Memoire

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE
‫وزارة اﻟﺘﻌﻠﯿﻢ اﻟﻌﺎﻟﻲ و اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‬

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE D’ORAN Mohamed Boudiaf
Faculté de Mathématique et d’Informatique
Département d’Informatique
Spécialité : Informatique Option : TATIDS
MEMOIRE
Présenté par
Mr. DERICHE Rafik
Pour l’obtention du diplôme de Magister en Informatique

Thème
Utilisation des données de la télédétection

pour les prévisions météorologiques
SOUTENU LE : . . / . . / . . . .
Devant la commission d’examen composée de :
Président : Mr. BENYETTOU Mohamed Professeur USTO

Rapporteur : Mme. FIZAZI Hadria M.conf. A USTO
Examinateur : Mr. BENYETTOU Abdelkader Professeur USTO
Examinateur : Mme. CHOURAQUI Samira M.conf. A USTO
Examinateur : Mr. SAADOUNI Kaddour M.conf. A USTO
Année universitaire : 2013/2014

Remerciements
Tout d'abord, je tiens à remercier toutes les personnes qui, de près ou de loin,
m'ont apporté leur soutien tout au long des trois années passées au sein de
l’université des sciences et de la technologie d’Oran Mohamed Boudiaf, que ce
soit sur le plan strictement professionnel ou sur un plan plus personnel,
Je tiens à remercier mon Rapporteur FIZAZI Hadria Maître de conférences, qui

m’a accueilli au sein de son laboratoire, pour sa confiance et la liberté qu’elle
ma accordé durant ces années sans lequel ce travail aurait été impossible. Elle
m'a permis ainsi de vivre une expérience intense et précieuse, Je la remercie
entre autre pour les discussions fructueuses et souvent très passionnées et
l'attention amicale qu'elle m'a montrée ; laquelle m'a permis de préparer mon
Magister dans les meilleures conditions.
Je remercie les membres du jury : BENYETTOU Mohamed Président du jury,

les Examinateurs : BENYETTOU Abdelkader, CHOURAQUI Samira et
SAADOUNI Kaddour. Qui m'ont fait l'honneur d'avoir accepté d'évaluer mon
travail, d'avoir pris le temps de lire ce mémoire avec attention et de s’être
intéressé à ce travail.
Je remercie tous les membres du labo SIMPA équipe imagerie et décision, merci
d’avoir été là, qui par leurs nombreuses aides et remarques ont permis de faire
évoluer mon travail,
Merci à tous le personnel de la Raffinerie d’Arzew ; Je mentionnerai en

particulier les personnels du service DR, RI et a ceux qui m’ont apporté leurs
aides et leurs soutiens. Un grand merci à tous ceux que j’aurais pu oublier…
Enfin, je remercie mes Parents et toute la famille pour leurs encouragements et

leurs aides qui ont permis d’effectuer mes années de recherche dans les
meilleures conditions possibles.
Rien n'a valu plus que leurs encouragements.
Merci...
RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE
‫وزارة اﻟﺘﻌﻠﯿﻢ اﻟﻌﺎﻟﻲ و اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‬
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique
UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE D’ORAN Mohamed Boudiaf
Faculté de Mathématique et d’Informatique
Département d’Informatique
Spécialité : Informatique Option : TATIDS
MEMOIRE
Présenté par
Mr. DERICHE Rafik
Pour l’obtention du diplôme de Magister en Informatique

Thème
Utilisation des données de la télédétection

pour les prévisions météorologiques
SOUTENU LE : . . / . . / . . . .
Devant la commission d’examen composée de :
Président : Mr. BENYETTOU Mohamed Professeur USTO

Rapporteur : Mme. FIZAZI Hadria M.conf. A USTO
Examinateur : Mr. BENYETTOU Abdelkader Professeur USTO
Examinateur : Mme. CHOURAQUI Samira M.conf. A USTO
Examinateur : Mr. SAADOUNI Kaddour M.conf. A USTO
Année universitaire : 2013/2014

Dédicace
Je dédié ce mémoire à la mémoire de mon

GRAND PERE SEMCHA LAHCENE, décédé le 10/11/2012
Que DIEU le Tout Puissant lui accorde Sa Miséricorde et l’accueille en Son

Vaste Paradis.
Sommaire
Introduction générale............................................................................................................1
1. Télédétection et Image Satellitaire
1. Introduction.................................................................................................................... 3
2. Définition de la télédétection..........................................................................................4
3. Historique de la télédétection......................................................................................... 4
4. Principe de base de la télédétection................................................................................5
5. Processus de la télédétection.......................................................................................... 6
5.1. Source d'énergie ou d'illumination......................................................................... 6
5.2. Interaction rayonnement et atmosphère..................................................................6
5.3. Interaction avec la cible..........................................................................................6
5.4. Enregistrement de l'énergie par le capteur............................................................. 6
5.5. Transmission, réception et traitement.....................................................................7
5.6. Interprétation et analyse......................................................................................... 7
5.7. Application............................................................................................................. 7
6. Rayonnement électromagnétique (REM) et spectre.......................................................8
6.1. Le rayonnement électromagnétique........................................................................8
6.2. Le spectre électromagnétique................................................................................. 9
6.3. Interaction rayonnement électromagnétique cible................................................10
6.4. Interaction rayon électromagnétique atmosphère................................................10
7. Les systèmes d’acquisitions de la télédétection........................................................... 11
7.1. Les capteurs..........................................................................................................11
a- Le capteur passif.................................................................................................11
b- Le capteur actif...................................................................................................11
7.2. Les satellites......................................................................................................... 12
a- Les satellites géostationnaires.............................................................................12
b- Les satellites à orbite polaire ou à défilement....................................................12
8. Domaine d’application de la télédétection................................................................... 13
8.1. L’étude de l’atmosphère....................................................................................... 13
8.2. Terrestre................................................................................................................14
8.3. Océanographie......................................................................................................15
9. Conclusion....................................................................................................................16
2. Image Satellitaire
1. Introduction.................................................................................................................. 17
2. Définition d’une image satellitaire............................................................................... 18
3. Les types d’images satellitaires....................................................................................19
3.1. Les images mono spectrales (panchromatiques).................................................. 19
3.2. Les images multi spectrales..................................................................................19
4. Les caractéristiques d’une image satellitaire................................................................20
4.1. Résolution temporelle...........................................................................................20
4.2. Résolution spatiale................................................................................................21
4.3. Résolution spectrale..............................................................................................21
5. Les techniques de traitement numérique des images satellitaires................................ 22
5.1. Prétraitement.........................................................................................................22
5.1.1.
Correction..................................................................................................... 22
a-
Correction atmosphérique..............................................................................22
b-
Correction radiométrique.............................................................................. 22
c-
Correction géométrique.................................................................................22
5.1.2.
Rehaussement............................................................................................... 22
5.1.3.
Filtrage..........................................................................................................22
5.1.4.
Transformation............................................................................................. 22
5.2. Traitement.............................................................................................................23
5.2.1.
Segmentation................................................................................................ 23
a-
Approche région............................................................................................23
b-
Approche frontière........................................................................................ 23
5.2.2.
Classification................................................................................................ 24
a-
Classification dirigée (supervisée)................................................................ 25
b-
Classification non dirigée (non supervisée).................................................. 25
5.2.3.
Compression.................................................................................................26
6. Quelques exemples concrets de traitement d'images................................................... 27
7. Conclusion....................................................................................................................27
3. Météorologie et prévision météorologique
1. Introduction.................................................................................................................. 28
2. Définition de la météorologie.......................................................................................29
3. Phénomènes météorologiques...................................................................................... 30
3.1. Circulation atmosphérique....................................................................................30
3.2. Vent...................................................................................................................... 30
3.3. Nuages et précipitations…....................................................................................30
3.4. Phénomènes accessoires.......................................................................................33
4. Les systèmes d’acquisitions en météorologie...............................................................34
4.1. Satellite météorologique.......................................................................................34
a.
Satellite géostationnaire......................................................................................35
b.
Les satellites circumpolaires...............................................................................35
4.2. Radar météorologique...........................................................................................36
5. Domaine d’application de la météorologie...................................................................37
6. Conclusion....................................................................................................................37
1. Introduction.................................................................................................................. 38
2. Définition et principe de la prévision météorologique................................................. 38
3. Historique de la prévision météorologique...................................................................39
4. Les étapes d’une prévision météorologique................................................................. 40
4.1. Acquisition des données.......................................................................................40
4.2. Analyse du prévisionniste.....................................................................................40
4.3. Prévision numérique.............................................................................................40
a. Analyse............................................................................................................... 40
b. Simulation….......................................................................................................40
c. Post-traitement.................................................................................................... 41
4.4. Prévision finale.....................................................................................................41
4.5. Présentation aux utilisateurs................................................................................. 41
5. Domaine d’application des prévisions météorologiques.............................................. 42
6. Conclusion.................................................................................................................... 42
4. Les colonies d’abeilles
1. Introduction...................................................................................................................43
2. Les systèmes Bio-Inspirés............................................................................................44
3. Les colonies d’abeilles..................................................................................................45
3.1. Travaux scientifiques et résultats..........................................................................45
3.2. Le processus de recherche de nourriture dans la nature.......................................46
4. Les colonies d’abeilles artificielles (ABC)...................................................................50
4.1. Principe ABC........................................................................................................50
4.2. Organigramme de l’algorithme ABC...................................................................51
4.3. Algorithme ABC...................................................................................................52
4.4. Domaine d’application d’ABC.............................................................................54
5. Conclusion....................................................................................................................54
5. Implémentation et résultats
1. Introduction...................................................................................................................55
1.1. Langage et matériel utilisé....................................................................................55
1.2. Description de la zone d’étude.............................................................................55
2. Organigramme général de l’application........................................................................56
3. Algorithme général de la classification.........................................................................57
3.1. Approche proposée...............................................................................................57
3.2. Les étapes de l’approche proposée.......................................................................60
4. Résultats et discussion…..............................................................................................64
5. Conclusion....................................................................................................................72
Conclusion générale et perspectives
Bibliographie
Liste des figures
Figure 1.1 : Principe de base de la télédétection.............................................................. 5
Figure 1.2 : Les sept étapes de la télédétection................................................................ 6
Figure 1.3 : Le rayonnement électromagnétique..............................................................8

Figure 1.4 : Le spectre électromagnétique........................................................................9
Figure 1.5 : Absorption, Réflexion, Transmission......................................................... 10
Figure 1.6 : Capteur passif............................................................................................. 11
Figure 1.7 : Capteur actif................................................................................................11
Figure 1.8 : Satellite géostationnaire.............................................................................. 12
Figure 1.9 : Satellite à défilement.................................................................................. 12
Figure 1.10 : Une tempête sur le proche Atlantique.......................................................13
Figure 1.11 : Epaisseur de la couche d’ozone sur l’Antarctique....................................13
Figure 1.12 : Suivi de la végétation à l’échelle planétaire............................................. 14
Figure 1.13 : Surveillance des catastrophes naturelles...................................................14
Figure 1.14 : Températures de surface de la mer sur l’Atlantique NE.......................... 15
Figure 1.15 : Circulation Océanique (courants marins)................................................. 15
Figure 2.1 : Image satellitaire.........................................................................................18
Figure 2.2 : Les valeurs de pixel.................................................................................... 18
Figure 2.3 : Image mono spectrale.................................................................................19
Figure 2.4 : Image multi spectrale..................................................................................19
Figure 2.5 : Résolution temporelle.................................................................................20
Figure 2.6 : Résolution spatiale......................................................................................21
Figure 2.7 : Résolution spectrale....................................................................................21
Figure 2.8 : Classification des images............................................................................24
Figure 3.1 : Météorologie...............................................................................................29
Figure 3.2 : Nuage..........................................................................................................31
Figure 3.3 : Nuage d'eau et de glace.............................................................................. 31
Figure 3.4 : Les types de nuage......................................................................................32
Figure 3.5 : Satellite METEOSAT de première génération...........................................34
Figure 3.6 : Vue de la Terre par un satellite météorologique GOES.............................35

Figure 3.7 : Prévision météorologique........................................................................... 38
Figure 4.1 : Système Bio-Inspiré................................................................................... 44
Figure 4.2 : Morphologie d’une abeille..........................................................................45
Figure 4.3 : Processus de recherche de nourriture......................................................... 46
Figure 4.4 : La danse en rond.........................................................................................48
Figure 4.5 : La danse frétillante ou danse en huit.......................................................... 48
Figure 4.6 : L'emplacement d'une source de nourriture.................................................49
Figure 4.7 : Comportement des abeilles pour la recherche de nourriture...................... 53
Figure 5.1 : La zone d’étude.......................................................................................... 55
Figure 5.2 : Image satellitaire météorologique...............................................................57
Figure 5.3 : La structure des voisins du pixel (i, j)........................................................ 59
Figure 5.4 : L'organigramme proposé pour l'ensemble de l’algorithme ABC...............61
Figure 5.5 : La valeur de E en fonction du nombre de Scoute......................................67
Figure 5.6 : La valeur de

DB en fonction du nombre de Scoute.................................. 68
Figure 5.7 : La valeur de XB en fonction du nombre de Scoute................................... 68
Figure 5.8 : Classification par ABC en utilisant E.................................................... 69
Figure 5.9 : Classification par ABC en utilisant DB................................................. 69
Figure 5.10 : Classification par ABC en utilisant

XB............................................... 70
Figure 5.11 : Résultat de la classification par ABC, Kmeans et ESA........................... 71
Figure 5.12 : Histogramme des résultats obtenus par ESA à gauche et ABC à droite. .72
Introduction générale
La connaissance de la Terre a progressé de manière considérable à partir du moment où il est

devenu possible de l'observer de façon globale à l'aide de satellites artificiels. La télédétection
spatiale, c'est-à-dire les prises de vues de la Terre depuis l'espace, présente un avantage
considérable et évident sur les observations classiques (bateau, sol, ...etc.) : l'obtention
d'informations continues et à grande échelle.
Parallèlement, les applications de la télédétection se sont multipliées, dans de nombreux
domaines de la météorologie, de la climatologie, et de l'océanographie. Elle est désormais
l'outil indispensable pour l'étude de l'atmosphère et, dans de nombreux cas, l'unique source
d'informations.
Comme l’atmosphère est chaotique, depuis plusieurs années les différents services
météorologiques ont commencé à produire des ensembles de prévisions. Il s’agit de faire
rouler un ou plusieurs modèles avec des analyses légèrement différentes et de comparer
statistiquement les solutions pour arriver à la plus probable.
La pluie, et de manière générale la variable « précipitations », est sans doute l'un des
phénomènes météorologiques les plus difficiles à prévoir. Pourtant, les enjeux liés à la
prévision des précipitations sont importants.
Quel que soit le domaine d’applications des prévisions météorologiques considérées,

l’analyse et l’interprétation des documents de télédétection (images satellitaires), requièrent
un effort humain considérable et coûteux. Les experts ont appris à exploiter des résultats
d’analyse des images (segmentation, classification, plus ou moins automatiques...) afin
d’extraire une information utile dans un but applicatif bien défini. Dans ce cadre, le traitement
des images satellitaires (classification) joue un rôle important. Il exploite les différents
attributs des images et de multiples outils et méthodes mathématiques et physiques.
Cependant les méthodes mathématiques classiques ne sont pas toujours adaptées pour des
problèmes complexes, qui apparaissent par exemple dans le domaine de la robotique, la
télédétection spatiale ou dans la recherche opérationnelle. Il faut alors inventer de nouvelles
méthodes de résolution, et une source d'inspiration utilisée dans la branche de l'intelligence
artificielle qui est la modélisation de systèmes complexes naturels. Ce sont plus
particulièrement les systèmes biologiques qui sont étudiés, après une observation d'un être
vivant ou d'un groupe d’être vivant, un modèle est extrait et amélioré pour une meilleure
résolution du problème traité. Dans cette étude de l'existant, nous allons nous intéresser aux
modèles qui copient les comportements sociaux des animaux, c'est-à-dire l'intelligence
collective ou l'intelligence en essaim qu'il est possible d'observer chez les abeilles, qui sera la
principale espèce étudiée.
Dans le cadre de ce travail, nous proposerons une nouvelle méthode d’optimisation bio-
inspirée ABC (Artificial Bee Colony) qui est basée sur le comportement des abeilles pour la
recherche de nourriture. Nous allons discuter à la fois théoriquement et pratiquement
comment l’algorithme de colonie d’abeille artificielle, et les données correspondantes
(satellite météorologique) pourront être utilisés pour définir de nouvelles techniques de
classification des images satellitaires pour réaliser une prévision météorologique.
Afin de répondre aux attentes des prévisions météorologiques, nous proposons d'adapter cette
méthode, que nous qualifierons de référence pour la classification des images satellitaires
météorologiques.
1
Introduction générale
Pour la réalisation de ce travail, le présent mémoire est divisé en cinq chapitres :
Le premier chapitre décrit des généralités sur la télédétection ;
Le deuxième chapitre définit quelques notions et techniques de traitement numérique des

