Evaluation Reboisement Par Télédétection

RANDRIANARISON MAMITIANA 1
REMERCIEMENTS
Remercions tout d’abord le Seigneur Tout Puissant de Sa Grâce et de Sa Bonté ainsi que
Sa Bénédiction. Ensuite je tiens à remercier des personnes particulières, dont :
➢ Monsieur RAKOTOSAONA Rijalalaina, Professeur et Responsable du Domaine

Sciences de l’Ingénieur de l’ESPA, de m’avoir accueilli au sein de son
établissement ;
➢ Monsieur ANDRIAMASIMANANA Rado, Maitre de conférences, responsable de
la mention Information Géographique et Aménagement du Territoire (IGAT), mon
encadreur pédagogique ; qui consacre ses efforts pour le bon déroulement de la
mention et qui a bien voulu m’encadrer et m’a bien aidé à mener ce mémoire à
terme ;
➢ Madame RAHAJANIRINA Michelle, mon encadreur professionnel ; qui m’a dirigé
avec ses conseils précieux et a consacré une grande partie de son temps tout au
long de la réalisation de ce mémoire ;
➢ Monsieur RABETSIAHINY, Maître de Conférences et Enseignant à l’Ecole
Supérieure Polytechnique d’Antananarivo qui a accepté de siéger comme président
du jury pendant la soutenance de ce mémoire ;
➢ Monsieur RAZAFINDRAKOTOHARY Tiana Richard, Ingénieur Géomètre
Topographe, Géomètre Expert et Enseignant à l’Ecole Supérieure Polytechnique
d’Antananarivo.
Monsieur RAHAINGOALISON Narizo Mahefa, Docteur Ingénieur Géographe et
Enseignant à l’Ecole Supérieure Polytechnique d’Antananarivo qui ont accepté
d’examiner ce mémoire ;
➢ Toute ma famille qui m’a soutenue jusqu’à maintenant
➢ Et toutes les personnes qui ont eu une relation directe ou indirecte à l’édification de
ce présent ouvrage.
RANDRIANARISON MAMITIANA i
Evaluation De Reboisement Via Télédétection
SOMMAIRE
REMERCIEMENTS ............................................................................................................................................. i
SOMMAIRE ...................................................................................................................................................... ii
Liste des images : ........................................................................................................................................... iii
Liste des tableaux :......................................................................................................................................... iv
Liste des figures :............................................................................................................................................. v
Liste des cartes : ............................................................................................................................................. vi
Liste de abréviations : .................................................................................................................................... ix
INTRODUCTION ............................................................................................................................................... 1
PARTIE I : GENERALITES ........................................................................................................................... 3
HISTORIQUE : .............................................................................................................................................. 4
CHAPITRE 1 : QUELQUES DEFINITIONS : ..................................................................................................... 7
CHAPITRE 2 : GENERALITES SUR LE SUJET : .............................................................................................. 20
PARTIE II : METHODOLOGIE ET RESULTATS .................................................................................................. 27
Chapitre 1 : Méthodologie ........................................................................................................................ 28
Chapitre 2 : Détection des changements : ................................................................................................ 84
PARTIE III : BILAN ET INTERPRETATIONS ....................................................................................................... 95
Chapitre 1 : Bilan et validation des résultats : .......................................................................................... 96
Chapitre 2 : Interprétations et Risques : ................................................................................................. 106
Chapitre 3 : Impacts et coûts : ................................................................................................................ 109
CONCLUSION............................................................................................................................................... 111
Références Bibliographiques : ........................................................................................................................ a
Webographie : ................................................................................................................................................ b
Annexes : ......................................................................................................................................................... c
RANDRIANARISON MAMITIANA ii
Liste des images :
Image 1 : Extrait d’images Landsat 8 ………………………………………………… 34
Image 2 : Capture sur ENVI – Dessin des ROIS ………….………………………….. 46
Image 3 : Image datant de 2013 ………………………………………………………. 85
Image 4 : Image datant de 2020 ………………………………………………………. 85
Image 5 : Superposition de l’image 4 et l’image…………………………………....… 85
Image 6 : Carte d’occupation du sol en 2013 ………………………………………… 86
Image 7 : Carte d’occupation du sol en 2020 ………………………………………… 86
Image 8 : Carte NDVI en 2013 ………………..……………………………………… 87
Image 9 : Carte NDVI en 2020 …..…………..……………………………………..… 87
Image 10 : Les reboisements sur terrain ……………………………………………… 105
RANDRIANARISON MAMITIANA iii

Liste des tableaux :
Tableau 1 : les bandes OLI (Source : Wikipédia) ………………………………………31
Tableau 2 : Les bandes TIRS (Source : Wikipédia) …………………………………… 32
Tableau 3 : Les superficies des zones reboisées ……………………………………...... 93
Tableau 4 : Evolution des superficies de la couverture forestière …………………...… 96
Tableau 5 : Liste des coordonnées des zones de reboisement …………………………. 97
Tableau 6 : Surface de la couverture forestière de la Région Analamanga pour
l’année 2010 ………………………………………………………………….. 106
Tableau 7 : Coût total du projet ………………………………………………………... 110
RANDRIANARISON MAMITIANA iv
Liste des figures :
Figure 1 : Le spectre électromagnétique (Source http ://education.meteofrance.fr) .……12
Figure 2 : Illustration d’une image raster ………..……………………………………… 16
Figure 3 : Diagramme des démarches de la méthodologie ……………………………… 28
Figure 4 : Illustration d’une composition colorée ……………………………………….. 40
Figure 5 : Classification d’une image …………………………………………………… 48
RANDRIANARISON MAMITIANA v
Liste des cartes :
Carte 1 : Localisation de la zone d’étude ………………………………………………. 22

Carte2 : Les Districts de la région Analamanga ………………………………………... 25
Carte 3 : Carte d’occupation du sol du district d’Ankazobe Etat de référence …………. 50
Carte 4 : Carte d’occupation du sol du district d’Anjozorobe Etat de référence ……….. 51
Carte 5 : Carte d’occupation du sol du district d’Ambohidratrimo Etat de référence ….. 52
Carte 6 : Carte d’occupation du sol du district d’Antananarivo Avaradrano Etat de
référence ……………………………………………………………………………………. 53
Carte 7 : Carte d’occupation du sol du district d’Antananarivo Atsimondrano Etat de
référence ……………………………………………………………………………………. 54
Carte 8 : Carte d’occupation du sol du district d’Antananarivo Renivohitra Etat de
référence ……………………………………………………………………………………. 55
Carte 9 : Carte d’occupation du sol du district d’Andramasina Etat de référence ……... 56
Carte 10 : Carte d’occupation du sol du district de Manjakandriana Etat de référence ... 57
Carte 11 : Couverture végétale du district d’Ankazobe Etat de référence ……………... 59
Carte 12 : Couverture végétale du district d’anjozorobe Etat de référence ……………. 60
Carte 13 : Couverture végétale du district d’Ambohidratrimo Etat de référence ……… 61
Carte 14 : Couverture végétale du district d’Antananarivo Avaradrano
Etat de référence ……………………………………………………………………….. 62
Carte 15 : Couverture végétale du district d’Antananarivo Atsimondrano
Etat de référence ……………………………………………………………………..… 63
Carte 16 : Couverture végétale du district d’Antananarivo Renivohitra

Etat de référence ……………………………………………………………………….. 64
Carte 17 : Couverture végétale du district d’Andramasina Etat de référence …………. 65
Carte 18 : Couverture végétale du district de Manjakadriana Etat de référence ………. 66
Carte 19 : Carte d’occupation du sol du district d’Ankazobe Au moment de l’étude .… 68
Carte 20 : Carte d’occupation du sol du district d’Anjozorobe Au moment de l’étude .. 69
Carte 21 : Carte d’occupation du sol du district d’Ambohidratrimo Au moment
de l’étude ………………………………………………………………………………. 70
Carte 22 : Carte d’occupation du sol du district d’Antananarivo Avaradrano
Au moment de l’étude …………………………………………………………………. 71
Carte23 : Carte d’occupation du sol du district d’Antananarivo Atsimondrano
RANDRIANARISON MAMITIANA vi

Carte 24 : Carte d’occupation du sol du district d’Antananarivo Renivohitra
Carte 25 : Carte d’occupation du sol du district d’Andramasina
Au moment de l’étude ………………………………………………………………….. 74
Carte 26 : Carte d’occupation du sol du district de Manjakandriana
Carte 27 : Couverture végétale du district d’Ankazobe Au moment de l’étude ……….. 76
Carte 28 : Couverture végétale du district d’Anjozorobe Au moment de l’étude ……… 77
Carte 29 : Couverture végétale du district d’Ambohidratrimo Au moment de l’étude … 78
Carte 30 : Couverture végétale du district d’Antananarivo Avaradrano Au moment de
l’étude ………………………………………………………………………………………. 79
Carte 31 : Couverture végétale du district d’Antananarivo Atsimondrano
Carte 32 : Couverture végétale du district d’Antananarivo Renivohitra Au moment de
l’étude ……………………………………………………………………………………… 81
Carte 33 : Couverture végétale du district d’Andramasina Au moment de l’étude …… 82
Carte 34 : Couverture végétale du district de Manjakandriana Au moment de l’étude .. 83
Carte 35 : Résultats de la comparaison par raster ……………………………………… 89
Carte 36 : Résultats de la comparaison par carte d’occupation du sol ………………… 90
Carte 37 : Résultats de la comparaison des indices NDVI
pour le district d’Andramasina …………………………………………………………. 91
Carte 38 : Illustration des zones reboisées de la région Analamanga ………………….. 94
Carte 39 : Coordonnées connues des zones de reboisement …………………………… 98
Carte 40 : Zone de reboisement issue des coordonnées obtenues,
Commune de Kiangara, District d’Ankazobe ………………………………………….. 99
Commune de Talata Angavo, District d’Ankazobe ……………………………………. 100
Commune d’Antotohazo, District d’Ankazobe ……………………………………...… 101
Commune d’Ambalavao, District d’Antananarivo Atsimondrano …………………….. 102
RANDRIANARISON MAMITIANA vii

Commune d’Alakamisy, District d’Anjozorobe ………………………………………. 103

Commune d’Alarobia, District de Manjakandriana. ………………………………….. 104
RANDRIANARISON MAMITIANA viii

Liste de abréviations :
2D : Deux dimensions
3D : Trois dimensions
AVION : Appareil Volant Imitant l’Oiseau Naturelle
B : Bande
DAO : Dessin Assisté par Ordinateur
ETM+ : Enhanced Thematic Mapper Plus
GIS : Geographic Information System
LDCM : Landsat Data Continuity Mission
LiDAR : Light Detection and Ranging
MS : Multispectral
NASA :
NDVI : Normalized Difference Vegetation Index
NIR : Near Infrared
OLI : Operational Land Imager
Pan : Panchromatique
PIR : Proche Infrarouge
RaDAR : Radio Detection And Ranging
RGB ou RVB : Red Green Blue ou Rouge Vert Bleu
SIG : Système d’Information Géographique
SoNAR : Sound Navigation And Ranging
TIRS : Thematic InfraRed Sensor
TM : Thematic Mapper
USGS : United States Geological Survey
WGS 84 : World Geodetic System 1984
RANDRIANARISON MAMITIANA ix
INTRODUCTION
Récemment, Madagascar a été reconnu comme l’un des pays « hotspots de la
biodiversité » au niveau mondial. Jadis, la grande île fut appelée « l’île verte » à cause de sa
verdure tropicale. Mais désormais on l’appelle « l’île rouge ». Cette appellation est survenue
suite à la déforestation très excessive constatée entraînant la destruction et dégradation du sol,
lequel a adopté une couleur rougeâtre. Il y a aussi la croissance démographique (26.26
Millions d’habitants en 2018 par rapport à 15.77 Millions d’habitant pour l’année 2000 selon
la Banque Mondiale) qui entraîne la surexploitation des ressources forestières. En 2017,
d’après « Global Forest Watch », Madagascar se classe 4ème pays en termes de déforestation
avec un taux de déforestation de 1.1% chaque année depuis 2014. Pour résoudre ces
problèmes, l’Etat Malagasy, avec certains Organismes Non Gouvernementaux (nationaux ou
internationaux) ont élaboré une politique visant une meilleure gestion des ressources
forestières dont : des efforts de surveillance de la surexploitation des arbres et des projets de
reboisement. Actuellement, l’objectif de l’Etat est de reboiser une surface de 40.000 Ha par an
avec 40 Millions de jeunes pousses au minimum.
Notre thème se focalise sur ce reboisement, qui est, selon le ministère de l’environnement,
une opération consistant à replanter des plants d’arbres sur un terrain qui a été déboisé,
permettant de restaurer des zones boisées ou des forêts qui ont été supprimées. Le reboisement
peut être de type naturel (régénération des arbres coupées ou éparpillement des graines par le
vent, l’eau ou les animaux) ou de type artificiel (plantation par les mains de l’homme). Chaque
année, beaucoup d’opérations de reboisement s’effectuent dans presque tout Madagascar et la
région Analamanga n’en fait pas exception, elle est même devenue en quelques sortes un foyer
de reboisement. En effet, les différentes institutions et organismes qui siègent dans la ville
d’Antananarivo, capitale de la Région et aussi capitale de Madagascar, effectuent
régulièrement des opérations de reboisement tous les ans.
Cependant, aucun système d’évaluation ou de capitalisation pour mesurer les résultats de

ces efforts de plusieurs années n’a été établi jusqu’à maintenant, selon la direction régionale
des forêts de la Région Analamanga. Ce qui nous a amené à effectuer une étude afin d’établir
un système d’évaluation de reboisement via télédétection, en utilisant des séries temporelles

d’images Landsat 8, dans la région Analamanga.
Notre ouvrage est divisé en trois (3) parties. La première partie renferme les généralités.
Elle invoque quelques définitions en relation avec notre sujet et détaille les généralités sur
notre sujet. La deuxième partie explique la méthodologie suivie, les démarches suivies jusqu’à
l’obtention des résultats voulus. Et la dernière partie, qui présente les résultats obtenus suivi
des interprétations de ces résultats et des bilans.
PARTIE I : GENERALITES
HISTORIQUE :
Autrefois, des forêts occupaient les hauts plateaux de Madagascar, couvrant les bassins
d’aujourd’hui destinés désormais à la riziculture ; ces forêts servaient de relais entre les
massifs forestiers de la falaise Est et les forêts sèches de l’Ouest de Madagascar. Mais avec la
croissance démographique, parallèlement, l’exploitation forestière est devenue excessive, les
incendies de forêts se sont multipliés et les forêts ont disparu peu à peu.
Dans ces dernières décennies, ou au moins depuis les années 70, les opérations de
reboisement ont été fortement encouragés par l’Etat afin de restaurer les forêts et remédier aux
problèmes de déforestation. La suite de ces reboisements n’a jamais été un grand sujet, par
faute de moyens matériels ? Financiers ? ou bien de moyens humains ?
Pourtant, l’homme a toujours cherché à maîtriser ses alentours et son environnement.

