Memoire-BENKAHLA Naima

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE

SCIENTIFIQUE
UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE D’ORAN
-MOHAMED BOUDIAF-
FACULTE DES SCIENCES

DEPARTEMENT DE PHYSIQUE
Mémoire présenté pour l’obtention du
Diplôme MAGISTER
Spécialité : Physique Option : Rayonnement et Matière
Présentée par :
Melle BENKAHLA Naima
THEME
Identification de la Végétation Terrestre par Radiomètre

MSG-SEVIRI et Suivi de son Evolution Temporelle
Soutenu le : Lundi 13/02/2011
Devant le jury :
Qualité Nom et Prénom Grade Université
Président Mr.HIADSI Said Professeur USTOMB
Rapporteur Mr.HASSINI Abdelatif MCA UNIV-ES-SENIA
Examinateur Mr.TEBBOUNE Abdelghani Mimoune MCA USTOMB

Examinateur Mr.BENABADJI Noureddine MCA USTOMB
2011/2012
Résumé— Les applications de la télédétection dans l’étude des
surfaces terrestre font fréquemment appel à des données à faible
résolution spatiale. C’est ici le cas du suivi de la végétation
terrestre observée par les radiomètres optiques (visible et proche
infrarouge) des satellites météorologiques comme NOAA-HRPT,
SPOT-VEGETATION, MSG (Meteosat Second Generation). Le
sujet porte sur l’utilisation des données satellitaires multi
spectrales pour l’identification des indices de végétation terrestre
et le suivi de son évolution temporelle, aux échelles mensuelles,
pour l’année 2011 .Les données utilisées pour effectuer ce travail
proviennent du capteur SEVIRI de MSG 2 et comparées par
d’autres capteurs comme VEGETATION de SPOT.
Mots-clés— Indice de végétation, NDVI, SEVIRI, Suivi de

l’évolution.
Abstract—The applications of the remote sensing in the study

of terrestrial surfaces frequently call upon data with weak space
resolution. It is here the case of the follow-up of the terrestrial
vegetation observed by the optical radiometers (visible and near
infra-red) of the meteorological satellites like NOAA-HRPT,
SPOT-VEGETATION, MSG (Meteosat Second Generation). The
subject carries on the use of the satellite data multi spectral for the
identification of the indices of terrestrial vegetation and the
follow-up of its temporal evolution, on monthly scales, for the
year 2011. The data used to carry out this work come from the
sensor SEVIRI of MSG2 and compared by other sensors as
VEGETATION of SPOT.
Keywords—Index of vegetation, NDVI, SEVIRI, Follow-up of

the evolution.
REMERCIEMENTS
Louange à Dieu, le miséricordieux, sans Lui rien de tout cela

n'aurait pu être.
Mes remerciements s'adressent tout d'abord à mon encadreur

Monsieur HASSINI Abdelatif de m’avoir suivi tout au long de mon
travail, ainsi pour l'inspiration, l'aide et le temps qu'il m’a consacré et
surtout pour sa gentillesse et sa compréhension, je lui exprime toutes
mes gratitudes et mes estimes.
J’exprime mes remerciements aux membres de jury, d’avoir bien

voulu consacrer du temps et de l’attention à mon travail, à
commencer par Monsieur HAIDSI Said ,Maître de conférence à
l’université d’USTO, qui me fait également l'honneur de présider le
jury. J’exprime toute ma gratitude à Monsieur BENABADJI
Noureddine, Maître de conférence à l’université d’USTO, et
Monsieur TEBBOUNE Abdelghani Mimoune, Maître de conférence
à l’université d’USTO qui ont accepté d’être examinateurs.
J’ai aussi le plaisir de remercier Monsieur Ahmed Hafid

BELBACHIR, de m’avoir reçu dans son laboratoire.
Toutes mes reconnaissances à mes chers parents pour leur soutien,

leur compréhension et attention dont ils m’ont toujours fait preuve.
J’aimerai aussi adresser mes remerciements à tous les membres du

LAAR qui ont, de près ou de loin, contribué à la finalisation de ce
mémoire.
Mes remerciements vont évidemment aux personnes à qui je tiens

le plus et qui m’ont soutenu tout au long de mes études. Merci donc à
mes amis, en signe de ma gratitude et ma reconnaissance infinie pour
leur soutien, leur aide et leur amitié qu’ils m’ont témoigné.
DEDICACE
Je dédie ce modeste travail à mes très chers parents à qui je

dois un respect estimable accompagné de tous mes profonds,
remerciements. Mon très cher papa qui ma toujours poussé
vers l’avant. Ma très chère maman qui ma soutenu et
encouragée durant toutes mes années universitaires.
A mes très chères sœurs : Sabah, Nacera, Karima,Halima.

A mes frères ; Hamza, Houari, et Mohammed.
A mes amis : Halima, Hanane et Hanane,
Amina, Houaria, Fouad, Madjda,
Hichem,et… Habib.
NAIMA
Table des Matières
SOMMAIRE
Introduction générale
Chapitre (I) Satellites météorologiques

Introduction ………………………………………………………………………………………….. 04
I. Les mesures d'un satellite météorologiques………………………………………………………... 04
I.1 Satellites géostationnaires ……………………………………………………………………... 05
I.2 Les satellites à défilement ……………………………………………………………………... 06
II. les satellites à très haute résolution spatiale ……………………………………………………… 07
II.1 Les applications……………………………………………………………………………….. 07
II.2 Exemples des satellites a très haute résolution spatiale ………………………………………. 07
II.2.1QuickBird………………………………………………………………………………... 07
II.2.2 Ikonos…………………………………………………………………………………… 09
III. Les satellites à hautes et moyenne résolution spatiale………………………………………….. 10
III.1Les Applications………………………………………………………………………………. 10
III.2 Exemples des satellites a hautes et moyenne résolution spatiale…………………………….. 10
III.2.1. Landsat…………………………………………………………………………………. 10
III.2.2. IRS……………………………………………………………………………………... 11
IV. Les satellites à basse résolutions spatiales ou satellites 'grand champ'…………………………... 11
IV.1Exemples des satellites à basse résolution spatiale …………………………………………… 12
IV.1.1 Les satellites NOAA …………………………………………………………………... 12
IV.1.1.2 Mission des satellites NOAA ……………………………………………………….. 13
IV.1.1.3 Caractéristiques orbitales ……………………………………………………………. 13
IV.1.1.4 Les données NOAA …………………………………………………………………. 13
IV.1.1.5 Le capteur NOAA/ AVHRR ………………………………………………………... 14
IV.1.1.6 Description du système APT ………………………………………………………. 14
IV.1.1.7 Caractéristiques De Transmission APT …………………………………………….. 15
IV.2 Les satellites SPOT-VEGETATION………………………………………………………… 18
IV.2.1Caractéristiques………………………………………………………………………… 18
IV.2.2Applications……………………………………………………………………………. 18
IV.2.3 Produits…………………………………………………………………………………. 18
VI.3. Les satellites meteosat ……………………………………………………………………… 19
VI.3.1 Caractéristiques du satellite METEOSAT………………………………………………….. 19
VI.3.2 METEOSATE Seconde Gnération MSG…………………………………………………… 19
Conclusion……………………………………………………………………………………………. 20
Chapitre (II) Meteosat Seconde Génération

Introduction…………………………………………………………………………………………. 22
I Meteosat Seconde Génération…………………………………………………………………….. 22
I.1 Le programme MSG…………………………………………………………………………… 22
I.2 Mission principale (prévisions météorologiques)…………………………………………….. 22
I.3 Mise en orbite…………………………………………………………………………………… 22
I.4 Deux générations de satellites Meteosat……………………………………………………… 24
I.5 Principales améliorations des satellites MSG…………………………………………………… 25
II Le radiomètre imageur SEVIRI……………………………………………………………............. 26
II.1 Missions élargies……………………………………………………………………………….. 28
II.3 Précisions sur les bandes spectrales de MSG…………………………………………………... 30
Table des Matières
II.2.1 Répartition des bandes MSG…………..………………………………………………… 30

II.2.1.1 Le visible………………………………………………………………………… 30
II.2.1.2 Le proche infrarouge…………………………………………………………… 31
II.2.1.3 Le moyen infrarouge…………………………………………………………… 32
II.2.1.4 L'infrarouge thermique………………………………………………………… 32
III LES COMPOSITIONS COLOREES (RGB) DES CANAUX DE SEVERI…………………………........ 34
III.1 Pseudo couleur et composition colorée…………………………………………………….. 34
III.1.1 La représentation «Niveaux de Gris»…………………………………………………… 34
III.1.2 L'albédo………………………………………………………………………………... 35
III.2 La composition colorée……………………………………………………………………….. 35
III.2.1 RGB 1………………………………………………………………………................. 36
III.2.2 RGB 2………………………………………………………………………………… 36
III.2.3 RGB 3……………………………………………………………………………………. 37
III.2.4 RGB 4……………………………………………………………………………….......... 38
III.2.5 RGB 5………………………………………………………………………………… 38
III.2.6-RGB 6………………………………………………………………………………….. 39
Conclusion……………………………………………………………………………………….…. 39
Chapitre (III) Propriétés Spectrale de la Végétation
Introduction……………………………………………………………………………………………. 41
I.1Elément de la télédétection spatiale………………………………………………………………. 41
I.1.1 Processus de la télédétection……………………………………………………………….. 41
I.1.2 Le spectre électromagnétique ……………………………………………………………… 42
I.1.3 Rayonnement d'un corps naturel……………………………………………………………. 43
I.1.4 Loi de Kirchhoff……………………………………………………………………………. 43
I.1.5 Luminance d'un corps naturel………………………………………………………………. 44
I.2 Identification des objets au sol ………………………………………………………………….. 45
I.2.1 Caractéristiques spectrales des sols………………………………………………………. 45
I.2.2 Caractéristiques spectrales de la végétation………………………………………............... 46
I.3.1 Propriétés optiques des feuilles………..…………………………………………………… 46
I.3.2. Structure du couvert végétal……………………………………………………………... 49
I.3.3 L'indice de surface foliaire ……………………………………………………………….. 50
II. Les indices de végétation…………………………………………………………………………… 50
II.1 Le principe……………………………………………………………………………………… 51
II.2 Les principaux indices de végétation…………………………………………………………… 52
II.2.1 Les indices simples……………………………………………………………………….. 52
II.2.2 Les indices prenant en compte l'influence des sols……………………………………….. 52
II.2.3 Les indices prenant en compte les effets de l'atmosphère………………………………… 52
II.2.4 Les indices prenant en compte les effets conjugués des sols et de l'atmosphère…………. 55
II.2.5 Les indices prenant en compte la température de surface………………………………… 55
Conclusion……………………………………………………………………………………………. 59
Table des Matières
Chapitre (IV) Mesure de la végétation pour les données TLD
Introduction …………………………………………………………………………………. ……… 61

I. Acquisition des données……………………………………………………………………………. 62
I.1.Partie matériels ………………………………………………………………………………….. 62
I.2.Partie logiciel …………………………………………………………………………................ 64
I.2.1 Logiciels de décompression………………………………………………………………. 64
I.3. La réception des images ………………………………………………………………………… 66
II .Prétraitement……………………………………………………………………………………….. 67
II.1 Etalonnage radiométrique des canaux SEVIRI…………………………………………………. 67
II.1.1 Calcul de la Reflectance ………………………………………………………………… 67
II.1.2 Calcul de la Température du Brillance pour les canaux IR……………………………… 70
II.2 Affranchissement des nuages …………………………………………………………………... 73
II.2.1 Méthode des minimum………………………………………………………………….. 73
III. Identification de la végétation ……………………………………………………………………. 74
III.1Indices de végétation……………………………………………………………………………. 74
III.1.1 Le choix de l’indice de végétation………………………………………….................... 74
III.1.2 Indice de végétation normalisé NDVI…………………………………………………… 75
III.1.3 Classification des images NDVI …………………………..…………………………… 78
III.1.3.1 Principe d’un classificateur à arbre de décision…………………………………….. 78
III.2 Comparaison des images NDVI de MSG-SEVIRI avec images de SPOT-VEGETATION…... 81
III.2.1 Les caractéristiques des images SPOT-VÉGÉTATION traitées………………………... 81
IV. Suivi de l’évolution de la végétation …………………………………………………………….. 83
Conclusion……………………………………………………………………………………………. 85
Conclusion et perspectives
Références
Acronymes et abréviations
Annexe
Table des Matières
LISTE DES FIGURES
Chapitre (I) Satellites Météorologiques
Fig. I.1 Fonctionnement des capteurs, passif ………………………………………………………… 04

Fig. I.2 Le satellite géostationnaire Meteosat7……………………………………………………..... 05
Fig. I.3 La trace au sol du champ de vue d’un satellite polaire.…………………………………….... 06
Fig. I.4 L'acquisition d'un satellite à défilement, MetOp…………………………………………….. 06
Fig. I.5 Image de haute résolution spatiale acquise par le satellite Quickbird ………………………. 07
Fig. I.6 La Statue de la Liberté - Image satellite QuickBird ………………………………………… 08
Fig. I.7 Image satellite IKONOS - Dubaï…………………………………………………………….. 10
Fig. I.8 Image satellite Landsat 7 (à gauche) , Image satellite - IRS - WiFS (à droite)……………… 11
Fig. I.9 Cartes de végétation………………………………………………………………………….. 12
Fig. I.10 Satellite NOAA en orbite…………………………………………………………………… 13
Fig. I.11 Format de la trame………………………………………………………………………….. 15
Fig. I.12 Schema de balayage APT…………………………………………………………………... 17
Fig. I.13 Produit S10 fournit par le satellite SPOT – VEGETATION……………………………… 18
Fig. I.14 Les satellites METEOSATE………………………………………………………………. 19
Chapitre (II) Meteosat Seconde Génération MSG
Fig. II.1 Mise en orbite du satellite MSG……………………………………………………………. 23

Fig. II.2 Zone géographique couverte par les satellites MSG ……………………………………….. 24
Fig. II.3 Les satellites Meteosat - comparaison entre la première et la seconde génération …………. 25
Fig. II.4 Radiomètre SEVIRI………………………………………………………………………… 26
Fig. II.5 Les douze bandes spectrales de SEVIRI……………………………………………………. 27
Fig. II.6 L'ensemble des douze bandes spectrales de MSG réparties sur le spectre………………….. 30
Fig. II.7 Canal HRV / canal VIS0.6………………………………………………………………….. 31
Fig. II.8 Image MSG acquise le 27 juillet 2011, 12:30 UTC - VIS0.8 et IR1.6……………………… 31
Fig. II.9 Image MSG acquise le 7 août 2006, 12:00 GMT - canal IR3.9……………………………. 32
Fig. II.10 Image MSG acquise le 27 juillet 2011, 12:30 UTC - canaux WV6.2 et WV7.3………….. 33
Fig. II.11 Image MSG acquise le 27 juillet 2011, 12:30 UTC - canal thermique IR10.8…………… 33
Fig. II.12 Méthode de reconstitution d'une image …………………………………………………… 35
Fig. II.13 RGB1 ……………………………………………………………………………………… 36
Fig. II.14 RGB 2 ……………………………………………………………………………………... 36
Fig. II.15 RGB 3 ……………………………………………………………………………………... 37
Fig. II.16 RGB 4 du 9 Novembre 2003, 02:45 UTC ………………………………………………… 38
Fig. II.17 RGB 5, 3 MARS 2004, 01:00 UTC ………………………………………………………. 38
Fig. III.1 Les différentes étapes de la télédétection…………………………………………………... 41

Fig. III.2 Le spectre électromagnétique………………………………………………………………. 42
Fig. III.3 Répartition de l'irradiance dans un corps naturel partiellement transparent……………….. 43
Fig. III.4 Exemple de luminance d'un corps naturel. ………………………………………………… 44
Table des Matières
Fig. III.5 Signatures spectrales pour différents types de sols………………………………………… 44

Fig. III.6 La structure cellulaire des feuilles…………………………………………………………. 47
Fig. III.7 Principaux facteurs influençant la signature spectrale de la végétation …………………… 48
Fig. III.8 Variations de la signature spectrale en fonction du type de végétation…………………..... 48
Fig. III.9 Illustration des interactions entre le sol et la végétation…………………………………… 49
Fig. III.10 Répartition spectrale des réflectances dans le rouge et dans le proche infrarouge……….. 51
Fig. III.11 Relation simplifiée entre la température de surface et l'indice de végétation…………...... 56
Fig. III.12 L'indice de sécheresse (TDVI) …………………………………………………………… 57
Fig. IV.1 Le schéma synoptique de la partie matériel………………………………………………... 62

Fig. IV.2 Antenne Parabolique………………………………………………………………………. 63
Fig. IV.3 LNB (Low Noise Block)…………………………………………………………………… 63
Fig. IV.4 EUMETSAT clé…………………………………………………………………………… 64
Fig. IV.5 Carte d’acquisition…………………………………………………………………………. 64
Fig. IV.6 Interface générale du logiciel XRIT2PIC………………………………………………….. 65
Fig. IV.7 Les images reçues après un cycle d’acquisition…………………………………………… 65
Fig. IV.8 Les images reçues initialement……………………………………………………………. 66
Fig. IV.9 Représentation des segments d’image de canal VIS0.8µm à gauche, et HRV à droite……. 66
Fig. IV.10 Image de canal VIS0.8µm avant (à gauche), et après calibration (à droite)……………… 68
Fig. IV.11 Histogramme de l’image VIS0.8µm avant et après calibration –reflectance-……………. 69
Fig. IV.12 Histogramme normale de la région du est de l’Algérie …………………………………. 69
Fig. IV.13 Histogramme de la reflectance de la région du nord de l’Algérie……………………….. 70
Fig. IV.14 Image de canal 3.9µm avant (à gauche), et après étalonnage (à droite)…………………. 71
Fig. IV.15 Température de brillance d’un image du canal 3.9µm………………………………….. 72
Fig. IV.16 Série d’images du Canal visible 0.6 et 0.8μm , du 11 au 27 juillet 2011à 12 :30………... 73
Fig. IV.17 Canal Visible 0.6μm avant (à gauche) et après (à droite) affranchissement des nuages… 74
Fig. IV.18 Calcule de NDVI à partir d’une série d’image acquises du 17 -27 juillet 2011 ………… 76
Fig. IV.19 Canal NDVI de l’Afrique du 17 au 27 juillet 2011 à 12 :00 UTC……………………….. 77
Fig. IV.20 Résultat de classification de l’image NDVI……………………………………………… 79
Fig. IV.21 Résultats de classification de l’image NDVI sur le nord de l ’Afrique…………………... 79
Fig. IV.22 Résultats de seuillage sur l’Algérie selon la densité de la végétation…………………… 80
Fig. IV.23 Résultats de seuillage sur l’est de l Algérie Selon la densité é de la végétation ………... 80
Fig. IV.24L’image NDVI du SPOT-VEGETATION (S10) utilisé……………………………… 82
Fig. IV.25Résultat de classification de L’image NDVI du SPOT -VEGETATION (S10) l’Algérie 82
Fig. IV.26 Résultat de classification de L’image NDVI du MSG-SEVIRI (synthèse de 7 jours) 83
Fig. IV 27 Classification d’image NDVI du SPOT-VEGETATION…………………………….. 83
Fig. IV 28 Classification d’image NDVI du MSG-SEVIRI……………………………………… 83
Fig. IV.27 NDVI de l’image prise au mois d’Avril 2011…………………………………………….. 84
Fig. IV.28 NDVI de l’image prise au mois de Mai 2011……………………………………………. 84
Fig. IV.29 NDVI de l’image prise au mois de Juillet 2011…………………………………………. 85
Fig. IV.30 NDVI de l’image prise au mois de Septembre 2011…………………………………….. 85
Table des Matières
LISTE DES TABLEAUX
Chapitre (I) Satellites météorologiques
Tableau I.1 Les produits du satellite QuickBird………………………………………. 08