images satellitaires ;
Le troisième chapitre présente un domaine d’application de la télédétection qui est la

météorologie, ainsi que les étapes principales pour réaliser une prévision météorologique ;
Le quatrième chapitre est dédié à la description du système de communication propre aux

abeilles pour rechercher les meilleures sources de nourriture, et au développement de
l'algorithme de recherche et d’optimisation bio-inspiré : ABC (Artificial Bee Colony).
Le dernier chapitre : la zone d'étude et les données utilisées, pour nos travaux, sont présentées
dans ce chapitre pour réaliser une classification non supervisée des images satellitaires
météorologique par l’algorithme ABC dont l'objectif de prévoir les différents types (classe) de
nuages.
Enfin nous résumerons en fin de mémoire les principales conclusions du travail effectué.
2
CHAPITRE
1 TELEDETECTION
Télédétection
1. Introduction
Le développement des techniques de la télédétection résulte de la conjonction entre

l'invention des vecteurs, ballons, avions ou satellites, permettant de s'éloigner de la surface du
sol ou de la Terre dans son ensemble, pour reconstituer les caractéristiques de la surface (terre
ou océan), ou de l'atmosphère. Jusqu'il y a environ 30 ans, le principal capteur utilisé était
l'appareil photographique, pour produire des photographies aériennes. Les types de capteurs
se sont depuis multipliés et perfectionnés, les capteurs actuels produisent des données
numériques, qui peuvent faire l'objet d'une restitution pour fournir des documents à interpréter
selon les méthodes de la photo-interprétation, mais sont de plus en plus l’objet d'un traitement
informatique aboutissant à la cartographie automatique des surfaces, de la calibrations et de la
corrections qui permettent d'obtenir des mesures géophysiques telles que des températures ou
des réflectances.
3
Télédétection
2. Définition de la télédétection
La télédétection (remote sensing) est la science et l'art d'obtenir des informations sur un objet.
Télé signifie à distance et détection veut dire découvrir ou déceler. La télédétection se définit
comme un processus d’acquisition d’information à propos d’un objet, d’une surface, d’un
phénomène sans contact avec eux. [PED06]
3. Historique de la télédétection
La télédétection a une longue histoire où cinq phases peuvent être identifiées :
- Avant 1925 : Les premières photographies prises depuis les airs à l’aide de pigeons
embarquant des appareils photographiques ont été réalisées dans les dernières années du XIXe
siècle. Des photographies aériennes prises depuis des ballons et des avions montrent ensuite la
valeur des vues aériennes du sol, valeur très exploitée durant la première guerre mondiale.
- Entre 1925 et 1945 : les améliorations techniques de la photographie aérienne permettent

l’élargissement des applications en particulier dans le domaine de la cartographie
topographique avec les images stéréoscopiques.
- Entre 1945 et 1960 : la photographie aérienne est en plein développement et les

explications débordent la topographie, apportant de nombreuses informations en géologie,
agriculture, forêt, archéologie…etc. Cette période correspond à la réalisation de couverture
aérienne de nombreux pays en voie de développement.
- Entre 1960 et 1972 : c’est la naissance des satellites de télédétection avec caméras et
capteurs relativement primitifs. Ces années correspondent au développement des satellites
météorologiques. Cette période correspond a la mise en place d’un système mondial
d’observation météorologique, avec l’investigation d’autres parties du spectre, en particulier
l’infrarouge thermique, celles attachées à l’observation photographique.
- Enfin entre 1972 et l989 : à ces années correspond la maturité de la technologie et des
systèmes d’observation de la Terre avec le développement de la haute résolution spatiale,
l’acquisition et distribution opérationnelle et l’expérimentation de nouveaux capteurs dans
une variété de bandes spectrales. La période commence avec le lancement de Landsat en 1972
et dans le milieu des années 1980 ce programme est devenu opérationnel. [CAZ90]
4
Télédétection
4. Principe de base de la télédétection
Le principe de base de la télédétection est similaire à celui de la vision de l'homme. La

télédétection est le fruit de l'interaction entre trois éléments fondamentaux : une source
d'énergie, une cible et un vecteur.
Figure 1.1 : Principe de base de la télédétection
- La cible est la portion de la surface terrestre observée par le satellite. Sa taille peut varier de
quelques dizaines à plusieurs milliers de kilomètres carrés.
- La source d'énergie est l'élément qui éclaire la cible en émettant une onde
électromagnétique (flux de photons). Dans l'immense majorité des cas la source d'énergie est
le soleil. Néanmoins, la technologie RADAR nécessite qu'un émetteur soit embarqué sur le
satellite, dans ce cas le satellite lui-même est source d'énergie.
- Le vecteur ou plate-forme de télédétection mesure l'énergie solaire (rayonnement

électromagnétique) réfléchie par la cible. Le vecteur (plate-forme) peut être un satellite ou un
avion, dominant la cible de quelques centaines de mètres à 36000 kilomètres. [BIG03]
5
Télédétection
5. Processus de la télédétection
On peut schématiser la télédétection comme un processus de sept étapes clés :
Figure 1.2 : Les sept étapes de la télédétection
5.1. 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. Le plus souvent, voire
dans la presque totalité des cas, cette source d’énergie est le soleil. Mais le satellite lui-même
peut être source d’énergie : c’est le cas pour le domaine de la télédétection radar.
5.2. Interaction rayonnement et atmosphère : Durant son parcours «aller» entre la source
d'énergie et la cible, le rayonnement interagit avec l'atmosphère. Une seconde interaction se
produit lors du trajet «retour» entre la cible et le capteur.
5.3. 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. Chaque objet géographique émet ou réfléchi un rayonnement dans les
diverses fréquences du spectre électromagnétique. Cette caractéristique s’appelle le
comportement spectral. En télédétection, on suppose que tout objet ou classe d’objet sur la
surface terrestre possède sa propre « empreinte digitale » dans le spectre électromagnétique
(la signature spectrale), en fonction de la longueur d’onde du rayonnement qui est réfléchi ou
émis par lui-même.
5.4. 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 mais
embarqué à bord d'un satellite ou d'un avion par exemple, pour être enfin enregistrée sous
format numérique.
6
Télédétection
5.5. Transmission, réception et traitement : Cette information enregistrée par le capteur est
transmise, souvent par des moyens électroniques, à une station de réception généralement
située au sol où l'information est transformée en images (numériques ou photographiques).
5.6. 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.
5.7. Application : La dernière étape du processus consiste à utiliser l'information extraite de

l'image pour mieux comprendre la cible, c’est-à-dire la portion d’espace étudiée (une ville,
une zone inondée, une forêt,…) pour nous en faire découvrir de nouveaux aspects ou pour
aider à résoudre un problème particulier.
Ces sept étapes couvrent le processus de la télédétection, du début à la fin. [BIG03]
Remarque :
Le système d’observation de la terre fournit à l’utilisateur des données numériques ou
d’image sur la base de caractéristiques des détails observés. Il reçoit ces caractéristiques à
travers le rayonnement électromagnétique. Il est donc intéressent pour nous d’étudier de façon
simple le rayonnement électromagnétique et son comportement face aux objets observés.
7
Télédétection
6. Rayonnement électromagnétique (REM) et spectre
Le signal, c'est-à-dire la part d'énergie reçue puis réfléchie par une cible en direction du
capteur est transmise sous forme de rayonnement électromagnétique.
6.1. Le rayonnement électromagnétique : Le rayonnement électromagnétique est composé

d’un champ électrique (E) et d’un champ magnétique (M).
Pour comprendre la télédétection, il est indispensable de saisir les deux composantes du
rayonnement électromagnétique que sont la longueur d'onde (λ) et la fréquence (f).
Figure 1.3 : Le rayonnement électromagnétique
La longueur d'onde équivaut à la longueur d'un cycle d'une onde, ce qui correspond à la
distance entre deux crêtes successives d'une onde. La longueur d'onde est représentée
habituellement par la lettre grecque lambda (λ), et est mesurée en mètres ou en l'un de ces
sous-multiples tels que les nanomètres (nm, 10 -9 mètre), micromètres (m, 10-6 mètre) ou
centimètres (cm, 10-2 mètre).
La fréquence représente le nombre d'oscillations par unité de temps. La fréquence est
normalement mesurée en Hertz (Hz) (c.-à-d. en oscillations par seconde) ou en multiples de
Hertz.
La longueur d'onde et la fréquence sont donc inversement proportionnelles, c'est-à-dire que

plus la longueur d'onde est petite, plus la fréquence est élevée, et plus la longueur d'onde est
grande, plus la fréquence est basse. Afin de comprendre l'information tirée des données de
télédétection, il est essentiel de bien saisir les caractéristiques du rayonnement
électromagnétique. Nous examinerons maintenant la classification du rayonnement
électromagnétique. [BIG03]
8
Télédétection
6.2. Le spectre électromagnétique : C’est le résultat de la décomposition du rayonnement

électromagnétique en ses fréquences constituantes. Il s'étend des courtes longueurs d'onde
(dont font partie les rayons gamma et les rayons X) aux grandes longueurs d'onde (micro-
ondes et ondes radio). La télédétection utilise plusieurs régions du spectre électromagnétique.
Figure 1.4 : Le spectre électromagnétique
En télédétection aérospatiale, les capteurs des instruments embarqués sur les satellites et
avions mesurent la quantité de REM renvoyée par une portion d'espace terrestre. Alors que les
pellicules photographiques ne peuvent techniquement enregistrer que les longueurs d'ondes
visibles et proche-infrarouge, les capteurs embarqués sur les satellites peuvent enregistrer
l’ultraviolet (rare), le visible, le proche-infrarouge, l'infrarouge moyen, l'infrarouge
thermique, l'infrarouge lointain et les hyperfréquences. [BIG03]
9
Télédétection
6.3. Interaction rayonnement électromagnétique cible : Lorsque le rayonnement

électromagnétique atteint la cible trois phénomènes peuvent avoir lieu (Figure 1.5) :
Figure 1.5 : Absorption, Réflexion, Transmission
a. Absorption : Un corps qui reçoit une quantité de REM peut en absorber une partie. Cette
énergie absorbée est transformée et modifie l'énergie interne du corps. Ainsi, la température
interne du corps peu augmenté ce qui va être la source d'émissions plus importantes dans
d'autres longueurs d'ondes (infrarouge thermique par exemple).
b. Transmission : Un corps qui reçoit une quantité de REM peut en transmettre une partie.
Un objet transparent à une transmission élevée dans les longueurs d'ondes visibles. Une
surface d'eau pure ou le feuillage d'arbres sont des exemples de surfaces susceptibles de
transmettre une partie du REM.
c. Réflexion : Un corps qui reçoit une quantité de REM peut en réfléchir une partie. Lorsqu'il
s'agit d'énergie solaire réfléchie par une portion d'espace terrestre, on parle d'albédo. Il
s'exprime en pourcentage d'énergie réfléchie. La réflexion peut être spéculaire, c'est à dire
qu'elle est dirigée entièrement dans une seule direction, ou diffuse lorsqu’elle est dirigée dans
toutes les directions. [NET01]
6.4. Interaction rayon électromagnétique atmosphère : Avant d'atteindre la cible le

rayonnement interagit avec l'atmosphère qui apporte des perturbations sur les ondes ; ces
perturbations sont dues aux molécules gazeuses entrant dans sa composition (absorption de
rayonnement infrarouge moyen et thermique par H2O et CO2,…etc.) ainsi qu’aux particules
qu'elle contient (goulettes des nuages qui absorbent une bonne partie des ondes visibles et
infrarouges,…etc.); ce qui influe sur l'étude de l’objet, car nous pouvons avoir différentes
réflectances pour le même objet avec les même longueurs d'ondes, ces considérations
montrent qu'il est très important d'étudier le rôle de l'atmosphère dans la modification du
spectre afin d'effectuer des corrections aux données requises. [KAR,LAB02]
10
Télédétection
7. Les systèmes d’acquisitions de la télédétection
Le système d’acquisition comprend des capteurs qui sont montés sur la plate forme du
satellite.
7.1. Les capteurs : Les capteurs sont des instruments qui recueillent de l’énergie radiative de
la scène visée, et délivrent un signal électrique correspondant et mesurable. [NET02]
En télédétection, il existe deux types de capteur :
a- Le capteur passif enregistre la partie du rayonnement solaire réfléchie.
Figure 1.6 : Capteur passif
b- Le capteur actif produit lui-même un rayonnement électromagnétique qui est dirigé vers
la cible. Il enregistre ensuite la part de rayonnement réfléchie par la cible.
Figure 1.7 : Capteur actif
11
Télédétection
7.2. Les satellites : Les notions de satellites géostationnaires et satellites à défilement

concernent les satellites artificiels, envoyés dans l’espace par l’homme. Ils sont propulsés
dans l’espace grâce à des moteurs puis restent en orbite autour de la terre grâce à la force de
gravitation que celle-ci exerce sur eux. Le premier fût Spoutnik-1, lancé en 1957 par l’URSS,
il précéda plus de 5000 autres satellites artificiels qui furent lancé par la suite. Il existe deux
types de satellite :
a- Les satellites géostationnaires : Le géostationnaire suit, par définition, une orbite

géostationnaire qui se situe à 35786 km d’altitude au-dessus de l’équateur et a une période de
révolution égale à la période de rotation de la Terre sur elle-même, c’est-à-dire 23h 56m 4s.
Présentant l’avantage de toujours suivre le même point fixe sur la terre (semblant donc
immobile depuis la terre).
Figure 1.8 : Satellite géostationnaire
Les satellites géostationnaires sont utilisés, entre autres, pour l’observation, la

télécommunication, la télédiffusion ou la météorologie. [NET03]
b- Les satellites à orbite polaire ou à défilement : Ils suivent, pour la plupart, une orbite
basse aussi appelée LEO (Low Earth Orbit) située entre 200 et 2000 km d’altitude qui est
comprise entre l’atmosphère et la ceinture de Van Allen.
Ces satellites tournent sur une orbite quasi circulaire dont le plan passe pratiquement par les
pôles Nord et Sud. Ils tournent plus vite ou plus lentement que la terre, et dans le même sens
ou dans le sens contraire.
Figure 1.9 : Satellite à défilement
Les satellites à défilement sont principalement utilisés pour la météorologie, pour les
systèmes de téléphonie planétaire, le GPS (Global Positioning System) qui est le principal
système de positionnement satellite mondial actuellement. [NET03]
12
Télédétection
8. Domaine d’application de la télédétection
8.1. L’étude de l’atmosphère : Le premier grand domaine d'application de la télédétection a

été l'étude de l'atmosphère (météorologie et climatologie). L'intérêt de la télédétection dans ce
domaine est d'assurer une couverture globale et très fréquemment répétée de la planète entière
; par contre la résolution spatiale n'est pas primordiale pour les applications météorologiques.
[KER]
Parmi les applications atmosphériques de la télédétection :

