Licence Sciences et Techniques

Filière Géomatique et
Aménagement du Territoire

Encadrer par :

Réalisé par :
1
 Sommaire
Sommaire ________________________________________ 2
Listes des figures _________________________________ 5
Listes des tableaux ________________________________ 6
Introduction : _____________________________________ 7
Objectifs du TP : __________________________________ 8
Premier chapitre : le cadre général de la zone d’étude
(Barrage Bin El-Ouidane). ___________________________ 9
I. La localisation de la zone d’étude : _______________ 9
II. Le climat de la zone d’étude : __________________ 10
I. les données utilisées : ________________________ 11
1. Le capteur Landsat 8 : _______________________ 11
2. Télécharger l’image satellitaire Landsat 8 : ______ 11
II. Outils de travail : _____________________________ 14
1. Les programmes utilisés pour le traitement des
images : ______________________________________ 14
i. ENVI 5.3: _________________________________ 14
ii. QGIS 3.22: ________________________________ 14
III. La Methodologie de travail: ____________________ 15
1. les étapes majeurs pour faire le travail : ________ 15
2. Les étapes de prétraitement est montré ci-dessus :
16
3. Ouvrir l’image dans ENVI: ____________________ 16
4. Les caractéristiques de l’image Landsat 8 de Beni-
Mellal : _______________________________________ 18
2
 5. Affichage de l’image dans différente bande : ____ 19
b. La bande de proche infra rouge : _____________ 20
c. Load true color(composé vrai couleur) : _______ 20
d. Load CIR : ________________________________ 21
e. Résultat final : _____________________________ 21
IV. Prétraitement :______________________________ 22
1. La correction Radiométrique : _________________ 22
a. Le résultat final de la calibration radiométrique : 24
2. la correction atmosphérique : _________________ 25
a. Méthode DOS (Dark Object Subtraction) : ______ 25
b. Le résultat final de correction atmosphérique
(Réflectance au sol) : _________________________ 29
3. Redimensionner la zone de Bin El-Ouidane : ____ 31
a. Le résultat final de coupage de Bin El-Ouidane : 32
V. Traitements : ________________________________ 33
1. Extraction des signature spectrale (eau, végétation,
sol nu blanc, sol nu rouge) : _____________________ 33
2. l’indice de végétation NDVI : __________________ 34
a. Définition de l’indice de végétation NDVI : _____ 34
c. Le résultat final de l’indice de végétation NDVI : 36
3. La classification de zone de Bin El-Ouidane selon les
intervalles de NDVI : _____________________________ 36
a. Le résultat final de classification : ____________ 39
b. Afficher l’image Landsat Bin El-Ouidane sur QGIS :
39

3
 4. Importer le raster sur QGIS : __________________ 40
a. L’mage sur QGIS : _________________________ 41
b. Extraire une couche présente seulement le lac : 41
c. Sélectionner le polygone de lac du Bin El-
Ouidane : ___________________________________ 43
d. Enregistrer le polygone du lac : ______________ 43
e. le résultat final de coupage de lac de Bin El-
Ouidane : ___________________________________ 45
f. Calcul la surface de lac de bin el Ouidane ;_____ 45
g. Calculer la surface de chaque classe :_________ 47
5. Prendre les échantillons de chaque classe : _____ 49
a) Eau : _____________________________________ 49
b) Sol nu rouge : _____________________________ 50
c) Sol nu rouge : _____________________________ 50
d) végétation : ______________________________ 51
6. La classification par méthode de minimum
distance : _____________________________________ 55
a. Le but de MD : _____________________________ 55
b. application de méthode : ____________________ 55
7. La classification par la methode de support vector :
57
a. Définition de méthode SVM : _________________ 57
b. Application de la méthode : __________________ 57
c. La carte réalisé par méthode SVM : ___________ 63
Conclusion ______________________________________ 65

