Vous êtes sur la page 1sur 88

Télédétecrion des milieux urbains et périurbains. Éd. AUPELF-UREF.

27

1997.

p. 275-282

Utilisation

des images HRV

de SPOT pour

la

détection

du changement

périurbain

à

Casablanca

(Maroc)

MALIKA

’ Agence foncière,

* Service topographique

’ Section de topographie,

AZERZAQ

i, MARIEM

ASSAFI

* et AHMED

FAHSI

a

avenue My Youssef; Rabat, Maroc;

de Sa$, Sajï, Maroc:

Institut

agronomique

téléphone : +212 (7) 70-16-67

II, B.P. 6202,

téléphone : +212 (4) 62-49-36

et vétérinaire

Hassan

Rabat-Instituts, Rabat, Maroc; téléphone : +212 (7) 77-17-58; télécopieur: +212 (7) 77-58-38

Résumé

La télédétection spatiale devient de plus en plus utile pour le suivi régulier de l’évolution

rapide des grandes agglomérations

métropole du Maroc, connaît une mutation continuelle et rapide de l’espace agricole en

espace bâti. Elle est ainsi un site adéquat pour étudier l’apport des images HRV de SPOT dans la détection du changement. Dans cette étude, nous proposons une méthodologie visant àdétecter les changements spatio-temporels, imputables àl’urbanisation, au niveau

entre 1986 et 1993. Pour cela, nous avons utilisé quatre

imagesmultibandesdatantde 1986,1988,1991 et 1993. Lacomparaisonpostclassification

a été effectuée sur les deux premières composantes principales et le néo-canal d’indice de

de la périphérie

des pays en développement.

Casablanca, grande

casablancaise

végétation en utilisant la méthode de classification hybride pour chaque image. Les images résultantes ont été soustraites l’une de l’autre dans le but d’identifier les changements du

non bâti au bâti. Les résultats de cette opération ont montré une extension urbaine

maximale de 17 % pour la période 1986-1988 avec une précision de l’ordre de 78 %. Bien

que cette valeur l’urbanisation.

classification

une

à

soit

Les

acceptable,

différentes

les changements

confusions

peuvent

détectés

être

n’ont

réduites

pas été tous

en effectuant

dus

modal.

hybride plus fine et en testant plusieurs

valeurs seuils pour le filtre

275

M. Azerzaq, M. Assajï el A. Fahi

1. Introduction

Le Maroc

d’urbanisation très intense. La mise en oeuvre de politiques urbaines pour le suivi régulier

decephénomèned’urbanisationnécessitel’acquisitiond’informationsfiablesetactualisées

sur toutes les formes d’évolution.

méthode traditionnelle pour l’acquisition de l’information, a toujours été lente, laborieuse

aériennes,

est parmi les pays en développement

La comparaison

qui connaissent

actuellement

une vague

visuelle des photographies

et sujetteàdeserreursd’omission. C’estainsiqueles techniquesnumériquesontconnudes

développements

ont été proposées et testées par

différents chercheurs. La comparaison postclassifïcation (WEISMILLER et a!., 1977a et

considérables.

Diverses

techniques

de détection

du changement

1977b)estlaméthodelaplusévidentequicomparedeux

imagesclasséesindépendamment.

La supposition

du changement se résume à ce que tout changement dans la couverture du sol résulte en un changementdanslesvaleursspectrales.Ladifférenced’image(GRIFFITS, 1988;JENSEN,

fondamentale de l’utilisation

de la télkdétection

spatiale pour la détection

1986), l’analyse en composantes principales

(FUNG

andLeDREW,

1987a; SINGH,

1989)

et la transformation

méthodes les plus utilisées dans la détection du changement,

tasseled cap (FUNG

and LeDREW,

1987b) sont, généralement,

les

D’autres

méthodes plus récentes utilisent

des images de hautes résolutions

spatiales et

spectrales,

en l’occurrence

la composition

P+XS et les techniques SIG (EHLERS,

1990;

WESTMORELAND

er al.,

1992).

Ces

méthodes

sont

basées,

essentiellement,

sur

l’interprétation visuelle de l’image, la classification et l’incorporation des données auxiliaires en vue de mieux quantifier l’évolution urbaine. Notre étude vise à mettre en

évidence l’évolution (tab. 1) et à produire

de l’espace

bâti au niveau des zones périphériques

l’expansion

de Casablanca

ainsi une carte montrant

urbaine entre 1986 et 1993.

2. Méthodologie

La méthode proposée dans cette étude concerne les traitements

préliminaires

des images

multidates,

images multidates, l’évaluation de la précision de la méthode de détection du changement

et l’interprétation

la comparaison

postclassification

pour la détection du changement

sur les

du changement.

2.1.

Zone

d’étude

Casablanca,capitale éco?omique et industrielle du Maroc, abrite plus du quart des ménagesurbainsdu pays.A causede sonpouvoir d’attraction surla populationrurale, les zones de la périphérie casablancaiseconnaissentune mutation continuelle de l’espace

Tableau

1.

Pourcentagesdu bâti et du nonbâti relatantl’expansionurbainedela ville de Casablancadurantla période1986-1993

 

1986

1988

1991

1993

Bâti (%)

30

47

57

12

Non bâti (%)

70

53

43

28

 

276

Utilisation

des images HRVde

SPOTpour

la détection

du changement

périurbain

à Casablartca

(Maroc)

agricole en d’autres formes d’occupation du soi. Cesdernièressont la prolifération du logement,l’implantationdeséquipements,ladisséminationdesfo~esd’activitéspurement urbaineset l’émergencedeslieux de loisir. Ainsi, la rapidité de l’expansion urbaine de Casablancaau détriment deszonespériurbainesfait de cette ville un site adéquatpour étudier l’apport desimagessatellitairespour la détection du changementau niveau de l’espacebâti.

2.2. Sources des donnéeset prétraitement

L’une desimportantesconsidérationstemporellespour la détectiondu changementestle moisd’acquisition desimages.JENSEN (1983) arapporté quelesimagesprisespendant les périodesensoleilléesprésententun très bon contrasteentre les différents détails, en particulier entre ceux del’urbain et du non urbain.Il a aussisuggéréd’utiliser desimages acquisesdansla mêmepériodede l’annéepour la détectiondu changementet ce, afin de réduire les problèmes dus aux différences des angles solaires, aux changements phénologiquesde la végétation et aux différences dans l’humidité des sols. Dans cette étude,quatre imagesmultidatesHRV de SPOT, datantdu 6 juillet 1986,du 8 août 1988, du 2juillet 1991et du 15février 1993,ont été analyséespour la détection du changement du non bâti au bâti. Des photographiesaériennes(noir et blanc) à l’échelle du 1: 20 000, datant du 7 janvier 1987et uneimage composéeP+XS datant de 1993ont servi comme réalité deterrain pourévaluer la précisiondela détectiondu changement.Enfin, lescartes topographiquesau 1: 50000de 1973ont étéutiliséespour la rectification géométriquedes images.

2.3. Corrections radiométriques et géométriques desimages

Concernantla rectification radiométrique,nousavonsutilisé la techniquedéveloppéepar

HALL

minimalesétaientlesplusfaibles.Cette méthodevise à standardisertouteslesimagespar rapport àl’image deréférenceet àcompenserleserreursdecalibrationdu capteurainsique les effets des différences atmosphériqueset d’illumination entre les images. Pour cela, nousavonssélectionnédouzepixels danschacunedeszoneslesplussombres(voisinesde zéro) et lesplus brillantes (voisinesde 255) dansl’image deréférenceet celle à corriger. La transformationlinéairereliant lesdeux valeursradiométriquesdanslesdeux imagesest de la forme :

et al. (1991). L’image de 1986 a été prise comme référence car ses valeurs

Y1 = a, + b, X,

où Yt est la valeur radiométrique d’un pixel dans l’image de référence et X1 la valeur radiométrique du même pixel dans l’image à rectifier. Les constantesa, et b! sont, respectivement,la translationet la pentedela droitejoignant l’ensembleradtométnquele plussombreà celui le plusbrillant danschaquebandei. Lesrelationsentreles moyennes

radiométriquesdes ensemblesde contrôle dans les deux images(HALL peuvent donc être expriméespar :

et al., 1991)

a1+ b, DI, = D”

271

M. Azerzaq.

M. Assafi

et A. F&i

où D”, DI1,B, et Bl, sont les moyennesdesvaleurs radiométriquesles plus sombres(D) et les plus brillantes (B) pour l’image de référence (r) et l’image rectifiée (s) dansla ième bande. Suiteàcettecorrectionradiométrique,nousavonsprocédéàlarectificationgéométrique desimages.La précision de cette rectification influe sur la précision de la détection du changement.Ainsi, l’image de 1993a été rectifiée par rapport à la carte avec une erreur moyennequadratiquedel’ordre de0,25pixel enutilisant 16pointsdecontrôle. Lesautres imagesont étérectifiées par rapport àcelle de 1993avec deserreursrésiduellesqui n’ont pasdépassé0.17 pixel. Le rééchantillonnagedesimagesaétéréaliséàl’aide dela méthode duplusprochevoisin carcelle-ci n’altèrepasla valeur radiométriquedespixels (JENSEN,

1986).

2.4. Création desimagescomposées

Commeladétectionduchangementn’aconcernéqueleszonespériphériquesdeCasablanca,

nous avons extrait, à partir desquatre images,dessous-imagesreprésentantles zones d’expansion urbaineet la zone côtière. L’analyse en composantesprincipales de chaque sous-imagenousa permisde retenir la premièrecomposanteprincipale représentanten moyenne78 %delavariancedesdonnéesinitialesetladeuxièmecomposantereprésentant

21 % de la variante.

À

ces deux composantes,pour chaque sous-image,nous avons ajouté l’indice de

végétation normalisé (((XS3 - XS2) / (XS3 + XS2) +l)

rehausserpréférentiellementles zonesàcouvert végétal par rapport à cellesbâties.De ce fait, cenéo-canalaétéavantageuxdansla séparationentrelesstructuresurbainestrèsfines et minimes,localiséesauniveaudeszonesd’extensionurbaine,et la végétationabondante caractérisantces zones.Les imagescomposéesont été utiliséesdansle processusde la comparaisonpostclassification.

128). Ce dernier a permis de

2.5. Comparaison postclassification et détection du changement

L’utilisation de la méthodede comparaisonpostclassificationconvenait à cette étude, puisqueles donnéesdes différentes datesont été classéesséparément.Cette méthode permetdeminimiserleseffetsdesconditionsatmosphériquesdifférenteset del’utilisation de capteursdifférents lors de l’acquisition desimagesmultidates (SINGH, 1989). Par ailleurs,desétudesrécentesont montréquela combinaisondu filtrage detype modalavec lesprocédésdeclassificationpe~etd’améliorerlaprécisiondeladétectionduchangement (JENSEN eral., 1993).Le filtre modal,appliquédansun voisinage3 x 3, avec unecertaine valeur seuil, généralementégale à trois, permet de supprimerles pixels isolésou mal classés,ou les pixels du bruit (STOW et al., 1980;JENSEN et al., 1993). Il remplacela valeur du pixel central par unevaleurmajoritaire. Le seuil de majoritécorrespondauseuil à partir duquel la valeur majoritaire remplacela valeur du pixel central.

Dans notre étude, nous avons adopté le processusde la classification hybride qui combinela classification non dirigée et celle dirigée et, de ce fait,est généralementplus précise.L’approche de cette classification utilise la notion de groupement(ckster) pour améliorerla définition desclassesd’échantillonnagequi serontutiliséesdansle processus

de la classification dirigée. CHUVEICO

précision de 60,s % pour une classification hybride contre 48,l % seulementpour une classification dirigée. Ainsi, dansunepremièreétape,nousavonsutilisé uneméthodede

et CONGALTON

(1988) ont rapporté une

278

Utilisatior~

des images HRVde

SPOTpour

la détection

du changement

périurbain

à Casablanca

(Maroc)

groupement(I~o&ta) pour avoir le fichier dessignatures.Ensuite, nous avonsutilisé ce fichier pour la classification dirigée. Cette dernièrea été réaliséepar la combinaisonde deux méthodesde classification : parallélépipèdeet maximum de vraisemblanceafin de parer au problèmede la distribution non normaliséedesimagesutilisées. La classification desimagesde 1986,1988, 1991et 1993a étéréaliséeen fonction de deux classes: bâti et non bâti. La techniquedefiltrage detype modal aété appliquéeaux quatre imagesclassées,et ce, dans un voisinage de 3 x 3. Dans le but d’identifier les changementsdu nonbâti aubâti, nousavonscomparéles imagesclasséeset filtrées enles soustrayantl’une del’autre. Lesimagesdesdifférencesrésultantdecette opérationont été ensuitetransforméesenimagesbinairesencodifiant leurspixels par desvaleursunet zéro correspondantrespectivementauchangementet non-changement.

2.6. Évaluation de la précision de la méthode de détection du changement

Pourévaluerlaprécisiondenotreméthodededétectionduchangement,nousavonsélaboré un schémad’échantillonnagepourla sélectiond’un nombred’échantillonsidéalpour cette évaluation. Ainsi, pour nepasfixer unevaleur arbitrairepour leseuildeprécisionattendue, nousavonsprocédéaumoyen d’unéchantillonnagepilote orientatif. Pourcela,enutilisant une grille régulière superposableà l’image binaire 1986-1993,nousavons localisé 100 échantillonsà l’aide d’unetable de nombresaléatoires.Ceséchantillonsnousont permis d’estimer la précision attendueà 84 %. Parla suite, en utilisant la formule de la théorie de probabilité binômiale,le nombreidéalN d’échantillonsà testerpourévaluer lesdifférents types deprécisiondedétection du changementpeut être déterminé,d’aprèsSNEDECOR et COCHRAN (1967) commesuit :

où p est le pourcentagede précisionattendue,q est égal à 100-pet E est l’erreur permise (5 %). Les215 échantillonsrésultantsont été localisésà l’aide d’une grille superposable àl’image desdifférencesenutilisant lemoded’échantillonnagesystématiquestratifié àun

élémentpar strate (SNEDECOR and COCHRAN,

échantillons a été extraite à partir des photographiesaériennesau 1: 20 000 et l’image composéeP+XS filtrée de 1993. Une matrice de confusion a été établieentre chaqueimage binaire et les donnéesde référence(échantillons).À partir decettematrice, nousavonsévalué laprécisiontotale, la précision du producteur et la précision de l’utilisateur concernantle changementdu non bâti au bâti. Une dernièreméthoded’évaluation dela précisionconcernel’utilisation du cœffïcient Kappa. Cecoefficientincorporetouslesélémentsdela matrice deconfusion,et passeulementlestermesdiagonaux. pour sadétermination.Ainsi, il estlargementutilisé dansl’évaluation de la précision dela classification et danslesméthodesde détectiondu changement(FOODY, 1992).