- Le suivi en temps réel des masses nuageuses et des phénomènes météorologiques.
- L’extraction automatique de paramètres géophysiques qui sont assimilés dans les
modèles numériques de prévision météorologique.
- Le traitement en série des images archivées pour l’obtention de séries
climatologiques sur la nébulosité et les pluies, la température de surface de la terre ou
de la mer,…etc.
- Le suivi du trou d’ozone sur l’Antarctique.
- La climatologie des nuages.
- …etc.
Exemple :
Figure 1.10 : Une tempête sur le proche Atlantique
Figure 1.11 : Epaisseur de la couche d’ozone sur l’Antarctique
13
Télédétection
8.2. Terrestre : Les applications terrestres de la télédétection sont extrêmement variées. En

télédétection spatiale, ce sont surtout les radiomètres optiques à haute ou très haute résolution
qui sont utiles pour les applications terrestres. [KER]
Parmi les applications terrestres de la télédétection :

- En géologie ou pour l'étude de la végétation.
- Surveillance des catastrophes naturelles.
- Cartographie.
- Surveillance des cultures ou du couvert forestier.
- Urbanisme.
- Aménagement.
- Génie civil.
- …etc.
Exemple :
Figure 1.12 : Suivi de la végétation à l’échelle planétaire
Figure 1.13 : Surveillance des catastrophes naturelles
14
Télédétection
8.3. Océanographie : En océanographie, la télédétection offre l'avantage de permettre une

vision synoptique de vastes régions qu'il est impossible d'obtenir par les moyens traditionnels
(bateaux). Pour certaines études à petite échelle, les données des satellites météorologiques
sont largement utilisées en océanographie (températures de surface de l'océan) ; pour les
études côtières, ce sont les satellites de télédétection terrestre, équipés de capteurs à haute
résolution, qui sont les plus utiles. [KER]
Parmi les applications océanographiques de la télédétection :

- L'étude des glaces de mer en régions polaires.
- Mesurer la production biologique (plancton) et la turbidité.
- La température de surface de la mer.
- Observer les phénomènes ondulatoires présents sur l'océan, les vagues en particulier.
- L’altitude de la surface de la mer qui est un reflet de la dynamique océanique
(courants généraux), ou la vitesse du vent sur la mer.
-…etc.
Exemple :
Figure 1.14 : Températures de surface de la mer sur l’Atlantique NE
Figure 1.15 : Circulation Océanique (courants marins)
15
Télédétection
9. Conclusion
Parallèlement, les applications de la télédétection se sont multipliées, dans de nombreux

domaines de la météorologie et de la climatologie, de l'océanographie ; Quel que soit le
domaine d’applications considérées, une bonne interprétation des documents de télédétection
ou une bonne utilisation des données numériques nécessite la compréhension des principes
sur lesquels est fondée la technique de télédétection employée.
16
CHAPITRE
2 IMAGE SATELLITAIRE
Image Satellitaire
1. Introduction
L’évolution technologique et la diversité des satellites d’observation de la Terre avec leurs

instruments optiques/radar offrent à la communauté scientifique, aux gestionnaires et aux
décideurs, des moyens et des outils efficaces et durables pour résoudre les problèmes posés
dans de nombreux domaines des sciences de la Terre et de l’environnement.
Dans ce cadre, le traitement des images satellitaires joue un rôle important. Il exploite les
différents attributs des images et de multiples outils et modèles mathématiques et physiques.
Il regroupe un large champ d'activités tels que :
La gestion et le suivi des espaces urbains, le contrôle et la gestion des ressources en eau, la
prévention et le suivi des catastrophes naturelles et leurs impacts sur l’environnement,…etc.
17
Image Satellitaire
2. Définition d’une image satellitaire
Une image satellite est constituée de nombreux carrés appelés pixels. Le pixel représente la
plus petite unité figurant sur une image satellite, il est extrêmement important. Réunis, les
pixels fournissent toute l’information qui constitue l’image dans son intégralité.
Pixel
Figure 2.1 : Image satellitaire
Chaque pixel d’une image a une valeur, cette valeur correspond à l’intensité du rayonnement
réfléchi par l’objet observé dans la gamme de longueur d’onde auquel le capteur est sensible.
[NET04]
Chaque valeur radiométrique est codée pour la plupart des systèmes sur huit bits, donc on à 28
(0-255) niveaux de gris.
La valeur du pixel varie de 0 (=noir) à 255 (=blanc), on a par conséquent 256 possibilités, ce
qui correspond à 1 octet.
Cela représente la quantité de rayonnement détectée par un capteur, allant du minimum au
maximum.
Figure 2.2 : Les valeurs de pixel
18
Image Satellitaire
3. Les types d’images satellitaires
Dans le cas des images satellitaires, on distingue deux types d’images :
3.1. Les images mono spectrales (panchromatiques) : C’est une image numérique simple
(noir et blanc). Les mesures sont effectuées dans une seule bande spectrale, chaque pixel à
une valeur.
Figure 2.3 : Image mono spectrale
3.2. Les images multi spectrales : C’est une image numérique en couleur. Les mesures sont
effectuées dans plusieurs bandes spectrales (plusieurs canaux), ce qui correspond à plusieurs
valeurs pour chaque pixel.
Figure 2.4 : Image multi spectrale
19
Image Satellitaire
4. Les caractéristiques d’une image satellitaire
En télédétection, on utilise le terme « résolution » pour exprimer les caractéristiques d’une

image satellitaire. On distingue trois sortes de résolution, la résolution temporelle, la
résolution spatiale et la résolution spectrale.
4.1. Résolution temporelle : C’est le temps entre deux passages du même satellite au-dessus
du même point. [PED06]
24/04/2000
02/06/2000
27/07/2000 Image synthétique traduisant

l’évolution temporelle
Figure 2.5 : Résolution temporelle
20
Image Satellitaire
4.2. Résolution spatiale : La résolution spatiale est donnée par le plus petit élément
enregistré : le pixel. Suivant les applications et l’échelle d’étude, différentes résolutions
spatiales sont employées. [PED06]
Résolution Résolution spatiale

Très haute 0.5 m
Très haute 1m
Haute 2.5 - 5 m
Haute 5m
Moyenne 30 m
Moyenne 250 m
Basse 1 km
1m 10 m 20 m
Figure 2.6 : Résolution spatiale
4.3. Résolution spectrale : C’est la capacité d’un capteur de distinguer des signaux de
longueurs d’ondes différentes. [OUA,TEK07]
Panchromatique (Pan) Multi-spectrale (MS)
Figure 2.7 : Résolution spectrale
21
Image Satellitaire
5. Les techniques de traitement numérique des images satellitaires
L’image satellitaire est bruitée et peu contrastée dans une géométrie difficilement exploitable.
En effet, les images satellitaires à l’état brut ne reflètent pas vraiment la réalité du terrain car
les mesures effectuées sont attachées d’erreurs dues à plusieurs facteurs liés à la position de
l’objet, aux effets du relief. Pour cela, différents traitements numériques sur cette image sont
nécessaire pour distinguer et identifier les classes d’objets dans une image pour extraire
l’information utile.
Parmi les techniques de traitement numérique de l’image on distingue :
5.1. Prétraitement : Les prétraitements sont les opérations qui sont normalement requises
avant l’analyse principale et l’extraction de l’information. Ces opérations se divisent en :
5.1.1. Correction : on relève trois types de correction :
a- Correction atmosphérique : afin d’éliminer l’action de l’atmosphère et isoler les

signatures spectrales des objets terrestres.
b- Correction radiométrique : afin d’éliminer le bruit des capteurs et corriger les
comptes numériques de scènes à deux dates pour pouvoir les comparer.
c- Correction géométrique : afin d’éliminer les distorsions lors des enregistrements
par le satellite (altitude, rotation, courbure…). La superposition de deux images
nécessite une correction géométrique.
5.1.2. Rehaussement : est utilisé pour améliorer le contraste d’une image.
5.1.3. Filtrage : Analyse des données, désigne l'élimination de certaines fréquences spectrales
ou spatiales afin d'accentuer des caractéristiques sur l'image. [NET05]
5.1.4. Transformation : Sont des opérations similaires à ceux de rehaussement de l'image.

Cependant, alors que le rehaussement de l'image qui est normalement appliqué à une seule
bande de données à la fois, la transformation de l'image combine le traitement des données de
plusieurs bandes spectrales. [NET06]
22
Image Satellitaire
5.2. Traitement : Le traitement d'images désigne une discipline de l'informatique et des

mathématiques appliquées qui étudie les images numériques et leurs transformations, dans le
but d'améliorer leur qualité ou d'en extraire de l'information.
Dans le contexte de la vision artificielle, le traitement d'images se place après les étapes
d'acquisition et de numérisation, assurant les transformations d'images et la partie de calcul
permettant d'aller vers une interprétation des images traitées. Cette phase d'interprétation est
d'ailleurs de plus en plus intégrée dans le traitement d'images, en faisant appel notamment à
l'intelligence artificielle pour manipuler des connaissances, principalement sur les
informations dont on dispose à propos de ce que représentent les images traitées
(connaissance du domaine). [NET07]
5.2.1. Segmentation : La segmentation est une opération de traitement d'images qui consiste
à trouver des zones homogènes appelés région selon un critère bien déterminé comme par
exemple le niveau de gris, la couleur, la texture…etc.
Une grande variété de techniques permet d’effectuer la segmentation d’images. Elles sont
généralement fondées sur la recherche de discontinuités locales telles que la détection de
contours, ou sur la détection de zones de l’image présentant des caractéristiques
d’homogénéité
a- Approche région : Segmentation fondée sur les régions : On y trouve par exemple la
croissance de région, décomposition/fusion.
Les méthodes appartenant à cette famille manipulent directement des régions. Soit elles
partent d'une première partition de l'image, qui est ensuite modifiée en divisant ou regroupant
des régions (décomposition/fusion); soit elles partent de quelques régions, qui sont amenées à
croître par incorporation de pixels jusqu'à ce que toute l'image soit couverte (croissance de
régions).
b- Approche frontière Segmentation fondée sur les contours (frontière) : Cette approche
cherche à exploiter le fait qu'il existe une transition détectable entre deux régions connexes.
L'intérêt principal des méthodes de segmentation selon l'approche frontières est de minimiser
le nombre d'opérations nécessaires en cas d'itération du processus sur des séries d'images peu
différentes les unes des autres. [NET08]
23
Image Satellitaire
5.2.2. Classification : Le regroupement des pixels d'une image en catégories ou thèmes. Lors
de la classification, chaque pixel est comparé à la signature de chaque classe. La comparaison
est effectuée par l’ordinateur en utilisant un des différents algorithmes de classification. On
distingue deux grands types de procédé :
Un analyste qui tente de classer les caractéristiques d'une image, utilise les éléments de
l'interprétation visuelle pour identifier des groupes homogènes de pixels qui représentent des
classes intéressantes de surfaces. La classification numérique des images utilise l'information
spectrale contenue dans les valeurs d'une ou de plusieurs bandes spectrales pour classifier
chaque pixel individuellement. Ce type de classification est appelé reconnaissance de
regroupements spectraux. Les deux façons de procéder (manuelle ou automatique) ont pour
but d'assigner une classe particulière ou thème à chacun des pixels d'une image. La nouvelle
image qui représente la classification est composée d'une mosaïque de pixels qui
appartiennent chacun à un thème particulier. Cette image est essentiellement une
représentation thématique de l'image originale.
Lorsqu'on parle de classes, il faut faire la distinction entre des classes d'information et des
classes spectrales. Les classes d'information sont des catégories d'intérêt que l'analyste tente
d'identifier dans les images. Les classes spectrales sont des groupes de pixels qui ont les
mêmes caractéristiques (ou presque) en ce qui a trait à leur valeur d'intensité dans les
différentes bandes spectrales des données. [NET09]
Figure 2.8 : Classification des images
L'objectif ultime de la classification est de faire la correspondance entre les classes spectrales
et les classes d'information. Il est rare qu'une correspondance directe soit possible entre ces
deux types de classes. Des classes spectrales bien définies peuvent apparaître parfois sans
qu'elles correspondent nécessairement à des classes d'information intéressantes pour l'analyse.
D'un autre côté, une classe d'information très large peut contenir plusieurs sous-classes
spectrales avec des variations spectrales définies.
L'analyste a le rôle de déterminer de l'utilité des différentes classes spectrales et de valider
leur correspondance à des classes d'informations utiles.
Les méthodes de classification les plus communes peuvent être séparées en deux grandes
catégories : les méthodes de classification supervisée et les méthodes de classification non
supervisée. [NET09]
24
Image Satellitaire
a- Classification dirigée (supervisée) : Procédure utilisée pour l’identification de zones

spectralement similaires d’une image. On identifie d’abord des sites d’entraînement dont on
extrait la signature spectrale et à partir desquels on extrapole pour le reste de l’image.
[NET05]
Lors de l'utilisation d'une méthode de classification supervisée, l'analyste identifie des

échantillons assez homogènes de l'image qui sont représentatifs de différents types de surfaces
(classes d'information). Ces échantillons forment un ensemble de données-tests. La sélection
de ces données-tests est basée sur les connaissances de l'analyste, sa familiarité avec les
régions géographiques et les types de surfaces présents dans l'image.
L'analyste supervise donc la classification d'un ensemble spécifique de classes. Les

informations numériques pour chacune des bandes et pour chaque pixel de ces ensembles sont
utilisées pour que l'ordinateur puisse définir les classes et ensuite reconnaître des régions aux
propriétés similaires à chaque classe. L'ordinateur utilise un programme spécial ou algorithme
afin de déterminer la signature numérique de chacune des classes. Plusieurs algorithmes
différents sont possibles. Une fois que l'ordinateur a établi la signature spectrale de chaque
classe à la classe avec laquelle il a le plus d'affinités. Une classification supervisée commence
donc par l'identification des classes d'information qui sont ensuite utilisées pour définir les
classes spectrales qui les représentent. [NET09]
b- Classification non dirigée (non supervisée) : elle est effectuée par traitement
informatique uniquement basé sur les statistiques d'image sans recours à des échantillons
d'entraînement. La classification produit un regroupement naturel des pixels de l’image que
l’on nomme regroupement spectral ou classe. Ainsi, on présume que les régions de l’image
ayant une même signature spectrale ont un type d’utilisation du sol similaire. L’analyste doit
ensuite déterminer l’identité de ces regroupements spectraux. [NET05]
La classification non supervisée procède de la façon contraire. Les classes spectrales sont
formées en premier, basées sur l'information numérique des données seulement. Ces classes
sont ensuite associées, par un analyste, à des classes d'information utile (si possible). Des
programmes appelés algorithmes de classification sont utilisés pour déterminer les groupes
statistiques naturels ou les structures des données.
Habituellement, l'analyste spécifie le nombre de groupes ou classes qui seront formés avec les
données. De plus, l'analyste peut spécifier certains paramètres relatifs à la distance entre les
classes et la variance à l'intérieur même d'une classe. Le résultat final de ce processus de
classification itératif peut créer des classes que l'analyste voudra combiner, ou des classes qui
devraient être séparées de nouveau. Chacune de ces étapes nécessite une nouvelle application
de l'algorithme. L'intervention humaine n'est donc pas totalement exempte de la classification
non supervisée. Cependant, cette méthode ne commence pas avec un ensemble prédéterminé
de classes comme pour la classification supervisée. [NET09]
25
Image Satellitaire
5.2.3. Compression : La compression consiste à faire en sorte que la taille physique de

l’image devienne significativement plus faible.
La compression et la décompression nécessitent 2 algorithmes. Le premier transforme l’image

de façon qu'elles occupent moins de place. Le second effectue la transformation inverse. Le
résultat de ces deux transformations enchaînées doit produire le même résultat que l’image de
départ.
C'est-à-dire qu'une compression suivie d'une décompression ne doit pas changer l’image.
Cependant, il est acceptable de perdre un peu d'information pour obtenir un taux de
compression plus élevé. L'image résultante n'est donc pas identique, bien que très proche
visuellement. On dit alors que c'est une compression avec perte d'information. [SAI09]
26
Image Satellitaire
6. Quelques exemples concrets de traitement d'images
- Construction et correction de cartes géographiques d'après des images satellites ou des

