See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/313851248

Apport de la télédétection dans l’évaluation de la variation des surfaces d’eau,

du sol et du couvert végétal dans la Plaine du Tadla entre 1984 et 2015

Working Paper · September 2016

DOI: 10.13140/RG.2.2.19180.16000

CITATIONS READS

2 18,127

2 authors:

Mohammed Zaitouni H. Ibouh

Faculté des Sciences et Techniques Marrakech Cadi Ayyad University, Fac. of Sciences and Techniques,
2 PUBLICATIONS   2 CITATIONS    118 PUBLICATIONS   584 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Barremian intracontinental rift and Aptian Atlantic transgression in the northern boundary of the central High Atlas (Morocco) View project

Mining exploration in the jebilet, by remote sensing View project

All content following this page was uploaded by H. Ibouh on 20 February 2017.

The user has requested enhancement of the downloaded file.

 Master Spécialisé Sciences de l’eau
‫ماستر متخصص في علوم الماء‬

Mémoire de Stage de Fin d’Etudes

Pour l’obtention du diplôme du Master

Apport de la télédétection dans l’évaluation de la

variation des surfaces d’eau, du sol et du couvert
végétal dans la Plaine du Tadla entre 1984 et 2015

Par :
ZAITOUNI Mohammed

Sous la direction de : Etablissement

Pr. IBOUH Hassan FST G de Marrakech

Soutenu le 29 septembre 2016 devant le jury composé de :

Nom et Prénom Etablissement

Pr. IBOUH Hassan Faculté des Sciences et Techniques, Marrakech

Pr. LAFTOUHI Noureddine Faculté des Sciences Semlalia, Marrakech
Pr. TAJ EDDINE Kamal Faculté des Sciences Semlalia, Marrakech

Faculté des Sciences Semlalia Laboratoire Mixte International Faculté des Sciences et Techniques
de Marrakech TREMA de Marrakech
 Avant-propos

Ce travail a été effectué dans le cadre du stage de fin d’étude du Master Spécialisé Sciences
de l’Eau, qui est ouvert en collaboration entre les départements de géologie de la Faculté des
Sciences Semlalia et de la Faculté des Sciences et Techniques, Université Cadi Ayyad,
Marrakech, en collaboration avec le Laboratoire Mixte International « Télédétection et
Ressources en Eau en Méditerranée Semi-Aride » (LMI-TREMA).

Problématique :
Selon les derniers rapports du groupe intergouvernemental sur l’évolution du climat, le
climat de la planète deviendra plus chaud avec une augmentation des périodes sèches et une
régression pluviale. Ce changement influencera les ressources en eau et la végétation. Dans
ce contexte, nous proposons un diagnostic des variations du couvert végétal, les surfaces
d’eau ou teneur en eau dans les sols et les plantes, dans cette étude une méthode de détection
des changements d’occupation du sol au niveau de la Plaine du Tadla au centre du Maroc,
sera testée pour caractériser l’évolution des thèmes cités ci-dessus.

Objectifs :
L’objectif de cette étude est l’identification des variations de l’occupation du sol dans la
Plaine du Tadla principalement le couvert végétal et les surface d’eau, en utilisant les indices
spectraux de l’eau (NDWI), du sol (NDSI) et de la végétation (NDVI).Pour réaliser ces
objectifs, nous allons utiliser :
 des images Landsat TM et OLI et des images MODIS pour identifier les
changements ;
 des prétraitements nécessaires pour rendre les images utilisables ;
 les indices spectraux (NDWI, NDSI et NDVI) ;
 la technique « change detection » ;
 des cartes d’occupation du sol et du changement;
 analyser et interpréter les résultats obtenus.

2
 Remerciements

Le présent travail ne saurait voir le jour sans la participation et l’aide de nombreuses

personnes. Je tiens en particulier à exprimer ma plus sincère gratitude et ma reconnaissance

à mon encadrant monsieur IBOUH Hassan, Professeur à la Faculté des Sciences et

Techniques de Marrakech (FSTM), pour m’avoir proposé ce sujet et accepté de diriger mes

recherches, et de m’avoir apporté son aide et son soutien tout au long de ce stage. Ses

qualités humaines et son expérience scientifique m’a énormément facilité la tâche, merci

beaucoup monsieur.

Je remercie également, Le professeur N. LAFTOUHI, coordonnateur du master

Sciences de l’Eau et monsieur TAJ EDDINE K. professeur à la Faculté des Sciences Semlalia,

Marrakech. Mes remerciements vont aussi à tous mes enseignants à la FST de Béni Mellal en

particulier Messieurs ARIOUA A. et BOUDHAR A. .

Mes remerciements les plus chaleureux vont aussi à mes collègues et amis EL HALIM

M., AIT OUHAMCHICH K., KHELLOUK R., SAQARA Z., ELHILALI A., BOUTSOKRIN S.,

OUHASSI M. et mes collègues du master Sciences de l’Eau promotion 2015/2016.

Mes remerciements vont aussi à toute la famille ZITOUNI

3
 Résumé
Le présent travail s’articule autour de l’évaluation des changements des surfaces d’eau,
du sol et de la végétation dans la Plaine du Tadla entre les années 1984 et 2015, en utilisant
les images satellitaires multi-temporelles à haute et à basse résolution spatiale. Après les
opérations de prétraitements des images satellitaires, on procède à la cartographie des surfaces
de l’eau, du sol et de la végétation dans la Plaine de Tadla pendant différentes périodes
durant les 30 dernières années. En se basant sur le calcul des indices NDWI (Normaliesd
difference Water index), NDSI (Normaliesd difference soil index),) et NDVI (Normaliesd
difference Vegetation index) on a pu réaliser des cartes multi-temporelle de la végétation, du
sol et des surfaces eau ou/et humidité des sols. L’utilisation de l’application de « change
detection » a permis de quantifier les changements du couvert végétal entre les différentes
périodes cartographiées dans la Plaine du Tadla.

Devant le manque des images satellitaires sur toute la période d’étude, nous avons chosi
les images Landsat TM des années 1984, 1995, 2003 et 2011 et Landsat OLI des années
2013 et 2015 et en fin MODIS des années 2003, 2011, 2013 et 2015. Les images choisi sont
celle des mois juillet et aout pour ne cartographier uniquement que le couvert végétal
permanent dans la Plaine et évité la végétation saisonnières.

L’analyse des cartes de l’NDWI montre une régression globale des surfaces de l’eau ou
d’humidité des sols dans la Plaine du Tadla d’environ 29,5% (soit une surface de 3,15 km2 de
moins) dans les dernières 30 années. Pendant la même période, on admet un recul des sols par
19,5% (624 km2). Néanmoins, les cartes d’NDVI montrent une grande augmentation de la
surface de la végétation d’environ 816,8 km2 (25,5%).

L’examen des cartes du couvert végétal issues des images Landsat, révèle qu’il y a une
légère évolution entre les années 1984 et 2003 à environ 2,75% (80 km2), mais de l’année
2003 jusqu’à 2015 la superficie couverte par la végétation a été bien développée et attient la
valeur 728 km2 (22%). Le traitement des images MODIS donnera des résultats presque
semblables, dont la superficie occupée par la végétation s’est bien développée depuis 2003
jusqu’à 2015 avec environ 716 km2. Les résultats montrent que les superficies végétales
mesurées à base des données MODIS sont plus grandes que celles issues des images Landsat
et cela peut être dû aux différences entre les capteurs et surtout la résolution spatiale.

Pour mieux comprendre les variations du couvert végétal à base de l’indice NDVI issu
des images Landsat TM et OLI et les images MODIS, on procède à la technique « change
detection ». Les résultats produits des images Landsat montrent une régression de la
végétation d’environ 169 km2 contre une extension de 344 km2 entre les années 1984 et 1995.
La différence entre NDVI de 2003 et celui de 1995 présente une évolution du couvert végétale
par 351 km2 contre une régression de 407 km2. De même l’extension a été de 624 km2 entre
les années 2003 et 2015. Néanmoins, pour MODIS, la différence entre NDVI de 2015 et
l’NDVI de 2003 montre un recul de 93 km2 devant une évolution de 777 km2.

Mots clés : Occupation du sol, Image satellitaires, Landsat TM-OLI, MODIS, NDWI,
NDSI, NDVI, Change détection, La Plaine du Tadla, Maroc.
4
Table des matières

Résumé .................................................................................................................................................... 4
Introduction générale............................................................................................................................ 12
Chapitre I : ............................................................................................................................................. 14
Présentation générale de la Plaine de Tadla ...................................................................................... 14
I. Contexte général et localisation de la Plaine de Tadla.................................................................. 14
II. Cadre géologique........................................................................................................................... 17
III. Pédologie ................................................................................................................................... 19
IV. Contexte climatique .................................................................................................................. 21
V. Ressources hydriques .................................................................................................................... 22
o Eau de surface ....................................................................................................................... 22
o Eau souterraine ..................................................................................................................... 23
VI. Population et activité socio-économique.................................................................................. 27
Chapitre II : ............................................................................................................................................ 28
Télédétection spatiale et occupation du sol, principe, données et méthodologie de travail............... 28
I. Occupation et utilisation des sols.................................................................................................. 28
II. Télédétection spatiale et occupation du sol ................................................................................. 29
1. Principe de la télédétection ...................................................................................................... 29
2. Notion de réflectance et signature spectrale ............................................................................ 30
III. Données utilisées ...................................................................................................................... 32
1. Données satellitaires ................................................................................................................. 32
2. Données climatiques de la Plaines de Tadla ............................................................................. 37
3. Données du terrain.................................................................................................................... 39
4. Données auxiliaires.................................................................................................................... 39
IV. Traitement des images satellitaires.......................................................................................... 40
1. Prétraitement ............................................................................................................................ 40
1.1. Correction géométrique .................................................................................................... 40
1.2. Correction radiométriques ................................................................................................ 41
2. Classification .............................................................................................................................. 48
3. Les Indices spectraux ................................................................................................................. 51
3 .1. Indice de Végétation par Différence Normalisé (NDVI) ........................................................ 51
3.2. Indice de l’eau NDWI : Normailsed Difference Water Index ................................................. 52

5
 3.3. Indice de Sol par Différence Normalisée (NDSI) ..................................................................... 54
4. Détection des changements (Change detection) ...................................................................... 55
Chapitre III : ........................................................................................................................................... 58
Résultats, analyses, interprétations et discussions ............................................................................... 58
I. Résultats de traitement des images satellitaires à haute résolution spatiale Landsat TM (Période
1984-2015) ............................................................................................................................................ 58
1. Variabilité spatio-temporelle des surfaces d’eau dans la Plaine du Tadla ................................ 58
2. Variabilité spatio-temporelle du sol dans la Plaine du Tadla .................................................... 63
3. Variabilité spatio-temporelle de la végétation dans la Plaine du Tadla .................................... 67
4. Création de la carte d’occupation du sol de la Plaine du Tadla ................................................ 72
II. Résultats de traitement des images satellitaires à basse résolution spatiale MODIS sur la période
2003 à 2015. .......................................................................................................................................... 81
III. Spatialisation des données climatiques et interprétation des résultats ................................... 84
IV. Application de la technique « Change detection » pour l’estimation du changement de
l’occupation du sol ................................................................................................................................ 86
Conclusions générales et perspectives.................................................................................................. 91

6
Liste des figures
Figure 1: Situation géographique du bassin versant de l'Oum Er Rbia sur la carte du Maroc (a) et sa
carte d’altitude sous forme du modèle numérique de terrain (MNT) avec la localisation de la Plaine
du Tadla (b)............................................................................................................................................ 15
Figure 2: Situation géographique et délimitation de la Plaine de Tadla dans son contexte général
représenté sur un fond d’une image Google Earth. .............................................................................. 16
Figure 3: carte des pentes (en degré) dans la Plaine de Tadla. ............................................................. 17
Figure 4: Schéma géologique de la Plaine de Tadla (d'après la carte géologique de Rabat à 1/500000).
............................................................................................................................................................... 18
Figure 5: Coupe géologique montrant la structure du système aquifère de Tadla et l’articulation
Plaine de Tadla et Haut atlas central. (Rodier, 1984). ........................................................................... 19
Figure 6: Pédologie des sols dans le périmètre irrigué du Tadla (ORMVAT, 1995)............................... 20
Figure 7: Variation des moyennes mensuelles des pluies et la température au niveau de la station de
Béni Mellal (537m) entre 1983 et 2014. (ABHOER, 2016). ................................................................... 21
Figure 8: Réseau hydrographique couvrant la Plaine du Tadla ............................................................. 23
Figure 9: Nappes phréatiques et profondes de la Plaine du Tadla (d’après la carte des aquifères de la
zone d’action de l’ABHOER, 2008) ........................................................................................................ 24
Figure 10: Piézométrie de la nappe phréatique dans la Plaine de Tadla mesurée en 2001 (Source,
PDAIR OER, 2008) .................................................................................................................................. 25
Figure 11: Le périmètre irrigué (Beni Moussa et Beni Amir) et ses canaux d'irrigation, la zone
d'irrigation traditionnelle (Dir) et les zones irriguées hors périmètre et Dir (Sur la base des données
de l’ORMVAT, 2008) .............................................................................................................................. 26
Figure 12: L'occupation et l'utilisation du sol (Lecerf, 2008)................................................................. 28
Figure 13: Schéma montrant les étapes du processus de la télédétection (©CCRS/ CCT) ................... 29
Figure 14: Spectre du rayonnement et transparence de l’atmosphère (In Boudhar, 2009)................. 30
Figure 15: Spectres typiques de réflectances de la neige, de l’eau, du sable et de la végétation. Les
bandes spectrales correspondent aux capteurs embarqués sur SPOT : B1=Bleu, B2=rouge, B3=Proche
Infrarouge, MIR=Moyen Infrarouge. (http://vegetation.cnes.fr ). ....................................................... 31
Figure 16: Réseau des stations pluviométriques et météorologiques dans la zone d’étude sur une
image Landsat TM. ................................................................................................................................ 38
Figure 17: Principe de pondération dans la méthode IDW (Inverse Distance Weighted) (In Benhadj,
2008)...................................................................................................................................................... 39
Figure 18: Transformation des images brutes en réflectance spectrale à l'ouverture du capteur oli ;
image (A) avant et (B) après transformation. ....................................................................................... 43
Figure 19: Comparaisons des signatures spectrales avant (av) et après (apr) la correction des
thèmes : eau; sol et vege (Végétation). ................................................................................................ 44
Figure 20: Schéma illustrant le Ré échantillonnage par la méthode de convolution cubique.............. 45
Figure 21: Extrait d’image montrant le résultat du Pan Sharpening : (a) Extrait de l’image multi
spectrale de départ à 30m de résolution. (b) Extrait de l’image panchromatique correspondante à
résolution spatiale de 15m. (c) Extrait de la Nouvelle image multi spectrale à résolution spatiale de
15m........................................................................................................................................................ 46

7
Figure 22: Application de la transformation Tasseled Cap. (a) : Image TM en Composé Colorée et (b)
:Image TM après transformation « Tasseled Cap »............................................................................... 46
Figure 23: Découpe des limites irrégulières de la Plaine du haut dans un Composé coloré d’image
Landsat OLI. En Haut: Couleur naturelle (TM : 4, 3, 2 ; En bas : fausse couleur (TM : 6, 5, 4). ........... 47
Figure 24: principe de la classification (CCRS/CCT) ............................................................................... 48
Figure 25: Exemple des zones d’entrainements choisis sur l’image TM (c ) en se basant sur l’image
Google Earth (a) et la carte d’occupation du sol de la littérature (b). .................................................. 49
Figure 26: Illustration de la notion de vecteurs de support ou « support vectors » (In Masse, 2013) . 50
Figure 27: Calcul du NDVI par la signature spectrale de la végétation, RED : réflectance dans la bande
Rouge et NIR : réflectance dans la bande du Proche Infrarouge (in Jarlan et al. 2015). ...................... 51
Figure 28: Variation de NDVI selon l'état de santé de la plante, (a) : plante saine,.............................. 52
Figure 29: Exemple d’une carte d’indice de l’eau NDWI en utilisant le moyen infrarouge (l’eau en des
plantes en bleu sur la carte) .................................................................................................................. 53
Figure 30: Exemple d’une carte d’indice de l’eau NDWI en utilisant la bande du vert (en bleu surface
d’eau)..................................................................................................................................................... 53
Figure 31: Illustration de l’opération de soustraction algébrique de deux images satellitaires
multidates avec des exemples de valeurs de pixels (In Elhalim, 2015) ................................................. 55
Figure 32: organigramme de la méthodologie de travail ...................................................................... 57
Figure 33: courbe montrant la variation du NDWI entre 1984 et 2015. ............................................... 58
Figure 34: Variation des superficies de l’eau dans la Plaine du Tadla depuis 1984 jusqu'à 2015......... 59
Figure 35: Corrélation entre l’indice de l’eau (NDWI) et les moyennes des hauteurs annuelles de pluie
dans la Plaine du Tadla. ......................................................................................................................... 60
Figure 36: carte d'indice de l'eau (NDWI) dans la Plaine du Tadla entre les années 1984 et 2003 ...... 61
Figure 37: carte d'indice de l'eau (NDWI) dans la Plaine du Tadla entre les années 2011 et 2015 ...... 62
Figure 38: variation de l’indice de sol NDSI d’une image à l’autre entre (1984-2015) dans la Plaine du
Tadla. ..................................................................................................................................................... 63
Figure 39: Variation des superficies du sol dans la Plaine du Tadla depuis 1984 jusqu'à 2015. ........... 64
Figure 40: cartes multitemporelles d'indice de sol (NDSI) de la Plaine du Tadla entre les années 1984
et 2003................................................................................................................................................... 65
Figure 41: cartes multitemporelles d'indice de sol (NDSI) de la Plaine du Tadla entre les années 2003
et 2015................................................................................................................................................... 66
Figure 42 : variation des valeurs de l’indice de végétation NDVI issu des images Landsat entre 1984 et
2015. ...................................................................................................................................................... 67
Figure 43: évolution des surfaces végétales dans la Plaine du Tadla entre 1984 et 2015 (en km2). ... 68
Figure 44: moyen des cumuls annuels dans différentes stations de la Plaine du Tadla et le cumul
annuel moyen en mm (entre 1984 et 2015). ........................................................................................ 69
Figure 45: Variation des indices NDSI et NDVI dans la paline du Tadla (1984-2015)............................ 69
Figure 46: cartes multi-temporelles d'indice de végétation (NDVI) de la Plaine du Tadla entre les
années 1984 et 2003 ............................................................................................................................. 70
Figure 47: cartes multi-temporelles d'indice de végétation (NDVI) de la Plaine du Tadla entre les
années 2003 et 2015 ............................................................................................................................. 71
Figure 48: les sites ROI utilisés pour faire la classification de l’image Landsat 2015. ........................... 72
Figure 49: La valeur de NDVI propre à chaque type de végétation pour l’image Landsat.................... 73
Figure 52: le pourcentage de chaque culture par rapport à la surface totale de la Plaine du Tadla. ... 74
Figure 53: différents types de végétation de la Plaine du Tadla en 2015 ............................................. 76

