Machine Translated by Google

Journal des environnements arides 198 (2022) 104693

Liste des contenus disponible sur ScienceDirect

Journal des environnements arides

page d'accueil du journal : www.elsevier.com/locate/jaridenv

Indice de sable amélioré par différence normalisée pour la détection des dunes de
sable du désert à l'aide des données Sentinel­2 et Landsat 8 OLI, application au nord de
Figuig, Maroc

Anas Marzouki * , Abdallah Dridri

Université Sidi Mohammed Ben Abdellah, Faculté des Sciences Dhar El Mehraz, Département de Géologie, BP 1796 Fès­Atlas, 30003, Maroc

INFORMATIONS SUR L'ARTICLE ABSTRAIT

Mots clés:
Cet article traite du développement d'un nouvel indice spectral pour la détection des dunes de sable du désert à l'aide de quatre bandes
Indice de sable
issues des données Sentinel­2. Cet indice, appelé Normalized Difference Enhanced Sand Index (NDESI), utilise la bande bleue (492 nm),
JE SUIS
Sentinelle­2
la rouge (664 nm) ou la bande Vegetation Red Edge (VRE) (782 nm), et deux des bandes infrarouges à ondes courtes (SWIR). ) bandes
Landsat 8 (1613 et 2202 nm) pour générer une image en niveaux de gris, où les valeurs DN sont comprises entre ­ 2 et 2. Les valeurs les plus basses
Figuig et les plus élevées représentent respectivement les plans d'eau et les dunes de sable. Une technique de calcul de seuil a été utilisée pour
générer un seuil unique pour chaque image. Cette application d'index sur plusieurs images couvrant la région nord de la ville de Figuig
semble parfaitement mettre en valeur les dunes de sable sur l'ensemble de l'image, avec une précision globale de 97,9% et un coefficient
kappa de 83,4%. Cet indice est adapté aux données Landsat 8 et permet de suivre l'évolution des dunes de sable au fil du temps.

1. Introduction
À l'échelle mondiale, les dunes de sable côtières et désertiques couvrent environ 20 %
des régions arides de la planète. Les déserts de sable actifs occupent environ 10 % des
terres situées entre les latitudes 30N et 30S (Sarnthein, 1978). Au Maroc, 45 à 55 % des
terres sont désertiques (Mokhtari et al., 2013), y compris les régions du sud­est et le sud
du pays.
De 1980 à 2000, deux sécheresses de 4 ans et une de 3 ans ont eu lieu au Maroc
(Bazza et al., 2018). Avant 1990, une sécheresse survenait tous les cinq ans, mais une fois
tous les deux ans de 1990 à 2000 (Burger et al., 2014). De plus, la température annuelle
moyenne a augmenté de 0,9 ◦C, soit une augmentation moyenne de 0,2 par décennie
(Profil de risque climatique : Maroc, 2021). Les prévisions du changement climatique au
Maroc montrent une diminution des précipitations de 22% et une augmentation de la
température de 2,5 ◦C à 5,5 ◦C d'ici 2100 (Change, 2007). Ces faits, entre autres
(surpâturage, surpeuplement, etc.), vont étendre les zones arides, ce qui entraînera une
dégradation des terres et une désertification plus vulnérables.
zones.
Depuis leur apparition dans les années 60, les images optiques ont été largement
utilisées pour la cartographie de l’occupation du sol. Plusieurs techniques de traitement ont
été utilisées pour la discrimination de la couverture terrestre, notamment les composites de
fausses couleurs (FCC), l'analyse en composantes principales (ACP), l'analyse du bruit minimum.
Fraction (MNF), rapports de bande et technique d'index. La technique de l'index a été
largement utilisée pour identifier la couverture terrestre. Plusieurs auteurs ont développé
des indices pour détecter la végétation (Jordan, 1969 ; Rouse et al., 1974 ; Huete, 1988 ;
Roy et al., 1996), les plans d'eau (Gao, 1996 ; Han­Qiu, 2005 ; Feyisa et al., 2014). ) et sol
nu (Roy et al., 1996 ; Zhao et Chen, 2005 ; Rasul et al., 2018 ; Nguyen et al., 2021).
Pour la détection et la surveillance des dunes et des surfaces sableuses à l'aide
d'images optiques, plusieurs auteurs ont développé des techniques de télédétection utilisant
les produits Landsat disponibles gratuitement, depuis l'ère MSS jusqu'au Landsat 8 OLI.
Fadhil (2009, 2013) a proposé deux indices de sable partageant la même formule (tableau
1) à l'aide des données Landsat TM. L'auteur a utilisé l'indice NDSI pour suivre l'évolution
du sable en Irak entre 1988 et 2009.
Abdellaoui et Marmi (2010) ont utilisé les données Landsat MSS et Landsat TM & ETM pour
développer l'Indice du Voile Sableux (IVS). Cet index renvoie une image en niveaux de gris
avec quatre teintes distinctes : noir pour la végétation, gris foncé pour le sable humide, gris
clair pour les bâtiments et blanc brillant pour les surfaces de sable sec. L'auteur se base sur
l'interprétation visuelle de l'image de sortie. Deng et coll. (2015) ont utilisé les données de la
calotte à pampilles et l'indice de différence normalisée des sols pour construire un indice de
différence normalisé des sols (RNDI). Pan et coll. (2018) suggèrent un indice de différence
normalisé de sable (NDSI) qui permet de mieux distinguer le sable du sol et qui est plus
adapté à l'image Landsat 8, selon l'auteur. L'étude la plus récente sur