images aériennes. On recale d'après des informations topographiques les images reçues, puis
on les met sur la carte en correspondance avec les informations trouvées dans l'image.
- Surveillance et évaluation de la production agricole. Il est possible de déterminer le degré de

maturation des cultures, la quantité d'eau nécessaire pour l'irrigation, le rendement moyen...
On peut ainsi établir des prévisions à large échelle de la récolte à venir.
- Reconnaissance de l'écriture. La reconnaissance de l'écriture manuscrite progresse de jour en

jour. Elle est suffisamment opérationnelle pour que la majorité des adresses, même
manuscrites, soient reconnues automatiquement sur le courrier postal.
- Recherche d'image par le contenu. L'objectif de cette technique est de rechercher, parmi une
base de données d'images, les images similaires à une image exemple, ou ayant certaines
caractéristiques, par exemple rechercher toutes les images comportant un vélo.
- Analyse de la vidéo. L'objectif de cette technique devenue une discipline depuis les années
2000 est d'interpréter les faits observés à l'image afin de signaler ou d'enregistrer des faits
marquants. Le plus souvent, la caméra est fixe et observe les mouvements d'une scène. Les
applications sont nombreuses :
- Protection des biens (détection d'intrusion, détection d'objet abandonné ou déposé...),
- Identification (biométrie faciale),
- Sécurité des personnes (détection de chutes de personnes,...),
- Détection de feux (industriel, forêts, tunnels, ...),
- Surveillance de tunnels (comptage, mesure de vitesse,…),
- Détection de fuites/anomalies dans les plafonds,
- Surveillance de tuyaux et autres process industriels,...
- Segmentation et suivi de cellules vivantes en microscopie. Cela permet d'analyser le

comportement d'une population de cellules et ainsi de détecter certaines anomalies. [NET07]
7. Conclusion
L’analyse et l’interprétation des images satellitaires, généralement effectuées par des photo-
interprètes, requièrent un effort humain considérable et coûteux. Ces experts ont appris à
exploiter des résultats d’analyse des images (segmentation, classification, plus ou moins
automatiques ...) afin d’extraire une information utile dans un but applicatif bien défini. Les
images doivent être bien choisies pour permettre la mise en évidence des objets d’intérêt de
l’application choisie.
27
CHAPITRE
3
METEOROLOGIE ET PREVISION METEOROLOGIQUE
Météorologie et prévision météorologique
1. Introduction
Les instruments perfectionnés utilisés dans les missions satellitaires actuelles et à venir vont
produire un nombre de plus en plus grand de données concernant l’état de l’atmosphère, des
océans et du sol. Au cours de la décennie actuelle, le volume de données dont disposeront les
secteurs de l’exploitation et de la recherche météorologique, océanographique et
climatologique sera multiplié par 100 000.
Ces données auront une précision et une résolution spatiale, spectrale et temporelle jamais
atteintes auparavant. Des organismes vont veiller à ce qu’un maximum d’avantages soit tiré
de l’investissement dans les systèmes mondiaux d’observation depuis l’espace. Ils vont
accélérer l’exploitation de données émanant de satellites opérationnels et de recherche qui
doivent alimenter des systèmes de surveillance et de prévision météorologique et
climatologique. Des informations améliorées sur le temps et le climat seront transmises par
les systèmes actuels de diffusion et par de nouveaux systèmes.
28
2. Définition de la météorologie
Le mot « météorologie » vient du grec antique où meteor désigne les particules en suspension
dans l'atmosphère et logos veut dire discours ou connaissance.
La météorologie a pour objet l'étude des phénomènes atmosphériques tels que les nuages, les
précipitations ou le vent dans le but de comprendre comment ils se forment et évoluent en
fonction des paramètres mesurés tels que la pression, la température et l'humidité.
Figure 3.1 : Météorologie
Le but de la météorologie est de trouver les lois régissant la dynamique du fluide que l'on
nomme l'air et de pouvoir prédire son comportement futur. L'air est un fluide compressible,
formé de différents gaz et se trouvant dans une mince couche à la surface d'un référentiel en
rotation (la Terre).
La météorologie étant une branche de la physique, la théorie des fluides, le calcul des forces
et la thermodynamique sont mises à profit pour expliquer le comportement de l'atmosphère.
[NET10]
29
3. Phénomènes météorologiques
3.1. Circulation atmosphérique : La circulation atmosphérique est le mouvement à l'échelle

planétaire de la couche d'air entourant la Terre qui redistribue la chaleur provenant du Soleil
en conjonction avec la circulation océanique.
La radiation réémise par le sol est liée à la quantité d'énergie reçue. Il s'en suit un
réchauffement différentiel entre les deux régions qui ne peut persister sous peine d'une
augmentation sans fin de ce dernier et c'est ce qui crée la circulation atmosphérique.
Certains systèmes météorologiques ont des noms particuliers : cyclones tropicaux, Mousson,
El Nino, Blocage d'air froid,…etc. [NET10]
3.2. Vent : Le vent est un mouvement de l’atmosphère. Il peut apparaître sur n’importe quelle
planète disposant d’une atmosphère. Ces mouvements de masses d’air sont provoqués par
deux phénomènes se produisant simultanément : un réchauffement inégalement réparti de la
surface de la planète par l’énergie solaire et la rotation de la planète.
Sur Terre, plusieurs régions ont des vents caractéristiques auxquels les populations locales ont
données des noms particuliers. Les vents sont une source d’énergie renouvelable, et ont été
utilisés à travers les siècles à divers usages, par les moulins à vent, la navigation à la voile ou
plus simplement le séchage.
La vitesse du vent est mesurée avec un anémomètre mais peut être estimée par une manche à
air, un drapeau,…etc.
Les vents peuvent être réguliers ou en rafales. On retrouve des corridors de vent très forts le
long des zones de contraste de températures qu'on appelle courant-jets. Sous les orages, la
transformation du cisaillement horizontal du vent en tourbillon vertical donne une tornade ou
une trombe marine. Le même phénomène peut se produire sans nuage et donne un tourbillon
de poussière. La descente de l'air vers le sol avec les précipitations dans un orage donne une
rafale descendante. [NET10]
3.3. Nuages et précipitations : L'atmosphère terrestre est constituée principalement d’azote

(près de 80%), d'oxygène et de vapeur d'eau. Ses mouvements verticaux permettent la
compression ou la dilatation de ce gaz selon la loi des gaz parfaits dans un processus
habituellement adiabatique. La quantité maximale de vapeur d’eau que peut contenir l'air est
fonction de la température de celui-ci. Lorsque l'air s'élève, il se dilate et sa température
diminue, permettant la condensation de la vapeur d'eau, à saturation, en gouttelettes. Un
nuage est alors formé.
Un nuage est donc un ensemble de gouttelettes d’eau (ou de cristaux de glace) en suspension
dans l’air. L’aspect du nuage dépend de la lumière qu’il reçoit, de la nature, de la dimension,
du nombre et de la répartition des particules qui le constituent. Plus l’air est chaud, plus il
peut contenir de la vapeur d’eau, et plus le nuage sera important. Plus les mouvements
verticaux de l'air sont forts, plus le nuage aura une extension verticale importante. [NET10]
En météorologie, le terme précipitation désigne des cristaux de glace ou des gouttelettes d'eau
qui, ayant été soumis à des processus de condensation et d'agrégation à l'intérieur des nuages,
30
sont devenus trop lourds pour demeurer en suspension dans l'atmosphère et tombent au sol ou
s'évaporent avant de l'atteindre. [NET11]
Figure 3.2 : Nuage
- Les gouttelettes d'eau : Elles sont formées en atmosphère saturée (100 % d'humidité) par
condensation de la vapeur d'eau (toujours présente dans l'atmosphère) en présence de
particules solides en suspension appelées noyaux de condensation. Ces noyaux de
condensation jouent le rôle de catalyseur et sont d'origines variées :
- minérale : suie volcanique, cristaux de sable.
- marine : cristaux de sel marin arrachés des embruns par le vent.
- humaine : combustions industrielles, pollution.
- Les cristaux de glace : Ils sont formés par cristallisation d'une gouttelette d'eau autour d'une
particule solide appelée noyau glaçogène pour T<0°C. Ces noyaux sont issus de cendres
volcaniques, suie ou sable et ont une structure cristalline analogue à la glace. [NET12]
Figure 3.3 : Nuage d'eau et de glace (cumulunimbus)
31
La base du nuage détermine l'étage auquel il appartient. Ces étages varient en fonction de
l’altitude : [NET12]
Régions Régions Régions

Etages Genres
polaires tempérées tropicales
Cirrus
Supérieur Cirrocumulus de 3 à 8 km de 5 à 13 km de 6 à 18 km
Cirrostratus
Altocumulus
Moyen Altostratus de 2 à 4 km de 2 à 7 km de 2 à 8 km
Nimbostratus
Stratocumulus
Stratus
Inférieur Jusqu’à 2 km Jusqu’à 2 km Jusqu’à 2 km
Cumulus
Cumulonimbus
Figure 3.4 : Les types de nuage
La pluie désigne généralement une précipitation d'eau à l'état liquide tombant de nuages vers
le sol. Il s'agit d'un hydrométéore météorologique qui fait partie du cycle de l'eau. La pluie se
forme à partir de la condensation de la vapeur d'eau qui a été évaporée par le Soleil, s'est
condensée dans le nuage par le refroidissement adiabatique dû au mouvement ascendant de
l'air. On parle de pluie chaude quand les gouttes de pluie se sont entièrement formées dans un
nuage au dessus du point de congélation et de pluie froide quand elles sont le résultat de la
fonte de flocons de neige quand l'air passe au-dessus de zéro degré Celsius en altitude.
[NET13]
32
3.4. Phénomènes accessoires : Les phénomènes météorologiques sont souvent accompagnés

de ou produisent des phénomènes secondaires. Le vent soulève du sol des solides non aqueux,
des lithométéores, qui restent en suspension dans l’atmosphère. Dans les régions sèches, la
brume de sable est une suspension de poussières ou de petits grains de sable qui restent dans
l’air après une tempête de vent.
Certains phénomènes lumineux sont dus à la réflexion, la réfraction, la diffraction ou à

l'interférence de la lumière sur les particules présentes dans l’atmosphère. Ce sont des
photométéores. Ces phénomènes ont la forme d’anneaux, d’arcs, de colonnes ou de foyers
lumineux. Par exemple l'arc-en-ciel, dont les couleurs vont du violet au rouge, apparaît
lorsque la lumière venant d'une éclaircie passe dans une atmosphère remplie de gouttes de
pluie.
Il y a également diverses manifestations de l’électricité atmosphérique sous forme de lumières

ou de bruits, appelées électrométéores. La plupart sont associés aux orages où on observe des
décharges brusques d’électricité. Il s'agit de la foudre, de l'éclair et du tonnerre. [NET10]
33
4. Les systèmes d’acquisitions en météorologie
Le système d’acquisition comprend des capteurs qui sont montés sur les satellites :
4.1. Satellite météorologique
Un satellite météorologique est un satellite artificiel qui a comme mission principale le recueil
de données utilisées pour la surveillance du temps et du climat de la Terre. Chaque nouvelle
génération de satellite comporte des senseurs plus performants et capables d'effectuer des
mesures sur un plus grand nombre de canaux ce qui permet de les utiliser pour différencier les
divers phénomènes météorologiques : nuages, précipitations, vents, brouillard,…etc.
Figure 3.5 : Satellite METEOSAT de première génération
Le premier satellite météorologique, le Vanguard 2, fut lancé le 17 février 1959 pour mesurer
la couverture nuageuse. Malheureusement, lors de sa satellisation, son axe de rotation fut mal
orienté et il ne put donner que peu d’informations. Le TIROS-1 fut le premier succès dans ce
domaine. La NASA le lança le 1er avril 1960 et transmis durant 78 jours. Il fut l’ancêtre du
programme Nimbus qui mena au développement des satellites météorologiques modernes
lancés par la NASA et opérés par le NOAA.
Pour répondre à leurs besoins spécifiques, différents pays ou association de pays ont démarré
ensuite leur propre programme. En Europe, les satellites Météosat, de première génération,
ont été réalisés dans le Centre spatial de Cannes Mandelieu, leur premier satellite, Météosat 1,
a été lancé le 23 novembre 1977. [NET14]
Il existe deux types de satellites météorologiques : les satellites géostationnaires et

circumpolaires :
34
a. Satellite géostationnaire : Situés directement au-dessus de l’équateur et à une distance

telle (35 880 km), les satellites géostationnaires orbitent de façon synchrone avec la Terre.
Les satellites géostationnaires peuvent donc prendre des informations en continu de la même
portion du globe, surtout dans les spectres visibles et infrarouges. [NET14]
Figure 3.6 : Vue de la Terre par un satellite météorologique GOES (Source: NOAA)
Les différents pays qui maintiennent une flotte de ces satellites sont :
- États-Unis : La série GOES couvrant les Amériques et une partie de l’Atlantique et

du Pacifique.
- Agence spatiale européenne : L'ESA maintient la série des Meteosat avec les
numéros 6, 7 et 8 couvrant l’Atlantique et le numéro 5, l’océan indien.
- Japon : Le MTSAT-1R couvre le Pacifique.
- Inde : Le METSAT-1 / KALPANA-1.
- Russie : Le GOMS est positionné à la longitude de Moscou.
- Chine: Utilise la série Feng-Yun dont le plus récent est le FY-2C.
b. Les satellites circumpolaires: pour complémenter les satellites géostationnaires, les

satellites circumpolaires orbitent autour de la Terre à basse altitude (~720 - 800 km) selon une
trajectoire avec une forte inclinaison passant près des pôles. Ils sont héliosynchrones, c’est-à-
dire que leur axe de rotation est perpendiculaire à l’axe entre le Soleil et la Terre. Ils passent
deux fois au-dessus de n’importe quel point de la surface du globe à chaque jour à la même
heure solaire.
Comme ils sont plus rapprochés de la surface, ces satellites ont une meilleure résolution. Ils
peuvent distinguer plus facilement les détails de température des nuages et leur forme visible.
Les feux de forêt et la brume sont beaucoup plus évidents. On peut même en extraire des
informations sur le vent selon la forme et le déplacement des nuages. Malheureusement,
comme ils ne couvrent pas continuellement la même surface terrestre, ils ont un usage plus
limité pour surveiller la météo en temps réel. Ils sont surtout utiles dans ce domaine dans les
régions polaires où des images composites venant des différents satellites sont plus fréquentes
et permettent de voir ce qui est presque invisible aux satellites géostationnaires. [NET14]
35
Les différents pays qui maintiennent une flotte de ces satellites sont :
- Les États-Unis utilisent la série TIROS de NOAA en binômes sur des orbites
opposées (un vers le nord et l’autre vers le sud).
- La Russie possède les séries Meteor et RESURS.
- La Chine et l’Inde ont également des satellites circumpolaires.
4.2. Radar météorologique
Un radar météorologique est un type de radar utilisé en météorologie pour repérer les
précipitations, calculer leur déplacement et déterminer leur type (pluie, neige, grêle,…etc.).
Un radar météorologique est un radar à impulsions, c'est-à-dire qu'il émet des impulsions de
très courte durée suivi d'un temps mort beaucoup plus long pour « écouter » les échos de
retour venant des précipitations. On peut ainsi repérer la position, l'intensité et le déplacement
de ces dernières. On peut même tirer le type du signal retourné, si on sait quelles variables de
l'écho analyser. Finalement, ce type de radar permet d'utiliser la même antenne pour
l'émission et la réception en plus de concentrer l'énergie dans des impulsions courtes au lieu
de la répartir dans une émission continue. [NET15]
36
5. Domaine d’application de la météorologie
La météorologie a des applications dans des domaines très divers comme :
- Les besoins militaires.