8
Figure 56: évolution de la superficie (en Km2) d’occupation du sol dans la Plaine du Tadla depuis 1984
jusqu’à 2015 .......................................................................................................................................... 78
Figure 57: carte d'occupation du sol issue de l'image Landsat TM 1984 .............................................. 79
Figure 58: carte d'occupation du sol issue de l'image Landsat OLI 2015 .............................................. 80
Figure 59: Variation de NDVI du capteur Modis au cours de l’année pendant la période 2003-2015 . 81
Figure 60: L’intervalle de fluctuation de la valeur de NDVI des images Modis en mois de juillet dans la
Plaine du Tadla depuis 2003 à 2015. ..................................................................................................... 82
Figure 61: variation des surfaces végétales au cours du temps (2003-2015) d'après les images MODIS
............................................................................................................................................................... 82
Figure 62: Cartes d'indice de végétation NDVI des images MODIS des années 2003 et 201 ............... 83
Figure 63: cartes d'indice de végétation NDVI des images MODIS des années 2013 et 2015 .............. 84
Figure 64: Spatialisation des cumuls annuels des pluies (en mm) dans la Plaine du Tadla entre les
années 1984 et 2015. ............................................................................................................................ 85
Figure 65: Carte de la détection du changement du couvert végétal dans la Plaine du Tadla entre
1984 et 1995 à base du NDVI des images Landsat TM. ........................................................................ 87
Figure 66: Détection du changement du couvert végétal dans la Plaine du Tadla entre 1995 et 2003 à
la base de NDVI des images Landsat. .................................................................................................... 88
Figure 67: Détection du changement du couvert végétal dans la Plaine du Tadla entre 2003 et 2015 à
la base de NDVI des images Landsat.. ................................................................................................... 89
Figure 68: Carte de dDétection du changement du couvert végétal dans la Plaine du Tadla entre 1984
et 1995 à la base de NDVI des mages MODIS ....................................................................................... 90

9
Liste des tableaux

Tableau 1: Volumes des eaux de surface distribués jusqu'à 2001 (PDAIRE ORE, 2008) ....................... 27
Tableau 2: Principales caractéristiques spectrales et spatiales du capteur TM
(http://landsat.gsfc.nasa.gov ). ............................................................................................................. 33
Tableau 3: Caractéristiques orbitales du capteur Landsat4-5 TM (http://landsat.gsfc.nasa.gov/ ) ..... 33
Tableau 4: Principales caractéristiques spectrales et spatiales du capteur OLI
(http://landsat.gsfc.nasa.gov/ )............................................................................................................. 34
Tableau 5: Principales métadonnées des images Landsat TM et OLI utilisées dans cette étude
(http://Glovis.usgs.gov ) ........................................................................................................................ 35
Tableau 6: Caractéristiques du capteur MODIS TERRA (http://modis.gsfc.nasa.gov/ )........................ 36
Tableau 7: Les 7 premières bandes spectrales de MODIS/TERRA (http://modis.gsfc.nasa.gov/ ). ...... 36
Tableau 8: date et coordonnées spatiale des images NDVI de MODIS (Terra) (MOD44 16-Day) utilisés
dans ce travail........................................................................................................................................ 37
Tableau 9: Coordonnées des stations météorologiques utilisées dans cette étude ............................ 37
Tableau 10: Valeurs exemples des indices -utilisés dans ce travail- appliqués sur onze types
d'éléments de la surface (Taheuchi et Yasuka, 2004) ........................................................................... 54
Tableau 11: Variation de la superficie de l’eau dans la Plaine (1984-2015). ........................................ 59
Tableau 12: Evolution de la superficie du sol dans la Plaine du Tadla (1984-2015) ............................. 63
Tableau 13: évolution du couvert végétal dans la Plaine entre 1984 et 2015 , surfaces calculées à base
de NDVI extrai des images Landsat ...................................................................................................... 68
Tableau 14: Matrice de confusion entre les classes choisis pour la classification de l'image Landsat OLI
2015 ....................................................................................................................................................... 73
Tableau 15: Indice de séparabilité des classes ROI utilisés dans la classification de l'image Landsat OLI
2015 ....................................................................................................................................................... 74
Tableau 16: Surface occupée par chaque type de culture dans la Plaine du Tadla en 2015 ................ 75
Tableau 17: Matrice de confusion des ROI choisis pour la classification de l'image Landast de 1984 . 77
Tableau 18: Indice de séparabilité entre les classes pour la classification de l'image Landast de 1984
............................................................................................................................................................... 77
Tableau 19: Comparaison des superficies végétales mesurées à base des images landsat et MODIS
depuis 1984 jusqu'à 2015. ..................................................................................................................... 83
Tableau 20: Cumuls annuels des précipitations en Plaine du Tadla. .................................................... 85

10
 Liste des abréviations
ABHOER : Agence du Bassin Hydraulique de l’Oum Er Rbia
ACP : Analyse en Composante Principale
CCRS / CCT : Centre Canadien des Recherches Spatiales/ Centre Canadien de Télédétection
DOS: Dark-Object Subtraction
ENVI: Environment for Visualizing Images
IDW: Inverse Distance Weighted
MIR: Moyen InfraRouge
MODIS: MODerate resolution Imaging Spectroradiometer
NASA: National Aeronautics and Space Administration
NDSI: Normalized Difference Soil Index
NDVI: Normalized Difference Vegetation Index
NDWI: Normalized Difference Water Index
OLI: Operational Land Imager
ORMVAT : Office Régional de Mise en Valeur Agricole du Tadla
PDAIR OER: Plan Directeur d’Aménagement Intégré des Ressources en eau de la zone
d’action de l’agence du bassin hydraulique de l’Oum Er Rbia
PIR: Proche Infra Rouge
RGB: Red Green Blue
SAU: Surface Agricole Utile
SPOT : Système Pour l'Observation de la Terre
TM: Thematic Mapper
TOA: Top Of Atmosphere
UCAM: Université Cadi Ayyad de Marrakech
USGS: United States Geological Survey
UTM: Transverse Universelle de Mercator
WGS: World Geodetic System

11
Introduction générale

La politique du Maroc s’est affirmée depuis le lendemain de l’indépendance en

figurant l’eau et l’agriculture parmi ses priorités absolues. Le résultat de cette politique
distingue le Maroc parmi les pays qui maîtrisent le mieux leurs ressources hydriques
mobilisables et qui dispose d’une agriculture tendant de plus en plus vers la modernité.
Cette vision stratégique se voit clairement dans les grands plans et projets lancés par le
Maroc, notamment le projet lancé par le Roi Hassan II qu’a proclamé «Nous avons lancé un
défi au temps et à nous-mêmes et avons décidé de réaliser le million d'hectares
irrigués » ce projet a fixé 10 milles hectares irrigués comme objectif à l’horizon de l’année
2000, bien sûr simultanément avec le lancement de la célèbre politique des barrages, le plan
Maroc vert, … etc. Cependant, si les domaines de l’eau et de l’agriculture continuent de
jouer un rôle stratégique dans le projet de développement socio-économique du pays, le
contexte hydrologique reste fragile et les ressources sont limitées avec les changements
climatiques (zone aride à semi-aride), à cela s’ajoute l’utilisation des méthodes
traditionnelles d’agriculture (irrigation, fertilisation, …etc.).
Dans la Plaine de Tadla, région de Kénifra-Beni Mellal, l’agriculture représente le
premier secteur d’emploi et de l’économie de zone, avec plus de 225000 actifs occupés et
chômeurs ayant déjà travaillé dans l’agriculture (soit plus de 52%), ce secteur est largement
dominant dans la région. Ce taux d’actif dépasse même les 62% dans la province d’Azilal.
De plus en plus, l’agriculture oppose un secteur « moderne » dans la Plaine du Tadla, équipé
en grande hydraulique à partir du barrage de Bin El Ouidane (périmètre de Beni Moussa) et
barrage de Kasba Tadla (périmètre Beni Amir), et un secteur « traditionnel » en bour ou en
petite hydraulique (Dir). La Plaine se partage entre secteurs irrigués en grande hydraulique
(49% de la SAU) et secteurs non équipés, domaine des cultures bour (51% de la SAU). Le
piémont combine agriculture bour et irriguée à partir des sources karstiques captées et
distribuées strictement par un réseau de séguias.
La Télédétection apporte une vision régionale exhaustive et objective, qui doit
contribuer à renforcer les outils d’aide à la décision conçus à destination des gestionnaires
de l’occupation d sol. La télédétection est un outil offrant la possibilité de l’acquisition de
données d’une manière régulière et continue dans le temps et couvrant la totalité de la
surface terrestre, ces données vont servir à la caractérisation de l’évolution de l’occupation
du sol dans le temps dans la Plaine du Tadla.

L’objectif de cette étude est l’exploitation des images satellites à haute et à basse
résolution spatiale en parallèle avec d’autres données sur l’occupation du sol, afin de suivre
la dynamique des variations du sol, de l’eau et de la végétation sur le plan spatio-temporel
entre les années 1984 et 2015 dans la Plaine du Tadla. Afin de réaliser ces objectifs, les
images Landsat TM (1984, 1995, 2003, 2011) et OLI (2013 et 2015), et celles de MODIS de
type MOD-44 –day-16 (2003, 2011, 2013 et 2015) seront utiliser pour réaliser des cartes de
végétation (NDVI), de sol (NDSI) et de l’eau (NDWI) des années citées ci-dessus. Ces cartes
seront ensuite comparer pour évaluer le taux de changement de ces Thèmes.

Le mémoire s’articule suivant trois chapitres. Le premier chapitre introduit le contexte

de l’étude en proposant une présentation générale de la zone d’étude. Le deuxième chapitre
12
est consacré à la présentation des données utilisées dans cette étude, les outils et les
méthodes de détection des changements utilisées pour l’analyse de données multi-
temporelles. Le troisième chapitre présente les traitements des images satellites et les
résultats des analyses e des études comparatives entres les différentes méthodes appliquées
aux différentes types d’images. Le mémoire se termine par des conclusions générales et des
perspectives.

13
Chapitre I :

Présentation générale de la Plaine

de Tadla

I. Contexte général et localisation de la Plaine de Tadla

Le secteur que nous allons étudier dans ce travail, est la Plaine de Tadla. Elle est située
au centre du royaume marocain, exactement dans Le bassin versant de l’Oum Er Rbia. Ce
dernier est situé entre les latitudes 31º 00' et 33º 00' Nord et les longitudes 5º 00' et 9º 00'
Ouest dans la région de Khénifra-Beni Mellal (Figure 1). La superficie du Bassin s’étend sur
environ 35 000km2 tandis que son périmètre dépasse 1200km. Il est limité à l’Est et au Nord-
Est par le Moyen Atlas, au Nord par le massif central, au Sud et au Sud-Est par le Haut Atlas,
au Sud-Ouest par les Jbilet et le massif des Réhamna. Il atteint l’Océan Atlantique par son
exutoire qui se situe dans la zone d’Azemmour nord de la ville d’El-Jadida.

14
 Figure 1: Situation géographique du bassin versant de l'Oum Er Rbia sur la carte du Maroc (a) et sa carte
d’altitude sous forme du modèle numérique de terrain (MNT) avec la localisation de la Plaine du Tadla (b).

En se base sur les données topographiques (Figure 1), le bassin d’Oum Er Rbia peut être
subdivisé en deux grandes parties dont le fonctionnement hydrologique est plus contrasté
avec une troisième plus restreinte qui relie les deux autres parties, à savoir:

i. Partie Montagneuse: c’est la zone qui recouvre le Moyen Atlas méridional et le Haut
Atlas central, elle contient le point culminant du bassin à 4071m d’altitude (Ighil
N’M’goun). Elle constitue la zone la plus productive des eaux avec une moyenne des
précipitations importante. Par conséquent tous les oueds du bassin prennent leurs
ressources à ce niveau, et constitue notamment la seule source naturelle
d’alimentation des nappes de la Plaine et le plateau.
ii. Zone Dir : c’est le piémont qui représente une petite bande de transition entre les
montagnes et la Plaine. Caractérisé par une douce pente, des sources d’eau (exemple
Ain Aserdoun) et faibles altitudes, le Dir contient plusieurs agglomérations de la
région (Beni Mellal, Afourer, Oulad Ayyad, Foum Elanser, ….etc.).
iii. La Plaine et le plateau : c’est la partie la plus vaste qui recouvre plus que la moitié de
la surface du bassin. Elle se caractérise par des altitudes modérées, et représente
une zone de consommation des eaux surtout par l’irrigation. Dans ce travail on va

15
 s’intéresser à la Plaine de Tadla qui est notre zone d’étude et sera décrite en détail
par la suite (Figure 2).

Figure 2: Situation géographique et délimitation de la Plaine de Tadla dans son contexte général représenté sur
un fond d’une image Google Earth.

La Plaine de Tadla couvre une superficie d’environ 3600km2 et inclinée de l’Est vers
l’Ouest. Elle est limitée au Nord par le plateau des phosphates, à l’Est le Tadla rétrécit en
coin entre le plateau de Oued Zem et la retombée du Moyen Atlas, à l’Ouest elle est limitée
par la Bahira au niveau de Oued Elabid et au Sud la Plaine est limitée par le Haut Atlas
central (Figure2).
La Plaine de Tadla présente une topographie généralement régulière à une altitude
moyenne de 400 m, avec une pente douce strictement inférieure à 10 degré (Figure 3).
Néanmoins au niveau des lits des oueds (Oum Er Rbia) et le piémont, on admet l’apparition
des cônes de déjection. Elle se caractérise par l’un des plus grands Oueds du Maroc, c’est
l’Oum Er Rbia qui divise la Plaine de l’Est vers l’Ouest en deux zones hydrauliquement
indépendantes les Beni Amir à la rive droite (vers le Nord) et les Beni Moussa la rive opposée
de l’Oued (vers le Sud).

16
 Figure 3: Carte des pentes (en degré) dans la Plaine de Tadla.

II. Cadre géologique

La Plaine du Tadla a été le siège, à l'époque villafranchienne, (quaternaire) d'un lac
sur le fond duquel le lit de l'Oum Er Rbia s'est surimposé (Massoni et Missante, 1967 ;
ministère des travaux publics et des communications direction de l'hydraulique Maroc,
1972). Elle se présente sous forme d’une vaste dépression remplie de dépôts Mio-Plio-
Quaternaires hétérogènes (Choubert et Faure-Muret, 1956).
D’après Etienne et Guessab (1976), la Plaine se présente comme un synclinal de
subsidence avec des séries secondaires et tertiaires qui ont été recouvertes par des
dépôts continentaux du Moi-Pliocène, Villafranchien vers le Quaternaire récent (Figure
4).

17
 Figure 4: Schéma géologique de la Plaine de Tadla (Extrait de la carte géologique de Rabat à 1/500000).

Le Moi-Pliocène couvre des faibles surfaces, situé dans l’Est de la ville de Fquih
Ben Saleh et surtout le long de la zone du piémont de l’Atlas. Il est constitué
essentiellement par des calcaires lacustres.
Le Villafranchien situé Le long des rives de l'Oum Er Rbia et dans l’ouest de la
Plaine. Il se forme principalement par des faciès marno-calcaires roses, rouges ou blancs
avec des conglomérats à éléments paléozoïques (El Antaki et El boustani, 1991).
Le Quaternaire ancien est formé par des calcaires lacustres (région de Ouled
Zidouh) et des conglomérats à éléments siliceux, localement consolidés (entre Beni
Chegdal et Beni Oukil et au Nord-Est de Fquih Ben Salah). Il comprend aussi des limons,
des calcaires, des marno-calcaires et des conglomérats lacustres. Ces formations sont
attribuées à l'Amirien. De nombreux cônes de déjection en bordure de l'Atlas ainsi que
les terrasses moyennes et hautes de l'Oum Er-Rbia sont aussi attribuées à L’Amirien. De
même, pendant le Tensiftien (Quaternaire moyen) on admet des terrasses de l'Oum Er
Rbia et des cônes de déjection (Etienne et Guessab, 1976).
Le Soltanien ou Quaternaire récent est constitué par des limons, des calcaires et
des marno-calcaires avec des conglomérats affleurant sur de grandes surfaces dans les
Beni Moussa. Dans le même âge on trouve également de basses terrasses limoneuses le
long de l'Oum Er-Rbia ainsi que des cônes de déjection en piémont des montagnes de
l’Atlas.

18
 En fin, le Rharbien (Quaternaire moderne) est surtout représenté par des dépôts
alluvionnaires (graviers et limons tirsifiés) et des calcaires lacustres. Selon Etienne et
Guessab (1976), ce complexe quaternaire repose soit sur le Mio-Pliocène sur des petites
surfaces (oued El-Abid et Kasba-Tadla), soit directement sur l'Eocène (Figure 5).

Figure 5: Coupe géologique montrant la structure du système aquifère de Tadla et l’articulation Plaine de Tadla
et Haut atlas central. (Rodier, 1984).

III. Pédologie
Nombreux sont les types des sols formant le bassin de la Plaine du Tadla (Figure 6). On
note les sols à sesquioxydes, sols calmagésiformes, vertisols, hydromorphe, …etc (Massoni et
Missante, 1967). Sous les conditions d’altération une partie des matériaux érodés
s’accumule juste au voisinage des montagnes au fond des vallées et donnant des sols peut
évolués, c’est le cas des sols existant sur les basses terrasses de l’Oum Er Rbia et au niveau
des zones à alluvions récents au payement du Moyen Atlas.