Auparavant, il grava des hautes montagnes pour se permettre de visualiser ses occupations
territoriales. Mais la notion de photographie aérienne n’est apparue que vers l’an 1783, par les
frères Montgolfier en inventant l’aérostat. En 1838, Daguerre réussit à établir des images
photogrammétriques durables. En 1858, Nadar fait, depuis la nacelle d'un ballon captif, les
premiers essais de Photographie aérienne. Laussedat qui connaissait les lois de la perspective
de Lambert, l'incite ä utiliser ces photographies pour des buts de mensuration.
Mais l'élaboration des cartes et des plans à l'aide de la Photographie aérienne devait s'appuyer
sur des bases mathématiques. II fallait trouver les méthodes de construction géométrique
nécessaires, les appareils et les émulsions photographiques donnant la précision exigée, ainsi
que les instruments de restitution des levés photographiques. Il fallait des siècles pour voir
Sebastian Münster développer les méthodes de mensuration et le rapporteur rudimentaire, et
de créer les théories modernes de la géodésie ainsi que les instruments actuels de précision.
Les photogrammètres ont toujours eu un intérêt vif pour les prises de vue aériennes.
Offrant un point de vue isométrique propice à la reconstruction tridimensionnelle, l'acquisition
d'images aéroportées a révolutionné l'urbanisme, la cartographie, la défense, et de nombreuses
autres activités. La première image aérienne a été acquise en 1858, grâce à l'ingéniosité de
Gaspard-Félix Tournachon [Selon Eisenbeiss 2009].
À partir d'une montgolfière, le photographe parvint à s'élever à une hauteur de 80 mètres

pour obtenir une image oblique de Paris. D'autres pionniers ont utilisé des cerfs-volants dès les
années 1882 [Selon Colomina et Molina 2014]. Nécessitant la mise au point de dispositifs afin
de déclencher automatiquement la prise de vue, plusieurs cerfs-volants étaient attachés pour
créer la portance nécessaire à l'élévation des lourdes caméras. Le ballon sphérique ne pouvant
pas être dirigé à volonté, les ballons captifs et dirigeables apparurent mais ils exigeaient de
longues préparations vraiment coûteuses et un grand nombre de personnels.
En 1897, Alfred Nobel conçut la première fusée équipée d'une caméra. Avec un rayon
d'action de quelques kilomètres, la caméra pouvait atteindre quelques centaines de mètres
d'altitude, et dès 1903 effectuer des prises de vue gyrostabilisées. Les principaux
inconvénients étant l'imprécision des trajectoires et les difficultés liées à la récupération des
clichés (éjection de la caméra et redescente en parachute).
En parallèle de ces essais, Julius Neubranner travaillait sur la confection d'appareil

photographiques miniatures [Verhoeven 2009]. Harnachés au corps de pigeons, ils ont pu
immortaliser avec peu de moyens une vision inédite du voyage des volatiles. Leur trajectoire
étant jugé trop aléatoire, le système fut abandonné, mais les travaux d'allégement et de
miniaturisation furent cruciaux, et demeurent aujourd'hui encore un défi.
Ces systèmes, bien que novateurs et ouvrant de nouveaux champs d'études, ont été
marginalisés par les progrès de l'aviation. En 1909, Wilbur Wright pris la première
photographie depuis un avion. La technologie connut un fort développement pour son
utilisation militaire en 1914-1918, permettant d'améliorer les fonctionnalités des appareils
photographiques. L'imagerie spatiale émergea après la seconde guerre mondiale. La preuve de
concept fut amenée dès 1946 par la reconversion des fusées miliaires V-2 en outils de prise de
vue stratosphérique. Des satellites orbitaux sont ensuite venus compléter le système, et
répondent désormais à des besoins de plus en plus spécifiques. Il existe aujourd'hui une forte
variété de vecteurs utilisables pour obtenir un cliché depuis les airs. Les ouvrages de la CNR
étant de longueur relativement restreinte, les moyens aériens légers tels que les drones et ULM
permettent une optimisation des coûts, et offrent une qualité d'image supérieure.
L’utilisation de l’avion en photogrammétrie est révolue de nos jours, on a même eu recourt

à des engins volants autonomes ou drones pour photographier la surface terrestre par la voie
aérienne.
Pour notre étude, la télédétection est utilisée pour obtenir des résultats sur les couvertures
forestières notamment sur le reboisement.
CHAPITRE 1 : QUELQUES DEFINITIONS :

A. Reboisement
Le Reboisement est une opération de réinstauration des forêts ou des zones boisées qui ont
été éradiquées par la surexploitation ou par les incendies de forêt ou le surpâturage. Dans
certains cas, on peut confondre « reboisement » et « afforestation », cette dernière qui consiste
à boiser des terres vierges d’arbres mais pour notre étude, les deux termes se généralisent par
le terme « reboisement ».
Le reboisement peut être soit de type naturel ou bien de type artificiel.
1- Reboisement naturel :
La reforestation par régénération naturelle peut survenir spontanément, sans l'homme, ou
être initiée par ce dernier (régénération assistée). Elle se fait dans les deux cas par la
dissémination des graines et propagules ; par expression naturelle de la banque de graines du
sol ou par apports via le vent, l'eau ou les animaux (oiseaux, sanglier, écureuil...).
2- Reboisement artificiel :
Le reboisement artificiel fait référence à l’activité de plantation d’arbres faite par l’homme
directement.
B. La Télédétection
La Télédétection désigne, la mesure ou l’acquisition d’informations ou bien la perception

d’un objet, sans contact direct avec ce dernier via un instrument de mesure.
C’est-à-dire, c’est l’utilisation à distance d’un instrument qui permet d’acquérir des
informations sur un objet à étudier.
Exemple d’instrument : les Capteurs Lidar, SONAR, Radar, les appareils photographiques,
les gravimètres, etc. …
Il existe aussi la « Télédétection spatiale », qui est l’ensemble des connaissances et

techniques utilisées pour l’observation et l’étude des caractéristiques de l’atmosphère terrestre
et de la surface terrestre ou bien de quelque chose d’autre dans l’espace, via un engin spatial
qui effectue des prises de vues régulières sur la surface à étudier, c’est-à-dire en évoluant à
une distance convenable de l’objet à étudier (Exemple : Les satellites, …)
La télédétection peut être mesurée comme suit :
Une source d’énergie (ou d’illumination) illumine ou frappe la cible ; une part de l’énergie
est absorbée par la cible et une grande quantité est réfléchie vers un capteur qui enregistre les
données et les transmet, après, vers une station de traitement des données. Et après ces phases,
les données obtenues peuvent être analysées et interprétées.
C. Les capteurs :
Les capteurs sont les appareils destinés à capter les signaux réfléchis par les cibles. Ils
doivent évidemment être placés à distance de la cible à étudier, portées par des moyens de
locomotion ou des objets stationnaires sur une plate-forme. (Exemple : AVION, Bateau,
Hélicoptère, Drone, Satellite, Navette Spatiale, Automobile, …)
Il existe deux types de capteurs :
✓ Les capteurs passifs : qui perçoivent seulement la réflexion de l’énergie lumineuse du

soleil
✓ Et les capteurs actifs : qui possèdent à eux même leurs propres sources d’énergie.
En télédétection, la grandeur utilisée pour décrire la « teinte » des pixels est la réflectance
(on parle de réflectivité pour les images radar). La réflectance va traduire le comportement
d’une surface lorsqu’elle qu’elle reçoit les rayons du soleil. Soumise à un rayonnement, une
surface (la cible) va en partie :
- l’absorber
- le transmettre aux surfaces sous-jacentes
- le réfléchir vers le ciel. C’est cette part réfléchie qui est enregistrée par les capteurs des
satellites.
D. Les images satellitaires :
1- Les satellites :
En astronautique, un satellite est un objet artificiel lancé depuis la terre et mis en orbite
autour de cette dernière ou bien d’un autre astre.
Selon sa fonction, on distingue :
➢ Les satellites scientifiques

➢ Les satellites de télécommunications
➢ Les satellites d’astronomie
➢ Les satellites de Télédétection
➢ Les satellites espions
➢ Les satellites de géo positionnement et de navigation
➢ Les microsatellites, les nanosatellites et les pico satellites
➢ Les stations spatiales
➢ Et les sondes spatiales
2- Les orbites des satellites :
On peut distinguer les orbites des satellites en deux (02) catégories :
• L’orbite Géostationnaire :
Le satellite se trouve à une altitude très élevée (environ 36000 km) et observe toujours la
même région sur terre.
Ce sont les satellites de communication et d’observation des conditions météorologiques
• L’orbite quasi-polaire :
Une trajectoire partant du Nord au Sud ou vice-versa tout en observant presque toute la
totalité de la terre. Les satellites ayant une orbite quasi-polaire observent chaque région de la
terre à la même heure solaire, c’est-à-dire héliosynchrone
3- Caractéristiques d’un satellite :
• Fauchée : Une partie de la surface de la Terre observée par le satellite.
• Points nadir : Des points sur la surface de la Terre qui se trouvent directement en dessous
de la trajectoire du satellite
• Cycle de passage du satellite : Période de temps nécessaire pour que le satellite revienne
au-dessus d’un point nadir pris au hasard.
4- Les différents types de résolution des images satellitaires :
La résolution spatiale :
La résolution spatiale d’une image satellite est la taille de la zone couverte par un pixel.
Chaque pixel de l’image correspond à une partie de la surface de
la terre.
La résolution spatiale dépend de la taille des détecteurs, du miroir, de la distance focale et de
l’altitude de vol de chaque capteur.
Une résolution fine permet de distinguer des objets de petite taille. C’est une mesure du plus
petit élément détecté par une image satellitaire pour une dimension donnée. La résolution
spatiale dépend du Champ de Vision Instantané du capteur.
La résolution spectrale :
En plus du visible, certains satellites optiques sont capables de capter un rayonnement hors du
visible (ex : infrarouge). Le rayonnement est capté par bande et une image satellite est
composée d’une ou plusieurs bandes, correspondant chacune à un intervalle spectral
La résolution spectrale correspond au nombre et caractéristiques des bandes
dans lesquelles le satellite observe.
➢ Un rayonnement se caractérise par une onde électromagnétique qui se propage

dans un milieu et interagit avec celui-ci. Le spectre du rayonnement électromagnétique
comprend différents domaines d'ondes caractérisées par leur longueur d'onde et leur
fréquence.
➢ Le spectre visible : Un rayon de lumière blanche peut être décomposé (par un

prisme de cristal) et on obtient une bande de couleur allant du violet au rouge. Ces couleurs
nous sont familières car elles correspondent à l’arc en ciel visible lors de la décomposition de
la lumière du jour par les gouttes de pluie. Les longueurs d’ondes deviennent d’autant plus
grandes que l’on progresse dans le spectre du bleu au rouge. Le spectre visible comprend les
ondes de fréquence allant d’environ 400 nm à 700 nm (millionième partie du millimètre).
➢ Le spectre invisible : Certaines radiations ne sont pas visibles à l’œil humain.

Elles se situent à chaque extrémité du spectre : l’ultraviolet (fréquence courte) et l’infrarouge
(fréquence supérieure à celle du rouge). Les émulsions chimiques ne permettent de
photographier que les infrarouges très proches du rouge visible. Les images satellitales
permettent d’élargir le champ d’observation en allant jusqu’aux hyperfréquences.
(Figure 1 : Le spectre éléctromagnétique, source : http://education.meteofrance.fr)
Pour les satellites à capteurs optiques, on distingue les résolutions spectrales en :
Image panchromatique (PAN) : image monocanal représentée en niveaux de gris.