1967).La réalité de terrain pour ces

279

3.

Résultats

M. Azerzaq,

M. As@

et discussions

et A. Fahsi

Les imagesde différences (binaires), obtenuesà l’issue desclassificationsindividuelles des quatre images multidates composées ont montré des expansions urbaines, respectivement,de 17 %, 10 % et 15 % pour lespériodesde 1986-1988,de 1988-1991et de 1991-1993.Cesdonnéesont été combinéespour créer unecartemontrant l’expansion du changementenbâti entre 1986et 1993(fig. 27-1, voir cahiercouleur). La fiabilité des

informations contenuessur cette carte se reflète par les différents indices de précision dérivésàpartir desmatricesdeconfusionforméespour lesimagesdedifférencesde 1986- 1993et de 1988-1991(tab. 2). Sur ce tableau,on montre desprécisionstotalesde l’ordre

de 76 % et de78

de 53 70et 54 % pour les imagesde différences de 1986-1993et de 1988-1991. Bien que cesvaleurs reflètent une précisionacceptable,les changementsdétectésne sont pastous dus à l’urbanisation. L’analyse visuelle des classificationsrelatives aux différentes datesa détectécertainesindicationsdu changementdu bâti aunon bâti qui ne correspondaientpasà la réalité de la ville de Casablanca.De même,nousavonsnoté des confusionsentre le bâti et les solsnus duesaurapprochementdes valeursradiométriques entrecesdeuxclasses.Certainschangementsapparentsontétéproduitsparlerecouvrement spectral entre les classesou les pixels frontières. Dans ce sens, le réseauroutier, en particulier les voies routières ayant desdimensionsassezimportanteset qui séparentles îlots d’extension urbaine, a créé un grand nombre de confusions.Par exemple, dansla classification del’image de 1991,cesvoies routièresont étéaffectéesà la classedu bâti alors que, dansl’image de 1988, elles ont été omisesde cette mêmeclasse.D’autres

% avec despourcentagesd’agrémentKappa, respectivement,de l’ordre

changementsont été produits par les modifications significatives du couvert végétal, en

lesdifférencesdestadesphénologiquesentrelesdates.Tenant comptedeces

l’occurrence

confusions, toutes les indications du changementde l’espace bâti devraient être bien interprétéesafin de s’assurerde leur validité.

Tableau

2.

Matricedecontingenceetindicesdeprécisionpourlesimagesbinairesde 1986 1993et 1988-1991;classe1= aucunchangementet classe2 = changement

Donn&es de référence

(réalitédeterrain)

 

classe 1

 

classe 2

 

Total

 

(1986-1993

/

1988-1991)

 

1986-1993

/

 

1988.1991

Données

classées

Classe

1

IlO/

12128

 

122 /

123

 

Classe2

 

39112

 

54 / 44

 

93 I

56

1Total

1

149/107

 

1

66172

 

1

215/179

Précisiondu

 

73.82

/

88,8

81.81

/

61

producteur

 

Précisionde

 

90,16

i

77,2

58,06

I

78,6

l’utilisateur

 

Précisiontotale

 

76,3

/ 77,6

CoefficientKappa

52,6

/ 5337

280

Utilisation

des images HRVde

4. Conclusions

SPOTpour

la détection

et recommandations

du changement périurbain

à Casablanca

(Maroc)

Aute~edecetteétude,ilapparaîtclairementqu’ilestpossibledelocaliserlesmodifications de l’espacepériurbain et d’en estimer l’ampleur à partir desimagessatellitaires à haute résolution spatiale (HRV). La fiabilité des résultatsest étroitement liée à la méthode adoptée.La comparaisonpostclassification,bienquecoûteuse,estlargementutiliséepour remédierauproblèmedenoncoïncidencedespériodesd’acquisitiondesimagesmultidates. Elle conduit à de bons résultats quand les classifications individuelles des images multidatessontprécisesetcomparablespourlesdifférentesdates.C’estpourquoil’utilisation dela techniquede filtrage detype modalpour améliorerla précisiondecesclassifications individuelles s’estavéréeprofitable. La méthodologieutiliséedanscetteétudeapermisdecernerlestransformationsspatio- temporellesde l’espacebâti au niveau des zonesd’expansion urbaine à un niveau de précision acceptablede 78 %. Toutefois, une amélioration de cette méthodologie aurait permis de produire des documentscartographiquesmontrant l’évolution du bâti non seulementau niveau deszonespériphériquesmaisaussià l’intérieur de l’espaceurbain Enconséquence,nousrecommandonsl’utilisationd’unprocessusdeclassificationhybride guidéequi tiendrait comptedesdonnéesauxiliaires(cartesd’évolution ou d’occupation et d’utilisation dusol,statistiquesdisponibles,photographiesaériennesetdonnéesdeterrain) pour que les classifications indépendantessoient aussiprécises que possible. Nous suggéronsaussique la valeur seuilpour le filtre modalsoit choisiedefaçon à supprimer lemaximumdepixels de bruit oumal classés.Cetype declassificationseraitd’autant plus utile pour les zonesurbainesprésentantuneforte hétérogénéitéet pourrait améliorer la précisionde la détection du changement.

5.

Références

CHUVEICO,E. andCONGALTON, R.G. 1988.Usingclusteranalysisto improvetheselectionof trainingstatisticsin classifyingremotelysenseddata. PhotogrammetricEngineeringand RemoteSensing,vol. 54,n”9, p. 1275-1281. EHLERS. M. 1990.Application of Spot datafor regionalgrowth analysisand local planning. PhotogrammetricEngineering& RemoteSensing,vol. 56,no2. p. 175-180. FOODY, G.-M. 1992.Onthecompensationfor changeagreementin imageclassificationaccuracy assessment.PhotogrammetricEngineering& RemoteSensing,vol. 58,no10,p. 1459-1460. FUNG, T. and LeDREW, E. 1987a.Application of principalcomponentsanalysisto change detection.PhotogrammetricEngineering& RemoteSensing,vol. 53,no12,p. 1649-1658. FUNG, T. andLEDREW, E. 1987b.Landcaverchangedetectionwith LandsatMSS andTM data in theKitchener- Waterlooarea,Canada.TechnicalPapersof the ASPRS-ACSMAnnual Convention.AmericanSocietyof Photogrammetryand RemoteSensingand American CongressonSurveyingandMapping,FallsChurch.Virginia. vol. 6, p. 81-89. GRIFFITS, G.-H. 1988.Monitoringurbanchangefrom LandsatTM andSpotsatelliteimageryby imagedifferencing.Proceedingsof the InternationalGeascienceand RemoteSensing Symposium,EuropeanSpaceAgency,Paris,vol. 1,p.493-497. HALL, F.-G.,STREBEL,D.-E.,NICKSON,J.-E.andGCETZ,S.-J.1991,Radiometricrectification:

towardsa commonradiometricresponseamongmultidate,multisensorimages.Remote Sensingof Environment,vol. 35,n” 1,p. 1l-27.

281

M. Azerzaq,

M. Assajï et A. Fahsi

JENSEN.

J. R. 1983. Chapter 30 - Urbankuburban

land use analysis. in Colwell,

R.N. (ed.), Manual

of Remote Sensing 2ed

Church,

American

Society of Photogrammetry

Virginia,

vol. 2, p. 1571-1666.

and Remote Sensing,

Falls

JENSEN, J. R. 1986. Introductory

Hall, Englwood

digital

Cliffs, New Jersey, 379 p.

image processing: a remote sensing perspective. Prentice

-

JENSEN.

J. R., COWEN,

D. J., ALTHAUSEN,

J. D., NARUMALANI,

S. AND WEATHERBEE,

0.

1993.

An

evaluation

of coastwatch

change

detection

protocol

in

South

Carolina.

Photogrammetric

Engineering

& Remote Sensing, vol. 59, n” 6, p. 1039-1046.

SINGH,

A. 1989. Review article:

Digital

change detection

techniques using remotely sensed data.

International

Journal

of Remote Sensing, vol. 10, nD6, p. 989-1003.

SNEDECOR,G.-W.

andCOCHRAN,

W.-F. 1967. Statistical methods. Iowa StateUniversity Press.

 

Ames, p, 202-211

et p. 516-517.

STOW,

D.A., TINNEY,

L.R. and ESTES,

J.E. 1980. Deriving

land use/Iand caver change statistics

from Landsat

SymposiumonRemoteSensingofEnvironment,EnvironmentalResearchInstitueofMichigan,

agricultural

: a study

of prime

land.

Proceedings

of the 14th International

Ann Arbor,

Michigan,

vol. 2, p. 1227-1237.

WEISMILLER,

R.-A.,

KRISTOF,

S.-J., SCHOLZ,

D.-K.,

ANUTA,

P.-E. and MOMIN,

S.-A.

zoneenvironments.

Proceedings of the 11th International Symposium on Remote Sensing of Environmental Research Institute of Michigan, Ann Arbor, Michigan, vol. 2. p. 1229-1238.

1977a.Anevaluationofchangedetectiontechniques

formonitoringcoastal

WEISMILLER,

R.-A.,

KRISTOF.

1977b.Changedetectionincoastal

S.-J., SCHOLZ,

ANUTA,

techniquezoneenvironments.PhotogrammetncEngineenng

D.-K.,

P.-E. and MOMIN.

& Remote Sensing, vol. 43, nu 12, p. 1533-1539.

S.-A.

WESTMORELAND.

S. DOUGLAS,

R. and STOW,

M. 1992. Category

identification

of changed

land use polygons in integrated image processinglgeographic

information

system.

Photogrammetric

Engineering

& Remote Sensing, vol. 58. n” 11, p. 1593.1599.

282

Télédétection des milieux urbains e~périurbains. Éd. AUPELF-UREF.1997.p. 283-290

urbains e~périurbains. Éd. AUPELF-UREF.1997.p. 283-290 28 Fusion d’images HRV (P et XS) de SPOT à

28

Fusion

d’images

HRV

(P et XS) de SPOT

à

l’aide

de la méthode

ARSIS

: apports

à la

cartographie

urbaine

THIERRY RANCHIN et LUCIEN WALD

Groupe télédétection et modélisation,Centred’énergétique,École desminesde Paris, B.P. 207, F-06904 SophiaAntipolis cedex, France: téléphone: +33 (4) 93-95-75-75; télécopieur : +33 (4) 93-95-75-35; CE : ranchin@cerierg.cma.fr; wald@cenerg.cma.fr

Résumé

L’objectif de cette communicationestde présenterune nouvelle méthodepermettantla production d’images à haute résolution spatiale, réunissantles qualités de la haute résolutionspatialeetspectraledessatellitesd’observationdelaTerreetplusparticulièrement du capteur HRV de SPOT pour la cartographieurbaine. Les techniquesde cartographie urbaine s’appuient sur des algorithmes de classification, dirigée ou non. La haute résolution spatialeayant, pour cette application, un intérêt prépondérant,desméthodes pe~ettantd’améliorerlarésolutionspatialedesimagesmultibandesXSontétédéveloppées. Une analysede ces méthodesa montré qu’elles ne respectaientpasle contenu spectral original des images.La méthodeARSIS (amélioration de la résolution spectrale par injection de structures) a été développéepour fournir desimagesmultibandesà haute résolutionspatiale.Elle permetla préservationdel’information originaledecesimageset, parconséquent,d’améliorerI’efficacitédesclassificateurs.Elles’appuiesurlatransfo~ée enondelettesetl’analysemultirésolution,qui sontbrièvementprésentées.Unedémonstration de cette méthodeest présentée.Une évaluation quantitative a montré que la méthode ARSIS fournit demeilleursrésultatsqueles autresmethodesen termesdepréservationde la qualité spectraledesimages.Desclassificationsréaliséessur lesdonnéesoriginales et sur les imagesrésultantde la fusion sont comparées.

283

1. Introduction

T.