Tableau I.2 Produits Ikonos…………………………………………………………….. 10
Tableau I.3 Les canaux spectraux du radiomètre AVHRR/3…………………………… 15
Tableau I 4 Caractéristiques De Transmission APT……………………………………. 16
Tableau I.5 Algorithme De Linéarisation de l’APT…………………………………… 17
Chapitre (II) Meteosat Seconde Génération
Tableau. II.1 Les satellites Meteosat et MSG ………………………………………….. 24

Tableau. II.2 Caractéristiques de l'instrument SEVIRI…………………………………. 28
Tableau. II.3 Les différentes RGB. ……………………………………………………. 36
Tableau. III.1 Résumé d’indices de végétation ………………………………………….. 58
Tableau .IV.1 l’entête dune image MSG2………………………………………………. 68

Tableau IV.2 Les coefficients constantes (A, B) ……………………………………….. 71
Tableau. IV. 3 Les principaux indices de végétation les plus couramment utilisés……. 75
Tableau. IV. 4 les valeurs de NDVI pour les différents types de couvertures…………. 77
Tableau .IV 05 Caractéristiques des capteurs et des synthèses temporelles de NDVI….. 81
Tableau .IV 06: Caractéristiques des images NDVI de l’archive SPOT-VEGETATION... 81
Introduction Générale
INTRODUCTION GENERALE
La végétation couvre les deux tiers de la surface des continents avec 24%
de forêts, 15% de prairies et de toundra, 15% de savanes et 11% de cultures.
Ces biomasses sont essentiels au bien-être de l’humanité ; ils fournissent les
bases de la vie sur Terre à travers leurs fonctions écologiques, en régulant le
climat et les ressources en eau, en servant d’habitats à la biodiversité
animale et végétale ainsi qu’en fournissant des denrées essentielles à
l’Homme. Il est primordial de les préserver.
Une gestion efficace de l’environnement et des ressources agricoles

nécessite une collecte d’informations fiables et précises sur l’état des forêts
et des cultures, mais aussi, une surveillance permanente de leur évolution.
Le suivi de l’état physiologique des couverts végétaux à l’échelle locale,
régionale ou globale a pu progresser grâce à l’utilisation des techniques de
télédétection. Ces techniques se basent essentiellement sur la mesure de la
réflectance du rayonnement visible, proche infrarouge, ainsi que l’émission
infrarouge thermique. Elles permettent d’accéder à un certain nombre
d’informations, comme l’identification et la cartographie des couverts
végétaux, le suivi de la croissance des cultures, ou encore la détermination
de l’état hydrique des sols.
Les applications de la télédétection dans l’étude des surfaces terrestre

font fréquemment appel à des données à faible résolution spatiale. C’est ici
le cas du suivi de la végétation terrestre observée par les radiomètres
optiques (visible et proche infrarouge) SEVIRI des satellites
météorologiques MSG (Meteosat Second Generation).
Le but de notre étude est d’étudié les images du capteur SEVERI du

satellite Meteosat de deuxième génération MSG (une image tous les 15
minutes) pour évaluer les indices de végétation. Une série des images
satellitaires MSG sont utilisées dans notre étude. Elles vont du moi de
février jusqu’à Juillet 2011. L'analyse porte sur une série des images
contenant l'indice de végétation (NDVI) en différents mois de l’année
(Février, Avril, Mai, Juillet, et Septembre 2011). Cet indice est calculé à
partir des images dans les bandes visibles 0.6µm et 0.8µm du capteur
SEVIRI de MSG (Meteosat Second Generation) et comparer avec les
résultats obtenus a partir de capteur VEGETATION de SPOT .
Afin de décrire le travail effectué, ce mémoire comporte quatre chapitres

principaux qui décrivent les travaux cités ci-dessus et qui ont pour finalité
l’identification de la végétation terrestre par radiomètre MSG-SEVIRI et le
suivi de son évolution temporelle aux échelles mensuelles.
Introduction Générale
Après cette introduction générale, nous passons au premier chapitre qui

englobe les principaux types de satellites météorologique (très haute, haute,
et, basse résolution spatiale), ainsi que leurs fonctionnement, et leurs
applications.
Dans le deuxième chapitre, nous présentons le programme METEOSAT

Deuxième Génération (MSG). Nous introduisons le programme MSG et sa
mission principale, à savoir la prévision météorologique. Nous abordons
ensuite la mise en orbite des satellites MSG, puis détaillons les principales
améliorations par rapport à la première génération. Nous poursuivons sur
les missions élargies des MSG.
Le troisième chapitre traite les bases physique qui intervienne dans le

calcule des différentes indices de végétation différentes, ainsi que les
propriétés spectrales de la végétation.
Nous abordons dans le quatrième chapitre l’étude expérimentale des

différentes approches vues en deuxième et troisième chapitres et les
différents résultats obtenus ainsi que les interprétations correspondantes.
Nous terminons par une conclusion qui contient une évaluation des
travaux effectués et les perspectives pour continuations.
SATELLITES
METEOROLOGIQUES
Satellites Météorologiques Chapitre[I]
INTRODUCTION
La télédétection spatiale permet d'observer le système terre, océans, atmosphère en

s'appuyant sur des méthodes d'acquisition de l'information à distance basées sur les propriétés
du rayonnement électromagnétique. Les capteurs satellitaires permettent de mesurer l'énergie
réfléchie et (ou) émise par la surface de la terre, les océans ou par l'atmosphère et donc
d'analyser et de suivre l'évolution de ces milieux au cours du temps.
I. LES MESURES D'UN SATELLITE METEOROLOGIQUES

Chaque satellite météorologique fournit plusieurs milliers de données très diverses tous les
jours. Ces informations sont ensuite utilisées par les météorologues pour suivre en temps réel
l'évolution de la météo et en extraire des données dérivées (température et albédo). L'avantage
du satellite est qu'il peut, contrairement à un autre moyen de mesurer des données n'importe
où sur terre, même au milieu de l'océan. Mais le satellite ne reçoit pas directement des images
ou des données de température, de vitesse ou d’humidité, il analyse les ondes
électromagnétiques provenant des différents objets et en déduit, par les caractéristiques de ces
ondes, différents paramètres météorologiques.
En effet, chaque corps n'a pas le même albédo ce qui permet au satellite de différencier eau
et terre par exemple. Suivant le but recherché, chaque satellite n'analyse pas dans la même
longueur d’ondes, ils opèrent dans différentes bandes spectrales, dans différents canaux.
Pour établir ses mesures à distance, le satellite météorologique utilise des capteurs passifs
(par exemple les radiomètres ), sont ceux qui reçoivent le rayonnement de la terre, qu’il soit
émis par celle-ci ou reflété, c'est la télédétection passive. Ou alors, il peut utiliser des capteurs
actifs par exemple les radars, qui émettent une onde électromagnétique et analysent le signal
réfléchi par le sol: c'est la télédétection active (Fig. I.2). [05]
Fig. I.1 Fonctionnement des capteurs, passif (A) et actif (B)
4
I.1 SATELLITES GEOSTATIONNAIRES
Le satellite géostationnaire couvre une large fraction de la Terre. Il apporte, grâce à son «
immobilité », des informations essentielles sur les systèmes nuageux, et donc sur l'évolution
des perturbations.
Le principal instrument utilisé sur les satellites géostationnaires est le radiomètre-imageur.

L'image est obtenue par un balayage combinant la rotation du satellite sur lui-même et
l'orientation du radiomètre. Le satellite européen Meteosat 7 est capable de fournir une image
complète du globe toutes les demi-heures ; son successeur, MSG (Meteosat Seconde
Génération), plus performant, peut le faire toutes les quinze minutes. En effet l'imageur de
MSG est plus perfectionné, il possède 12 canaux, ce qui lui permet de mesurer d'autres
paramètres atmosphériques.
Fig. I.2 Le satellite géostationnaire meteosat7
Le radiomètre possède plusieurs canaux, qui correspondent chacun à une bande

particulière de longueurs d'ondes électromagnétiques (les géostationnaires évoluent plutôt
dans le visible et l'infrarouge). L'imageur de METEOSAT 9 par exemple possède 12 canaux
(visible, infrarouge et, vapeur d’eau) :
1. Dans le canal visible, la lumière solaire, réfléchie par la surface terrestre ou les nuages. Ce
canal n'est utilisable que lorsqu'il fait jour sur la Terre.
2. Dans le canal infrarouge, le radiomètre mesure l'émission thermique de la cible, et donc sa

température, cela de jour comme de nuit.
3. Dans le canal vapeur d'eau, le radiomètre mesure la quantité de vapeur d'eau présente dans
la moyenne troposphère.
Un satellite géostationnaire assure une surveillance continue de la même partie du globe

terrestre, pour cela ils ont une vitesse angulaire égale à celle de la rotation de la terre et c’est
pour cette raison qu’ils apparaissent immobiles pour un observateur terrestre.
5
I.2 LES SATELLITES A DEFILEMENT
Tout comme les satellites géostationnaires, les satellites à défilement sont munis d'un
radiomètre à plusieurs canaux qui analyse la Terre et son atmosphère. Du fait de leur mobilité,
ils peuvent analyser les régions polaires (comme la Scandinavie) contrairement aux
géostationnaires (Fig. I.4, Fig. I.3). En revanche, comme les satellites défilants ne survolent une
région que deux fois par jour, on ne peut pas établir et suivi en temps réel des masses
nuageuses. L'image d'une partie du globe est obtenue en combinant le mouvement du satellite
et le balayage du radiomètre dans la direction perpendiculaire à son mouvement.
Fig. I.3 La trace au sol du champ de vue d’un satellite polaire, ce type d’orbite permet au satellite
d’observer la totalité du globe
Fig. I. 4 L'acquisition d'un satellite à défilement, MetOp
6
La météorologie satellitaire couvre donc un espace bien plus vaste, ce qui est
particulièrement intéressant; toutefois, ces avantages sont altérés par les difficultés
d'interprétation des données (car ce ne sont pas directement des données de vent, de
température, d'humidité ...).
II. LES SATELLITES A TRES HAUTE RESOLUTION SPATIALE
II.1. LES APPLICATIONS
 détection d’objets de dimension métrique et sub-métrique, permettant l’élaboration de

documents cartographiques à très grande échelle,
 Extraction d’informations détaillées dans les domaines de la défense et de la
surveillance, du géo-marketing, de la planification urbaine, de l’étude des grandes
infrastructures et de l’implantation des réseaux télécoms.
Fig. I.5 image de haute résolution spatiale acquise par le satellite Quickbird
II.3 E XEMPLES DES SATELLITE A TRES HAUTE RESOLUTION SPATIALE
II.3.1 QUICK B IRD
CARACTERISTIQUES
Le satellite QuickBird, lancé en octobre 2001, acquiert des images noir et blanc à 61 cm de
résolution et des images couleurs (4 bandes) à 2,44 m de résolution couvrant une surface de
16,5 km x 16,5 km.
7
PRODUITS
Les images QuickBird sont disponibles selon 3 niveaux de traitement : Basic, Standard et
Orthorectified. Les produits Basic sont commercialisés à la scène, alors que les produits
Standard et Orthorectified sont commercialisés au km², assortis d’une surface d'acquisition
minimum et maximum variant selon que l'image soit en archive ou programmée.
Produit Niveau de correction Exemples d'applications
Basic corrections radiométriques et Photogrammétrie de précision

corrections des distorsions dues grâce aux paramètres fournis
aux détecteurs (attitude, éphémérides, et
informations sur le modèle de
l’instrument
Standard corrections radiométriques et Pour les petites surfaces ou les
corrections des distorsions dues applications ne nécessitant pas
aux détecteur, une grande précision de
corrections géométriques selon localisation
une projection cartographique Requiert des outils de
donnée traitement d’image
Orthorectifie corrections radiométriques et Produit directement intégrables
d corrections des distorsions dues dans un SIG ; fond
aux détecteurs, cartographique idéal pour la
corrections géométriques selon création ou la mise à jour de
une projection cartographique cartes et bases de données SIG
donnée Détection de changement et
suppression des distorsions autres analyses d’image
dues au relief grâce à nécessitant une très grande
l’utilisation d’un MNE et des précision de localisation
points d’appui (dans certains
cas fournis par l’utilisateur
Tableau I.1. Les produits du satellite QuickBird
Fig. I.6 La Statue de la Liberté - Image satellite QuickBird
8
II.3.1 IKONOS
CARACTERISTIQUES
Le satellite Ikonos, lancé en septembre 1999, acquiert des images noir et blanc à 1 m de
résolution et des images couleurs (4 bandes) à 4 m de résolution. Les images couvrent une
surface de 11 km x 11 km. Ikonos est programmable et l’instrument de prise de vue
orientable, ce qui permet la revisite d’un même site en moins de 3 jours.
Les images Ikonos sont commercialisées au km² : l’utilisateur définit une zone d’intérêt,
d’une forme quelconque mais d’une surface minimum, pouvant être composée d’une ou
plusieurs portions de scène.
PRODUITS
Les images Ikonos sont proposées à différents niveaux de traitement géométrique :
 les produits Geo : ils sont rectifiés selon un ellipsoïde spécifique et dans une
projection donnée, au choix de l'utilisateur.
 Les produits Ortho : ils sont corrigés des distorsions dues au relief grâce à un MNE
issu d’Ikonos ou fourni par l'utilisateur. Seuls les produits Precision et Precision Plus
utilisent des points de contrôle.
Produit Précision Exemples d'applications

horizontale (CE 90)
Geo 15m Photo-interprétation et analyses

ne nécessitant pas une grande
précision de localisation
Standard Ortho 50m Projets cartographiques

standards
Reference 25,4m Cartographie de grandes
surfaces et applications SIG
o pour les médias, assurances et
r autres marchés commerciaux
t Pro 10,2m Etudes d'impact
h environnementales, transport et
o planification urbaine, ... pour
les collectivités locales et
régionales, l'agriculture, les
télécommunications et les
services aux usagers
Precision 4,1m Cartographie urbaine,
applications SIG nécessitant
une grande précision de
localisation
Precision Plus 2m Cartographie urbaine,
applications SIG nécessitant
une très grande précision de
localisation
Tableau. I. 2 Produits Ikonos
9
Fig. I.7 Image satellite IKONOS - Dubai
III. LES SATELLITES A HAUTE ET MOYENNE RESOLUTION SPATIALE
III.1 LES APPLICATIONS

Les images de résolution moyenne (10 à 30 mètres) permettent :
 d’opérer une classification générale des terrains,

 de localiser et cartographier les différents types d’habitat urbain, les infrastructures
routières, les grands édifices urbains, les aéroports,
 de localiser et différencier les couverts forestiers et les terrains agricoles.
III.2 E XEMPLES DES SATELLITES A MOYENNE RESOLUTION SPATIALE
III.2.1 LANDSAT
Depuis 1972, les satellites Landsat acquièrent en continu, selon une visée verticale, des
images d’une grande richesse spectrale, constituant ainsi une archive systématique reflétant
les évolutions de notre planète à l’échelle régionale.
Couverture : 185 x 170 km
10
Résolution :
30 m en multispectral (6 bandes) .
60 m en thermique.
15 m en panchromatique avec Landsat 7 .
III.2.2 IRS
Depuis 1995, les satellites IRS acquièrent des images grâce à différents capteurs :
 Pan : panchromatique : 5,8 m de résolution pour une fauchée de 70 km

 LISS-3 : multispectral 4 bandes : 23 m (sauf MIR à 70m) pour une fauchée de 140 km
 WiFS : large champ, 2 bandes : 188 m de résolution pour une fauchée de 810 km
Fig. I.8 Image satellite Landsat 7 (à gauche) , Image satellite - IRS - WiFS (à droite)
IV LES SATELLITES A BASSE RESOLUTIONS SPATIALES OU SATELLITES

'GRAND CHAMP '
L'imagerie satellite à moyenne et basse résolutions spatiales est utilisée de manière

régulière depuis bientôt une trentaine d'années pour étudier la biosphère terrestre sur de vastes
étendues.
A l'échelle de la planète, les satellites 'grand champ' permettent de suivre les variations
saisonnières et annuelles des couverts végétaux. Ils sont des outils irremplaçables et
constituent une importante source d'informations pour mieux comprendre le fonctionnement
de la biosphère, la répartition des types de végétation, ainsi que sa variabilité saisonnière et
interannuelle et même à plus court terme. La fréquence de passage des satellites basse
résolution, comme les NOAA-AVHRR qui couvrent pratiquement toute la surface de la Terre
au moins une fois par 24 heures, permet de cartographier des variations à court terme de la
végétation à l'échelle planétaire. Sur une période de quelques jours, la plupart des zones
peuvent être vues en conditions claires, et il est possible de construire des cartes de végétation
hebdomadaires comme celles présentées ci-dessous.[02]
11
Fig. I.9 Cartes de végétation
VI.1 E XEMPLES DES SATELLITES A BASSE RESOLUTION SPATIALE

VI.1.1 LES SATELLITES NOAA
Sont placés en orbites basses et transmettent leurs informations en directe et en continu.
Les images obtenues nécessitent un repositionnement géographique pour chacune des orbites.
La NOAA (National And Oceanic And Atmospheric Administrartion ) est une
administration américaine chargé notamment de l’exploitation des satellites météorologiques
à orbites basses ( environ 850 Km d’altitude ) . Leurs période est d’environ 102 minutes et ils
se décalent d’environ 25° de longitude par révolution. A chaque passage, ils donnent plusieurs
images simultanées, l’une en visible et l’autre dans différences longueurs d’ondes du canal
infrarouge.
12
VI.1.2 MISSION DES SATELLITES NOAA :

Leurs mission sont principalement orientées vers :
- L’observation des phénomènes météorologiques

- La cartographie de la structure thermique superficielle des océans
- L’agro météorologie
- L’étude de l’évolution de l’environnement marin et côtier
Le premier d’entre eux fut mis en orbite en 1970, et depuis cette date, 19 satellites NOAA
furent lancés. Au fil des ans, l’instrumentation embraquée a évolué du point de vue
technologique et les performances offertes actuellement sont évidemment bien supérieurs à
celles du début de la filière.
Fig. I.10 Satellite NOAA en orbite
VI.1.3 CARACTERISTIQUES ORBITALES :

Les satellites de la série NOAA évoluent à une altitude de l’ordre de 820 à 850 Km sur
une orbite inclinée de 99° par rapport au plan équatorial. Leurs période est de 101 à 102
minutes si bien qu’ils survolent l’équateur au moins 14 fois par jour en passage ascendant.
Les satellites NOAA opérationnelles sont déphasés : une même région est survolée 4 fois par
jour à des intervalles d’environ 6 heures.
VI.1.4 LES DONNEES NOAA :

Les satellites NOAA sont essentiellement connus par les nombreuses images de la terre et
de l’atmosphère qu’ils délivrent chaque jour.
Les données acquises à bord de ces satellites sont transmises vers des stations de réception
au sol, soit en mode APT (Automatic Picture Transmission, basse résolution), soit en mode
HRPT ( High ResolutionTansmission) .
13
VI.1.5 LE CAPTEUR NOAA/ AVHRR :

AVHRR (Advanced Very High Resolution Radiometer) est un capteur météorologique
américain de la série NOAA. Son objectif initial est de fournir des informations sur la
couverture nuageuse (localisation, température, réflectance), et d’estimer la température de la
surface de la mer à l’aide des mesures passives effectuées dans le domaine du visible, du
proche infrarouge et de l’infrarouge thermique.
On peut citer :
- L’AVHRR/2 dont la fauchée est de 2600Km et la résolution de 1.1Km (visible) et de

4Km (IR)
- L’AVHRR/3 : dont la fauchée est de 2940Km et offrant une résolution spatiale de
1.1Km à la verticale du satellite dans cinq bandes spectrales, du visible à l’infrarouge
thermique, mais la résolution passe à 4Km en bord d’image.
Ce radiomètre permet de cartographier la végétation et les formations nuageuses et de
déterminer la température et l’humidité dans l’atmosphère et sur la terre. La résolution
spatiale est de 1.1m au niveau de la surface de la terre, à la verticale du satellite.
A partir de NOAA-15, le radiomètre AVHRR/3 apporte aux canaux PIR des améliorations
de la détection de lumière. Il comporte un sixième canal, baptisé 3A et partagé
temporellement avec le canal précédent baptisé désormais canal 3B.
Canal Bandes spectrales Utilisation typique