Image multispectrale (MS) : enregistrement simultané dans plusieurs bandes spectrales
Visible : bleu, vert, rouge ; Infrarouge ; Affichage en couleurs naturelles ou en
fausses couleurs
La résolution temporelle :
Qui définit la fréquence de réplication du satellite, qui est la séquence temporelle selon
laquelle le satellite aura la possibilité éventuelle de répéter l’acquisition des données d’une
même surface. Cette fréquence peut être journalière, hebdomadaire, mensuelle, etc.
E. La photogrammétrie :
La photogrammétrie est la science qui consiste à produire des cartes précises à partir de
photographies aériennes.
C’est une technique de télédétection permettant de définir la forme et la position d’un objet
à partir de photographies.
La méthode la plus couramment utilisée est associée à la cartographie topographique basée

sur la photographie aérienne stéréoscopique classique, bien que les images numériques
satellitaires soient de plus en plus utilisées.
1- La photogrammétrie analogique :
Connue entre les années 1900 à 1960. Elle fait appel à des instruments mécaniques et
optiques, permettant de déplacer et d'orienter des images argentiques afin de rétablir la vision
stéréoscopique.
Les rayons issus de deux points homologues se croisent alors en un point objet marqué par
une tête scripturante sur un plan 2D.
2- La photogrammétrie analytique :
De 1960 à 1985, les opérations mécaniques effectuées par le biais de manivelles pilotées
par ordinateur. Après une phase d'orientation manuelle, un logiciel transforme des
coordonnées image en coordonnées terrain et permet leur exploitation dans un logiciel de
CAO/DAO.
3- La photogrammétrie numérique :
La naissance de la photographie numérique couplée à la puissance des ordinateurs a

contribué au calcul automatique des orientations à partir de quelques points homologues saisi
par un opérateur sur un couple d'images. Un écran clignotant à haute fréquence et une paire de
lunettes affichant pour chaque œil une image du couple permet la restitution des éléments en
3D.
À chacun de ces cycles correspondent des avancées techniques permettant de faire tomber
certaines barrières, notamment le niveau d'expertise et les moyens requis pour restituer une
scène. Avec ces systèmes, la précision du tracé dépend :
• de la précision de l'instrument de restitution : de plus en plus grande selon les phases de

développement ;
• de la qualité de l'image : généralement croissante jusqu'à l'apparition de la photographie

numérique, qui fut de qualité moindre à ses débuts mais est désormais supérieure à la
photographie argentiques (sujet à débat) ;
• de l'acuité stéréoscopique : l'humain est ici inégal puisque les caractéristiques

physiologiques d'un opérateur influent sur la qualité de sa restitution ;
• de la précision du géoréférencement : on vise généralement une précision supérieure à la

taille du pixel (exemple : précision de quelques centimètres pour recaler des blocs d'images
aériennes de résolution décimétrique) ;
• de la résolution des images : des images de résolution métrique ne pourront pas être
restituées avec une précision centimétrique ;
• de la configuration stéréoscopique du couple : plus le rapport entre la base

stéréoscopique et la hauteur de vol est important (ou distance à la scène dans le cas terrestre),
meilleure est la précision du pointé 3D (jusqu'à un seuil au-delà duquel la visualisation
stéréoscopique devient inconfortable).
Un nouveau cycle est certainement en train d'apparaître avec la naissance depuis une
dizaine d'années de ce qu'on pourrait appeler la photogrammétrie automatisée.
4- La photogrammétrie automatisée :
La photogrammétrie dite classique, nécessitant l'intervention d'un opérateur spécialisé pour
la saisie de points homologues et la stéréo restitution des caractéristiques de la scène, est en fin
de vie. Requérant un degré de qualification relativement élevé et l'emploi d'équipements
encombrants, complexes et coûteux, la photogrammétrie a presque toujours été réservée à une
tranche infime de la population.
Aujourd'hui, grâce au rapprochement avec des communautés scientifiques transverses,

notamment celle de la vision par ordinateur, des algorithmes ont pu être mis au point afin de
faire tomber de nouvelles barrières, aboutissant à l'émergence de solutions logicielles
automatisées. Le calcul des orientations est totalement informatisé et la stéréo restitution
d'éléments par un opérateur est supplantée par la création entièrement automatisée de nuages
de points.
5- Les types d’émulsions :

➢ Les émulsions panchromatiques :
La plus courante des émulsions. Facile à lire, elle correspond au mode noir et blanc. A
Faible coût et permettant une forte distinction dans la gamme des teintes du noir au blanc, cette
émulsion est la plus répandue.
➢ La photographie couleur :
Les couleurs sont proches de celles du monde réel. Cependant on peut se confronter à des
confusions dans la distinction des éléments.
➢ L’infrarouge noir et blanc :

Emulsion très utilisée dans les analyses des végétaux et des eaux. Plus l’humidité est
forte plus la zone est sombre. Une forte activité chlorophyllienne est représentée par une
forte clarté.
C’est-à-dire, le rayonnement infrarouge est absorbé par l’eau, les conifères, les
végétaux secs ou brulés tandis que les effets d’évaporation de la végétation entraînent une
forte réflectance du rayonnement.
➢ L’infrarouge couleur (ou fausse couleur) :

Les objets ont des couleurs différentes du monde réel. C’est une combinaison des
émulsions couleurs et des émulsions infrarouge.
F. Les différents types d’images :
1- Les images « RASTER » ou maillées ou matricielles :
Dans sa forme la plus simple, un raster se compose d'une matrice de cellules (ou pixels)
organisées en lignes et en colonnes (grille) dans laquelle chaque cellule contient une valeur
représentant des informations ; la température, par exemple. Les rasters, dans notre domaine,
sont des photographies aériennes numériques, des images satellite, des images numériques,
voire des cartes numérisées.
Figure 2 : Illustration d’une image raster
La taille d’un pixel définit la résolution d’une image. Plus il y a de pixel, plus la résolution
est bonne et inversement, moins il y a de pixel, la résolution diminue avec.
Les données stockées sous un format raster représentent des phénomènes réels :
- Les données thématiques (désignées également sous le nom de données discrètes)

représentent des entités telles que des données de sol ou d'occupation du sol.
- Les données continues représentent des phénomènes tels que la température ou

l'altitude, ou encore des données spectrales telles que des images satellite et des photographies
aériennes.
- Les images incluent des cartes ou dessins numérisés et des photographies de

constructions.
2- Les « VECTEURS » :
Les images vectorielles sont des représentations de formes géométriques telles qu'un
cercle, un rectangle ou un segment. Ceux-ci sont représentés par des formules mathématiques
(un rectangle est défini par deux points, un cercle par un centre et un rayon, une courbe par
plusieurs points et une équation). C'est le processeur qui sera chargé de "traduire" ces formes
en informations interprétables par la carte graphique. Chaque tracé existe donc sous deux
formes : sous forme de code dans un fichier et sous forme d'image à l'écran. Les images
Vectorielles sont donc différentes des images matricielles qui elles sont définies par des
pixels.
L'image vectorielle peut être agrandie ou réduite à l'infini sans perte de qualité. Elle est
composée de formules mathématiques au lieu de pixels, et elle doit donc être calculée avant
d'être affichée (rastérisation), ce qui la rend indépendante du périphérique sur lequel elle est
affichée. Une image vectorielle est plus légère qu'une image matricielle. Elle occupe moins de
place en mémoire. Un cercle rouge en vectoriel n'est composé que d'une petite ligne de code
définissant sa position, sa couleur et son rayon, tandis qu'un même cercle rouge en matriciel
est composé de millier de pixels. On peut animer les différents éléments composant une image
vectorielle. Une image vectorielle est idéale pour des représentations graphiques simples
(figures géométriques, lignes, points).
G. La Géomatique :
C’est une discipline ayant pour objet la gestion des données géographiques et qui
fait appel aux sciences et aux technologies reliées à leur acquisition, leur stockage,
leur traitement et leur diffusion. (Office de la langue française du Québec, 2005)
H. Le Système d’Information Géographique :
C’est un système informatique de matériels, de logiciels, et de processus conçu

pour permettre la collecte, la gestion, la manipulation, l’analyse, la modélisation et
l’affichage de données à référence spatiale afin de résoudre des problèmes complexes
d’aménagement et de gestion.
➢ L’information Géographique est la définition de toute information, quelle qu’elle soit,

repérée par des coordonnées géographiques d’un système de coordonnées bien indiqué. Elle
se présente sous la forme d’une correspondance entre un objet ou un phénomène décrit de
façon partielle ou totale par ses attributs et sa localisation sur la
surface terrestre.
I. La Cartographie :
La cartographie est l’ensemble des études et des opérations, scientifiques, artistiques et

techniques, intervenant à partir des résultats d’observations directes ou d’exploitation d’une
documentation, en vue de l’élaboration et de l’établissement de cartes, plans et autres modes
d’expression, ainsi que dans leur utilisation » (www.cdig-var.org). Elle a pour avantage de
modéliser chaque entité étudiée, pour finalement aboutir à un document de synthèse, mettant
en exergue les éléments essentiels à des fins analytiques.
Alliée aux SIG, la cartographie s’est informatisée.
Dans notre étude, on utilise la cartographie pour illustrer la couverture forestière de la

région Analamanga et mettre en évidence les zones reboisées.
J. Les domaines d’application du SIG :
Les progrès scientifiques en matière d’informatique et d’électronique ont donné lieu à

différentes applications des SIG :
- gestion et aménagement du territoire ;
- analyse et prédiction des risques majeurs ;
- élaboration des scénarios d’évacuation et d’intervention de sécurité civile ;
- santé (étude de la prolifération et de la propagation d’une épidémie) ;
- recherche en écologie, hydrologie et géologie ;
- militaire (logistique et mouvements de troupes)
La géomatique, la cartographie et le SIG sont principalement les trois outils utilisés pour
accomplir notre étude sur la capitalisation de reboisement.
CHAPITRE 2 : GENERALITES SUR LE SUJET :

A. Contexte :
La région Analamanga est victime de la déforestation (surexploitation des arbres,

incendies de forêt, …). Les forêts primaires disparaissent peu à peu ; le sol se dégrade,
entraînant des éboulements de terrain presque un peu partout et surtout dans la capitale et ses
périphéries. Beaucoup d’opérations de reboisement ont été effectué au cours de ces dernières
décennies dans la région mais aucune évaluation de ces efforts de reboisement n’a encore été
réalisée alors que quelques avancées technologiques permettent de le faire. C’est pour cette
raison qu’on a choisi d’effectuer une étude se basant sur l’évaluation ou capitalisation des
efforts de reboisements dans la Région Analamanga.
B. Présentation du Sujet :
Le sujet de notre étude est de faire des études via Télédétection dans la région Analamanga
afin d’évaluer les reboisements de cette région.
On a choisi un intervalle de sept (7) ans : partant du mois d’Avril de l’année 2013 jusqu’au
mois de Mai de l’année 2020.
Les images multispectrales utilisées lors de l’étude sont les images du satellite Landsat 8
avec une résolution spatiale de 30m qu’on juge un peu idéale pour une étude de très grande
superficie.
C. Description de la zone d’étude :
1- Localisation :
La région Analamanga se trouve presqu’au centre de Madagascar, entouré par les régions
de Betsiboka au Nord, d’Itasy et de Vakinakaratra au sud, de Bongolava à l’Ouest et d’Alaotra
Mangoro à l’Est. Elle est l’une des régions qui constituaient l’ancienne province
d’Antananarivo, avec les régions Itasy, Bongolava, et Vakinakaratra.
La région Analamanga est entourée par les coordonnées internationales WGS 84 :
✓ Latitude maximale = 17° 41’ 30’’ Sud

✓ Latitude minimale = 19° 31’ 53‘’ Sud
✓ Longitude maximale = 048° 02’ 47’’ Est
✓ Longitude minimale = 046° 30’ 18 ‘’ Est
Et en Coordonnées locales ou Coordonnées Laborde Madagascar :
X min = 406286 m X max = 568720 m
Y min = 726292 m Y max = 932406 m
2- La Région Analamanga :
La région Analamanga a une superficie de 22 350 km² environ avec une population estimée
à 3 618 128 habitants d’après le dernier recensement général de la population et de ses
habitations en 2018.
Le Chef-lieu de la région d’Analamanga est la Ville d’Antananarivo, qui se trouve un peu

sur le Sud de la région et qui est la capitale même de Madagascar.
La région comporte huit (8) districts dont le district d’Antananarivo-Renivohitra,

d’Antananarivo-Avaradrano, d’Antananarivo-Atsimondrano, d’Ambohidratrimo,
d’Andramasina, d’Anjozorobe, d’Ankazobe et de Manjakandriana.
Selon le site de la Direction Générale de l’économie et du plan, les écosystèmes naturels

de la Région Analamanga sont composés de formation forestière (forêts humides) et de plans
d’eau.
La région fait partie de ce que l’on appelle les hautes terres par rapport à l’ensemble de
l’île. Son relief se distingue par trois ensembles :
Les Hauts Plateaux, situés au Nord et à l’Ouest et dépassant l’altitude de 1 500 mètres,
sont séparés par des vastes vallées drainées par deux fleuves, la Betsiboka et l’Ikopa.
Le Centre se caractérise par l’escarpement de faille de l’Angavo et le paysage de collines

de l’Imerina Est. A l’Ouest, il y a les plaines d’Antananarivo, dont l’aménagement
commençait au temps de la royauté Merina.
L’Imerina Centrale, couvrant une superficie de 19.081 km2, présente un relief morcelé
dont l’altitude varie de 600 à 1 700 m.
Le centre est caractérisé par ses collines escarpées et sa plaine inondable.
L’Est présente un paysage très varié. Le district de Manjakandriana est formé par une
succession de collines coupées par un chaos de boules granitiques. Cette cascade de dômes
s’estompe au niveau du district d’Andramasina.
Au Nord, le district d’Ankazobe fait partie du vaste ensemble des Tampoketsa, surface
d’érosion monotone, uniforme, interrompue par de larges et longues vallées suivies par des
rivières au fond plat et bordées de forêts galeries. Par contre, le district d’Anjozorobe (Nord-
Est) présente un paysage, plus ouvert, avec des vallées séparant les tanety.
Au Nord-Ouest, elle est dominée par le plateau de Tampoketsa. Les vallées y sont moins
importantes. Elles deviennent de plus en plus encaissées du plateau jusqu’au fleuve de l’Ikopa
et se limitent souvent à des vallons occupés par de forêts galeries. Vers le sud, ce plateau est
relayé par des reliefs rocheux alignés est-ouest en gradins.
Au Sud et à l’Est, l’altitude diminue et les reliefs deviennent plus accidentés. Des plaines
situées aux environs de 1200 m se distribuent autour des zones habitées ou des cours d’eau :
Betsimitatatra, de Manjakandriana à Anjozorobe, Mahitsy, aux environs d’Ambatomanga-
Anjeva, d’Ambohimanambola en bordure de l’Ikopa et de ses affluents…
Le choix de la région d’Analamanga comme zone d’étude est justifié par le nombre de
projets de reboisement s’y effectuant toutes les années qui se sont suivies. En effet, les
différents organismes qu’ils soient privés ou d’Etat, ainsi que les différents services et
institutions qui se trouvent dans cette région œuvrent pour au moins une opération de
reboisement chaque année.
Donc la région Analamanga se présente comme la zone d’étude idéale pour nos études de
reboisement par Télédétection.
PARTIE II :
METHODOLOGIE ET
RESULTATS
Chapitre 1 : Méthodologie
A- Approche globale :
L’ensemble des démarches à suivre pour parvenir à nos buts est démontré par le
diagramme ci-après :
Figure 3 : Diagramme des démarches

de la méthodologie
Il nous faut tout d’abord choisir la zone d’étude voulue, ici la Région Analamanga. Ensuite
procéder à l’acquisition des données nécessaires pour l’étude : les bases de données et les
images Landsat 8. Après, des pré-traitements de ces données acquises sont à faire pour que les
données soient corrigées selon nos attentes : géoréférencements, calibrations radiométriques,
corrections atmosphériques. Et on effectue les compositions colorées afin d’obtenir les images
nécessaires pour notre étude. Puis, on découpe les images obtenues selon la limite des districts
pour pouvoir faire l’étude au niveau des districts de la Région Analamanga.
Et ensuite, on peut procéder aux traitements des images pour aboutir aux cartes
d’occupation obtenues par classification supervisée et aux cartes de couverture végétale
obtenues par les valeurs NDVI, et cela pour chaque année : 2013 et 2020. On effectue ensuite
la comparaison des images de chaque district pour les années indiquées précédemment et on
peut y mettre en évidence les zones reboisées. Après, on fait une généralisation des résultats
obtenus pour la région Analamanga.
L’étape suivante est la validation des résultats obtenus, en premier temps par recoupement
aux coordonnées de reboisement déjà connus suivi d’une descente sur terrain pour vérifier
quelques sites facilement accessibles. Et en deuxième temps par validation sur des statistiques
officielles publiés par l’Etat Malagasy.
Enfin, on peut récapituler les résultats et affirmer avec certitude la superficie des zones
reboisées. Puis, on procède à des interprétations et analyses de ces résultats, d’abord sur la
couverture forestière et après sur les reboisements.
B- Acquisition des données :