4
 Listes des figures

Figure 1: Principe de la télédétection spatiale ________________________ 7

Figure 2:L'emplacement de barrage de Bin El-Ouidane dans le bassin

versant Oum Er-Rabia. ___________________________________________ 9

Figure 3: La température annuelle de Bin El-Ouidane . ________________ 10

Figure 4:Les précipitations annuelle de Bin El-Ouidane . ______________ 10

Figure 5: les étapes majeures de réalisation de travail. _______________ 15

Figure 7: les signatures spectrales des classes de l'image. ____________ 34

Figure 8: Principe de méthode de classification par minimum distance. _ 55

Figure 9: principe de classification par méthode SVM: ________________ 57

Figure 10: la carte occupation du Sol du Bin El-Ouidane en 16/02/2022. _ 64

5
 Listes des tableaux

Tableau 1 :Les Caractéristique su Barrage de Bin El-Ouidane :__________ 9

Tableau 2:La capacité du capteur Landsat à enregistré l’énergie dans

différentes longueur d’onde : _____________________________________ 11

6
Introduction :
La télédétection (détection à distance, Remote Sensing (RS) en anglais) désigne, dans son acception la

plus large, la mesure ou l'acquisition d'informations sur un objet ou un phénomène, par l'intermédiaire

d'un instrument de mesure n'ayant pas de contact avec l'objet étudié (Figure 1).

C'est l'utilisation à distance (par exemple, d'un avion, d'un engin spatial, d'un satellite ou encore d'un

bateau) de n'importe quel type d'instrument permettant l'acquisition d'informations sur

l'environnement. On fait souvent appel à des instruments tels qu’appareils photographiques, lasers,

radars, sonars, sismographes ou gravimètres.

Figure 1: Principe de la télédétection spatiale

Pour réaliser ce rapport, nous avons divisé ce travail en 2 chapitres, comme suit :

Le premier chapitre présente le cadre générale de la zone d’étude (Barrage Bin El-Ouidane) .

Le deuxième chapitre présente la méthodologie et les données utilisées pour réaliser la carte

d’occupation de sols du barrage de Bin El-Ouidane .

7
Objectifs du TP :

Les objectifs spécifiques sont les suivants:

➢ Apporter des connaissances de télédétection spatiale, des

fondamentaux physiques, des capteurs et des missions existantes et
des produits terrestres, atmosphériques et marins à obtenir.

➢ Acquérir des connaissances sur les techniques de traitement

numérique d’images de télédétection visant à améliorer et à extraire
les informations pertinentes pour chaque application.

➢ Comprendre les différentes sources de données disponibles pour

l'imagerie.

➢ Comprendre et traiter correctement les principaux outils logiciels

existants.

➢ Acquérir des compétences et des aptitudes pour générer des

produits et des services de télédétection et pour extraire la plus
grande quantité d'informations à partir d'images satellites
d' observation de la Terre.

8
Premier chapitre : le cadre général de la zone d’étude (Barrage Bin El-Ouidane).
I. La localisation de la zone d’étude :

Barrage Bin El-Ouidane

Figure 2:L'emplacement de barrage de Bin El-Ouidane dans le bassin versant Oum Er-Rabia.

Le barrage de Bin El-Ouidane (en arabe : ‫ )سد بين الودان‬est un barrage marocain situé dans la
province d'Azilal (région de Béni Mellal-Khénifra), conçu par l'ingénieur André Coyne.

La construction de ce barrage a une double vocation : la production d'énergie et l'irrigation. Il est

considéré comme le plus haut barrage en voûte d'Afrique et le plus grand du Maroc en production
énergétique. Outre sa capacité d'irrigation concernant la plaine de Tadla, qui appartient à la plaine
intérieure pré-atlasique de la Tadla (3 500 km2), prolongée dans la région de Marrakech-Safi par la
plaine des Sraghna. Le barrage a permis de mettre en valeur 69 500 ha de terres fertiles sur 125 km de
longueur.

Tableau 1 :Les Caractéristique su Barrage de Bin El-Ouidane :

Volume
Date de mise 𝟑
Le Barrage Cours d’eau Utilisation Capacité(𝑴𝑴 ) régularisé
en service (𝑴𝑴𝟑 )/𝑨𝒏

Bin El- Laabid 1954 Irrigation, 1300 954

Ouidane Energie
électrique

9
 II. Le climat de la zone d’étude :

Les températures sont les plus élevées en moyenne en juillet, autour de 24,6 °C | 76,2 °F.
Les températures moyennes les plus basses de l'année se produisent en janvier, lorsqu'elles avoisinent les
5,2 °C | 41,3 °F.