1 (Visible) 0.580-0.68 De jour : nuage
µm
2 (proche IR) 0.725-1.00 De jour : terre et eau
µm
3A(AVHRR/3) (proche IR) 1.580-1.64 De jour : neige et glace
µm
3B (fenêtre IR) 3.550-3.93 Nuages, température de surface
µm de mer
4 (fenêtre IR) 10.300-11.3 Nuages, température de mer
µm
5 (fenêtre IR) 11.500-12.5 Température de surface de mer
µm
Tableau .I.3 : Les canaux spectraux du radiomètre AVHRR/3
VI.1.6 DESCRIPTION DU SYSTEME APT
Le système de transmission d'images automatique (APT) fournit un flux de données de

résolution réduite de l'instrument AVHRR. Chaque deux canaux AVHRR peuvent être
choisis par une commande au sol pour traiter et envoyer la sortie final à l'émetteur APT du
satellite. Un canal visible est utilisé pour fournir une image APT dans le domaine visible
pendant la période diurne, et un canal IR est utilisé constamment (jour et nuit). Un deuxième
canal IR peut être disposé pour remplacer le canal visible pendant la période nocturne de
l'orbite. Le signal analogique APT est transmis sans interruption et peut être reçu par une
station au sol en temps réel par un équipement relativement peu sophistiqué et peu coûteux.
14
Les caractéristiques du signal transmis demeurent sans changement dans la série des
satellites NOAA-KLM de ceux de la série de TIROS-n (NOAA-8 à NOAA-14), alors qu'il y a
un changement mineur du format de données pour tenir en compte le canal modifié 3 sur
l'instrument AVHRR/3.
VI.1.7 CARACTERISTIQUES DE TRANSMISSION APT

Les données de l’instrument AVHRR sont traitées en AM, ils modulent une sous-porteuse
de 2400 Hz. La modulation maximum de la sous-porteuse est définie pendant que l'amplitude
de la case du niveau de gris numéro 8 (voir Fig. I.12), produisant un indice de modulation de
87% ±5% (n'excédant pas 92%). La sous-porteuse modulée en AM, module de son tour en
FM l'émetteur VTX qui fonctionne dans la bande 137 - 138 MHz. La table VI.2 récapitule
les caractéristiques de transmission du format APT.
Fig. I.11 : Format de la trame
15
Taux De Ligne 120 lignes/min

Canaux De Données 2transmis
6 disponibles (5 pour AVHRR/2)
Résolution De Données 4,0 Km
Modulation De Porteuse sous porteuse AM de 2,4 KHz sur une
porteuse FM
Fréquence D'Émetteur (MHz) 137,50 ou 137,62
Puissance d'Émetteur (EOL) 5 watts (37dBm)
Puissance rayonnée (dBm, @ 63 36,7
degrés)
Polarisation RCP
Tableau I. 4 Caractéristiques De Transmission APT.
Le tableau ci-dessous énumère les paramètres de format APT.
TRAME
Taux 1 trame/64 sec
Longueur 128 lignes
Format Voir Le Tableau VI.2
Paramètres ligne
Taux 2 lignes/sec
Nombre de mots (ou pixels) 2080
Nombre de canaux sonde 2
Nombre de mot/sonde de chaque canal 909
Format Voir Le Schéma I.12
Tableau I.6 : Paramètres APT.
16
Fig. I.12 : Format de la ligne Vidéo APT
En examinant le format de la trame représentée sur la figure (Fig. IV.11) nous pouvons
remarquer que le canal A et le canal B ont une série de 16 cases utilisées pour calibrer l’image
APT. Chacune des cases se compose de huit lignes vidéo successives. Seulement les cases
d’une trame d’un passage entier reçu, sont nécessaires pour le calibrage. notez en outre que
les cases 1 à 14 sont identiques sur les images des deux canaux A et B. seulement les cases 15
( la dernière valeur de balayage quand un des radiomètres IR ‘’ aperçoit’’ un corps radiateur
noir) et 16 ( canal d’identification) changent entre le canal A et B .
La case d’identification de canal a été changée dans la série de NOAA-KLM, maintenant
qu’il y a six canaux possibles 1, 2,3A, 3B, 4 et 5. L’indice de modulation de la case 16 égalera
un des six premières des cases niveaux de gris. La case 3 correspondra au canal 3A étant en
service, alors que la case 6 correspondra au canal 3B étant en service. Tous les autres nombres
de canaux seront identiques au nombre de la case de niveau de gris correspondante.
17
IV.2 LES SATELLITES SPOT-VEGETATION

IV.2.1 CARACTERISTIQUES
VEGETATION est un instrument multispectral embarqué à bord des satellites Spot 4 et
Spot 5.
Ses images ont une résolution constante de 1 km sur toute la largeur d’un champ de 2400 km,
offrant un accès quasi quotidien à l'ensemble du globe.
Parmi les 4 bandes spectrales, les 3 bandes caractérisant la végétation (rouge, proche-
infrarouge et moyen-infrarouge) sont identiques à celles des instruments HRVIR et HRG de
Spot, autorisant des études couplées et des interprétations à plusieurs échelles spatiales et
temporelles. La 4e bande, dans le domaine du bleu, permet d’effectuer les corrections
atmosphériques des 3 autres bandes.
IV.2.2 APPLICATIONS
Les principales missions de VEGETATION sont d’assurer un suivi continu, régional et
global de la biosphère continentale et de fournir des mesures précises sur les principales
caractéristiques du couvert végétal, notamment dans le domaine des productions agricoles et
des conséquences de la déforestation. VEGETATION fournit également des informations sur
la couleur de l’eau, utiles dans les applications océanographiques.[06]
IV.2.3 PRODUITS
Trois types de produits VEGETATION sont disponibles :
 les produits primaires (P), extraits à partir d’un seul segment de prise de vue.
 Les synthèses journalières (S1) ou décadaires (S10), mosaïques des segments de prise
de vues acquis, respectivement en 24h et au cours des 10 derniers jours.
 Les index de végétation (NDVI) calculés à partir des synthèses journalières ou
décadaires.
Fig. I. 13 Produit S10 fournit par le satellite SPOT – VEGETATION
18
VI.3 LES SATELLITES METEOSAT

METEOSAT est une famille de l’agence spatiale européenne (ESA), ils permettent
l’observation en continu d’une zone précise du globe.
Les satellites météosate envoie régulièrement sur terre de nombreuses images numériques
de le surface terrestre et autres données qui permettent aux météorologues , a partir des
observations d’anticyclones, dépressions , atmosphériques, masse nuageuse(etc.) ,d’élaborer
les bulletins météorologiques . Ces données sont également essentielles pour anticiper
certains phénomènes météorologique ravageurs tels que les ouragans, tempêtes ; et pour le
suivi de l’évolution du climat de la planète
VI.3.1 CARACTERISTIQUES DU SATELLITE METEOSAT

Les satellites géostationnaires européens METEOSAT, sont placés en orbite équatoriale à
35800 km d'altitude environ, niveau d'équilibre qui les permet d'avoir la même vitesse
angulaire que la terre et d'être ainsi fixent par rapport à la terre. Sa position nominale se situe
à l'intersection du méridien de Greenwich et de l’Equateur, ce qui en fait un instrument
particulièrement adapté à l'étude du continent africain et européen.
Fig. I.14 Les satellites METEOSATE
VI.3.2 METEOSATE SECONDE GNERATION MSG
La seconde génération des satellites météorologies Météosate(MSG) utilise un nouveau

capteur SEVRI (Chapitre II) qui présente des caractéristiques améliorées par rapport à la
première génération (1 prise de vues toutes les 15 minutes, 11 cannaux spectraux à résolution
3Km et 1 canal panchromatique à résolution 1Km).plus de détaille sur ce satellite dans le
chapitre-II-.
19
CONCLUSION
Les observations des satellites météorologiques géostationnaires servent à établir toutes
sortes d’indices de végétation. Cette capacité s’est avéré un moyen très souple et utile, pour la
prévision des récoltes et pour la surveillance de conditions agricoles changeantes. Les
méthodes reposent sur l’utilisation de deux canaux très sélectifs de prise d’images dans la
bande visible, ayant chacun une sensibilité différente à la quantité de chlorophylle dans la
végétation. Les satellites qui nous intéressent dans ce travail sont les satellites METEOSAT
(du Système Européen EUMETSAT). Actuellement trois satellites sont en activité quelque
part à 36 000 km d'altitude en longitude proche de 0 ° presque au dessus de l’équateur.
20
METEOSAT DEUXIEME
GENERATION
Meteosat Second Génération MSG Chapitre [II]
INTRODUCTION
Dans ce chapitre, nous présentons le programme METEOSAT deuxième Génération (MSG).

Nous introduisons le programme MSG et sa mission principale, à savoir la prévision
météorologique. Nous abordons ensuite la mise en orbite des satellites MSG, puis détaillons les
principales améliorations par rapport à la première génération. Nous poursuivons sur les missions
élargies des MSG.
I. METEOSAT DEUXIEME GENERATION
I.1 LE PROGRAMME MSG
Le programme MSG initié en 2002 est un programme commun à l'ESA (Agence Spatiale
Européenne) et à EUMETSAT (Organisation européenne d’exploitation des satellites
météorologiques). La mise en place de ce programme repose sur un double constat : d'une part,
l'amélioration continue des technologies spatiales et de transmission des données au cours des
trente dernières années et d'autre part, des besoins accrus de la communauté scientifique en
matière d'étude de l'atmosphère, du climat et de l'environnement en général. Les satellites MSG
(Meteosat Seconde Generation) (dont le premier a été mis en orbite en août 2002) doivent
permettre d'améliorer grandement les services offerts par les satellites METEOSAT de première
génération, en apportant une information à la fois plus riche, plus précise et plus fréquente que
leurs prédécesseurs.
Le segment spatial du système ‘’METEOSAT Seconde Generation’’ comprend quatre

satellites, de MSG-1 à MSG-4, qui, lancés à tour de rôle, assureront la pérennité du programme
jusqu'en 2018 et permettront d'améliorer nos connaissances en météorologie et sur la surveillance
du climat et de l'environnement. Après, un nouveau système d'observation spatiale, le programme
Meteosat Troisième Génération (MTG) devrait assurer la continuité du programme MSG. [02]
I.2 MISSION PRINCIPALE (PREVISIONS METEOROLOGIQUES)

Depuis les premiers lancements à la fin des années 1970, la mission principale des satellites
METEOSAT est d'acquérir des images des systèmes nuageux, jour et nuit, de façon à permettre
aux météorologues d'effectuer les prévisions quotidiennement. Les données transmises sont
également essentielles pour anticiper les phénomènes météorologiques extrêmes comme les
tempêtes, les orages violents, les inondations, etc. et pour suivre l'évolution du climat de la planète
sur le long terme.
I.3 MISE EN ORBITE
Le 28 août 2002 à 22h45 UTC, le premier satellite météorologique européen de la série des
METEOSAT Seconde Generation (MSG-1) était mis sur son orbite géostationnaire à 35800 km
d'altitude par un lanceur Ariane 5 (vol 155). D'abord placé sur une orbite de transfert (périgée de
580 km et apogée de 35994 km), il a ensuite été positionné sur son orbite géostationnaire. Stabilisé
par un mouvement de rotation autour de son axe principal, comme tous ses prédécesseurs, le
satellite effectue un "balayage" continu du disque terrestre dans sa totalité, à l'exception des
régions polaires (Fig. II.1). Sa position nominale à l'intersection du méridien 3,4° Ouest et de
l'Equateur, en fait un instrument particulièrement adapté à l'étude de l'Europe, l'Afrique et les mers
22
adjacentes (Fig. II.2). Le satellite MSG-1 est devenu Meteosat 8 le 28 janvier 2004, lors de sa mise
en œuvre opérationnelle. Il est toujours opérationnel. [02]
Un an plus tard, le 21 décembre 2005, le deuxième METEOSAT de Seconde Generation

MSG-2, était mis sur orbite. Il est opérationnel depuis juin 2006 et a pris le nom de Meteosat 9.
Depuis sa mise en exploitation, Meteosat 9 est devenu le satellite principal, Meteosat 8 a été
déplacé de sa position à la longitude de 9,5° Est et assure la fonction de satellite de réserve pour
Meteosat 9.
MSG-2 sera suivi de MSG-3 et MSG-4, dont les lancements sont prévus pour 2011 et 2013
respectivement. MSG-3 a déjà été intégré et testé, il sera stocké au sol jusqu'à ce que Meteosat 8
parvienne à la fin de son espérance de vie prévue, tandis que MSG-4 est actuellement en cours de
fabrication.
Fig. II.1- Mise en orbite du satellite MSG
Fig. II.2 - Zone géographique couverte par les satellites MSG
23
I.4 DEUX GENERATIONS DE SATELLITES METEOSAT
Le programme METEOSAT est opérationnel depuis plus de trente ans, avec le lancement du
premier satellite, METEOSAT 1, le 23 novembre 1977. Depuis, six autres satellites de première
génération ont été lancés, tous avec succès. Si les cinq premiers satellites sont maintenant hors
d'usage, METEOSAT 7, le dernier de la série mis sur orbite en septembre 1997 est toujours
opérationnel, au-dessus de l'océan Indien. METEOSAT 6 est lui aussi en exploitation, comme
satellite de réserve de Meteosat 7. Depuis août 2002, la première génération est relayée par les
satellites METEOSAT Seconde Generation beaucoup plus performants.
Satellites Meteosat et MSG (Meteosat Second Génération)

Initiateur France
Origine Projet de satellite d’observation du climat conçu par le
CNRS en 1968
Participants Pays membres de l'agence spatiale européenne (ESA )
Statut Meteosat 5, 6, 7 en cours d'exploitation
MSG 1 et MSG 2 en cours d’exploitation
MSG 3 et MSG 4 stockés
Société d’exploitation des Eumetsat
satellites
Objectifs Effectuer des observations météorologiques depuis l'espace
pour la prévision immédiate et l’évaluation, à long et moyen
termes,
de l’évolution du climat
Missions Meteosat 1 : 1977-1985
Meteosat 2 : 1981-1983
Meteosat 3 : 1988-1995
Meteosat 4 : 1989 -1995
Meteosat 5 : lancé en 1991
MSG 1 (Meteosat 8) : lancé le 28 août 2002
MSG 2 (Meteosat 9) : lancé le 22 décembre 2005
MSG 3 : lancement prévu en 2011
MSG 4 : lancement prévu en 2012
Lanceurs Thor-Delta (Etats-Unis), Ariane 1, 4 et 5
Tableau II.1 Les satellites Meteosat et MSG
24
I.5 PRINCIPALES AMELIORATIONS DES SATELLITES MSG
Si les observations faites par les satellites METEOSAT de la première génération ont permis
des avancées spectaculaires dans le domaine des prévisions météorologiques au cours des trente
dernières années, il devient nécessaire aujourd'hui, pour répondre aux besoins sans cesse
croissants des utilisateurs et continuer à améliorer nos connaissances sur l'évolution dynamique de
l'atmosphère, la météorologie et l'environnement, de disposer d'observations spatiales à la fois plus
fréquentes et plus précises. C'est dans ce cadre que les nouveaux capteurs MSG ont été mis en
orbite pour assurer l'observation continue de l'atmosphère et de la surface terrestre jusque vers
2018, où les satellites de troisième génération devraient prendre le relais.
De forme cylindrique comme les METEOSAT première génération, mais deux fois et demi
plus gros, et bien plus performants que leurs prédécesseurs, les satellites METEOSAT de Seconde
Génération permettent d'obtenir des images dans un plus grand nombre de longueurs d'ondes, à
une résolution spatiale plus fine et à une fréquence plus élevée que la génération précédente
(figure ci-dessous).
Caractéristiques :
Première Génération Seconde Génération :
Hauteur totale 3,2 m 2,4 m
Diamètre 2,1 m 3,7 m
Masse totale 720 kg 2000kg
Durée nominale prévue 5ans 7ans
Puissance panneaux solaires 200 w 600w
Radiomètre imageur 3 canaux 12 canaux
Stabilisation gyroscopique 100 tours mn 100 tours mn
Acquisition Toutes les 30 mn Toutes les 15 mn
Résolution spatiale 5km 3km (1km pour : HRV)
Résolution radiométrique 0,4 k 0,25 k
Pas d’Instrument : GERB Instrument : GERB
Fig. II.3-Les satellites METEOSAT - comparaison entre la première et la seconde génération
Les principales améliorations de MSG tiennent aux trois instruments qu'ils emportent : le
radiomètre SEVIRI décrit dans le paragraphe suivant, l'instrument géostationnaire de
détermination du bilan radiatif de la Terre GERB, ainsi qu'un répéteur de «recherche et sauvetage»
qui seront détaillés dans le paragraphe.
25
II. LE RADIOMETRE IMAGEUR SEVIRI
Le radiomètre SEVIRI transmet des images des structures météorologiques à une

résolution de 3 Km pour tous les canaux à l'exception du canal visible haute résolution (HRV) qui
a une résolution d'un Km. Ses 12 canaux permettent de procéder à ce qu'on appelle un "pseudo
sondage". La fréquence de son cycle de vue rapide, avec une nouvelle image toutes les 15
minutes, permet de suivre les phénomènes météorologiques à évolution rapide, ce qui s'avère
d'une grande utilité pour les prévisionnistes qui peuvent ainsi reconnaître et prévoir les
phénomènes météorologiques dangereux, orages, pluies violentes, brouillards ou le
développement de dépressions aussi petites qu'intenses susceptibles d'aboutir à des tempêtes
dévastatrices.[2]
Le capteur SEVIRI est un radiomètre à balayage et c'est la rotation du satellite autour de

son axe principal d'inertie qui est utilisée pour réaliser l'acquisition des images.
Fig. II.4 - Radiomètre SEVIRI.
Le satellite tourne à 100 tours par minute autour d'un axe parallèle à l'axe Nord-Sud de la terre.
Le télescope du radiomètre de Meteosat vise la terre par l'intermédiaire d'un miroir et balaie à
chaque révolution du satellite une étroite bande de la surface de la terre. L'angle de balayage
correspondant, de 18°, est décrit en 30 ms. Pendant les 570 ms suivantes, le télescope vise l'espace
et cette durée est mise à profit pour modifier l'orientation du miroir, de façon qu'au tour suivant, il
balaie au sol une bande contiguë à la précédente, mais plus au nord. La phase de non acquisition
de données est mise à profit pour calibrer les détecteurs. Le radiomètre est l'instrument principal
dont les satellites météorologiques sont équipés. Cet instrument balaye la surface de la terre ligne
par ligne. Chaque ligne consiste en une série d'images élémentaires ou pixel. Pour chaque pixel, le
radiomètre mesure l'énergie radiative dans différentes bandes spectrales.
Cette mesure est numérisée, puis transmise à une station au sol où elle est traitée, avant d'être
envoyée à la communauté des utilisateurs.
26
Outre SEVIRI, les satellites MSG ont a bord l'instrument GERB de mesure du bilan radiatif de
la terre qui fournit des informations précieuses sur le rayonnement de la planète, permettant aux
chercheurs de calculer avec une grande précision le bilan radiatif terrestre, c'est-à-dire le rapport
entre le rayonnement venant du Soleil et celui renvoyé dans l'espace. En complément de ces deux
instruments, les satellites MSG sont dotés d'une charge utile de télécommunications très
perfectionnée, nécessaire à l'exploitation, à ses télécommunications et à la diffusion des données
aux utilisateurs.
Fig. II.5-Les douze bandes spectrales de SEVIRI
A titre de comparaison, les capteurs METEOSAT de la première génération ne disposaient que

de trois canaux spectraux et transmettaient les images du globe toutes les trente minutes. La
résolution spatiale est également améliorée, puisqu'elle est de 3km pour les bandes multispectrales
(contre 5km pour la première génération) et de 1km pour le canal visible haute résolution HRV
(contre 2,5km auparavant). Les performances de cet instrument, à la fois sur la résolution
temporelle, la résolution spectrale et la résolution spatiale vont permettre aux météorologistes de
décrire plus précisément les processus atmosphériques et de déceler plus aisément les phénomènes
localisés à évolution rapide ou violente, tels que les orages, les tempêtes de neige ou le brouillard.
L'instrument principal, le radiomètre imageur SEVIRI transmet des images de l'hémisphère

terrestre dans des bandes spectrales différentes, du visible à l'infrarouge thermique. Les
caractéristiques des 12 bandes spectrales de MSG et leurs principales utilisations sont synthétisées
dans le tableau suivant :
27
N° Bandes Caractéristiques des bandes Résolution Utilisations

canaux spectrales spectrales ( μ m) spatiale
λmin λ λmax
1 VIS0.6 0.56 0.635 0.71 3 km -Détection et suivi des masses nuageuses, étude des terres
émergées
2 VIS0.8 0.74 0.81 088 3 km -Détection et suivi des masses nuageuses, étude des terres
émergées
3 PIR1.6 1.50 1.64 1.78 3 km -Distinction nuages d'eau et de glace, distinction neige /
nuages chargés d'eau
4 IR3.9 3.48 3.90 4.36 3 km -Détection des nuages bas et brouillards nocturnes,
températures de surface, incendies de forêts
5 WV6.2 5.35 6.25 7.15 3 km -Mesure de la vapeur d'eau dans la haute troposphère,
instabilités atmosphériques et vents locaux
6 WV7.3 6.85 7.35 7.85 3 km -Mesure de la vapeur d'eau dans la moyenne troposphère,
instabilités atmosphériques et vents locaux
7 IR8.7 8.30 8.70 9.10 3 km -Détection des cirrus, instabilités atmosphériques
8 IR9.7 9.38 9.66 9.94 3 km -Mesure de l'ozone
9 IR10.8 9.80 10.80 11.80 3 km -Détection des nuages, températures des surfaces terrestres
et océaniques, instabilités atmosphériques
10 IR12.0 11.00 12.00 13.00 3 km -Détection des nuages, températures des surfaces terrestres
et océaniques, instabilités atmosphériques
11 IR13.4 12.40 13.40 13.40 3 km -Détermination de la hauteur des cirrus, instabilités
atmosphériques
12 HRV Large bande 0.4 - 1.1 1 km -Détection et suivi des masses nuageuses, étude des terres
émergées
Tableau. II.2. Caractéristiques de l'instrument SEVIRI
II.1 MISSIONS ELARGIES