Selon Etienne et Guessab (1976), Les sols isohumiques (généralement sols bruns et
châtains subtropicaux) sont de loin les plus répandus, ils ont la capacité de supporter la
plupart des cultures. Cependant, les sols à sesquioxydes qui ne supportent que de maigres
cultures s’étalant sur les périmètres de la Plaine du Nord-Ouest de la ville de Fquih Ben Saleh
et au Nord de Kasba Tadla en plus de faibles surfaces dans les parties est-nord-est et ouest-
sud-ouest de Béni Mellal. Néanmoins, les sols calcomagnésiformes se situent
particulièrement le long des oueds Oum Er Rbia et Derna.
A l’Est des Ouled Jabri, Ouled Mbark et la partie Nord de IRhrem El Alam se
caractérisent par des sols cultivables souvent tirsifiés (les vertisols). Entre ces deux zones on
trouve des sols isohumiques et des sols peu évolués reposant sur les poudingues des cônes
de déjection. Les sols de type hydromorphes se positionnent dans les fonds des vallées ou
d'anciens marécages mal drainés (Oued Day, marécages d'El Arich).

19
Figure 6: Pédologie des sols dans le périmètre irrigué du Tadla (ORMVAT, 1995)
IV. Contexte climatique
Le climat dans la Plaine de Tadla est de type semi-aride à aride à caractère continental
avec une saison sèche d'avril à octobre et une saison humide de novembre à mars (Figure7).
Néanmoins, dans les dernières années cette organisation saisonnière devient irrégulière
sous l’effet des changements climatiques. Généralement ce climat est influencé par les
précipitations et la température irrégulière.
L’augmentation des altitudes on allant de l’ouest et du centre de la Plaine vers ses
parties nord-est et sud, se traduit par une augmentation des précipitations et, dans une
moindre mesure, par une diminution des températures.
La température sujette à des variations importantes saisonnières, et admettant que
pendant la période humide les minima comprises entre -1,8 et 2,4°C tandis que les maxima
comprises entre 39,6 et 48°C pendant l’été. Par ailleurs la moyenne générale mensuelle
interannuelle de la température de la zone d’étude dépasse 20°C.
Les précipitations sont réparties irrégulièrement dans le temps et dans l’espace avec une
moyenne annuelle de 433mm. Pendant la période d’été les minima des moyennes
mensuelles interannuelles des précipitations descendent jusqu’à 0,8mm, cependant le
moyen des maxima dépasse 72mm pendant l’hiver.

Précipitation Température
80 80
70 70
60 60
Précipitation [mm]

50 50
T[°C]

40 40
30 30
20 20
10 10
0 0

Figure 7: Variation des moyennes mensuelles des pluies et la température au niveau de la station de Béni
Mellal (537m) entre 1983 et 2014. (ABHOER, 2016).
V. Ressources hydriques
o Eau de surface

Les ressources en eau dans la Plaine du Tadla sont irrégulières et mal réparties (Figure 8).
L'oued Oum Er Rbia traverse le Tadla sur environ 160 kilomètres selon une orientation
générale ENE-WSW jusqu'à l'amont de sa confluence avec oued El-Abid. Cet oued est
caractérisé par un débit annuel moyen de 35 m 3/s, avec un maximum de 1700 m 3/s et
un minimum de 8 m 3/s (Taïbi et al, 2015). Il divise la Plaine en deux surfaces
asymétriques hydrauliquement différentes (Beni Moussa et Beni Amir).

La grande partie des eaux est drainée par des Oueds de l’amont du bassin sur la rive
gauche de l’oued Oum Er Rbia et prennent naissance dans le Moyen et Haut Atlas central (El
Abid, Derna, Dai, El Ariche). L'oued Derna orienté Est-Ouest rejoigne l'Oum Er Rbia après
avoir coulé plus de 25 kilomètres dans le Tadla. D’autre part, les collecteurs du
périmètre des Beni Moussa qui ont été aménagés (oueds Dai et El Arich) présentent
des apports importants. Enfin l'oued El-Abid d’une direction Nord-Sud parcoure plus de
20 kilomètres en Plaine avant d'atteindre l'Oum Er Rbia.

La partie de la Plaine située sur la rive droite de l’Oum Er Rbia contient des oueds avec
des ruissellements temporaires et de faible importance à caractère torrentiel, qui
n'atteignent l'Oum Er Rbia que lors des précipitations intenses.

A l’amont de la Plaine du Tadla, et entre Béni Mellal et la zone d’El ksiba, la zone Dir se
caractérise par plusieurs sources karstiques (plus de 20 sources) émergentes au pied de
l’Atlas central (l’Atlas de Beni Mellal). Elles sont alimentées par les infiltrations des pluies et
des écoulements dans les séries calcaires de l’Atlas. Cependant, Aïn Asserdoun reste la plus
importante de ces sources, située à l’amont immédiat de la ville de Beni Mellal avec un débit
moyen d’environ 900 l/s (PDAIR OER, 2008). Ses eaux ont été depuis longtemps utilisées
pour l’alimentation en eau potable de la ville, autrefois partiellement et aujourd’hui
quasiment totale.

22
 Figure 8: Réseau hydrographique couvrant la Plaine du Tadla

o Eau souterraine
Le système aquifère multicouche du Tadla s’étend sur une surface d’environ 10000km2. Ce
système est constitué principalement par quatre aquifères notamment les nappes
phréatiques des Béni Moussa, des Béni Amir et les nappes profondes de l’Eocène, Sénonien
et du Turonien (Figure 9). Les nappes sont séparées par des formations semi-perméables, ce
qui favorise des transferts verticaux entre elles (PDAIR OER, 2008 ; Hammani et al, 2007).

23
 Figure 9: Nappes phréatiques et profondes de la Plaine du Tadla (d’après la carte des aquifères de la zone
d’action de l’ABHOER, 2008)

La superficie de la nappe phréatique est la même que celle de la Plaine d’environ 3600 km2.
Ses épaisseurs restent males connues et varie de 10 m à 400 m et diminue en allant du Sud-
Est au Nord-Ouest (Belhacen et Chayat, 1992). L’oued Oum Er Rbia représente une limite
entre les trois nappes phréatiques de l’Est vers l’Ouest et les rend indépendantes sur le plan
hydraulique. Cela peut être justifier par le parallélisme des écoulements des nappes par
rapport à l’oued (Hammani et al., 2005). On distingue :
i. Nappe phréatique des Béni Moussa-Dir (Est) : S’étend sur une superficie de 500 km2
(PDAIRE OER, 2008) correspondant à la zone du piémont des Béni Moussa (d’où le
nom). Formée essentiellement par des sédiments Mio-Plio-Quaternaire hétérogènes
et composés d’alternances de calcaires, marnes et des alluvions libres ou consolidées
et des conglomérats (Massoni et al, 1976).
ii. Nappe phréatique des Béni Moussa Ouest : S’étale sur une superficie d’environ 1200
km2 (PDAIR OER, 2008). Elle circule dans des formations essentiellement calcaires,
marno-calcaires et des argiles (Massoni et al, 1976). Il faut noter que sa limite Ouest
(l’oued El Abid) ne représente qu’une limite théorique sinon la nappe est la même de
la Tassawt Aval.
iii. Nappe phréatique des Béni Amir : S’étale sur le périmètre irrigué des Béni-Amir et les
zones « Bour » Constituant sa continuité hydraulique à l’ouest sur une superficie de
600 km2. Les écoulements souterrains s’établissent sur une alternance marno-
calcaires, calcaires lacustres et conglomérats qui reposent sur des argiles
imperméables (Massoni et Missante, 1970).

24
La nappe captive de Tadla englobe l’aquifère les calcaires-sableux de l’Eocène, les
carbonates du Sénonien et les carbonates du Turonien (PDAIR OER, 2008). Les nappes
profondes semblent être libres dans la partie Nord et deviennent captives tout en passant
vers le Sud.
i. Nappe de l’Eocène de Tadla : Couvre une superficie de 6400 km2. Elle circule
globalement dans une alternance des phosphates sableux et calcaire phosphatés. A
une épaisseur de 40m au Nord, augmente progressivement pour atteindre 100 m
dans le secteur Fquih-Ben-Salah, El Brouj, pour atteindre 300 m au pied de l’Atlas
(PDAIR OER, 2008).
ii. Nappe du Turonien de Tadla : C’est la nappe la plus importante dans le Tadla, s’étend
sur une superficie de 10000km2. Elle circule dans des formations calcaires et calcaires
dolomitiques. Elle est libre sous le plateau des phosphates et captive sous la Plaine
de Tadla, et un rôle important surtout pour l’alimentation (Fquih Ben Saleh,
Khouribga)
Selon l’ABHOER (Figure 10), les cartes piézométriques de la nappe phréatique du Tadla
montrent une forte alimentation de la nappe du Dir par les apports de bordure et
l’infiltration des eaux de sources. Cette alimentation par l’Atlas se poursuit dans les Beni
Moussa amont, au moins jusqu’au niveau de Tizguit et par l’oued Oum Er Rbia.
Il faut noter que La nappe phréatique du Tadla reçoit deux types de recharges, naturelle, due
aux précipitations et artificielle due à l’infiltration des eaux d’irrigation, localisée aux zones
irriguées. Ce qui augmente leurs vulnérabilités à la pollution agricole.

Figure 10: Piézométrie de la nappe phréatique dans la Plaine de Tadla mesurée en 2001 (Source, PDAIR OER,
2008)

25
La Plaine du Tadla occupe une superficie d’environ 3600 km2. Elle est subdivisée en cinq
zones selon le type et l’origine de l’irrigation (Figure 11) :

 le périmètre irrigué des Béni Moussa dans la rive gauche de l’OER ;

 le périmètre irrigué des Béni Amir dans la rive droite de l’OER ;
 la zone du Dir dans la partie Est de la Plaine ;
 les zones irriguées hors les deux périmètres et la zone Dir ;
 la zone Bour englobe le reste des surfaces de la Plaine.

Figure 11: Le périmètre irrigué (Beni Moussa et Beni Amir) et ses canaux d'irrigation, la zone d'irrigation
traditionnelle (Dir) et les zones irriguées hors périmètre et Dir (Sur la base des données de l’ORMVAT, 2008)

Le début de l’irrigation moderne dans la Plaine du Tadla remonte aux débuts des
années 1940. Cela grâce à la construction du barrage de Kasba-Tadla sur l’Oued Oum Er Rbia
qui assure l’irrigation du périmètre des Beni-Amir d’environ 28500 ha situé en rive droite de
l’OER à partir d’un canal principal bétonné de 42 km de longueur. Ce canal peut drainer plus
de 12.5 m3/s (canal de Zidania). Les volumes distribués dans les Beni Amir à partir de la prise
de Kasba Tadla sont autour d’une moyenne de 260 Mm3 en 2000 (Tableau 1). De même, la
construction du barrage de Bin-El-Ouidane sur l’Oued El Abid a assuré l’irrigation du
périmètre des Beni Moussa en rive gauche de l’OER. Aujourd’hui la surface irriguée est
d’environ 70000 ha. Cela grâce au petit barrage d’Aït Ouarda (3.5 km en aval du barrage Bin-
El-Ouidane), qui se trouve à des altitudes supérieures au périmètre des Béni Moussa et

26
distribue un volume autour d’une moyenne de 300 Mm3, en 2000 et 2001, à travers deux
canaux. Le canal D (droit) vers l’est, d’un débit nominal de 16 m3/s et le canal G (gauche)
vers l’Ouest, d’un débit nominal de 32 m3/s.

En dehors des deux périmètres du grand hydraulique et jusqu’à présent, la zone du

Dir (ou Beni Moussa Dir) utilise souvent des systèmes d’irrigation traditionnelles pour une
surface d’environ 19000 ha. Les volumes d’apport des sources utilisés pour l’irrigation de
cette zone sont à peu près de 60 Mm3 dans les années 1995 – 2000 (PDAIR OR, 2008)
(Tableau 1).
Tableau 1: Volumes des eaux de surface distribués jusqu'à 2001 (PDAIRE ORE, 2008)

Volumes distribués en Mm3

Périmètre Superficie totale irriguée (Ha)
Max Min Moyens
Beni Moussa 69 600 921 161 591
Beni Amir 28 500 330 192 253
Dir 19 080 138 42 77

Les eaux de surfaces ne sont pas assez disponibles en quantité pour répondre
complétement aux besoins de l’agriculture au niveau de la Plaine du Tadla, surtout pendant
les dernières années sèches (diminution des pluies et augmentation de la température). En
effet, un grand nombre de puits et forage creusés dans la région pour compenser ces
besoins, soit au siège du périmètre irrigué ou en dehors de celui-ci.
Les pompages du périmètre irrigué exploitent environ 290Mm3/an en 2003, vient
essentiellement de la nappe phréatique. Néanmoins, les pompages situés à l’extérieur du
périmètre irrigué et qui proviennent de la même nappe ne sont pas quantifiés. Cependant,
les nappes profondes du Tadla (Eocène et Turonien) au niveau des périmètres du Dir d’une
part et à l’aval des Béni Amir d’autre part, participent à l’irrigation par un volume moyen
d’environ 40Mm3 en 2003.
Les principales cultures de la Plaine en 2003 étaient : les céréalicultures (45550 ha), les
fourrages (21500 ha), la betterave (13300 ha), les oliviers (13500 ha), les agrumes (8100 ha)
et les maraichages à 7200 ha (Laaroussi, 2006).

VI. Population et activité socio-économique

La zone d’étude fait partie de la région de Béni Mellal-Khénifra, avec une population de
1607506 habitants au dernier recensement de 2014. Cette population se concentre
principalement dans les zones Dir (piémont) et dans la Plaine suivant les ressources en eau
et les offres d’emplois. L’organisation de la population entre la Plaine et la montagne a été
favorisée après la création du périmètre irrigué de Tadla.
Par conséquent, le secteur primaire d‘emplois est l’agriculture, l’élevage et les mines
avec 52,7% dans la région en 2004. Tandis que le secteur secondaire (industrie, BTP, eau,
électricité et énergie) représente 18,4% et le secteur tertiaire (commerces, transport,
services et administration) ne dépasse pas 28,3% des populations actives.

27
Chapitre II :

Télédétection spatiale et occupation

du sol, principe, données et
méthodologie de travail.

I. Occupation et utilisation des sols

L’utilisation et l’occupation du sol sont deux termes fréquemment confondus.
L’occupation du sol fait référence à la couverture physique de la surface terrestre, tandis que
l’utilisation du sol fait référence à l’anthropisation des surfaces terrestres et plus
précisément à la fonction socio-économique de ces surfaces (Lecerf, 2008).

L’occupation veut dire le type de la couverture physique qui occupe le sol notamment les
plantes, roches,…etc. L’occupation peut être divisée en quatre éléments principaux : le sol, la
végétation, les bâtis et l’eau. Cependant, l’utilisation du sol reste plus difficile à déterminer,
puisqu’elle dépend de l’usage socio-économique des terres. Ainsi l’utilisation du sol peut,
dans certains cas, aider à définir l’occupation qui en retour, peut présenter un facteur
explicatif des changements d’utilisation du sol (Lecerf, 2008).

En général, la cartographie de la surface terrestre en se basant sur les données de

télédétection ou/et autres, associe l’utilisation et l’occupation du sol vu qu’ils sont
fortement liées (Figure 12) :

Occupation du sol Utilisation du sol en

Physique des surfaces : Fonction socio-économique
Végétation et sol des terres

Figure 12: L'occupation et l'utilisation du sol (Lecerf, 2008)

28
 Les changements d’occupation et d’utilisation des sols qui se produisent localement dans la
Plaine du Tadla peuvent être dus à plusieurs facteurs notamment l’expansion urbaine, la
variation des systèmes de production et d’irrigation agricole, le changement de la répartition
des cultures sur le territoire agricole, le changement climatique ou le manque des ressources
en eau. Cela, sans doute, à impacts direct ou indirect tant sur l’économie que sur
l’environnement, ce qui rend l’opération du suivi de l’occupation et l’utilisation du sol dans
la Plaine du Tadla, par la télédétection, un enjeu majeur.

II. Télédétection spatiale et occupation du sol

1. Principe de la télédétection

La télédétection est la technique qui, par l'acquisition d'images, permet d'obtenir de

l'information sur la surface de la Terre sans contact direct avec celle-ci. La télédétection
englobe tout le processus qui consiste à capter et à enregistrer l'énergie d'un rayonnement
électromagnétique émis ou réfléchi par la surface de la terre (Centre canadien de télédétection
http://www.rncan.gc.ca ). En générale, le processus de la télédétection spatiale peut être
composé de sept étapes qui sont illustrées par le schéma ci‐après (Figure 13,
http://www.rncan.gc.ca.).

Figure 13: Schéma montrant les étapes du processus de la télédétection (©CCRS/ CCT)

A: Source d'énergie ou d'illumination: À l'origine de la majorité des processus de

télédétection se trouve une source d'énergie naturelle pour illuminer la cible.
B: Rayonnement et atmosphère: Durant son parcours entre la source d'énergie et la cible, le
rayonnement interagit avec l'atmosphère. Une seconde interaction se produit lors du trajet
entre la cible et le capteur.
C: Interaction avec la cible: Une fois parvenue à la cible, l'énergie interagit avec la surface de
celle‐ci. La nature de cette interaction dépend des propriétés de réflexion, d’absorption et
29
de transmission des éléments présents à la surface (particules des sols, organes de la
végétation, cristaux de neige, molécule d’eau…), ainsi que de leurs agencements (densité,
structure et géométrie).
D: Enregistrement de l'énergie par le capteur: Une fois l'énergie diffusée ou émise par la
cible, elle doit être captée à distance (par un capteur qui n'est pas en contact avec la cible)
pour être enfin enregistrée.
E: Transmission, réception et traitement: L'énergie enregistrée par le capteur est transmise,
souvent par des moyens électroniques, à une station de réception où l'information est
transformée en images (numériques ou photographiques).
F : Interprétation et analyse: Une interprétation visuelle et/ou numérique de l'image traitée
est ensuite nécessaire pour extraire l'information que l'on désire obtenir sur la cible.
G: Application: La dernière étape du processus consiste à utiliser l'information extraite de
l'image pour mieux comprendre la cible, pour nous en faire découvrir de nouveaux aspects
ou pour aider à résoudre un problème particulier.