Figure 3: La température annuelle de Bin El-Ouidane .

La plus faible quantité de précipitations se produit en juillet. La moyenne ce mois-ci

est de 29 mm | 1,1 pouce. La plus grande quantité de précipitations se produit en avril, avec une
moyenne de 75 mm | 3,0 pouces.

Figure 4:Les précipitations annuelle de Bin El-Ouidane .

10
 Le deuxième chapitre : la méthodologie et les données utilisées pour réaliser la
carte d’occupation de sols du barrage de Bin El-Ouidane.
I. les données utilisées :
On utilise des images satellitaires qui ont été acquises par le capteur de la NASA (National
Aeronautics and Space Administration) Landsat 8 ou Landsat 9 OLI (Opérationnel Land Imager) pour
la réalisation de la carte d’occupation des sols de Barrage de Bin El-Ouidane ;
1. Le capteur Landsat 8 :
Landsat 8 est un satellite d'observation de la Terre américain, lancé le 11 février 2013. Il s'agit du
huitième satellite du programme Landsat, ainsi il est d'une collaboration entre la NASA et le United
States Geological Survey (USGS). Landsat 8 fournit des images à résolution moyenne, allant de 15
mètres à 100 mètres, de la surface terrestre et des régions polaires. Il couvre la Terre tous les 16 jours
avec des images de 185 km x 185 km en 16 bits (les valeurs numériques de chaque pixel varie entre
[0 ;65535], Il fonctionne dans les spectres visible, proche infrarouge, infrarouge à ondes courtes et
infrarouge thermique.
Paramètres prévus pour les produits Landsat 8 standard :

• Type de produit : niveau 1T (terrain corrigé).

• Format de sortie images : GeoTIFF.
• Taille des pixels : 15 mètres / 30 mètres / 100 mètres (panchromatique/multispectral/thermique).
• Projection cartographique : UTM (stéréographique polaire pour l'Antarctique).
• Datum: WGS 84.
• Orientation : Nord en haut (carte).

Tableau 2:La capacité du capteur Landsat à enregistré l’énergie dans différentes longueur d’onde :

Domaine de vision la bande Résolution (m) Longueur d'onde (μm)

Panchromatique 15 0,50-0,68
Aérosol 30 0,43-0,45
Visible Bleu 30 0,45-0,51
Vert 30 0,53-0,59
Rouge 30 0,64-0,67
Proche infrarouge Proche infrarouge 30 0,85-0,88
Moyen infrarouge 1 30 1,57-1,65
Moyenne infrarouge Moyen infrarouge 2 30 2,11-2,29
Cirrus 30 1,36-1,38
Infrarouge thermique 1 100 10,60-11,19
Infrarouge thermique
Infrarouge thermique 2 100 11,55-12,51
2. Télécharger l’image satellitaire Landsat 8 :
Les images utilisées dans ce travail, sont des images télécharger gratuitement à partir de
site de United States Geological Survey (http://earthexplorer.usgs.gov/.), les images au dessous
montre les étapes à suivre pour le téléchargement de l’image ;

➢ 1: Créer un compte pour l’autorisation de télécharger les images.

➢ 2: Click sur le bouton « World Features »+Feature Name= « Beni Mellal ».
11
 ➢ 3: Click sur le bouton «Show »pour l’affichage de la zone dans « google satellite ».
➢ 4 : entrer la date d’acquisition de l’image.
➢ 5 : : Click sur le bouton « Data Sets ».

4 5

Lorsque la localisation est déterminée, on click sur la commande « Data Sets » pour obtenir la liste
de toutes les images disponibles .

1
➢ 1 : ouvrir de la section « Landsat »
2
➢ 2 : appuyer sur « Landsat collection 2 Level-1 » 3
➢ 3 : cocher l’mage « Landsat 8-9 OLI/TIRS C2 L1 »
➢ 4 : active la command « Results».

12
 ➢ 1 : afficher les limites de l’image.
➢ 2 : la barre de téléchargement de l’image.