Avec les satellites ‘’Meteosat Seconde Generation’’, la mission principale reste bien entendu
toujours la même, à savoir, améliorer les prévisions météorologiques quotidiennes et anticiper les
phénomènes violents.
Cependant les données plus nombreuses, à la fois spectralement et temporellement et de

meilleure résolution spatiale, vont permettre aux chercheurs d'acquérir de meilleures
connaissances des processus physiques gouvernant le climat, mais aussi des phénomènes naturels
et ainsi, d'affiner et de diversifier les missions.[2]
De nombreuses perspectives et applications du spatial s'ouvrent ainsi à la recherche, tant dans

les domaines de la climatologie que des activités connexes de surveillance de l'environnement
telles que :
- l'hydrologie / précipitations.
- l'agriculture,
- le suivi des espaces urbanisés,
- l'halieutique à travers la cartographie des températures de surface des océans,
- l'étude des phénomènes éruptifs, une meilleure estimation des vents.
- l'évolution du couvert végétal,
- les sécheresses.
- la détection des incendies de forêts,
- l'émergence des épidémies par le suivi des nuages de poussières,
- etc...
Un ensemble de six missions principales et deux complémentaires a été clairement définit dans
le cadre du Programme METEOSAT Seconde Génération :
28
 Mission d'imagerie multispectrale
La mission d'analyse des masses d'air doit utiliser les caractéristiques spectrales des
canaux centrés sur la bande d'absorption de la vapeur d'eau, du gaz carbonique et de
l'ozone pour surveiller l'état thermodynamique de l'atmosphère dans les basses couches.
 Mission d'imagerie à haute résolution
La mission d'imagerie à haute résolution (1 km au nadir) dans le visible doit

permettre de caractériser et de suivre l'évolution des phénomènes nuageux de faible
étendue spatiale, tels que les nuages convectifs.
 Mission d'extraction des produits
La mission d'extraction des produits permettra, à partir des jeux de données images
d'origine, de fournir des produits météorologiques et géophysiques dérivés en temps quasi-
réel, comme les vents, les températures de surface de la mer et des sols, des indices
d'instabilité des masses d'air, les brouillards, des indices de végétation, etc. A tous ces
produits viennent également s’ajouter ceux élaborés par le réseau des Centres
d’applications satellitaires.
 Mission de collecte des données
La mission de collecte des données consiste à recueillir et relayer les données et

autres mesures environnementales transmises par des plates-formes automatisées (bouées
marines, balises terrestres, aéroportées, etc.).
 Mission de dissémination
La mission de dissémination est une mission de télécommunication, puisqu'elle a

pour objectif de transmettre les images et autres données météorologiques aux diverses
communautés d’utilisateurs, en temps réel, via le service de distribution EUMETCast. La
diffusion sera réalisée à l'aide d'un canal de transmission d'information à haut débit (HRIT
pour High Rate Information Transmission) pour les principaux utilisateurs et les centres
spécialisés. Un canal de transmission d'information à plus faible débit (LRIT pour Low
Rate Information Transmission) assurera la dissémination des données images aux autres
utilisateurs.
 Missions et services complémentaires
En complément des missions citées précédemment, les satellites METEOSAT

Seconde Génération offrent également :
Un service de recherche et sauvetage, grâce à un répéteur GeoSAR qui retransmet

immédiatement aux services d'urgence et d’intervention les signaux de détresse émis par
des navires, avions ou tout autre appareil équipé d’une balise Cospas - Sarsat
Un instrument géostationnaire de détermination du bilan radiatif de la Terre (GERB) qui

participera grandement à l'avancée des recherches en cours sur le réchauffement de la
29
planète en fournissant aux chercheurs des données essentielles sur le bilan radiatif de la
Terre.
II.2 PRECISIONS SUR LES BANDES SPECTRALES DE MSG
Les caractéristiques spectrales de l'instrument SEVIRI ont été présentées dans le premier
chapitre consacré à MSG Le radiomètre imageur SEVIRI. Dans ce paragraphe, nous souhaitons
simplement apporter quelques compléments sur certaines des bandes spectrales de MSG.
II.2.1. REPARTITION DES BANDES MSG
Fig. II.6 l'ensemble des douze bandes spectrales de MSG réparties sur le spectre électromagnétique
depuis les longueurs d'onde du visible jusqu'à l'infrarouge thermique.
II.2.1.1 LE VISIBLE
Le canal panchromatique HRV, sensible à toutes les longueurs d'onde du visible (0,4μm à
1,1μm) a une résolution spatiale améliorée par rapport aux autres canaux et permet une
observation bien plus détaillée des surfaces.
En complément du canal HRV, le satellite MSG possède une seule bande spectrale dans le
visible. Le canal VIS0.6 centré sur le rouge, permet de distinguer les nuages, des océans et des
terres émergées.
Avec une résolution spatiale de 1 km, le canal HRV permet d'observer des détails beaucoup
plus fins que les autres bandes multispectrales. Observez le découpage du trait de côte, ainsi que
les contours des nuages.
30
Fig. II.7- Image MSG acquise le 27 juillet 2011, 12:30 UTC -canal HRV / canal VIS0.6
II.2.1.2. LE PROCHE INFRAROUGE

L'instrument SEVIRI de MSG comporte deux bandes spectrales dans le proche infrarouge : le
canal VIS0.8 et le canal IR1.6. Ces deux canaux permettent une meilleure distinction des surfaces
émergées, car les sols et la végétation ont une réflectance plus importante dans le PIR que dans le
visible (figure ci-dessous). Ces bandes spectrales sont utilisées également pour discriminer les
nuages d'eau des nuages de glace, ainsi que pour détecter les surfaces couvertes de neige et de
glace qui apparaissent en noir sur le canal IR1.6.
Fig. II.8- Image MSG acquise le 27 juillet 2011, 12:30 UTC - VIS0.8 et IR1.6
31
Les surfaces continentales se distinguent mieux que sur la bande VIS0.6 pour deux raisons :
-une meilleure réflexion des sols nus et de la végétation dans le proche infrarouge
- l'eau absorbe davantage le rayonnement infrarouge que le rouge
On obtient ainsi un meilleur contraste entre les surfaces émergées et immergées.
II.2.1.3 LE MOYEN INFRAROUGE
Dans le moyen infrarouge, le satellite MSG possède une bande centrée sur la longueur d'onde
3,9μm. Le signal mesuré au niveau du canal IR3.9 provient aussi bien du rayonnement solaire
réfléchi par les surfaces que le rayonnement thermique émis par ces mêmes surfaces. Il est très
intéressant pour détecter les nuages bas et les brouillards, pour mesurer les températures de surface
du sol et de la mer - uniquement pendant la nuit - ou encore pour détecter les incendies de forêt.
Fig. II.9-Image MSG acquise le 7 août 2006, 12:00 GMT - canal IR3.9
II.2.1.4 L'INFRAROUGE THERMIQUE

C'est dans l'infrarouge thermique que les bandes spectrales sont le plus nombreuses. En
effet, pas moins de sept canaux se répartissent entre les longueurs d'onde 6,2μm et 13,4μm. Les
données acquises dans les bandes vapeur d'eau (6,2μm à 7,3μm) donnent des informations sur la
teneur et la répartition verticale de l’humidité dans les hautes couches de l’atmosphère et sont très
utiles pour l’analyse et les prévisions météorologiques à l’échelle synoptique. Sur l'image ci-
dessous acquise le 27 octobre 2004, les formations particulièrement chargées en vapeur d’eau
apparaissent en noir. On distingue ainsi la zone de convergence intertropicale (ZCIT) caractérisée
par la ligne formée d’amas nuageux convectifs au niveau de l’équateur, mais également les
enroulements des masses nuageuses caractéristiques des dépressions des zones tempérées.
32
Fig.II.10-Image MSG acquise le 27 juillet 2011, 12:30 UTC - canaux WV6.2 et WV7.3
Le canal 6.2μm renseigne essentiellement sur le contenu en vapeur d'eau des plus hautes
couches de l'atmosphère, alors que le canal 7,3μm est sensible au contenu vapeur d'eau aussi bien
dans les moyennes que les hautes couches atmosphériques.
Les différences constatées entre les deux images sont dues aux couches moyennes de
l'atmosphère. On observe au nord et à l'est de l'image des masses d'air relativement humides en
altitude (niveaux de gris foncés sur WV6.2) et plus sèches dans les couches moyennes de
l'atmosphère (niveaux de gris relativement clairs sur WV7.3).
Les autres bandes thermiques sont utilisées pour mesurer les températures de surface des sols,
des océans et des nuages, ainsi que la teneur en ozone.
Fig. II.11- Image MSG acquise le 27 juillet 2011, 12:30 UTC - canal
thermique IR10.8
33
Les températures les plus froides apparaissent en noir sur la thermographie.
III LES COMPOSITIONS COLOREES (RGB) DES CANAUX DE SEVIRI

La compréhension de la perception de la couleur est une problématique complexe, en constante
évolution, à la frontière de plusieurs disciplines. La manipulation des couleurs, passe tout d'abord
par le choix d'un espace paramétrique, permettant différentes représentations de couleurs. Cet
espace peut s'appuyer sur des grandeurs physiques, physiologiques et mathématiques.
Les physiciens utilisent trois caractéristiques pour décrire les qualités d'une source de lumière
polychromatique :
- la radiance (l'énergie émise),
- la luminance (l'énergie qu'un observateur humain perçoit),
- la brillance (traduit l'intensité chromatique perçue, subjective).
En tenant compte des propriétés "normales" des yeux humains, il apparaît que le spectre
perceptible (d'environ 400 nm à 700 nm) est décomposable en trois couleurs primaires: rouge,
bleu, et vert. La différence entre les couleurs primaires des lumières et celles des pigments est
importante: pour les premières, elles sont additives (superposition); pour les secondes, elles sont
soustractives (absorption d'une couleur primaire de la lumière, réfection des deux autres), de sorte
que l'on considère que les couleurs primaires des pigments sont plutôt le magenta, le cyan, et le
jaune (qui sont les couleurs secondaires, c'est-à-dire mélange des primaires deux à deux, de la
lumière).
III.1 PSEUDO COULEUR ET COMPOSITION COLOREE

La visualisation d'une image, captée par satellite, sur un écran graphique peut soit se faire en
«niveaux de gris», soit en «pseudo couleur» ou encore sous la forme d'une «composition colorée»
III.1.1 LA REPRESENTATION «N IVEAUX DE GRIS»

L'intensité des informations captées par le satellite MSG est codée numériquement à l'origine
sur 10 bits. Pour des raisons de commodités, elle est codée sur l'ordinateur soit sur 8 bits
(dégradation de l'information de départ) ou sur 16 bits. L'affichage en niveaux de gris se fait par
correspondance entre ces derniers, ordonnés le long d'une échelle allant du noir au blanc, et entre
les valeurs enregistrées par le satellite allant d'une valeur minimale à une autre maximale. Par
conséquent, lors de l'affichage d'un canal d'une image, la hiérarchie des niveaux de gris
correspond à celle de l'intensité des pixels. [1]
Contrairement à l'affichage en niveaux de gris, aucun ordre parmi celles-ci ne peut être utilisé
en correspondance avec la hiérarchie des valeurs des pixels. La couleur est donc principalement
utilisée, dans ce cas, pour améliorer la distinction visuelle des valeurs. Elle est donc purement
arbitraire et ne peut être source d'interprétation. Dans un tel contexte on parle de «pseudo
couleur».
34
III.1.2 L'ALBEDO
Quand les rayons parviennent à la terre une partie de l'énergie qu'ils transportent est déviée par
les différentes couches de l'atmosphère. Cependant l'autre partie arrive à la traverser. Celle-ci est
alors réfléchie par les nuages ou par le sol. Ce qu'on nomme albédo est le rapport entre l'énergie
réfléchie et l'énergie incidente. Ce rapport est fonction de la cible réfléchissante. Ainsi, l'albédo de
la neige (0.85) n'est pas le même que celui d'une prairie (0.20). En moyenne, l'albédo de la terre
est de 0.3 ce qui signifie que 70% de l'énergie que nous recevons est absorbée (30% est réfléchie).
Toute surface absorbe une partie du rayonnement incident pour n'en réfléchir qu'une partie. Elle
n'absorbe que les longueurs d'onde qu'elle ne possède pas (Fig. II.12). De plus, un rayonnement
solaire se compose de plusieurs longueurs d'onde (lumière polychromatique). On peut donc
émettre l'hypothèse qu'il suffit de collecter les différentes longueurs d'ondes réfléchies pour
pouvoir déterminer, sur une zone donnée, la nature de l'élément réfléchissant [02].
Fig. II.12- méthode de reconstitution d'une image
III.2 LA COMPOSITION COLOREE
Dans le cas ou on associe chacune des couleurs fondamentales (rouge, vert, bleu) à un canal de
la même image, il est possible de visualiser plusieurs canaux simultanément. Cette opération
s'intitule: «composition colorée». L'utilisation de la couleur ne provoque pas dans ce cas une
transformation des valeurs des pixels. L'interprétation des couleurs est donc possible.
Le résultat de la superposition des trois canaux et donc de la combinaison des niveaux
d'intensité des trois couleurs fondamentales donnera une image en « vrais » ou en « fausse »
couleur, selon que la couleur fondamentale associée à chaque canal correspond, ou non, à la zone
du spectre couvert par ce canal. Dans le cas d'une correspondance parfaite entre les couleurs
fondamentales et les canaux correspondants, on obtient une composition colorée en vraie couleur,
permettant de localiser chaque phénomènes avec sa couleur tel quel apparaît dans la nature
(similitude avec une photo). [01]
35
Composition RGB Application Temps

RGB1 (3, 2,1) Végétation, neige, poussière, brouillard, fumée Jour
RGB2 (2,4r, 9) Nuages, convection, neige, brouillard, feu Jour
RGB3 (2,3,4r) Nuages, convection, neige, fumée, brouillard, feu Jour
RGB4 (10-9,9-4,9) Nuages, convection, brouillard, feu, traverser des bateaux Nuit
RGB5 (10-9,9-7,9) Poussière, traverser des bateaux, Jour/Nuit
RGB6 (5-6,4-9,3-1 Cyclone, Tempête Convective Jour
Tableau. II.3 Les différentes RGB.
III.2.1 RGB 1
La RGB 1 est formée par les canaux (NIR1.6, VIS0.8, VIS0.6)
Fig. II.13 RGB1
Selon les travaux menés dans ce domaine Cette RGB permet détecter la végétation, la neige, la
poussière, le brouillard et la fumée.
III.2.2 RGB 2
La RGB 2 est constituée par les canaux (VIS0.8, IR3.9, IR10.8).
36
Fig. II.14- RGB 2
Cette RGB permet de détecter la convection, le brouillard, la neige et le feu.
III.2.3 RGB 3
La RGB 3 est produite par les canaux (VIS0.8, NIR1.6, IR3.9r), elle permet de visualiser les
nuages, la convection, la neige, la fumée, le brouillard et le feu.
Fig. II.15 RGB 3
37
III.2.4 RGB 4
La RGB 4 est faite à partir des canaux (IR12.0-IR10.8, IR10.8-IR3.9r, IR10.8), elle permet de
visualiser les nuages à différents niveaux, le brouillard et le feu.
Fig. II.16 RGB 4 du 9 Novembre 2003, 02:45 UTC
III.2.5 RGB 5
La RGB 5 est formée par les canaux (IR12.0-IR10.8, IR10.8-IR8.7, IR10.8), elle distingue la
tempête de poussière en couleur magenta.
Fig. II.17 RGB-5, 3 MARS 2004, 01:00 UTC
38
III.2.6 RGB 6
La RGB 6 est générée par les différences de canaux (WV6.2-WV7.3, IR3.9-IR10.8, NIR1.6-
VIS0.6). Cette RGB détecte les cyclones et les tempêtes convectives.
CONCLUSION
Grâce à leur fréquence, leur précision et leur qualité, les données et images dérivées MSG
s'avèrent particulièrement précieuses pour la prévision immédiates et à courte échéance.
Combinées avec les autres moyens existant, Elles permettent aux météorologues de reconnaître et
de suivre le développement des phénomènes météorologiques susceptibles de devenir dangereux
et de prévenir les services d'intervention et les autorités locales. Ainsi, elles contribuent ainsi à
atténuer les dégâts et à protéger les vies et les biens.
L'objectif de ce chapitre était la présentation des divers canaux de SEVIRI, ainsi que les
différentes compositions RGB menées par des travaux des recherches dans ce domaine. Nous
avons commencé par une description des canaux visible, infrarouge et vapeur d'eau. Par la suite
nous avons présenté les 6 combinaisons RGB les plus utilisées.
39
PROPRIETES SPECTRALE DE LA
VEGETATION
Propriétés spectrale de la végétation Chapitre [III]
INTRODUCTION
La végétation joue un rôle fondamental pour la vie terrestre en synthétisant de la matière
organique par le processus de photosynthétique. Son développement dépend des conditions
climatiques et de la richesse des sols, mais aussi des pressions exercées par la vie animale et
l'homme plus particulièrement. Elle est étudiée à l'échelle mondiale grâce aux images fournies
par les satellites d'observation de la terre.
La lumière émise par le soleil est en partie réfléchie par le couvert végétal puis détectée et
analysée. Parce que les plantes absorbent fortement la lumière visible et très peu la lumière
proche infrarouge, leurs propriétés optiques permettent de les distinguer de leur
environnement. Pour tirer le maximum d'information des images de télédétection optique.
Dans le présent chapitre, nous donnerons dans un premier temps un aperçu général sur la
télédétection spatiale : ces processus, et la notion du rayonnement électromagnétique, de
refléctance et de l'orbitographie des satellites. Dans une deuxième partie de ce chapitre, nous
donnerons les différentes propriétés spectrales de la végétation et la notion des indices de
végétation.
I. ELEMENT DE LA TELEDETECTION SPATIALE
I.1. PROCESSUS DE LA TELEDETECTION
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 tous les processus qui consistent à capter et à enregistrer l'énergie d'un rayonnement
électromagnétique émis ou réfléchi, à traiter et à analyser l'information, pour ensuite mettre en
application cette information.[03]
Le processus de télédétection peut être divisé en sept étapes que nous allons décrire
succinctement et qui sont illustrées par le schéma ci-dessous.
Fig. III.1 : Les différentes étapes de la télédétection
41
(A) Source d'énergie ou d'illumination - À l'origine de tout processus de télédétection se

trouve nécessairement une source d'énergie 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 caractéristiques du rayonnement et des
propriétés de la surface.
(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.
Ces sept étapes couvrent le processus de la télédétection, du début à la fin.
I.2 LE SPECTRE ELECTROMAGNETIQUE
Le spectre électromagnétique est la représentation du rayonnement électromagnétique

selon la longueur d'onde λ. La longueur d'onde confère au rayonnement des propriétés
spécifiques qui seront exploitées selon les besoins. Ces propriétés ont conduit également à une
division du spectre en quelques grands domaines. La TD repose sur les parties du spectre pour
lesquelles l’atmosphère présente des qualités de transparence suffisantes pour la propagation
des ondes électromagnétiques. On distingue ainsi 3 domaines , les hyperfréquences,
l'infrarouge thermique, le visible et proche infrarouge. [04]
Fig. III.2 le spectre électromagnétique
42
Le rayonnement est réfléchi par la surface dans le domaine solaire, émis dans l'infrarouge
thermique; il peut être émis ou réfléchi dans le domaine des micro-ondes en fonction du
caractère passif ou actif du système d'observation.
I.3 RAYONNEMENT D'UN CORPS NATUREL
Un corps naturel n'absorbe pas tout le rayonnement qu'il reçoit. Il en réfléchit une partie.
Ainsi la puissance totale reçue par le corps, par unité de surface, dénommée irradiance se
décompose en trois parties:
Fig. III.3 Répartition de l'irradiance dans un corps naturel partiellement transparent.
I.4 LOI DE KIRCHHOFF
Pour maintenir l'équilibre thermodynamique d'un corps naturel, la puissance absorbée doit
nécessairement être égale à la puissance émise. En d'autres termes, absorption = émission.
Cette propriété est exprimée par la loi de Kirchhoff.
La répartition des puissances de rayonnement dans un corps naturel s'exprime souvent en

rapport avec l'irradiance. On définit de cette manière:
La réflectance r: coefficient de réflexion hémisphérique ou réflectivité