- La production d'énergie.
- Les transports maritimes et terrestres.
- L'agriculture.
- La médecine.
- La construction.
- La photographie aérienne ou le cinéma.
- Elle est également appliquée pour la prévision de la qualité de l'air. [NET10]
6. Conclusion
Beaucoup reste à faire pour comprendre et paramétrer les phénomènes météorologiques. Les
équations qui régissent l’atmosphère sont complexes et les données sont difficiles à obtenir
dans certains cas.
Les pays en développement vont tirer des avantages considérables de l’utilisation de

techniques de télédétection. Ils vont bénéficier notamment de liens avec des centres
d’assimilation de données susceptibles d’exploiter des bases de données environnementales
vastes et complexes.
Ces avantages seront manifestes dans divers domaines tels que les prévisions saisonnières et
interannuelles et les alertes.
37
1. Introduction
Comme l’atmosphère est chaotique, malgré l’amélioration des connaissances, les équations
qui la régissent et la plus grande résolution des données satellitaires recueillies, il est parfois
impossible d’arriver à une solution unique. Depuis plusieurs années, les différents services
météorologiques ont commencé à produire des ensembles de prévisions. Il s’agit de faire
rouler un ou plusieurs modèles avec des analyses légèrement différentes et de comparer
statistiquement les solutions pour arriver à la plus probable.
2. Définition et principe de la prévision météorologique
La prévision météorologique est une application des connaissances en météorologie et des

techniques modernes de prises de données et d’informatique pour prédire l’état de
l’atmosphère à un temps ultérieur.
Prévision Météorologique = Connaissance Météorologie + Techniques Informatique
Les lois régissant le comportement de l’atmosphère sont dérivées de la mécanique des fluides.
On peut grâce à des modèles mathématiques et des superordinateurs les résoudre. Malgré tout,
même si la résolution de nos données a augmenté exponentiellement, la prévision reste autant
un art qu’une science. En effet, l’état de l’atmosphère ne peut jamais être complètement défini
ce qui laisse place au facteur humain dans la prévision. [NET16]
Figure 3.7 : Prévision météorologique, prévision (lignes bleues) pour une période
de 30 à 45 minutes du déplacement d'une ligne d'orage
38
3. Historique de la prévision météorologique
Dans la chronologie historique, les mesures météorologiques régulièrement enregistrées ont

commencé à être effectuées au 18eme siècle. Les premières cartes synoptiques du temps, en
fonction de la température, de la pression atmosphérique et de la vitesse et force des vents, ont
été réalisées en 1820 par l’astronome et physicien allemand H.W Brandes.
Les stations météorologiques se sont multipliées progressivement, d'abord en Europe, puis

dans le monde entier. Les prévisions ont commencé à être faites grâce a la possibilité de
communiquer rapidement des informations, d'abord par le télégraphe (depuis 1837), puis par
le téléphone (depuis 1876). Le premier rapport météorologique a été en 1848, on commença à
établir des cartes quotidiennes du temps, dès 1855.
En 1904, Vilhelm Bjerknes fut le premier à proposer que la prévision du comportement de

l'atmosphère pourrait être traitée comme un problème de physique mathématique posé en
fonction des conditions initiales. La discipline de la prévision numérique du temps fut fondée
en 1922 par le mathématicien britannique L. F. Richardson. Deux décennies avant l'invention
de l'ordinateur, Richardson envisagea de faire résoudre numériquement, par une armée de
calculateurs humains, les équations développées par Bjerknes.
La vision pionnière de Richardson commença à porter ses fruits en 1950, alors que Charney,
Fjortoft et Von Neumann réussirent la première prévision numérique du temps par ordinateur.
Les premiers programmes de prévisions numériques opérationnelles furent instaures au début
des années 1960. [JLM07]
39
4. Les étapes d’une prévision météorologique
Le développement des ordinateurs a permis d'utiliser les équations qui régissent l'atmosphère
afin de simuler l'évolution des systèmes météorologiques, il a été possible de graduellement
augmenter la complexité du calcul pour donner des solutions de plus en plus près de la réalité,
sans encore être parfaites. La prévision météorologique comprend :
4.1. Acquisition des données
Les données sont acquises par un ensemble de systèmes qui donnent la pression, la
température, l’humidité, la direction et vitesse du vent, les précipitations, les conditions
nuageuses,…etc., à la surface et en altitude. Ces systèmes ont chacun leur fréquence de prise
de donnée.
- Les observations horaires, spéciales et aux six heures :

- Les stations de surface comme les observations d’aéroports.
- Les bouées fixes ou dérivantes.
- Les observations aux 12 heures :

- Les stations de lâcher de ballon-sondes qui donnent des observations sur la structure
verticale de l’atmosphère.
- Les données de stations de surface climatologiques.
- Les données de télédétection :

- Les radars météorologiques.
- Les satellites météorologiques. [NET16]
4.2. Analyse du prévisionniste
Il analyse l'ensemble des données de surface et d’altitude à partir de cartes tracées par
ordinateur ou manuellement pour se faire une idée de la circulation atmosphérique actuelle, de
la trajectoire passée des systèmes et de leur état de développement (pour déterminer la
trajectoire future de ces systèmes). [NET16]
4.3. Prévision numérique
La prévision numérique comprend :
a. Analyse (Assimilation des données dans un modèle numérique de prévision) :

L’assimilation des données que le programme compare à sa plus récente prévision
pour le même temps.
b. Simulation : Une fois l’analyse complétée, le programme de simulation numérique

démarre et calcule le changement de l’atmosphère pour un temps futur.
40
c. Post-traitement : Une fois la simulation terminée, un programme de post-

traitement extrait les variables et les présente aux prévisionnistes sous forme de carte,
tables de données, coupes verticales,…etc. Ces données sont préalablement traitées
pour retirer certains biais connus du modèle. [NET16]
4.4. Prévision finale
Il arrive souvent que différents modèles suggèrent différentes solutions. Cela est dû à la façon
dont les équations de l’atmosphère sont intégrées dans un modèle, à sa résolution et à l’état de
l’atmosphère qui est parfois très instable et susceptible de grands changements à partir de
petites variations de l’analyse initiale. Le prévisionniste compare son scénario avec les
résultats obtenus par le ou les modèles numériques. Il peut ainsi se faire une idée des forces et
des faiblesses des solutions qu'ils proposent et choisir la meilleure. [NET16]
4.5. Présentation aux utilisateurs
Une fois arrivé à une solution, le prévisionniste doit mettre celle-ci sous forme utile pour
l’usager. Ces derniers sont :
- Le public.
- Les médias (journaux, bulletins télévisés, radio, etc.).
- L’aviation.
- Les navigateurs.
- Les moyens de diffusion du service météorologique national.
Chacun d’eux reçoit des produits sous la forme la plus utile pour leur opération. Ce sont
traditionnellement des cartes ou des textes mais plus récemment, avec l’internet, des
graphiques de tendances ou tout autre produit graphique. [NET16]
41
5. Domaine d’application des prévisions météorologiques
On retrouve plusieurs domaines d'application des prévisions dont : [NET10]

- Hydrométéorologie.
- Météorologie aéronautique.
- Météorologie agricole ou (agrométéorologie).
- Météorologie côtière.
- Météorologie et route.
- Météorologie forestière.
- Météorologie maritime.
- Météorologie militaire.
- Météorologie des montagnes.
- Météorologie tropicale.
- Météorologie et pollution.
- Prévision des orages violents.
- Prévision numérique du temps.
- Prévision des cyclones tropicaux.
6. Conclusion
L’emploi de techniques de télédétection permet d’améliorer considérablement la

modélisation de l’état actuel et à venir du climat et de transmettre ces renseignements
primordiaux aux prévisionnistes, aux administrateurs et aux planificateurs.
L’utilisation d’instruments embarqués à bord de satellites, l’assimilation de données

satellitaires, la modélisation numérique, l’informatique et les télécommunications ont fait des
progrès techniques décisifs permettant d’importantes améliorations dans le domaine de la
prévision météorologique.
Dans le cadre de la modélisation numérique, nous proposerons dans le chapitre suivant une
nouvelle méthode d’optimisation qui est basée sur le comportement des abeilles pour la
recherche de nourriture.
42
CHAPITRE
4
LES COLONIES D’ABEILLES
Les colonies d’abeilles
1. Introduction
Les problèmes traités en informatique sont la plupart du temps résolus par des méthodes
mathématiques simples. Cependant ces méthodes ne sont pas toujours adaptées pour des
problèmes complexes, qui apparaissent par exemple dans le domaine de la robotique, la
télédétection spatiale ou dans la recherche opérationnelle. Il faut alors inventer de nouvelles
méthodes de résolution, et une source d'inspiration utilisée dans la branche de l'intelligence
artificielle qui est la modélisation de systèmes complexes naturels.
Ce sont plus particulièrement les systèmes biologiques qui sont étudiés : après une
observation d'un être vivant ou d'un groupe d’être vivant, un modèle est extrait et amélioré
pour une meilleure résolution du problème traité.
Dans cette étude de l'existant, nous allons nous intéresser aux modèles qui copient les
comportements sociaux des animaux, c'est-à-dire l'intelligence collective ou l'intelligence en
essaim qu'il est possible d'observer chez les abeilles, qui sera la principale espèce étudiée dans
ce chapitre.
43
2. Les systèmes Bio-Inspirés
Les systèmes bio-inspirés, plus particulièrement le calcul bio-inspiré, sont étroitement liés au
domaine de l’IA (Intelligence Artificielle). Ils s’appuient sur la biologie, l’informatique et les
mathématiques.
Pour résumer, on utilise des ordinateurs pour modéliser la nature, et vis-versa, on s’inspire de
la nature pour améliorer l’utilisation des ordinateurs afin de résoudre des problèmes
complexes. [NET17]
Figure 4.1 : Système Bio-Inspiré
Parmi les systèmes Bio-Inspirés qui ont été modélisé :
- Les Réseaux de Neurones (RN): sont à l’origine d’une tentative de modélisation

mathématique du cerveau humain. Grâce à leurs traitement parallèle de l’information et à
leurs mécanismes inspirés des cellules nerveuses (neurones).
- Les Algorithmes Génétiques (AG) : pour modéliser l'hérédité qui contrôle les caractères
et/ou les aptitudes propres à un organisme. Ils sont analogues aux chromosomes des systèmes
biologiques qui portent les informations génétiques d'un individu.
- Les colonies de fourmis (ANT) : pour modéliser leurs processus de recherche de nourriture,
grâce à leurs capacités de trouver le chemin le plus court entre des sources de nourriture et la
fourmilière.
- Le Système Immunitaire Artificiel (AIS) : inspiré par les principes et le fonctionnement du
système immunitaire naturel des vertébrés.
- Particle Swarm Optimization (PSO) : modèle du comportement social des oiseaux flocage.
- Les colonies d’abeilles artificielles (ABC) : pour modéliser leurs processus de recherche
pour les meilleures sources de nourriture.
- etc…
Comme une sorte d'insectes sociaux, les abeilles vivent en colonies et présentent de
nombreuses caractéristiques. Ces caractéristiques comprennent les abeilles exploratrices, la
danse des abeilles, la sélection des tâches, la prise de décision collective, le choix du site de
nid, l'accouplement, ponte des phéromones et des systèmes de navigation, qui peut être utilisé
comme modèles pour des applications intelligentes.
44
3. Les colonies d’abeilles
Un système de communication remarquable, propre aux abeilles, permet de diffuser dans la

colonie un grand nombre de renseignements ou de messages, le lieu de provenance de la
nourriture (quantité, lieu et origine florale) par exemple. Pour se faire comprendre, les
hommes disposent de la parole; les abeilles s’expriment différemment, grâce à un système de
communication à base de mouvements, d’odeurs, de repères visuels et de sons, qui constitue
leur langage. Ainsi, les ouvrières se transmettent des informations par signes tactiles (code
anténnaire), olfactifs ou chimiques ; elles s’informent par des sortes de gesticulations que l’on
appelle « danses » dont la signification à été découverte par le savant autrichien Karl von
Frisch. [NET18]
3.1. Travaux scientifiques et résultats
Karl von Frisch rapporte, dans sa biographie, ce qu’il observa, un jour de printemps 1919,
après avoir marqué d’une tache de peinture une butineuse exploitant une coupelle d’eau
sucrée. L’ouvrière de retour à la ruche se mit à danser en rond, entourée d’abeilles qui
témoignèrent d’une grande excitation, ce qui provoqua leur envol vers la coupelle pleine. Les
travaux qui allaient découler de cette observation ont permis d’élucider une grande partie des
mystères de la danse et ont valu à leur auteur le prix Nobel de Physiologie et Médecine en
1973. [NET18]
Figure 4.2 : Morphologie d’une abeille
Karl von Frisch mena ses études sur l'abeille carnolienne (Apis mellifera carnica). Il trouva
que les informations sur les zones de butinage peuvent être transférées d'abeille à abeille. Ceci
s'effectue au moyen d'une danse.
La définition de l'objectif par la danse est assez précise pour que les abeilles qui ont suivi la
danse puissent retrouver l'objectif, même s'il faut faire des détours pour l'atteindre.
Cette analyse de la danse des abeilles a permis des découvertes fondamentales sur le langage
humain. [NET19]
45
3.2. Le processus de recherche de nourriture dans la nature
Karl von Frisch a découvert le prodigieux langage des abeilles : lorsqu'une butineuse revient à
la ruche au terme d'une exploration, et qu'elle a découvert une source de nourriture, elle
exécute dans l'obscurité de la ruche une sorte de danse. Les autres abeilles perçoivent
l'agitation de cette excitée et viennent s'agglutiner à elle pour décoder les informations
contenues dans ces mouvements. [NET20]
Une colonie d'abeilles peut s'étendre sur de longues distances (jusqu'à 14 km) et dans
plusieurs directions simultanément pour exploiter un grand nombre de sources de nourriture.
Une colonie prospère dans les bonnes champs en déployant ses butineuses. En principe, les
surfaces de fleurs avec des quantités abondantes de nectar ou de pollen qui peuvent être
collectés avec moins d'effort devrait être visité par plus d'abeilles, alors que les surfaces avec
moins de nectar ou de pollen devraient recevoir moins d'abeilles.[VFK76] [STD96] [BDT99]
Le processus de recherche de nourriture commence dans une colonie d'abeilles par les abeilles
Scoutes envoyées pour rechercher les surfaces de fleur prometteuses. Les abeilles Scoutes se
déplacent aléatoirement à partir d'une surface à l'autre. Pendant la saison de récolte, une
colonie continue son exploration, en gardant un pourcentage de la population que les abeilles
Scoutes.
Quand ils retournent à la ruche, les abeilles Scoutes qui ont trouvé une surface qui est classée
au dessus d'un certain seuil de qualité (mesurée comme une combinaison de certains
constituants, tels que la teneur en sucre) déposent leur nectar ou pollen et exécutent une danse
connue sous le nom de danse frétillante. [VFK76]
1. Exploration
2. Exploitation
3. Danse
Figure 4.3 : Processus de recherche de nourriture
46
Cette danse est essentielle pour la communication de la colonie, et contient trois éléments
d'information au sujet de la surface de fleurs: la direction dans laquelle il sera trouvé, sa
distance de la ruche et sa qualité (ou fitness). Cette information aide la colonie d'envoyer ses
abeilles aux surfaces des fleurs précisément, sans l'aide de guides ou de cartes. Les
connaissances de chaque individu de la colonie de l'environnement extérieur sont glanées
uniquement de la danse frétillante. Cette danse permet à la colonie pour évaluer le mérite
relatif des différentes surfaces à la fois selon la qualité de nourriture qu'ils fournissent et la
quantité d'énergie nécessaire pour la récolte. Après la danse frétillante à l’intérieur de la
ruche, la danseuse (à savoir l'abeille Scoute) remonte à la surface de la fleur avec les abeilles
recrutées qui attendaient à l'intérieur de la ruche. Plus d’abeilles recrutées sont envoyées à
plusieurs surfaces prometteuses. Cela permet à la colonie pour recueillir de la nourriture
rapidement et efficacement.
Au moment de la récolte à partir d'une surface, les abeilles surveillent leur niveau alimentaire.
Cela est nécessaire pour décider sur la danse frétillante suivante quand ils retournent à la
ruche. Si la surface est encore assez bonne en tant que source de nourriture, alors il sera
annoncé dans la danse frétillante et plus d’abeilles seront recrutées pour cette source.
[NET21]
Les danses des abeilles n’auront leur pleine signification biologique que si elles sont
provoquées uniquement par la découverte d’endroits où la récolte est bonne et abondante. On
ne danse pas pour un butin qui ne mérite pas qu’on batte le rappel. La richesse du butin
dépend non seulement de la quantité de nectar que les fleurs sécrètent, mais encore de sa
concentration en sucre. L’importance des annonces que les pourvoyeuses font à la ruche se
règle donc de la manière la plus simple sur la richesse des récoltes découvertes.
L’éclaireuse rapporte en effet de son exploration le parfum spécifique de la fleur. Les abeilles
ont encore une autre manière de parler à l’odorat de leurs compagnes pour les attirer vers une
source de nectar. Elles utilisent leur organe odorant (glande de Nasonov), lors du survol des
fleurs, quand une récolte prometteuse rend désirable la collaboration d’autres auxiliaires.
[NET18]
Deux cas de figure se présentent : le type de danse est différent selon que la nourriture se
trouve à moins de 100 m, ou à une distance supérieure :
47
a. Lorsque la nourriture est à moins de 100 m, une danse en rond signale simplement la
proximité du repas, sans indication de direction. Étant donné la population de la ruche, la
dispersion des abeilles à l'intérieur d'un petit rayon permet de découvrir rapidement la source
de nourriture. [NET20]
Figure 4.4 : La danse en rond
La population de la ruche captent le mouvement au moyen de leurs antennes et perçoivent le