1 2

2
1

Alors maintenant l’image est sauvegardé dans le dossier de téléchargement, puis en vas créer un
dossier sous le nom « TP GAT TS » qui vas contient 3 dossier(l’image brute, prétraitement et
traitement).

➢ Décompresser l’image sous forme

winrar dans le dossier « l’image brute »

13
 II. Outils de travail :
1. Les programmes utilisés pour le traitement des images :
i. ENVI 5.3:
IDL / ENVI / LiDAR est un puissant logiciel géospatial qui fournit la base pour le traitement et
l'analyse de tous les types d'images et de données telles que les images multispectrales, hyperspectral,
LiDAR, et DAS. Il permet aux scientifiques et autres experts de rapidement, facilement, et extraire avec
précision des informations à partir d'images géospatiales pour l'analyse et la visualisation de données et
d'images scientifiques. L'outil offre un environnement interactif qui vous permet de créer de puissants,
des visualisations 3D photoréalistes et extrayez facilement les caractéristiques et produits importants des
données LiDAR. Il fournit des outils conviviaux permettant aux utilisateurs d'extraire des
caractéristiques de l'imagerie géospatiale en fonction de la position spatiale de l'objet., spectral, et les
caractéristiques de texture et les identifier comme des objets comme des véhicules, bâtiments, routes,
littoraux, rivières, des lacs, et champs. Le programme est livré avec une interface intuitive conçu pour
être utilisé par tout le monde, des professionnels du SIG aux analystes d'images et aux scientifiques de
l'image, quelle que soit l'expérience antérieure avec l'imagerie.

ii. QGIS 3.22:

QGIS est un logiciel SIG (système d'information géographique) libre multiplate-forme publié
sous licence GPL. Le développement a débuté en mai 2002 et est sorti en tant que projet sur SourceForge
en juin 20023. Il était également appelé Quantum GIS jusqu'en septembre 2013.

14
 III. La Methodologie de travail:

1. les étapes majeurs pour faire le travail :

Les étapes à suivre pour faire ce travail est illustré dans le schéma suivant :

Acquisitions des données

Prétraitement

Traitement

Correction radiométrique

Correction atmosphérique

Couper la zone d'étude

Calcul l'indice de végétation NDVI

La classification selon méthode de

minimum distance

La classification selon la méthode

support vector machine SVM

Créer la carte d'ocupation de sol du barrage

de Bin El_Ouidane

Figure 5: les étapes majeures de réalisation de travail.

Avant commencer le traitement de l’image, il est obligatoirement faire des corrections pour éliminer les
effets de l’interaction avec l’atmosphère (phénomène de l’absorption et le phénomène de diffusion) qui
perturbe la qualité et aussi l’information numérique de chaque pixel de l’image.

15
 2. Les étapes de prétraitement est montré ci-dessus :

Compte 1: Reflectance 2: Reflectance

étalonnage/ Correction
numérique calibration du Apparent Atmospherique
au Sol
capteur capteur

Figure 6: les étapes de prétraitement (Correction radiométrique).

3. Ouvrir l’image dans ENVI:

Avant commencer l’ouverture des métadonnées de l’image satellitaire Landsat 8_9 ; il faut d’abord
changer le group dans le fichier «LC08_L1TP_201038_20220216_20220223_02_T1_MTL» du format
« txt» à ’ L1_METADATA_FILE’

➢ Maintenant, ouvrir le logiciel ENVI .

➢ File Open As Landsat GeoTIFF with Metadata

1
2

3
4

16
On obtient cette interface:
➢ Sélectionner le fichier “txt”
➢ Click sur “ouvrir”

17
4. Les caractéristiques de l’image Landsat 8 de Beni-Mellal :
Pour lire les caractéristiques de l’image Landsat on a deux méthodes :
✓ Ouvrir le fichier sous format de txt des métadonnées
✓ Lire les données qui est présentée sous forme des tableaux bien organisée sur le logiciel ENVI .
➢ Click sur la bouton droite view Meta data

Map
Raster
info

Système de
coordoonnées

Les bands
spectraux

18
 5. Affichage de l’image dans différente bande :
On peut afficher plusieurs bandes dans ENVI en même temps pour faciliter l’interprétation visuelle ,
aussi il nous permet de faire une liaison entre les images pour choisir et zoomer sur les mêmes pixels.
➢ Click sur views 2x2 views ➢ Click sur views link views link all ok
(affichage de 4 bandes)

a. La bande rouge :