𝐸𝑟é𝑓𝑙é𝑐𝑕𝑖𝑒
𝑟 = , (III. 01)
𝐸𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑡𝑒
L’absorptance a: coefficient d'absorption hémisphérique
𝐸𝑎𝑏𝑠𝑜𝑟𝑏 é𝑒
𝑎 = , (III. 02)
La transmittance t: coefficient de transmission hémisphérique
𝐸𝑎𝑏𝑠𝑜𝑟𝑏 é𝑒
𝑡 = , (III. 03)
L’émittance e: coefficient d'émission hémisphérique ou émissivité
43
𝐸émise
𝑒 = , (III. 04)
En référence à ces définitions, la loi de Kirchhoff s'exprime:
𝑒 = 𝑎 = 1 − 𝑟 – 𝑡 , (III. 05)
Pour un corps opaque, situation la plus fréquente en TLD, la transmittance est nulle.
L'énergie électromagnétique absorbée est convertie en chaleur. Dans ce cas, la loi de
Kirchhoff se réduit à:
𝑒 = 𝑎 = 1 − 𝑟 , (III. 06)
I.5 LUMINANCE D'UN CORPS NATUREL

En définitive, la luminance d'un corps naturel dépend de nombreux facteurs, notamment:
- la nature du corps
- l'état de surface
- la longueur d'onde
- la température
Fig. III.4 Exemple de luminance d'un corps naturel
44
I.6 IDENTIFICATION DES OBJETS AU SOL

Le propos de la télédétection est notamment d'identifier des objets au sol, de reconnaître
les variétés de la couverture végétale, de déterminer la nature des sols, d'établir des
caractéristiques de phénomènes percevables à la surface de la terre. Tout ceci par l'analyse du
rayonnement électromagnétique émis ou réfléchi par celle-ci.
La végétation, les sols et les eaux sont les trois principaux objets examinés dans les trois
domaines spectraux de la TLD, à savoir le visible et proche infrarouge, l'infrarouge thermique
et les hyperfréquences.
II. CARACTERISTIQUES SPECTRALES DES SOLS
La signature spectrale des sols est en général caractérisée par une augmentation
progressive de la réflectance depuis les longueurs d'onde du visible jusqu'à celles de
l'infrarouge. Les seules discontinuités observées correspondent aux bandes d'absorption de
l'eau, à 1,4 μm et 1,9 μm. Fonctions à la fois de la composition minérale et organique des sols,
de leur contenu en eau et de la rugosité, les propriétés optiques des sols peuvent présenter une
variabilité considérable (Fig. III.5). Une augmentation de l'humidité du sol entraîne une baisse
de la réflectance sur tout le spectre, de même qu'un accroissement de la rugosité
(obscurcissement par effet d'ombre). [02]
Fig. III.5 Signatures spectrales pour différents types de sols
45
II.2 CARACTERISTIQUES SPECTRALES DE LA VEGETATION
Comme dans la plupart des études thématiques par télédétection, l'identification et le suivi
des couverts végétaux repose sur la réponse spectrale des surfaces dans les différentes
longueurs d'onde et donc sur la notion de signature spectrale. Nous rappelons simplement que
la signature spectrale d'une surface correspond à la courbe de réflectance de la surface en
fonction des longueurs d'onde du spectre électromagnétique, dans des conditions données. La
réflectance correspond au rapport de l'intensité du rayonnement réfléchi par une surface à
celle du rayonnement incident. C'est donc une grandeur sans dimension, qu'on exprime
généralement en pourcentage.
Les propriétés spectrales des couverts végétaux dépendent à la fois de la nature de la

végétation qui les compose, de leur état physiologique, de leur teneur en eau ( propriétés
optiques des feuilles), mais aussi du sol sous-jacent qui influera d'autant plus la mesure
spectrale que la végétation sera clairsemée ( structure du couvert végétal). [02]
II.3.1 PROPRIETES OPTIQUES DES FEUILLES
Les propriétés optiques des feuilles sont reliées à leurs caractéristiques biochimiques
(teneur en pigments, structure cellulaire, teneur en eau, état physiologique, etc.). On distingue
trois types d'éléments qui interviennent dans les propriétés optiques des feuilles et qui
correspondent aux grands domaines spectraux du visible, du proche infrarouge et de
l'infrarouge moyen.
 la teneur en pigments
 l'anatomie des feuilles, leur structure cellulaire
 la teneur en eau
Ces trois éléments varient au cours du temps et entraînent par conséquent des changements
dans la structure et les caractéristiques des couverts végétaux. Plutôt que de parler de
signature spectrale, on va parler de comportement spectral de la végétation.
a) Les pigments foliaires
Tous les végétaux renferment des pigments : chlorophylles (pigments verts),

carotènes (pigment orangés) et anthocyanes (pigments bleus rouges), les pigments
chlorophylliens étant de loin les plus abondants. La chlorophylle possède deux bandes
d'absorption dans le bleu (450 nm) et dans le rouge (660 nm). La présence des pigments
foliaires dans les végétaux est donc responsable de la forte absorption du rayonnement
visible, avec un maximum relatif de réflectance autour du vert (550 nm).
b) La structure cellulaire des feuilles
La structure anatomique des feuilles joue un rôle très important dans la signature
spectrale de la végétation. Si les pigments chlorophylliens absorbent la majeure partie du
rayonnement visible qui leur parvient, ils sont en revanche totalement transparents au
rayonnement de plus grande longueur d'onde. Le proche infrarouge traverse donc la feuille
jusqu'à une couche cellulaire formée de cellules irrégulières et d'espaces intercellulaires dans
46
lesquels sont stockés les gaz échangés entre la feuille et l'atmosphère. C'est au niveau de cette
couche, lieu d'échange entre l'oxygène et le dioxyde de carbone dans les processus de la
photosynthèse et de la respiration, que le rayonnement proche infrarouge est fortement
réfléchi (Fig.III.6). Il est d'autant mieux réfléchi que le parenchyme lacuneux est bien
développé.
Fig.III.6 La structure cellulaire des feuilles
Les longueurs d'onde bleue et rouge sont absorbées par la chlorophylle. Les vertes sont très
faiblement réfléchies par la feuille. Le rayonnement PIR, lui, est fortement réfléchi par le
parenchyme lacuneux.
La réflectance dans les bandes, rouge et proche infrarouge est donc directement liée à la
biomasse végétale. Il est donc possible de déterminer radiométriquement cette biomasse en
utilisant l'information contenue dans ces deux bandes spectrales, en utilisant des ‘’indices de
végétation’’.
c) L'influence de la teneur en eau
La teneur en eau des feuilles est également un facteur qui va fortement influencer la
signature spectrale de la végétation, dans les longueurs d'onde de l'infrarouge moyen. Plus
la teneur en eau est forte, plus la réflectance de la végétation diminue, en particulier aux
longueurs d'onde 1450 nm et 1900 nm qui correspondent aux bandes d'absorption de l'eau.
Ce domaine de longueur d'onde est très utile en télédétection des couverts végétaux, il
permet notamment de détecter les plantes en état de stress hydrique.
47
La figure ci-dessous précise les facteurs prépondérants dans la signature spectrale d'un
végétal sain, pour des longueurs d'onde allant du visible à l'infrarouge moyen.
Fig. III.7 Principaux facteurs influençant la signature spectrale de la végétation dans le

visible, le proche infrarouge et l'infrarouge moyen
d) Comportement spectral
On parle de comportement spectral plutôt que de signature spectrale pour bien montrer que
la réflectance de la végétation n'est pas constante. Elle varie non seulement en fonction des
types de végétaux (les résineux par exemple, ont une réflectance moins importante que les
feuillus dans le proche infrarouge), mais également selon l'état de santé d'une plante. Comme
le montre la figure ci-dessous, la signature spectrale de la végétation dans le visible ne varie
pratiquement pas quelque soit le type de végétal. En revanche, on note des différences
sensibles dans le proche infrarouge, liées à la structure du parenchyme lacuneux, comme nous
l'avons vu précédemment. La différence est très nette entre les feuillus et les résineux, ces
derniers ayant une réflectance bien moindre dans le proche infrarouge.
Fig. III.8 Variations de la signature spectrale en fonction du type de végétation
48
Les changements physiologiques qui accompagnent la croissance d'une plante, depuis la

phase de maturation jusqu'à sa sénescence, qu'elle soit naturelle (stades phénologiques) ou
liée au stress, influent fortement sur la signature spectrale de la végétation. Lorsque vient
l'automne par exemple, les plantes diminuent leur activité photosynthétique, les pigments
chlorophylliens disparaissent laissant aux autres pigments foliaires le soin d'exprimer leurs
couleurs. Les cellules entrent peu à peu en état de plasmolyse, entraînant une déstructuration
des couches cellulaires. On observe par conséquent une sensible augmentation de la
réflectance dans les grandes longueurs d'onde du visible (jaune - rouge) et parallèlement, une
diminution de la réflectance dans le proche infrarouge.
II.3.2 STRUCTURE DU COUVERT VEGETAL
Lorsqu'on étudie la végétation par télédétection, les variations de la réflectance mesurées

au niveau du capteur satellitaire sont, non seulement liées aux propriétés optiques des feuilles,
mais aussi à la structure des formations végétales. La structure d'un couvert végétal n'est pas
reliée aux organes végétaux, mais concerne la plante ou le peuplement. Elle prend en compte
à la fois des paramètres de structure de la canopée, comme l'indice de surface foliaire ou
l'angle d'inclinaison des feuilles, et l'organisation spatiale des peuplements, leur agencement,
leur densité, ainsi que le taux de recouvrement du sol selon le stade phénologique. Lorsque la
végétation est peu couvrante, la réponse spectrale des plantes est affectée par la réflectance
des sols. Les interactions du rayonnement entre la végétation et le sol sont si complexes qu'il
est très difficile de corriger l'influence perturbatrice du sol. Le signal mesuré par le capteur
intègre généralement les réflectances du sol et de la végétation, comme le schématise la figure
ci-dessous (Huete, 1989).
Fig.III.9 Illustration des interactions entre le sol et la végétation, intégrées au niveau de la mesure
satellitaire
49
II.3.3 L'INDICE DE SURFACE FOLIAIRE
L'indice de surface foliaire (LAI) est le ratio de la surface totale supérieure des feuilles à la
surface du sol sur laquelle la végétation se développe. Le LAI est une grandeur sans
dimension qui varie en général de 0 pour le sol nu à 8 pour une forêt tempérée dense. Pour des
forêts tropicales très fermées ou des forêts de conifères, la valeur du LAI peut dépasser 15
.C'est un bon indicateur de la croissance et de la biomasse végétale, ainsi que de la densité
d'un peuplement. Le LAI est relié à l'indice de végétation par une fonction logarithmique. On
observe en général un pallier à partir des valeurs de LAI de 5 ou 6 , et on estime que pour un
couvert végétal avec un LAI supérieur à 5, toute possibilité d'éclairement incident direct du
sol sous-jacent est écarté, quelle que soit la géométrie d’éclairement.[02]
III LES INDICES DE VEGETATION

En télédétection, les indices font parties des méthodes de traitement que l'on appelle les
transformations multispectrales. Ils consistent à convertir les luminances mesurées au niveau
du capteur satellitaire en grandeurs ayant une signification dans le domaine de
l'environnement.
Basés sur le caractère multispectral des données satellitaires, ils permettent de décrire l'état
d'un phénomène. Un indice de végétation par exemple, peut rendre compte du stade de
croissance végétale à un moment donné.
Tous les indices, que ce soient les indices de végétation, les indices des sols, les indices
relatifs à la colonne d'eau, etc., reposent sur une approche empirique basée sur des données
expérimentales. Les indices de végétation sont très utilisés d'une part, pour identifier et suivre
la dynamique de la végétation, mais aussi pour estimer certains paramètres biophysiques
caractéristiques des couverts végétaux, comme la biomasse, l'indice de surface foliaire, la
fraction de rayonnement photosynthétique actif, etc.
III.1 LE PRINCIPE
Le principe consiste à relier entres-elles certaines caractéristiques de la végétation (teneur

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

et proche infrarouge, on constate généralement une répartition des valeurs de réflectance en
forme de chapeau (figure ci-dessous). La base du chapeau répartie le long de la bissectrice
représente la droite des sols, dépourvue de végétation. Les variations de réflectance le long de
la droite des sols traduisent le caractère sec ou humide des sols. Plus on est proche de l'origine
50
(faibles valeurs de réflectances dans le rouge et le proche infrarouge), plus les sols sont
humides et a contrario, plus on s'éloigne de l'origine, plus les sols sont secs.
Fig.III.10 Répartition spectrale des réflectances dans le rouge et dans le proche infrarouge.
Plus la couverture végétale est dense, plus les valeurs de réflectance augmentent dans le
PIR et plus elles diminuent dans la bande rouge. La droite des sols, dépourvue de végétation
présente des réflectances qui varient en fonction de leur teneur en eau. (b) exemple du
déplacement d'un pixel 'agricole' dans l'espace multispectral rouge / PIR au cours d'une saison
de croissance. Après la germination, la réflectance du pixel s'éloigne de la ligne des sols pour
atteindre le sommet du chapeau. Après la récolte, le pixel retrouve une valeur de réflectance
correspondant à un sol nu, éventuellement plus sec.
III.2 LES PRINCIPAUX INDICES DE VEGETATION

De très nombreux indices de végétation ont été construits et utilisés depuis maintenant une
quarantaine d'années. Ils prennent la forme soit d'expressions très basiques (simple différence
ou simple ratio), soit de formules beaucoup plus complexes. On a l'habitude de les classer en
familles d'indices selon qu'ils prennent ou non en compte les facteurs externes aux couverts
végétaux, tels que l'influence de l'atmosphère, la contribution spectrale des sols, la teneur en
eau des végétaux (indices de sécheresse), etc. [02]
51
III.2.1 LES INDICES SIMPLES
Les indices de végétation les plus simples sont basés sur des opérations arithmétiques entre
deux bandes spectrales, généralement le rouge et le proche infrarouge, mais également les
bandes du proche et du moyen infrarouge. [3]
- Parmi les indices les plus élémentaires et les plus anciens, on trouve
-l'indice de végétation brut, ou indice différentiel de végétation (DVI en anglais) qui est égal
à la simple différence des bandes du proche infrarouge et du rouge
𝐷𝑉𝐼 = 𝜌𝑃𝐼𝑅 − 𝜌𝑅 , (III. 07)

Où :
𝜌𝑅: Réflectance dans la bande rouge.
𝜌𝑃𝐼𝑅: Réflectance dans la bande proche infrarouge.
- L'indice de végétation par quotient (RVI en anglais), s'exprime également de façon très
simple. Il est égal au rapport entre les bandes du PIR et du rouge.
𝜌𝑃𝐼𝑅
𝑅𝑉𝐼 = , (III. 08)
𝜌𝑅
L'inconvénient de ces indices est qu'ils sont très sensibles aux variations atmosphériques,
ainsi qu'à la contribution spectrale des sols. En outre, lorsque la végétation est très dense, la
réflectance dans la bande rouge devient très faible, ce qui entraîne une saturation des valeurs
de l'indice RVI.
- l'indice de végétation par différence normalisé ou indice de Tucker (NDVI en anglais).