* Auteur correspondant.
Adresse e­mail : anass.marzouki@usmba.ac.ma (A. Marzouki).

https://doi.org/10.1016/j.jaridenv.2021.104693 Reçu le 1er

juin 2021 ; Reçu sous forme révisée le 28 octobre 2021 ; Accepté le 25 novembre 2021 Disponible en ligne le 2 décembre
2021
0140­1963/© 2021 Elsevier Ltd. Tous droits réservés.
Machine Translated by Google

A. Marzouki et A. Dridri Journal des environnements arides 198 (2022) 104693

Tableau 1 évolution des dunes dans le bassin de Laˆayoune­Tarfaya. Les auteurs ont utilisé le
Indices de sable utilisés pour les données Landsat. classificateur Maximum de vraisemblance, Distance minimale et Support Vector Ma­
Indice Auteur Formule Capteur chine pour faire la distinction entre les dunes de sable et les roches dures. Leurs résultats
montrent une augmentation de la surface occupée par le sable. Les mêmes auteurs,
Normalisé Fadhil (2009) NDSDI = (Rouge – LandsatTM
Différence Sable SWIR2)/(Rouge + Aydda et al. (2020), suggèrent une technique d'extraction des dunes de sable à partir
Indice des dunes SWIR2) des données Sentinel­2A. Cette technique s'appuie sur le calcul du rapport de bande, de
(NDSDI) l'indice de rougeur et de l'indice de croûte, ainsi que sur des techniques de classification
Indice du Voile Abdellaoui et IVS = (Bleu + u*Rouge + Landsat MSS,
non supervisées.
Sableux (IVS) Marmi (2010) v*NIR)/(1 + Bleu) Thématique
Avec la disponibilité de machines informatiques puissantes et le développement
Mappeur (TM &
ETM) exponentiel des algorithmes d’intelligence artificielle et d’apprentissage automatique,
Normalisé Fadhil (2013) NDSI = (SWIR2 ­ Rouge)/ LandsatTM plusieurs études ont porté sur l’identification, la caractérisation et la dynamique des
Différence Sable (SWIR2 + Rouge) dunes de sable. Horrall et coll. (2019) suggèrent d’utiliser le Generative Adversarial
Indice (NDSI)
Network (GAN) pour prédire le mouvement des dunes de sable à un coût informatique.
Rapport normalisé Deng et coll. RNDSI = NNDSI – LandsatTM
Différence Sol (2015) NTCI où NNDSI = Kochanski et coll. (2019) ont testé deux algorithmes d'apprentissage profond pour prédire
Indice (RNDSI) (NDSI – NDSImin)/ la migration des dunes de sable : un GAN et un réseau de neurones convolutifs (CNN).
(NDSImax – NDSImin) et Les résultats montrent que l’algorithme GAN est plus performant pour prédire la migration
NTCI = (TCl –
des dunes de sable. Une étude récente de Mohammadpoor et Eshghizadeh (2021)
Tclmin)/(TClmax –
discute du développement d'un algorithme pour l'extraction des dunes de sable en
Tclmin)
Normalisé Pan et coll. NDSI = (B4 – B1)/(B4 Landsat 8 utilisant le voisin le plus proche, l'arbre de décision, AdaBoost, RUSboost et la machine
Différence Sable (2018) + B1) Opération Terre à vecteurs de support (SVM) sur l'image Landsat. Azzaoui et coll. (2019a) ont formé un
Indice (NDSI) Imageur (OLI) modèle de forme active (ASM) pour détecter des dunes en forme de croissant sur une
Sable nu et sec Rasul et coll. DBSI = (SWIR1 ­ Landsat 8 était
image IKONOS haute résolution de la ville de Laayoune, au Maroc. Le même auteur,
Indice (DBSI) (2018) Vert)/(SWIR 1 + ˆ
Vert) – NDVI Azzaoui et al. (2019b), a réalisé une étude dans laquelle il a mesuré les caractéristiques
Normalisé Sahar et coll. (R­SWIR1)/(R + LandsatTM, allométriques des dunes de sable à l'aide d'un algorithme ainsi que les caractéristiques
Différence (2021) SWIR1) ETM et OLI en cascade de Haar et le SVM. Les résultats sont en corrélation avec la longueur, la
Terre de sable
largeur et la taille des cornes des dunes étudiées à Laâyoune, au sud du Maroc. Azzaoui
Indice (NDSLI) ˆ
et coll. (2020) ont utilisé des données IKONOS haute résolution avec un algorithme de
clustering pour la segmentation d'images et un module d'apprentissage par transfert (TL)
la détection de sable à l'aide des données Landsat TM, ETM et OLI 8 suggère un nouvel formé pour détecter et surveiller le mouvement des dunes de barchans à Tarfaya, au
indice de Sahar et al. (2021). Cet indice, appelé Normalized Difference Sandy Land Index Maroc.
(NDSLI), renvoie une image en niveaux de gris où les valeurs NDSLI sont comprises La technique d'indexation utilise plusieurs bandes d'un capteur dans une formule
entre − 1 et 1, le sable dans ces images ayant des valeurs < 0. Une liste d'indices de mathématique simple ou complexe pour produire une image en niveaux de gris, puis
sable établis avec leur formule est répertoriée ci­dessous ( Tableau 1). définit un seuil ou une plage de valeurs pour la détection des dunes de sable. Les indices
développés précédemment ont été réalisés exclusivement pour les données Landsat,
Malgré les progrès réalisés dans la détection, la caractérisation et la surveillance des dunes à l'aide limitant la détection du sable à la résolution de 30 m. Les sols nus et les surfaces
de techniques de télédétection, certains défis restent non résolus (Hugenholtz et al., 2012). Premièrement, sablonneuses étaient souvent confondus dans les images de sortie des indices
le problème des pixels mixtes : un seul pixel peut contenir une réponse spectrale à la fois du sable et de précédents. La désignation du seuil pour les dunes de sable était une plage de valeurs
la végétation, ce qui entraîne une signature spectrale d'un mélange au lieu de celle du sable. (par exemple, un indice <0 désigne des dunes de sable), ce qui aboutissait à des
Deuxièmement, en raison de la topographie, les dunes ombragées ne sont finalement pas détectées par résultats inexacts et exagérés (Xu, 2006).
les techniques de télédétection. Troisièmement, et pour les études quantitatives, l’identification des Cette étude explorera les données Sentinel­2 à 20 m pour développer un nouvel
indice de sable plus précis appelé Normalized Difference Enhanced.
limites des dunes est un défi ; le choix de la résolution spatiale de l’image est fondamental pour répondre
à la question de savoir où commence et où finit le sable. Enfin, la question de la commensurabilité de Sand Index (NDESI) pour la détection des dunes de sable du désert. Cet indice permet

l'image : les effets de perturbation contrôlent la luminosité relative des dunes dans l'image. Les dunes
stabilisées par la végétation apparaîtront plus sombres que les dunes nues et actives. À cette fin, l’indice
dont nous discutons dans cet article ne peut pas être utilisé dans le monde entier. Il se comporte bien
dans les terres arides et dénudées, où les dunes sont actives.
de faire la distinction entre les sols nus et les dunes de sable. Ensuite, nous adapterons
cet index pour Landsat 8 OLI afin de suivre l'évolution des dunes de sable au fil du temps,
car Landsat 8 OLI a plus d'archives que Sentinel­2. Une technique de sélection liée à
l’image seuil sera discutée plus loin dans cet article. Cette étude couvrira la région nord
de Figuig (Haut Atlas oriental marocain).