19
 b. La bande de proche infra rouge :

c. Load true color(composé vrai couleur) :

20
 d. Load CIR :

e. Résultat final :

Rouge Infrarouge

composé vrai couleur Load CIR

Interprétations

Rouge : la végétation absorbe le rouge ce qui implique que les pixels concernant la
végétation s’affiche en noir (les pixels noir avait une réflectance égale à 0 à cause de l’absorption).

21
 Proche Infrarouge :la végétation réfléchit du proche infrarouge ce qui montre sa couleur
blanc (pixel blanc avait une réflectance maximal qui est 1)
CIR :les valeurs sont entre [0,65535]
IV. Prétraitement :

1. La correction Radiométrique :

La correction radiométrique des images satellites permet la conversion des valeurs des pixels
(Compte numérique/Dégétal number) en réflectance. Cette correction nécessite les bandes
multispectrales et les fichier MTL joint de l’image satellite. elle est utilisée lorsque on va comparer des
images dans déffirentes Dates.

Pour faire la correction radiométrique en suivi le chemin suivant :

Radiométrique calibration →image multi spectrale →calibration réflectance → ajoute dans un
dossier « Prétraitements » → ouvrir →ok et enfin On va enregistrer l’image calibré

1
2

22
 ➢ 1 :Calibration type : Réflectance
➢ 2 :enregistré l’image dans dossier prétraitements

➢ 1 : le nom de fichier de radiometrique callibration « ref_app»

➢ 2 : ouvrir

1
2

23
➢ Finalement appuyer sur « ok »

a. Le résultat final de la calibration radiométrique :

24
 A partir de cette image on voit que les deux profiles spectraux présent la même chose sauf un
changement au niveau des « data value » . Dans l’image brute (compte numérique) les valeurs sont
values entre [0,65535], et l’image qui présente la réflectance les valeurs ente [0,1]. Alors la calibration
radiométrique permet de transformer le compte numérique à réflectance apparente.

2. la correction atmosphérique :
Les corrections atmosphériques demeurent une difficulté
majeure pour la calibration absolue des luminances mesurées par
l'image. Pour réaliser la correction atmosphérique il existe des
méthodes relatives et d’autres méthodes absolues.

a. Méthode DOS (Dark Object Subtraction) :

La méthode utilisée est la plus couramment employée.
La soustraction d’objets noirs est une méthode de correction
atmosphérique empirique simple pour l’imagerie satellitaire, qui
suppose que la réflectance des objets sombres inclut une
composante importante de la diffusion atmosphérique.
Le concept est simple: si on a un objet complètement noir, et donc qui ne réfléchit pas du tout de
lumière, cet objet qui devrait avoir une valeur de 0 réflectance va avoir une valeur non nulle au niveau du
capteur satellite. Cette valeur sera la réflectance due aux particules présentes dans l’atmosphère.

25
26
Maintenant il faut enregistrer les valeurs DN des pixels noirs de chaque bande :

27
 1

➢ Enregistrer le résultat souis le nom « ref_sol »

➢ Puis appuyer sur « open »

1
2

➢ En fin appuyer sur « OK »

28
 b. Le résultat final de correction atmosphérique (Réflectance au sol) :

Maintenant on affiche les deux image « ref-app » et « res_sol » dans le proche infrarouge :
29
Puis on compare les profile spectraux :

On a la végétation absorbe le rouge et le bleu et réfléchit le vert et infrarouge ce qui est normale dans le
profile spectral de l’image de réflectance au sol .