1- Les images « Landsat 8 » :
a) Le satellite 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 et le septième à atteindre l’orbite avec
succès. Initialement appelé Landsat Data Continuity Mission (LDCM), il s'agit d'une
collaboration entre la NASA et le United States Geological Survey (USGS).
Avec le retrait de Landsat 5 début 2013, laissant Landsat 7 comme seul satellite du
programme Landsat en orbite, Landsat 8 assure l'acquisition continue et la disponibilité des
données Landsat utilisant une charge utile à deux capteurs, le Operational Land Imager (OLI)
et le Thermal InfraRed Sensor (TIRS). Respectivement, ces deux instruments collectent des
données d'image pour neuf bandes d'ondes courtes et deux bandes thermiques d'ondes longues.
Le satellite est développé pour une durée de vie de 5 ans, mais est lancé avec suffisamment de
carburant à bord pour assurer plus de 10 ans d'exploitation.
Landsat 8 comprend trois objectifs scientifiques et missions-clés :
➢ Recueillir et archiver des données d'images multispectrales à résolution moyenne

(résolution spatiale de 30 mètres) permettant une couverture saisonnière des
masses continentales mondiales pendant une période d'au moins cinq ans.
➢ Veiller à ce que les données Landsat 8 soient suffisamment cohérentes avec les
données des missions Landsat précédentes en termes de géométrie d'acquisition,
d'étalonnage, de caractéristiques de couverture, de caractéristiques spectrales, de
qualité du produit et de disponibilité des données pour permettre des études sur
l'évolution de la couverture terrestre et de l'utilisation des terres.
➢ Ouverture au grand public gratuitement, sans discrimination et sans frais des
données acquises.
b) Les images de Landsat 8 :
Landsat 8 fournit des images à résolution moyenne, allant de 15 mètres à 100 mètres, de la
surface terrestre et des régions polaires. Il fonctionne dans les spectres visibles, proche
infrarouge, infrarouge à ondes courtes et infrarouge thermique. Landsat 8 capture plus de 700
scènes par jour, soit une augmentation par rapport aux 250 scènes quotidiennes de Landsat 7.
Les capteurs OLI et TIRS voient une performance radiométrique signal sur bruit (SNR)
améliorée, permettant une quantification sur 12 bits des données permettant davantage de bits
pour une meilleure caractérisation de la couverture terrestre.
Le « Operational Land Imager » (OLI) de Landsat 8 est amélioré par rapport aux capteurs
Landsat antérieurs.
L'instrument recueille des données de neuf bandes spectrales. Parmi ces neuf bandes, sept
correspondent aux capteurs Thematic Mapper (TM) et Enhanced Thematic Mapper Plus
(ETM+) des satellites Landsat antérieurs, assurant la compatibilité avec les données Landsat
historiques, tout en améliorant les capacités de mesure. Deux nouvelles bandes spectrales, une
bande bleu foncé côtier/aérosol et une bande cirrus infrarouge à ondes courtes, permettent aux
scientifiques de mesurer la qualité de l'eau et d'améliorer la détection des nuages hauts et
minces.
Bande spectrale Longueur d'onde Résolution
Bande 1 - Côtier/aérosol 0,433 – 0,453 µm 30 m
Bande 2 - Bleu 0,450 – 0,515 µm 30 m
Bande 3 - Vert 0,525 – 0,600 µm 30 m
Bande 4 - Rouge 0,630 – 0,680 µm 30 m
Bande 5 - Infrarouge proche 0,845 – 0,885 µm 30 m
Bande 6 - Infrarouge à ondes courtes 1,560 – 1,660 µm 30 m
Bande 7 - Infrarouge à ondes courtes 2,100 – 2,300 µm 30 m
Bande 8 - Panchromatique 0,500 – 0,680 µm 15 m
Bande 9 - Cirrus 1,360 – 1,390 µm 30 m
Tableau 1 : Les Bandes OLI (Source : wikipedia)
Le capteur Thermal InfraRed Sensor (TIRS) effectue une imagerie thermique et prend en
charge des applications émergentes telles que les mesures du taux d'évapotranspiration pour la
gestion de l'eau. Le plan focal de l'instrument utilise des matrices de photodétecteurs
infrarouges à puits quantiques à arséniure de gallium (GaAs) (connues sous le nom de QWIP)
pour détecter le rayonnement infrarouge, une première pour le programme Landsat. Les
données sont enregistrées dans les données de OLI pour créer des produits de données de 12
bits à correction radiométrique, géométrique et du terrain. À l'instar de OLI, TIRS utilise un
capteur à en peigne d'une largeur de 185 km. Les données pour deux bandes infrarouges à
grande longueur d'onde sont collectées avec ce système. Cela assure la continuité des données
avec la bande infrarouge thermique unique de Landsat 7 et en ajoute une seconde.
Bande spectrale Longueur d'onde Résolution
Bande 10 - Infrarouge à grande longueur d'onde 10,30 – 11,30 µm 100 m
Bande 11 - Infrarouge à grande longueur d'onde 11,50 – 12,50 µm 100 m
Tableau 2 : Les Bandes TIRS
c) Le type d’image téléchargé :

Lors de l’achat ou de l’acquisition d’images satellitales, on distingue différents types
d’images selon leur niveau de correction :
1A : l’image est brute, sans aucune correction (rare)
1B : l’image a été corrigée radiométriquement (niveau standard)
1AP : Etirement des lignes pour compenser en partie l'effet atmosphérique
2A : Corrections radiométriques et géométriques simples pour superposition à carte sans

point d'appui
2B : Corrections radiométriques et géométriques complexes pour superposition à carte

et à autre image avec points d'appui (coût très élevé)
Ortho - S : Corrections complètes avec compensation du relief
Pour notre étude, on utilise le niveau standard ou niveau 1B où l’image est corrigée
radiométriquement.
2- Téléchargement des images Landsat 8 :
Il pourrait y avoir beaucoup de plateformes sur lesquelles on peut télécharger les images
Landsat 8 mais pour notre étude, on va exploiter la plateforme du gouvernement américain
« earthexplorer.usgs.gov » qui fournit gratuitement les images Landsat 8 ainsi que d’autres
images satellitaires.
Beaucoup de critères sont à introduire pour pouvoir acquérir une image Landsat 8 :
✓ Quelques coordonnées qui entourent la Région Analamanga qui est la zone d’étude
choisie (WGS 84)
✓ L’intervalle de date dans lequel l’image devrait être capturée
✓ Le type d’image à télécharger : Landsat 8 évidemment
✓ Quelques conditions supplémentaires dont la couverture nuageuse, …
On a procédé à des téléchargements pour deux années dont l’une comme référence :
l’année 2013 (Image acquis le mois d’Avril) et l’autre pour le suivi : l’année 2020 (acquisition
le Mai 2020).
Chaque image téléchargée est géoréférencée dans le système de coordonnées

géographiques WGS 84 et couvre presque toutes les zones nécessaires à notre étude dont les
districts de : Manjakandriana, Ankazobe dans lesquels il y a chaque année des opérations de
reboisement.
Image 1 : Extrait d’images Landsat 8
Une fois les téléchargements finis, on obtient des images de chaque bande de niveau 1B
géoréférencées dans le système de coordonnées géographiques WGS84.
C- Les Pré-traitements des données téléchargées :
1- Les calibrations radiométriques et les corrections

atmosphériques :
Les images de télédétection nécessitent un certain nombre de corrections, réalisées soit
directement par les distributeurs, soit par les utilisateurs. Ces corrections sont deux types :
radiométriques et géométriques et la nécessité d’effectuer ces corrections varie selon le type
d’image choisi.
• Corrections radiométriques : un certain nombre de "bruits radiométriques"

peuvent être présents sur l'image en raison soit d’une déficience des capteurs, soit d’un
quelconque problème de transmission des données. En général ces corrections
radiométriques, c'est-à-dire ces changements de la valeur radiométrique de points
aberrants sont réalisés directement à la réception de l'image par réaffectation de codes
correspondants aux pixels voisins du ou des points défectueux.
Pour notre étude, les données obtenues sont de type 1B, ce qui veut dire que les
corrections ou calibrations radiométrique ont déjà été effectuées par le distributeur.
• Corrections géométriques : Les effets de rotondité de la terre, les mouvements du

satellite, les déformations dans les périphéries de l'image (surtout si le capteur est incliné)
sont autant de facteurs rendant nécessaire une correction géométrique de l'image afin de
la rendre superposable soit à des cartes, soit à d'autres images sous des coordonnées
communes. Ces corrections peuvent être réalisées par le distributeur, mais aussi par
l'utilisateur directement sous logiciel de traitement d'image par prise de points de calages.
2- Le géoréférencement au Système de coordonnées Laborde

Madagascar :
La projection Laborde Madagascar :

La projection Laborde Madagascar est une projection propre à Madagascar. C’est une
projection conforme (qui conserve les angles) utilisant l’ellipsoïde internationale Hayford
1909. Son centre de projection se trouve sur les coordonnées Latitude φ=-21 gon ou 21 gon
Sud et Longitude λ= 49 gon ou 49 gon Est.
La projection Laborde est une projection très proche de la projection Mercator Oblique
dont la rotation est égale à 21 gon.
Cependant, elle présente une altération linéaire ce qui nous implique à effectuer une
homothétie avec un coefficient de réduction égale à 0.9995.
L’axe des ordonnées ou axe des Y de la projection Laborde est orienté vers l’Est tandis
que l’axe des abscisses ou axe des X est orienté vers le Nord, mais pour faciliter les calculs le
FTM (Foiben-Taotsaritany Malagasy) a posé 𝑋𝑣 = 𝑌𝐿𝑎𝑏𝑜𝑟𝑑𝑒 𝑒𝑡 𝑌𝑣 = 𝑋𝐿𝑎𝑏𝑜𝑟𝑑𝑒 ce qui a
réorienté les axes.
Adoption du Système de Coordonnées Cartésiennes Laborde

Madagascar pour notre étude :
Pour pouvoir adopter le système de coordonnées Laborde Madagascar, on
transforme les coordonnées géographiques de WGS84 en utilisant un logiciel de
transformation et recalant sur des points d’appuis ou sur une carte de base. Ici, on a choisi
de recaler sur une carte de base.
D- Traitement des données :
1- Outils utilisés :
Puisqu’il s’agit d’une étude se servant d’imageries photogrammétriques, il est priorisé
d’utiliser des logiciels de traitement d’images tels que ERDAS Imagine, Envi ou bien Idrisi
Selva ; ainsi que des logiciels SIG comme ArcGIS ou QGIS.
➢ Pour le traitement des images, nous avons choisi d’utiliser en combination les deux
logiciels ERDAS Imagine et Envi pour pouvoir faire une étude précise :
• Erdas Imagine est un logiciel de télédétection avec des fonctionnalités

d'édition d'images raster développé par la société Erdas. C'est une boîte à outils qui
permet d'acquérir, d'orienter, de mesurer, d'analyser, de traiter et de mettre en
forme des données géoréférencées. Il a été conçu pour le traitement d'image, sa
suite d'outils, sa simplicité d'utilisation et son apprentissage rapide permettent de
créer rapidement l'imagerie rectifiée nécessaire au SIG. Il est capable de modifier
le niveau de luminosité ou de réflectance des éléments des images, de faire des
extractions, de réaliser des chaînes de traitement (workflows), d'importer et
d'exporter un grand nombre de formats, de mosaïquer des images,etc.
• ENVI est un logiciel utilisé par les scientifiques, chercheurs et spécialistes
de l'analyse d'images ou des SIG pour traiter et analyser des images géospatiales.
Le logiciel ENVI intègre les dernières technologies de traitement et d'analyse
d'images, au sein d'une interface intuitive et simple d'utilisation, qui permet
d'extraire rapidement des informations pertinentes à partir des images. Le logiciel
propose une approche guidée et automatisée qui permet aux utilisateurs de réaliser
simplement les tâches complexes.
➢ Pour la gestion des informations géographiques, nous avons décidé d’utiliser le logiciel
ArcGIS qui est un système complet qui permet de collecter, organiser, gérer, analyser,
communiquer et diffuser des informations géographiques. En tant que principale
plateforme de développement et d'utilisation des systèmes d'informations géographiques
(SIG) au monde, ArcGIS est utilisé par des personnes du monde entier pour mettre les
connaissances géographiques au service du gouvernement, des entreprises, de la science,
de l'éducation et des médias. ArcGIS permet la publication des informations

géographiques afin qu'elles puissent être accessibles et utilisables par quiconque. Le
système est disponible partout au moyen de navigateurs Web, d'appareils mobiles tels
que des smartphones et d'ordinateurs de bureau.
ArcGIS est composé de beaucoup de modules mais les modules qui nous intéressent
sont : le module Arc Map, Arc Catalog, Arc toolbox et Image analysis.
2- Traitement des images :