Au Maroc, il existe quelques études sur les dunes de sable utilisant des données de
télédétection. Elbelrhiti et al. (2005 ; 2008) ont caractérisé les dunes de sable du Sahara
marocain sur la base de mesures sur le terrain. Lekouch et al. (2010) ont utilisé une
image Landsat ETM+ de 2000 pour extraire des informations sur les formes, les directions
et les interactions entre les dunes. Les auteurs ont utilisé le SIG pour examiner les
différents paramètres qui contrôlent l'évolution des dunes de sable. Dakir et coll. (2016)
ont exploré les archives de Google Earth de 2005 à 2013 pour évaluer la dynamique des
dunes de sable. Les auteurs ont utilisé des techniques SIG et d'analyse spatiale pour
estimer les mouvements des dunes de sable à 32 m par an. Adnani et coll. (2016) ont
utilisé les rapports de bande de Landsat TM de 6/4, 5/7, 3/1 et le rapport de bande
d'ASTER de 2/1 pour mettre en évidence la différence de couleurs de deux dunes de
sable séparées dans la région d'Erfoud, au sud du Maroc. Le même auteur, Adnani et al.
(2018), ont utilisé le rapport de bande Landsat 8 de 4/2 et le rapport de bande ASTER
de 2/1 pour mettre en évidence le méga barchan d'Al­Ghord Lahmar, au sud­ouest du
Maroc. Aydda et coll. (2019) ont utilisé les données Landsat 5 et Landsat 7 de 1987 à
2011 pour évaluer
2. La zone d'étude
La zone d'étude est située dans la région orientale du Maroc, à environ 35 Km au
nord de la ville de Figuig (Fig. 1a), délimitée à l'est et au sud par les frontières maroco­
algériennes et à l'ouest par la ville de Bouarfa à 76 Km. . Elle couvre une superficie de
173,3 Km2 en termes de coordonnées géographiques, la zone d'étude est située entre
les latitudes 32◦18′ 47′′ N à 32◦23′ 33″ N, et les longitudes 1◦15′ 7′′O à 1◦ 24′ 5′′O.
Géologiquement, la zone d’étude appartient au domaine du Haut Atlas oriental
marocain, qui est une ceinture montagneuse intracontinentale délimitée par les failles
majeures nord et sud de l’atlas. Le Haut Atlas oriental a connu des accidents
multiphasiques (Du Dresnay, 1966 ; El Kochri, 1996 ; Houari, 2003). Au cours de l'ère
Jurassique supérieure – Cénozoïque, le Haut Atlas oriental a été soulevé et affecté par
des plis EW, des failles de décrochement et des chevauchements (Pique et al., 1998) en
raison de la convergence Afrique­Europe. Les principaux gisements de la zone d'étude
datent de l'ère jurassique (Fig. 1b), en commençant par les marnes et marnes gréseuses
de l'Aalénien jusqu'aux grès roses/rougeâtres du Jurassique supérieur. Quelques dépôts
de grès rosés