Ranchin

et L Wald

Avec l’apparition dessatellitesd’observationdelaTerre àtrèshauterésolutionspatiale(de l’ordre du mètre), la cartographieurbaineestl’une desapplicationsles plusprometteuses de la télédétection. La plupart des satellites d’observation de la Terre fournissent ou fourniront une image à haute résolution spatiale et plusieurs images à moins bonne

résolution spatiale, mais a haute résolution spectrale. Les techniquesde cartographie urbaine s’appuient sur la photo-interprétation et sur desclassifications dirigées ou non, permettantdefaciliter la tâcheduphoto-interprète.Lestechniquesactuellesd’amélioration

de la résolution spatialedesimagesont été analyséespar MANGOLINI

plupart ont encommunle non-respectducontenu spectraldesimagesoriginales.Seulela duplication de pixels respectel’information originale de cesimages,mais ne tire aucun avantagede la présencede l’image panchromatique. La méthodeARSIS développéeconjointementpar 1’Atrospatiale et l’École desmines

de Paris(RANCHIN,

unensembled’imagesderésolutionsspatialeet spectraledifférentes, d’amenerlesimages ayantunemoinsbonnerésolutionspatialeàlameilleurerésolutionspatialedisponibledans l’ensemblede données,Cependant,la qualité spectraledesimagesdont on améliore la résolutionspatialeestpréservée.Lesimagesobtenuespeuventêtreutiliséesàd’autresfins queta simple visualisationet ainsiaméliorer,parexemple,la précisiondesclassifications réaliséessurlesimagesmultibandesoriginales.Cetteméthodes’appuiesurla transformée en ondeletteset l’analyse multirésolution décritesbrièvementà la section2. La méthode ARSIS est présentéeà la section3. Un exemple d’application de cette méthodesur un extrait d’unescèneHRV deSPOT dela ville deBarcelone(Espagne)estprésentéet évalué à la section4. Des classificationsbinaires réaliséessur les imagesoriginales et sur les imagesrésultantdu processusdefusion sontcomparées.En conclusion,lesautrescasdéjà étudiéssontprésentéset les perspectivesd’utilisation de cette méthodeévoquées.

et al. (1995). La

1993;RANCHIN et a[., 1994;MANGOLINI,

1994)permet,dans

2. Transformée

en ondelettes

et analyse multirésolution

L’analyse multirésolution a été introduite parMALLAT (1989). Cet outil mathématique permet de calculer desapproximationssuccessivesd’une mêmeimageà desrésolutions spatialesdeplusenplusgrossières.Ellepeutêtrereprésentéeparunepyramide(fig. 1)dont labaseestl’image originaleetdont lesdifférentesapproximationssontlesdifférents étages de la pyramide. La limite théorique de cette analyse est une image d’un pixel qui représenteraitla moyennede l’image de départ.

pixel qui représenteraitla moyennede l’image de départ. F i g u r e 1 . /

Figure 1.

/

Image origmak

Pyramidereprésentantuneanalysemultirésolution

284

Fusim

d’intages

HRV

(P et XS) de SPOT

à l’aide

de la méthode ARSIS : apporrs

à la cartographie

urbaine

Ladifférenced’informationexistantentredeuxapproximationssuccessivesestmodélisée

pardescoefficientsd’ondelettescalculésàpartir dela transforméeenondelettes.Lesbases d’ondelettessontconstruitespardilatations et translationsd’une fonction unique,appelée ondelette-mère.Le signal,ou l’image, estdécomposédanscettebaseet unereprésentation temps-fréquence(pour un signal) ou espace-échelle(pour uneimage) estobtenue. Cette opération d’analysefaisantappelàla transformeeen ondelettesest inversible et àreconstructionexacte.Ainsi, àpartir d’une approximationdel’image d’origine (un étage de la pyramide) et des imagesde coefficients d’ondelettes (représentantla différence d’information entre deux approximations successives),il est possiblede reconstruire

(1993) ont présenté quelques

exactement l’image d’origine. RANCHIN

possibilitésd’utilisationdecesoutilsdanslecadredelatélédétection;pouruneintroduction

plusmathématique,onpeutconsulterparexempleMALLAT(1989),RIOULetVETTERLI

(1991), DAUBECHIES (1992) et MEYER (1992).

et WALD

3.

Méthode

ARSIS

Danscette section,la méthodeARSIS estprésentéepour le casdu capteurHRV de SPOT. Cecapteurfournit uneimagepanchromatiqueP(résolutionspatiale: 10m) et trois images XS, (résolutionspatiale: 20m). La méthodeARSIS permetdesynthétiserdesimagesXS, HR (i = 1à3; HR = hauterésolution) àla résolutionspatialede 10m tout en préservantla qualité spectraledesimagesXS, originales.Le schémadecette méthodeestprésentéà la figure 2. Une analyse multirésolution utilisant la transformée en ondelettesest appliquée à l’image P. Des approximations de cette image à 20 m, 40 m, 80 m, etc, sont calculées (opération 1). Les différences d’information entre les approximations successivesde l’image originale sontmodéliséespar les coefficientsd’ondelettes.De manièresimilaire, l’image XS, est décomposéeet des approximations à 40 m, 80 m, etc, sont calculées

l’image XS, est décomposéeet des approximations à 40 m, 80 m, etc, sont calculées Figure MéthodeARSIS
l’image XS, est décomposéeet des approximations à 40 m, 80 m, etc, sont calculées Figure MéthodeARSIS
l’image XS, est décomposéeet des approximations à 40 m, 80 m, etc, sont calculées Figure MéthodeARSIS
l’image XS, est décomposéeet des approximations à 40 m, 80 m, etc, sont calculées Figure MéthodeARSIS

Figure

MéthodeARSIS

285

T. Rnnchin

er L. Wald

(opération2). Un modèledetransformationdescœfficients d’ondelettesdel’image P vers

lescoefficientsd’ondelettesdel’image XS, pour unerésolutionspatialedonnéeestcalculé (opération3). Ce modèleest alorsinféré et appliquéàl’image decoefficientsd’ondelettes

P

représentantla différence d’information entrel’image P àla resolutionspatialede 10m

et

sonapproximation àla résolutionspatialede20m (opération4). Cette opérationpermet

decalculer lescœfficients d’ondelettesnécessairesàla synthèsedel’image XS,-HR. Cette synthèses’effectue par reconstruction (opération 5, inverse de l’analyse) a partir des cœfficients d’ondelettessynthttisés et del’image originale XSi. Cette méthode est applicable à d’autres résolutions spattaleset à d’autres bandes spectralesd’aprèsle mêmeprincipe.

4.

Exemple

: extrait

d’une

scène HRV sur Barcelone

(Espagne)

La scèneHRV traitée a été acquisesur la ville de Barcelone (Espagne)le 11 septembre 1990.Barceloneestunecité situéeau nord-estde l’Espagnesurla côte méditerranéenne.

Cette scènea un contenuthématiquetrèsriche. Elle comprendun port, un aéroport,des zones urbaines avec des infrastructures routières et autoroutièresainsi qu’un réseau

hydrologique, des champscultivés, des zonesmontagneuseset une végétation de

méditerranéen, Elle est composée de l’image P et des images multibandes XSi, géométriquementsuperposables. La méthodeARSIS aété appliquéeàcet ensembled’images.La figure 3aprésenteun extrait de l’image XSl originale. Elle comprenddeschampscultivés de petite taille (de l’ordre dequelquescentainesdemètrescarrés)situésdanssapartie inférieure gauche,une zone urbainedanssapartie supérieuregauche,ainsi quedesrouteset autoroutesvisibles demanièredistincte. Cependant,les échangeurssont difficilement discernablessur cette

image.La figure 3b présentel’image XS 1-HR résultantdu processusde fusion. La qualité visuelle decette imageestdueà l’introduction de l’information extraite dansl’image Pet modéliséeafin de préserver la qualité spectrale de cette image. Ainsi, on distingue nettementsurcetextrait lesdifférentséchangeurs,le réseauroutierdanslapartiesupérieure gaucheainsi que lesgrandsbâtiments. L’apportquantitatifdelaméthodeARSISnepeuts’évaluerqu’enconfrontantlerésultat du processusde fusion à une référence. Cependant, il n’est pas possiblede disposer

type

actuellement d’images XS, à la résolution spatiale de 10 m. Afin

problème, on simule un ensembled’imagesen décalant les résolutionsspatialesd’un

facteur 2. Ainsi, l’ensembled’imagesest composéd’une imageP à 20 m et d’imagesXS>

à 40 m. En appliquant la méthodeARSIS, on obtient des imagesXS,* à la résolution

spatialede20 m que l’on peut compareraux imagesXSi originales.Bien qu’on ne puisse déduirede cette comparaisonquela qualité desimagesXS,-HR soit similaire à celle des

imagesXS,* (MANGOLINI,

desrésultatsobtenus.Cetteméthodologiea étéappliquéepar MANGOLINI

et apermisdemontrer quela méthodeARSIS fournit demeilleurs résultatsqueles autres méthodesen termesdepréservationde la qualité spectraledesimages. Étant donnéle respectde la qualité spectraleamenépar cette méthode,il estpertinent de comparer des classifications réaliséessur les imagesXSt et XS,-HR. La figure 4a présenteuneclassificationnon dirigée, réaliséeà partir d’une trichromie desimagesXSi,

dont l’objet estla miseenévidenced’une classe« réseauroutier ». L’algorithme utilisé est

1993). La classe« réseau

de contourner ce

1994),cetteopérationpermetdesefaireuneidéedelaqualité

et al. (1995)

une classification ascendantehiérarchique (ALBUISSON, routier » estprésentéeen blanc.

286

Figure 3. S&on de lil ville de Barcelone (Espagne) : a) handc XS I du
Figure 3. S&on de lil ville de Barcelone (Espagne) : a) handc XS I du
Figure 3. S&on de lil ville de Barcelone (Espagne) : a) handc XS I du
Figure 3. S&on de lil ville de Barcelone (Espagne) : a) handc XS I du
Figure 3. S&on de lil ville de Barcelone (Espagne) : a) handc XS I du
Figure 3. S&on de lil ville de Barcelone (Espagne) : a) handc XS I du
Figure 3. S&on de lil ville de Barcelone (Espagne) : a) handc XS I du

Figure

3.

S&on

de

lil

ville

de Barcelone

(Espagne)

: a)

handc

XS

I

du

ca@ui-

HRV

de

 

SPOT;

b)

image

XSI

-HR

synthétisée

à l’aide

de

la méthudc

 

ARSIS

SUI

la même

zone

T. Ranchin

et L. Wald

La figure 4b présentela mêmedémarcheappliquéeaux imagessynthétiséesXS;HR. La précisionapportéedanscette classificationpar la hauterésolution spatiale,permet de montrerdemanièresignificative sonapportàla cartographieurbaine.La partie supérieure gauchede cette figure permet de distinguer nettementle réseauroutier danscette zone urbanisée.Ilnenousestcependantpaspossibled’attesterquelespixelsdecetteclassedans les deux imagessonteffectivement despixels «réseauroutier » par manquederéalité de terrain.

5. Conclusions

et perspectives

Nousavonsprésentédanscet article une méthodepermettantde synthétiserà partir d’un ensembled’imagesdedifférentesrésolutionsspatialesetspectrales,desimagesmultibandes àla plushauterésolution spatialedisponible.La qualitéspectraledesimagessynthétisées est préservéede par l’utilisation d’outils mathématiquespuissants: la transformée en ondeletteset l’analyse multirésolution. Cette qualité spectralenousa permisd’améliorer la qualité de classifications en zone urbaine et d’obtenir une meilleure définition des classes. Bien que présentéedansle casdu capteur HRV, la méthodeARSIS est applicable à d’autrescas.Elle fait actuellementl’objet d’autresétudeset a étéappliquéenotammentà la fusion d’images P du capteur HRV (10 m) et TM de Landsat (30 m et 120 m pour la bande6) et à la fusion d’images TM (bande6 : 120m, autresbandes: 30 m) pour l’étude despollutions de l’air en ville. Le cas du futur satellite SPOT 4 a aussi été exploré (RANCHIN andWALD, 1995).Une étudeestactuellementencourssurdessimulations des futurs satellites SPOT 5 et 6. Elle permettrade valider la démarcheappliquéepour l’évaluation quantitative de la méthodeARSIS et d’attester son apport à la cartographie urbaine.La méthodeARSIS a aussiét6 appliquéeà la fusion d’imagesmultibandesXS du capteurHRV deSPOT (20 m) etdu satellited’origine russeKVR- 1000(résolutionspatiale 2 m, bandespectraleOS1- 0,76 pm) pour la cartographieurbainefine (discrimination des différents types de routes, de bâtiments, des zonesde végétation) et fera l’objet d’une publication future.

6. Références

ALBUISSON, M. 1993.Codagetrichromeet classification.in J.-M. Duboiset F. Blasco@éd.). Outilsmicro-informatiquesettélédétectiondel’évolutiondesmilieux.Troisiemesjoumkes

scientifiquesduréseaudetélédétectiondel’UREF,Toulouse,13-16novembre1990,Presses

de1’UniversitCduQuébecet AUPELF-UREF,Sainte-Foy(Québec),p. 167-173.

DAUBECHIES.I.1992.Tenlecturesonwavelets.CBMS-NSFregionalconferenceseriesinapplied

mathematics61.Societyforindustrialandappliedsmathematics(SIAM),PhiIadelph~a,USA,

357p.

MALLAT, S.G.1989.Atheoryformultiresolutionsignaldecomposition:thewaveletrepresentation. IEEE TransactionsonPattemAnalysisandMachineIntelligence,vol. 11,p. 674-693. MANGOLINI, M. 1994.Apport dela fusiond’imagessatellitairesmulticapteursauniveaupixel en télédétectionetphoto-interprétation.Thbsededoctorat.UniversitédeNice-SophiaAntipolis,

174p.

288

:iort d’images

HRV

(P et XS)

de SPOT à l’aide

de la méthode ARSIS : apports

à la cartographie

mine

de la méthode ARSIS : apports à la cartographie mine (4 (b) Figure 4. 0 500

(4

de la méthode ARSIS : apports à la cartographie mine (4 (b) Figure 4. 0 500
de la méthode ARSIS : apports à la cartographie mine (4 (b) Figure 4. 0 500
de la méthode ARSIS : apports à la cartographie mine (4 (b) Figure 4. 0 500
de la méthode ARSIS : apports à la cartographie mine (4 (b) Figure 4. 0 500

(b)

la méthode ARSIS : apports à la cartographie mine (4 (b) Figure 4. 0 500 m

Figure

4.

0

500 m

I

I

Classification : a) à partir d’une combinaison colorée des images X

b) A partir d’une combinaison

reprksente dans les deux cas le réseau routier

colorée des images XS,-HR;

la classe

289

S, originales;

: blanche

T. Ranchin

et L. Wald

MANGOLINI, M., RANCHIN, T. et WALD, L. 1995.Évaluationde la qualité des images multispectralesahauterésolutionspatialedérivéesdeSPOT.in Comptesrendusducolloque « Qualitbde l’interprétationdesimagesdetélédétectionpourla cartographie», Grignon,

1-3septembre1994,Sociétéfrançaisedephotogrammétrieettélédétection(SPPT),Bulletin

no137,p. 24-29. MEYER, Y. 1992.Lesondelettes:algorithmeset applications.ArmandColinCditeurs,Paris,172p. RANCHIN,T. 1993.Applicationsdelatransforméeenondelettesetdel’analysemultirésolutionau traitementdesimagesde télédttection.Thèsede doctorat,Universitéde Nice-Sophia Antipolis, 146p. RANCHIN, T. andWALD. L. 1993.The wavelettransformfor the analysisof remotelysensed images.InternationalJournalof RemoteSensing,vol. 14.no3, p. 615-619. RANCHIN, T. andWALD, L. 1995.Preparationof SPOT4 mission:productionof highresolution (10m) multispectralimagesusingtheARSIS method.in Proceedingsof 15thsymposiumof EARSeL,Progressin EnvironmentalResearchandApplications,Basel,Switzerland,4-6

septembre1995(souspresse).