La composition colorée :
Les compositions colorées permettent de produire des images en couleurs en tenant

compte de la signature spectrale des objets. Elles sont fréquemment utilisées pour faire
ressortir les différents types de surface sur les images multispectrales ou mettre en évidence
certains phénomènes environnementaux, comme les feux de forêts, les vents de sable, les
glaces de mer, etc.
En traitement de l'imagerie numérique, la couleur sert avant tout à distinguer les différents
objets présents dans les images et ainsi faciliter l'interprétation des images. On peut utiliser un
nombre restreint de couleurs si l'on veut seulement mettre en avant quelques objets dans une
image. Mais la plupart du temps, et notamment lorsqu'on travaille avec des compositions
colorées, on manipule un très grand nombre de couleurs. Lorsqu'on réalise une composition
colorée en combinant deux ou trois bandes spectrales, l'objectif est bien de tirer le maximum
d'information de l'image et de rendre l'analyse et l'interprétation plus aisées.
Selon les applications, on peut être amené à effectuer différentes compositions colorées :
- Soit des compositions que l'on appelle « vraies couleurs » si l'on veut rendre les images
réalistes. C'est ce que nous observerions si nos yeux étaient à la place du capteur satellitaire.
- Soit des compositions « fausses couleurs », qui ne représente pas les couleurs réelles,
mais qui ont pour but de mettre en avant certains objets dans une image, à l'instar des images
infrarouges fausses couleurs très utilisées pour l'étude de la végétation.
Dans tous les cas, les compositions colorées vont générer un très grand nombre de
couleurs. Afin de pouvoir manipuler correctement les couleurs, il est indispensable de disposer
de moyens standards pour spécifier ou bien pour choisir une couleur parmi toutes celles
disponibles.
Chacune des onze (11) bandes captées par Landsat est affichée en Niveau de Gris ou
Grayscale qui représente les valeurs de réflectance des surfaces au sol pour un intervalle de
longueurs d’ondes donné. Mais pour pouvoir obtenir des images en couleur, il faut composer
et combiner deux ou trois de ces bandes en leur appliquant des filtres et les compiler en un
seul fichier de type raster. Chaque bande spectrale est une image raster en niveau de gris.
L’image obtenue dépend de la composition des bandes selon les filtres utilisés.
Figure 4 : Illustration d’une composition colorée
Les compositions colorées RGB ou RVB (Rouge Vert Bleu) des bandes :
✓ La composition des bandes en vraies couleurs ou couleurs naturelles :
La composition colorée en couleurs naturelles résulte de l'affichage des bandes du spectre

du visible : la bande du bleu en bleu, la bande du vert en vert et la bande du rouge en rouge.
Avec une image Landsat 8, cela revient à afficher la bande 2 en bleu, la bande 3 en vert, la
bande 4 en rouge. Le résultat est une image affichée avec des couleurs dites naturelles ou
réelles, qui sont semblables aux couleurs avec lesquelles l'œil humain perçoit les objets : l'eau
en bleu, la végétation en vert, etc.
✓ La composition des bandes en fausse couleurs :
La composition colorée en couleur infrarouge (infrarouge couleur), ou fausses couleurs,

consiste à faire apparaître la végétation en rouge. Il est alors indispensable d'afficher en rouge
une bande du spectre infrarouge. Avec une image Landsat 8, cela revient à afficher par
exemple la bande 5 en rouge, la bande 3 en vert et la bande 2 en bleu.
3- Les indices de végétation :

En télédétection, les indices font parties des méthodes de traitement que l'on appelle les
transformations multispectrales. Ils consistent à convertir les luminances mesurées au niveau
du capteur satellitaire en grandeurs ayant une signification dans le domaine de
l'environnement.
Basés sur le caractère multispectral des données satellitaires, ils permettent de décrire l'état
d'un phénomène. Un indice de végétation par exemple, peut rendre compte du stade de
croissance végétale à un moment donné.
Tous les indices, que ce soient les indices de végétation, les indices des sols, les indices
relatifs à la colonne d'eau, etc., reposent sur une approche empirique basée sur des données
expérimentales. Les indices de végétation sont très utilisés d'une part, pour identifier et suivre
la dynamique de la végétation, mais aussi pour estimer certains paramètres biophysiques
caractéristiques des couverts végétaux, comme la biomasse, l'indice de surface foliaire, la
fraction de rayonnement photosynthétique actif, etc.
Le principe consiste à relier entre-elles certaines caractéristiques de la végétation (teneur

en eau, évapotranspiration, etc.) et les mesures radiométriques (valeurs de réflectance et
éventuellement températures de brillance) acquises dans deux ou plusieurs bandes spectrales
d'un capteur. Concrètement, il s'agit de réaliser des combinaisons (différence, rapport, etc.)
linéaires ou non, de réflectances obtenues dans les différentes longueurs d'onde. Le calcul des
indices s'appuie essentiellement sur les écarts de réflectance constatés dans les différentes
bandes spectrales, ainsi que sur la variabilité des réflectances au sein d'une même bande
spectrale, qui traduisent des surfaces de nature différente. Par conséquent, on utilise
principalement les différences des propriétés optiques de la végétation dans le rouge et le
proche infrarouge. Les réflectances dans le proche infrarouge augmentent avec la présence de
la végétation (forte réflexion par le parenchyme lacuneux), tandis que celles dans le rouge
diminuent (pic d'absorption de la chlorophylle).
Cas de notre étude :
On va utiliser un indice de végétation pour une meilleure précision sur l’étude de

capitalisation de reboisement.
Pour ce faire, nous allons utiliser l’indice NDVI qui est d’ailleurs le plus utilisé dans le
monde et est plutôt intégré dans les logiciels de traitement d’image.
Plus connu sous l’abréviation NDVI (Normalized Difference Vegetation Index) ou

Indice de Tucker, l'Indice NDVI est un indice normalisé permettant de générer une image
affichant la couverture végétale (biomasse relative). Cet indice repose sur le contraste des
caractéristiques de deux canaux d'un jeu de données raster multispectral : l'absorption du
pigment chlorophyllien dans le canal rouge et la haute réflectivité des matières végétales dans
le canal proche infrarouge (NIR ou PIR).
L'indice NDVI est utilisé dans le monde entier pour surveiller la sécheresse, contrôler et
prévoir la production agricole, aider à la prévention des incendies et cartographier la
désertification. L'indice NDVI est privilégié pour l'observation globale de la végétation car il
permet de compenser les changements de conditions d'éclairage, de pente de surface,
d'exposition et d'autres facteurs.
La réflexion différentielle dans les canaux rouge et infrarouge (IR) permet de contrôler la
densité et l'intensité de la croissance végétale à l'aide de la réflectivité spectrale du
rayonnement solaire. Les feuilles vertes affichent fréquemment une meilleure réflexion dans la
plage de longueur d'onde proche infrarouge que dans les plages de longueur d'onde visibles.
Lors du stress hydrique des feuilles ou lorsqu'elles sont malades ou mortes, elles deviennent
plus jaunes et ont une moindre réflexion dans la plage proche infrarouge. Les nuages, l'eau et
la neige affichent une bien meilleure réflexion dans la plage visible que dans la plage proche
infrarouge, alors que la différence est presque nulle pour la roche et le sol nu. Le processus
Indice NDVI crée un jeu de données monocanal qui représente principalement la couverture
végétale. Les valeurs négatives représentent les nuages, l'eau et la neige et les valeurs proches
de zéro représentent la roche et le sol nu.
L’indice NDVI est indiqué par la formule suivante :
Rc(Bande Proche Infrarouge) − Rc(Bande Rouge)

𝑁𝐷𝑉𝐼 =
Rc(Bande Proche Infrarouge) + Rc(Bande Rouge)
Avec -1 ≤ NDVI ≤ +1
Et Rc : Réflectance des bandes
La réflectance est une grandeur qui traduit la proportion de lumière réfléchie par la surface
d'une cible. Elle est définie comme le rapport entre le flux lumineux réfléchi et le flux
lumineux incident et s'exprime généralement en pourcentage.
La normalisation par la somme des deux bandes permet de réduire les effets d'éclairement.
Les valeurs du NDVI sont comprises en théorie entre -1 et +1, les valeurs négatives
correspondant aux surfaces autres que les couverts végétaux, comme la neige, l'eau ou les
nuages, pour lesquelles la réflectance dans le rouge est supérieure à celle du proche infrarouge.
Pour les sols nus, les réflectances étant à peu près du même ordre de grandeur dans le rouge et
le proche infrarouge, le NDVI présente des valeurs proches de 0. Les formations végétales
quant à elles, ont des valeurs de NDVI positives, généralement comprises entre 0,1 et 0,7 et
les valeurs les plus élevées correspondant aux couverts les plus denses.
Et pour Landsat 8 :
𝑩𝟓 − 𝑩𝟒
𝑵𝑫𝑽𝑰 =
𝑩𝟓 + 𝑩𝟒
L'Indice NDVI (Normalized Difference Vegetation Index) est un indice normalisé

permettant de générer une image affichant la couverture végétale. Cet indice repose sur le
contraste des caractéristiques de deux canaux d'un jeu de données raster multispectral :
l'absorption du pigment chlorophyllien dans le canal rouge et la haute réflectivité des matières
végétales dans le canal proche infrarouge (NIR).
Cet est utilisé dans le monde entier pour surveiller la sécheresse, contrôler et prévoir la
production agricole, aider à la prévention des incendies et cartographier la désertification.
L'indice NDVI est privilégié pour l'observation globale de la végétation car il permet de
compenser les changements de conditions d'éclairage, de pente de surface, d'exposition et
d'autres facteurs exogènes.
La réflexion différentielle dans les canaux rouge et infrarouge (IR) permet de contrôler la
densité et l'intensité de la croissance végétale à l'aide de la réflectivité spectrale du
rayonnement solaire. Les feuilles vertes affichent fréquemment une meilleure réflexion dans la
plage de longueur d'onde proche infrarouge que dans les plages de longueur d'onde visibles.
Lors du stress hydrique des feuilles ou lorsqu'elles sont malades ou mortes, elles deviennent
plus jaunes et ont une moindre réflexion dans la plage proche infrarouge. Les nuages, l'eau et
la neige affichent une bien meilleure réflexion dans la plage visible que dans la plage proche
infrarouge, alors que la différence est presque nulle pour la roche et le sol nu. Le processus
Indice NDVI crée un jeu de données monocanal qui représente principalement la couverture
végétale. Les valeurs négatives représentent les nuages, l'eau et la neige et les valeurs proches
de zéro représentent la roche et le sol nu.
L’indice NDVI génère des valeurs comprises entre -1.0 et 1.0, représentant principalement
la couverture végétale, où les valeurs négatives sont essentiellement générées par les nuages,
l'eau et la neige et les valeurs proches de zéro essentiellement générées par la roche et le sol
nu. Les très faibles valeurs de l'indice NDVI (0,1 et inférieures) correspondent aux surfaces
stériles de roche, de sable ou de neige. Les valeurs intermédiaires (0,2 à 0,3) représentent des
zones d'arbustes et de prairies, alors que les valeurs élevées (0,6 à 0,8) indiquent des forêts
tempérées ou tropicales humides.
4- Découpage des images par district :

La région Analamanga nous paraît trop vaste pour pouvoir faire une étude détaillée, de ce
fait donc, on a décidé de subdiviser la zone d’étude c’est-à-dire la région Analamanga en les
huit (08) districts qui la composent. Et on fera les études au niveau de ces huit (08) districts
d’abord et c’est seulement après qu’on pourra évoquer la généralisation des résultats obtenus.
➢ Etat Initial :
Dans chaque traitement, il nous faut d’abord étudier l’Etat Initial de chaque district qu’on
attribuera comme « Etat de référence » ou « Etat référence » ; dans cette partie, le but est
d’analyser chaque élément qui occupe le sol de chaque district et ceux qui nous intéressent
sont surtout les végétations de grande envergure telles que les arbres et les arbustes.
➢ Etat Final (ou au moment de l’étude) :
Ensuite, on effectue une étude de l’Etat actuel de chaque district, attribué comme « Au
moment de l’étude » ou « Etat final », une étude analogue à l’étude précédente mais à la
différence, on utilise les images acquises l’année 2020 supposée comme moment final de
notre étude. Enfin, grâce à ces deux études, on peut en tirer les nouvelles zones boisées ou les
zones reboisées ou les zones nouvellement peuplées d’arbres.
5- Classification supervisée :
Après avoir composé les images de la zone, on va procéder maintenant à l’identification et
classification des éléments se trouvant sur la zone en fonction de ce qu’on trouve
simultanément sur les images initialement composées en vraies couleurs et fausses couleurs.
ROI (Region of INTEREST) :

D'une manière générale, pour réaliser une classification supervisée, il faut définir des
zones d’entraînement dans une couche vecteur polygone. On appelle souvent ces zones des
ROIS = Regions Of Interest.
La description et renseignement des différentes classes :

Chaque ROI doit appartenir à une classe qui regroupe les éléments pouvant être classés
ensemble et chaque classe doit avoir plusieurs ROIS.
Image 2 : Capture sur ENVI – Dessin des ROI
Le choix de l'algorithme de classification :

