 p.
Bey A., Sánchez-Paus Díaz A., Maniatis D., Marchi G., Mollicone D., Ricci S. et al., 2016. Collect Earth: land use and land cover assessment through augmented visual interpretation. Remote Sensing, 8 (10), 807.
Blaschke T., 2010. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65 (1): 2-16.
Chen G., Hay G. J., Carvalho L. M. T., Wulder M. A., 2012. Object-based change detection. International Journal of Remote Sensing, 33 (14): 4434-4457.
Clark M. L., Aide M., 2011. Virtual interpretation of Earth web-interface tool (VIEW-IT) for collecting land-use/land-cover reference data. Remote Sensing, 3 (3): 601-620.
Cohen W.B., Yang Z., Kennedy R., 2010. Detecting trends in forest disturbance and recovery using yearly Landsat time series: 2. TimeSync-Tools for calibration and validation. Remote Sensing of Environment, 114: 2911-2924.
De Saeger Z. H., 1954. Exploration du Parc National de la Garamba : Introduction. Mission de Z. H. De Saeger, en collaboration avec P. Baert, G. Demoulin, I. Denisoff, J. Martin, M. Micha, A. Noirfalise, P. Schoemarker, G. Troupin et J. Verschuren. Institut des Parcs Nationaux du Congo Belge. Bruxelles, Belgique, Imprimerie Hayez, 107 p.
De Sy V., Herold M., Achard F., Asner G. P., Held A., Kellndorfer J. et al., 2012. Synergies of multiple remote sensing data sources for REDD+ monitoring. Current Opinion in Environmental Sustainability, 4: 696-706.
ESA, 2015. Sentinel-2 User Handbook. ESA, 64 p. https://sentinel.esa.int/documents/247904/685211/Sentinel-2_User_Handbook (consulté le 17 juin 2017).
Fritz S., McCallum I., Schill C., Perger C., See L., Schepaschenko D., van der Velde M., Kraxner F., Obersteiner M., 2012. Geo-Wiki: an online platform for improving global land cover. Environmental Modelling & Software, 31: 110-123.
Gillet P., Vermeulen C., Feintrenie L., Dessard H., Garcia C., 2016. Quelles sont les causes de la déforestation dans le bassin du Congo ? Synthèse bibliographique et études de cas. Biotechnologie, Agronomie, Société et Environnement, 20 (2) : 183-194.
Guo F., 2017. The future of GIS software? QGIS a popular open-source GIS for the masses. Geomatics Canada. https://gogeomatics.ca/the-future-of-gis-software-qgis-a-popular-open-source-gis-for-the-masses (consulté le 21 juin 2017).
Jones D., Hansen A. J., Bly K., Doherty K., Verschuyl J. P., Paugh J. I. et al., 2009. Monitoring land use and cover around parks: a conceptual approach. Remote Sensing of Environment, 113: 1346-1356.
Kangas A., Maltamo M., 2006. Forest inventory: methodology and applications. Dordrecht, Netherlands, Springer, 362 p.
Loetsch F., Zöhrer F., Haller K., 1973. Forest Inventory. Vol I-II. Münich, Allemagne, BLV Verlagsgesellschaft, 436 p. + 469 p.
Nagendra H., Mairota P., Marangi C., Lucas R., Dimopouluos P., Honrado J. P. et al., 2015. Satellite Earth observation data to identify anthropogenic pressures in selected protected areas. International Journal of Applied Earth Observation and Geoinformation, 37: 124-132.
Newton A. C., Hill R. A., Echeverria C., Golicher D., Rey Benayas J. M., Cayuela L. et al., 2009. Remote sensing and the future of landscape ecology. Progress in Physical Geography, 33: 528-546.
Romijn E., Lantican C. B., Herold M., Lindquist E., Ochieng R., Wijaya A. et al., 2015. Assessing change in national forest monitoring capacities of 99 tropical countries. Forest Ecology and Management, 352: 109-123.
Semeki N. J., Linchant J., Quevauvillers S., Kahindo M. J.-M., Lejeune P., Vermeulen C., 2016a. Potentiel des véhicules aériens sans pilote dans la détection des activités humaines illégales dans les aires protégées en République Démocratique du Congo. Revue des systèmes de véhicules télécommandés, 4 (2) : 151-159.
Semeki N. J., Linchant J., Quevauvillers S., Kahindo M. J.-M., Lejeune P., Vermeulen C., 2016b. Cartographie de la dynamique de terroirs villageois à l’aide d’un drone dans les aires protégées de la République démocratique du Congo. Bois et Forêts des Tropiques, 330 (4) : 69-83. http://bft.cirad.fr/cd/BFT_330_69-83.pdf
Sournia G., 1998. Les aires protégées d’Afrique francophone. Paris, France, ACCT-Éditions Jean-Pierre de Monza, 272 p.
Turner W., Rondinini C., Pettorelli N., Mora B., Leidner A. K., Szantoi Z. et al., 2015. Free and open-access satellite data are key to biodiversity conservation. Biological Conservation, 182: 173-176.
Ucar Z., Bettinger P., Merry K., Siry J., Bowker J. M., Akbulut R., 2016. A comparison of two sampling approaches for assessing the urban forest canopy cover from aerial photography. Urban Forestry & Urban Greening, 16: 221-230.
Unesco, 2010. Patrimoine mondial dans le bassin du Congo. Paris, France, Centre du patrimoine mondial de l’Unesco, 64 p.
Willis K. S., 2015. Remote sensing change detection for ecological monitoring in United States protected areas. Biological Conservation, 182: 233-242.
Wulder M. A., Masek J. G., Cohen W. B., Loveland T. R., Woodcock C. E., 2012. Opening the archive: how free data has enabled the science and monitoring promise of Landsat. Remote Sensing of Environment, 122: 2-10.
Numéro
Rubrique
-
Résumé1509
-
PDF550
-
HTML763
Reçu
Accepté
Publié
Comment citer
Licence
Les articles sont publiés en Accès libre. Ils sont régis par le Droit d'auteur et par les licenses créative commons. La license utilisée est Attribution (CC BY 4.0).