parfum de la nourriture. Après avoir exécuté sa danse en rond, l’éclaireuse retourne la
première vers les fleurs repérées, fait saillir son organe odorant et parfume l’air ambiant. Elle
leur facilite la découverte du but par cet appel du parfum. Les abeilles alertées arriveront ainsi
droit au but. [NET18]
b. Quand la distance de la source est supérieure à 100 m, des précisions supplémentaires sont
nécessaires. L'abeille exécute une danse en forme de 8 qui indique cette fois la distance et la
direction du site d'approvisionnement.
Figure 4.5 : La danse frétillante ou danse en huit
La danse frétillante ou danse en huit, aux motifs très compliqués, indique en fonction des
oscillations abdominales et des vibrations émises, la direction et la distance du butin à
récolter. [NET20]
La danseuse se met à « frétiller » de l’abdomen, c’est-à-dire à le faire vibrer rapidement de

gauche à droite tout en émettant un bourdonnement rythmé. Les abeilles alertées se mettent
alors à suivre la danseuse et la palpent de leurs antennes afin de recevoir divers messages.
Il a déjà été mentionné que les abeilles ne peuvent guère « entendre » les vibrations portées
par l’air, mais qu’elles ont une sensibilité très fine à l’égard des vibrations de leur support.
48
Dès lors, elles peuvent, lorsqu’elles piétinent le rayon, percevoir le bruit grésillant de la
danseuse car les vibrations stimulent de minuscules récepteurs cachés au niveau des pattes.
[NET18]
Au sein d'une même danse on a donc des informations de distance, de direction, de quantité et
de la nature de la source de nourriture :
- La direction est exprimée par rapport à la position du soleil : Le principe est simple, mais il
sous-entend une excellente capacité de repérage et d'analyse. De plus l'abeille effectue une
schématisation qui s'apparente à de l'abstraction : elle transpose dans le plan vertical l'angle
que fait la direction de la nourriture avec la direction du soleil dans le plan horizontal. En clair
elle dirige la danse dans une direction qui fait un certain angle par rapport à la verticale ; et cet
angle indique la direction de la nourriture par rapport au soleil. [NET20]
Figure 4.6 : L'emplacement d'une source de nourriture
- La distance, par le nombre et la vitesse de tours effectués par l'abeille sur elle-même. La
vitesse d'exécution de la danse est d'autant plus élevée que la source est proche. L’abeille
exécute en moyenne 40 tours par minute si la distance à indiquer est de 100 mètres, 24 tours
s’il s’agit de 500 mètres. Pour les grandes distances (pouvant aller jusqu’à 11 km environ), la
danse devient très lente et les oscillations de l’abdomen sont d’autant plus prolongées et
appuyées. [NET18]
- La quantité, la pourvoyeuse frétille d'autant plus vivement que la source signalée est
abondante (nombreuse).
- La nature : Elle est indiquée par l'odeur de la pourvoyeuse qui s'est frottée à la nourriture.
Les abeilles n'auront aucun mal à retrouver la source de nourriture à l'aide des informations
révélées par la danse. [NET20]
49
4. Les colonies d’abeilles artificielles (ABC)
Dans l'informatique et en recherche opérationnelle, l'algorithme de colonie d'abeilles

artificielles (Artificial Bee Colony (ABC)) est un algorithme d'optimisation basé sur le
comportement intelligent des essaims d’abeilles pour la recherche de miel, proposé par
Karaboga en 2005. [KAR05]
4.1. Principe ABC

L'algorithme de colonie d’abeilles artificiel est un algorithme d'optimisation, inspirée par le
comportement naturel des abeilles pour rechercher du miel, pour trouver la solution optimale.
[NET21]
L’algorithme ABC est un algorithme basé sur la population, la position d'une source de
nourriture représente une solution possible au problème d'optimisation et la quantité de nectar
d'une source de nourriture correspond à la qualité (forme physique) de la solution associée.
[NET22]
Dans sa version de base, l'algorithme (ABC) effectue une sorte de recherche à voisinage
combinés à la recherche aléatoire. [NET21]
Dans le modèle d'ABC, la colonie se compose de trois groupes d'abeilles :

- Les abeilles Sélectionnées,
- Les abeilles Recrutées,
- Les abeilles Scoutes.
On suppose qu'il y a seulement une abeille Sélectionnée artificielle pour chaque source de
nourriture. En d'autres termes, le nombre d'abeilles Sélectionnées dans la colonie est égal au
nombre de sources de nourriture autour de la ruche.
Les abeilles Sélectionnées vont à leur source de nourriture et revient à la ruche et dansent sur
ce secteur. L'abeille Sélectionnée dont la source de nourriture a été abandonnée devient une
abeille Scoute et commence à rechercher pour trouver une nouvelle source de nourriture. Les
Recrutées observent les danses des abeilles Sélectionnées et choisissent des sources de
nourriture selon des danses. [NET22]
50
4.2. Organigramme de l’algorithme ABC
Initialiser la population de n abeilles Scoutes
Évaluer la fitness de la population
Sélectionnez les m sites pour la recherche à voisinage
Déterminer La taille initiale de voisinage ngh

Recherche Voisinage
Recruter les abeilles pour les sites sélectionnés

(plus d'abeilles pour les meilleurs e sites)
Sélectionnez les abeilles avec la plus haute fitness de chaque surface
Affecter les abeilles restantes (n-m) pour la recherche aléatoire
Nouvelle population des abeilles Scoutes
51
4.3. Algorithme ABC
Le pseudo-code pour l'algorithme ABC dans sa forme la plus simple : [NET21]
1. Initialiser la population avec des solutions aléatoires.

2. Évaluer la fitness de la population.
3. Tant que (critère d'arrêt n'est pas atteint) //Former nouvelle population.
4. Sélectionner les sites pour la recherche de voisinage.
5. Recruter les abeilles pour les sites sélectionnés (plus d'abeilles pour les meilleurs e
sites) et évaluer les fitness.
6. Sélectionner les abeilles avec la plus haute fitness de chaque surface.
7. Affecter les abeilles restantes pour la recherche aléatoire et évaluer leurs fitness.
8. Fin tant que.
L'algorithme nécessite un certain nombre de paramètres à régler, à savoir :
- Le nombre d'abeilles Scoutes (n),

- Le nombre de sites sélectionnés sur les n sites visités (m),
- Le nombre des meilleurs sites sur les m sites sélectionnés (e),
- Le nombre d'abeilles Recrutées pour des meilleurs e sites (nep),
- Le nombre d'abeilles Recrutées pour les autres (me) sites sélectionnées (nsp),
- La taille initiale de surface (ngh), qui comprend le site et son voisinage,
- Critère d'arrêt.
- En première étape, l'algorithme d’abeilles commence avec les (n) abeilles Scoutes étant
placées au hasard dans l'espace de recherche.
- Dans l'étape 2, la fitness des sites visités par les abeilles Scoutes sont évaluées.
- À l'étape 4, les abeilles qui ont le plus de fitness sont choisies comme abeilles Sélectionnées
et les sites visités par eux sont choisis pour la recherche de voisinage.
- Puis, l’étape 5, l'algorithme dirige les recherches dans le voisinage des sites sélectionnés, en
attribuant plus d'abeilles Recrutées pour la recherche à proximité de meilleurs e sites. Ce
recrutement différentiel est une opération clé de l'algorithme d’abeilles.
- Toutefois, à l'étape 6, pour chaque surface, seules les abeilles avec la plus haute fitness
seront Sélectionnées pour former la prochaine population d'abeilles.
- À l'étape 7, les abeilles restent dans la population sont affectées de manière aléatoire autour
de l'espace de recherche pour de nouvelles solutions potentielles.
Ces étapes sont répétées jusqu'à ce qu'un critère d'arrêt soit atteint.
A la fin de chaque itération, la colonie aura deux parties à sa nouvelle population : Celles qui
représentent les meilleurs surfaces et celles qui ont été envoyées au hasard. [NET21]
52
S : Scoute
L : Sélectionnée
R : Recrutée
Figure 4.7 : Comportement des abeilles pour la recherche de nourriture
53
4.4. Domaine d’application d’ABC

L'algorithme ABC a trouvé de nombreuses applications dans l'ingénierie, tels que : [NET21]
- Formation des réseaux neuronaux pour la reconnaissance des formes.

- Former les cellules de fabrication.
- Emplois d'ordonnancement pour une machine de production.
- Résoudre les problèmes continus et optimisation de l'ingénierie.
- Trouver plusieurs solutions réalisables à un problème de conception préliminaire.
- Clustering de données.
- Optimisation de la conception de composants mécaniques.
- Optimisation multi-objectif.
- Tuning un contrôleur de logique floue pour un gymnaste robot.
- Vision d’ordinateur et analyse d’image.
5. Conclusion
La danse des abeilles est un langage exceptionnel dans le monde animal. Généralement, les
systèmes de communications des animaux ne s’intéressent qu’aux événements immédiats, les
concernant directement ou ayant trait à leur environnement (possibilité d’accouplement,
approche d’un prédateur…). Les abeilles, elles, utilisent un langage abstrait pour transmettre
une quantité considérable d’informations sur des événements lointains.
Il est donc étonnant de découvrir qu’un animal si éloigné des mammifères et des oiseaux,
l’abeille, qui soit doté d’un système de communication aussi complexe et sophistiqué. De
plus, la maîtrise que les abeilles possèdent de leur environnement est surprenante.
Dans le chapitre qui suit, le comportement intelligent particulier des d'abeilles, le

comportement de rechercher les meilleurs sources alimentaires, est considéré et un nouvel
domaine d’application de l’algorithme de colonie d'abeilles artificielles (ABC) est décrit pour
résoudre les problèmes d'optimisation pour la classification des images satellitaires.
54
CHAPITRE
5
IMPLEMENTATION ET RESULTATS
Implémentation et résultats
1. Introduction
Le travail présenté dans ce chapitre est consacré à réaliser une classification non supervisée
des images satellitaires météorologiques par l’algorithme ABC pour identifier les différents
types de nuages dans le cadre de l’observation du satellite Météosat-9 du jeudi 31 mars 2011
à 9h00.
1.1. Langage et matériel utilisé
Notre logiciel a été développé en langage C++ Builder 6 pour plusieurs raisons :
Tout d’abord C++ est un outil RAD, c'est-à-dire tourné vers le développement rapide
d’applications (Rapid Application Development) sous Windows. Pour ce faire, C++ Builder
repose sur un ensemble très complet de composants visuels prêt à l’emploi. La quasi-totalité
des contrôles de Windows (boutons, boites de saisies, listes déroulantes, menus et autres
barres d’outils) y sont représentés, regroupés par famille. Leurs caractéristiques sont éditables
directement dans une fenêtre spéciale intitulée éditeur d’objets. L’autre volet de cette même
fenêtre permet d’associer du code au contrôle sélectionné.
Pour les ressources matérielles, l’application a été réalisée sur un micro-ordinateur ayant les
caractéristiques suivantes :
- Système d’exploitation Microsoft Windows XP SP2.
- Processeur Intel Pentium Dual CPU E2200 (2.20 GHz).
- 2 Go de RAM.
- Disque dur 320 Go.
- Carte graphique 1Go.
1.2. Description de la zone d’étude
Notre logiciel s’est appuyé sur les données recueillies par le satellite météorologique
géostationnaire Météosat-9 dans les trois canaux :
- Le canal proche infrarouge NIR 1.6 µm (micromètre),
- Le canal infrarouge très proche VNIR 0.8 µm,
- Le canal visible VIS 0.6 µm.
Figure 5.1 : La zone d’étude
55
2. Organigramme général de l’application
Images NIR, VNIR, VIS

Coloration
Classification
par ABC
Image satelittaire
météorologique
classifiée
56
3. Algorithme général de la classification
L’algorithme de colonie d'abeilles artificielles (ABC) est un nouvel algorithme d’optimisation

inspiré du comportement naturel des abeilles dans leurs processus de recherche pour les
meilleures sources alimentaires.
Dans les groupes des insectes qui vivent dans les colonies comme les fourmis et les abeilles,
un individu peut faire une tâche simple en soi, tandis que le travail coopératif de la colonie est
la principale raison à déterminer le comportement intelligent d'entre eux. Ce travail coopératif
se résume dans notre méthode dans la phase de rétroaction (recrutement).
3.1. Approche proposée
Dans les problèmes de classification non supervisée, souvent, le nombre de classes est non
connu. Cette zone d’étude a été choisie pour notre maitrise thématique de la région ainsi que
son paysage varié pouvant présenter un intérêt pour l’évaluation de notre méthode.
L'image RVB composite couleur (Figure 5.2) utilise trois canaux : NIR 1.6, VNIR 0.8 et VIS
0.6. Sur cette combinaison de couleurs, la végétation apparaît de couleur verdâtre en raison de
son facteur de réflexion bien supérieur dans le canal VNIR0.8 (affichage en vert) que dans le
canal NIR1.6 (affichage en rouge) ou le canal VIS0.6 (affichage en bleu). Les nuages d'eau
composés de fines gouttelettes ont un facteur de réflexion élevé dans les trois canaux, et sont
par conséquent blanchâtres, tandis que les nuages de neige et de glace sont de couleur bleu
cyan en raison du facteur d'absorption élevé de la glace dans le canal NIR1.6 (moins de signal
en couleur rouge). Le sol nu apparaît de couleur brune en raison du facteur de réflexion plus
élevé dans le canal NIR1.6 que dans le canal VIS0.6, et l'océan apparaît en noir en raison du
faible facteur de réflexion dans les trois canaux.
Figure 5.2 : Image satellitaire météorologique
Donc dans notre image météorologique, le nombre de classes est cinq : deux classes
représente le ciel nuageux, et trois classes représentent le ciel clair.
Classe1 : végétation.
Classe2 : sol nu.
Classe3 : océan.
Classe4 : nuage d'eau.
Classe5 : nuage de glace.
57
L’ensemble de surface de nourriture dans ABC est représenté par notre image satellitaire
météorologique 220*200 pixels en couleur sur 8 bits avec une intensité des valeurs dans
l'intervalle de 0 à 255, où chaque pixel représente une possibilité d’une source de nourriture
(pixel nuageux).
L’algorithme ABC est un algorithme basé sur la population, la position d'une source de
nourriture représente une solution possible au problème d'optimisation et la quantité de nectar
d'une source de nourriture correspond à la qualité (forme physique) de la solution associée.
Dans notre cas, la solution possible représente les coordonnées du pixel et la qualité (forme
physique) représente la classe du pixel.
Dans notre modèle d'ABC, la colonie d’abeilles artificielles se compose de trois groupes
d'abeilles : les Scoutes, les Sélectionnées et les abeilles Recrutées.
1- Les abeilles Scoutes (S) recherchent autour de la ruche pour trouver de nouvelles sources
alimentaires (un nouvel pixel);
2- Les abeilles Sélectionnées (L) emportent avec eux les informations sur leurs sources de
nourriture :
- sa distance et direction de la ruche (les coordonnées (i, j) du pixel),
- et la qualité de nectar de la source (la classe du pixel).
3- Les abeilles Recrutées (R) restent en attente dans la ruche, et trouvent une source de
nourriture par le biais de l'information partagée par les abeilles Sélectionnées à travers la
danse (phase de rétroaction).
Dans sa version de base, l'algorithme (ABC) effectue une sorte de recherche à voisinage
combinées à la recherche aléatoire :
- La taille de voisinage correspond à notre surface de voisinage c’est-à-dire la matrice carrée

comme ci-dessous :
- Taille de voisinage (ex : 3x3) -
- La recherche aléatoire : correspond à la recherche d’un nouvel pixel dans notre image
satellitaire.
58
Les deux comportements clés dans ABC sont : le recrutement d'une source de nourriture, et
l'abandon d’une source :
Si le pixel étudié est un pixel nuageux ceci provoque un recrutement ; sinon si le pixel est un
pixel clair ceci provoque un abandon de ce pixel.
Le recrutement (phase de rétroaction) d'une source de nourriture se fait de deux façons :