L'indice le plus connu et le plus utilisé est Son expression est la suivante :
𝜌 −𝜌
𝑁𝐷𝑉𝐼 = 𝜌𝑃𝐼𝑅+𝜌𝑅 , (III. 09)
𝑃𝐼𝑅 𝑅
La normalisation par la somme des deux bandes permet de réduire les effets d'éclairement.
Le NDVI conserve une valeur constante quelque soit l'éclairement global, contrairement à la
simple différence qui est très sensible aux variations d'éclairement.
Les valeurs du NDVI sont comprises en théorie entre -1 et +1, les valeurs négatives
correspondant aux surfaces autres que les couverts végétaux, comme la neige, l'eau ou les
nuages, pour lesquelles la réflectance dans le rouge est supérieure à celle du proche
infrarouge. Pour les sols nus, les réflectances étant à peu près du même ordre de grandeur
dans le rouge et le proche infrarouge, le NDVI présente des valeurs proches de 0. Les
formations végétales quant à elles, ont des valeurs de NDVI positives, généralement
comprises entre 0,1 et 0,7 - les valeurs les plus élevées correspondant aux couverts les plus
denses.
- Les indices de stress hydrique, comme le MSI ou le NDWI sont des indices simples dans
lesquels on utilise la bande spectrale du moyen infrarouge à la place de la bande rouge. Ces
52
indices varient en fonction de la teneur en eau des feuilles. Ils permettent de déceler lorsque
les végétaux sont en état de stress hydrique et sont par conséquent très utiles pour le suivi de
la végétation en zone sèche.
𝜌𝑀𝐼𝑅
𝑀𝑆𝐼 = , (III. 10)
𝜌𝑃𝐼𝑅
𝜌 −𝜌
𝑁𝐷𝑊𝐼 = 𝜌 𝑃𝐼𝑅 +𝜌 𝑀𝐼𝑅 , (III. 11)
𝑃𝐼𝑅 𝑀𝐼𝑅
Où
𝜌𝑀𝐼𝑅 : réflectance dans la bande infrarouge moyen.
𝜌𝑃𝐼𝑅 : réflectance dans la bande proche infrarouge.
III.2.2 LES INDICES PRENANT EN COMPTE L'INFLUENCE DES SOLS

Ces indices ont été proposés avec pour objectif de corriger ou tout au moins, réduire
l'influence des sols sous - jacents aux couverts végétaux sur le signal mesuré au niveau du
capteur satellitaire. Trois types d'indices ont été développés : des indices orthogonaux
(comme l'indice perpendiculaire de végétation - PVI), caractérisés par la distance
perpendiculaire entre un point qui représente le couvert végétal dans l'espace multispectral
rouge / PIR et la droite des sols. Un deuxième type d'indices qui dérivent de la formulation du
NDVI (comme l'indice de végétation ajusté aux sols - SAVI). Enfin la dernière catégorie
d'indices combine les deux types précédents. C'est le cas des indices TSAVI et MSAVI
discutés un peu plus loin.
- L'indice perpendiculaire de végétation (PVI) suppose que la distance perpendiculaire est

linéairement reliée à la couverture végétale. Cela a pour conséquence de produire des
isolignes de végétation (couverture végétale d'égale densité) parallèles à la droite des sols, ce
qui n'est pas très représentatif de la réalité. En effet, Huete (1988) a montré que les pentes des
lignes de végétation croissent avec l'augmentation de la biomasse végétale.
1
𝑃𝑉𝐼 = 𝜌𝑃𝐼𝑅 − 𝑎𝜌𝑅 − 𝑏 , (III. 12)
𝑎2 + 1
Où
𝑎 : Pente de la droite des sols dans l'espace (R, PIR)
𝑏 : ordonnée à l'origine de la droite des sols
- indice de végétation ajusté pour le sol , le SAVI proposé par Huete (1988) ,qui introduit un
paramètre d'ajustement, noté L, qui caractérise le sol et son taux de recouvrement par la
végétation. Huete a montré que les isolignes de végétation ne sont pas parallèles à la droite
des sols, mais qu'elles coupent celle-ci en un point selon la densité du couvert végétal. Le
paramètre L prend la valeur de 0,25 pour une forte densité et de 1 pour une très faible densité
de végétation. Pour des densités intermédiaires, il est égal à 0,5.
𝜌𝑃𝐼𝑅 − 𝜌𝑅
𝑆𝐴𝑉𝐼 = 1 + 𝐿 , (III. 13)
𝜌𝑃𝐼𝑅 + 𝜌𝑅 + 𝐿
Où 𝐿 est une constante égale à 0,5.
53
- indice transformé de végétation ajusté pour le sol, TSAVI, Baret et al. (1989) proposent
une amélioration de l'indice SAVI. Leur est basé sur la détermination préalable de la droite
des sols à partir des bandes spectrales du capteur. Il utilise la pente a et l'ordonnée à l'origine b
de la droite, plutôt que les valeurs arbitraires fixées pour l'indice SAVI.
(𝜌𝑃𝐼𝑅 − 𝑎𝜌𝑅 − 𝑏)
𝑇𝑆𝐴𝑉𝐼 = , (III. 14)
𝜌𝑅 + 𝜌𝑃𝐼𝑅 − 𝑎𝑏 + 0.08(1 + 𝑎2 )
- indice modifié de végétation ajusté pour le sol ,MSAVI,Qi et al. (1994) proposent eux aussi
une amélioration du SAVI. Dans leur, le paramètre L n'est plus une constante, mais il est
ajusté automatiquement aux conditions locales. L'expression de l'indice MSAVI est la même
que celle de l'indice SAVI. La différence concerne le facteur L qui dépend à la fois de la
droite des sols, du NDVI et de l'indice de végétation par différence pondérée (en anglais,
Weighted Difference Vegetation Index, abrév. WDVI - Richardson et Wiegand, 1977).
𝑀𝑆𝐴𝑉𝐼 = 1+𝐿 , (III. 15)
𝜌𝑃𝐼𝑅 + 𝜌𝑅 + 𝐿
Avec 𝐿 = 1 − 2𝑎𝑁𝐷𝑉𝐼. 𝑊𝐷𝑉𝐼

Où
𝑎 est la pente de la droite des sols
𝑊𝐷𝑉𝐼 = 𝜌𝑃𝐼𝑅 − 𝑎𝜌𝑅
III.2.3 LES INDICES PRENANT EN COMPTE LES EFFETS DE L'ATMOSPHERE

Les gaz et aérosols présents dans l'atmosphère affectent le rayonnement électromagnétique
par les processus de diffusion et d'absorption. La diffusion (diffusion de Rayleigh) étant
davantage sélective vis-à-vis des courtes longueurs d'onde (bleu) que vis-à-vis des grandes
(rouge), la correction est souvent basée sur la différence entre les bandes spectrales bleu et
rouge. Kaufman and Tanré,1992 proposent un indice permettant de réduire les effets
atmosphériques en utilisant la bande bleue, l'indice ARVI.
𝜌𝑃𝐼𝑅 − 𝜌𝑟𝑏
𝐴𝑅𝑉𝐼 = , (III. 16)
𝜌𝑃𝐼𝑅 + 𝜌𝑟𝑏
Où :
𝜌𝑟𝑏 : Est une combinaison des réflectance dans les bandes spectrales bleu et rouge.
𝜌𝑟𝑏 = 𝜌𝑟𝑜𝑢𝑔𝑒 − 𝛾 𝜌𝑏𝑙𝑒𝑢 − 𝜌𝑟𝑜𝑢𝑔𝑒 , (III. 17)
𝛾 : Est un facteur d'auto-correction atmosphérique qui dépend du type d'aérosols présents.

Il est calculé à partir des réflectances intrinsèques de l'atmosphère dans les bandes bleue et
rouge.
Pinty et Verstraete, 1992, quant à eux, proposent une relation non linéaire pour minimiser
l'influence de l'atmosphère sur la mesure de l'indice de végétation, l'indice GEMI.
𝜌 𝑟𝑜𝑢𝑔𝑒 −0.25
𝐺𝐸𝑀𝐼 = 𝜂 1 − 0.25𝜂 − , (III. 18)
1−𝜌 𝑟𝑜𝑢𝑔𝑒
54
2 2
2 𝜌 𝑃𝐼𝑅 −𝜌 𝑟𝑜𝑢𝑔𝑒 +1.5+0.5𝜌 𝑟𝑜𝑢𝑔𝑒
Avec 𝜂= 𝜌 𝑃𝐼𝑅 +𝜌 𝑟𝑜𝑢𝑔𝑒 +0.5
III.2.4 LES INDICES PRENANT EN COMPTE LES EFFETS CONJUGUES DES SOLS ET
DE L'ATMOSPHERE
En combinant les indices présentés ci-dessus, notamment le SAVI et l'ARVI, il est possible
d'obtenir des indices qui corrigent les effets conjugués des sols et de l'atmosphère, comme
l'indice de végétation amélioré (EVI, Huete et al., 1999), produit standard adopté par la
NASA pour les instruments TERRA et AQUA de MODIS.
𝜌 𝑃𝐼𝑅 −𝜌 𝑅
𝐸𝑉𝐼 = 𝐺 𝜌 , (III. 19)
𝑃𝐼𝑅 +𝐶1𝜌𝑅 −𝐶2𝜌𝐵 +𝐿
où :
𝐺 : facteur de gain (égal à 2,5)
𝐿 : facteur d'ajustement des sols
𝐶1 et 𝐶2 : coefficients de correction de la diffusion atmosphérique.
III.2.5 LES INDICES PRENANT EN COMPTE LA TEMPERATURE DE SURFACE
Plusieurs études ont suggéré l'utilisation combinée de l'indice de végétation et de la

température de surface des sols mesurée dans l'infrarouge thermique, pour estimer le taux
d'humidité des sols, ainsi que l'état de stress hydrique des végétaux (Jackson et al., 1977;
Goward et al., 2002).
Parmi les techniques développées, la méthode dite 'du triangle', suppose que la température
de surface des sols dépend essentiellement de la couverture végétale et de l'humidité des sols
(Fig.III.11).
Le côté du triangle correspondant au NDVI le plus faible représente la droite des sols nus,
depuis les sols secs (températures les plus élevées) jusqu'aux sols saturés en eau (températures
les plus basses).
Le sommet en bas à droite du triangle correspond à la densité maximum de végétation.

La droite reliant les températures de surface les plus élevées (sols secs) au maximum de
densité de la végétation est appelée 'limite sèche'.
Celle reliant les températures de surface les plus basses (sols humides) au maximum de
densité de la végétation est appelée 'limite humide'.
Dans cette méthode, la température de surface des sols est reliée à l'indice de végétation
par une relation linéaire décroissante. Plus la végétation a une densité importante, plus la
température de surface est faible. La végétation régule la température de surface en absorbant
55
l'énergie rayonnante et en la réémettant sous forme de chaleur latente via le processus

d'évapotranspiration.
Fig.III.11 Relation simplifiée entre la température de surface et l'indice de végétation
Les pixels de l'image ont une répartition triangulaire dans le plan Ts / NDVI. (adapté
d'après Lambin et Ehrlich, 1996)
Sandholt et al., 2002 proposent un indice de température / végétation / sécheresse (TDVI).

Son expression est la suivante :
𝑇𝑠 − 𝑇𝑠(min )
𝑇𝐷𝑉𝐼 = (III. 20)
𝑎 + 𝑏𝑁𝐷𝑉𝐼 − 𝑇𝑠(min )
Où :
𝑇𝑠 : Température de surface
𝑇𝑠(min ) : Température de surface minimum
𝑎 et 𝑏 : respectivement ordonnée à l'origine et pente de la droite reliant la température de
surface au NDVI maximum.
Pour une même valeur de l'indice de végétation, les températures les plus élevées
correspondent aux surfaces les plus sèches (Fig.III.12). Il est donc possible d'estimer le taux
d'humidité des sols et par conséquent, l'état de stress hydrique des plantes, dès lors que la
température de surface et l'indice de végétation sont connus.
56
Fig.III.12 L'indice de sécheresse (TDVI) peut être estimé

dans le plan Ts / NDVI par le rapport A/B
Comme pour la végétation, il existe aussi des indices spécifiques pour les sols nus, comme
l'indice de brillance. Celui-ci est construit à partir des bandes rouge et proche infrarouge selon
l'expression :
𝐼𝐵 = 𝜌𝑅2 + 𝜌𝑃𝐼𝑅
2
(III. 21)
Il permet de faire clairement la distinction entre les surfaces végétalisées et les sols nus.
Le tableau ci-dessous résume quelques uns des indices de végétation les plus couramment
utilisés; adapté de (Caloz and Puech, 1996; Gilabert et al., 2002) + Girard et Girard, 1999.
57
Tableau. III.1 Résumé d’indices de végétation définis à partir de données de télédétection
58
CONCLUSION
Les propriétés spectrales des couverts végétaux dépendent à la fois de la nature de la
végétation qui les compose, de leur état physiologique, de leur teneur en, mais aussi du sol
sous-jacent qui influera d'autant plus la mesure spectrale que la végétation sera clairsemée.
L’instrument SEVIRI de MSG comporte les deux canaux dans le visible nécessaires pour
dresser des cartes régionales du NDVI - ce qui présente plusieurs avantages, un des plus
remarquables étant la stabilité des images et la facilité de réception de ces données en des
lieux d’utilisation situés dans tout le champ d’observation de MSG. Ainsi, les utilisateurs
peuvent construire des cartes de végétation répondant à des besoins locaux.
59
MESURE DE LA VEGETATION
POUR LES DONNEES TLD
Mesure de la végétation pour les données TLD Chapitre [IV]
INTRODUCTION
Dans ce chapitre, on va présenter nos différents résultats obtenus,
Une série des images satellitaires MSG est utilisées dans notre étude. Elles vont du moi de
février jusqu’à Juillet 2011. L'analyse porte sur une série d’images contenant l'indice de
végétation (NDVI) en différents mois de l’année (Février, Avril, Mai, Juillet, et Septembre
2011). Le NDVI est calculé à partir d'images dans les bandes rouges et proche infrarouge du
capteur SEVIRI de MSG (Meteosat Second Generation).
Après appliquer un algorithme d’affranchissement de la couverture nuageuse, chaque

image contient en fait le NDVI mesuré pendant plusieurs jours du mois d'acquisition (ex:
entre le 1er mars et le 9 juillet). Le produit fourni est une synthèse de plusieurs jours, ce qui
signifie qu'il combine les données corrigées journellement du point de vue radiométrique.
Le diagramme ci-dessous illustre les différentes étapes utilisées ainsi que les méthodes
intégrées:
 L’acquisition de l’Image Satellitaire à COMPARAISON AVEC

basse résolution MSG.
D’AUTRES RADIOMETRES
(SPOT-
PRETRAITEMENT DE L’IMAGE
VEGETATION,)
Calibration
des Données
AFFRANCHISSEMENT DES
NUAGES
Méthode de
Minimum
PRODUCTION DE NDVI
Un canal NDVI composite

(Du 17 au 27 juillet 2011)
DETECTION DE LA
VEGETATION
-Par seuillage selon les

valeurs de NDVI LA SUIVI DE L'EVOLUTION DE
-Par classification K-Mean
LA VEGETATION
Pour les différents mois
Organigramme de différentes méthodes intégrées pour l’indentification de la végétation
61
I. ACQUISITION DES DONNEES
La première utilisation des images Météosat est évidemment la prévision météorologique.

Cependant d’autres utilisations sont facilement envisageables, grâce au faible coût
d’installation d’une station de réception et à la politique d’EUMETSAT qui autorise la
réception et la diffusion gratuite des images en temps quasi-réel pour des finalités
scientifiques. [07]
La station de réception réaliser au coure de notre projet est la seule au niveau universitaire
(Fig. IV.1), elle est constituée d’une carte DVB (Digital Video Broadcasting), c’est une carte
satellite, reliée à une antenne parabolique équipée d’une source rayonnante LNB (Low Noise
Band) pointée vers le satellite géostationnaire Eurobird-9. Les logiciels utilisés pour la chaine
d’acquisition sont [08]:
I.1 PARTIE MATERIELS
Fig. IV.1 Le schéma synoptique de la partie matériel
I.1.1. ANTENNE PARABOLIQUE :

C’est un élément incontournable de la réception satellite. Comme pour une antenne de
télévision, c’est elle qui capte le signal venant du satellite et qui le concentre vers le
convertisseur. Plus une parabole est plus grand, meilleur au son gain
62
Fig. IV.2 Antenne Parabolique.
I.1.2. LE CONVERTISSEUR DE FREQUENCE LNB (LOW NOISE BLOCK) :

En réception satellite, le signal recueilli par l’antenne parabolique est trop faible pour
pouvoir l’exploiter directement : il faut l’amplifier, c’est l’un des rôles du LNB nommé
également tète de réception ou convertisseur .C’est un composant actif, contrairement à
l’antenne terrestre qui est passive. Le qualificatif ‘’universel’’ est relatif à la capacité d’un tel
LNB de pouvoir capter tous les signaux dans la totalité de la bande (10700 à 12750 Mhz) et
quelle que soit la polarisation (horizontale ou vertical), se que ne permettaient pas les anciens
LNB.
Le rôle du LNB est capital. Il recueille le signal de 12Ghz reçus par la parabole puis le
convertit en une fréquence intermédiaire d’environ 1Ghz (gigahertz). A cette fréquence les
atténuations dans le câble de liaison sont mois importantes et le traitement des signaux par le
récepteur s’en trouve facilité. Le LNB est’’ télé alimenté’’ par le récepteur / décodeur. (14 ou
18 volts).
Fig. IV.3 LNB (Low Noise Block)
63
1.1.3. EUMETSAT CLE :

Elle est fournie par EUMETSAT, son rôle est pour le décodage des données, ou bien pour
le décryptage de données, elle est associée par logiciel s’appelle « eToken ».
Fig. IV.4 EUMETSAT clé
1.1.4. LA CARTE D’ACQUISITION :

Elle va démoduler puis coder le signal et envoyer les données dans la mémoire volatile du
PC. Cette carte servant à la réception des données satellites météo sur la fréquence 11976,83
MHZ, via le satellite EUROBIRD-9 à 9° Est. Anciennement diffuser sur le satellite
HOTBIRD -6 a 13°, il faut donc tourner l’antenne de 4° vers la droite, ce qui correspond entre
2 ou 3 cm environ.
Fig. IV.5 Carte d’acquisition
I.2. PARTIE LOGICIEL :
I.2.1. LOGICIELS DE DECOMPRESSION
A) XRIT2PIC :
C’est un logiciel pour la décompression, la classification et la sauvegarde des différentes

données acquises.
64
Fig. IV.6 Interface générale du logiciel XRIT2PIC.
B) MSG DATA MANAGER
Logiciel MSG Data Manager (Fig. IV.8), c’est un logiciel pour la décompression, la
classification et la sauvegarde des différentes données acquises [09].
Fig. IV.7 Les images reçues après un cycle d’acquisition
65
I.3. LA RECEPTION DES IMAGES :
On reçoit des images en plusieurs segments, par exemple, une image HRV est décomposée
en 24 segments, et les autres images sont décomposées en 8 segments comme il est représenté
sur la Fig. IV.9.
Date
Meteosat 9 Canal Visible N° de segment 10 Heure
d’acquisition
HRV d’acquisition
Fig. IV.8 Les images reçues initialement.
-H = HRIT.
-000 = Version 4.1 pour des structures des archives.
-MSG2 = satellite.
-HRV = Canal spectral.
-000010 = Numéro de segment.
-200706121645 = année-mois-jour-heure.
-C_ = Archive compressé.
-_ = Archives non compactes.
3712
0 0 7439
3712 11136
Segment N°1 du canal VIS0.8µm, Segment N°1 du canal HRV,

464 lignes X 3712 colonnes 464 lignes X 5568 colonnes
Fig. IV.9 Représentation des segments d’image de canal VIS0.8µm à gauche, et HRV à droite
66
II .PRETRAITEMENT
II.1 ETALONNAGE RADIOMETRIQUE DES CANAUX SEVIRI
Ce traitement consiste à convertir les données brutes en valeur de température de brillance

pour les canaux thermiques et en valeur de réflectances pour les canaux visible et proche
infrarouge. Pour ces deux canaux, les capteurs ne sont pas stables dans le temps et les
coefficients d’étalonnage de pré-vol ne sont pas applicables. La calibration tient compte du
vieillissement des capteurs en appliquant les coefficients d’étalonnage fournis par
EUMETSAT et qui sont en fonctions de la date de l’image [09]
L’étalonnage radiométrique vise d’une part à éliminer la différence de sensibilité entre les
capteurs en assignant à chaque bande spectrale un coefficient de correction. D’autre part, le
calibrage vise aussi à corriger la dégradation du signal du capteur dans le temps par
l’application d’une correction linéaire qui est appliquée a chacun des coefficients de calibrage
pré-lancement.
La relation entre la valeur numérique du pixel et le rayonnement physique est définie pour
chaque bande spectrale par la relation:
R = CALoffset + CALslope ∗ Count . (1)
Où :
R : est la radiance spectrale,

CAL_offset et CAL_slope (𝐦𝐖.𝐦−𝟐.𝐬𝐫−1(𝐜𝐦−𝟏)−𝟏 ) sont des coefficients de calibration
enlevés de l’entête de l’image MSG.
Count est la valeur binaire du pixel (compte de pixel, entre 0 et 1023).
Les canaux visibles sont transformés en pourcentage de réflectance, en tenant compte du

stress du décollage, de la dégradation des capteurs, de l’angle solaire ainsi que de la distance
Terre-Soleil. En utilisant l’équation de Planck, la radiance des canaux infrarouges est quant à
elle transformée en température de brillance.
II.1.1 CALCUL DE LA REFLECTANCE [11]
𝐑𝐄𝐅𝐋 (𝐢) = 𝟏𝟎𝟎 ∗ 𝐑 (𝐢) / 𝐓𝐎𝐀𝐑𝐀𝐃 (𝐢) / 𝐜𝐨𝐬(𝐓𝐄𝐓𝐀) , 𝐢 = 𝟏, 𝟐, 𝟑, 𝟏𝟐 . (02)
-REFL: Réflectance [%]