RANCHIN, T., WALD. L. and MANGOLINI, M. 1994.Eftïcient data fusion using wavelet transform:thecaseof SPOTsatelliteimages.Proceedingsof theSPIE’s1993International SymposiumonOptics,ImagingandInstrumentation,vol. 2034,p 171-178. RIOUL, 0. and VETTERLI, M. 1991.Waveletsand signalprocessing.IEEE SignalProcessing Magazine,vol. 8,p. 14-38.

171-178. RIOUL, 0. and VETTERLI, M. 1991.Waveletsand signalprocessing.IEEE SignalProcessing Magazine,vol. 8,p. 14-38. 290

290

Télédéfeckm

des milieu

urbairzs ef périurbains.

29

Éd.AUPELF-UREF.

1997. p.291-298

Restitution

de photographies

satellitaires

pour la création topographiques

d’une

banque

de données

FABRICE

MULLER

’ et PASCAL

BRACKMAN

2

’ Laboratoire

SURFACES,

Université

de Liège,

7place

du 20 Août,

B4000

Liège,

B+ique;

téléphone

: +32

(4) 366-57-45;

télécopieur

: t32 (4) 366-56-93;

CE:

swfaces@geo.ulg.ac.be

 

2 TELE

ATLAS,

92 Moutstraat,

89000

Gent,

Belgique;

tékphone

: +32

(9) 222-56-58;

télécopieur

: +32

(9) 222-74-12;

 

CE

: pbr@

teleatlas.be

Résumé

Avec le développementdessystèmesd’information géographique(SIG), l’intérêt suscité par les banquesdedonnéesvectorielles estdeplusenplusgrand.Il estdoncimportant de s’intéresseràla créationet àla miseàjour decesbanquesdedonnées.Les photographies satellitairesrussesde type KVR- 1000semblentadéquatespour réaliserce travail au vu de leurhauterésolutionspatialedel’ordre de2 m.Après numérisation,àl’aide d’un scanneur, lesphotographiessontexploitablespardesméthodesnumériques.Etant donnéle caractère panchromatiqueet la pauvre résolution spectralede KVR-lOOO,.I’usage conjoint d’une imageHRV (XS) de SPOT de la mêmezone s’avère très utile. A la demandede TELE ATLAS, un testde créationd’une banquededonnéesvectorielles du réseauroutier, aété effectué parle LaboratoireSURFACES, àpartir dequatrezoneschoisiesdansla régionde Bruxelles. Après correction géométriqueetmiseenconcordancespatialedesdeux images, lesquatrezonesde2 x 2km ontétéextraites.Ensuite,surbasedeKVR-1000 seuleou d’une imagecolorée intégrant KVR-1000 et HRV (XS) de SPOT, la saisiemanuelledu réseau routier a pu être menéeà bien. La hauterésolutionofferte rend cette opérationaiséeainsi quela déterminationet la délimitation desobjetsau sol. Les résultatsobtenusprésentent uneerreur planimétrique moyennede Il ,84 m et ils peuvent donc être introduits dansla basede données.

291

1. Introduction

F.

Muller

et P. Brackman

Depuis quelquesannées,le développementdes systèmesd’information géographique (SIG) susciteun intérêt sanscessecroissantpour les banquesde donnéesgéographiques vectorielles. La création et la miseajour de cesbanquesdedonnéesdoivent être réalisées àpartir decartesexistantesouderelevésdeterrain. Parallèlement,l’ouverture récentedes pays de l’Europe de l’Est a engendré l’apparition, sur le marché international, de photographiessatellitairesrussesàhauterésolution.Cesphotographies,àusagestrictement militaire du tempsde 1’U.R.S.S sont maintenantcommercialiséespar diversesfirmes,

aussibien à l’est qu’à l’ouest. II semblait, par conséquent,très intéressantd’étudier les potentialités de ces photographiesdansle cadre de la création et de la mise à jour des banquesde donnéesvectorielles. Ceci explique pourquoi, suite à la demandede la firme

TELE ATLAS

européens, des tests de substitution des cartes topographiques habituelles par des photographiessatellitairesàhauterésolution,ontétéréalisésparleLaboratoireSURFACES del’UniversitédeLiège.Cestestsconsistentàsaisirl’informationplanimétriquesouhaitée, directement à partir des photographiespréalablementnumérisées,en lieu et place des cartestopographiquesparfois vieilles de quelquesdécennies.

qui réalisedesbanquesde donnéesdu réseauroutier de plusieurspays

2.

Matériel

et produits

utilisés

Les diverses opérationsde traitement d’images ont été réaliséessur un PC équipé d’un

processeur80486cadencéà 33MHz avec le logiciel Photdtyler.

INTERGRAPH avec les logiciels MicroSrafion et ISI-2. En ce qui concerneles produits satellitaires,lechoix s’estporté surunephotographienumériséedetype KVR- 1000demai 1992etsuruneimageHRV (XS)dejuin 1992,Larégionchoisiepourl’étudeestla banlieue sud-estdeBruxelles.L’imageHRV(XS)aétBchoisiepoursoncaractèremultibande, alors que le choix de KVR-1000 panchromatiquea été dicté par la nécessitéd’une très haute résolution spatiale,environ 2 m aprèsnumérisation.Le film KVR-1000 a une taille de 18 x 18cm et couvre une surfaceau sol de 40 x 40 km. La photographieest prise à une altitude d’environ 220 km, ce qui représenteune échellede 1: 220 000 sur le film. Les photographiessontcommercialiséessousfo~edecopiesdesfilmsoriginaux,ou biensous forme digitale aprèsnumérisationàl’aide d’un scanneur.Dansle cadredecette étude,on a opté pour le format numériqueafin de pouvoir traiter l’image de manièredigitale et l’intégrer à HRV (XS). Le film a éte numériséavec une ouverture de 8 mm, ce qui a engendrédespixels couvrant chacununesurfaceausol de2,2 x 2,2 m. L’image résultante est ainsi formée de 22 500 lignes sur 22 500 colonneset constitue un fichier d’environ 500 mégaoctets.

ainsiquesurunestation

3. Corrections

géométriques

Quatre zones de 2 x 2 km ont été choisiespour représenterdivers types d’occupation urbaine : 1) échangeurautoroutier : régiondeZaventem; 2) urbaineàforte densité: région

4) rurale : région de

d’Etterbeek; 3) urbaine à densité moyenne : région d’overijse; Neerijse.

292

Restitufion

de photographies

sarelliraires

pour

la création

d’une banque

de données topographiques

Une correction géométrique a été réalisée sur un extrait de l’image KVR-1000, englobantlesquatrezones-témoins.Pourcela,unecinquantainedepointsdecontrôle ont étécollectésentre,d’unepart, l’image brute, et, d’autre part, descartestopographiquesau 1: 25 000. Le systèmede coordonnéesutilisé est le Lumber?belge. La résolution originale de KVR-1000 a été conservéeet l’image rectifiée a ainsi des pixels de 2,2 x 2,2 m. Ensuite, l’image HRV (XS) a éte rectifiée surbasede la nouvelle imageKVR-lOOOobtenueàI’étapeprécédente.Cetterectifications’estaccompagnéed’un changementdela taille despixels qui estpasséede20 a 2.2 m, c’est-à-direque le nombre total de pixels aétémultiplié par unfacteur approximatif de80. Lesvaleursobtenuespour les nouveaux pixels ont été engendréespar interpolation bilinéaire. Si on considère,par exemple,uneerreur planimttrique de 10m, l’amplitude du relief acceptéepeut être calculéepar la formule suivante (CARRE, 1972):

7-E.f d

2 :

E : erreur planimétriquetolérée;

amplitude du relief maximum acceptable;

f

: focale de la chambrede prisede vue;

d

: distancedu centre au bord du film photographique.

Ainsi, pour unephotographieKVR-1000

de format 18x 18cm, avecf= 1000mm et

d = 90 mm, on reste au-dessousdes 10 m d’erreur planimétrique pour un relief dont l’amplitude ne dépassepas 111m. Si tel n’est pasle cas,on peut toujours augmenterla valeur deZen réduisantd, cequi consisteà nefaire usagequed’une partie plus restreinte du film photographique.

4.

Intégration

de HRV

(XS) et KVR-1000

La combinaisondesimagesHRV (XS) et KVR- 1000permetla créationd’imageshybrides

en couleursàhauterésolution spatiale.Cetteintégration estréaliséepar la transformation

RVB (rouge,

vert, bleu) versLTS (luminance,teinte, saturation)et soninverse. Un choix

judicieuxdel’ordredescanauxenentréelorsdecesdeux transformationsdonneégalement la possibilitéd’obtenir une imageen couleurs naturelles.Considéronsune composition colorée danslaquelleon attribue respectivementXS3, XS2 etXSl aux couleursR, V et B. La conversiondecetteimageRVB verslesystèmeLTS fournit trois nouveauxcanauxpour lesquelson remplaceL par l’unique bandede l’image KVR-1000, avant de procéderà la transformation inverse qui permet de recouvrer une imagedansle systèmeRVB. Une simplepermutation descanauxR et V permetalors,dansla plupart descas,d’obtenir une imagecolorée à hauterésolutionqui présentedescouleursdites naturelles.

5.

Éléments

planimétriques

recherchés

Le but de cette étude est d’extraire

certainsattributs, pour les inclure dansla basede donnéesvectorielles du réseauroutier. L’extraction automatiquereposeactuellementsurdesméthodesqui donnentdesrésultats non suffisammentfiablespour uneapplicationdece type. C’est pourquoi, lestestsont été

des élémentsplanimétriques,avec éventuellement

293

F. Mulierer P. Brac!wmn

basés sur une extraction manuelle par interprétation visuelle de KVR- 1000 seule ou faisant appel à une image hybride en couleurs naturelles.

Avec cette technique,

il s’est

avéré possible d’extraire

banque de données de TELE ATLAS

(tab. 1).

les éléments constitutifs

de la

6.

Résultats

Les éléments précédemment cités sont reconnaissables avec des degrés de facilité

Ainsi, il est beaucoup plus facile de suivre le tracé d’une autoroute que celui d’une simple

route en zone rurale. Pour les rues, le cas le plus simple est celui des zones à forte densité

d’urbanisation

les habitations en bordure de route engendrent parfois des problèmes

Le recours

hautes fréquences) peut très souvent augmenter le contraste des éléments linéaires dans les images. Une image en couleurs naturelles aide aussi à la délimitation de certaines zones.

les

divers.

car les rues sont bien délimitées par les quartiers,

alors qu’en zone rurale,

pour la délimitation.

à l’usage de filtres (principalement

des filtres passe-haut qui font ressortir

II est donc souvent préférable,

partir de KVR-1000,

Des mesures ont été effectuées entre les résultats de la numérisation et les données existantes dans la banque de données de TELE ATLAS pour les quatre zones-témoins.

Pour chaque zone, dix points ont été choisis dont les coordonnées ont été collectées. Sur

le tableau 2, on synthétise ces mesures et présente les différences obtenues : S, et S, sont

les coordonnées en X et en Y des points obtenus par numérisation, TA, et TA,, sont les

dans la mesure du possible,

de travailler

(XS).

simultanément

à

KVR-1000

filtrée et KVR-1000

+ HRV

Tableau

1.

Éléments constituant la banque

de données

TELE

ATLAS

1.

Routes

-autoroutes

 

routes à plusieurs voies

 

-bretelles

d’autoroutes

-ronds-points

 

-routes

parallèles

routes

d’accès

aux

aires

de repos.

 

stations

d’essence,

restaurants,

hôtels,

etc.

BUtTeSroutes

 
 

Ponts

et tunnels

3

Croisements

aniveaux

supérieur

 

-inférieur

4.

Occupation des sols

-zones

urbaines

(contours)

 
 

parcs

(superficie

>

50

000

m*)

-forêts

-zones

industrielles

5.

Chemins

de

fer

6.

cours d’eau

7.

Services

aéroport

 

-stationnement

- aire de repos

294

Restitution

Tableau

Neerijse

de photographies

satellitaires

pour

la création

d’une banque de données topographiques

2.

Comparaison

données; S, et S, sont les coordonnh des points obtenus par numérisation;

TA, et TA, sont les coordonnées des mêmes points dans la banque de données;

des résultats obtenus avec les rhltats

existants dans la banque de

D, et D, expriment

les différences entre ces coordonnées

sx

Cm)

sy

Cm)

TA~

Cm)

TA~

(m)

Du

Cm)

Du

Cm)

A

cm)

Direction du

déplacement

au

 

-7

-8.13010

Overrijse

 

0

1 161737

1 163443

1

-Ïi

1

1 12.37

1

15.96375

 

I

.*

I

Etterbeek

Moyenne

Ecart-type

1 -Ïi 1 1 12.37 1 15.96375   I .* I Etterbeek Moyenne Ecart-type

F. Muller et P. Brackman

coordonnées

des mêmes points dans la banque de données, D, et D, sont respectivement

les différences

(Sx - TA,)

et (S,

- TAY),

et A est donné par :

Les directions

du déplacement existant entre les éléments vectoriels

saisis et ceux de la

banque de données sont présentées sous la forme d’un angle par rapport au nord. Souvent,

ce

corriger.