2
Machine Translated by Google
A. Marzouki et A. Dridri
Figure 1. a. La situation géographique de la zone d’étude (carré rouge) ; b. Carte géologique de la zone d'étude (Dresnay, 1963). (Pour l'interprétation des références à la couleur
dans la légende de cette figure, le lecteur est renvoyé à la version Web de cet article.)
manifester le tertiaire dans la zone d’étude. Les dépôts quaternaires sont essentiellement
des alluvions récentes (Du Dresnay, 1963). Les failles dans la zone d'étude ont trois
tendances principales : EW, NE­SW et NNW­SSE (Himyari et al., 2002).
Les dunes de sable de la zone d’étude entourent la montagne « Zriguet El Hallouf »
dans sa partie Est. Ils se présentent sous la forme de Barchans connectés
asymétriquement appelés Barchanoïdes. Les dunes mesurent entre 35 m et 130 m de
longueur, 20 m à 35 m de largeur et 30 cm à 5 m de hauteur.
Figuig et ses régions voisines sont considérées comme un climat désertique et aride
avec des étés chauds et des hivers froids (Emberger, 1939). L'annuaire
3
Journal des environnements arides 198 (2022) 104693
la température moyenne est de 20 ◦C, la température moyenne quotidienne est de 6,4
◦C et 31,4 ◦C en janvier et juillet respectivement (Direction Provinciale de L'Agriculture
de Figuig, 2009). L'amplitude de température quotidienne va de 3 ◦C à 16 ◦C en hiver,
à 24 ◦C–42 ◦C en été. La pluviométrie moyenne est d'environ 122 mm, octobre
enregistre le maximum de jours de pluie et le minimum est enregistré en juillet. Il ne
pleut que 20 à 30 jours par an. Le diagramme ombrothermique (Fig. 3a) montre les
précipitations et les températures moyennes au cours des 30 dernières années. Le
diagramme indique que les précipitations se produisent rarement dans la zone d'étude,
sauf en octobre et novembre, où les précipitations dépassent 15 mm. La saison chaude
et sèche s'étend d'avril à septembre, avec des températures record en juillet.
Machine Translated by Google
A. Marzouki et A. Dridri
Figure 3. a. Diagramme ombrothermique de Figuig montrant la moyenne des températures (T) et des précipitations (P) des 30 dernières années ; b. Le vent s'est levé des
directions et de la vitesse des vents dominants. L'axe vertical montre combien d'heures/an le vent souffle dans la direction indiquée (Meteoblue,)
et août. Ce diagramme montre clairement une saison sèche prolongée, typique d'un climat
aride. Des tempêtes de sable se produisent fréquemment à Figuig. La vitesse maximale du
vent enregistrée est d’environ 5 à 8 m/s. La vitesse minimale du vent va de 1,7 à 2 m/s (Fig.
3b). Des vents froids apparaissent de fin décembre à avril. Les vents chauds du Sahara
apparaissent de fin juin à août (Puigserver, 2004).
3. Matériels et méthodes
3.1. Des données d'entrée
Nous avons utilisé deux types d'images dans cette étude, une image de réflectance
du fond de l'atmosphère (BoA) Sentinel­2 niveau 2A générée à partir de données de
niveau 1C et remontant à septembre 2017, identifiée par son numéro de tuile T30SXA.
Cette image comporte 13 bandes originales séparées, avec une résolution spatiale de
10 m, 20 m et 60 m (Drusch et al., 2012) ; nous n'avons utilisé que quatre bandes pour
développer le nouvel indice de sable. Nous avons utilisé trois images dérivées de la
réflectance de surface Landsat 8 OLI Collection 2 (C2) niveau 2 (L2SP) de septembre
2013, 2016 et août 2020 pour tester la nouvelle adaptation de l'indice pour les produits
Landsat 8 et suivre l'évolution des dunes de sable au fil du temps. Ces images étaient
réparties en 11 bandes ; seules quatre bandes seront utilisées.
Toutes les images choisies sont disponibles gratuitement en ligne, suffisamment grandes
pour couvrir la zone d'étude, sans nuages et acquises pendant l'été, où la végétation est