-R : le rayonnement spectral ou radiance (𝐦𝐖.𝐦−𝟐.𝐬𝐫−1(𝐜𝐦−𝟏)−𝟏).
𝑅 = 𝐶𝐴𝐿𝑜𝑓𝑓𝑠𝑒𝑡 + 𝐶𝐴𝐿𝑠𝑙𝑜𝑝𝑒 ∗ 𝐶𝑜𝑢𝑛𝑡 . (03)
-TOARAD: constante solaire au sommet de l'atmosphère [en mW m -2 ster-1 (cm-1)-1]
67
-TETA: angle solaire de zénith (calculé à partir de la date, du temps, du lat., du lon.); pour la
condition crépusculaire (c.-à-d. TETA > 80°) TETA est placé à 80° pour éviter l'indice I des
problèmes du canal i (1 = VIS0.6; 2 = VIS0.8; 3 = NIR1.6; 12 = HRV)
TOARAD (i=1, VIS0.6) = 20.76 / ESD**2

TOARAD (i=2, VIS0.8) = 23.24 / ESD**2 . (04)
TOARAD (i=3, NIR1.6) = 19.85 / ESD**2
TOARAD (i=12, HRV) = 25.11 / ESD**2
-ESD: distance terre-soleil (dans les unités astronomiques), qui change pendant l'année selon
l'équation suivante :
JulianDay − 3
ESD JulianDay = 1.0 − 0.0167 cos 2p . (05)
365
CAL_offset et CAL_slope sont enlevés à partir du logiciel XRIT2PIC le 27 juillet 2011
Tableau .IV.1 l’entête dune image MSG2, juillet 2011
Compte Reflectance
numérique
Fig. IV.10 image de canal VIS0.8µm avant (à gauche), et après calibration (à droite)
68
Fig. IV.11 Histogramme de l’image VIS0.8µm avant (à gauche)

et après calibration -reflectance-(à droite)
L’histogramme ci-dessus permet de représenter la distribution des intensités des pixels,

c'est-à-dire le nombre de pixels pour chaque intensité lumineuse (à gauche) et pour chaque
reflectance (à droite). L’histogramme d'une image de type MSG qui est codé sur 10 bits (1024
niveaux de gris) est représenté par une graphique possédante 1024 valeur abscisse, et le
nombre de pixels de l'image en ordonnées (Fig. IV. 12), mais après la calibration de ces images
cet histogramme sera représenté comme il est schématisé sur la figure (Fig. IV. 13), possédant
des reflectance de 0 à 100%.
Fig. IV. 12 Histogramme normale de la région du est de l’Algérie
69
Fig. IV. 13 Histogramme de la reflectance de la région du nord de l’Algérie
II.1.2 CALCUL DE LA TEMPERATURE DU BRILLANCE POUR LES CANAUX IR

Dans le MSG-MPEF la relation analytique suivante, entre la température la brillance (Tb) et
la radiance (R) est adopté
𝐶2 𝑉𝑐
𝑇𝑏 = 𝐶1 𝑉 3
− 𝐵 /𝐴 , (06)
log 𝑐 +1
𝑅
Avec: C1 = 1.19104 10-5 mW m-2 sr-1(cm-1)-4

C2 = 1.43877 K(cm-1)-1
c = longueur d’onde central du canal
A, B coefficients.
Ci-dessous les valeurs de la longueur d’onde central (en cm-1), et les paramètres A, et B
(en K) pour le rapport analytique entre radiance et la température de brillance pour les canaux
IR- thermique pour les satellites MSG-1, MSG-2:
70
Canal λ0 Meteosat-8 Meteosat-9

Longueur
d’onde νc (cm-1) A(K) B (K) νc (cm-1) A(K) B (K)
centrale
(μm)
4 3.92 2567.33 0.9956 3.410 2568.832 0.9954 3.438
5 6.25 1598.103 0.9962 2.218 1600.548 0.9963 2.185
6 7.35 1362.081 0.9991 0.478 1360.330 0.9991 0.470
7 8.70 1149.069 0.9996 0.179 1148.620 0.9996 0.179
8 9.66 1034.343 0.9999 0.060 1035.289 0.9999 0.056
9 10.80 930.647 0.9983 0.625 931.700 0.9983 0.640
10 12.00 839.660 0.9988 0.397 0.397 836.445 0.9988
11 13.40 752.387 0.9981 0.578 751.792 0.9981 0.561
C1 1.19104 10-5 mW m-2 sr-1(cm-1)-4
C2 1.43877 K(cm-1)-1
Tableau IV.2 Les coefficients constantes (A, B) de MSG et la longueur d’onde central des
canaux infrarouges
Compte Température
numériqu de brillance
e
Fig. IV.14 image de canal 3.9µm avant (à gauche), et après étalonnage (à droite)
71
(a)
(b)
Fig. IV.15 température de brillance d’un image du canal 3.9µm, acquise le 18-05-2011 à
10:00 UTC ,(a) représente une vu globale, (b) représente la température de la région du
nord de l’Afrique (l’Algérie)
72
II.2 AFFRANCHISSEMENT DES NUAGES

Le premier grand domaine d’application des images meteosat est l’étude de l’atmosphère
(météorologie et climatologie).Néanmoins elles peuvent être utilisées dans d’autres domaine
l’océanographie et les applications terrestres. en effet pour pouvoir étudier les caractéristiques
des surfaces terrestres et océanographiques nous devons créer une images à ciel clair, dégagée
de toutes nuages et cela a partir d’une séries d’images prises a la même heures pondant
plusieurs jours, la création d’une images en ciel clair repos donc sur la technique de la
brillance minimale enregistré pour un pixel donnée sur une période bien déterminée. En fait
les pixels pour lesquels la brillance est forte sont ceux formant les masses nuageuses, tandis
que les pixels à faible brillance sont représentatifs aux objets de la surface terrestre, a savoir la
mer et les sols. [11]
II.2.1 METHODE DES MINIMUM

Dùne façon générale, une image sans nuages, est assimilable à une image d’albédo des
sols. Elle peut être réalisée avec une série d’images dont on ne conserve, sur une image
composite, que les luminances les plus faibles en chaque point. La -fig. IV.19- représentent
les images que nous avons obtenues avec des pixels de luminance minimum, extraits dùne
séquence de données satellitaires -fig. IV.18- et représentatifs de làlbédo de chaque point de
1a surface terrestre.
Fig. IV.16 Série d’images du Canal visible 0.6 et 0.8μm , du 11 au 27

juillet 2011à 12 :30
73
Fig. IV.17 Canal Visible 0.6μm avant (à gauche) et après (à droite) affranchissement des nuages
III. IDENTIFICATION DE LA VEGETATION
III. 1 INDICES DE VEGETATION
III.1.1 LE CHOIX DE L ’INDICE DE VEGETATION
Les indices de végétation sont nombreux et correspondent chacun à une application propre
(tableau IV.3). Un certain nombre d'indices de végétation ne sont utilisables que pour des
couverts «denses» (pas de sol apparent), mais pas très dense (sinon on est confronté à l’effet
de saturation), (exemple RVI), et chlorophylliens, sans mélange de matière sèche sur pied
avec la matière verte (exemple NDVI). Même si certains sont efficaces, tel que le TSAVI
(Transformed Soil Adjusted Vegetation Index issu du SAVI) pour calculer le taux de couvert
végétal en milieu semi-aride à végétation éparse (Barret F., et al., 1989 ; Purevdorj T., et al.,
1998), l’indice NDVI (Normalized Differential Vegetation Index ou en français Indice de
végétation normalisé) le plus connu sera utilisé dans ce travail car il est un bon indicateur de
la productivité primaire de la végétation terrestre des zones semi-arides et arides.
Le NDVI reflète mieux l’état de la végétation surtout en zones pluviales semi-arides où le

climat agit fortement sur les plantes et où les variations inter-annuelles du climat sont
importantes. D’autre part, la plus forte fréquence d’utilisation du NDVI dans les travaux
scientifiques par rapport à d’autres indices relève de la disponibilité des données, ce qui
constitue son plus grand avantage.
74
Dénomination Caractéristiques Auteurs

Différence Forte sensibilité aux variations Monget, 1980
atmosphériques
Rapport (RVI) Saturation aux forts indices, Knipling, 1970 ; Viollier et al.,
sensibilité à la contribution 1985
spectrale des sols et aux effets
atmosphériques
Indice de végétation normalisé Sensibilité aux effets Tucker, 1979 Rouse et al.,
(NDVI) atmosphériques, gamme de 1974 ;
variation plus faible, que le
précédent, mais sensibilité aux
variations angulaires de la visée,
selon la position du soleil
Indice de végétation transformé Essai d’élimination des Dering et al., 1975
(TVI) valeurs négatives,
stabilisation de la variance
Indice de végétation Diminution de la Richardson et Wiegand,
perpendiculaire (PVI) contribution spectrale des 1977
sols, mais sensibilité à
diverses caractéristiques des
sols
Indice de végétation ajusté De nombreux indices sont Huete, 1988
au sol (SAVI) issus de celui-ci pour
minimiser l’effet du sol
(TSAVI, MSAVI)
Indice de végétation Diminue l’effet des aérosols Kaufman et Tanre, 1992
normalisé corrigé des effets contenus dans l’atmosphère
atmosphériques (ARVI) sur le NDVI mais sensible à
la contribution spectrale des
sols
Tableau. IV. 3 Les principaux indices de végétation les plus couramment utilisés
III.1.2 INDICE DE VEGETATION NORMALISE NDVI
Pour évaluer l’évolution de la végétation dans les zones étudiées, on a calculé le NDVI
mesuré pendant une dizaine du mois d'acquisition. Il est calcule a partir des réflectances des
canaux Vis06 et Vis08:
𝑁𝐷𝑉𝐼 = . (07)
𝜌𝑃𝐼𝑅 + 𝜌𝑅
Où, 𝜌𝑃𝐼𝑅 est la réflectance du canal visible 0.8µm et, 𝜌𝑅 est la réflectance du canal visible
0.6µm. La différence réelle entre la lumière du soleil reflétée dans la partie rouge du spectre
(canal 1), où la végétation est l’énergie absorbante pour la photosynthèse est l’énergie reflété
dans le proche infrarouge (le canal 2), donne une mesure qualitative pour l’activité de
photosynthèse.[11] , la figure ci-dessous représente les étapes pour calculer le NDVI a partir
des images MSG-SEVIRI.
75
VIS0.6
µm Image composite
VIS0.8
µm Image composite
N
NDVI
Fig. IV.18 Calcule de NDVI à partir d’une série d’image acquise

du 17 au 27 juillet 2011 à 12 :00 UTC
76
Donc à partir d’une série des images du capteur MSG-SEVIRI acquises par la station du
laboratoire LAAR (Laboratoire d’Analyse et d’Application du Rayonnement) du 17 au 27
juillet 2011 à 12 :00.UTC, on a calculé une image NDVI composite de 10 images (Fig.
IV.20), cet opération nous a permet d’éliminer les nuages afin de construire une image en ciel
clair.
Fig. IV.19 Canal NDVI de l’Afrique du 17 au 27 juillet 2011 à 12 :00 UTC
L’indice NDVI varie dans la gamme de -1 .0 et +1.0 .les valeurs plus grand que 0.1
dénotent généralement des dégrées croissante dans la verdure et l’intensité de la végétation.
Les valeurs entre 0 et 0.1 sont généralement caractéristiques des roches et du sol nu, et les
valeurs moins de 0 indiquent des nuages, de la neige, des glaces puis des surfaces d’eau,
respectivement.
Les surfaces de végétation ont typiquement des valeurs des NDVI s’étendant de 0.1 dans
les diserts jusqu’à 0.8 dans les forets denses. Le tableau ci-dessous montre les valeurs de
NDVI pour les différents types de couvertures
Type de couverture NDVI

Végétation dense 0.7
Sol nu sec 0.025
Nuages 0.002
Neige et glace -0.046
Eau -0.257
Tableau. IV. 4 les valeurs de NDVI pour les différents types de couvertures
77
III.1.3 CLASSIFICATION DES IMAGE NDVI

La classification d’image fait partie des méthodes couramment utilisées pour l’exploitation
des images satellitaires d’observation de la terre. Elles consistent à répartir les pixels de
l’image dans des groupes homogènes ‘’classes’’ définis par des règles mathématiques;
Chacune de ces classes représente un thème particulier (foret, eau, sol ….) afin d'obtenir un
document final le plus proche d'une cartographie thématique traditionnelle. Les pixels formant
ces classes sont regroupés en fonction de leur valeur numérique (Réflectance) dans un canal
et/ou dans plusieurs canaux. La classification des images NDVI permet de regrouper les
régions en unités homogènes du NDVI et permet l’identification des grandes unités
paysagères. Pour interpréter les données, on s’est référé au comportement spectral des objets,
tels qu’il est traduit par les images NDVI.
III.I.3.1 CLASSIFICATION PAR LA METHODE DE ‘’ ARBRE DE DECISION ’’
III.I.3.1.1 PRINCIPE D’UN CLASSIFICATEUR A ARBRE DE DECISION

L’arbre de décision est une méthode utilisée dans les approches d’apprentissage
automatique ou ‘’machine learning’’ en intelligence artificielle, cette méthode appartient au
groupe de l’ « Apprentissage supervisé ou classification supervisée » .[18]
Un arbre de décision est composé d’une racine qui est le point de départ de l’arbre, des
nœuds, des branches qui relient : la racine avec les nœuds, les nœuds entre eux et les nœuds
avec les feuilles. En télédétection, les classes de pixels obtenues après traitement jouent le
rôle des feuilles ou nœuds terminaux. [18]. L’algorithme de l’arbre est présenté comme suit :
Construire arbre X
Données : bandes, classes, seuil de séparabilité
Si tous les pixels de X sont de même classe,
Créer une feuille associée à cette classe
Sinon
- Choisir, selon le critère, le meilleur couple
(bande, seuil de séparabilité) pour
créer un nœud, ce test sépare X en deux parties Xg et Xd.
- Construire arbre (Xg).
- Construire arbre (Xd).
Arrêt si :
- Tous les pixels du noeud sont de même classe.
- L’hétérogénéité du noeud ne diminue plus.
- Plus classes à tester.
Une série de sept images MSG/SEVIRI est acquises (mois de juillet). A partir de cette série
des images, le profil de l’indice de végétation NDVI est généré pour chaque pixel. Cela est
réalisé après des corrections radiométriques. Une carte d’occupation du sol est générée, en se
basant sur l’algorithme ‘’arbre de décision’’, à l’aide du logiciel ENVI. Et au lieu de récupérer
des échantillons directement à partir de l’image, on passe par son histogramme et repérer les
minimums et les maximums afin de choisir nos seuils et donc borner nos classes. Plus on
78
augmente le nombre de seuil plus il y a de classes. Le résultat de classification de l’image

NDVI est présenté dans la figure (Fig. IV.22) ci-dessous :
Fig. IV.20 résultat de classification de l’image NDVI
Fig. IV.21 Résultats de classification de l’image NDVI sur le nord de l ’Afrique
79
La grande partie du nord de l’image (Fig. IV.21) correspond à la mer, l’indice de

végétation est globalement très bas dans cette zone. Cependant les zones de la couverture
végétale dans le nord ressortent remarquablement de l’image par leurs très fortes valeurs
d’indice de végétation NDVI (0.3 à 0.6).
La distribution de la végétation dans le nord de L’Afrique (Algérie) n’est pas uniforme, il

ya des zones de forte densité du couverte végétale comme il ya des zones de faible densité.
pour cela on a utilisé la méthode de seuillage afin de séparer les zones de couverture végétale
selon densité. Cette méthode est appliquée sur le canal NDVI dans lequel la végétation est très
discernable (Fig. IV.22).
Fig. IV.22 Résultats de seuillage sur l’Algerie selon la densité de la végétation
Fig. IV.23 Résultats de seuillage sur l’est de l Algerie

Selon la densité é de la végétation
80
III.2 COMPARAISON DES IMAGES NDVI DE MSG-SEVIRI AVEC IMAGES DE

SPOT-VEGETATION
Ce paragraphe vise à évaluer l’intérêt des données du capteur SEVIRI des satellites
géostationnaires METEOSAT Seconde Génération (MSG) pour le suivi de la végétation.
L'étude repose sur la comparaison de l’indice de végétation NDVI du capteur SEVIRI par
rapport aux indices de végétation NDVI des capteurs des satellites SPOT-VEGETATION et
NOAA-AVHRR. Les caractéristiques principales des capteurs et des images NDVI sont la
résolution, la répétitivité et la synthèse temporelle (Tableau .IV 05). [19]
NOAA-AVHRR SPOTVEGETATION MSG-SEVIRI

Résolution 1,1 km 1,1 km 3 km
Répétitivité 1 jour 1 jour 15 minutes
Synthèse 10 jours 10 jours durée fixée par
temporelle utilisateur
Tableau .IV 5 Caractéristiques des capteurs et des synthèses temporelles de NDVI
III.2.1 LES CARACTERISTIQUES DES IMAGES SPOT-VÉGÉTATION

TRAITEES
Les données NDVI du capteur VÉGÉTATION de SPOT sont disponibles par

téléchargement auprès du site Internet VITO73: Les données de synthèse décadaire sont
disponibles en deux versions S10 et D10. Nous avons utilisé ici les données S10, qui sont
obtenues par une technique de synthèse temporelle fondée sur la comparaison pixel par pixel
de 10 valeurs journalières de réflectance pour en dériver les meilleures estimations dans les
canaux rouge et proche infrarouge, à partir desquelles l’indice NDVI est calculé (Tableau .IV
06). [19]
zone couverte : longitudes de 26° Ouest à 60° Est

zone couverte : latitudes de 38° Nord à 35° Sud
projection Plate Carrée
résolution spatiale 0,008929° (environ 1km)
taille image 9633 colonnes x 8177 lignes
format hdf
codage comptes numériques CN 0 à 255 (byte)
relation entre CN et NDVI CN = 0,004 x NDVI - 0,1
valeurs extrêmes de NDVI - 0,1 et 0,92
Source : http://free.vgt.vito.be/, 2011
Tableau .IV 06: Caractéristiques des images NDVI de l’archive SPOT-VEGETATION pour le
continent africain
81
0.92
-0.1
Fig. IV. 24 L’image NDVI du SPOT-VEGETATION (S10) utilisé
Fig. IV.25 résultat de classification de L’image NDVI du

SPOT-VEGETATION (S10) , l’Algérie.
82
Fig. IV.26 résultat de classification de L’image NDVI du

MSG-SEVIRI (synthèse de 7 jours) , l’Algérie.
Fig. IV 27 Classification d’image NDVI du SPOT-VEGETATION
Fig. IV 28 Classification d’image NDVI du MSG-SEVIRI
Nous illustrons ci-dessus (Fig. IV 28 et Fig. IV 27) la comparaison des indices NDVI portant sur
une période de 07 jours, obtenus avec MSG-SEVIRI et SPOT-VEGETATION (S10).
83
On remarque que l’image NDVI -S10- de SPOT-VEGETATION (Fig. IV 27) de point de

vu classification possède un nombre de classes important par rapport au image NDVI de
MSG-SEVIRI (Fig. IV 28) grâce a son résolution spatiale (1km), mais l’avantage des images
MSG est la possibilité d’obtenir des synthèses temporelles d’indicateurs comme l’indice de
végétation NDVI (Fig. IV. 19) . Et on peut penser que les données MSG permettront
dorénavant de réaliser des synthèses de bonne qualité sur des périodes de 4 à 5 jours
contrairement au NOAA-AVHRR ou SPOT-VEGETATION (synthèse de10 jours). D’autre
part, la résolution spatiale reste limitée à 3km, à moins d’envisager des méthodes de fusion
des données avec le canal panchromatique à 1km.
IV. SUIVI DE L ’EVOLUTION DE LA VEGETATION