Ainsi,

du centre des rues, et cela induit parfois un déplacement des éléments vectoriels

à la réalité du terrain. Une analyse détaillée du tableau 1montre que A,,,,”= 0 m, Amv.= 27 m,

= 11,84 m avec 0 = 6,06 m. Cette erreur moyenne est jugée entrerement

et que Amoy

satisfaisante si on sait que les éléments de la banque de données, considérée ici comme

support de référence,

lamontrelasituationvisiblesurl’imageKVR-1000pourunezonepériurbaine.

Lerésultatobtenuparnumérisationestprésentéàlafigure

le cas d’une zone à forte densité urbaine.

sur base de cartes

déplacement

existe suivant

un axe de direction

majoritaire,

et est donc assez facile

à

II s’explique

lesombresdes

par la présence d’ombres

en zones urbaines sur l’image KVR-1000.

bâtimentsprojetéessurlesruesrendentdifficilelalocal~sationexacte

parrapport

ont été saisis

au 1: 10 000.

Lafigure

1b. Les figures 2aet 2billustrent

7. Conclusions

à

haute résolution

géographiques vectorielles, et ce avec une très bonne fiabilité. Le recours à ce type de

photographies se justifie pour toutes les zones pour lesquelles la cartographie n’est pas

récente. Par rapport

surface au sol de 40 x 40 km par scène, et réduit ainsi fortement

pour la réalisation de mosaïques qui font la lourdeur de l’utilisation des photographies aériennes. Àcelas’ajoutel’apparition,dansunavenirannoncécommeproche,d’imagesnumériques

allant

jusqu’à

une

II ressort

de cette étude que l’exploitation

spatiale,

permet

des photographies

et la

mise

à jour

satellitaires

KVR-1000

la création

de banques de donnees

de couvrir

à la photographie

aérienne, elle présente l’avantage

les assemblages de scènes

captées depuis des satellites

1 m (Space Inmging,

de la nouvelle

Eyeglass,

Earth

génération,

et offrant

des résolutions

Watch, etc.).

demande au

Laboratoire SURFACES de poursuivre lacollaboration afin d’assister TELE ATLAS dans

la

directement

Au vu des résultats

obtenus au terme de la présente étude, TELE ATLAS

modification

de son logiciel pour permettre la numérisation sur écran.

à partir de ce type d’images

8. Référence

CARRÉ,

J., 1972. Lecture et exploitation des photographies aeriennes (Tome 2). Collection technique de l’Institut géographique national. Eyrolles, Paris, 212 p.

296

Fig. la. Image KVR-1000 pour une zone ptkiurimine.
Fig. la. Image KVR-1000 pour une zone ptkiurimine.
Fig. la. Image KVR-1000 pour une zone ptkiurimine.

Fig.

la.

Image

KVR-1000

pour

une zone

ptkiurimine.

Fig. la. Image KVR-1000 pour une zone ptkiurimine.
Fig. la. Image KVR-1000 pour une zone ptkiurimine.
Fig. la. Image KVR-1000 pour une zone ptkiurimine.
Fig. la. Image KVR-1000 pour une zone ptkiurimine.
Fig. la. Image KVR-1000 pour une zone ptkiurimine.
b) F i g ure 2.
b) F i g ure 2.
b) F i g ure 2.
b) F i g ure 2.
b) F i g ure 2.
b) F i g ure 2.

b)

b) F i g ure 2.
30 Tél&détection des milieu urbairts et périurbains. Éd. AUPELF-UREF. 1997. p. 299-306 Application changements du
30 Tél&détection des milieu urbairts et périurbains. Éd. AUPELF-UREF. 1997. p. 299-306 Application changements du

30

Tél&détection

des milieu

urbairts et périurbains.

Éd. AUPELF-UREF.

1997. p. 299-306

Application changements du littoral

de la télédétection

urbains

à l’étude

des

et des transformations (Bénin)

à Cotonou

CLAUDE

LUCIEN

CODJIA

Unité de recherches associées (LIRA), Institutfrançais

le développement en coopération (ORSTOM),

Université

de recherche

nationale

03 B.P. 2984,

téléphone

CÉ : ccodjia@syfed. bj. refer.org

Cotonou,

Bénin;

: t229

35-05-47;

télécopieur

: +229

30-09-38

scientifique

du Bénin,

pour

Résumé

Saisir la dynamique de l’habitat et comprendrela cinématiquedu littoral par un examen

diachronique entre 1963et 1987, tel est le but de cette étude baséesur la télédétection

satellitaire. Capitale économiquedu Bénin et ville portuaire de l’Afrique

Cotonou aprisun essoréconomiqueàpartir de 1963,annéedelaconstruction desonport. L’unique source de donnéescartographiquesdisponiblessur la ville était une carte topographiqueau 1: 50 000 datant de 1963.Celle-ci a été coupléeà l’image multibande HRV de SPOT-I du 22 décembre1987.Après classification dirigée et superpositionde l’image satellitaireàla cartede 1963,plusieursconstatationsontété faites.La cité aconnu une croissancespatialequi a multiplié sa taille initiale par 2.3; de mêmela densitéde l’habitat décroît globalementdu noyaucentral vers les périphéries.Enfin la construction du port a entraînéunemutation dela côte. Celle-ci présentedeux sectionsopposées: l’est du port qui estrongé par uneérosioncôtière dont le front a régresséde 400 m avec une vitessemaximalede16mparanpourun totalde 1125 hadeterreperdus.Parcontrel’ouest connaît unengraissementnonmoinssignificatif. La priseen comptedel’état dela marée au passagedu satellite réduit la marge d’erreur. Les premiers résultats des travaux topographiquesen cours,menéspar uneéquipede suivi du trait de côte, vus avecle recul du tempsconfirment ceux obtenusici.

occidentale,

299

1. Introduction

C. L. Codjia

Connuesousle nomdegolfe du Bénin, cette partie dela côte ouestafricaine, enraisonde sesactivités économiques,aété à l’origine de nombreusesvilles. &a plupart deces villes sontaujourd’hui descapitaleséconomiquesou politiques deleur Etat et ellesont subides développementsdémographiqueset desextensionsspatialestrèsrapides(fig. 1).En effet, desinstallationsportuairesont favorisél’essordecesvilles etcrééunenouvelle dynamique au niveau du transit littoral et dèslors un remodelagede la ligne de côte. Cotonou, la grandeville portuaire du Bénin, n’échappepasa cette réalité. Cette cité, d’une population de 536 827 habitants d’après le recensementde 1992, en comptait 109000 en 1963.Malgré le nombreimportant de travaux réaliséssurcette ville, trèspeu d’étudesont sérieusementporté sur sa structure spatiale.A partir de l’image satellitaire HRV (XS) deSPOT-l de 1987,unecartographierelativement détailléede l’occupation a été mise au point et les statistiquescorrespondantesont été analysées.L’évolution de la ville et les mutations de la côte ont été étudiéesà partir du croisementdes résultatsdu traitement de cette image et de la carte topographiquede 1963.

2.

Matériel

et méthode

L’essentiel du matériel et les grandeslignes de la méthodologie sont exposésdans un schémaméthodologiquequi suit. Lesétudesont étCmenéesde manièrediachronique.

2.1. Les donnéesde base

Nous avons disposéde l’image HRV (XS) du 22 décembre1987(fig. 30-2, voir cahier couleur). De celle-ci a été tirée l’imagette de Cotonou, laquelle comporte 492 lignes et 950 colonnes.Une carte topographiqueau 1: 50 000 datant de 1963et un plan de la ville de Cotonou au 1: 20 000 ont été utilisés.

de la ville de Cotonou au 1: 20 000 ont été utilisés. %c LAGOS l Figure
de la ville de Cotonou au 1: 20 000 ont été utilisés. %c LAGOS l Figure
de la ville de Cotonou au 1: 20 000 ont été utilisés. %c LAGOS l Figure

%c

LAGOS

l

Figure 1.

‘y

J

,2*

Cartedelocalisationde Cotonou

,L.-

1

300

Application

2.2.

de la télédétection

La démarche

à l’étude

des changements

méthodologique

urbains

La démarche méthodologique

cartes et à l’analyse des résultats (fig. 3).

a consisté, au traitement

et

des

transformations

du

littoral

de l’image,

à la numérisation

à Cotonou

des

2.2.1.

Aprèsétalementlinéairedeladynamiquedel’imageetcalculdescomposantesprincipales,

nous avons procédé àla correction géométrique. Différents points de contrôle identifiables sans ambiguïté sur la carte ont servi à cette dernière opération. Cotonou étant dans un site de plaine, nous nous sommes limités à la fonction polynômiale de premier degré qui dans le cas d’espèce donne un bon résultat. Ladélimitationadministratives’estfaiteparlareprésentationdeslimitesadministratives sur l’image, et le masquage des zones situées à l’extérieur des contours du périmètre. C’est sur cette dernière image que la classification dirigée a été faite avec un algorithme de maximum de vraisemblance. Une interprétation visuelle de la composition colorée a permis la définition de la typologie. Les zones d’entraînement prenant en compte toutes les classes ont été tracées

a

sur cette composition

été décrite du point de vue thématique. L’hétérogénéité de l’occupation du sol de Cotonou, la présence du lac Nokoué, de la

lagune et de l’océan Atlantique nous ont obligés à utiliser un plan masque. La précision totale de cette classification est de 88 %. Neuf classes ont été distinguées, dont six consacrées àl’habitat. Le taux d’occupation du sol des bâtiments au niveau de ces dernières classes se présente comme suit :

Traitement

de l’image

colorée. Lors des séances de terrain, chaque zone d’entraînement

habitat

habitat

habitat

habitat

habitat lâche

habitat

de très forte densité dense de densité moyenne

sur terrain hydromorphe

dispersé

> 15 %

%

40 à 60 %

%

60

à 75

25

à 40

15à25%

< 15 %

2.2.2.

ainsi que l’espace occupé par l’habitat

ont été numérisés à partir de la carte de référence au 1: 50 000. Cette opération a facilité

Les contours du littoral,

Numérisation

des cartes

les limites administratives

les calculs de superficies, les changements

situation initiale, celle de 1963, avec l’état de la ville en 1987.

d’échelle ainsi que les comparaisons

entre la

2.2.3.

L’analyse

traitement de cette image satellitaire ont été compares aux informations contenues sur la

a été faite par des procédes de

carte de 1963, sous forme numérique.

obtenus par

Analyse

des résultats

des résultats

a été faite de manière diachronique.

Cette comparaison

Les résultats

superposition

automatique et de calcul de superficies.

Pourcalculerlasuperficie,nousavonsutilisél’environnementstatistiquedeMulriscope.

Le programme

attribue

à chaque couleur

utilisée

pour

la classification,

une valeur

radiométrique

propre et unique. Aussi,

à chaque valeur radiométrique,

I’histogramme

de

la classification

donne le nombre de pixels.

En multipliant

ce nombre

par la valeur

400 m* (surface

d’un

pixel),

on trouve

la

superficie

occupée par classe. La valeur radiométrique

301

255 correspond

au domaine situé

C. L. Codjia

C. L. Codjia Analyse statistique I Condition martgraphique : vanation de krtran conrroteterrain t 9 cr.Mon
C. L. Codjia Analyse statistique I Condition martgraphique : vanation de krtran conrroteterrain t 9 cr.Mon

Analyse

statistique

I

C. L. Codjia Analyse statistique I Condition martgraphique : vanation de krtran conrroteterrain t 9 cr.Mon

Condition

martgraphique

:

vanation

de krtran

conrroteterrain

t

9 cr.Mon

d’un

Ctasrdication

Cane

finale

plan

I

masque

drig&

+ Wgende

Ctasrdication Cane finale plan I masque drig& + Wgende Figure 3. Démarche CARTE méthodologique DE SYNTHÈSE

Figure

3.

Démarche

CARTE

méthodologique

DE SYNTHÈSE

302

Application

de

la

télédétecrion

à l’étude

des

changements

urbains

et des rransformations

du

littoral

à Cotonou

à l’extérieur du masque,elle n’estdoncpaspriseencompte.Les superficiesoccupéespar chacunedesclassessontcontenuesdansle tableau 1.

Tableau1. Superficiesrelativesa l’occupationdusolàCotonou

Classe

Habitatdetrèsforte densité

Habitatdense

Habitatdedensitémoyenne

Habitatsurterrainhydromorphe

Habitatlâche

Habitatdispersé

Couverturevégétale

Sol nuouoresaue

Bas-fond

3.

Résultats

I

1

I

I

I

Superficie(ha)

55,08

498.40

929,70

248,lO

754.40

1414.00

1338,38

517.20

442,66

Il ressortde cetteétudeque,de 1963à 1987,Cotonouaconnu biendeschangementsdans son espaceterritorial et danssadynamique.

3.1. Extension de l’habitat

En général,Cotonou répondaux structuresdesgrandesvilles avec un noyau central très

denseet une diminution de la concentration des bâtimentsau fur et à mesureque l’on s’éloigneducentre-ville. Le développementdela ville estcependantplusaccentuédu côté ouestquedu côté est(fig. 30-4, voir cahier couleur). La superficie occupée par la zone bâtie, en 1987, selon la classification, est de

3 992,76 ha,alorsqu’en 1963,lavilleet lesvillagesenvironnantsfaisaient 1762 ha(fig.

tab. 1). Aujourd’hui les bas-fondsn’occupent qu’une faible portion dela superficiede la

ville (CODJIA, 1995).Cette extensions’estfaite dansdenombreuxcassanstenir compte de l’inadéquation dessitesà l’habitat. Aussi cesbas-fonds,réceptaclesnaturelsdeseaux de pluie, ont-ils été combléset occupéspar desbâtiments.

5;

3.2. Mutations de la côte

Lerésultatdelasuperpositiondelacartede 1963àl’imagesatellitairede 1987montredeux sectionslittorales opposées: l’est et l’ouest du port (fig. 5). Un recul trèsperceptibledela côte sedégageà l’est du port. Cette avancéedela mer, varie de 0 à400 m avec unevitesse maximale de 16 m par an; 112,5hade terre ont étéengloutissur cette portion de la côte. Parcontre, unengraissementdela côtesemanifesteàl’ouest.Du fait denombreuxtravaux

303

  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de
  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de
  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de
  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de
  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de
  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de
  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de
 

OCEAN

ATLANTIOUE

0

X_I,

  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de l’évolution
  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de l’évolution
  O C E A N ATLANTIOUE 0 X_I, Figure 5. Carte de synthèse de l’évolution

Figure

5.