minime. Ces critères rendent les données d'entrée adaptées à cette étude. Une image haute
résolution WorldView­2 et des données de vérité terrain sont utilisées pour évaluer la précision.
3.2. Traitement d'image
Pour effectuer la correction atmosphérique de l'image Sentinel­2 de niveau 1C, nous
avons traité à l'aide du processeur Sen2Cor v2.9 (Mueller­Wilm et al., 2021). Il produit une
image de réflectance du fond de l'atmosphère de niveau 2A (L2A), corrigé du terrain et des
cirrus. Sur les 12 bandes de données Sentinel­2 L2A (la bande 10 est omise par le processeur
Sen2Cor), cinq bandes sont nécessaires car nous développerons deux indices pour les
données Sentinel­2, mais seules quatre bandes peuvent être utilisées à la fois. La bande
bleue (492 nm), la bande rouge (664 nm) ou la bande Vegetation Red Edge (VRE) (782 nm)
et deux des bandes SWIR (1613 et 2202 nm) seront empilées dans un seul fichier puis
rééchantillonnées. dans une résolution spatiale de 20 m. Le processeur Sen2Cor gère
automatiquement le processus de rééchantillonnage. Il
4
Journal des environnements arides 198 (2022) 104693
sous­échantillonne les données de 10 m en données de 20 m à l'aide de l'algorithme
Block_reduce (Mueller­Wilm et al., 2021) (par exemple, 4 pixels de 10 m seront un seul pixel
de 20 m après sous­échantillonnage). Un sous­ensemble spatial de la zone d'étude est
appliqué à l'image.
Le Landsat 8 L2SP est déjà corrigé du point de vue atmosphérique. Il fournit des données
de réflectance de surface prêtes pour un traitement avancé. Parmi les 11 bandes Landsat 8,
les bandes 2, 4, 6 et 7 sont utilisées pour chaque image (tableau 2). Le même processus
précédent est appliqué, à l'exception de la correction atmosphérique et du rééchantillonnage
de la résolution spatiale, puisque les quatre bandes partagent la résolution exacte de 30 m.
Le processus de flux de travail de cette étude est illustré dans (Fig. 4). Les données de sortie
de Sentinel­2 et de Landsat 8 OLI sont prêtes pour le processus suivant.
3.3. Calcul NDESI
L’indice de sable amélioré par différence normalisée (NDESI) est une équation
mathématique simple impliquant quatre bandes sélectionnées. La sélection de bande est
basée sur le comportement spectral des dunes de sable dans la gamme du visible à
l'infrarouge à ondes courtes (492 nm – 2 202 nm). Les surfaces de sable ont la réflectance la
plus élevée dans la gamme de 700 nm à 2200 nm (bande 5 à bande 12), une absorption
notable près de 864 nm (bande 8a), un pic près de 782 nm (bande 7) et une forte
augmentation de la réflectance. de 492,4 nm (bande 2) à 782,8 nm (bande 7). Ces
caractéristiques suggèrent d'utiliser les bandes 2 et 7 pour mettre en évidence les dunes de
sable (Fig. 5). L'ajout des bandes SWIR semble améliorer l'aspect de l'image en ajoutant du
contraste aux dunes de sable, les rendant ainsi facilement distinguables. La signature
spectrale du sable est légèrement similaire à celle des alluvions, mais les deux sont différentes
de tous les autres spectres (Fig. 5 ; Fig. 6). Une première équation NDESI peut s’écrire :
ρBand 7 − ρBand 2 ρBande 12 − ρBande 11
NDESI (sentinelle) = ( )−( (1)
ρBande 7 + ρBande 2 ρBande 12 + ρBande 11)
Où. ρBand i est la réflectance relative dans la bande i
Alternativement, la bande 7 peut être remplacée par la bande 4 pour produire un indice
secondaire, plus sensible à la végétation et à l'eau. La fonction d'absorption de l'eau et de la
végétation dans la bande 4 ajoute plus de contraste à l'image de sortie, permettant de
distinguer facilement les dunes de sable dans les zones à forte végétation.
ρBande 4 − ρBande 2 ρBande 12 − ρBande 11
NDESI (sentinelle) = ( )−( (2)
ρBande 4 + ρBande 2 ρBande 12 + ρBande 11)
Pour adapter cet indice aux données Landsat 8 OLI, nous avons substitué, dans le
Machine Translated by Google

