Commencer à explorer l’imagerie
Pour commencer, vous allez ouvrir l’application Landsat Viewer et vous familiariser avec les fondamentaux de l’imagerie spectrale et des bandes spectrales.
- Ouvrez l’application Landsat Explorer dans votre navigateur Web.
Remarque :
Pour en savoir plus sur l’application Landsat Explorer et les données qu’elle contient, cliquez sur le bouton About this app (À propos de cette application) dans le coin supérieur gauche de l’application.
Sur les pages Web du programme, vous pouvez également en apprendre plus sur le programme Landsat, mené conjointement par l’USGS (United States Geological Survey) et la NASA.
Sur la carte, vous pouvez voir la ville de Redlands, située en Californie, aux États-Unis. Le paysage ne s’affiche pas dans des couleurs qui semblent naturelles, telles que l’œil humain les percevrait. Les zones urbaines apparaissent en violet, tandis que les zones couvertes par de la végétation apparaissent en vert clair. Pourquoi est-ce ainsi ?
Le programme Landsat génère une imagerie multispectrale, ce qui signifie qu’il capture des informations pour plusieurs plages de longueurs d’ondes, y compris certaines qui sont invisibles pour l’œil humain. Chacune de ces plages est appelée bande spectrale. Elle permet de bien mettre en évidence un type d’entité ou de propriété du paysage. L’imagerie Landsat collectée depuis 2013 par les capteurs Landsat 8 et Landsat 9 comporte 11 bandes spectrales. Les versions antérieures des capteurs collectaient un nombre de bandes légèrement inférieur. La table suivante décrit les principales bandes pour Landsat 8 et 9 :
Numéro de la bande Nom de la bande Canal optimal pour l'affichage des entités suivantes 1
Aérosol côtier
Eau peu profonde, particules de poussières fines
2
Bleu
Eau profonde, atmosphère
3
Vert
Végétation
4
Rouge
Objets fabriqués par l’homme, sol, végétation
5
Proche infrarouge (NIR)
Rivage, végétation
6
Onde courte infrarouge 1 (SWIR 1)
Infiltration nuageuse améliorée, humidité du sol et de la végétation
7
Onde courte infrarouge 2 (SWIR 2)
Infiltration nuageuse améliorée, humidité du sol et de la végétation
9
Température à la surface
Mesure la température à la surface terrestre
Remarque :
L’imagerie Landsat utilisée dans l’application a été traitée dans des produits scientifiques de niveau 2, ce qui signifie que différentes corrections ont été appliquées aux bandes spectrales d’origine pour s’assurer qu’elles fournissent les informations les plus fiables possibles et qu’elles sont prêtes à être utilisées par des analystes.
Lorsque vous utilisez l’imagerie multispectrale, il n’est pas possible d’afficher toutes les bandes spectrales disponibles en même temps. Il est toutefois possible de choisir trois bandes au maximum et de les combiner en une image composite unique. Différentes combinaisons de bandes peuvent changer drastiquement la façon dont les entités au sol apparaissent dans l’imagerie. Elles permettent de mettre en évidence certaines entités ou propriétés. Vous allez comparer deux combinaisons de bandes dans l’application.
- Dans la barre d’outils inférieure de l’application, sous Renderer (Moteur de rendu), placez le pointeur sur la tuile Agriculture.
Des informations supplémentaires apparaissent.
L’imagerie sur la carte est actuellement affichée avec la combinaison de bandes Agriculture, composée des bandes Onde courte infrarouge 1, Proche infrarouge et Bleu (ou des bandes 6, 5 et 2). Cette combinaison met en évidence la végétation saine en vert vif et la distingue des autres types d’occupation du sol, tels que la terre nue ou les zones urbaines. Vous allez passer à la combinaison de bandes Natural Color (Couleur naturelle) pour les comparer.
- Sous Renderer (Moteur de rendu), cliquez sur Natural Color (Couleur naturelle).