30
3. Redimensionner la zone de Bin El-Ouidane :
➢ Toolbox Resize Data

Les coordonne du point

en haut à gauche

3 Les coordonne du point

en bas à droite

4 2

31
 1

2 3

a. Le résultat final de coupage de Bin El-Ouidane :

32
 V. Traitements :
Le traitement d’une image nécessite un système informatique ainsi des personnes capable de
travail avec ce système aussi un logiciel pour faire le traitement, dans notre cas en travail avec l’ENVI ;
1. Extraction des signature spectrale (eau, végétation, sol nu blanc, sol nu rouge) :
Le but de cette section est de déterminer des profils spectraux de différentes unités d’occupation
du sol. Il s’agit de déterminer les différentes valeurs de la luminance (niveaux de gris) pour chacune des
principales unités de paysage : sols nus, végétation, L’eau…
D’abords il faut transformer l’image à la bande de l’infrarouge, puis en extrait les signatures
spectraux de l’eau, végétation, sol nu blanc(calcaire), et sol nu rouge(argile).

➢ 1.insérer la légende

➢ 2.exporter la signature spectrale sous forme image .

1 2
1 1

1 1

33
Le résultat final de profil spectral de l’eau, végétation, sol nu rouge, sol nu blanc :

Figure 7: les signatures spectrales des classes de l'image.

Interprétations

La signature spectrale au niveau de végétation a une faible réflectance dans le visible et une
réflectance élevée dans le proche infrarouge c’est une spécification de végétation.
Au niveau de sol nu il augmente progressivement depuis le visible jusque le proche infrarouge et
dominer dans le moyen infrarouge
Au niveau de l'eau. L’eau est un mouvait réflecteur on dit que l'eau ne peut pas reflicher bien il
absorbe énergie électromagnétique Il y a une réflectance qui n’attente pas des 10% et qui diminuer et puisque
nul dans le moyen infrarouge

2. l’indice de végétation NDVI :

a. Définition de l’indice de végétation NDVI :

Le NDVI est un indice de végétation par différence normalisé. Il est utilisé en agriculture pour évaluer la
vigueur et la quantité de végétation par analyses des mesures de télédétection. Le NDVI est souvent
utilisé dans des outils d’aide à la décision en agriculture de précision.
NDVI = (proche IR - rouge) / (proche IR + rouge)

34
 Les valeurs du « NDVI » sont comprises entre -1 et +1, les valeurs négatives correspondant aux surfaces
autres que les couverts végétaux, comme la neige, l'eau ou les nuages.
b. Calcul du NDVI :
1.toolbox 2.NDVI 3. choisir l’image Landsat Bin El-Ouidane 4.OK

2
1 1
1
1
1

3
1

1
12 3
1 1
4
1
1
1 1
7 1
1

5 6
1 1
35
1 1
 c. Le résultat final de l’indice de végétation NDVI :

Les valeurs de NDVI les plus élevées, sont représentées par des tons clairs, alors que les tons les
plus foncés, concernent les valeurs les plus faibles. Pour cela, nous constatons que les valeurs de « NDVI
» varient entre -0.30 et 0.349.
D’après l’interprétation visuel on a :

−𝟎, 𝟑𝟎 ≤ 𝐍𝐃𝐕𝐈𝐄𝐚𝐮 ≤ 𝟎, 𝟎𝟎𝟎𝟏

𝟎 ≤ 𝐍𝐃𝐕𝐈𝐒𝐨𝐥 ≤ 𝟎, 𝟑𝟒𝟗
𝟎, 𝟑𝟓 ≤ 𝐍𝐃𝐕𝐈𝐕𝐞𝐠𝐞𝐭𝐚𝐭𝐢𝐨𝐧 ≤ 𝟏

3. La classification de zone de Bin El-Ouidane selon les intervalles de NDVI :

Les étapes de classification :
➢ Layer manager
➢ Image « NDVI »
➢ Click droite
➢ New raster colore slice
➢ Sélectionner NDVI
➢ OK
➢ Supprimer les bandes >3
➢ Pour chaque bande on entre un intervalle de NDVI
➢ En fin click droite « edite color »

36
1

37
➢ 1.supprimer les bandes supérieures à 3
➢ 2.bouton d’effacé

➢ 1.entrer les intervalles des classes 2.appuyer sur «OK »

38
a. Le résultat final de classification :

b. Afficher l’image Landsat Bin El-Ouidane sur QGIS :

39
 1

2
3

4. Importer le raster sur QGIS :

1 2

40
a. L’mage sur QGIS :

b. Extraire une couche présente seulement le lac :