Carte de synthèse de l’évolution

de la région de Cotonou

de 1963 a 1987

d’aménagement et d’extension du port effectués sur cette partie de la côte et des ponctions

de sable que l’on y fait, il est difficile d’évaluer le gain de territoire dû à cet engraissement.

Sacomposition sont à l’origine

sableuse, la permanence de la houle et sa direction par rapport

de la précarité de son équilibre.

Plusieurs facteurs expliquent les changements rapides qui affectent ce littoral.

Avant

la construction

au littoral,

des ouvrages portuaires,

il existait

un déplacement libre des sédiments. Les digues et les jetées ont bloqué le transport du sable

créant ainsi une accumulation

sédiments s’opèrent sans que lacompensation qui devrait provenir de l’ouest, n’ait lieu. On

assiste alors à l’érosion du littoral.

à l’ouest.

A l’est,

sous l’effet

de la houle, les départs

de

Le tableau

2

fait

une comparaison

entre les résultats

de la présente

étude

et

les

conclusions

auxquelles

sont

parvenues

diverses

équipes

de suivi

du

trait

de côte

(GNONLONFIN, 1994;

NEDECO

et PAC,

1983).

Tableau 2.

Comparaison entre les résultats obtenus par télédétectionet ceux des relevés topographiques

Techniques

Avancée

Vitesse

Superficie

Trait de côte

d’étude

maximale

maximale

érodée

de la mer

d’avancement

(ha)

Cm)

(m/an)

Étude

par

400

16

112,5

Semblables avec

télédétection

 

la projection

(1987)

dans le temps

Travaux

500

>15

non déclarée

topographiques

 

(1994)

4.

Discussion

Certaines difficultés liées à l’établissement de la cartographie urbaine sont dues à

l’hétérogénéité

d’autant plus contraignante que la ville contient des enclaves

de production maraîchère (pour ne citer que ce cas) se mêlent à l’habitat. À cette

hétérogénéité de l’occupation

lagune, terrain hydromorphe et mer se côtoient. L’objectif premier de cette étude étant de

saisir la dynamique spatiale de l’habitat,

d’eau, dont l’un des avantages est la réduction du nombre de classes. Le zinc, matériau de couverture des toits à Cotonou, est d’une réflectance qui varie selon l’âge du toit. Ainsi, la brillance est très forte (proche de celle d’un miroir) lorsque les feuilles métalliques sont neuves. On pourrait craindre qu’une diversité de réponses spectrales, a priori liée à l’âge du matériau,affecte autrementla classificationet dèslors entachela précisiondestravaux. Heureusementcette variation liéeàl’âgen’estsensiblementper9uequelesdeux premières annéesde l’installation desbâtiments.On peut noter que les constructionsseréalisentpar îlots demaisons,ce qui permetune homogénéitéspectralepour cestypes d’habitation.

qui résulte de l’occupation

de l’espace

urbain.

Cette hétérogénéité

est

rurales. A Cotonou, les aires

du site de la ville

où, lac,

de l’espace s’ajoute la complexité

nous avons procédé à un masquage des étendues

305

C. L. Codjia

À propos du trait de côte, il est évident que les variations desmaréesentraînent des changementstemporairesde la ligne de rivage. En tenantcompte del’heure exacte dela prisedel’image satellitairequiest 10h21 min 55~(tempsuniversel),onretrouveleniveau dela maréecorrespondante(0,Ol m). En faisantintervenir la pentemoyennedela côte, on détermineainsila longueur de I’estranqui estde 5 m. Cette margea été priseen compte dansl’interprétation desrésultats.Il n’a cependantpasétépossibled’obtenir desdonn6es relatives àl’étatdelamaréeaumomentde laprise desphotographiesaériennesayant servi à la confection de la cartede 1963parcequelesservicess’occupantde l’étude desmarées ont étécréésen 1980.

5. Conclusion

Sansêtre uneétudede plus, le présenttravail sur lesprobl&mesd’aménagementurbainet d’érosion côtière à Cotonou, restela vision de cesmêmesphénomènesau travers de la télédétectionsatellitaire. Les travaux ont permisd’obtenir une structurecomplète et une cinématiquedela ville. Malgré la simplicité destravaux et leur duréerelativement courte, desrésultatsconcrets, identiquesà ceux destravaux de topographie,ont été obtenus.Le coût relativement bas et la duréedestravaux dansce domaineaugurentd’un usageplus poussédela télédétectionsatellitaire.Aussi, sonintégration est-elleenvisagéepourle suivi de l’ensembledu littoral de la républiquedu Bénin.

6. Remerciements

CeprojetaétéentièrementréaliséauCentrerégionaldeformationaux techniquesdeslevés aérospatiaux(RECTAS), àl’Unité desapplicationsde la télédétection.Je remerciemon maîtreGeorgesKozminski et Monsieur AmamooOctcherelesresponsablesdecetteunité, pour leur contribution.

7. Références

CODJIA,

C. 1995. Mutations

urbaines

et littorales

à Cotonou

: étude à partir de la télédétection.

Thèse de DES, Centre régional de formation aux techniques des levés akospatiaux, Ile Ife,

Nigeria,

 

GNONLONFIN,

30 p. L. 1994. Port et environnement

côtier a Cotonou.

Port info.

n”2.

p. 18-22

NEDECO

(ingénieurs

conseils néerlandais)

et PORT AUTONOME

DE COTONOU

(PAC).

1983.

Etude du littoral

-Tome

1 : synthèse de l’étude.

Laboratoire

d’hydrologique

de Delft,

20 p.

306

Télédérectiort

des milieux

urbains

etpériurbains.

Éd. AUPELF-UREF.

1997.

p, 307-3 14

31

Apport

Landsat au suivi cartographique des dynamiques spatiales récentes des milieux périurbains dans le bassin du lac de Valencia (Venezuela)

de deux images MSS et TM

de

FRANCISCO

GUERRA

‘,*, WUILIAN

TORRES

*, JESÙS

ARNALDO

PÉREZ

3et ANA

MARIA

MARTINEZ

*

’ Institut

de Ia

carte

internarionale

Roche,

rélécopieur

BP 4403-31045,

: +33

Toulouse

(5) 61-55-84-44

de la végérarion

cedex,

France;

(ICIV),

téléphone

13, avenue

: +33

du Colonel

(5) 61-55-85-46;

’ Centra

de procesamiento

digital de irndgenes

(CPDI},

Instituto

de Ingenieria,

 

carretera

national,

apartado

40200,

Caracas

1040-A.

Venezuela;

téléphone

:

+58

(2) 942-00-25;

Mécopieur

:

+58

’ Station internationale de recherche

Guesde,

31000

Résumé

Toulouse,

France;

962-10-25

contre lafaim (SIRCOFAM), 39, alléesJules

télécopieur

: +33

(5) 61-55-32-02

Des donnéessatellitaires multidates sont utilisées pour le suivi cartographique des dynamiquesspatialesurbainesdanslebassindulac deValencia auVenezuela.La méthode consisteà effectuer une classification préalabledesimagesqui sont ensuitecomparées pixel à pixel à l’aide de critères d’acceptation deschangements.On constate une forte expansiondeszonesurbainespréexistantesau détriment dessurfacesoccupéespar des formations végétales arbustives.Cependant,la validité des résultatsest limitée par la qualité desclassificationsqui, danscette étude, a été d’environ 75 %. L’objectif général dece travail était la miseaupoint d’uneméthodeefficace pour l’évaluation del’utilisation

307

F. Guerra,

W. Terres.

J. A. Perez et A. M.

Martinez

du sol dansle bassindu lac entre 1975et 1988à l’aide d’imagessatellitaires.L’utilisation decesimagesfortement appuyéespar un travail d’enquêtesur le terrain et destechniques de traitement numérique des données,s’avère efficace et rentable. Une assezbonne cartographieàl’échelle du 1: 100000 aétéobtenuepourle suivi desdynamiquesspatiales dansune zone soumiseà d’importantes pressionsdesactivités urbano-industriellesau Venezuela. Les résultatsde cetravail constitueun inventaire préliminaire pouvant servir à la prisede décisionsdansle cadrede l’aménagementdu territoire.

1.

Introduction

Le bassindu lac de Valencia estune dépressiontectonique situéeau nord du Venezuela

(fig. 1). Sasuperficieestd’environ 3000 km2,dont 375km* correspondentàla surfacedu lac. Cette zone estnettementinfluencéepar deux métropolesindustriellesimportantesau niveau national. La croissanceaccéléréedes activités urbano-industriellesdepuis les

annéessoixanteprovoque deschangementssignificatifs encequi concernel’utilisation

sol dansce bassinqui possède38 % desmeilleuresterresdu pays.Entre 1961et 1981,sa population a été multipliée par trois (AMAYA, 1972; OCEI, 1985) si bien que 1’Etat chercheàcontrôlerl’impactdecephénomènesurl’espacepardesmesuresadministratives. Cette zone a fait l’objet d’inventaires cartographiquesconsacrésà l’étude dessystèmes agricoles(EDERandAVILAN, 1975)etdelavégétation(MINISTERIODELAMBIEN’I’E, 1983)réalisésàpartir de photographiesaériennes.Plusrécemment,en 1988,les résultats d’une interprétation visuelle d’une image TM de Landsatont été utilisés pour la mise en placed’une basede donnéesenvironnementales(MINISTERIO DEL AMBIENTE et al., 1991).Dans cestravaux, le thème« urbain » n’est abordéquepartiellementet il n’y a pas d’analyse multidate. L’objectif de ce travail estla mise au point d’une méthodeefficace pour le suivi cartographique des dynamiques spatialesurbaines du bassin du lac de Valencia à partir des donnéessatellitairesMSS et TM de Landsatentre 1975et 1988 (fig. 3l-2, voir cahiercouleur).L’application d’uneméthodeconsistantàclasserpréalablement lesimages,permetdes’affranchir desperturbationsintroduitesparla réponsedescapteurs et les conditions atmosphériques(SINGH, 1989).

du

et les conditions atmosphériques(SINGH, 1989). du F i g u r e 1 . Localisationdela zoned’étude
et les conditions atmosphériques(SINGH, 1989). du F i g u r e 1 . Localisationdela zoned’étude

Figure 1.

Localisationdela zoned’étude

308

Apport

2.

de deux

images

Matériel

MSS

et

TM

de Landsat

et méthode

au

suivi

cartographique

des

dynamiques

spatiales

récentes

2.1. Données

Les données ayant servi àlaréalisation dece travail (tab. 1) ont été traitées et mises en forme

avec les logiciels

classifet Multi-temp développés par le Centre de traitement d’images de Caracas (CPDI).

Erdas

(version

7.4)

Arc-h@

(version

5.01) et les programmes

Val-

Tableau 1.

Données aériennes, satellitaires et cartographiques utilisées

 

Tvpe de donnees

 

CapteunWRS

Date

Échelle

Imaee Landsat

2

 

1

MSS / 004-043

1

19-02-1975

1

Image Landsat

5

 

TM / 004-053

26-03-1988

Photographies

aériennes

Panchromatique N/B

1975

1: 7s

000

Photographies

aériennes

Panchromatique NIB

1987

1: 25 000

Cartes topographiques

 

1: 100 000

 

1: 2s

000

Carte

de la végétation

 

1983

1: 100 000

Carte

de l’utilisation

du sol

1991

1: 100 000

Carte géomorphologique

1991

1: 100 000

2.2.

Analyse

des données

2.2.1.

Mise en forme

La forte corrélation linéaire existante entre les canaux vert, rouge et infrarouge des capteurs

et al., 1987) a permis leur sélection car ils assurent une

cohérence spectrale nécessaire à l’analyse

des corrections géométriques du premier degré ont été réalisées et les nouvelles valeurs radiométriques ont été obtenues après l’application d’une convolution bicubique sur les

images MSS et TM de Landsat. Les erreurs moyennes quadratiques

pour

tenu de la qualité médiocre des documents cartographiques disponibles.

MSS et TM de Landsat (ROYER

multidate des données satellitaires.

Par la suite,

de 1,4 et de 1,2 pixels

les images MSS et TM de Landsat respectivement n’ont pas pu être améliorées compte

2.2.2. Chsijïcations

La réalisation des classifications sur les images permet l’obtention des supports cartographiques sur lesquels les dynamiques spatiales entre les deux dates sont analysées.

Les classes thématiques ont été définies dans le but d’évaluer les types d’utilisation du sol

affectés

partir des documents cartographiques

l’aide d’une base de données géographiques. Ces parcelles d’entraînement servent à

appuyées par un travail sur le terrain et à

à

par la croissance

urbaine. Aussi,

les parcelles d’entraînement

ont été choisies

fortement

obtenir les signatures

spectrale des classes a été évaluee par la méthode Transformed divergence (SWAIN and

DAVIS, 1978) qui tient compte de la distance statistique entre deux classes pour

spectrales des classes dans chaque bande du capteur. La séparabilité

309

F. Guerra. W. Terres, J. A. Perezer A. M. Martinez

l’ensemble des canaux utilisés dans la classification.

Ainsi,

11 classes

thématiques

représentatives

des milieux

étudiés ont été retenues (tab. 2). Après le rejet des parcelles

d’entraînement

n’atteignant

pas 80 % de pixels affectés, les matrices de confusion entre les

en

particulier,

une bonne identification de cette classe. L’algorithme de classification utilisé est celui du

maximum de vraisemblance cahier couleur).

classes dans chaque image présentent des pourcentages

d’affectation

acceptables,

pour le thème urbain où les valeurs supérieures

à 95 % permettent

d’envisager

qui a 6té appliqué séparément à chaque image (fig. 3 l-3, voir

Tableau 2.