Avec cette nouvelle combinaison de bandes Natural color (Couleur naturelle) (bandes Rouge, Vert et Bleu ou 4, 3 et 2), l’imagerie est dominée par des tons aux couleurs de la terre. Ensemble, les canaux Rouge, Vert et Bleu constituent le spectre de lumière visible par l’œil humain. La combinaison de ces trois bandes donne une idée de la manière dont le paysage apparaîtrait aux yeux d’une personne.
La combinaison de canaux Natural Color (Couleur naturelle) peut être utile dans certaines applications, mais les analystes choisissent souvent d’autres combinaisons de canaux en fonction d’entités spécifiques qu’ils souhaitent mettre en avant.
- Passez plusieurs fois de la combinaison de bandes Natural Color (Couleur naturelle) à Agriculture pour mieux observer les différences entre elles.
Surveiller la mangrove dans les Sundarbans
Votre première destination est la mangrove des Sundarbans, qui se situe à la frontière de l’Inde et du Bangladesh. Vous allez utiliser l’imagerie Landsat pour surveiller l’état de santé de la mangrove dans un écosystème extrêmement exposé aux changements. Vous allez également découvrir une nouvelle combinaison de bandes : Couleur infrarouge.
- Cliquez sur ce lien Landsat Explorer pour accéder à la région des Sundarbans.
Les satellites ne pouvant pas capturer le monde entier en une seule image, ils prennent plusieurs images qui peuvent ensuite être assemblées en un patchwork d’images appelé « mosaïque ». Comme vous examinez actuellement une région relativement étendue, cet effet de patchwork est visible sur la carte. De même, comme les images ont été prises à des dates et heures différentes, l’intensité des couleurs peut différer.
Remarque :
Cette vue d’images assemblées se nomme le mode Dynamic (Dynamique) dans l’application Landsat Explorer. Cette mosaïque dynamique montre automatiquement les images les plus récentes et les plus dégagées de nuages, assemblées à la volée. Plus loin dans ce didacticiel, vous apprendrez à sélectionner et à afficher des images spécifiques de votre choix.
Les Sundarbans s’étendent au nord de la baie du Bengale. Rien qu’en observant la zone avec la combinaison de bandes Natural Color (Couleur naturelle) actuelle, vous remarquez que la région des Sundarbans, fortement boisée, se distingue de Calcutta au nord-ouest, qui est fortement urbanisée. Une grande partie de la forêt de mangrove d'origine a été abattue et ce qui reste est protégé par les gouvernements de l'Inde et du Bengladesh.
Pour distinguer plus aisément la végétation de la mangrove, vous allez utiliser la combinaison de bandes Color Infrared (Couleur infrarouge), qui combine les bandes Proche infrarouge (NIR), Rouge et Vert (ou 5, 4 et 3). La bande Proche infrarouge (NIR) permet de distinguer clairement la végétation et les entités hors végétation. Dans la combinaison de bandes Color Infrared (Couleur infrarouge), la végétation saine apparaît en rouge vif.
- Sous Renderer (Moteur de rendu), cliquez sur Color IR (Couleur infrarouge).
L’imagerie est mise à jour. La forêt de mangrove des Sundarbans apparaît désormais en rouge vif, ce qui signifie que la végétation est dense et globalement saine. Les plans d’eau parcourant la mangrove, dépourvus de végétation, mais riches en sédiments, apparaissent en bleu turquoise. Les zones construites, comme la ville de Calcutta, s’affichent dans des tons grisâtres ou beiges. Les zones agricoles apparaissent dans une nuance plus claire de rouge, ce qui indique la présence de végétation, mais moins dense que dans la forêt de mangrove. Enfin, les eaux de la baie du Bengale s’affichent dans des tons de bleu profond.
- Dans le coin supérieur gauche de l’application, cliquez plusieurs fois sur le bouton Zoom in (Zoom avant) pour appliquer un zoom avant au cœur de la forêt de mangrove.
Conseil :
Vous pouvez également effectuer un zoom avant ou arrière à l’aide de la molette de la souris.
- Le cas échéant, utilisez la souris pour centrer la carte sur la forêt de mangrove.
Conseil :
Dans la mesure où l’imagerie Landsat est actualisée régulièrement en ajoutant des images plus récentes, il est possible que la dernière image en date de certaines zones des Sundarbans soit nuageuse ou brumeuse. Si c’est le cas, vous pouvez à la place utiliser cette carte, qui affiche une image Landsat unique sans nuage.