2. Notion de réflectance et signature spectrale

Normalement, le spectre électromagnétique est constitué des ondes variables entre les
courtes longueurs d’onde (rayons gamma et rayons X) à grandes longueurs d’onde
(hyperfréquences et ondes radio). A cause de plusieurs contraintes et principalement les
propriétés de transparence de l’atmosphère, la télédétection spatiale ne fonctionne qu’avec
une partie de ce spectre électromagnétique. Notamment, le domaine solaire (λ=0.38 à 3
μm), infrarouge thermique (λ=3 à 1000 μm) et micro-onde (λ = 10-3 m à 0.3 m). Les gaz et
les particules constituant l’atmosphère n’absorbent l’énergie électromagnétique que dans
des régions spécifiques du spectre, ce qui donne ces fenêtres atmosphériques utiles pour la
télédétection (Figure 14).

Figure 14: Spectre du rayonnement et transparence de l’atmosphère (In Boudhar, 2009).

30
 La télédétection permet de mesurer le rayonnement électromagnétique qui attient la
surface terrestre et interagie avec celle-ci. Pendant son interaction avec le rayonnement
électromagnétique, la cible peut absorber, transmettre ou réfléchir l'énergie incidente. Cette
mesure dépend des conditions d’observation (géométrie d’illumination et d’observation,
composition et transparence de l’atmosphère) et des caractéristiques de la scène (la nature,
l’état, la structure géométrique et l’agencement des éléments qui la constituent).

On introduit ainsi la notion de facteur de réflectance bidirectionnelle, que l’on

nomme souvent réflectance par souci de simplification qui décrit la capacité d’une surface à
réfléchir le rayonnement (In Benhadj, 2008) En mesurant l'énergie réfléchie ou émise par la
cible pour plusieurs longueurs d'onde, nous pouvons ainsi construire la signature spectrale
pour un objet. La figure 15, illustre quatre exemples de spectres de réflectance très
contrastés. Néanmoins, il faut mentionner que les spectres de cette figure sont des cas
typiques, dont en réalité les réflectances sont très variables selon plusieurs facteurs,
notamment les propriétés des sols, d’eau et de la végétation :

Figure 15: Spectres typiques de réflectances de la neige, de l’eau, du sable et de la végétation. Les bandes
spectrales correspondent aux capteurs embarqués sur SPOT : B1=Bleu, B2=rouge, B3=Proche Infrarouge,
MIR=Moyen Infrarouge. (http://vegetation.cnes.fr ).

- La réflectance de la neige est très élevée dans le visible et le proche infrarouge (> 90 %).
Elle diminue à partir de 1μm pour atteindre des valeurs très faibles dans le moyen infrarouge
à 1.55μm;

- L’eau absorbe la majorité du rayonnement reçu quelle que soit la longueur d’onde
(réflectance < ~10 %). La réflectance diminue progressivement avec la longueur d’onde pour
atteindre des valeurs quasi-nulles dans le proche infrarouge après 0.9μm ;

31
 - La réflectance du sable, et plus généralement celle des sols nus, est faible aux courtes
longueurs d’ondes, puis augmente quasi-linéairement (valeurs inférieures à 5 % dans le bleu
et autour de 20 % dans le proche infrarouge);

- Le comportement de la végétation « verte » est typique, avec une forte absorption dans le
visible, et en particulier dans le rouge et le bleu, pour la photosynthèse, et une très forte
réflectance dans le proche infrarouge (jusqu’à 50 %).

III. Données utilisées

1. Données satellitaires
Pour faire une étude comparative de la caractérisation de l’évolution de la végétation,
l’eau et le sol dans la Plaine du Tadla, nous avons utilisés des images Landsat TM et OLI à
haute résolution spatiale (30 et 15 m respectivement) et les images MODIS à basse
résolution spatiale (250 m). Ces images qui couvrent la période entre 1984 et 2015 nous ont
permis de détecter les différentes variations d’occupation du sol dans notre zone d’étude
pendant la même période, et par la suite reconstituer, comprendre et expliquer les
phénomènes (climatiques, anthropiques, …) provoquant ces changements.

 Données Landsat TM et OLI

En 1972, Landsat de la NASA a été le premier programme civil d’observation de la

terre par satellite avec le lancement d’un Landsat muni du capteur MSS (Multi-Spectral
Sensor). Dès les années 1982 jusqu’à présent, le programme a lancé plusieurs missions :
allant du Landsat 4 embarquant le capteur TM (Thematic Mapper) jusqu’à Landsat 8 équipé
de OLI (Operational Land Imager).

Dans notre étude nous avons utilisés les produits de deux capteurs Landsat à hautes
résolutions spatiales OLI et TM.

 Le capteur Thematic Mapper (TM) :

Les Landsat 4 et 5 sont équipés de radiomètres à barrette appelés TM (Thematic

Mapper) qui permet d’observer la terre dans 7 bandes spectrales d’une résolution spatiale de
30 m (120m mètres sur la bande 6), avec une scène couvrant une zone de 185 km sur 185 km
(Tableau 2).
Ainsi les données Landsat 4 et 5 sont codées en 256 niveaux de gris (8 bits) et présentent des
caractéristiques orbitales améliorées (le tableau 3).

32
 Tableau 2: Principales caractéristiques spectrales et spatiales du capteur TM (http://landsat.gsfc.nasa.gov ).

Bande spectrale Longueur d’onde (μm) Taille du pixel (m)

1-Bleu 0.45-0.52 30
2-Vert 0.52-0.60 30
3-Rouge 0.63-0.69 30
4-Proche infrarouge 0.76-0.90 30
5-Moyen infrarouge 1.55-1.75 30
6 -Infrarouge thermique 10.40-12.50 120
7-Moyen infrarouge 2.08-2.35 30

Tableau 3: Caractéristiques orbitales du capteur Landsat4-5 TM (http://landsat.gsfc.nasa.gov/ )

Lancement 1982 et 1984

Altitude 705 km
Orbite Quasi-plaire Héliosynchrone descendante
Heure de passage à l’équateur 9:45 AM (± 15 min)
Inclination 98.2°
Répétitivité 16 jours
Period de Revolution 99 minutes; ~14.5 orbits/day

 Le capteur OLI (Operational Land Imager) :

Pour faire une étude comparative des images satellitaires multi-temporelles et pour
avoir des résultats cohérents, homogènes et logiques nous étions obligés de travailler avec
les produits du même capteur. Néanmoins, la non disponibilité des images TM juste après
l’année 2011 nous oblige à utiliser les images du capteur OLI qui possède les caractéristiques
(spectrales, spatiales, …) les plus proches que celles de TM. Cependant, la résolution
radiométrique du capteur OLI (16bits = 65536 niveaux de gris) est plus fine par rapport à
celle de TM (8bits = 256 niveaux de gris). Le satellite Landsat 8 embarquant l’instrument OLI
était lancé le 11 février 2013 possède les mêmes caractéristiques orbitales que Landsat 4-5
TM, sauf que l’heure de passage à l’équateur est : 10 AM (± 15 min).

Le tableau 4 présente les caractéristiques spectrales du capteur OLI offrant 1 bande

panchromatique à 15m de résolution spatiale et 8 bandes multi-spectrales à 30m.

33
 Tableau 4: Principales caractéristiques spectrales et spatiales du capteur OLI (http://landsat.gsfc.nasa.gov/ ).

Bande spectrale Longueur d’onde (μm) Taille du pixel (m)

1-Aérosols 0,433-0,453 30m
2-Bleu 0.450–0.515 30m
3-Vert 0.525–0.600 30m
4-Rouge 0.630–0.680 30m
5-Proche infrarouge 0.845–0.885 30m
6-Moyen infrarouge 1.560–1.660 30m
7-Moyen infrarouge 2.100–2.300 30m
8-Panchromatique 0.500–0.680 15m
9-Cirrus 1.360–1.390 30m

 Choix des images :

Le tableau 5 représente les images satellitaires (TM et OLI) et leurs métadonnées

acquises et utilisées dans ce travail. Les métadonnées sont des informations numériques
auxiliaires et très importantes pour tous les stades de l’étude, notamment le prétraitement
(corrections), traitement, interprétation et l’analyse des images satellitaires. Le choix des
dates des images dépend de certains facteurs : d’une part la disponibilité des images
gratuitement dans les bases de données des sites web de téléchargement ( http://Glovis.gov.ma
) cette disponibilité est fonction de l’état du capteur et de la plate-forme (états technique et
mécanique). D’autre part les conditions atmosphériques d’acquisition de l’image (luminance
solaire, couverture nuageuse, poussières, …etc.) qui dégradent la qualité de l’image. Pour
dépasser cette problématique nous avons décidé d’utiliser les images prises pendant la
période sèche (l’été) ou les conditions atmosphériques sont les plus favorables. Le suivi des
changements interannuels de la végétation nécessite la distinction entre l’hivernale, qui
pousse par tout et qui ne donne aucune information sur l’évolution de l’occupation du sol, et
la végétation occupant le sol durant toute l’année (plantes irriguées) qui nous permettrai de
suivre l’évolution de son occupation du sol au cours de la période 1985-2015. De même
pendant la saison hivernale l’eau occupe une superficie assez importante, par contre
pendant la période sèche on ne détecte que les surfaces d’eau permanentes. Pour toutes ces
raisons, la période choisi est le mois de juillet et aout.

34
 Tableau 5: Principales métadonnées des images Landsat TM et OLI utilisées dans cette étude (http://Glovis.usgs.gov )

Métadonnées Date 1 Date 2 Date 3 Date 4 Date 5 Date 6

LC82010382013230LG LC82010382015236LG
Landsat Scène Identifier LT52010381984231XXX06 LT52010381995197MPS00 LT52010382003187MTI01 LT52010382011209MPS00
N00 N00

Capteur Landsat_5 TM Landsat_5 TM Landsat_5 TM Landsat_5 TM Landsat_8 OLI Landsat_8 OLI

Date_acquired 1984-08-18 1995-07-16 2003-07-06 2011-07-28 2013-08-18 2015-08-24

Output_format GEOTIFF GEOTIFF GEOTIFF GEOTIFF GEOTIFF GEOTIFF

Scene-center-time 10:27:49.9570940 10:02:44.6610190 10:34:13.6830000 10:46:58.7200690 10:59:59.2498963 10:57:44.7748708

Day/Night Day Day Day Day Day Day

Image_quality 9 9 9 9 9 9

Cloud-cover 0% 0% 0% 0% 0.09% 0%

55.36131844
Sun Elevation 56.32749599 62.82372126 63.21225353 62.34986592 60.76470984

Sun-Azimuth 116.97756693 98.09994297 102.20438357 112.07295519 127.27036046 129.85043394

Projection des Cartes UTM UTM UTM UTM UTM UTM

Datum WGS84 WGS84 WGS84 WGS84 WGS84 WGS84

Ellipsoïde WGS84 WGS84 WGS84 WGS84 WGS84 WGS84

UTM zone 29 29 29 29 29 29

Orientation NORTH_UP NORTH_UP NORTH_UP NORTH_UP NORTH_UP NORTH_UP

  Les produit MODIS

MODIS (MODerate resolution Imaging Spectroradiometer) est un capteur à basse

résolution spatiale (250 m pour les bandes rouge et infrarouge de 0,6 à 0,9 μm).embarqué
sur le satellite TERRA depuis 1999. Avec une orbite quasi‐polaires héliosynchrones, ce
capteur observe la totalité de la surface terrestre tous les un à deux jours et à 10h30 comme
heure de passage à l’équateur. MODIS a une fauchée de plus de 2200 km et un champ de
vue de l’ordre de 110° (angle zénithal de visée compris entre ‐55° et +55°). Un pixel d’une
scène est ainsi observé selon plusieurs configurations géométriques, ces configurations
étant rythmées par le cycle orbital du satellite (16 jours) et le cycle annuel associé à
l’évolution de la position du soleil (In Boudhar 2009 ; In Benhadj 2008). (Tableau 6).

Tableau 6: Caractéristiques du capteur MODIS TERRA (http://modis.gsfc.nasa.gov/ ).

Lancement 1999
Altitude 705 km
Orbite Héliosynchrone descendante
Heure de passage à l’équateur 10:30 a.m.
Champ de vue 2330 km
-250 m (bande #1-2)
Résolution spatiale au nadir · - 500 m (bande #3-7)
-1 km (bande #8-36)
Période de revisite (+/-2jours)

Le capteur MODIS utilise un miroir à balayage double‐face qui tourne de façon

continue (Xiong et al. 2005). Le capteur MODIS observe la terre dans 36 bandes spectrales
de 0.4 à 14.4 μm. (Tableau 7).

Tableau 7: Les 7 premières bandes spectrales de MODIS/TERRA (http://modis.gsfc.nasa.gov/ ).

Bande Bandes spectrales Longueur Résolution spatiale(m)

d’onde
1 Rouge 0.62‐0.67 μm 250
2 Infrarouge 0.84‐0.87 μm 250
3 Bleu 0.45‐0.47 μm 500
4 Vert/Jaune 0.54‐0.56 μm 500
5 Infrarouge 1.23‐1.25 μm 500
6 Infrarouge 1.62‐1.65 μm 500
7 Infrarouge 2.10‐2.15 μm 500

Les produits MODIS sont organisés sous forme de tuiles de taille 1200 km par 1200
km projetées dans la projection sinusoïdale (Integerized Sinusoidal (ISIN) grid projection).
Collées ensemble, ces tuiles offrent une couverture globale de la terre. Ils sont gratuitement
téléchargeables sur le site du portail EOS (Earth Observing System Data Gateway) de la
NASA10 http://modis.gsfc.nasa.gov
Dans ce travail nous avons utilisé le produit images NDVI de MODIS à bord du
satellite TERRA de la NASA de type MOD44 16-Day (Tableau 8).
 Tableau 8: date et coordonnées spatiale des images NDVI de MODIS (Terra) (MOD44 16-Day) utilisés dans ce
travail.

N° d’image Date Détails

UL: 37.61521° -12.81225°
1 2003-Jul-28 to Aug-12
LR: 29.52132° 12.86758°
UL: 37.61521° -12.81225°
2 2011-Jul-28 to Aug-12
LR: 29.52132° 12.86758°
UL: 37.61521° -12.81225°
3 2013-Jul-28 to Aug-12
LR: 29.52132° 12.86758°
UL: 37.61521° -12.81225°
4 2015-Jul-28 to Aug-12
LR: 29.52132° 12.86758°

Les images MODIS brutes recueillies du site de la NASA, sont des images en niveaux
de gris issues de l’équation suivante (http://www.un-spider.org ):

NDVI_byte = (NDVI_raw * 200,0) + 50,0

NDVI_Byte : Valeurs radiométrique de l’INDVI

NDVI_Raw : Valeurs réelles de l’INDVI
200 & 50 : Constantes

Donc on peut faire une simple transformation des valeurs radiométriques (Bits) en valeur
réelles de NDVI qui sont comprises normalement en -1 et 1 on utilise l’équation suivante :

NDVI_raw = (NDVI_byte – 50) / 200

2. Données climatiques de la Plaines de Tadla

Naturellement les conditions climatiques et météorologiques ne sont plus stables dans
le temps, de ce fait la variation de l’occupation du sol (notamment le couvert végétal) est
fortement liée à ces conditions. Les données climatiques utilisées dans ce travail ont été
collectées des stations météorologiques et hydrologiques de BENI MELLAL, OULED SIDI
DRISS, TAGHZIRT et MECHRA EDDAHK qui font partie du réseau de l’ABHOER, ces données
ont été enregistrées sur la période 1984-2015 (Tableau 9 et figure 16).

Tableau 9: Coordonnées des stations météorologiques utilisées dans cette étude

Station N° X (Lambert en m) Y (Lambert en m) Z (m)

OULED SIDI DRISS 6104 338950 192600 320
MECHRA EDDAHK 6472 394980 204800 406
BENI MELLAL 1776 409165 193045 537
TAGHZIRT 7488 423900 205600 565

37
 Figure 16: Réseau des stations pluviométriques et météorologiques dans la zone d’étude sur une image Landsat
TM.

Les variations de l’occupation du sol (végétation et l’eau) dans la Plaine du Tadla doivent
être comparées aux hauteurs des pluies dans la région ; il faut ainsi réaliser des cartes de
distribution dans l’espace. Pour cela nous avons testé deux méthodes d’interpolation
géostatistiques: le krigeage (Krige 1951) et la méthode (IDW: Inverse Distance Weighted, Shepard ;
1968). Les deux méthodes donnent des estimations de cumuls annuels des précipitations
comparables. On a choisi la méthode IDW vu qu’elle est facile à mettre en œuvre et donne les
meilleures estimations.

L’interpolation par la méthode IDW détermine les valeurs en chaque nœud de la grille par
une combinaison linéaire des valeurs des points d’observations, sous l’hypothèse que l’influence
d’un point d’observation diminue linéairement avec la distance qui le sépare du nœud considéré
(Figure 17). Les facteurs de pondération (wi) sont compris entre 0 et 1 et leur somme est égale à 1.
Quand l’observation coïncide avec le nœud, le facteur de pondération est 1, et le poids des autres
est nul. Une conséquence est la génération de bulle (en anglais bull’s eye) autour de la position
observée si l’observation diffère fortement des observations situées à proximité.

38
Avec :
Pi : valeur des précipitations de la station i.
Wi : facteur de pondération pour la station i.
n: nombre de stations de pluviométrie les plus proches du point à interpoler.
(x, y) : coordonnées du noeud (point de grille) considéré.