L'analyse porte sur des images, contenant l'indice de végétation (NDVI) de différentes
dates de l’année : Avril, Mai, Juillet et Septembre. Le NDVI est calculé à partir d'images dans
les bandes rouges et proche infrarouge du capteur SEVIRI de MSG (Meteosat Second
Génération).Les images NDVI pour ces dates sont représentées ci-dessous. Les zones de
couverture moyenne de végétation apparaissent en vert foncé et en vert claire pour la
végétation dense.
Fig. IV.29 NDVI de l’image prise au mois d’Avril 2011
Fig. IV.30 NDVI de l’image prise au mois de Mai 2011
84
Fig. IV.31 NDVI de l’image prise au mois de juillet 2011
Fig. IV.32 NDVI de l’image prise au mois de Septembre 2011
L’image du mois d’Avril apparaît comme ayant des valeurs d’indice de végétation plus
élevés que celle des autres dates (ça apparat surtout dans l’Est de l’Algerie). La végétation
dans cette période est suffisamment couvrante et présente un état de croissance plus
développé.
Au moi de juillet, l’évolution phénologique des cultures modifie les valeurs de reflectance.
Ce mois présente la période de la maturation des espèces végétales d’où d’activité
chlorophyllienne baisse ce qui diminue les valeurs des indices de végétation.
85
Le mois de Septembre est une période des labours. C’est pour cette raison que l’image
correspondante a des valeurs d’NDVI plus faible que les précédentes.
Cette différence n’est pas appréciable dans certaines zone (surtout les forets des conifères)
qui gardent toujours leurs verdures .L’NDVI est assez constant tout au long de l’année pour
ces zones.
CONCLUSION
Le calcule de l’indice de végétation NDVI exige certainement de faire des corrections sur les
valeurs radiométriques des images, pour cela, on a utilisé un algorithme de calibration pour
l’extraction de l’albédo du sol.
L’instrument SEVIRI de MSG comporte les deux canaux dans le visible nécessaires pour
dresser des cartes régionales du NDVI - ce qui présente plusieurs avantages, un des plus
remarquables étant la stabilité des images et la facilité de réception de ces données en des
lieux d’utilisation situés dans tout le champ d’observation de MSG. Ainsi, les utilisateurs
peuvent construire des cartes de végétation répondant à des besoins locaux.
Notre objectif ne se borne pas seulement à l’élaboration des cartes NDVI a partir des donnée
de MSG-SEVIRI, mais aussi à les comparer avec d’autre produits tel que le produit S10 de
SPOT-VEGETAION.
86
Conclusion et Perspectives
CONCLUSION ET PERSPECTIVES
Les satellites destinés à observer les phénomènes temporels

produisent des images multi spectrales, temporelles. Ces images
sont acquises par des stations sol réparties sur le globe terrestre, tant
dis que la nouvelle station de réception des images de type MSG
réalisée au cours de notre projet est opérationnelle au niveau de
notre laboratoire LAAR, elle nous fournit un flux d’images
importants qui nécessitent un traitement et une analyse.
Ce travail rentre dans le cadre de l’application des images

satellites pour la prévision météorologique. Il est nécessaire alors de
promouvoir des études ultérieures telles que, Les bilans d’énergie,
les bilans de masse, le transport de sable, la variabilité
spatiotemporelle de la température de surface, l’indice de
végétation, etc.
Dans notre mémoire, nous nous sommes intéressés à

l’exploitation et l’interprétation des images METEOSAT deuxième
génération (MSG), qui sont exploitées surtouts pour la suivi de la
végétation terrestres, ainsi pour donner les caractéristiques
physiques de cette dernières.
Les nombreux exemples d’application des données de MSG

présentés dans ce mémoire montrent clairement que cette deuxième
génération de satellites est capable d’apporter de nouvelles
connaissances utiles dans beaucoup de disciplines y compris, bien
sûr, sa contribution à la prévision météorologique et à la
surveillance climatique, qui sont les deux objectifs principaux
d’EUMETSAT. Mais ses possibilités ne s’arrêtent pas là et des
exemples montrent aussi son potentiel, en ce qui concerne des
aspects très variés de la surveillance de l’environnement, d’un point
de vue général.
Dans ce mémoire nous avons aussi montré la possibilité d’obtenir

à partir de MSG des synthèses d’indicateurs comme l’indice de
végétation NDVI. Et on peut penser que les données MSG
permettront dorénavant de réaliser des synthèses de bonne qualité
sur des périodes de 5 à 10 jours contrairement au NOAA-AVHRR
ou SPOT-VEGETATION (synthèse de10 jours).
Conclusion et Perspectives
D’autre part, la résolution spatiale reste limitée à 3km, à moins

d’envisager des méthodes de fusion des données avec le canal
panchromatique à 1km. Cette perspective fait l’objet d’autres
travaux. Il faut souligner que les données MSG permettent d’obtenir
simultanément les données de température et d’indice de
végétation, ce qui conduit à élaborer des indices de sécheresse
combinant ces deux paramètres, comme le -Temperature Difference
Vegetation Index-TDVI- .
Références
REFERENCES
[01] A.Ammadi , M.Baslam. Informatique, Détection automatique de phénomènes

présents dans une image satellitaire en composition colorée, 2008.
[02] http://e-cours.univ-paris1.fr, SEVIRI.
[03] http://www.ccrs.nrcan.gc.ca/ccrs/learn/tutorials/tutorials_f.html,Notions,fondamenta
les de télédétection.
[04] R.Caloz., télédétection satellitale , Section des Sciences et Ingénierie de
l'Environnement, Ecole polytechnique fédérale de Lausanne (EPFL), Laboratoire de
systèmes d'information géographique (LaSIG).
[05] http://satellites-meteorologiques.e-monsite.com/pages/les-mesures-d-un satellite-
meteorologique.html
[06] http://www.spotimage.com/web/111-vegetation.php
[07] Jean-Claude Bergès, Bernard Lacaze et Mohamed Faouzi Smiej, Vers un suivi en
temps réel de la sècheresse au Maroc à partir des données Meteosat Seconde
Génération (MSG) .
[08] Hassini, A., Mohamed Benkada , R., Benabadji, N., Belbachir, A. H., Acquisition et
traitement des images Meteosat nouvelle génération MSG,Conférence
Internationale sur l’instrumentation industrielle , Oran, Avril2009
[09] R. Mohamed Benkada Etude et Exploitation des images satellitaires METEOSAT
Nouvelle Génération (MSG). Université des sciences et de la technologie USTOMB
,Oran,Algerie,2009
[10] Rosenfeld, Lensky , Kerkmann , Tjemkes ,Govaerts,Roesli , Conversion from
counts to radiances and from radiances to brightness temperatures and reflectances .
[11] N.Naima, A.Adan, Z.Ameur ,S .Ameur, Construction d’une image METEOSAT en
ciel clair, Université Moulod Mammeri (UMMTO) , Tizi ouzou ,2009
[12] A .Hassini, Acquisition et exploitation des données satellitaire à forte résolution
temporelle. Université des sciences et de la technologie USTOMB, Oran, Algerie
,2006
[13] EUMETSAT, Meteosat-8/MSG 1 - Channel Spectral Bands
[14] EUMETSAT, A Planned Change to the MSG Level 1.5 Image Product Radiance
Definition
[15] EUMESAT Meteosat Seconde Génération En Orbite - En Service .2005
[16] Bernard.Lacaze , Comparaison des données des satellites grand champ pour le suivi
des variations saisonnières de l´état de la végétation en Afrique de lÓuest .
[17] Mamadou.Adama.Sarr , Variabilité pluviométrique en Afrique de l’ouest :
dynamique Des espaces végétaux a partir des images satellitales. Exemple Du
bassin versant du Ferlo (Sénégal) 2008.
[18] R. S. Rakotoarimanana , S. Rakotoniaina , S. RAKOTONDRAOMPIANA, Algorithmes à
Références
arbre de décision appliqués à la classification d’une image satellite . Université

d’Antananarivo Madagascar.
[19] Mamadou Adama SARR (CNRS, Lyon) et Bernard LACAZE (CNRS, Paris),
Caractérisation de la dynamique de la végétation en Afrique de l’Ouest :
comparaison des indices NDVI de MSG-SEVIRI, SPOT-VEGETATION et NOAA-
AVHRR (exemple du Ferlo, Sénégal)
[20] H.Yagoub ,Identification et suivi de l’évolution du couvert végétal du sol Algérien à

partir des images NOAA HRPT.
[21] H.Ouberrane , Le suivi des paramètres physiques Sol-Mer à partir des images
multispectrales NOAA.
Acronymes et Abréviations
A transmissions par satellite L

ATSR commercial) LSA (SAF LSA)
Radiomètre à balayage le EUMETSAT SAF chargé de l’analyse des
long de la trace Organisation européenne terres
AVHRR d’exploitation des satellites émergées
Radiomètre avancé à très météorologiques LST
haute résolution ENVI Température de la surface
The Environment for du sol
Visualizing Image LAI
C Leaf Area Index
Cn
Canal de prise d’image G
numéroté GERB
de 1 à 12 Instrument de détermination M
CLA géostationnaire du bilan m
Analyse des nuages radiatif de la Terre Mètre
cm Gigabit m-2
Centimètre Milliard de bits (109 bits) Par mètre carré
CM (SAF CM) GII Métop
SAF chargé de la Indice global d’instabilité Satellite météorologique
surveillance du climat globale opérationnel (segment
cm-1 GOES spatial du système polaire
Par centimètre Satellite opérationnel dÉUMETSAT)
CMN géostationnaire d’étude de mm
Centre météorologique l’environnement Millimètre
national GOME MODIS
CO2 Instrument de surveillance Spectroradiomètre-imageur
Dioxyde de carbone de lózone à l´échelle du de moyenne résolution
CSR globe. MPEF
Radiances par ciel clair Centre d’extraction de
produits
Météorologiques , au siège
D H d’EUMETSAT
DVB h MSG
Vidéodiffusion numérique Heure Météosat de Seconde
HRV Génération
Haute résolution dans le
E visible
EPS N
Système polaire NASA
dÉUMETSAT I Administration américaine
ERB IR pour l’espace et
Bilan radiatif de la Terre Infrarouge l’aéronautique
ERS K NIR
Satellite européen de K Proche infrarouge
télédétection Kelvin NOAA
ESA km Administration nationale
Agence spatiale européenne Kilomètre océanique et atmosphérique
EUMETCast km/h (des Etats-Unis d’Amérique)
Système de diffusion de Kilomètres à l’heure
données
météorologiques O
d’EUMETSAT (utilisant des OMM
Acronymes et Abréviations
Organisation Système mondial de UTC

météorologique mondiale télécommunications (de Temps universel coordonné
OSI (SAF OSI) l’OMM) UK
SAF chargé de l’étude des sr Royaume-Uni
océans et des glaces de mer Stéradian, unité d’angle UV
solide Ultraviolet
sr-1
R Par stéradian V
RVB SRB VIS
Rouge-vert-bleu Bilan radiatif à la surface Visible
SSI
Eclairement énergétique
solaire à la surface
S W
SAF W
Centre d’applications Watt
T Wm-2
satellitaires
TOA Watt par mètre carré
SEVIRI
Sommet de l’atmosphère WV
Radiomètre-imageur dans le
TOZ Vapeur d’eau
visible et l’infrarouge rotatif
Ozone total
amélioré
TSM
SMN
Température de surface de
Service météorologique
la mer
Z
national μm
SMT Micromètre; un millionième
U
Annexe Exploitation des images HRIT-MSG
1-LE LOGICIEL XRIT2PIC

C’est un logiciel pour la décompression, la classification et la sauvegarde des différentes
données HRIT acquises.
CHARGEMENT DE DONNEES HRIT :
Recieved->Browse dir
Ouverture des fichiers compressé de type MSG2
Visualisation des fichiers decompressé de type MSG2
Apartir de ce logiciel on peut sauvgarder l’image sous le format PGM (Portable Graymap
16 bit) ou JPEG(24bit) et comme les images sont codées sur 10 bit on a choisit de les
enrigistrer sous le format PGM.
LES COMPOSITIONS COLOREES SOUS XRIT 2PIC :
Pour visualiser les differents compositions colorées à partir des 12 bandes de MSG2 , on
fait activer l’option ‘’Colours’’ puis on choisi les canaux à fusionées selon nos besoins.
Affichage en compositions colorées
EXEMPLES DES COMPOSITIONS COLOREES
Composition R3G2B1 Composition R2G4B9

Composition R2G3B4
2-LE LOGICIEL ENVI

ENVI (Environment for Vizualizing Images) est un logiciel de traitement d'image
développé par la société RSI (Research Systems, Inc). C'est un logiciel haut de gamme qui
permet de lire, de visualiser et d'analyser des images numériques et en particulier issues de la
télédétection. ENVI supporte un grand nombre de formats de fichier de toute taille, mais
possède également son format propre.
Interface du logiciel ENVI 4.2
Le logiciel est constitué de plusieurs rubriques dont chacune répond à un objectif parmi
ceux que ce logiciel doit atteindre.
Pour notre cas, on a utilisés ce logiciel comme un outil de calcule, car il contient une
option qui nous permet d’utiliser les équations d’étalonnage plus les coefficients de
calibration des images de type MSG.
DEMARRAGE DE ENVI
On sélectionne Start -> Programs- > RSI ENVI 4.2 -> ENVI .
Barre de menu principal d’ENVI 4.2
CHARGEMENT D'UNE IMAGE MSG2 DE FORMAT PGM
On vas ouvrir l’image du canal visible du satellite MSG- SEVIRI acquise le 11-07-2011 à
12 :15 UTC , et décompressé par le logiciels Xrit2Pic et sauvegardé sous le format PGM afin
de garder le codage 10 bits :
Dans la barre de menu ENVI principal, sélectionnez Fichier Image File> Open
Accédez au répertoire : c\ecast\exported\, sélectionnez le fichier :
MSG2_VIS006_110711_1215.pgm.
En cliquez sur Ouvrir, la fenetre ‘’Header Info’’ apparaitre pour entrer les information de
ce fichier : nombre de ligne-Lines-, et pixels-Samples-, nombre de bande-Bands- ,
‘’l’offset’’, type de données-Data Type-, l’ordre de stockage -Byte Order-,type de fichier-
File Type-
La figure ci-dessous représente une fenêtre ‘’Header Info’’ et la boîte de dialogue ‘’Liste
des bandes’’ disponibles pour ouvrir une l’image HMSG2_VIS006_110711_1215.pgm
La fonction ‘’Edit Header’’ peut également être utilisée pour changer les informations d’un
entête existant.
Ouverture d’image sous ENVI 4.2

On sélectionne la bande HMSG2_VIS006_110711_1215 pgm. On Click sur le bouton

‘’Gray Scale’’ puis ‘’Load Band’’ pour afficher l’image.
Lorsque l’affichage d'image apparaît sur l’écran. Le groupe d'affichage est constitué d'une
fenêtre d'image (Image), une fenêtre de défilement(Scroll), et une fenêtre de zoom(Zoom).
Ces trois fenêtres sont liées; des modifications à une fenêtre se reflètent dans les autres.
Affichage de l’image
AFFICHAGE DE L’HISTOGRAMME GRAPHIQUE CORRESPONDANT
A partir de menu ‘’Enhance’’ de la fenêtre d’affichage ‘’image’’ on choisi ‘’interactive

sstertching’’
Histogramme de l’image HMSG2_VIS006_110711_1215.pgm
CREATION DE COMPOSITION COLOREE
Affichage en composition colorée R3G2B1 pour les données MSG-SEVIRI

ANALYSE DU CONTENU DES DONNEES
Après Affichage la composition coloré on sélectionne : tools-> Cursor Location Value
Contenu des données
NDVI A PARTIR DES IMAGES MSG SOUS ENVI

Pour faire le NDVI a partir des images MSG, on écrire la formule mathématique de cet
indice garce à l’option Band Math : Basic Tools -> Band Math, elle s’écrit comme cela :
(float (b2)-float(b1))/ (float(b2)+float(b1))
L’option Band Math
Il est ensuite demander de choisir les bande correspondant à b1 et b2 , en l’occurrence les

bande rouge(VIS0.6) et proche infrarouge (VIS0.8)
On a utilisé cet option’’Band Math’’ aussi pour la calibration des données, car ENVI ne
peut pas faire la calibration directe des images de type MSG.

Memoire-BENKAHLA Naima

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Memoire-BENKAHLA Naima

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE

FACULTE DES SCIENCES

Mémoire présenté pour l’obtention du

Melle BENKAHLA Naima

Identification de la Végétation Terrestre par Radiomètre

Soutenu le : Lundi 13/02/2011

Examinateur Mr.TEBBOUNE Abdelghani Mimoune MCA USTOMB

Mots-clés— Indice de végétation, NDVI, SEVIRI, Suivi de

Abstract—The applications of the remote sensing in the study

Keywords—Index of vegetation, NDVI, SEVIRI, Follow-up of

Louange à Dieu, le miséricordieux, sans Lui rien de tout cela

Mes remerciements s'adressent tout d'abord à mon encadreur

J’exprime mes remerciements aux membres de jury, d’avoir bien

J’ai aussi le plaisir de remercier Monsieur Ahmed Hafid

Toutes mes reconnaissances à mes chers parents pour leur soutien,

J’aimerai aussi adresser mes remerciements à tous les membres du

Mes remerciements vont évidemment aux personnes à qui je tiens

Je dédie ce modeste travail à mes très chers parents à qui je

A mes très chères sœurs : Sabah, Nacera, Karima,Halima.

Chapitre (I) Satellites météorologiques

Chapitre (II) Meteosat Seconde Génération

II.2.1 Répartition des bandes MSG…………..………………………………………………… 30

Chapitre (III) Propriétés Spectrale de la Végétation

Chapitre (IV) Mesure de la végétation pour les données TLD

Introduction …………………………………………………………………………………. ……… 61

LISTE DES FIGURES

Chapitre (I) Satellites Météorologiques

Fig. I.1 Fonctionnement des capteurs, passif ………………………………………………………… 04

Chapitre (II) Meteosat Seconde Génération MSG

Fig. II.1 Mise en orbite du satellite MSG……………………………………………………………. 23

Chapitre (III) Propriétés Spectrale de la Végétation

Fig. III.1 Les différentes étapes de la télédétection…………………………………………………... 41

Fig. III.5 Signatures spectrales pour différents types de sols………………………………………… 44

Chapitre (IV) Mesure de la végétation pour les données TLD

Fig. IV.1 Le schéma synoptique de la partie matériel………………………………………………... 62

LISTE DES TABLEAUX

Chapitre (I) Satellites météorologiques

Tableau I.1 Les produits du satellite QuickBird………………………………………. 08

Chapitre (II) Meteosat Seconde Génération

Tableau. II.1 Les satellites Meteosat et MSG ………………………………………….. 24

Chapitre (III) Propriétés Spectrale de la Végétation

Tableau. III.1 Résumé d’indices de végétation ………………………………………….. 58

Chapitre (IV) Mesure de la végétation pour les données TLD

Tableau .IV.1 l’entête dune image MSG2………………………………………………. 68

Une gestion efficace de l’environnement et des ressources agricoles

Les applications de la télédétection dans l’étude des surfaces terrestre

Le but de notre étude est d’étudié les images du capteur SEVERI du

Afin de décrire le travail effectué, ce mémoire comporte quatre chapitres

Après cette introduction générale, nous passons au premier chapitre qui

Dans le deuxième chapitre, nous présentons le programme METEOSAT

Le troisième chapitre traite les bases physique qui intervienne dans le

Nous abordons dans le quatrième chapitre l’étude expérimentale des

La télédétection spatiale permet d'observer le système terre, océans, atmosphère en

I. LES MESURES D'UN SATELLITE METEOROLOGIQUES

Fig. I.1 Fonctionnement des capteurs, passif (A) et actif (B)

I.1 SATELLITES GEOSTATIONNAIRES

Le principal instrument utilisé sur les satellites géostationnaires est le radiomètre-imageur.

Fig. I.2 Le satellite géostationnaire meteosat7

Le radiomètre possède plusieurs canaux, qui correspondent chacun à une bande

2. Dans le canal infrarouge, le radiomètre mesure l'émission thermique de la cible, et donc sa

Un satellite géostationnaire assure une surveillance continue de la même partie du globe

I.2 LES SATELLITES A DEFILEMENT

Fig. I. 4 L'acquisition d'un satellite à défilement, MetOp