Sur ce vaste delta, la forêt est morcelée par plusieurs rivières et voies navigables complexes soumises aux marées. Un grand nombre de ses petites îles est accessible uniquement par bateau, ce qui gêne l'observation au sol et renforce le besoin de surveillance de la forêt par les images satellite. La végétation plus saine apparaît en rouge plus vif, mais certaines zones s’affichent en une nuance plus claire de rouge ou en beige. En tant qu’analyste, vous pourriez identifier ces zones comme des zones dont la végétation est potentiellement moins saine, qui nécessitent un examen approfondi.
- Effectuez un zoom avant, un zoom arrière et déplacez-vous pour explorer la forêt de mangrove.
- Accédez à la partie est de la forêt de mangrove, où la couleur change nettement, d’une dominante de rouge à une dominante de beige.
Le contraste est fort à l’endroit où la zone protégée de la mangrove se termine. Le sol de la zone non protégée était auparavant recouvert par la forêt de mangrove, mais est désormais entièrement déboisé. Il apparaît majoritairement en beige ou en rose clair, ce qui indique l’absence de végétation. En tant qu’analyste, vous pourriez exploiter ces différences de couleur pour détecter une activité illégale d’abattage d’arbres dans les zones protégées.
Les forêts de mangrove sont très exposés aux changements du niveau de la mer et de la salinité de l’eau, ainsi qu’à la pollution, à l’abattage illégal d’arbres et à d’autres facteurs. La perte de la mangrove compromettrait non seulement l’habitat des différentes espèces de faune et de flore qui vivent dans cet endroit (notamment de nombreuses espèces menacées, comme le tigre du Bengal), mais supprimerait également une protection importante contre les moussons pour les localités voisines. Il est important de préserver la santé de la forêt et l’imagerie peut permettre d’atteindre cet objectif.
Remarque :
Quelle est la différence entre les combinaisons de bandes Color Infrared (Couleur infrarouge) et Agriculture ? Les deux combinaisons mettent en évidence une végétation saine (en rouge vif pour la combinaison Color Infrared [Couleur infrarouge] et en vert vif pour la combinaison Agriculture). La combinaison Color Infrared (Couleur infrarouge) est une combinaison de bandes plus courante, disponible pour de nombreux types d’images satellite et aériennes, puisqu’elle ne nécessite qu’une bande Proche infrarouge (NIR) en plus des bandes de lumière visible Vert et Rouge. La combinaison de bandes Agriculture est moins courante, puisqu’elle nécessite non seulement une bande Proche infrarouge (NIR), mais aussi une bande Onde courte infrarouge (SWIR). NIR est idéal pour mettre en évidence la santé des plantes, car la végétation verte saine reflète davantage la lumière NIR. SWIR permet également de détecter la teneur en eau réelle de la végétation. La combinaison de bandes Agriculture est polyvalente et montre clairement plusieurs types d’occupation du sol.
Visualiser l’effet d’îlot de chaleur urbain
Certains des capteurs Landsat ont la capacité de capturer des informations sur les températures à la surface de la Terre. Ces informations sont ensuite utilisées avec d’autres sources de données pour produire la bande Température à la surface, qui peut être visualisée dans l’application via l’une des options du moteur de rendu.
Vous allez utiliser cette capacité pour visualiser l’effet d’îlot de chaleur urbain à Washington, D.C. aux États-Unis. Les îlots de chaleur sont des lieux qui subissent des températures élevées soutenues par rapport aux zones environnantes. Ils se trouvent généralement dans des espaces urbains avec une concentration de surfaces imperméables (telles que des trottoirs, des toitures et des bâtiments) et peu d’arbres ou toute autre forme de couverture végétale. Avec des températures extrêmes qui ne cessent de croître en raison du changement climatique, les îlots de chaleur urbains menacent la santé et la qualité de vie des résidents locaux.