Figure 17: Principe de pondération dans la méthode IDW (Inverse Distance Weighted) (In Benhadj, 2008)

3. Données du terrain

En se basant sur les images satellitaires on peut cartographier les variations de

l’occupation du sol de la Plaine de Tadla entre 1984 et 2015. Cependant, la validation des
données expérimentales sur le terrain permettent de vérifier les résultats. D’autre part à
l’aide de ces données on peut comprendre et expliquer les variations de l’occupation et
l’utilisation des sols dans notre zone d’étude pendant la même période

4. Données auxiliaires
Depuis le début des années 1940 les pratiques agricoles n’ont plus cessées de se
développer avec l’aménagement des deux périmètres irrigués de Béni Amir et des Béni
Moussa, suivant l’augmentation des besoins de la population en produits agronomiques. Par
la suite l’occupation et l’utilisation des sols varient en fonction de celles-ci. A travers les
données historiques des différents aménagements dans la Plaine du Tadla, on peut
comprendre, vérifier et argumenter les résultats de la cartographie de l’occupation et
l’utilisation des sols qui se basent sur les données issues de la télédétection entre les années
1984 et 2015. De même les données concernant l’expansion urbaine sont aussi importantes
pour mieux comprendre les changements d’états de de l’occupation du sol en relation avec
les habitats tout au long des 30 dernières années. Cela consiste à la comparaison des
données auxiliaires (cartes d’occupation du sol existantes, plans d’aménagement,…etc.) avec
nos résultats de la télédétection.

39
 D’après Laaroussi (2006), Les sols prédominants dans la Plaine du Tadla sont de nature
favorable à la mise en valeur sous irrigation en raison de leur profondeur et de leur texture
équilibrée. Donc toutes modifications des caractéristiques pédologiques (lessivage,
extraction, changement de texture …etc.) peuvent influencer cet équilibre et bien-sûr
affecter l’occupation et l’utilisation du sol principalement la végétation (extension, type et
densité). La carte pédologique de la Plaine du Tadla est une donnée de base en plus l’indice
de sol NDSI, qui sera réalisé à partir des images satellites, pour le suivi de la variation du sol
dans notre zone d’étude pendant la période 1984-2015.

IV. Traitement des images satellitaires

La télédétection s’applique dans plusieurs domaines, dans le présent travail on va se
limiter aux applications en relation avec notre thématique. Dans un premier temps on
présentera un aperçu sur les s méthodes de cartographie de l’occupation du sol, qui est un
préalable aux études permettant de comprendre les interactions homme-environnement et
la gestion des ressources naturelles (Aspinall and Justice 2003; Lepers et al. 2005 In Benhadj,
2008). Ensuite on passe aux principales approches permettant de caractériser les surfaces
continentales en variables biophysiques relatives au fonctionnement du système sol-eau-
plante.

1. Prétraitement
L’image satellitaire brute est liée aux erreurs dues à la sensibilité des capteurs, la
géométrie d’observation et la constitution de l’atmosphère. En effet, il est nécessaire de
prétraiter ces images tout en appliquant des corrections géométriques, radiométriques et
atmosphériques.

1.1. Correction géométrique

Dans le but d’avoir une représentation plus fidèle de l’image que possible à la réalité et
que les images soient présentées dans une série superposable en donnant à chaque pixel sa
véritable position en coordonnées au sol, des corrections géométrique sont indispensables.
C’est la correction des distorsions géométriques de l’image dues aux plusieurs facteurs,
notamment l'effet de perspective de l'optique du capteur, le mouvement du système de
balayage, le mouvement et la stabilité de la plate-forme, l'altitude, la vitesse et le
comportement de la plate-forme, le relief à la surface ainsi que la courbure de la Terre et sa
rotation.
Certaines parmi ces variations sont systématiques ou prévisibles, et on peut en tenir
compte par une modélisation précise du mouvement de la plateforme et de la configuration
géométrique cible-capteur. Mais d'autres erreurs ne sont pas systématiques, ne peuvent pas
être modélisées de cette manière. Par conséquent, on doit assurer la correspondance
géométrique de l’image à un système connu de référence spatiale. Cela peut se faire soit par
l’opération qui consiste à attribuer des coordonnées cartographiques aux pixels de l’image

40
(géo-référencement). Ou par l’opération qui consiste à exprimer les coordonnées d’une
image dans le même système de coordonnées d’une autre image (registration).
Les images satellitaires utilisées dans cette étude sont géométriquement corrigées par les
stations de contrôle de chaque satellite.

1.2. Correction radiométriques

Ce type de correction reste important à cause des variations dans la géométrie de vision
de la scène, l’illumination de la cible, les bruits, la réponse du capteur et les conditions
atmosphériques. Selon le type du capteur, la plate‐forme utilisé et les conditions
d'acquisition des données, ces facteurs sont variables. Trois étapes sont nécessaires pour
pouvoir disposer de données de réflectance au sol:

a. l’étalonnage :
L’étalonnage permet de convertir les valeurs numériques (DN) pour la bande (b) enregistrées
par le capteur en valeurs physiques de la luminance (Lb) avec l’équation:

Les coefficients d’étalonnage gain et offset sont déterminés avant le lancement du

satellite. Ils sont mis à jour régulièrement en comparant les observations sur des surfaces
dont les propriétés spectrales sont invariantes au cours du temps (désert) pour compenser la
perte de sensibilité des capteurs (Benhadj, 2008).

b. Calcul de la réflectance au-dessus de l’atmosphère (TOA: Top of Atmosphere) :

Afin d’avoir une réflectance de surface au niveau TOA (bTOA), la luminance Lb de chaque
pixel dans chaque bande (b) doit être normalisée par le flux solaire incident au TOA ; car
cette luminance dépend des conditions d’éclairement. La réflectance au TOA est calculée par
l’équation suivante (figure 18) :

(E bTOA): l’éclairement solaire moyen exo-atmosphérique arrivant verticalement sur 1

m² de surface au sommet de l’atmosphère dans la bande (b) au TOA. Il peut
etre récupérer à partir des métadonnées de l’image ou à partir du code de
transfert radiatif (Vermote et al, 1997 In Elhajj, 2008).
(qs) : l’angle solaire zénithal provenant des données auxiliaires.
u(t) : un facteur correctif de la variation de la distance entre la terre et le soleil et
calculé par le rapport entre la distance Terre-Soleil à la date d’acquisition et la
distance moyenne Terre-Soleil (par an) (Vermote et al, 1997 In Elhajj, 2008).

41
 c. Correction atmosphériques :

Nos images provenant des calibrations radiométriques ne reflètent que des valeurs
de réflectance apparente, toujours affectées par les erreurs liées aux effets
atmosphériques notamment la diffusion. Cette étape de correction atmosphérique va
donc nous permettre d’éliminer ces erreurs pour enfin obtenir des valeurs significatives
de réflectance autrement dit des valeurs de réflectance au sol.

Il existe plusieurs outils pour effectuer cette étape de corrections atmosphériques

notamment FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes) qui
est la technique convenant aux images hyperspectrales. Dans notre cas, l’outil qui
semble le plus adapté est Dark Subtraction. C’est une méthode simple, rapide et souvent
précise.

L’outil Dark Subtraction élimine les effets de la diffusion atmosphérique en

soustrayant de chaque bande de l’image, la valeur du pixel le plus sombre. Cette valeur
peut différer selon les 3 méthodes proposées par l’outil (figure 19) :

-band minimum subtraction cette méthode prend automatiquement la valeur minimale

de chaque bande spectrale pour la soustraction ;

-region of Interest subtraction, cette méthode utilise la valeur moyenne basée sur une
région d’intérêt de chaque bande spectrale ;

-User Value subtraction, cette méthode utilise une valeur arbitraire à spécifier de la part
de l’utilisateur.

L’absorption et la diffusion de l’atmosphère influencent le rayonnement

électromagnétique reçu par un capteur. Ces deux facteurs sont à la base de l’équation du
transfert radiatif qui permet de calculer la réflectance de surface bTOC (TOC : Top Of
Canopy).

Avec :
 b TOA : réflectance au sommet de l’atmosphère;
 atm : réflectance atmosphérique (Molécules + aérosol) ;
- Tg : transmission gazeuse ;
- T↑ : transmission montante (Molécules + aérosol) ;
- T↓ : transmission descendante (Molécules + aérosol) ;
- S: albédo (Molécules + aérosol).

42
 Image (A)

Image (B)

Figure 18: Transformation des images brutes en réflectance spectrale à l'ouverture du capteur oli ; image (A)
avant et (B) après transformation.

43
Figure 19: Comparaisons des signatures spectrales avant (av) et après (apr) la correction des thèmes : eau; sol
et vege (Végétation).

 Re-échantillonnage et Rehaussement spatial « Pan sharpening »

Le «Pan Sharpening» est un processus qui consiste à fusionner une image

panchromatique à haute résolution spatiale (15m) avec les bandes d’une image
multispectrale à faible résolution spatiale (30m) afin de créer une image multispectrale à
haute résolution spatiale de 15m et qui préserve l’information spectrale. Grace à cette
technique, on obtient une nouvelle image multispectrale avec la résolution spatiale de
l’image panchromatique.

44
 Plusieurs algorithmes et méthodes ont été développés pour cette technique de fusion
d’images à savoir :
- La composante principale : c’est la méthode la plus courante, elle devise la cellule
mère (pixel) ayant la résolution 30 m en quatre sous cellule ayant tous 15m de
résolution sans aucune atteinte aux valeurs numériques du pixel, c’est-à-dire sans
modifier les caractéristiques spectrales du pixel.
- La méthode multiplicative : cette technique permet d’aboutir à une résolution de
15m avec un rehaussement des valeurs de pixel les plus grandes (proche à 255), ceci
peut mettre en évidence des objets ayant une réflectance très importante comme le
sol nu et l’urbanisme en facilitant ainsi l’examen des cartes pour vérifier la
propagation de certaines facteurs anthropiques au dépend des espaces verts et des
surfaces d’eau dans la Plaine du Tadla.
- Brovey transformation : a le même principe que la méthode précédente, mais celle-
ci étale les valeurs de pixels pour faire augmenter le contraste entre les valeurs de
réflectance les plus petites et les plus grandes.

En général, les algorithmes de « Pan Sharpening » font intervenir des étapes de :

- prétraitement: pour s’assurer des corrections géométriques et projeter les images
panchromatique et multispectrales dans le même système s’ils proviennent de capteurs
différents, avant leur fusion ;
- le ré-échantillonnage: les pixels de l’image multispectrale sont re-échantillonnés pour avoir
la même résolution que ceux de l’image panchromatique. Cette étape peut se faire par trois
procédés différents :
 le plus proche voisin (nearest neighbour) : c’est une technique de ré-
échantillonnage qui consiste à assigner à chaque nouveau pixel dans l’image
de sortie, la valeur du pixel le plus près dans l’image d’entrée.
 Interpolation bilinéaire (bilinear interpolation) : cette technique de ré-
échantillonnage calcule la valeur de chaque nouveau pixel en se basant sur la
moyenne pondérée des valeurs des 4 pixels les plus proches
(horizontalement comme verticalement) l’entourant dans l’image d’origine.
 Convolution cubique (cubic convolution) : La valeur de chaque nouveau pixel
est une moyenne pondérée des valeurs des 16 pixels les plus proches
l’entourant dans l’image d’origine (figure 20).

Figure 20: Schéma illustrant le Ré échantillonnage par la méthode de convolution cubique.

45
Dans ce travail nous avons adopté la méthode de La convolution cubique pour le ré-
échantillonnage utilisée dans l’amélioration de la résolution spatiale pour la technique de
« Pan Sharpening » (figure 21).

(a) (b) (c)

Figure 21: Extrait d’image montrant le résultat du Pan Sharpening : (a) Extrait de l’image multi spectrale de
départ à 30m de résolution. (b) Extrait de l’image panchromatique correspondante à résolution spatiale de
15m. (c) Extrait de la Nouvelle image multi spectrale à résolution spatiale de 15m.

 La transformation de Tasseled Cap: La transformation Tasseled Cap (Kauth-

Thomas) est conçue pour analyser et apparier les modifications liées au
développement urbain et à la végétation détectée par différents capteurs
satellitaires. On parle de transformation Tasseled Cap pour faire référence à la forme
que prend la répartition graphique des données (figure 22).
Voici quelques-uns des avantages de la transformation Tasseled Cap :
 Elle fournit une méthode analytique de détection et de comparaison des
modifications associées à la végétation, au sol et autres fonctions résultantes
d'une intervention humaine, sur des périodes courtes comme longues.
 Elle fournit une méthode analytique de comparaison directe des fonctions
d'occupation du sol, via l'imagerie satellite fournie par différents capteurs
(Landsat, IKONOS et QuickBird, entre autres).
 Elle réduit la quantité de données fournie par plusieurs canaux
multispectraux et ce, à trois composantes principales : brillance, couverture
végétale et humidité (ou tout ce qui apparaît en jaune dans le cas de Landsat
MSS).
 Elle réduit les influences atmosphériques et les éléments de bruit dans les
images, ce qui permet une analyse plus précise. (http://desktop.arcgis.com).

Figure 22: Application de la transformation Tasseled Cap. (a) : Image TM en Composé Coloré et (b) :Image TM
après transformation « Tasseled Cap »

46
  Découpage de la zone d’étude et présentation des images satellitaires

La première étape du prétraitement de nos images satellitaires est la délimitations de la

zone correspondante à la Plaine du Tadla.

L’affichage d’une image numérique à l’écran peut se faire par une seule bande au niveau de
gris, ou par l’association de 3 bandes c’est ce qu’on appelle un composé coloré. Affichés ci-
dessous quelques combinaisons de bandes communes dans les comparaisons RVB pour
Landsat4-5 TM et Landsat8 OLI (figure 23).

Figure 23: Découpe des limites irrégulières de la Plaine du haut dans un Composé coloré d’image Landsat OLI.
En Haut: Couleur naturelle (TM : 4, 3, 2 ; En bas : fausse couleur (TM : 6, 5, 4).

47
 2. Classification
La classification consiste à faire une catégorisation des éléments d’une image, multi-
spectrale et/ou multi-temporelle, à travers la correspondance entre les valeurs
radiométriques des pixels de cette image et un ensemble de classes thématiques qui
peuvent être connues ou non. La classification vise à attribuer aux pixels des étiquettes dont
l’origine est thématique (Ducrot, 2005 ; In A. Masse, 2013). Généralement, les résultats de la
classification sont des cartes d’occupation du sol (Prenzel 2004; Rogan and Chen 2004; Lu
and Weng 2007) qui sont à la base de nombreuses applications socio-économiques et
environnementales (Aspinall and Justice 2003; Lepers et al. 2005 ; In I.Benhadj, 2008). Grâce
à cette technique on va produire des cartes d’occupation du sol de la Plaine du Tadla en se
basant sur des données de terrains (sites d’entrainement) et des données bibliographiques.

Figure 24: principe de la classification (CCRS/CCT)

Les méthodes de classification sont séparées en deux grandes catégories :

 La classification non supervisée

Elle consiste à former les classes spectrales en se base sur l'information numérique et
les statistiques. Ces classes sont ensuite associées, par un analyste, à des classes
d'information réelle sur le terrain. Habituellement, l'utilisateur spécifie le nombre de classes.
L'intervention de l’opérateur humaine n'est donc pas totalement exempte de la classification
non supervisée. Cependant, cette méthode ne commence pas avec un ensemble
prédéterminé de classes (Centre canadien de télédétection). Ces méthodes de classification
sont utilisées lorsqu’on n’a pas des données sur la zone d’étude.

 La classification supervisée ou guidée

Pour les méthodes supervisées, on doit choisir des échantillons assez homogènes de
l’image et qui sont représentatifs de différents types de surfaces ou de classes (site
d’apprentissage/d’entrainement). Ces derniers sont en général sélectionnés à partir
d’observations faites sur le terrain en choisissant des parcelles représentatives des différents
éléments à classer. Ensuite, l’ordinateur à travers des algorithmes détermine la signature
numérique de chacune des classes d’entrainement et reconnaitra les classes spectrales qui
les représentent. Par conséquent, pour procéder à une classification supervisée on doit
passer par les étapes suivantes :

48
 - Détermination des sites d’apprentissage (ROI = Region Of Interet) :

A différents types d’éléments d’occupation du sol bien distingués dont on connait très
bien leurs compositions, tout en se basant sur les cartes ou des données bibliographiques
existantes : cartes géologiques, images Google earth, ….) et aussi par nos connaissances du
terrain de la Plaine du Tadla (figure 25).

(a) (b)

(c)

Figure 25: Exemple des zones d’entrainements choisis sur l’image TM (c ) en se basant sur l’image Google Earth
(a) et la carte d’occupation du sol dnas la littérature (b).

- Choix de la méthode de classification :

Dans ce travail, la méthode de classification choisie est celle des Séparateurs à Vaste
Marge ou Machines à Vecteur de Support (SVM). C’est une technique mathématique
destinée à résoudre des problèmes de classification. SVM est une technique statistique non
paramétrique supervisée (Vapnik, 1998). Cette méthode de classification consiste à
rechercher une surface de décisions ou hyperplan afin de séparer deux classes. La surface de
décisions sera déterminée par un sous ensemble des échantillons d’apprentissage afin de
maximiser la discrimination des deux classes. Les éléments de ce sous ensemble sont
appelés vecteurs de support (figure 26).

49
 Figure 26: Illustration de la notion de vecteurs de support ou « support vectors » (In Masse, 2013)

Cette approche est intéressante puisqu’elle suppose que l’optimisation de la

performance de la classification est maximisée. Le noyau (ou système d’équations de
l’hyperplan) peut prendre plusieurs formes et nous citerons les plus utilisées : noyau
gaussien, noyau linéaire et noyau polynomial. Lorsque les deux classes ne sont pas
linéairement séparables, la méthode consiste à projeter les données dans des dimensions
supérieures dans lesquelles les classes seront linéairement séparables.

- Evaluation de la classification
La validation des résultats de la classification est une étape importante du processus car
elle permet de s’assurer de la performance, de la précision et de la signification des résultats
obtenus.
Evaluation quantitative : La matrice de confusion et l’indice de séparation sont des outils
permettant de mesurer la concordance entre un ensemble d’éléments observés et un
ensemble d’éléments de référence. Dans notre cas les éléments observés correspondent aux
pixels issus de la classification et les éléments de référence à nos échantillons de vérification.
Une méthode pour examiner la classification réside dans le calcul du coefficient Kappa, qui
exprime la réduction proportionnelle de l'erreur obtenue par une classification, comparée à
l'erreur obtenue par une classification complètement au hasard. Un Kappa proche à 1
signifie qu’environ 100% des bonnes classifications ne sont pas dues en Hasard.

K: Le coefficient Kappa
R: Le nombre de ligne de la matrice de confusion
Xii : le nombre d’observation dans la ligne i et les colonnes i
Xi+ et X+i : les marginaux de la ligne i et la colonne i
N: le nombre total des observations

50
Evaluation qualitative : cette évaluation se base sur la validation des résultats sur le terrain, en
confrontant les cartes de classification élaborées à base de la télédétection avec la réalité du
terrain.