2
3

41
42
c. Sélectionner le polygone de lac du Bin El-Ouidane :

d. Enregistrer le polygone du lac :

1
2

43
1

44
e. le résultat final de coupage de lac de Bin El-Ouidane :

f. Calcul la surface de lac de bin el Ouidane ;

45
 ➔ Créer un nouveau champ dan la table attributaire sous nom « surface » :

1
2

1
2

3
4

46 5
• Alors la surface de lac de bin el-Ouidane jusqu’à l’acquisition de cette image
est : 11274862.248 m²

g. Calculer la surface de chaque classe :

47
 On sait que la taille d’un pixel d’une image de Landsat avait une résolution spatiale de
30/30m, alors la surface de chaque classe est :

48
 le nombre de pixel × 30×30

La surface de l’eau =13853×30×30

=13853× 900

=12467700 m²

=124.677 km²

La surface de sol nu =1505213× 30 × 30

=1505213× 900

=1354691700 m²

=13546.917 km²

La surface de végétation =1071076× 30 × 30

=1071076× 900

=963968400 m²

=9639.684 km²

5. Prendre les échantillons de chaque classe :

a) Eau :

49
b) Sol nu rouge :

c) Sol nu rouge :

50
d) végétation :

➔ le nombre de pixel échantillonné de chaque classe :

1 2

51
52
➔ ROI Separation report :

53
Puisque « Pair Separation » de toutes les classes presque égale 2, alors notre échantillonnage est juste.
➔ Finalement on enregistre le « ROI » :

54
 1

2
3
6. La classification par méthode de minimum distance :
a. Le but de MD :
Avec la classification par distance minimum, les distances
euclidiennes (E D) entre les valeurs des pixels (xp,yp) et les valeurs
moyennes des classes sont calculées. Chaque pixel est associé à la classe
par rapport à laquelle sa distance euclidienne est la plus faible.
b. application de méthode : Figure 8: Principe de méthode de classification
par minimum distance.

2 1

55
 1 2

3
4

56
 7. La classification par la methode de support vector :
a. Définition de méthode SVM :
SVM (Support Vector Machine ou Machine à
vecteurs de support) : Les SVMs sont une famille
d’algorithmes d‘apprentissage automatique qui
permettent de résoudre des problèmes tant
de classification que de régression ou de détection
d’anomalie. Ils sont connus pour leurs solides garanties
théoriques, leur grande flexibilité ainsi que leur
simplicité d’utilisation même sans grande connaissance
de data mining. leur principe est simple : il ont pour but
de séparer les données en classes à l’aide d’une frontière
aussi « simple » que possible, de telle façon que la
distance entre les différents groupes de données et la
frontière qui les sépare soit maximale. Cette distance est
aussi appelée « marge » et les SVMs sont ainsi qualifiés
de « séparateurs à vaste marge », les « vecteurs de Figure 9: principe de classification par méthode SVM:

support » étant les données les plus proches de la

frontière.

b. Application de la méthode :

57
1 2

4
5

Maintenant on import l’image dans QGIS pour créer la carte finale d’occupation du sol du
lac de Bin El-Ouidane.

58
1

2 3

59
 1

2
3

➢ QGIS

1
2

60
 ➢ Faire une mise en page sur le raster :

61
➢ Nommer le fichier :

1
2

➢ La fenêtre de mise en page :

62
c. La carte réalisé par méthode SVM :

➔ 1-export le projet sous fourme image .

➔ 2-ajouter la zone de carte .

➔ 3-ajouter la zone du texte.

➔ 4-ahouter la légende.

➔ 5-ajoute l’échelle.

➔ 6-ajouter la flèche du nord.

➔ 7-mise en page sur l’objet.

➔ 8-propriétés de l’objet.

3 7 8
4
5
6

63
Figure 10: la carte occupation du Sol du Bin El-Ouidane en 16/02/2022.

64
 Conclusion

La télédétection spatiale non seulement

recourt aux méthodes d'interprétation de
la géographie mais lui fournit une banque
de données localisées synchroniques et
diachroniques toujours actualisées. Son
usage doit entraîner une mutation de la
géographie si les investissements
intellectuels et matériels nécessaires
sont consentis, comme le souhaite
l'auteur.

65