- soit rétroaction positive (R+) si le pixel c (i, j) est un nuage d’eau.
- soit rétroaction négative (R-) si le pixel c (i, j) est un nuage de glace.
Les coordonnées du pixel étudié (i, j) et les k pixels voisins sont indiqués dans la Figure 5.3.
j-1 j-2 j j+1 j+2 j-1 j-2 j j+1 j+2

i+2
i+1
i-2
i-1
59
i-2
i-1 Implémentation et résultats
-a- -b-
a : rétroaction positive
b : rétroaction négative
Figure 5.3 : La structure des voisins du pixel (i, j)
On suppose qu'il y a seulement une abeille Sélectionnée pour chaque pixel nuageux, en
d'autres termes, le nombre d'abeilles Sélectionnées dans la colonie est égal au nombre total
des pixels nuageux. Les abeilles Sélectionnées revient à la ruche et dansent sur ce secteur, les
Recrutées observent les danses des abeilles Sélectionnées et choisissent des pixels selon les
danses.
Au cours de la danse on a des informations sur les coordonnées et la classe du pixel. Par
l'observation de la danse, chaque Recrutée recherche dans la zone de voisinage afin de
générer une nouvelle solution potentielle. Et puis, le critère de recrutement ou de l’abandon
est de nouveau appliqué pour cette Recrutée :
- Si le pixel n’est pas une bonne source de nourriture (pixel clair), le pixel devrait être
abandonné et sera remplacé par un nouvel pixel (cette Recrutée devient une Scoute);
- Sinon il sera annoncé dans la danse et d’autres abeilles Recrutées seront choisies pour cette
nouvelle source (cette Recrutée devient une Sélectionnée).
60
3.2. Les étapes de l’approche proposée
Chaque abeille Scoute est déplacée sur une source de nourriture (pixel) :
- Si le pixel est nuageux alors :
- L'abeille Scoute devient Sélectionnée,
- Elle mémorise les coordonnées de ce pixel,
- Elle partage l’information sur les coordonnées et la classe de ce pixel, par le biais de
la danse, avec les Recrutées qui l’attendent dans la ruche.
- Sinon elle revient dans la ruche pour une nouvelle recherche.
Chaque abeille Recrutées est déplacé sur le voisinage du pixel informé par les Sélectionnée
durant la danse (phase de rétroaction) :
- Si le pixel de la nouvelle source est nuageux alors :
- L'abeille Recrutées devient Sélectionnée,
- Elle mémorise les coordonnées de ce pixel,
- Elle partage l’information sur les coordonnées et la classe de ce pixel, par le biais de
la danse, avec les Recrutées qui l’attendent dans la ruche.
- Sinon elle revient dans la ruche pour une nouvelle recherche.
Si le montant d’un pixel nuageux (eau) est beaucoup plus significatif en comparaison avec
d'autres pixels nuageux (glace), cela signifie que ce pixel est choisi avec plus de Recrutées
que les autres pixels (rétroaction positive).
Le processus de recherche globale pour découvrir les meilleures solutions et d'atteindre la

classification efficace d'image satellitaire météorologique peut être vu dans le diagramme de
la figure 5.4 :
61
Début
Image satellitaire météorologique dans

les trois canaux NIR,VNIR,VIS
Population initiale
Nouvelle population de Recrutées et de Scoutes
Abandon Nouvelle population de Scoutes

Oui
Non
Partage de l’information Nouvelle population de Recrutées

(la danse)
Sélectionnée les abeilles Recrutement
Critère
d’arrét
Non
Oui
Image satellitaire météorologique classifiée
Fin
Figure 5.4 : L'organigramme proposé pour l'ensemble de l’algorithme ABC
62
Le processus de recherche pour découvrir les meilleures solutions par les abeilles artificielles
peut être résumé comme suit :
- En première étape, initialiser la colonie d'abeilles : L’algorithme commence avec les n

abeilles Scoutes étant placées dans notre image satellitaire.
- Dans l'étape 2, calculer la fitness de chaque abeille Scoute en utilisant la formule suivante :
fit(i)  min d (xij , Ck )
Où :
fit (i) : Représente la fonction de fitness de l’abeille i
xij : Le pixel c (i , j)
Ck : La classe k
d : Distance normalisée quelconque
- 3. Vérifiez le critère d'arrêt :

- Si la condition est satisfaite arrêter,
(Condition : la surface totale de l’image est explorer ET l’optimum de la
fonction objectif est atteint),
- Sinon continuer.
- À l'étape 4 : Selon la fonction de fitness fit (i) et la probabilité P (i) , les abeilles qui ont
visité les pixels nuageux, sont choisies comme abeilles Sélectionnées et les pixels visités sont
choisis pour la recherche de voisinage pour générer des nouvelles solutions. Suivant la
formule suivante :
P(i)  1/ fit(i)
SN
(1/ fit(n))
n1
Où :
i : Pixel nuageux
P (i) : La probabilité associée à l’ième source de nourriture
fit (i) : Représente la fonction de fitness
SN : Représente le nombre de source de nourriture qui est égal au nombre des abeilles
Sélectionnées
63
- Puis dans l’étape 5, l'algorithme dirige les recherches dans le voisinage des “e“ pixels
classés (phase de rétroaction), en attribuant plus d'abeilles Recrutées pour la recherche à
voisinage des meilleurs “e“ pixels (R+).
Ce recrutement différentiel est une opération clé de l'algorithme ABC.
Rétroaction positive (R+) = {xi / i=1,...,nep}

Rétroaction négative (R ) = {xi / i=1,...,nsp}
Chaque abeille Sélectionnée produit des nouvelles solutions potentielles dans le voisinage de
la solution courante.
Par exemple pour la taille de voisinage (3x3) on a la formule (a) pour R+ et (b) pour R :
 x1 y1  


ix  c(i, j)  c(x, ............................................................... (a)
y)
jy1 
1
 x 1 y 1  

 
c (i y)  c (x j)  2  c (x y) …...........................................(b)
i x
, jy , , 
1
1
 

Où c (x , y) est la solution courante.
- Toutefois à l'étape 6, seules les abeilles Recrutées qui représentent les meilleurs pixels
significatifs seront Sélectionnées pour former la prochaine population d'abeilles.
- À l'étape 7, les abeilles Scoutes ou Recrutées qui n’ont pas trouvé des solutions reviennent
une nouvelle fois à la ruche pour former la prochaine population d'abeilles et seront affectées
pour rechercher de nouveaux pixels potentiels.
A la fin de chaque itération, la colonie aura deux parties à sa nouvelle population : Celles qui
représentent les meilleurs pixels significatifs et ceux qui ont été envoyés aléatoirement.
64
4. Résultats et discussion
Toutes les expériences ont été traitées sur un PC avec processeur Intel Pentium Dual CPU
E2200 (2.20 GHz) avec 2 Go de mémoire, et exécuté avec C++ Builder 6 sous Microsoft
Windows XP SP2.
Afin de régler les Paramètres d’ABC, des différentes valeurs ont été testées, et les meilleures
sont prises en compte.
Afin d'évaluer la performance de notre projet de classification non supervisé basée sur
l’algorithme ABC, nous avons utilisé des images recueillies par le satellite météorologique
géostationnaire Météosat-9 (dans les trois canaux : NIR 1.6 µm, VNIR 0.8 µm, VIS 0.6 µm)
du jeudi 31 mars 2011 à 9h00, avec une dimension de 220*200 pixels, sur 8 bits en couleur
avec un intervalle de 0 à 255.
Tout d'abord, les groupes de pixels sont obtenus par l'algorithme ABC. Chaque pixel de
l'image satellitaire est considéré comme une possibilité d’une source de nourriture de
l’algorithme ABC. Donc, le nombre total des meilleures sources de nourriture (e+me) dans
l'algorithme ABC est égal au nombre total de pixels nuageux dans notre image satellitaire
météorologique.
Les groupes obtenus par l'algorithme ABC sont en outre classés en cinq, lors de la
classification, d'abord il y’a trois classe qui représentent le ciel clair et deux classes de ciel
nuageux qui représentent notre deux types de nuages (nuage d’eau et nuage de glace).
L’évaluation de l'exactitude est une étape importante dans le processus de classification. En
classification non supervisée, plusieurs indices de validités connus sont disponibles dans la
littérature. Dans notre application nous allons utiliser les trois indices :
- L’erreur quadratique ( E),

- L’indice Davis Bouldin ( DB ),
- L’indice Xie Beni ( XB ).
- La première fonction est l’erreur quadratique moyenne, c’est la plus couramment utilisée
pour mesurer la compacité des groupes, la fonction est défini par l’équation suivante :
E  (  d (xi , uk )) / N
i k
Où xi les objets à classer, uk individus d est une distance normalisée quelconque et N

nombre total de pixels.
Une bonne partition est indiquée par une petite valeur de E.
65
- La deuxième fonction Davis Bouldin tient compte à la fois de la compacité et de la

séparabilité des groupes.
D'abord, chaque x pixel de l'image entière est attribué à l’individu le plus proche, voir
n
équations :
ukn xn   xn  u
 uk j 1  k,j  k,j  k,1  n  N
1;
0;
xn : n ieme objet.
N : nombre total de pixels.
uk : k ieme individu de la précédente itération (génération).
k : nombre maximal de classes.
ukn : fonction d'appartenance de chaque x pixel appartenant à la kieme classe.

n
Ensuite, on calcule la moyenne et l'écart type pour chaque classe :
x
N
Moyenne : (u ik )xi
xi X k
i
1kK
vk  i1
N

M
(u
i 1
ik ) k
Ecart type :
1/ 2
 
sk   1  xi  vk 1k K
Mk xi X 

k
On détermine la distance entre les classes avec l’équation suivante :
d kj  v v 1  k, j  K , j  k
k
j
Par la suite, la valeur Rest calculée pour chaque classe comme indiqué dans l'équation :
66
 Sk  S j 
Rk  max  1kK

j k  d
 kj 

67
La valeur DB est alors définie par la moyenne des K valeurs de R:

K
1
DB 
K  R
k 1
k
Ainsi de faibles valeurs du DB sont indicatives de la présence des groupes compacts et bien
séparés.
- La troisième fonction XB cherche à mesurer la séparabilité des groupes. Pour commencer

on reprend les équations de la moyenne et de l'écart type de la fonction DB . Par la suite, on
calcule la distance entre chaque deux individus, ainsi on prend la distance minimale; voir
équation suivante :
dmin  min
k , j 1..K ,k  j
d 
kj
 K N 2 
  u xi  vk 
ik
Le XB est exprimé par l’équation

: XB  1/  k 1 i1 
 N* 2 
d min

 

Donc, une grande valeur de cet indice indique une forte séparabilité des groupes.
68
La performance de l’algorithme ABC est influencée par un certain nombre de paramètres, tel
que : le nombre de Scoutes, la taille de voisinage, le nombre d’itérations,…etc.
Dans ce qui suit nous étudierons l’influence de ces différents paramètres sur la performance
de l’algorithme afin d’évaluer leur contribution à la classification non supervisée, à la
fonction objectif et au temps d’exécution.
Test 1 : Fonction de ressemblance
Fonction de Hamming Euclidienne

ressemblance
Erreur quadratique 30,6587734222412 20,2139377593994
Ecart type 26,7125053405762 25,0209350585938
On a choisi donc la fonction Euclidienne comme une mesure de similarité pour le reste des
tests.
Test 2 : Le nombre de Scoutes
Afin d’étudier l’influence du nombre de Scoute sur la performance de ABC, cette dernière a
été exécutée avec un nombre de Scoute différent.
Les figures ci-dessous illustre l’effet du nombre de Scoute sur la qualité de la classification
pour la minimisation de E, DB et la maximisation de XB .
E
20,7
20,6
20,5
20,4 E
20,3
20,2
20,1
20
19,9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
1
5
9
Figure 5.5 : La valeur de E en fonction du nombre de Scoute
D’après la Figure 5.5 le nombre de Scoute optimum est 33, 34 qui minimise E pour une
valeur de 20,20357.
69
DB
0,9
0,898
0,896
0,894
0,892 DB
0,89
0,888
0,886
0,884
0,882
0,88
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
1
5
9
Figure 5.6 : La valeur de DB en fonction du nombre de Scoute
D’après la Figure 5.6 le nombre de Scoute optimum est 49, 50 qui minimise DB pour une
valeur de 0,886440.
XB
6
4
XB
3
0
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
1
5
9
Figure 5.7 : La valeur de XB en fonction du nombre de Scoute
D’après la Figure 5.7 le nombre de Scoute optimum est 42, 51, 52, 53, 54, 55, 78, 79, 80, 81,
82 qui maximise XB pour une valeur de 4,95928.
70
Test 4: Le nombre d’itérations
L’algorithme de classification proposé a été déroulé avec un nombre d’itérations variant entre
10 et 100. On a effectué trois tests pour les trois fonctions objectifs.
- Test 4.1 : E
La meilleure solution est atteignable au bout de 25 itérations avec un temps d’exécution de

10,89 s.
Figure 5.8 : Classification par ABC en utilisant E
- Test 4.2 : DB

6,14 s.
Figure 5.9 : Classification par ABC en utilisant DB
71
- Test 4.3 : XB

11,68 s.
Figure 5.10 : Classification par ABC en utilisant XB
Remarque :
D’après ces trois figures (Figure 5.8, Figure 5.9, Figure 5.10) on constate que la qualité de la
classification en utilisant la fonction DB est inférieure par rapport à la qualité de la
classification en utilisant E, XB .
Les résultats de la qualité de la classification en utilisant Eet XB étaient presque similaires et

très satisfaisants. La fonction objectif E est nettement meilleure que XB autant que nombre
d’itérations et en temps d’exécution.
On constate que la convergence de notre algorithme vers la bonne solution est rapide
(convergence au bout des 25 itérations avec un temps de 10 seconde) ainsi qu’une stabilité
des résultats, ce qui rend l’algorithme moins gourmand en ressources matérielles.
72
Test 5 : Comparaison entre ABC, Kmeans, Agence Spatiale Européenne (ESA)
Nous avons appliqué ABC proposé avec 25 itérations dans une image satellite météorologique
avec un nombre de Scoute égal à 33. On a fixé les paramètres d’ABC comme suit :
Fonction de ressemblance Euclidienne