Classes thématiques représentatives de l’utilisation du milieu

 

Cla5s-C.

Observations

sur le terrain

Urbain

Zone résidentielle, commerciale, de service et industrielle dans le périmktre urbain et pkiurbain

Forêt

Écosystème naturel

FOlNé

Formation v&étale arbustived’otigine anthropique

Pâturagenaturel

Surfacepastorale extensive

Pâturagecultivé

Surfacepastorale semi-extensive

culture annuelle

Cannes hsucre, maïs, haricots.

coton, etc.

Culture twmanente

Bananiers, arbres fruitiers

Sol nu

l Carrières

Bnîlis

Zone soumise aux feux sasonniers

Eau

Lacs et barrages

NUWes

2.2.3.

Validation

des classifications

L’intérêt de cette étape est de mesurer la qualité des classifications compte tenu des erreurs

1987). La méthode utilisée

consiste àcomparerl’information tiréedes photographies aériennes avec les classifications

suivant un échantillonnage aléatoire stratifié sur un dixième de la surface du bassin, opération réalisée grâce au programme VaLclussif. Les matrices de validation montrent

MSS

de diverses

natures qui altèrent les résultats

(CAMPBELL,

une fiabilité globale d’environ

de 1975 et de 75 % avec une marge d’erreur

un niveau de signification de 0,05.

70 % avec une marge d’erreur

de f

4 % pour l’image

de f 4 % pour l’image TM de 1988 en utilisant

2.2.4. Analyse

Les classifications préalablement obtenues ont été comparées afin de quantifier et de

repérer les dynamiques

possible à l’aide du programme M&i-remp suivant trois phases : 1) d’abord la création d’une matrice de changement qui permet de ne conserver que les types d’évolution

nouvelle image de

spatiales qui ont eu lieu entre 1975 et 1988. Cette démarche a été

multidate

plausibles selon les critères du thématicien (tab. 3); 2) l’obtention d’une

?Iun type de changement;

3) à partir de cette nouvelle image, il est possible d’avoir une estimation des changements spatiaux (fig. 4).

synthèse dans laquelle chaque

pixel a une valeur qui correspond

310

Apport

de deux

images

MSS

et

TM

de Landsat

au

suivi

cartographique

des

dynamiques

spatiales

récentes

Tableau

3.

Matriced’acceptationdechangementsd’utilisationdusolde 1975a 1988

Année

Urbain

1988

d

Année

l

Fôret et

1

POS

cultivé

 

culture

 

POS

annuelleet

 

permanente

;;l;su”’

(

POS

 

Forêt et

fo umé

I

i

POS

POS

POS

POS

POS (“)

NPOS

 

POS

POS

POS

POS (*)

NPOS

 

POS

POS

/

POS

1

POS

1 pas(*)

1

Npos

!

1

POS

>

POS:changementpossible NPOS:changementnon possible SIN: changementsansintérêt (*): on peutadmettrelaconstructionderetenuesd’eauentrelesdeuxdates

3.

Résultats

et discussion

Parmi leschangementsspatiauxlesplussignificatifs, nousavonsconstatél’augmentation des zones urbaines au détriment des surfacesoccupéespar les formations arbustives

(fourrés) surl’ensembledu bassin(fig. 5). Cesespacespourraientêtreassimilésàla notion de <<friches sociales». En effet, ils auraientétémultipliés partrois entre 1975et 1988,soit un taux d’accroissementannueld’environ 15 % qui correspondraitbien à l’évolution de

la population constatéepour la période 1961-1981(AMAYA,

dynamiqueurbainesefait àpartir descentresurbainspréexistantsetl’expansionestlimitée par la présencedu lac et desforts reliefs au nordet au suddu bassin.Les nouvelleszones urbaines s’installent sur la plaine lacustre au fond des vallkes suivant l’infrastructure routière, notammentl’autoroute orientéeE-O. Il faut cependantnuancercesr6sultatscar mêmesi lesmatricesdeconfusionentrelesclasseslaissaientespérerunebonneaffectation des pixels urbains, l’évaluation des classificationsindique que des pourcentagesnon négligeables(10 % et 20 %) de pixels, appartenantà la classe« culture annuelle », se trouvent dansla classe« urbain ». Ceci peutêtre expliqué parle fait, qu’à la datedeprise de vue, les champsde cultures annuellessont en labour si bien que leurs signatures spectralessont trèsproches.

1972; OCEI, 1985).Cette

311

type d’ulilieation 1976 du 801 B” 312
type d’ulilieation 1976 du 801 B” 312
type d’ulilieation 1976 du 801 B” 312

type d’ulilieation

1976

du

801 B”

type d’ulilieation 1976 du 801 B” 312
type d’ulilieation 1976 du 801 B” 312
type d’ulilieation 1976 du 801 B” 312
type d’ulilieation 1976 du 801 B” 312

312

Apport

de deux images MSS et TM de Latldsat au suivi cartographique

4. Conclusion

des dynamiques

spatiales

récentes

La méthode utilisée s’adaptebien au suivi des dynamiquesspatialesdansdesrégions soumisesà d’importantes pressionsdes activités urbaines.L’analyse deschangements spatiaux faite à partir desimagesclasséespermet de s’affranchir desproblèmesliés au calageradiométrique.Cependant,uneattentionparticulière doit être accordéeala qualité desclassificationscar les erreursont un effet multiplicatif sur l’image deschangements (STOW efal., 1980).Les classificationsfaitesuniquementsurla basedecritèresspectraux présententdeslimitescarlesconfusionsentrelesclassesthématiquesdemeurentimportantes. Néanmoins,lesrésultatsobtenusencequi concernele thèmeurbainsemblentsatisfaisants. Danscesens,l’intégration decritèresmorphologiquesàl’aide d’un systèmeexpert lors de l’analyse multidate peut améliorer la cartographie et l’interprétation des dynamiques spatiales.L’application de cette méthodepeut débouchersurun essaide modélisationde la croissanceurbaineen intégrant desdonnéessocio-économiques.

5. Remerciements

Nous tenonsàremercierle Conseilnationalde la recherchescientifiqueet technologique du Venezuela (CONICIT) pour sonappui financier assuréà la réalisationde cette étude. Plusprèsde nous,nousremercionsMlle Nawel Anahi Perezdenousavoir aidéàpréparer lesfigures.

6. Références

AMAYA,

C. 1972.Caracteristicasdel procesodeurbanizaci6nenla cuencadel lagodeValencia

(1932.1972).RevistageogrKca del Instituto de geograffay conservationde recursos naturalesde la FacultaddeCienciasForestales,Universidadde 10sAndes,n” 12(26-27). Mérida,p. 18-26. CAMPBELL, J. 1987.Introductionto remotesensing.GuilfordPressinc, NewYork, 551p. EDER,H.andAVILAN, J. 1975.A preliminarystudyoftheagriculturesystemsof thelakeValencia bassin.Institutodegeograffay desarrollorural,UniversidadcentraldeVenezuela,Caracas,

162p.

MINISTERIO DEL AMBIENTE 1983.Usoactualy coberturavegetaldelastierrasenla regi6n centra-norte-costera.Informestécnicos,zona2, Caracas,167p.

1991.

MlNISTERIODELAMBIENTE,INSTITUTODEINGENIERIAetFUNDACIONPOLAR

Sistemasdeinformationambientaldela cuencadellagodeValencia,Caracas179p. OFICINA CENTRA DE ESTADISTICA E INFORMATICA (OCEI) 1985.Nomencladorde

centraspoblados.Regi6ncapital,Caracas,486p.

ROYER, A., CHARBONNEAU, L., BROCHU. R., MURPHY, J. M. andTEILLET, P.M. 1987. Radiometriccomparaisonof the Landsat-5TM andMSS sensors.InternationalJournalof RemoteSensing,vol. 9, no4, p. 579-591. SINGH, A. 1989.Digital changedetectiontechniquesusingremotely-senseddata.International Journalof RemoteSensing,vol. 10,n”6, p. 989-1003.

313

F. Guerra, W. Torres, J. A. Perezet A. M. Martiner

STOW,D.,TINNEY,L.R.andESTES,J.E.

1980.Derivinglanduselandcoverchangestatisticfrom

Landsat. A study of prime agricultural land. Proceeding of the 14th International Symposium on Remote Sensing of Environment. Ann Arbor. Michigan, 1980, Environmental Research Institute of Michigan, p. 1227-1237.

SWAIN, P.H. and DAVIS, S.M. 1978. Remote sensing: the quantitative approach. McGraw-Hill, New York, 396 p.

314

Télédétectiondes milieu

urbains et périurbains. Éd. AUPELF-UREF.

1997. p. 315-323

32

Apport

de l’espace urbain

d’emprise

d’Oran (Algérie)

de la télédétection

au sol du bâti

à la cartographie

au 1: 20 000 en terme

: cas de la ville

YOUCEF

LaDoratoire de télédétection, Centrenational destechniquesspatiales(CNTS), B.P. 13, 31200Arzew, Algérie; téléphone: +213 (6) 37-22-17; télécopieur: +213 (6} 37-84-54

MESSAR

et NADIA

MESSAR

Résumé

Il est des utilisateurs pour qui l’image satellitaire semblene pas convenir aux études urbaines;eneffet, quepeut-elleapporterquelescouverturesphotographiquesnemontrent déjàplusfinement ?Notre étudeseproposed’examiner l’apport d’une classification par analysediscriminantedesdonnéesHRV de SPOT prisessurla ville d’Oran en mai 1994, à l’aide des techniquesintégrant l’information à la fois spectraleet spatialeapportéepar les échantillons-terrain. Le but estd’aboutir à une stratification du site urbain en terme d’empriseau sol du bâti. Une classification par pixel a été appliquéesur l’image et ceci, aprèsune sélectionstatistiquedesvariableslesmieux corréléesaux descripteursdu bâti. Le cœfficient d’empriseau sol du bâti n’a un sensquesi l’unité élémentaireestl’îlot. De ce fait, le passagede la classification par pixel à la classification par îlot est une étape incontournable.L’opération aétéréaliséeaprèsnumérisationdescontoursdesîlots àpartir delacarteàl’échelledu 1:7500.Laprécisiondelaclassificationestvénfiéeaprèssélection de 83 échantillonsreprésentantles typologies lesplusdiverses,surle plan régionalde la ville d’Oran à l’échelle du 1: 5 000. Les résultatsde la classification par îlot montrent le comportementdesclasses,dontla stabilité sesitueentre40 % et 83,33%et unpourcentage global bien classéde 66,32 %.

315

1. Introduction

Y. Messar et N. Messar

L’élaboration et la mise en oeuvrede politiques urbaines requièrent une connaissance précisedesdifférents usagesdu sol urbain.La nécessitéd’une miseàjour régulièredeces inventairesconduit àenvisagerderecourir àdesimagessatellitairesàhauterésolution,en l’occurrence HRV (XS) de SPOT. Dansle cadred’une caracterisationde la ville d’Oran entermededensitédu bâti, nousavonsmenél’étude suivanteenutilisantlesdonnéesHRV de SPOT de mai 1994, selon deux volets principaux : 1) collecte d’informations « morphologiques» à partir d’un sondagearéolaire; 2) proposition, aprèsutilisation et traitementdesdonnées,d’uneimageclasséeenniveauxdedensitésdubâti.Demême,nous avons proposéde nouvelles approchespermettant le passagede l’analyse par pixel à l’analyse par zone.

2.

Enquête

sur le terrain

La ville d’Oran couvre unesuperficiede6 237haet secaractérisepardeszoneshomogènes au point de vue de l’organisationspatiale(fig. 1). En effet, la ville a subi de nombreuses transformationsdepuisla colonisationespagnolejusqu’à nosjours. À partir de sonancien centre Sid El Houari, la ville arayonnéjusqu’à atteindrelesvillages d’Es-Senia,au sud,et deBir El Djir, à l’est. Chaqueétapededéveloppementa laissésesempreintesendonnant auxtissusurbainsdesformesdetexture etdesîlots detailles différentes.A cet effet, chaque tissu urbain est représentépar une zone homogènedu point de vue de l’organisation spatiale,du rapport surfacebâti / espacenon bâti, dela naturedematériaux et de l’âge des constructions.

L’enquête surla «morphologieurbaine» (EBERHARD, 1987;MICHEL,

1988)estun

outil indispensablepour appréhenderles structures de ces tissus urbains, du fait des renseignementsqu’elle apporte : mesuredela largeurdela voirie, surfacerelative du bâti,

existence ou non de végétation, etc. Cette enquêtemenéeen 1990 permet, d’une part, d’étudier larelation bâti /empriseausolet,d’autre part, decalerl’interprétation del’image

% delasurfacetotaledelavillepourune bonne

satellitaire.Le tauxde sondageaétéfixéà représentativité de l’échantillon urbain.

2.1. Mise en œuvre du tirage TER-UT1

À partir d’un sondagearéolairedetype TER-UT1 (FOURNIER et nl., 1985;ANONYME,

photographiques,des segmentsde 9 ha

regroupant les morphologies et les typologies les plus diverses sont sélectionnéssur photographiesaériennes.Les donnéesutiliséessont cellesde la carte topographiqueau 1: 25 000(1960),d’unecarteau 1: 7 500(INC, 1988)etdelacouverture driennedelaville au 1: 10000. Les differentes unités morphologiquessont reperéeset numérotéessur chaquesegmentdelaphotographieaériennepourpermettrel’identificationetladescription desentitéssurle terrain. Lesmultiplesenquêtessurle terrain ont permisla caractérisationdel’occupation du sol des segmentsen deux grandesclasses: bâti et non bâti. Dans la première, nous avons recensétouteslesconstructionsd’un oudeplusieursniveaux ainsiqueleursdescriptifs,soit état du bâti, nombrede niveaux et naturedestoits. Dans la deuxièmecatégorie, toutesles surfacesnon construitessontrépertoriées,soit végétation, voirie et terrains nus.