3. Les Indices spectraux

Les images satellitaires multi-spectrales sont constituées d’une combinaison des

bandes spectrales des capteurs Landsat (TM et OLI dans notre cas). Chaque bande indique
une information selon le type du rayonnement électromagnétique et l’interaction de la cible
avec celui-ci. Généralement, chaque cible se caractérise par des réflectances assez forte
dans certaines bandes que d’autres. Notamment, la végétation a une forte réflectance dans
le proche infrarouge, ainsi que l’eau reste plus réfléchissante dans le visible. En effet, en
combinant ces bandes spectrales on peut élaborer des indices spectraux qui nous donne des
informations plus exactes sur la végétation le sol et l’eau.

3 .1. Indice de Végétation par Différence Normalisée (NDVI)

Les indices de végétation sont des combinaisons arithmétiques des réflectances dans
le visible (généralement le rouge) et le proche infrarouge. Ils sont relativement corrélées à
la croissance des plantes, la couverture végétale et la quantité de biomasse verte (Rondeaux
et al, 1996 ; In Lecerf, 2008). Dans le présent travail on utilisera l’indice le plus puissant,
plus rentable et le plus fréquemment utilisé c’est le NDVI (Rouse et al, 1973), il a été élaboré
par Tucker (1979) en utilisant les bandes rouge et proche infrarouge, et donné par l’équation
dans la figure 27:

Figure 27: Calcul du NDVI par la signature spectrale de la végétation, RED : réflectance dans la bande Rouge et
NIR : réflectance dans la bande du Proche Infrarouge (in Jarlan et al. 2015).

Le NDVI reste sensible à la vigueur et à la quantité du couvert végétal. Cependant, sa

normalisation par la somme des deux bandes permet de réduire les effets d'éclairement.
Théoriquement les valeurs de cet indice sont comprises entre -1 et +1, les valeurs négatives
correspondant aux éléments différents du couvert végétal (la neige, l'eau, les nuages, …etc.)

51
pour lesquelles la réflectance dans le rouge est supérieure à celle du proche infrarouge. Du
fait que les réflectances dans le rouge et le proche infrarouge sont presque égales le NDVI
présente des valeurs proches de 0 pour les sols nus. Néanmoins, sur les couverts végétaux
naturels les valeurs de NDVI sont positives, généralement comprises entre 0.1 et 0.9 (In
Jarlon et al, 2015).

Une forte valeur de NDVI indique que la végétation est en bon santé, cela veut dire qu’il
absorbe la grande partie du rouge et réfléchie beaucoup plus le proche infrarouge et vice-
versa (Figure 28).

Figure 28: Variation de NDVI selon l'état de santé de la plante, (a) : plante saine,
(b): plante stressée (Visibleearth.nasa.gov).

3.2. Indice de l’eau NDWI : Normailsed Difference Water Index

Différents auteurs ont proposé et testé des indices combinant le moyen infrarouge
(MIR entre 1500 et 1750 nm) avec d’autres bandes, et en particulier le proche infrarouge
(PIR). En 1996, Gao a testé la différence normalisé de l’eau (NDWI), qui a montré que le
NDWI est linéairement corrélé au contenu en eau, et par la suite sera utiliser pour la
détection de l’eau contenue dans la végétation. Cet indice permet de vérifier l’efficacité des
systèmes d’irrigations puisque les plantes bien irriguées ayant une teneur en eau forte vont
refléter une valeur de NDWI proche de 1 et inversement. Le NDWI est calculé par l’équation
suivante:

(PIR − MIR)
NDWI =
(PIR + MIR)

52
 Figure 29: Exemple d’une carte d’indice de l’eau NDWI en utilisant le moyen infrarouge (l’eau des plantes en
bleu sur la carte)

Mc Feeters (1996) a développé un NDWI mais différent de celui de Gao (1996), car il permet
l’identification des surfaces aquatiques, en se basant sur la différence du canal vert (V) avec
le canal proche infrarouge (PIR) et donner par l’équation suivante (Gond et al, 2002) :

(V − PIR)
NDWI =
(V + PIR)

Figure 30: Exemple d’une carte d’indice de l’eau NDWI en utilisant la bande du vert (en bleu surface d’eau)

53
 Pour extraire l’information sur la présence d’eau dans la Plaine du Tadla, on va
calculer le NDWI de Gao, qui augmente avec le contenu en eau des feuilles ou lorsqu’on
passe du sol sec vers l’eau libre. De même, le NDWI prend des valeurs négatives lorsque la
réflectance dans le MIR est supérieur à celle du PIR (sol nu et sec). Pour renforcer la
perception de l’eau libre dans notre zone d’étude on procède à la différence NDWI-NDVI
noté DVW (Gond, 2003). Ainsi que le calcul de NDWI de McFeeters va nous permettre de faire
une comparaison et avoir une meilleure détection de l’eau libre de la Plaine du Tadla.

3.3. Indice de Sol par Différence Normalisée (NDSI)

Pour détecter la variation de la surface couverte par le sol entre les années 1984 et
2015 dans la Plaine du Tadla on procède au calcul de l’indice du sol (NDSI). Ce denier utilise
les bandes spectrales dans l’infrarouge (PIR) et dans le moyen infrarouge (MIR). Comme les
autres indices, ces valeurs positives (couleur claires) représentent les sols, tandis que les
valeurs négatives (couleurs sombres) indiquent l’absence du sol. Il est utile pour la
cartographie des entités pédologiques, plus certains éléments de constructions
environnantes. Le NDSI se calcule par l’équation suivante :

(MIR − PIR)
NDSI =
(MIR + PIR)

D’après Takeuchi et Yasuka (2004), les valeurs de l’indice de sol NDSI calculées pour
onze éléments de la surface terrestre restent plus élevées pour les composantes qui
appartient à la famille du sol nu (notamment : Béton, Sable, Limon, Argile, Argile sèche et
Asphalte), avec des limites entre -0,11 et 0,11. Cela veut dire qu’à l’aide de cet indice on
peut détecter tous les sols de la Plaine du Tadla (Tableau 10).

Tableau 10: Valeurs exemples des indices -utilisés dans ce travail- appliqués sur onze types d'éléments de la
surface (Taheuchi et Yasuka, 2004)

54
 4. Détection des changements (Change detection)

« Change detection » est une technique qui peut être définit comme le processus
d’identification des changements de l’état d’un objet ou d’un phénomène en se basant sur
son observation multi-dates (Singh, 1989 In Fengmei, 2012). Dans le contexte de
l’occupation et l’utilisation du sol et à l‘aide des systèmes d’information géographique (SIG),
cette technique est appliquée principalement pour l’élaboration et l’actualisation des cartes
d’occupation et d’utilisation des sols. En effet, « change detection » est utile pour la
compréhension et le suivi des changements du couvert végétal, la surface de l’eau et
l’urbanisation dans une zone donnée, à travers la comparaison des images satellitaires multi-
temporelles. Dans ce cas la variable d'intérêt est généralement la signature spectrale
d'objets inclus dans cette même zone. Ensuite, une variation significative dans la signature
spectrale signifie un changement dans la couverture terrestre. Cependant, pour obtenir de
bons résultats des conditions en relation avec les données spatiales, temporelles, spectrales
et radiométriques doivent être vérifiées (In Fengmei, 2012) et qui sont:

 Les capteurs doivent avoir les mêmes caractéristiques d’imagerie et de préférence

d’utiliser le même capteur ;
 Les images doivent être de la même période de l'année ou de la saison ;
 La normalisation radiométrique afin d'éliminer les effets de l'atmosphère.

La technique de la détection des changements peut se faire avec plusieurs méthodes

(changement de trajectoire; l'image de différenciation, l'image de rationnement, indice de
végétation différentiateur et analyse en composantes principales). Pour détecter les
changements d’occupation des sols dans la Plaine du Tadla on procède à la méthode « Indice
de végétation différentiateur » qui est une technique couramment utilisée pour localiser
rapidement les modifications dans une zone en soustrayant des valeurs de pixels dans une
bande spectrale spécifique de deux ou plusieurs images de la même zone acquise à des
dates différentes (In Fengmei, 2012). L’application de cette technique est simple et direct, de
plus l’interprétation des résultats est facile dont le principe est expliqué dans la Figure 31.

Figure 31: Illustration de l’opération de soustraction algébrique de deux images satellitaires multidates avec
des exemples de valeurs de pixels (In Elhalim, 2015)

55
Sur les images résultantes on distingue généralement trois classes :
- Les pixels ayant une valeur supérieure à 0 reflètent les zones qui ont connues un
enrichissement de la végétation.
- Les pixels dont la valeur de pixel égale à 0 sont les zones qui n’ont connues aucun
changement.
- Les pixels avec une valeur négative (inférieur à 0) correspondent aux endroits où le
couvert végétal a régressé.

56
 V. Méthodologie du travail Quoi ?

Cartographie des
changements d’occupation du sol
Où et Quand ?

La Plaine du Tadla entre

1984 et 2015

Quelles données ?

Images satellitaires Données expérimentales

(Landsat TM, OLI, MODIS) (climat, pédologie, donnée In
situ)
Comment ?

Prétraitement (choix des dates des Préparation (tri, transformation

images, correction géométrique, des cordonnées, …etc.)
radiométrique, découpage de la zone
d’étude….etc.)

Traitements

NDVI, NDWI, NDSI NDVI de la technique Classification supervisée et

« Change detection » non supervisée

Comparaison des images des Comparaison des images (ration et Comparaison des images des
dates A et B et Détection des différence) des dates A et B et dates A et B et Détection des
changements Détection des changements changements

Cartes thématiques primaires

Validation

Cartographie des changements d’occupation/l’utilisation du sol de la Plaine du Tadla

et évolutiondu couvert végétal et surface d’eau entre 1984 et 2015

Figure 32: organigramme de la méthodologie de travail

57
Chapitre III :

Résultats, analyses, interprétations et

discussions

I. Résultats de traitement des images satellitaires à haute

résolution spatiale Landsat TM (Période 1984-2015)
1. Variabilité spatio-temporelle des surfaces d’eau dans la Plaine du
Tadla
L’indice de l’eau par différence normalisée NDWI qui se défini dans cette étude comme le
ratio entre la différence des réflectances du vert et du proche infrarouge et la somme de ces
réflectances, nous a permis de détecter la variation spatio-temporelle de la surface de l’eau
entre 1984 et 2015 dans la Plaine du Tadla. Le NDWI prend des valeurs entre -1 et 1, avec
une valeur moyenne d’environ 0,17 dans le bassin inferieur de la STEP d’Afourer. Selon les
conditions (atmosphériques, type de capteur, la date d’acquisition des images) le NDWI varie
d’une date à l’autre et d’un point à l’autre (Figure 33).

NDWI
0,3

0,25

0,2

0,15
NDWI
0,1

0,05

0
1980 1985 1990 1995 2000 2005 2010 2015 2020

Figure 33: courbe montrant la variation du NDWI entre 1984 et 2015.

58
 Le tableau 11 et la figure 34 présentent les valeurs de la surface de l’eau dans la Plaine
du Tadla entre les années 1984 et 2015. La superficie de l’eau de 10,6 km2 en 1984. En 1995,
l’eau a pris sa surface maximale à environ 21,1 km2, après cette date la surface commence à
diminuer de 16,1 km2 en 2003 jusqu’à 5 ,2 km2 en 2013 passant par 9,52 km2 en 2011, avant
qu’elle augmente un peu en 2015 pour atteindre 7,47 km2. La régression globale des surfaces
de l’eau dans la Plaine est d’environ 29,5% (3,15 km2) dans les dernières 31 années.

Tableau 11: Variation de la superficie de l’eau dans la Plaine (1984-2015).

nombre Superficie de l'eau Superficie de Taux de

pixels (km2) l’eau (%) variation (km2)
1984 11806 10,625 0,331 -
1995 23465 21,118 0,659 10,493
2003 17943 16,148 0,504 -4,969
2011 10582 9,523 0,297 -6,624
2013 5787 5,208 0,162 -4,315
2015 8303 7,472 0,233 2,264

Surface de l'eau (km2)

25

20

15
Surface de l'eau (km2)
10

0
1984 1995 2003 2011 2013 2015

Figure 34: Variation des superficies de l’eau dans la Plaine du Tadla depuis 1984 jusqu'à 2015.

Nombreux sont les facteurs produisant les grands changements de la surface

occupée par l’eau dans la Plaine du Tadla pendant les dernières 31 ans. Notamment,
l’accroissement démographique, la forte exploitation des ressources et les changements
climatiques et l’augmentation de la température. Ce dernier facteur reste le plus
influençant, ce qui explique la forte corrélation entre les superficies d’eau calculé à base de
NDWI et les moyennes annuelles des précipitations dans notre zone d’étude. D’après la
figure 35, la Plaine a reçu la plus importante quantité de pluies (532,7mm) pendant l’année
1995 qui représente la même année ou la surface occupée par l’eau est la plus importante
sur toute la période (21,1km2).

59
 600

500

400

300 Surface de l'eau *10

(km2)
200 Moyennes annuelles
(mm)
100

Figure 35: Corrélation entre l’indice de l’eau (NDWI) et les moyennes des hauteurs annuelles de pluie dans la
Plaine du Tadla.

60
Figure 36: carte d'indice de l'eau (NDWI) dans la Plaine du Tadla entre les années 1984 et 2003

61
Figure 37: Carte d'indice de l'eau (NDWI) dans la Plaine du Tadla entre les années 2011 et 2015

62
 2. Variabilité spatio-temporelle du sol dans la Plaine du Tadla

La figure 38 présente la variation de l’indice du sol (superficie du sol) par différence

normalisée NDSI d’une date à l’autre entre les années 1984 et 2015. Il prend des valeurs
comprises entre -1 et 1, et se change selon les mêmes conditions que NDWI (atmosphériques,
type de capteur et image, la date d’acquisition des images…etc.). À base de ce profil de NDSI
on a pu cartographier les surfaces occupées par le sol dans la Plaine du Tadla (Figure 40 et
41).

NDSI
0,3

0,25

0,2

0,15
NDSI
0,1

0,05

0
1980 1985 1990 1995 2000 2005 2010 2015 2020

Figure 38: Variation de l’indice de sol NDSI d’une image à l’autre entre (1984-2015) dans la Plaine du Tadla.

L’analyse de la série temporelle des cartes de NDSI présente en générale une

diminution des surfaces du sol pendant les dernières 31 ans dans la Plaine à environ 19,5% de
la superficie de la Plaine. En 1984, le sol nu a occupé environ 2334,8 km2, cette surface
diminuer pour atteindre 129,6 km2 de moins en 1995. Le recul des superficies du sol dans la
Plaine va continuer jusqu’à 2003 avec seulement 13 km2 de moins, cependant en 2011 et 2013
le sol n’a occupé que 1986,5 et 1753,9 km2 avec des régressions plus importantes de 231,7 et
232,5 km2 respectivement. Tandis que en 2015 la superficie du sol a été à l’environ de 1710,7
km2 avec une réduction de 43,1km2 (Tableau 12, figure 39).

Tableau 12: Evolution de la superficie du sol dans la Plaine du Tadla (1984-2015)

nombre de Superficie du sol Superficie Taux variation

pixels (km2) du sol (%) (%)
1984 2594264 2334,8376 72,87 -
1995 2450227 2205,2043 68,82 -4 (-129,6 Km2)
2003 2464721 2218,2489 69,23 0,4 (13 Km2)
2011 2207228 1986,5052 62,00 -7,2 (-231,7 Km2)
2013 1948794 1753,9146 54,74 -7,2 (-232,5 Km2)
2015 1900852 1710,7668 53,39 -1,3 (-43,1 Km2)

63
 Superficie du sol (km2)
2500

2000

1500

Superficie du sol (km2)

1000

500

0
1984 1995 2003 2011 2013 2015

Figure 39: Variation des superficies du sol dans la Plaine du Tadla depuis 1984 jusqu'à 2015.

64
Figure 40: Cartes multitemporelles d'indice de sol (NDSI) de la Plaine du Tadla entre les années 1984 et 2003

65
Figure 41: Cartes multitemporelles d'indice du sol (NDSI) de la Plaine du Tadla entre les années 2003 et 2015

66
 3. Variabilité spatio-temporelle de la végétation dans la Plaine du Tadla

Les propriétés optiques de la végétation, sa réflectance élevée dans le domaine du

proche Infra-Rouge et une absorption élevée dans le domaine du Rouge, sont très
contrastées par rapport à la plupart des autres éléments de la surfaces terrestres. Ces
propriétés rendent relativement simple la détection des surfaces végétales.
La série chronologique de NDVI, étant créée par le regroupement des valeurs de NDVI
de toutes nos images entre 1984 et 2015 dans la Plaine du Tadla, nous a permis d’élaborer le
profil spectral de l’ensemble des végétations de la Plaine. A la base de ce profil on a pu
cartographier et mesurer les superficies végétales dans la Plaine.
Théoriquement, le NDVI prend des valeurs qui varient entre -1 et 1. Néanmoins, dans
notre cas l’indice de végétation par différence normalisée ne dépasse pas 0,87 en 2015
comme valeur maximale (figure 42).

0,8

0,6
NDVI
0,4

0,2

0
1980 1985 1990 1995 2000 2005 2010 2015 2020

Figure 42 : variation des valeurs de l’indice de végétation NDVI issu des images Landsat entre 1984 et 2015.

La figure 43 et le tableau 13 montrent une évolution globale importante de la

superficie recouverte par la végétation entre les années 1984 et 2015 dans la Plaine du
Tadla. La végétation a progressé d’une superficie d’environ 816,8 km2 (25,5% de la superficie
de la Plaine). En 1984, la surface végétale a été à l’entourage de 592km2, puis elle a connu
une légère dilatation estimée de 165,6 km2 en 1995. Cependant, en 2003 on remarque une
faible régression avec une superficie de 680 km2, mais dès cette date la superficie occupée
par la végétation a continuée l’accroissement jusqu’à 2015 où elle occupe environ 1408,9
km2.