En télédétection, une classification consiste à regrouper les éléments d’une image en
fonction de leurs correspondances. Nous allons associer, généralement en fonction de leurs
valeurs radiométriques, les pixels d’une image à des catégories, ou classes, prédéfinies ou non
par un opérateur. Cette association est réalisée à partir d’un algorithme de classification, qui
utilise en général la signature spectrale des cibles pour les associer à une classe.
Il existe pour les classifications en télédétection deux types d’approches à distinguer, la
classification supervisée, et la classification non supervisée.
Lors d’une classification supervisée, un opérateur identifie des zones d’intérêts représentatives
des surfaces qu’il souhaite classer (eau, forêt …). Ces zones d’intérêts vont permettre, avec un
algorithme choisi, de déterminer les caractéristiques spectrales de chaque classe. L’algorithme
va ensuite classer le reste de l’image en fonction des correspondances trouvées avec ces
caractéristiques spectrales. Cette approche laisse la liberté à l’opérateur de choisir les classes
voulues. Elle l’oblige ainsi à connaître au préalable sa zone d’étude.
Une classification non supervisée quant à elle ne laisse pas cette liberté à l’opérateur. Un
algorithme de classification va classifier directement une image. L’opérateur peut cependant
définir quelques paramètres (nombre de classes souhaitées,
variance maximale au sein d’une classe…).
Nous utiliserons pour notre étude une approche supervisée afin d’avoir la maîtrise
quant aux choix des classes
Dans chaque logiciel de traitement, il y a une option Classification supervisée et dans cette
option, et un outil dénommé « Maximum Likelihood Classification » ou « Classification par
maximum de vraisemblance » mais pour notre étude, on a choisi d’utiliser ENVI pour
effectuer les classifications supervisées.
Figure 5 : Classification d’une image
L'algorithme utilisé par l'outil Classification de vraisemblance maximale repose sur deux
principes :
✓ Les cellules dans chaque exemple de classe dans l'espace multidimensionnel sont
réparties normalement
✓ Le théorème de Bayes de prise de décision
L'outil tient compte à la fois des variances et des covariances des signatures de classe lors
de l’attribution de chaque cellule à l'une des classes représentées dans le fichier de signatures.
En supposant que la distribution d'un exemple de classe est normale, une classe peut être
caractérisée par le vecteur moyen et la matrice de covariance. Compte tenu de ces deux
caractéristiques pour chaque valeur de cellule, la probabilité statistique est calculée pour
chaque classe. Elle permet de connaître l’appartenance des cellules en fonction de la classe.
Chaque cellule est affectée à la classe dont elle est le plus susceptible d’être membre.
E- ETAT INITIAL DE LA ZONE ETUDIEE :
1- Carte d’occupation du sol pour l’Etat initial :

La connaissance précise de l’occupation du sol est un enjeu crucial pour beaucoup de
travaux de recherche et pour de nombreuses applications opérationnelles. Une connaissance
précise demande une mise à jour fréquente de ces informations, mais peut aussi nécessiter de
remonter dans le temps pour faire une analyse des tendances et proposer des scénarios
d'évolution. La possibilité offerte par la télédétection spatiale d'accéder à une vue d'ensemble
de grandes régions de façon récurrente constitue donc un atout majeur pour la production de
cartes d'occupation du sol.
Pour notre étude, on s’intéresse à l’occupation des végétaux donc on a juste besoin
d’illustrer quatre classes principales dans nos cartes d’occupations du sol :
La classe « Végétations - Arbres » : renfermant l’ensemble des végétaux de grande

envergure dont les grands arbres et les petits arbustes. Ce sont les éléments qui parviennent
à réfléchir au mieux le signal Proche Infrarouge et ce sont les éléments qui nous
intéressent le plus dans cette étude.
La classe « Eaux » : qui regroupe toutes les signatures d’eau existant dans l’image à la
limite de la résolution spatiale.
La classe « Autres formes de végétation » : une autre classe de végétation qui regroupe les
savanes, les formations herbeuses ainsi que les cultures et les agricultures et autres formes
de végétation.
Et enfin la classe « Autres occupation » : regroupant les zones bâties ou urbanisées, les
zones aménagées, les formations rocheuses et les sols nus, c’est-à-dire tous les autres types
d’occupation du sol à part les trois types cités ci – dessus.
a) Carte d’occupation du sol référence pour le district d’Ankazobe :
b) Carte d’occupation du sol référence pour le district d’Anjozorobe :
c) Carte d’occupation du sol référence pour le district d’Ambohidratrimo :
d) Carte d’occupation du sol référence pour le district d’Antananarivo –

Avaradrano :
e) Carte d’occupation du sol référence pour le district d’Antananarivo –

Atsimondrano :
f) Carte d’occupation du sol référence pour le district d’Antananarivo –

Renivohitra :
g) Carte d’occupation du sol référence pour le district d’Andramasina :
h) Carte d’occupation du sol référence pour le district de Manjakandriana :
2- Couverture en végétation initiale :

Afin d’obtenir la couverture végétale, il nous a fallu avoir recours au calcul d’indice de
végétation dont l’indice de végétation par différence normalisée ou NDVI (Normalized
difference Vegetation Index) qui est l’indice de végétation le plus utilisé dans le monde pour
la détection des végétaux et l’observation de la couverture végétale.
Il est déjà mentionné que les résultats du calcul des indices NDVI sont entre -1 et 1
(-1 < ndvi < +1). A partir des valeurs obtenues, on peut faire une image en niveaux de gris
partant de la valeur la plus faible vers la valeur la plus élevée.
Comme la carte d’occupation, la couverture en végétation par NDVI est donnée pour
chaque district de la Région Analamanga.
Couverture en végétation du district Ankazobe :
Couverture en végétation du district Anjozorobe :
Couverture en végétation du district Ambohidratrimo :
Couverture en végétation du district Antananarivo Avaradrano :
Couverture en végétation du district Antananarivo Atsimondrano :
Couverture en végétation du district Antananarivo Renivohitra :
f) Couverture en végétation du district Antananarivo Renivohitra :
g) Couverture en végétation du district Andramasina :
h) Couverture en végétation du district Manjakandriana :
F- ETAT DE LA ZONE AU MOMENT DU SUIVI DE

REBOISEMENT :
1- Cartes d’occupation du sol au moment du suivi :
Il s’agit d’effectuer les mêmes traitements d’images qu’à l’Etat initial, c’est-à-dire les
compositions colorées, les classifications ainsi que les calculs d’indice NDVI.
Les mêmes critères de classement comme précédemment effectué, les mêmes principes
mais avec des images Landsat 8 différentes dont l’acquisition date du 27 Mai 2020.
Pour parvenir à nos fins, il nous faut débuter à partir de la classification pour chaque
district afin de mieux généraliser les résultats pour la région Analamanga
Rappelons les différents types de classe renfermées dans chaque carte d’occupation du
sol :
- La classe « Végétations – Arbres » ;

- La classe « Eaux » ;
- La classe « Autres formes de végétation »
- Et la classe « Autres occupation »
Carte d’occupation du sol finale du district d’Ankazobe :
i) Carte d’occupation du sol finale du district d’Anjozorobe :
j) Carte d’occupation du sol finale du district d’Ambohidratrimo :
k) Carte d’occupation du sol finale du district d’Antananarivo –

Avaradrano :
l) Carte d’occupation du sol finale du district d’Antananarivo –

Atsimondrano :
m) Carte d’occupation du sol finale du district d’Antananarivo –

Renivohitra :
n) Carte d’occupation finale du district d’Andramasina :
o) Carte d’occupation du sol finale du district de Manjakandriana :
2- Couverture végétale de la zone initiale :

Couverture végétale finale du district d’Ankazobe :
p) Couverture végétale finale du district d’Anjozorobe :
Couverture végétale finale du district d’Ambohidratrimo :
Couverture végétale finale du district d’Antananarivo - Avaradrano :
Couverture végétale finale du district d’Antananarivo - Atsimondrano :
Couverture végétale finale du district d’Antananarivo - Renivohitra :
Couverture végétale finale du district d’Andramasina :
Couverture végétale finale du district de Manjakandriana :
Chapitre 2 : Détection des changements :

Les classifications supervisées et les indices NDVI nous ont permis d’obtenir des séries
temporelles de cartes d’occupation du sol depuis l’année 2013 jusqu’au début de l’année 2020.
Logiquement, il existe une différence entre les deux cartes mais ce qui nous intéresse c’est
l’évolution des arbres et en particulier, l’expansion et la mise en évidence des reboisements.
Notre méthode d’évaluation de reboisement consiste généralement à détecter des

changements sur les végétations de type « arbres » dans les cartes d’occupation du sol des
deux années 2013 et 2020.
Cette méthode est divisée en trois (3) étapes : la comparaison, l’extraction et la

généralisation.
A- Comparaison :
La comparaison consiste à comparer deux éléments du même district dont les images
rasters, les cartes d’occupation du sol et les cartes générées par les indices NDVI datant
respectivement, le premier élément de l’année 2013 et le deuxième élément de l’année 2020.
1- Par comparaison des images rasters :

Notre première méthode utilisée afin d’obtenir les résultats voulus est la méthode de
comparaison des images rasters.
Cette méthode consiste à comparer les deux images d’un même district mais avec des
dates d’acquisition différentes (l’une en 2013 et l’autre en 2020) et de détecter les zones en
question c’est-à-dire les nouvelles zones couvertes d’arbres. C’est après qu’on peut procéder à
l’extraction de ces zones afin de les mettre en évidence. Le but ici est de mettre en évidence
sur l’image de référence (datant de l’année 2013) les nouvelles zones boisées.
Image 3 Image 4
Superposition des deux images :

Pour pouvoir effectuer la comparaison, il nous faut d’abord faire une superposition des
deux images en utilisant les logiciels de traitement d’images tels qu’ENVI ou Erdas Imagine
ou Idrisi Selva ou bien avec la fonction Image Analysis de ArcGIS. Mais pour notre cas, nous
avons utilisé la fonction Image Analysis de ArcGIS
Image 5 : Superposition de l’image 4 et l’image 5
b) Détection des changements :

La superposition des images étant terminée, on peut détecter les changements entre les
deux images superposées. On choisit une des images comme référence et l’autre comme
finale. Enfin, on vectorise les résultats obtenus par un algorithme de calcul de différence
d’images dans Erdas ou Envi ou bien avec l’outil Image Analysis encrée avec ArcGIS.
2- Par comparaison de l’occupation du sol :

La deuxième méthode consiste à comparer les deux cartes d’occupation du sol du même
district. A partir de ces deux cartes, on peut détacher la classe « Végétation – Arbres » puisque
c’est la classe qui nous intéresse et on peut enfin en déduire les zones nouvellement reboisées
pour chaque district.
La méthodologie est identique à celle de la comparaison des images rasters, sauf que dans
ce cas-ci, les données utilisées sont les fichiers vecteurs des occupations du sol.
Image 6 Image 7
On peut calculer les différences entre ces deux fichiers et en tirer les nouvelles zones
reboisées afin de les cartographier pour pouvoir faire une constatation des résultats.
3- Par comparaison des cartes par NDVI :

Même procédé qu’aux deux premières méthodes mais à la différence, on utilise les images
obtenues par les valeurs des indices NDVI pour la comparaison.
Image 8 Image 9
A partir de ces deux cartes construites à partir des valeurs des indices de Végétation par
différence normalisée ou NDVI, on peut mettre en évidence les changements en termes de
végétation. Cependant, il nous faut faire un petit reclassement du résultat vu que ce qui nous
intéresse demeure les végétations de grandes envergures dont les arbres et arbustes.
B- Extraction des résultats :
1- A partir des images rasters :

Si l’on est convaincu de l’existence des changements, on peut procéder à l’extraction des
résultats.
Vectorisation des résultats obtenus :

Après avoir mis en évidence les nouvelles zones reboisées, il ne nous suffit plus que de
vectoriser les signaux correspondants pour pouvoir mieux les exploiter.
Et une fois les résultats vectorisés, il ne nous reste plus que les illustrer sur une carte en
posant l’image datant de 2013 comme fond de carte et en y introduisant les nouvelles zones
détectées.
2- A partir des cartes d’occupation du sol :

Méthode pratiquement identique à la méthode d’extraction sur les images rasters mais en
utilisant les cartes d’occupation du sol.
On a aussi établi une carte montrant les nouvelles zones boisées à partir des cartes
d’occupation du sol.
3- A partir des indices NDVI :

Comme les deux méthodes précédentes, on a aussi établi une carte par comparaison des
cartes érigées par les indices de végétation NDVI.
➢ Les valeurs des indices de végétation pour les reboisements sont généralement
comprises entre +0.223733932 et +0.328172288.
Cependant, certains reboisements ont la même valeur d’indice NDVI que les
arbres déjà existant et certains ont des valeurs avoisinantes celles des broussailles.
[1]. Petit résumé de ces résultats :
On a pu identifier les zones reboisées en utilisant trois méthodes analogues mais

différentes dont la comparaison d’images rasters, la comparaison de l’état d’occupation du sol
et enfin la comparaison par les indices de végétation par différence normalisée NDVI.
Chaque comparaison est faite au niveau de chaque district de la région d’Analamanga, des
comparaisons qui nous a permis de fournir les données exploitables pour mettre en évidence
les zones reboisées tout en restant au niveau de chaque district.
Cependant, notre objectif n’est pas encore atteint. Il nous faut encore généraliser les
résultats obtenus afin de les attribuer à la région Analamanga.
C- Généralisation pour la région Analamanga :
Les études au niveau des districts étant faits, on peut maintenant faire une généralisation
pour la région d’Analamanga afin d’obtenir des résultats aussi concrets et précis qui soient. La
généralisation est faite en procédant par l’assemblage de chaque étude faite pour chaque
district.
Chaque étude au niveau des districts nous a permis d’avoir les détails de chaque zone
nouvellement peuplée en arbres dans la région d’Analamanga, et de cette manière, il nous est
permis de concevoir une carte de la région Analamanga, dans laquelle est représentée chaque
zone reboisée avec les peuplements initiaux.
Pour pouvoir généraliser les données obtenues, on a dû recouper tous les résultats issus de
chacun des trois méthodes utilisées. Le résultat obtenu est le résultat final de notre étude pour
la région Analamanga.
Le tableau suivant indique les superficies des zones reboisées pour chaque district de la
région Analamanga :
District Superficie des zones reboisées (en Ha)
Ambohidratrimo 1 208
Andramasina 12 097
Anjozorobe 40 424
Ankazobe 14 824
Antananarivo Atsimondrano 219
Antananarivo Avaradrano 1 791
Antananarivo Renivohitra 0
Manjakandriana 8 174
Total 78 737
Tableau 3 : Les superficies des zones reboisées
PARTIE III : BILAN ET

INTERPRETATIONS
Chapitre 1 : Bilan et validation des résultats :

A- Bilan général des résultats :
Les superficies des zones reboisées pour chaque district varient de 0% à 86.24% de la
couverture forestière dont 86.24% pour le district d’Ankazobe et 0% pour le district
d’Antananarivo renivohitra. Les périphéries de la grande ville d’Antananarivo quant à eux
connaissent : 59,84% de reboisement parmi le peuplement forestier pour le district
d’Antananarivo Atsimondrano, et 60.38% pour le district d’Avaradrano. 60.17% du
peuplement forestier d’Anjozorobe sont tous des reboisements, 62.04% pour le district
d’Ambohidratrimo, 42.82% pour le district d’Andramasina et enfin 30.74% pour le district de
Manjakandriana.
Le tableau donne une brève récapitulation sur l’etat du peuplement forestier de chaque
district :
EVOLUTION DES SUPERFICIES DE LA COUVERTURE FORESTIERE
Superficie de la Superficie de la Pourcentage