1992)exploitant les donnéescartographiqueset

316

0 150m I F i g u r e 1 . Plan de la ville
0 150m I F i g u r e 1 . Plan de la ville
0 150m I F i g u r e 1 . Plan de la ville

0

150m

I

0 150m I F i g u r e 1 . Plan de la ville d’Oran
0 150m I F i g u r e 1 . Plan de la ville d’Oran
0 150m I F i g u r e 1 . Plan de la ville d’Oran
0 150m I F i g u r e 1 . Plan de la ville d’Oran
0 150m I F i g u r e 1 . Plan de la ville d’Oran
0 150m I F i g u r e 1 . Plan de la ville d’Oran

2.2.

Classement

Y. Messor et N. Messar

des îlots échantillons

en densité croissante

Malgré certaines difficultés, liées notamment à la résolution des documents utilisés

(photographies au 1: 10 000), le relevé individuel des îlots a pu être réalis ainsi que le calcul descœfficients d’empriseau sol du bâti.

Toutaulongdecetteétude,lemot«

densité»apouruniquesignificationlerapportentre

la surfaceconstruited’un îlot (SC)et sasurfacetotale (Si). L’îlot estdélimité parla voirie. Le termeadéquatestle cœfficient d’empriseau sol, car la densitéau sensde nombrede niveaux dechaquebâtiment n’est pasprise encompte, bien quece renseignementfigure dansnosfichiers d’informations-terrain. Pour le calcul desdensités,nousavons d’abord délimité lesîlots constituant chaque segmentde 9 ha sur les photographiesaériennes.Lorsquece dernier n’englobepasl’îlot entier, nousfaisonsl’extension à l’ensemblede l’îlot pour respecterle taux de sondageà

5 %. Un planimètredigital a étéutilisé pour le calcul dessurfacesbâtieset non bâties.Cette tâche s’estavéréedifficile àcausedequelquesproblèmesrencontrés:

à l’échelle du 1: 10000, le relevé individuel dechaqueîlot a été impossibledans certainscas;il s’agit plusparticulièrementdu quartier HaïEs Snouber,caractérisé parunréseauroutier trèsétroit,enchevétré, irrégulier, permettantàpeinelepassage d’un motocycliste (fig. 1);

- le centre-ville présentele mêmehandicap,malgré une.texture mieux structurée, régulière et orthogonale;

- le quartier commercialM’dina El D’jadidaprésentedescaractéristiquessimilaires avec desruellesétroites, n’atteignant pasparfois4 m delargeur, sesîlots contigus témoinsd’une structure destinéeàjouer un rôle économique; l’ombre projetéede certainespartiesde constructionscomplique le discernement entre la partie construite et la surfacenon bâtie. Par conséquent,nousavonsprocédéàl’agrandissementau 1: 2 500desphotographies aérienneset, cette fois-ci, lesdifficultés sesontestompéesavec cependantla persistance du problème d’ombre qui a pu être résolupar une connaissanceapprofondie des sites- échantillons.Nousavonsainsiidentifié 5classesd’empriseausol du bâti, chacunefaisant référence à un type particulier de tissu urbain (tab. 1).

Tableau

1.

Les modalités de densité du bâti retenues après le calcul du cœffïcient d’emprise au sol du bâti sur les segments Cchantillons

Très

forte

0.840-0.950

< 10 x 10 m

R+I

spontant

Étroit

 

sinueux-z

5 m

Forte

0.700-0.820

2Ox20m

R+4

R&idcntiel

5klOm

 

collectif

géom&rie

 

rectiligne

Moyenne

0.399-0.625

15xl5m

R+l

Rbsidentiel

5A15m

 

individuel

orthogonal

Faible

0,117.0,231

3Ox30m

R+8

Résidentiel

10a20m

 

collectif

orthoeonal

318

Apport

de la rélédérection

à la cartographie

de l’espace

urbain

au 1: 20 000

3. Les étapes de l’exploitation

de l’image

HRV

en terne

d’emprise

de SPOT

au sol du bâti

Lesélémentslinéaires(routeset réseauferroviaire), lesélémentsdesurface(zonesbâties, surfacesinterstitielles en végétation et terrains nus) ainsi que les objets ponctuels qui constituentle milieu urbain contribuent à sacomplexité et à sonhétérogéntité. De ce fait, l’exploitation de l’information spectraleseuleest insuffisante et nécessitel’association d’informations de type spatial qui renseignentsur la forme d’associationde pixels, les structureset les organisationsdu bâti (HIRSCH et WEBER, 1988).

3.1. Choix de l’information

Étudier lespossibilitésd’aboutir àuneimageclasséeàpartir deséchantillonsdel’enquête suppose: 1) uneanalysecomparéedesinformations recueilliespar photo-interprétation (les clichés de 1981,la carte au 1: 25 000 de 1960et la carte au 1: 7 500 de 1988)et des donnéesaccessiblesàpartirdel’imagederéférence,soitunescèneHRV(XSetP)deSPOT demai 1994ayant pour référenceK043-5278;2) unrepéragedeschangementsintervenus entrela datedel’enquête(1990) celledesdonnéesnumériquesutilisées(1994)et celledes photographiesaériennes(1981) sachantquede grandschangementsse sontopérésdans la ville. Pour la premièreopération,étant donnéla résolutiondesimagesutilisées(10 x 10m et 20 x 20 m) et l’existence detissusurbainsà maille étroite (Haï Es Snouberaunord-ouest du centre-ville), le repéragedesîlots est delicat et nécessiteuneattention accrue lors du déroulementde cette opération. Pour bénéficier du pouvoir dediscrimination spatial du cana1panchromatiqueet de la qualité radiométriquedesbandesmultispectrales,nousavonsprocédéàla superposition descanaux XS surle panchromatiqueau moyen d’unecorrection géométriquesuivie d’un rééchantillonnageà 10m. L’algorithmecalculant à l’aideduplusprochevoisin aétéutilisé pour ne pasaltérer la qualité radiométriquedesbandesmultispectrales.

4. Classification

par pixel de l’image

Pour aboutir à une imageclasséeen autant de catégoriesque de types de tissusurbains recensésdansl’enquête,nousavonsprocédéàuneclassificationparanalysediscriminante à but décisionnel.Chaqueclasseestreprésendepar un échantillon homogènechoisi sur l’image. L’homogénéité est définie par rapport à des caractéristiquesde couleur, de structure et de forme.

4.1. Statistiques descriptives sur lesvariables radiométriques

Afin dequantifier le pouvoir dediscriminationdesdifférents canaux élaborés(indicesde brillance et végétation, axes des ACP), nous avons calculé dans chaque segment,des statistiquesdechaqueempriseausol danschacundescanauxet néo-canaux.Par ailleurs, la complexité du milieu étudié rend nécessairel’ajout d’informations relatives aux élémentsstructuraux et texturaux de l’image (MOSLLER-JENSEN, 1990; COULOMBE et al., 1991). Dans notre cas,nous avonsconsidérél’écart-type calculé sur un voisinage

319

Y.MessarerN. Messar

5 x 5. L’analyse

au descripteur « densité du bâti » (fig. 2).

des courbes obtenues nous a permis de choisir les variables les plus liées

4.2.

Interprétation

de l’image

classée

De manière générale, les résultats obtenus à partir de la classification

voir cahier couleur) montrent une diminution de la densité du bâti, partant du noyau urbain

(forte densité) à la périphérie sud et est de la ville (densité faible)

par pixel (fig. 32-3,

:

- laclasse très fortement bâtie (couleurblanche) seretrouveégalement dansles zones

hautement réfléchissantes (ex. : les chantiers à l’est de l’image);

- la classe de forte densité (couleur rouge) semble la plus compacte et couvre de façon continue le noyau urbain et partiellement le quartier Ibn Sinna; ce dernier est effectivement occupé par quelques HLM de la periode coloniale; de même,

quelques espaces industriels

(sud de la ville) contribuent

àcette classe, caractérisée

par une forte absorptiond’énergiedue principalementà l’âge desconstructions;

- la distribution géographiquedela classedemoyennedensité(teinte bleue)recoupe lesquartiersdebâti pavillonnaire lâche;cetteclassecomprenduntaux devégétation plusélevé; elles’étendnotammentsurHaïAbdelmoumen,HaïEI Makarri, Haï Sidi Mahieddine et Haï Seddikia; la qualité de l’environnement et l’aération sont nettementsupérieuresdansce cas; la catégoriefaiblement bâtie(couleur verte) s’intègredansla largecouronneaérée del’expansionurbaine;lesfacteursdiscriminantsrestentl’urbanisation denseet un couvert végétal important; elle couvre entièrementla périphériede la ville;

- la classenon bâtie estde loin la plus homogène(couleurjaune).

classenon bâtie estde loin la plus homogène(couleurjaune). Figure 2. 31,, >   , 1 2 3
classenon bâtie estde loin la plus homogène(couleurjaune). Figure 2. 31,, >   , 1 2 3

Figure 2.

31,,

>

 

,

1

2

3

non-bâti

faible

moyenne

(,

4

forte

5

très forte

Variationsdesaxesdel’analyseencomposantesprincipales(ACP) et ducanal originalinfrarougeproche(XS3); lesaxesdeI’ACP sontcalculéssurlescanaux originaux(XS) réechantillonnésà 10m et ce,aprèsl’opérationdesuperpositionde cesdernierssurlecanalpanchromatique

320

Apport de la télédétection

à la cartographie

5. Classification

par îlot

de l’espace

urbain

au I:

20 000 en terme d’emprise

au sol du bâti

Le coefficient d’empriseau sol du bâti n’a de sensque si l’unité élémentaireestl’îlot. Un processusd’aménagementdespixels danschaqueîlot a été conçu afin d’aboutir à une statistiquereprésentative.Cette méthodeconsisteà combiner l’image classbepar pixel avec le fichier « îlots » obtenuparla numérisationdesîlots. Lesdonnéesdescontoursdes îlots sontextraites dela carteau 1: 7 500 (INC, 1988).Les îlots depetitestailles ayant les mêmescaractéristiquesont été fusionnésdanscertainsendroits. L’interpolation par la méthodedu plus proche voisin altère les structureslinéaires.En effet, lors de la superpositiondu fichier « îlots » sur l’image, des distorsionsont été constatées,notamment dans les îlots à mailles étroites caractériséspar des réseaux enchevêtrés.

5.1. Processusde regroupement

Chaquepixel del’image déjàclassée(parpixel), représentele taux derecouvrementdela surfacebâtie, soit dela classe« faible densité» avecun taux compris entre0,117 et 0,231

àla classe«très forte densité»dont le taux varie entre0,840 et 0,950. L’approche utilisée

and

pour la classification par îlot (PEDLEY,

CURRAN, 1991)consisteàparcourir, danschaqueîlot, touslespixels et à calculerle taux derecouvrement moyen en utilisant la formule suivante :

1987; WEBER et al., 1990; PEDLEY

NI = nombre de pixels appartenantà la classei dansl’îlot j considéré; CL = cœfficient moyend’empriseausoldela classei (cl = 0,172pour la classefaible densité,c2 = 0,512 pour la classemoyennedensité,etc.);

j

= numérode l’îlot.

La classequi correspondau taux Tj est ensuiteattribuée à tous les pixels de I’îlot. Le

mêmeprocessusestrépétépour touslesîlots.

5.2. Validation de la classification

La précisionde la classificationpar îlot en terme d’empriseau sol (fig. 32-4, voir cahier couleur), est vérifiée sur le plan régionalde la ville d’Oran à l’échelle du 1: 5 000 (ANC,

1976).La procédurede validation consisteà

:

- choisir deséchantillonsd’îlots d’une manièrealéatoiresur la totalité de la zone d’étude;

- calculer les coefficientsd’emprise au sol correspondants,suite aux mesuresde surface(totale et construite) effectuéesau niveau de l’îlot;

- identifier la classed’appartenancedel’îlot àpartir desoncoefficient, enseréférant aux classesdéjà mentionnées;

- vérifier cette appartenancesur l’image classéeparîlot.

321

Y. Messar et N. Messar

de 112,7 ha

dont 37,8 ha construite; les échantillons présentent une surface environ de 1,8 % de la

surface totale, Les mesures de superficie sont faites avec le planimètre digital x-PLAN

36OIR, dont la précision maximale est de 0,l %. Le tableau 2 représente un échantillon de

ces mesures et la comparaison

Dans notre cas, nous avons sélectionné 83 échantillons couvrant une surface

des résultats

ginère le tableau 3.

52.1. Interprétation

Les résultats

40 % et 83,33 % et un pourcentage

trouvés reflètent

le comportement

des classes dont la stabilitk

global bien classé de 66,32 %.

se situe entre

La classe de très forte densité est relativement

la moins

bien classée car le degré de

confusion

de celle-ci

avec la classe

forte

est important.

Ce phénomène

s’explique

facilement

du fait de l’existence

d’îlots

très réfléchissants

au sein de la classe

de forte

densité. Un mouvement

constaté. Ce phénomène est dû principalement à l’existence d’un recouvrement d’autres

thèmes avec ces deux classes. Enfin, 64,29 % des îlots classés « non bâtis » appartiennent

vers

toutes les classes, même s’il est relativement faible. Ce phénomène s’explique aisément du faitquecetteclasserenferme touteslesvariétésd’occupationdusol :solsnusréfléchissants

bien à cette classe. Cette dernière montre également un mouvement

entre les classes de faible et moyenne densité a été

d’échantillons

d’échantillons

identiques radiométriquement

en végétation identiques aux petits espaces verts des villas.

aux échantillons

de la classe de très forte densité, espaces

Tableau 2.

Échantillon

de résultatsde validation

de

la classificationparîlot surle planau

1:5000

Noîlot

Surface totale

Surface

Ccefficient

 

Classede

Classede

Cm21

construite

d’emprise

densité(carte)

densité

 

au sol

 

(imageHRV)

2.0

5550.38

2914,48

0,525

Moyenne

Moyenne

24

1594,90

1405,84

0,881

Trèsforte

Forte

26

495,39

0

0

Nnn bâti

Non bâti

28

1

3513.25

1

2124,53

i

0,605

1

Moyenne

1

Moyenne

31