Surface NDVI (km2)

1500

1000
500 Surface NDVI (km2)
0
1984 1995
2003 2011
2013 2015

67
 Figure 43: évolution des surfaces végétales dans la Plaine du Tadla entre 1984 et 2015 (en km2).

Tableau 13: évolution du couvert végétal dans la Plaine entre 1984 et 2015 , surfaces calculées à base de NDVI
extrai des images Landsat

NDVI nombre pixels Superficie (km2) Superficie (%)

1984 0,699 657864 592,0776 18,5
1995 0,769 841912 757,7208 23,6
2003 0,716 755652 680,0868 21,2
2011 0,72 1077269 969,5421 30,3
2013 0,75 1488838 1339,9542 41,8
2015 0,87 1565483 1408,9347 44,0

Normalement les conditions climatiques jouent un rôle primordial dans la variation

des surfaces occupées par la végétation, et surtout les pluies qui influencent immédiatement
l’accroissement ou la régression de cette surface végétale dans une zone donnée.
Cependant, dans la Plaine du Tadla malgré la grande variation des précipitations d’une
année à l’autre pendant toute la période étudiée (1984-2015), la superficie couverte par la
végétation ne varie plus en fonction des pluies. On observe une diminution des taux pluviaux
entre 1995 avec une moyenne annuelle de 532,7 mm et 2015 avec une moyenne de 404,8
mm (figure 44), néanmoins la végétation a occupé environ 757,7km2 en 1995 contre
1408,9km2 en 2015 avec un accroissement remarquable d’environ 652,2 km 2 entre les deux
dates. Cela peut être expliqué par le développement des systèmes d’irrigation bien
développés dans la Plaine du Tadla et l’augmentation des investissements dans le domaine
agricole, de plus l’intégration et la participation des agriculteurs dans la nouvelle politique
d’irrigation (par exemple : goutte à goutte) s’améliore d’une année à l’autre.

800,0
700,0
600,0 Ouled Sidi Driss
500,0
400,0 Béni Mellal
300,0
Machraa Eddahk
200,0
100,0
Moyennes annuelles
0,0 (mm)

68
Figure 44: Moyen des cumuls annuels dans différentes stations de la Plaine du Tadla et le cumul annuel moyen
en mm (entre 1984 et 2015).

Le sol réfléchi mieux dans l’infrarouge moyen (MIR) et contrairement à la végétation il

absorbe une grande partie du proche infrarouge (PIR). De plus, la Plaine du Tadla présente
une superficie favorable en termes de nature, texture et épaisseur du sol pour l’agriculture
de différents types, et par conséquent l’opportunité d’exploitation des terres de la Plaine en
agriculture est toujours possible avec la présence des conditions favorable (eau d’irrigation,
subvention de l’état…etc.). De ce fait, Ces deux entités sont toujours liées l’une à l’autre, ce
qui explique la variation synchronisée entre les deux (NDSI et NDVI) qui montrent une
évolution opposée.

Les capteurs de la télédétection spatiale (Landsat TM et OLI) permettent

l’enregistrement des rayonnements réfléchis par les surfaces terrestres, et par la suite la
détection des caractéristique physique et biologiques de l’élément qui recouvre cette
surface. Par conséquent, plus de surfaces recouvertes par la végétation implique une
régression des surfaces occupées par le sol. Cela explique que la surface végétale en 1984 a
été d’environ 592 km2 contre 2334,8km2 pour le sol dans la même année, tandis qu’en 2015
la surface recouverte par la végétation est à l’entourage de 1408,9 km 2 contre 1710,7 km2
pour le sol dans la même année (Figure 45, 46 et 47).

3000000

2500000

2000000
Nombre de pixels
1500000 NDSI
Nombre de pixels
1000000 NDVI

500000

0
1980 1990 2000 2010 2020

Figure 45: Variation des indices NDSI et NDVI dans la Plaine du Tadla (1984-2015)

69
Figure 46: Cartes multi-temporelles d'indice de végétation (NDVI) de la Plaine du Tadla entre les années 1984 et
2003

70
Figure 47: Cartes multi-temporelles d'indice de végétation (NDVI) de la Plaine du Tadla entre les années 2003 et
2015

71
 4. Création de la carte d’occupation du sol de la Plaine du Tadla
L’élaboration de la carte d’occupation du sol de la Plaine du Tadla à travers la
classification supervisée nécessite plusieurs opérations de prétraitement des images
satellitaires, notamment la calibration radiométrique, correction atmosphérique, la méthode
d’amélioration de la résolution spatiale (Pan-Sharpening) et la transformation Tasseled-Cap
pour l’amélioration spectrale des images et pour optimiser l’étude de la végétation. Par la
suite, en se basant sur les données bibliographiques (Ouzemou et al., 2014), les images de
« Google Earth » et nos connaissances du terrain, on digitalise sur les images des zones
d’entrainement (ou d’apprentissage), dont chacune représente un élément d’occupation du
sol. Cependant, pour différencier les types de végétation on a fait appel à l’INDVI, qui nous a
permet de catégorisé les plantations de la Plaine selon la signature spectrale de chacune
tout en supposant que le comportement numérique de ces parcelles d’apprentissage est
représentatif de celui de l’ensemble de la classe (sol, eau, végétation) sur l’image (Figure 47).

Figure 48: Les sites ROI utilisés pour faire la classification supervisée de l’image Landsat 2015.

72
 En se basant sur la carte d’NDVI de l’image Landsat OLI à résolution spatiale de 15
mètre de l’année 2015 qui prend des valeurs entre 0.27 et 0.83 (figure 48) et après la
vérification de la séparation des classes on lance la classification, dont on a pu déterminer 7
classes de types de végétation.

0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0

Figure 49: La valeur de NDVI propre à chaque type de végétation pour l’image Landsat selon les zones
d’entrainement choisies sur la carte NDVI.

La matrice de confusion du tableau 14 montre que les classes que nous avons choisir
sont nettement séparées et ne montrent pas des chevauchements (zéro pixel de
chevauchement entre les différentes classes). D’autre part l’indice de kappa calculé à partie
de la matrice de confusion qui prend une valeur de 0.98, nous renseigne qu’environ 98% de
notre classification a été bien choisi. De plus, l’indice de séparabilité du tableau 15 qui
consiste au calcul de la séparabilité entre les classes, nous donne une idée sur la qualité de la
classification. Cet indice montre une bonne séparabilité entre 1.9 et 2.

Tableau 14: Matrice de confusion entre les classes choisis pour la classification de l'image Landsat OLI 2015

Luzern Citrus et betterav Arbori-

classes olivier annuelle bâtis Sol nu eau
e grenade e culture
Luzerne 1405 0 0 0 0 0 0 0 0
Citrus et
0 369 11 0 0 0 0 0 0
grenade
olivier 2 0 180 0 0 1 0 3 0
betterave 0 0 0 979 0 6 2 60 0
arboriculture 6 0 0 0 993 0 0 0 0
annuelle 0 0 2 10 0 1445 0 10 0
bâtis 0 0 0 0 0 0 6115 104 0
Sol nu 0 0 0 23 0 0 173 91786 0
eau 0 0 0 0 0 0 0 0 265
Total 1413 369 193 1012 993 1445 6290 91963 265
Coefficient de Kappa 0.9813

73
 Tableau 15: Indice de séparabilité des classes ROI utilisés dans la classification de l'image Landsat OLI 2015

Citrus et Betterav Arbori-

classes Luzerne Olivier Annuelle Bâtis Sol nu Eau
Grenade e culture
Luzerne - 2-2 2-2 2-2 1.99-1.99 2-2 2-2 2-2 2-2
Citrus et 1.99 -
2-2 - 2-2 1.99-2 2-2 2-2 2-2 2-2
Grenade 1.99
1.99 - 1.99 - 1.999 -
Olivier 2-2 - 1.99-2 1.99-1.99 1.99 -2 2-2
1.99 1.99 2
1.95 - 1.999 -
Betterave 2-2 2-2 1.99 -2 - 2-2 1.99 -2 2-2
1.99 2
Arboricult 1.99- 1.99 -
1.99 -2 2-2 - 2-2 2-2 2-2 2-2
ure 1.99 1.99
1.99 - 1.95 - 1.999 -
Annuelle 2-2 2-2 2-2 - 1.99 -2 2-2
1.99 1.99 2
1.99 -
Bâtis 2-2 2-2 1.99 -2 1.99 -2 2-2 1.99 -2 - 2-2
1.99
1.98 -
Sol nu 2-2 2-2 1.99 -2 1.99 -2 2-2 1.99 -2 2-2
1.99
Eau 2-2 2-2 2-2 2-2 2-2 2-2 2-2

Les résultats de la classification SVM de l’image Landsat OLI d’août 2015 (la figure 51 et
le tableau 15) montrent une prédominance de l’olivier avec 20% de la surface totale de la
Plaine du Tadla à une superficie d’environ 24940 hectares, Par conséquent, on peut dire que
la Plaine du Tadla est un grand producteur de l’olive. La luzerne vient en deuxième degré et
occupe une surface d’environ de 23984 hectares. Cependant, la betterave, les citrus et les
grenades ne représentent que 9% avec 10735 hectares. D’une manière générale les
arboricultures et les cultures annuelles occupent des superficies très proches à presque 50%

Olivier
Autres
20%
annuelle
32% Betterave
4%
Citrus et
grenade
5%
Luzerne
Autres
18%
arboricultures
21%

Olivier Betterave Citrus et grenade

Luzerne Autres arboricultures Autres annuelle

Figure 50: Pourcentage de chaque culture par rapport à la surface totale de la Plaine du Tadla.

74
 Tableau 16: Surface occupée par chaque type de culture dans la Plaine du Tadla en 2015

Type Pixels Surface (ha) Surface Surface

(km2) (%)
Olivier 1108451 24940,1475 249,401475 20
Betterave 199548 4489,83 44,8983 4
Citrus et grenade 277621 6246,4725 62,464725 5
Luzerne 1065957 23984,0325 239,840325 18
Autres arboricultures 1220338 27457,605 274,57605 21
Autres annuelle 1851709 41663,4525 416,634525 32

Comme on a vu dans les cartes d’INDVI de la même date et d’après la figure 52, la plus
grande superficie végétale, et précisément des arboricultures, se concentre dans la zone des
Béni Moussa, tandis que la zone des Béni Amir se caractérise en premier temps par la
betterave. On remarque également la présence des superficies remarquables des citrus et
grenades.

75
Figure 51: Différents types de végétation de la Plaine du Tadla en 2015
 Sur l’image Landsat TM d’aout 1984, la même procédure été faite que la classification
l’image Landsat OLI d’aout 2015, pour une classification SVM des différentes plantations et
les autres éléments d’occupation du sol de la Plaine du Tadla. En se basant sur l’NDVI, en
utilisant les zones d’entrainement ou d’apprentissage représentant des échantillons
homogènes et représentatifs des classes des éléments d’occupation du sol dans la Plaine.
Les signatures spectrales des éléments d’occupation du sol issues de l’image Landsat TM
1984 se ressemblent avec celles de Landsat OLI 2015, cela peut être normal puisque les deux
capteurs possèdes les mêmes caractéristiques notamment la résolution spatiale (30 mètre).

Ensuite la matrice de confusion (Tableau 17) montre que la classification de l’image

Landsat TM 1984 est bien faite dont la confusion entre toutes les classes est presque nulle,
de plus l’indice de kappa montre la même chose avec une valeur de 0.99. Dans le même sens
l’indice de séparabilité prend des valeurs entre 1. 99 et 2, ce qui confirme que les classes
sont bien séparées et qu’il n’y a pas de chevauchement entre elles (Tableau 18).

Tableau 17: Matrice de confusion des ROI choisis pour la classification de l'image Landast de 1984

classes Eau Annuelle Arboriculture Sol nu Bâtis

Eau 13 0 0 0 0
annuelle 0 400 0 0 0
Arboriculture 0 1 1058 0 0
Sol nu 0 0 0 41726 0
Bâtis 1 0 0 0 442
Total 14 401 1058 41726 443
Coefficient Kappa 0,9982

Tableau 18: Indice de séparabilité entre les classes pour la classification de l'image Landast de 1984

Classes Eau Annuelle Arboriculture Sol nu Bâtis

Eau -- 1.99 - 2 1.99 - 2 2-2 1.99 – 1.99

Annuelle 1.99 - 2 - 1.99 - 2 1.99 - 2 2-2
Arboriculture 1.99 - 2 1.83 – 1.99 - 2-2 1.99 - 2
Sol nu 2-2 1.99 – 2 2–2 - 1.99 - 2
Bâtis 1.99 -1.99 2-2 1.99 - 2 1.99 - 2 -

Pour faire une étude comparative entre les superficies occupées par les différents
éléments d’occupation du sol dans la Plaine du Tadla entre les années 1984 et 2015, on a
limité les classes de la classification SVM seulement à 5 classes. Généralement, d’après les
deux cartes d’occupation du sol (figure 56 et figure 57) on note une augmentation des
superficies d’activités humaines notamment les surfaces agricoles et les zones des
constructions et d’habitats et d’urbanisme devant une régression remarquable des sols nu et
de l’eau. Cela nous donne une idée sur le développement de la Plaine du Tadla pendant la
dernière trentaine d’années pas seulement sur le niveau agricole mais aussi sur le plan
urbain due à l’expansion démographique de la région.

D’après la figure 55, malgré que la surface de l’eau a diminué de 3km2 durant la
dernière trentaine d’année, la superficie occupée par les cultures annuelles (luzerne,
betterave, …etc.) a connu une augmentation estimée de 133km2 entre 1984 et 2015. De
même les surfaces des arboricultures (olivier, citrus, grenades, …etc.) s’est développée
pendant la même période sur environ 415 km2. Les zones d’habitats ont progressées avec
une augmentation d’environ 68km2. Toutes ces augmentations expliquent la régression du
sol 613 km2 pendant la même période.

On remarque que le périmètre des Beni Moussa est devenu un site agricole par
excellence pendant les dernières années après l’irrigation par les canaux du barrage de Bin
Elouidan particulièrement après les années quatre-vingt, puisque la superficie agricole dans
les Béni Moussa présente les fortes accroissements et enrichissements. Cependant, la zone
des Béni Amir a connu une légère progression de la culture, cela peut être expliqué par
l’irrigation moderne de la zone qui a commencée aux débuts des années 1940 par le barrage
de Kasba-Tadla. Avec les outils et méthodes d’irrigation traditionnelles utilisées, La zone de
Dir présente un faible développement des surfaces cultivées.

100%
90%
pourcentage d'occupation

80%
70%
60%
50%
40%
30%
20%
10%
0%
Arboricult Cultures Sol nu Eau Batis
ures annuelles
surface en 2015 (km2) 586,44225 701,37315 1813,132897 3,2694 100,13155
surface en 1984 (km2) 171,3303 568,1088 2426,408647 6,3666 31,7349

2
Figure 52: Evolution de la superficie (en Km ) d’occupation du sol dans la Plaine du Tadla entre 1984 et 2015

78
Figure 53: Carte d'occupation du sol issue de l'image Landsat TM 1984

79
Figure 54: Carte d'occupation du sol issue de l'image Landsat OLI 2015

80
 II. Résultats de traitement des images satellitaires à basse
résolution spatiale MODIS sur la période 2003 à 2015.

Dans cette étude les images utilisées sont de type NDVI MOD44 -16 day/TERRA, qui est un
produit sous forme d’indice de végétation normalisé (NDVI) donné par le capteur MODIS chaque
16 jours à une résolution spatiale de 250m. Cet indice de végétation est dérivé de la différence
entre la réflectance atmosphérique de la bande rouge(R) et la bande proche infrarouge (NIR). On
utilisant ces produit MODIS, on a pu faire une étude comparative avec les indices de végétation
(NDVI) des images Landsat TM et OLI de la période 2003 à 2015.

Figure 55: Variation de NDVI du capteur Modis au cours de l’année pendant la période 2003-2015

La figure 59 montre que généralement entre Juillet et Aout l’indice de végétation

NDVI présente les plus faibles valeurs par rapport aux autres mois (inférieur à 0,25. Cette
variation s’explique par l’abondance des plantes et une densité importante (plantes
saisonnières) pendant la période pluviale ce qui donne des fortes réflectances en proche
infrarouge et des forte absorption dans le rouge et par la suite des grandes valeurs de NDVI.

Sur la figure 59, les valeurs de NDVI pendant la période Juillet-Aout dépassent 0,05 et
peut atteindre la valeur 0,55. Néanmoins, les valeurs d’NDVI entre 0,15 et 0,30 présentent
les pourcentages les plus élevés. Les valeurs en dehors de cette gamme indiquent une
densité de la végétation très faible. A partir de cet intervalle on a pu cartographier la
végétation dans la Plaine du Tadla.

81
Figure 56: L’intervalle de fluctuation de la valeur de NDVI des images Modis en mois de juillet dans la Plaine du
Tadla depuis 2003 à 2015.

D’après les images Landsat, le couvert végétal a connu une légère évolution entre les
années 1984 et 2003 à environ 2,75% (80 km2). Cependant, de 2003 à 2015 la superficie
couverte par la végétation s’est bien développée et atteint un maximum qui est aux
alentours de 22% (728 km2) (Tableau 16). Dans le même sens les images MODIS ont donné
des résultats semblables, dont la superficie occupée par la végétation s’est bien développée
depuis 2003 jusqu’à 2015 sur environ de 716 km2 de plus. Ces résultats montrent une
évolution positive continue d’une année à l’autre avec des taux importants, A l’exception de
la période allant de l’année 2009 jusqu’à 2011 où l’on note une très faible évolution de 4,8
km2 (0,15%) (Figure 60). Il faut noter que les superficies végétales mesurées à base des
données MODIS sont légérement plus grandes que celles des images Landsat et cela peut
être due à la différence de la résolution spatiale entre les capteurs Modis et TM.

Surface végétale(km2)
1500,0

1000,0

500,0

0,0

juil.-03 juil.-05 juil.-07 juil.-09 juil.-11 juil.-13 juil.-15

Surface végétale(km2) 781,3 876,8 933,6 1232,4 1237,3 1366,8 1497,9

Figure 57: Variation des surfaces végétales au cours du temps (2003-2015) d'après les images MODIS

82
Tableau 19: Comparaison des superficies végétales mesurées à base des images landsat et MODIS depuis 1984
jusqu'à 2015.