Superficie (en couverture couverture Superficie des zones reboisement par
District
Ha) forestière en 2013 forestière en début reboisées (en Ha) rapport à la couverture
(en Ha) 2020 (en Ha) forestière
Ambohidratrimo 141 801 2 304 1 947 1 208 62,04%
Andramasina 141 614 17 683 28 248 12 097 42,82%
Anjozorobe 429 157 30 994 67 183 40 424 60,17%
Ankazobe 757 403 3 004 17 189 14 824 86,24%
Antananarivo -
37 910 439 366 219 59,84%
Atsimondrano
Antananarivo -
545 156 2 429 2 966 1 791 60,38%
Avaradrano
Antananarivo -
10 732 158 119 0 0,00%
Renivohitra
Manjakandriana 171 830 36 838 26 594 8 174 30,74%
Total 2 235 603 93 849 144 612 78 737 54,45%
Tableau 4 : Evolution des superficies de la couverture forestière
B- Validation des résultats :
1- Validation spatiale :
a) Recoupement avec des zones de reboisement connues :
Afin de valider si les zones de reboisement évaluées affichent réellement des reboisements, on a
dû recouper nos résultats avec quelques zones de reboisement indiquées par des points géoréférencés
en Coordonnées Laborde, obtenu au sein d’un service des eaux et des forêts. On a pu obtenir Six (6) de
ces points correspondant à six (6) communes de la région Analamanga dont trois (3) dans le district
d’Ankazobe : les Communes de Kiangara, de Talata Angavo et d’Antotohazo, Un (1) dans le district
d’Anjozorobe, : la Commune d’Alakamisy, Un (1) dans le district d’Antananarivo Atsimondrano : la
Commune d’Ambalavao et un (1) dans le district de Manjakandriana : la commune d’Alarobia.
X (Laborde) Y (Laborde) Commune

474750 896216 Kiangara Ankazobe
480200 886283 Talata Angavo Ankazobe
467455 842546 Antotohazo Ankazobe
516250 780050 Ambalavao Atsimondrano
538864 794665 Alarobia Manjakandriana
556780 838414 Alakamisy Anjozorobe
Tableau 5 : Liste des coordonnées des zones de reboisement
Après étude des états des lieux indiqués par ces coordonnées, on a pu délimiter des zones de
reboisement qu’on va ensuite comparer avec nos données étudiées et on a procédé à la vérification de
nos résultats.
Nous allons recouper chacun des sites indiqués par ces coordonnées, par les résultats qu’on
a obtenus.
i. Dans la Commune de Kiangara, District d’Ankazobe :
ii. Dans la Commune de Talata Angavo, District d’Ankazobe :

iii. Dans la Commune d’Antotohazo, District d’Ankazobe :

iv. Dans la Commune d’Ambalavao, District d’Antananarivo Atsimondrano :

v. Dans la Commune d’Alakamisy, District d’Anjozorobe :

vi. Dans la Commune d’Alarobia, District de Manjakandriana :

b) Validation sur terrain pour la Commune Rurale de Kiangara, district d’Ankazobe :

Pour la validation sur terrain, on a choisi le site indiqué dans la commune rurale de
Kiangara du district d’Ankazobe. Un site près de la route nationale qu’on a piqué
préalablement à partir des résultats obtenus, il nous a juste fallu alors vérifier si les
reboisements existent réellement.
Image 10 : Les reboisements sur terrain

2- Validation statistique :
Pour la validation statistique on a choisi de se référer auprès du Ministère de l’Environnement qui
a communiqué un tableau récapitulatif de la superficie de la couverture forestière de la Région
Analamanga pour l’année 2010.
Total
Atsimo Avara
District Ambohidratrimo Andramasina Anjozorobe Ankazobe Manjakandriana Tana Ville
ndrano drano
(Ha)
Couverture
120 20 339 26 973 2 151 2 234 4 300 32 704 3 846 92 667
Forestière
Tableau 6 : Surface de la couverture forestière de la Région Analamanga pour l’année

2010
Pour l’année 2013, on a trouvé une superficie totale de la couverture forestière égale à 93 849 Ha,
tandis que le ministère de l’environnement a publié une superficie de 92 667 Ha pour l’année 2010.
Donc grâce à cette comparaison, notre analyse est validée parce que la différence de 1182 Ha peut
être justifiée par les trois années écoulées.
Chapitre 2 : Interprétations et Risques :

A- Interprétations :
1- L’évolution de la couverture forestière pour la région

d’Analamanga :
Certains districts de la région Analamanga connaissent une augmentation des zones
couvertes d’arbres notamment les districts d’Andramasina, d’Anjozorobe, d’Ankazobe et le
district d’Antananarivo Avaradrano, à noter que le district d’Anjozorobe renferme environ la
moitié du peuplement forestier de la région Analamanga.
Cependant, certains districts affichent une diminution de son peuplement forestier comme
le cas du district de Manjakandriana, d’Ambohidratrimo, d’Antananarivo Atsimondrano et
d’Antananarivo Renivohitra.

Le district de Manjakandriana a longtemps été connu comme le berceau des bois pour la
région Analamanga avec l’appellation « Alan’i Vakiniadiana » ou forêt de Vakiniadiana. Mais
au fil des années, la déforestation a ravagé les forêts de ce district.
Un cas pareil est constaté aussi pour les districts d’Ambohidratrimo et d’Antananarivo
Atsimondrano. Dans le district d’Antananarivo Renivohitra, on a constaté aucun effort de
reboisement par rapport à une déforestation très massive.
2- Les zones reboisées :

On a déjà évoqué que beaucoup d’efforts de reboisement ont été effectués dans les districts
d’Ankazobe, d’Anjozorobe, d’Antananarivo Atsimondrano et Avaradrano et le district
d’Ambohidratrimo.
Le district d’Ankazobe et le district d’Anjozorobe sont les principaux foyers de projets de

reboisement depuis les années 2010. Le district d’Ankazobe, qui est le plus grand district
d’Antananarivo en termes de superficie, affiche un taux de réussite de reboisement très élevé
vu le nombre d’opérations et efforts de reboisement effectués dans ce district depuis les
années 2010. En cette année 2020, 86% du peuplement forestier de ce district est composé
généralement de reboisement.
a) Pour le nouvel objectif de l’Etat sur le reboisement :

De l’année 2013 jusqu’à l’année 2020, c’est-à-dire pour une durée d’environ 7 ans, la
surface totale évaluée des zones reboisées est de 78.737 Ha soit en moyenne environ 11.248
Ha par an. L’objectif de l’Etat Malagasy depuis les débuts de l’année 2020 est de reboiser sur
une surface totale de 40.000 Ha par an. Donc, en principe, si les opérations de reboisements se
multiplient, la possibilité de planter 40.000 Ha de reboisement n’est pas à écarter. Vu que
presque le quart (1/4) de l’objectif est déjà atteint dans la Région Analamanga seulement.

B- Risques de la méthodologie :
1- Pour la détection des changements par images raster :

L’utilisation des images composées est la méthode la plus vite pour pouvoir faire la
détection des changements en fonction du temps. Il faut juste améliorer les qualités de l’image
(calibrations et corrections) et on peut obtenir un bon résultat par comparaison des images.
Mais l’utilisation des images rasters n’offrent que peu d’options vu qu’on ne peut obtenir
d’attribut géométrique à partir d’un fichier raster. Et si la résolution spatiale est plus grande,
l’image est très floue.
2- Pour la détection des changements par l’intermédiaire des

cartes d’occupation du sol :
Une méthode d’approche qui offre beaucoup plus d’options par rapport à l’utilisation des
images rasters du fait qu’on utilise ici des fichiers vecteurs obtenus par une classification
rigoureuse de chaque pixel d’une image raster. On peut dire que c’est une méthode plus
améliorée de l’utilisation des images rasters. Mais cette méthode requiert plus de temps et de
concentration que la dernière. Cependant, les résultats obtenus sont plus concrets et faciles à
traiter.
3- Pour la détection des changements en utilisant les indices de

végétation normalisées (NDVI) :
Les indices de végétation NDVI mettent directement en évidence toutes les formes de
végétations dans une zone étudiée. La comparaison en utilisant cette méthode est plus pratique
pour une étude de végétation ou une étude de changement temporel de la couverture végétale
dans une zone donnée. Cependant, cette méthode présente un très grand risque auquel il faut
bien être vigilent ; la réflectance du rouge et du proche infrarouge des végétations n’est pas
toujours constante, elle peut varier selon l’Azimut du soleil et c’est généralement la
défaillance de cette méthode. Toutefois, pour remédier à ce problème, il nous faut effectuer
soigneusement les calibrations radiométriques et atmosphériques en introduisant les

paramètres de l’inclinaison du capteur, l’azimut du soleil, et le temps d’acquisition des

images.
4- Bilan général sur la méthodologie :

La technologie Landsat 8 nous a permis d’avoir des images complètes de la région
Analamanga avec une résolution spatiale de 30m en bandes multispectrales.
Tout d’abord, les images sont disponibles et facilement téléchargeables pour le grand
public surtout pour ceux qui s’intéressent sur le domaine de la télédétection spatiale.
Cette technologie offre la possibilité de faire un traitement sur une très large bande
d’étude ou sur une échelle très vaste par exemple une région toute entière comme ce fut le cas
pour notre étude, mais aussi un pays tout entier s’il le faut.
Et l’efficacité des logiciels de traitement d’images satellitaires tels qu’Envi, Erdas Imagine
ou bien Idrisi Selva a été l’atout majeur du traitement des données tout en les combinant avec
le logiciel SIG Arc GIS pour la cartographie des éléments détectés.
Cependant, l’utilisation de la technologie Landsat ne nous a pas permis une étude très
détaillée de l’occupation du sol, c’est-à-dire sur une échelle un peu plus grande, vu la
résolution spatiale qui est de 30 m pour les bandes multispectraux. Mais aussi, la résolution
temporelle des satellites Landsat est vraiment très large pour permettre un suivi temporel de
courte durée sur une quelconque occupation.
Chapitre 3 : Impacts et coûts :

A- Impacts :
1- Impacts environnementaux :
La surface totale de la couverture forestière de la région Analamanga s’étend jusqu’à
144 612 Ha, tandis que la déforestation augmente chaque année voire même chaque mois, le
reboisement peut atténuer l’altération ou la dégradation de l’environnement.
Le reboisement et la reforestation peut avoir plusieurs objectifs, comme la production de

combustibles, la production vivrière, la récréation de forêts naturelles, la capture de carbone,
la sauvegarde d’espèces menacées, etc. Le cadre le plus complexe est celui de la régénération
de la forêt naturelle. En effet, le reboisement est une action qui mène à la restructuration et la

réinstauration de l’environnement dans la région Analamanga qui connaît un environnement

dégradant peu à peu.
2- Impacts économiques :
Le bois étant une ressource primaire de la première nécessité pour les habitants de la
région Analamanga, et avec ces nouvelles zones boisées, on peut envisager une exploitation
contrôlée de ces ressources.
B- Coût de l’étude :
Comme tout étude, notre étude sur la capitalisation des reboisements nécessite des fonds pour
effectuer à bons termes la mission assignée.
Le tableau ci-après renseigne la désignation de chaque dépense effectuée et le coût total de notre
étude :
Désignation Prix (Ar)
Ordinateur 4 500 000
Disques amovibles 500 000
Connexion Internet 3 000 000
Déplacements 2 000 000
Base de données 2 000 000
Indemnités 6 000 000
Loyer de bureau 1 500 000
Imprimantes Laser Couleur 5 000 000
Total 24 500 000

Tableau 7 : Coût total du projet
Le coût total du projet s’élève jusqu’à Vingt quatre Million Cinq Cent Mille Ariary
(24.500.000 Ar)

CONCLUSION
Pour conclure, on a enfin pu terminer notre étude sur l’évaluation de reboisement via
télédétection grâce aux comparaisons faites entre deux images rasters différentes
chronologiquement (datant de 2013 et de 2020), mais aussi et pareillement entre deux cartes
d’occupation du sol et deux cartes obtenues par NDVI. En résumé, on a tout d’abord procédé à
l’acquisition des données nécessaires pour l’étude dont les coordonnées et les images
nécessaires datant du mois d’Avril 2013 et du mois de Mai 2020. Ensuite, on a procédé aux
traitements des images aux fins qui nous ont été utiles, ce qui nous a permis de faire une
comparaison et de détecter les changements en couverture de végétation pour chacun des huit
districts de la région Analamanga. Après, on a mis en évidence les zones reboisées et on a fait
une généralisation des résultats pour la région Analamanga. Enfin, on a développé quelques
interprétations des résultats avec un bilan général sur les résultats obtenus ainsi que sur la
méthodologie.
Notre étude nous a permis d’affirmer qu’aux débuts de l’année 2020, et en prenant l’année
2013 comme année de référence, 54.45% de la couverture forestière de la région Analamanga
est issue des reboisements, que ce soit de type naturel ou artificiel (cf. définitions). Le district
d’Ankazobe affiche un taux élevé de reboisement tandis que le district d’Antananarivo
Renivohitra affiche néant en termes de reboisement.
La méthodologie proposée repose sur l’art de manipuler les technologies reliées à la

télédétection et le SIG. Mais elle a ses limites, on ne peut l’appliquer que sur une zone à très
grande superficie à cause de la résolution spatiale qui est de 30m pour les bandes rouge, verte,
bleue et proche infra-rouge. Cependant, il est possible d’appliquer la même méthodologie sur
une zone de petite superficie mais en utilisant des images satellitaires avec une résolution
spatiale meilleure que celle de Landsat 8. Prenons par exemple les images du satellite
Sentinel-2B qui affiche une résolution spatiale de 5m, et les images SPOT, etc…