A. Marzouki et A. Dridri Journal des environnements arides 198 (2022) 104693

Tableau

2 Désignation des bandes Sentinel­2 et Landsat 8. Les bandes marquées d'un astérisque (*) sont utilisées dans les équations NDESI.

Sentinelle­2 Landsat 8

Désignation du groupe Résolution spatiale (m) Longueur d'onde centrale Désignation du groupe Résolution spatiale (m) Longueur d'onde centrale
(nm) (nm)

Aérosol côtier 60 442,7 Aérosol côtier 30 443

1 Bleu dix 492,4 1 Bleu 30 482,5
2* 3 Vert dix 559,8 2* 3 Vert 30 562,5
4* Rouge dix 664,6 4* Rouge 30 655
5 Végétation bord rouge 20 704,1 5 Proche infrarouge (NIR) 30 865
6 Végétation bord rouge 20 740,5 6* SWIR1 30 1610
7*8 Végétation bord rouge 20 782,8 7*8 SWIR2 30 2200
PNIR 10 832,8 Panchromatique 15 590
8a Végétation bord rouge 20 864,7 9 Cirrus 30 1375
9 Vapeur d'eau 60 945,1 dix Infrarouge thermique (TIRS) 1 100 10900
dix SWIR ­ Cirrius 60 1373,5 11 Infrarouge thermique (TIRS) 2 100 12000
11* SWIR 20 1613,7
12* SWIR 20 2202,4

Fig. 4. Organigramme du développement du NDESI et de l'extraction des dunes de sable.

Fig. 5. Signatures spectrales extraites de l'image Sentinel­2.