Surface en km2 (Landsat) Date Surface en km2 (MODIS)

592 1984 -
757,7 1995 -
680 2003 781,3
- 2005 876,7
- 2007 933,6
- 2009 1232,4
969,5 2001 1237,2
1339,9 2013 1366,8
1408,9 2015 1497,8

Figure 58: Cartes d'indice de végétation NDVI des images MODIS des années 2003 et 201

83
 Figure 59: Cartes d'indice de végétation NDVI des images MODIS des années 2013 et 2015

III. Spatialisation des données climatiques et interprétation des

résultats
La compréhension de la variation de l’évolution de la végétation et de l’eau dans la
Plaine du Tadla entre les années 1984 et 2015 nécessite une étude de la distribution spatio-
temporelle des pluies, et pour ce fait on procède à l’interpolation des données climatiques par
la méthode « Inverse Distance Wighted » (voir chapitre II). La méthode IDW a été
appliquée aux données annuelles de précipitations de 1984 à 2015. Le résultat final est une
série annuelle de cartes des précipitations sur la Plaine du Tadla pour la période étudiée. On
présente en Figure 63 et Tableau 17 les cartes et les statistiques de cumuls annuels des
précipitations ainsi générées. L’analyse de ces données montre que les saisons 1984-1985,
2011-2012 et 2013-2014 sont moins pluvieuses par rapport aux saisons 2003-2004 et 2014-
2015 avec un cumul de précipitations annuel autour de 320 mm/an et 430 mm/an

84
respectivement. Cependant, la saison 1995-1996 se caractérise par le cumul le plus fort à 623
320 mm/an. On remarque également deux types de gradients de précipitations, d’est en sud-
est à nord-est et de l’ouest vers sud-ouest à nord-ouest. Ces gradients s’expliquent par la
présence des montagnes du moyen Atlas à l’est et le Haut Atlas au sud et la Plaine et le
plateau au nord et à l’ouest.

Tableau 20: Cumuls annuels des précipitations en Plaine du Tadla.

Ouled Sidi Beni Machraa Moyennes

Date Taghzirt
Driss Mellal Eddahk annuelles (mm)
1984-1985 174 445 267 461 336,9
1995-1996 352 753 493 895 623,2
2003-2004 248 576 343 649 454,0
2011-2012 205 437 243 389 318,6
2013-2014 260 378 211 412 315,2
2014-2015 300 509 404,8
Moyenne en mm
257 516 311 561 411
(1984-2015)

Figure 60: Spatialisation des cumuls annuels des pluies (en mm) dans la Plaine du Tadla entre les années 1984
et 2015.

85
 Généralement, entre 1984 et 2015 les superficies du couvert végétal ont suivies une
variation positive, sauf qu’en 2003 où on admet une régression de la végétation avec quelques
dizaines de km2 par rapport à l’année 1995 (77km2). Cela peut être dû la forte pluviométrie de
cette année (1995) ce qui a donné une forte évolution du couvert végétal de la Plaine qui
dépasse la normale, mais l’année 2003 (454 mm/an) a été moins pluvieuse que 1995 (623,2
mm/an) ce qui nous a donné un recul des superficies végétales.

Pour la validation de nos résultats, on peut faire une étude comparative avec les
données de l’ORMAVAT. Dans ce sens plusieurs études ont été faites, citant celle de
Ouzemou et al. (2014) qui montre une légère différence par rapport à nos résultats
(classification SVM) et les données de l’ORMVAT en ce qui concerne la betterave et la
luzerne. Ce travail montre aussi une différence entre les surfaces occupées par les
arboricultures obtenues par notre classification SVM et les données de l’ORMVAT qui peut
atteindre 39%. Cette différence peut être justifiée, d’après Ouzemou et al., (2014) par le
manque de données statistiques officielles sur les arboricultures.

IV. Application de la technique « Change detection » pour

l’estimation du changement de l’occupation du sol

Afin de mieux détecter les changements de l’occupation du sol dans la Plaine du Tadla et
pour multiplier les méthodes de traitement des images satellitaires, on procède à la technique
de «Change detection » appliquée sur les images Landsat et MODIS. Dans notre cas on va
travailler seulement par la différence entre deux images de NDVI de deux dates différentes :

NDVI1995 (Landsat) – NDVI1984 (Landsat) = Change detection1995-1984 (Landsat)

NDVI2003 (Landsat) – NDVI1995 (Landsat) = Change detection2003-1995 (Landsat)
NDVI2015 (Landsat) – NDVI2003 (Landsat) = Change detection2015-2003 (Landsat)
NDVI2015 (Modis) – NDVI2003(Modis) = Change detection2015-2003(Modis)

Sur toutes les cartes produites par change détection, la couleur verte indique les zone
d’extension de la végétation, la couleur rouge indique les zones où le couvert végétal a
régressé (disparu), en fin la couleur jaune représente les zones inchangées.

La différence entre l’NDVI de l’image de 1995 et l’image de 1984 montre une

régression du couvert végétal à environ 169 km2 contre une évolution d’environ 344 km2
pendant la même période (figure 64). Cela confirme les résultats déjà extraites par la méthode
traditionnelle (une augmentation de la surface couverte par végétation de d’environ 175km2).
C’est une évolution en parallèle avec les données pluviales, qui indiquent un fort cumul
annuel des pluies pendant l’année 1995.

86
Figure 61: Carte de la détection du changement du couvert végétal dans la Plaine du Tadla entre 1984 et 1995 à base du NDVI des images Landsat TM.

87
Depuis 1995 jusqu’à 2003, la Plaine a continu l’évolution de l’extension de la végétation avec 351 km2, mais il faut noter qu’on a une forte
régression du couvert végétal pendant la même période à environ 407 km2, ce qui implique un recul global de la végétation d’environ 56 km2 au
niveau de la Plaine du Tadla pendant cette période (figure 65).

Figure 62: Détection du changement du couvert végétal dans la Plaine du Tadla entre 1995 et 2003 à la base de NDVI des images Landsat.

88
 La figure 66 présente la carte du changement du couvert végétal entre 2003 et 2015, l’analyse de cette dernière montre une extension
intense de la végétation dans la Plaine estimée à de 707 km2 et un recul du couvert végétal pendant la même période d’environ 84 km2. Donc un
bilan d’augmentation de la surface végétale de 624 km2 entre 2003 et 2015.

Figure 63: Détection du changement du couvert végétal dans la Plaine du Tadla entre 2003 et 2015 à la base de NDVI des images Landsat..

89
 Le traitement de la différence (change detection) des images MODIS entre les années 2003 et 2015, montres une régression des
superficies végétales au niveau de la Plaine du Tadla, cette régression est estimé à 93 km2 en opposition à une très importante augmentation du
couvert végétal d’environ777 km2. Le bilan est positif avec une augmentation extension globale de la surface de végétation d’environ 684 km2
(Figure 67). Cependant le traitement des images Landsat a montré qu’il y a une extension de la végétation entre les années 2003 et 2015 à
environ 624 km2. L’exagération des surfaces données par le capteur Modis à sa résolution spatiale plus grande (250m).

Figure 64: Carte de détection du changement du couvert végétal dans la Plaine du Tadla entre 1984 et 1995 à la base de NDVI des mages MODIS

90
Conclusions générales et perspectives

Le présent travail porte sur l’apport de la télédétection dans l’évaluation de la variation

des surfaces d’eau, du sol et du couvert végétal dans la Plaine du Tadla entre 1984 jusqu’à
2015. Différents traitements et analyses des images satellites issues du capteur Landsat TM
(1984, 1995, 2003 et 2011), Landsat OLI (2013 et 2015) et MODIS (2003, 20011, 2013 et
2015) ont été réalisés par plusieurs outils et méthodes notamment la technique « change
detection », les indices de l’eau (NDWI), du sol (NDSI) et de la végétation (NDVI). Ces
traitements ont permis de cartographier l’évolution des éléments d’occupation du sol dans la
zone d’étude. L’analyse des résultats montre une régression globale des surfaces de l’eau dans
la Plaine du Tadla d’environ 29,5% (3,15 km2) de moins dans les dernières 31 années.
L’analyse des cartes du sol présente en générale une diminution des surfaces du sol dans la
Plaine d’environ 19,5% soit équivalente de 624 km2. Pendant la même période. Cependant,
les cartes multitemporelle de l’NDVI montrent une évolution globale importante de la
superficie recouverte par la végétation, environ 816,8 km2 de plus, soit l’équivalent 25,5% de
la surface de la plaine entre les années 1984 et 2015.

Dans le détail, l’analyse des images Landsat TM et OLI, montre que le couvert
végétal a connu une légère évolution entre les années 1984 et 2003 estimé à environ 2,75%
(80 km2) de la surface totale de la Plaine du Tadla. Cependant, de 2003 jusqu’à 2015 la
superficie couverte par la végétation a été bien développée et atteint un pourcentage de 22%
(728 km2) de la surface totale de la Plaine. Dans le même sens les images MODIS ont donné
des résultats semblables, dont la superficie occupée par la végétation s’est bien développée
depuis 2003 jusqu’à 2015 avec environ 716 km2. Ces résultats montrent une évolution et une
progression continue de la surface du couvert végétal dans la Plaine du Tadla. Entre 2009 et
2011 on note une très faible évolution proche de 4,8 km2 (0,15%). Le traitement de la
différence (change detection) des images MODIS entre les années 2003 et 2015, montres une
régression des superficies végétales au niveau de la Plaine du Tadla, cette régression est
estimé à 93 km2 en opposition à une très importante augmentation du couvert végétal
d’environ777 km2. Le bilan est positif avec une augmentation d l’extension globale de la
surface de végétation d’environ 684 km2 (Figure 67). Cependant le traitement des images
Landsat a montré qu’il y a une extension de la végétation entre les années 2003 et 2015 à
environ 624 km2. L’exagération des surfaces données par le capteur Modis est a relié à sa
résolution spatiale relativement plus grande (250m).

Les variations de l’occupation du sol remarquées d’une date à l’autre et dans l’espace,
sembles normale et corrélées avec la variation des taux pluviaux. Les années à forte
pluviométrie montre une forte évolution des superficies végétales, mais dans le cas des années
sèches on note une faible régression. Cela s’explique par l’irrigation moderne qui a débuté en
1935 avec la création du barrage de Kasba Tadla sur l’OER et qui assure l’irrigation du
périmètre des Beni-Amir en rive droite de l’oued à partir d’un canal principal bétonné de 42
km de long. Ce canal peut dériver plus de 12.5 m3/s (canal de Zidania). Le barrage de Bin-El-
Ouidane sur l’Oued El Abid (1.5 milliards de mètre cubes) vient renforcer la capacité

91
d’irrigation de la Plaine et assure l’irrigation du périmètre des Béni Moussa plus le petit
hydraulique de Dir ou ils utilisent les forages et les sources karstiques, avec des méthodes
modernes dans les différents stades et étapes de cultures (irrigation, fertilisant, récolte, …etc.).
Ces résultats montrent les fruits des politiques qui distinguent le Maroc parmi les pays qui
maîtrisent le mieux leurs ressources hydriques mobilisables et qui dispose d’une agriculture
qui évolue de plus en plus vers la modernité et bien sur la Plaine du Tadla a devenu un leader
dans ce domaine.

L’évolution des surfaces végétales dans la plaine de Tadla ces dernières trente années,
montre une surfaces en 2015 trois fois la surfaces de 1984. Cette augmentation se comprend
dans la cadre de l’augmentation de la population de la région et qui nécessitent une
augmentation des ressources économiques pour les besoins et par conséquent un
investissement dans le domaine agricole massif. L’installation de nouveaux projets agricoles
nécessitent des ressources en eau qui évoluent en parallèle; or les changements climatique, le
réchauffement de la planète et l’irrégularité des précipitations influence ces ressources dans le
sens contraire. L’analyse des cartes NDWI (surface d’eau) de ces trente dernières années
montre une régression des surfaces d’eau de plus de 25%. Cette augmentation des surfaces
végétale et la diminution des ressources en eau pose un problème et augmente la pression
énormes sur les ressources hydriques de la région. Ce problème est surement déjà pris en
compte par les décideurs et les administrations de tutelle et des solutions sont déjà en cours
(Le goutte à goutte par exemple financer par l’état en grande partie). Cependant, seule une
enquête sur le terrain sera capable de dénicher les vrais problèmes de besoins en eau et les
conséquences de l’abus d’utilisation des eaux des nappes et par des forages clandestin ou non
recensés.

Afin de mieux cerner les problèmes, la télédétection pourrait toujours approfondir les
analyses et les études, ainsi pour détecter les différents changements de l’occupation du sol
dans la Plaine du Tadla d’une manière plus exacte, détaillée et plus rentable, une série
d’images satellitaires à haute résolution spatiale couvrant toutes la période d’étude (1984 à
2015) avec une résolution temporelle régulière (de l’ordre du mois) est nécessaire. La série
temporelle régulière d’image n’est pas disponible sur les sites web qui fournissent des images
satellitaires gratuites. Donc afin de réaliser un travail détaillé, l’étude a besoin
d’investissements dans des images à haute résolution spatiale régulière. Les résultats de
traitements de ces images associés à d’autres données climatiques (température, humidité,
évapotranspiration), anthropiques (les plans d’aménagement, la nature d’irrigation, …etc.) et
une enquête sur le terrain pourrait aboutir à une modélisation des variations de l’occupation
du sol dans la Plaine du Tadla et à la proposition d’une gestion participative des usagers des
ressources en eau de la région.

92
 Références Bibliographiques

Agence du bassin hydraulique de l’Oum Er Rbia (PDAIRE-OER) (2008). Etude d’actualisation du plan directeur
d’aménagement intègre des ressources en eau (PDAIRE) de la zone d’action de l’agence du bassin
hydraulique de l’Oum Er Rbia. Maroc.
Akiode Olukemi Adejoke & al. (2014). Analysis of Change Detection of Birnin-Kudu Land Cover Using Image
Classification and Vegetation Indices. Journal of Environment and Earth Science ISSN 2224-3216 (Paper)
ISSN 2225-0948 (Online) Vol.4, No.21, 2014.
Benhadj, I. (2008). Observation spatiale de l’irrigation d’agrosystèmes semi-arides et Gestion durable de la
ressource en eau en Plaine de Marrakech. Thèse Doctorat. L’Université Toulouse III - Paul Sabatier,
France.
Boudhar, A. (2009). Télédétection du manteau neigeux et modélisation de la contribution des eaux de fonte
des neiges aux débits des Oueds du Haut Atlas de Marrakech. Thèse Doctorat, Univ. Cadi Ayyad
Marrakech, Maroc.
Centre canadien de télédétection. Notions fondamentales de télédétection. Cours tutoriel Canada.
El hajj, M. (2008). Exploitation des séries temporelles d’images satellite à haute résolution spatiale par fusion
d’informations multi-sources pour le suivi des opérations culturales. ’Institut des Sciences et Industries du
Vivant et de l’Environnement (Agro Paris Tech), France.
El Halim, M. (2015). Apport de la télédétection dans l’évaluation de la variation des surfaces d’eau et du
couvert végétal dans la Plaine du Haouz entre 1984 jusqu’à 2014. Mémoire de master, Univ. Cadi Ayyad
Marrakech, Maroc.
El hannani, M. & al. (2015). Atlas regional région du Tadla Azilal, Maroc, 2015.
Feng Mei, L. (2012). Suivi des changements des utilisations/occupations du sol en milieu urbain par imagerie
satellitale de résolution spatiale moyenne: Le cas de la région métropolitaine de Montréal.
Jarlon, L. (2015).Télédétection spatiale en éco-hydrologie, cours du master spécialisé sciences de l’eau, Faculté
des Sciences Semalalia, Marrakech.
Hammani, A. Kuper, M. (2007). Caractérisation des pompages des eaux souterraines dans le Tadla, Maroc.
Economies d’eau en systèmes irrigués au Maghreb. Actes du troisième atelier régional du projet Sirma,
Nabeul, Tunisie, 4-7 juin 2007. Cirad, Montpellier, France, colloques-cédérom.
Idbraim, S. (2009). Méthodes d’extraction de l'information spatiale et de classification en imagerie de
Télédétection : Applications à la cartographie thématique de la région d’Agadir (Maroc). Thèse Doctorat.
L’Université Toulouse III - Paul Sabatier, France.
Gond, V et al. (2003). Surveillance et cartographie des plans d’eau et des zones humides et inondables en
régions arides avec l’instrument VEGETATION embarqué sur SPOT-4.
Laaroussi, M. (2006). Maitrise de l’irrigation pour une gestion durable du périmètre Irrigue du Tadla. Revue
HTE N°133 • Mars - Juin 2006.
Lecerf, R. (2008). Suivi des changements d’occupation et d’utilisation des sols d’origine anthropique et
climatique à l’échelle régionale par la télédétection moyenne résolution (application à la Britagne). Thèse
Doctorat. L’Université de Rennes 2, France.
Masse, A. (2013). Développement et automatisation de méthodes de classification à partir de séries
temporelles d’images de télédétection - Application aux changements d'occupation des sols et à
l'estimation du bilan carbone. Thèse Doctorat, Univ. De Toulouse, France.
MassonI, C. & al. (1970). LA PLAINE DU TADLA, 1970.
OUZEMOU, J. EL HARTI, A. EL MOUJAHID, A. BOUCH, N. EL OUAZZANI, R. LHISSOU, R. BACHAOUI El, M.
(2014), Mapping crop based on phenological characteristics using time-series NDVI of Operational Land

93
 Imager data in Tadla irrigated perimeter, Morocco. Remote Sensing for Agriculture, Ecosystems, and
Hydrology XVII, 2014.
Radouani, R. & al (2014). Reconnaissance du système aquifère du nord-ouest de la Plaine du Tadla
(Maroc central) par imagerie électrique. Journal of Hydrocarbons Mines and Environmental Research.
Tammal, M & al. (2014). Modélisation multicouche du système aquifère du bassin de Tadla et le plateau des
Phosphates. International Journal of Innovation and Scientific Research ISSN 2351-8014 Vol. 6 No. 2 Aug.
2014, pp. 172-180;

Site Web consulté à cette date:

http://modis.gsfc.nasa.gov
http://Glovis.gov.ma
http://landsathandbook.gsfc.nasa.gov/data_prod/prog_sect11_3.html

94

View publication stats