Références Bibliographiques :
[1]. Benoît Beguet, Caractérisation et cartographie de la structure forestière à partir d’images

satellitaires à très haute résolution spatiale. École Doctorale Montaigne Humanités (ED
480)
[2]. Cheret, Véronique Télédétection et géomatique pour le suivi des
milieux forestiers - Contributions à l’évaluation des risques. (2016)
[HDR].
[3]. Crutzen, Florine, Approche multi-capteurs pour la cartographie par télédétection des
ressources ligneuses en Wallonie : application à la commune de Paliseul, Lejeune,
Philippe ; 2524, Gembloux Agro-Bio Tech (GxABT).
[4]. Ernst Gabathuler, Marie Victoire Ravaoharisoa, Rabevohitra, Natanaela Rakotondranaly,
Felicitas Bachmann, Reboisements paysans sur les Hautes Terres centrales de Madagascar,
CDE 2014
[5]. Lova Tahina RANDRIANARISON, Nofiaina RAZAFINDRABE, Géoréférencement de
données dans le système de projection Laborde Madagascar, MASTER II SCIENCES
D'INFORMATION GEOGRAPHIQUE 2004-2005
[6]. M. VAN DROOGENBROECK, Acquisition et traitement de l’image, Institut
MONTEFIORE, Service de Télécommunications et d’Imagerie, Septembre 2001 (version
4.14)
[7]. Nassima Hessas. Evaluation cartographique et évolution diachronique par télédétection du
risque incendie de forêt. Simulation de la propagation du feu dans le bassin versant du
Paillon, Nice, AlpesMaritimes.. Géographie. Université Joseph-Fourier - Grenoble I, 2005.
Français.
RANDRIANARISON MAMITIANA a
Webographie :
[1]. Définition du reboisement. Ministère de l’environnement

https://www.environnement.mg/thématique-rubrique/reboisement.html
[2]. Geographic information systems as an integrating technology: Context, concepts and
definitions http://www.colorado.edu/geography/gcraft/notes/intro/intro-f.html
[3]. Mapping from modern imagery : acquisition and revision of spatial information
https://explore.lib.uliege.be/discovery/fulldisplay?docid=alma990009707950502321&cont
ext=L&vid=32ULG_INST:ULIEGE&lang=fr&search_scope=ULIEGE&adaptor=Local%
20Search%20Engine&tab=ULIEGE&query=any,contains,Teledetection&offset=0.html
[4]. Projet SPOT et forêt : utilisation de la télédétection satellitaire pour des applications
forestières. Rapport final. https://hal.archives-ouvertes.fr/hal-02603212.html
[5]. Illustration des applications de la télédétection – Observations optiques et forêt.
https://hal.archives-ouvertes.fr/hal-02802266.html
RANDRIANARISON MAMITIANA b
Annexes :
Composition colorée sur ENVI 5.3 :
RANDRIANARISON MAMITIANA c
Création des Region of Interests :
RANDRIANARISON MAMITIANA d
Algorithme de classification supervisée par méthode du

« Maximum likelihood » :
RANDRIANARISON MAMITIANA e
Algorithme de Calcul des valeurs NDVI sur ERDAS Imagine

2014 :
RANDRIANARISON MAMITIANA f
Classification des valeurs NDVI :
RANDRIANARISON MAMITIANA g
Table des matières
REMERCIEMENTS ............................................................................................................................................. i
SOMMAIRE ...................................................................................................................................................... ii
Liste des images : ................................................................................................................................... iii
Liste des tableaux :................................................................................................................................. iv
Liste des figures :..................................................................................................................................... v
Liste des cartes : ..................................................................................................................................... vi
Liste de abréviations : ............................................................................................................................ ix
INTRODUCTION ............................................................................................................................................... 1
PARTIE I : GENERALITES ........................................................................................................................... 3
HISTORIQUE : .............................................................................................................................................. 4
CHAPITRE 1 : QUELQUES DEFINITIONS : ..................................................................................................... 7
A. Reboisement ................................................................................................................................... 7
B. La Télédétection.............................................................................................................................. 7
C. Les capteurs : .................................................................................................................................. 8
D. Les images satellitaires : ................................................................................................................. 9
E. La photogrammétrie : ................................................................................................................... 13
F. Les différents types d’images :...................................................................................................... 16
G. La Géomatique : ............................................................................................................................ 18
H. Le Système d’Information Géographique : ................................................................................... 18
I. La Cartographie : ........................................................................................................................... 18
J. Les domaines d’application du SIG : ............................................................................................. 19
CHAPITRE 2 : GENERALITES SUR LE SUJET : .............................................................................................. 20
A. Contexte : ...................................................................................................................................... 20
B. Présentation du Sujet :.................................................................................................................. 20
C. Description de la zone d’étude : ................................................................................................... 21
PARTIE II : METHODOLOGIE ET RESULTATS .................................................................................................. 27
Chapitre 1 : Méthodologie ........................................................................................................................ 28
A- Approche globale : ........................................................................................................................ 28
B- Acquisition des données : ............................................................................................................. 30
C- Les Pré-traitements des données téléchargées : .......................................................................... 36
D- Traitement des données : ............................................................................................................. 38
RANDRIANARISON MAMITIANA
E- ETAT INITIAL DE LA ZONE ETUDIEE : ............................................................................................. 49

F- ETAT DE LA ZONE AU MOMENT DU SUIVI DE REBOISEMENT : .................................................... 67
Chapitre 2 : Détection des changements : ................................................................................................ 84
A- Comparaison : ............................................................................................................................... 84
B- Extraction des résultats :............................................................................................................... 88
[1]. Petit résumé de ces résultats : .................................................................................................. 92
C- Généralisation pour la région Analamanga : ................................................................................ 92
PARTIE III : BILAN ET INTERPRETATIONS ....................................................................................................... 95
Chapitre 1 : Bilan et validation des résultats : .......................................................................................... 96
A- Bilan général des résultats : .......................................................................................................... 96
B- Validation des résultats :............................................................................................................... 97
Chapitre 2 : Interprétations et Risques : ................................................................................................. 106
A- Interprétations : .......................................................................................................................... 106
B- Risques de la méthodologie : ...................................................................................................... 108
Chapitre 3 : Impacts et coûts : ................................................................................................................ 109
A- Impacts : ...................................................................................................................................... 109
B- Coût de l’étude :.......................................................................................................................... 110
CONCLUSION............................................................................................................................................... 111
Références Bibliographiques : ........................................................................................................................ a
Webographie : ................................................................................................................................................ b
Annexes : ......................................................................................................................................................... c
Composition colorée sur ENVI 5.3 : ............................................................................................................ c
Création des Region of Interests : ............................................................................................................... d
Algorithme de classification supervisée par méthode du « Maximum likelihood » :................................. e
Algorithme de Calcul des valeurs NDVI sur ERDAS Imagine 2014 : ............................................................. f
Classification des valeurs NDVI : ................................................................................................................. g
RANDRIANARISON MAMITIANA
« EVALUATION DE REBOISEMENT PAR TELEDETECTION, CAS DE LA
REGION ANALAMANGA »
Auteur : RANDRIANARISON Mamitiana

Adresse : Lot IIH 39 VA Ankerana Ankadindramamy, Antananarivo 101
Téléphone : +261 32 89 577 15
Email : mamitianasullivian@gmail.com
Nombre de pages : 111
Nombre d’images : 10
Nombre de tableaux : 07
Nombre de figures : 05
Nombre de cartes : 45
Résumé :
La Région Analamanga a toujours été un siège de reboisement vu qu’au fil de chaque année, des
opérations de reboisement s’y effectuent. Cependant, il a été toujours difficile d’évaluer les reboisements à
cause du manque de moyens ou de ressources d’autant sur le plan financier que sur le plan humain. De ce
fait, nous avons élaboré un système d’évaluation de reboisements via télédétection en utilisant les images
multispectrales. Ce qui a réduit le coût du projet d’évaluation très bas et la rend possible. Ce système
d’évaluation repose sur une détection de changement par comparaison par chronologie, soit de deux
images rasters, soit de deux images composées par des valeurs NDVI et soit de deux cartes d’occupation
du sol. Mais à la fin, on a utilisé ces trois méthodes de comparaison et on a fait un recoupement des
résultats obtenus. Comme fin on a environ 78 737 Ha de reboisements évalués dans la Région Analamanga
dont la superficie est d’environ 2 235 603 Ha et dont la couverture forestière recouvre une superficie de
93 849 Ha pour l’année 2013 et 144 612 Ha pour l’année 2020. Donc environ 54,45% de la couverture
forestière de la Région Analamanga est composée de reboisements.
Mots Clés : Reboisement, SIG, Traitement d’images, Télédétection, NDVI, Cartes d’occupation du Sol.
Abstract:
The Analamanga region has always been a site of reforestation as each year reforestation
operations take place. However, it has always been difficult to assess reforestation because of the lack of
means or resources, both financial and human. Therefore, we have developed a reforestation evaluation
system via remote sensing using multispectral images. Which reduced the cost of the evaluation project
very cheap and makes it possible. This evaluation system is based on change detection by comparison by
chronology, either of two raster images, or of two images composed by NDVI values and or of two land
use maps. But in the end, on a use of these three comparison methods and on a cross-checking of the
results obtained. As results, we have about 78,737 Ha of reforestation evaluated in the Analamanga region,
the area of which is approximately 2,235,603 Ha and the forest cover of which covers an area of 93,849 Ha
for the year 2013 and 144,612 Ha for the year. 2020. So about 54.45% of the forest cover of the
Analamanga Region is made up of reforestation.
Keywords: Reforestation, GIS, Image processing, Remote sensing, NDVI, Land cover maps.
Encadreur pédagogique : Dr ANDRIAMASIMANANA Rado, Maître de Conférences
Email : andriamasimanana@hotmail.com
Encadreur professionnel : Mme RAHAJANIRINA Michelle, Ingénieur au FTM
Email : hajak2007@yahoo.fr

Evaluation Reboisement Par Télédétection

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Evaluation Reboisement Par Télédétection

Transféré par

Droits d'auteur :

Formats disponibles

RANDRIANARISON MAMITIANA 1

➢ Monsieur RAKOTOSAONA Rijalalaina, Professeur et Responsable du Domaine

Liste des images :

Image 1 : Extrait d’images Landsat 8 ………………………………………………… 34

Image 2 : Capture sur ENVI – Dessin des ROIS ………….………………………….. 46

Image 3 : Image datant de 2013 ………………………………………………………. 85

Image 4 : Image datant de 2020 ………………………………………………………. 85

Image 5 : Superposition de l’image 4 et l’image…………………………………....… 85

Image 6 : Carte d’occupation du sol en 2013 ………………………………………… 86

Image 7 : Carte d’occupation du sol en 2020 ………………………………………… 86

Image 8 : Carte NDVI en 2013 ………………..……………………………………… 87

Image 9 : Carte NDVI en 2020 …..…………..……………………………………..… 87

Image 10 : Les reboisements sur terrain ……………………………………………… 105

RANDRIANARISON MAMITIANA iii

Liste des tableaux :

Tableau 1 : les bandes OLI (Source : Wikipédia) ………………………………………31

Tableau 2 : Les bandes TIRS (Source : Wikipédia) …………………………………… 32

Tableau 3 : Les superficies des zones reboisées ……………………………………...... 93

Tableau 4 : Evolution des superficies de la couverture forestière …………………...… 96

Tableau 5 : Liste des coordonnées des zones de reboisement …………………………. 97

Tableau 6 : Surface de la couverture forestière de la Région Analamanga pour

l’année 2010 ………………………………………………………………….. 106

Tableau 7 : Coût total du projet ………………………………………………………... 110

Liste des figures :

Figure 1 : Le spectre électromagnétique (Source http ://education.meteofrance.fr) .……12

Figure 2 : Illustration d’une image raster ………..……………………………………… 16

Figure 3 : Diagramme des démarches de la méthodologie ……………………………… 28

Figure 4 : Illustration d’une composition colorée ……………………………………….. 40

Figure 5 : Classification d’une image …………………………………………………… 48

Liste des cartes :

Carte 1 : Localisation de la zone d’étude ………………………………………………. 22

Carte 16 : Couverture végétale du district d’Antananarivo Renivohitra

Au moment de l’étude …………………………………………………………………. 72

RANDRIANARISON MAMITIANA vii

Commune d’Alakamisy, District d’Anjozorobe ………………………………………. 103

RANDRIANARISON MAMITIANA viii

Cependant, aucun système d’évaluation ou de capitalisation pour mesurer les résultats de

un système d’évaluation de reboisement via télédétection, en utilisant des séries temporelles

Pourtant, l’homme a toujours cherché à maîtriser ses alentours et son environnement.

À partir d'une montgolfière, le photographe parvint à s'élever à une hauteur de 80 mètres

En parallèle de ces essais, Julius Neubranner travaillait sur la confection d'appareil

L’utilisation de l’avion en photogrammétrie est révolue de nos jours, on a même eu recourt

CHAPITRE 1 : QUELQUES DEFINITIONS :

Le reboisement peut être soit de type naturel ou bien de type artificiel.

La Télédétection désigne, la mesure ou l’acquisition d’informations ou bien la perception

Il existe aussi la « Télédétection spatiale », qui est l’ensemble des connaissances et

La télédétection peut être mesurée comme suit :

Il existe deux types de capteurs :

✓ Les capteurs passifs : qui perçoivent seulement la réflexion de l’énergie lumineuse du

D. Les images satellitaires :

Selon sa fonction, on distingue :

➢ Les satellites scientifiques

2- Les orbites des satellites :

On peut distinguer les orbites des satellites en deux (02) catégories :

Ce sont les satellites de communication et d’observation des conditions météorologiques

3- Caractéristiques d’un satellite :

• Fauchée : Une partie de la surface de la Terre observée par le satellite.

4- Les différents types de résolution des images satellitaires :

➢ Un rayonnement se caractérise par une onde électromagnétique qui se propage

➢ Le spectre visible : Un rayon de lumière blanche peut être décomposé (par un

➢ Le spectre invisible : Certaines radiations ne sont pas visibles à l’œil humain.

(Figure 1 : Le spectre éléctromagnétique, source : http://education.meteofrance.fr)

Pour les satellites à capteurs optiques, on distingue les résolutions spectrales en :

Image panchromatique (PAN) : image monocanal représentée en niveaux de gris.