Taille de voisinage 3x3
Le nombre de Scoutes 33
La fonction objectif E
Le nombre d’itération 25
Les résultats de la classification sont indiqués dans la Figure 5.11.
- Image d’origine - - ESA -
- Kmeans - - ABC -
Figure 5.11 : Résultat de la classification par ABC, Kmeans et ESA
73
Dans la Figure 5.11 nous pouvons voir les résultats de ESA, Kmeans, et les résultats de notre
algorithme ABC. On remarque que notre approche d’ABC offre de meilleurs résultats par
rapport à la méthode classique kmeans, et des résultats presque similaires à ESA à part
quelques confusions des pixels.
Afin d’évaluer l’efficacité de l’algorithme proposé, nous avons comparé nos résultats avec les
résultats de la classification par ESA, l’histogramme suivant illustre une comparaison entre
ABC et ESA :
Les résultats d’ABC sont obtenus durant 25 itérations avec un temps d’exécution de 10s, alors
que celle d’ESA 20 itérations avec 1s.
On remarque que les résultats de ESA est presque au même point d’égalité avec ABC, en
nombre d’itération (au bout des vingtaines). Néanmoins la qualité de la classification par ESA
en consommation de temps d’exécution est meilleure que celle de ABC (1s pour ESA, par
contre ABC 10s).
Figure 5.12 : Histogramme des résultats obtenus par ESA à gauche et ABC à droite.
74
5. Conclusion
Dans le travail ici présenté, nous nous sommes focalisés sur le développement d'une méthode
de classification non supervisée des images satellitaires météorologiques, l'ensemble du
travail est basé sur l’algorithme Artificial Bee Colony.
Notre application est réalisée sur les données satellitaires, d'origine du Météosat-9, Cinq
classes ont été distinguées sur la région. Bon nombre des types de nuages sont identifiés
beaucoup plus clairement lorsque l'algorithme proposé est utilisé.
L’indice E a été utilisé comme fonction objectif et il nous a fourni également un mécanisme
permettant de comparer les résultats avec d'autres paradigmes de classification non
supervisée.
Malheureusement, les images météorologiques contiennent toujours une quantité importante

de bruit causé par l'opérateur, de l'équipement, et de l'environnement, qui conduisent à de
graves inexactitudes dans la classification. Il faut notamment toujours tenir compte des
défaillances possibles (données bruitées,...) et des marges d'erreurs probables (selon les
situations météorologiques).
La vitesse rapide de la classification de notre image doit à l'algorithme ABC, qui a une
performance exceptionnelle de convergence. Cependant, comme un nouvel modèle méta-
heuristique en intelligence par essaim, l'algorithme ABC est encore faible en mathématiques
quant à la classification d'images discutées dans cette étude, et certains paramètres de contrôle
doivent être ajustés. Ces paramètres ont une influence directe sur la vitesse et la stabilité de la
convergence.
Les résultats obtenus se sont révélés globalement meilleurs que ceux des algorithmes de
classification non supervisée classiques (kmeans) et presque similaires à d’autres algorithmes
dédiés à la classification non supervisée (ESA).
Le futur champ d'application de la recherche propose d’inclure certaine modification de

l'algorithme de telle sorte que les indices E et XB peuvent être encore améliorés.
L’algorithme actuel est mis en œuvre en utilisant une simple mesure de similarité à savoir la
fonction euclidienne, la performance de l’algorithme peut être augmentée en utilisant d'autres
fonctions mathématiques.
75
Conclusion générale et perspectives
Dans ce mémoire, nous avons discuté à la fois théoriquement et pratiquement comment

l’algorithme de colonie d’abeille artificielle, et les données correspondantes (satellite
météorologique) pouvaient être utilisés pour définir de nouvelles techniques de classification
pour réaliser une prévision de pluie (détection nuage d’eau).
Dans ce travail, un algorithme d'optimisation est basé sur le comportement intelligent des
abeilles a été décrit. Le nouvel algorithme est très simple et très souple par rapport aux
algorithmes bio-inspirée existants. Il est également très robuste, au moins pour le test de
problèmes considérés dans ce travail.
L’approche que nous avons utilisé est basée physiquement sur la classification non
supervisée et permet effectivement d’utiliser aisément des bases de données de la
télédétection (satellite météorologique). Du fait que nous prenons appui sur ces données
(image satellite météorologiques) pour développer notre méthodologie, celle-ci peut être
appliquée à une grande diversité de base de données (terrestre ou océanographique).
En conséquence, des images bruitées influent sur l'efficacité de cet algorithme. Elle est causée
tout changement dans l'intensité du pixel comme le bruit, affecte de manière significative les
résultats de la classification. Certains travaux ont été réalisés pour pallier cet inconvénient.
Les résultats obtenus on été comparés avec les méthodes dédiées à la classification non
supervisée tel que kmeans, et une autre méthode propre à l’Agence Spatiale Européenne. La
performance de ABC est nettement supérieure à Kmeans, et avec une légère infériorité par
rapport à ESA.
L’algorithme ABC présente l’avantage d’une convergence rapide et d’une population de taille
réduite en espace mémoire. Il est important de noter que l’algorithme ABC, comme tout
algorithme d’optimisation est influencé par des facteurs qui doivent être bien étudiés et
sélectionnés avec attention.
Nous tenons à souligner que, comme toutes les techniques de classification, la méthode
proposée ABC est appropriée pour de simples images satellitaires météorologiques (la
différence entre les pixels nuageux et clairs dans notre cas). Cependant, le contenu de la
plupart des images satellitaires réelles est complexe et diversifié. Il est nécessaire pour nous
de payer plus d'attention à de multiples paramètres et d'autres nouvelles fonctions dans les
futurs travaux.
En conclusion je pense que le sujet de ce mémoire a présenté l’intérêt d’avoir un but

fortement appliqué tout en se basant sur des développements numériques et des problèmes
fondamentaux. La méthodologie de classification (ABC) peut être considérée comme une
alternative aux méthodes traditionnelles de classification. D’après les tests effectués. On
déduit que le choix des paramètres influe fortement sur la qualité de la classification, tel que
le nombre de Scoute, le nombre d’itération.
En perspective il est possible d’améliorer les résultats de la classification en hybridant notre
ABC avec d’autre algorithme d’optimisation. Ou bien d’appliquer une classification
supervisée basée sur le calcul des erreurs qui est obtenu en comparant la relation entre les
données de référence connue à priori (vérité terrain) avec les résultats d’une classification
supervisée.
Il reste encore à résoudre quelques problèmes numériques, et de tester cet algorithme sur
d’autres données satellitaire terrestres.
Une étude plus approfondie du comportement des abeilles peut apporter aussi des résultats qui
peuvent influencer d’avantage sur la qualité de la classification.
Bibliographie
[NET01] http://tpouchin.club.fr/chapitre1/rem.htm.
[NET02] http://www.cite-science.fr.
[NET03] http://owl-spip.ch/spip.php?article735.
[NET04] http://www.tiger.esa.int/training/Introduction-teledetection.pdf.
[NET05] http://www.geographiedijon.fr/IMG/pdf/image_sat_poly_2.pdf.
[NET06] http://lasig.epfl.ch/enseignement/cours/geoinfo1/Imagerie%20&%20TD.pdf.
[NET07] http://fr.wikipedia.org/wiki/Traitement_d'images.
[NET08] http://fr.wikipedia.org/wiki/Segmentation_d%27image.
[NET09] http://www.rncan.gc.ca/sciences-terre/limite-geographique/teledetection/fondements/1039.
[NET10] http://fr.wikipedia.org/wiki/M%C3%A9t%C3%A9orologie.
[NET11] http://fr.wikipedia.org/wiki/Pr%C3%A9cipitation.
[NET12] http://zebulon1er.free.fr/Les%20nuages.html.
[NET13] http://fr.wikipedia.org/wiki/Pluie.
[NET14] http://fr.wikipedia.org/wiki/Satellite_m%C3%A9t%C3%A9orologique.
[NET15] http://fr.wikipedia.org/wiki/Radar_m%C3%A9t%C3%A9orologique.
[NET16] http://fr.wikipedia.org/wiki/Pr%C3%A9vision_m%C3%A9t%C3%A9orologique.
[NET17] http://www.collegedusud.ch/fileadmin/media/Formation/documents/TM/2011- 12/
TM_DONC_FIDL_11-12.pdf.
[NET18] http://tecfa.unige.ch/tecfa/teaching/UVLibre/0001/bin35/abeilles/abeilles.htm.
[NET19] http://fr.wikipedia.org/wiki/Karl_von_Frisch.
[NET20] http://zebulon1er.free.fr/danse%20abeille.htm.
[NET21] http://en.wikipedia.org/wiki/Bees_algorithm.
[NET22] http://en.wikipedia.org/wiki/Artificial_Bee_Colony_Algorithm.
[BDT99] E.Bonabeau, M.Dorigo, and G.Theraulaz, Swarm Intelligence: from Natural to
Artificial Systems. Oxford University Press, New York, 1999.
[BIG03] BIG n°03, Initiation à la télédétection, Bulletin de l’Information Géographique
appliquée aux activités de recherche-développement.
[CAZ90] Jean-Claude Cazaux, Les systèmes spatiaux d’observation de la terre, options
Méditerranéennes, 1990, La Télédétection en Agriculture.
[JLM07] Jose Luis MACOR, Développement de techniques de prévision de pluie basées sur
les propriétés multi-échelles des données radar et satellites, Thèse se Doctorat, Champs-sur-
Marne, 2007.
[KAR05] D.Karaboga, An Idea Based On Honey Bee Swarm for Numerical Optimization,
Technical Report-TR06,Erciyes University, Engineering Faculty, Computer Engineering
Department 2005.
[KAR,LAB02] Kariche Ismahane, Labed Kaouther, Application des algorithmes génétiques à
la classification des images satellitaires, PFE Ingéniorat, USTO, 2002.
[KER] Claude Kergomard, Professeur Ecole Normale Supérieure Paris, la télédétection aéro-
saptiale, une introduction.
[OUA,TEK07] Ouamri Wissem, Tekkouk Aicha, Fusion de méthodes de segmentation par
région des images satellitales (FCM-SA), PFE Ingéniorat, USTO, 2007.
[PED06] Pascal Peduzzi, Initiation à la télédétection. Université de Genève, 2006.
[SAI09] Saidi Soumia, La compression des images satellitaires par la méthode JPEG, PFE
Master, USTO, 2009.
[STD96] TD.Seeley, The Wisdom of the Hive: The Social Physiology of Honey Bee
Colonies. Massachusetts: Harvard University Press, Cambridge, 1996.
[VFK76] K.Von Frisch, Bees: Their Vision, Chemical Senses and Language. (Revised edn)
Cornell University Press, New York, Ithaca, 1976.

Résumé
La météorologie a pour objet l'étude des phénomènes atmosphériques tels que les
nuages, les précipitations ou le vent dans le but de comprendre comment ils se forment et
évoluent en fonction des paramètres mesurés. Beaucoup reste à faire pour comprendre et
paramétrer les phénomènes météorologiques, les équations qui régissent l’atmosphère sont
complexes et les données sont difficiles à obtenir dans certains cas. Les pays en
développement vont tirer des avantages considérables de l’utilisation de techniques de
télédétection, ces avantages seront manifestés dans divers domaines tels que les prévisions
saisonnières et interannuelles et les alertes. Les champs de nuages et de précipitations
demeurent les champs les plus difficiles à simuler pour les actuels modèles de prévision
météorologiques, différentes méthodes statistiques de traitement des images satellitaires ont
été développées pour combler ce déficit de prévision ; Dans ce cadre, nous avons proposé une
nouvelle méthode d’optimisation bio-inspirée ABC (Artificial Bee Colony) qui est basée sur
le comportement des abeilles pour la recherche de nourriture. Nous avons discuté à la fois
théoriquement et pratiquement comment l’algorithme de colonie d’abeille artificielle, et les
données correspondantes (satellite météorologique) pourront être utilisés pour définir de
nouvelles techniques de classification des images satellitaires pour réaliser une prévision
météorologique.
Mots-clés : télédétection, prévisions météorologiques, nuage, images satellitaires,

classification, Artificial Bee Colony.

Memoire

Transféré par

Informations du document

Titre original

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

Transféré par

Droits d'auteur :

Formats disponibles

RÉPUBLIQUE ALGÉRIENNE DÉMOCRATIQUE ET POPULAIRE

‫وزارة اﻟﺘﻌﻠﯿﻢ اﻟﻌﺎﻟﻲ و اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‬

Faculté de Mathématique et d’Informatique

Spécialité : Informatique Option : TATIDS

Mr. DERICHE Rafik

Pour l’obtention du diplôme de Magister en Informatique

Utilisation des données de la télédétection

Devant la commission d’examen composée de :

Président : Mr. BENYETTOU Mohamed Professeur USTO

Année universitaire : 2013/2014

Je tiens à remercier mon Rapporteur FIZAZI Hadria Maître de conférences, qui

Je remercie les membres du jury : BENYETTOU Mohamed Président du jury,

Merci à tous le personnel de la Raffinerie d’Arzew ; Je mentionnerai en

Enfin, je remercie mes Parents et toute la famille pour leurs encouragements et

Faculté de Mathématique et d’Informatique

Spécialité : Informatique Option : TATIDS

Mr. DERICHE Rafik

Pour l’obtention du diplôme de Magister en Informatique

Utilisation des données de la télédétection

Devant la commission d’examen composée de :

Président : Mr. BENYETTOU Mohamed Professeur USTO

Année universitaire : 2013/2014

Je dédié ce mémoire à la mémoire de mon

Que DIEU le Tout Puissant lui accorde Sa Miséricorde et l’accueille en Son

1. Télédétection et Image Satellitaire

3. Météorologie et prévision météorologique

4. Les colonies d’abeilles

Conclusion générale et perspectives

Liste des figures

Figure 1.1 : Principe de base de la télédétection.............................................................. 5

Figure 1.2 : Les sept étapes de la télédétection................................................................ 6

Figure 1.3 : Le rayonnement électromagnétique..............................................................8

Figure 1.5 : Absorption, Réflexion, Transmission......................................................... 10

Figure 1.6 : Capteur passif............................................................................................. 11

Figure 1.7 : Capteur actif................................................................................................11

Figure 1.8 : Satellite géostationnaire.............................................................................. 12

Figure 1.9 : Satellite à défilement.................................................................................. 12

Figure 1.10 : Une tempête sur le proche Atlantique.......................................................13

Figure 1.11 : Epaisseur de la couche d’ozone sur l’Antarctique....................................13

Figure 1.12 : Suivi de la végétation à l’échelle planétaire............................................. 14

Figure 1.13 : Surveillance des catastrophes naturelles...................................................14

Figure 1.14 : Températures de surface de la mer sur l’Atlantique NE.......................... 15

Figure 1.15 : Circulation Océanique (courants marins)................................................. 15

Figure 2.1 : Image satellitaire.........................................................................................18

Figure 2.2 : Les valeurs de pixel.................................................................................... 18

Figure 2.3 : Image mono spectrale.................................................................................19

Figure 2.4 : Image multi spectrale..................................................................................19

Figure 2.5 : Résolution temporelle.................................................................................20

Figure 2.6 : Résolution spatiale......................................................................................21

Figure 2.7 : Résolution spectrale....................................................................................21

Figure 2.8 : Classification des images............................................................................24

Figure 3.1 : Météorologie...............................................................................................29

Figure 3.2 : Nuage..........................................................................................................31

Figure 3.3 : Nuage d'eau et de glace.............................................................................. 31

Figure 3.4 : Les types de nuage......................................................................................32

Figure 3.5 : Satellite METEOSAT de première génération...........................................34

Figure 3.6 : Vue de la Terre par un satellite météorologique GOES.............................35

Figure 4.1 : Système Bio-Inspiré................................................................................... 44

Figure 4.2 : Morphologie d’une abeille..........................................................................45

Figure 4.3 : Processus de recherche de nourriture......................................................... 46

Figure 4.4 : La danse en rond.........................................................................................48

Figure 4.5 : La danse frétillante ou danse en huit.......................................................... 48

Figure 4.6 : L'emplacement d'une source de nourriture.................................................49