Vous allez mettre en évidence l’effet d’îlot de chaleur urbain par une journée chaude d’été au cours d’une canicule. Vous allez créer une carte de balayage pour comparer une image Landsat rendue de deux façons, en mettant en évidence les types d’occupation du sol d’un côté et la température à la surface de l’autre côté. Commencer par concentrer la carte sur votre zone d’intérêt.
- Dans la zone de recherche Find address or place (Rechercher une adresse ou un lieu), saisissez Washington, DC et appuyez sur Entrée.
La carte s’actualise pour montrer la région de Washington, D.C.
- Sur la barre d’outils située en bas de la page, cliquez sur Swipe (Balayer). Vérifiez que le bouton Left (Gauche) est sélectionné.
La carte passe en mode de balayage et est divisée en deux sections. Vous allez choisir une image (ou scène) spécifique à afficher à gauche de la carte. Dans la barre d’outils inférieure, un calendrier permet de sélectionner des scènes capturées à des dates spécifiques.
- Sous Scene Selection (Sélection de scène), dans le menu déroulant des années, sélectionnez 2024.
Le calendrier s’actualise pour lister les images disponibles pour l’étendue actuelle de la carte en 2024, en les désignant par de petits carrés gris clair.
- Dans le calendrier, cliquez sur le carré correspondant à la date July 16, 2024 (16 juillet 2024).
Remarque :
Certaines images Landsat comportent des nuages qui masquent le sol. Le curseur Cloud (Nuage) permet de sélectionner le pourcentage maximal de couverture nuageuse que les images doivent contenir.
Dans le calendrier, les carrés gris clair pleins désignent les images qui répondent à ce critère de couverture nuageuse. Les carrés dont le contour est en gris clair désignent les images dont la couverture nuageuse est plus importante.
De nouvelles images étant ajoutées en permanence au jeu de données Landsat, il est possible que davantage de scènes soient disponibles, en plus de celles des images d’exemple.
Le côté gauche de la carte de balayage s’actualise avec la scène Landsat qui a été capturée le 16 juillet 2024. Vous allez l’afficher avec le rendu Agriculture pour mettre en évidence les différents types d’occupation du sol dans la zone.
- Sous Renderer (Moteur de rendu), cliquez sur Agriculture.
Le côté gauche de la carte de balayage s’actualise pour montrer les zones de végétation en vert vif, les zones bâties urbaines dans des tons de violet et de rose et les masses d’eau, telles que les rivières, en bleu foncé.
Conseil :
Dans cette vue, les routes sont tracées par-dessus l’imagerie, dans le cadre de la couche Map Labels (Étiquettes de la carte). La case à cocher Map Labels (Étiquettes de la carte) permet d’activer ou de désactiver la couche.
Vous allez sélectionner la même image à afficher sur le côté droit de la carte et adopter un rendu qui affiche les températures à la surface.
- Cliquez sur le bouton Right (Droite).
- Sous Scene Selection (Sélection de scène), dans le menu déroulant des années, sélectionnez 2024. Dans le calendrier, cliquez sur la date July 16, 2024 (16 juillet 2024).
- Sous Renderer (Moteur de rendu), cliquez sur Surface Temp (Température à la surface).
Le moteur de rendu Surface Temperature (Température à la surface) représente les températures au sol. Différentes valeurs sont symbolisées par différentes couleurs.
- Placez le pointeur sur la tuile Surface Temp (Température à la surface) pour afficher la légende.
Les couleurs allant du blanc au bleu symbolisent des températures froides, tandis que les couleurs allant de l’orange au rouge foncé symbolisent des températures chaudes et que les couleurs allant du vert au jaune symbolisent des températures moyennes. La carte de balayage est maintenant terminée. Elle présente la même image avec le rendu Agriculture sur la gauche et le rendu Surface Temperature (Température à la surface) sur la droite.
- Faites glisser le curseur de balayage de gauche à droite pour comparer les rendus.
Bien que l’ensemble de la zone ait atteint des températures élevées, les zones bâties ont connu des températures extrêmes (rouge foncé), tandis que les espaces couverts de végétation et les masses d’eau ont connu des températures relativement moins élevées (rouge plus clair ou orange).
- Cliquez sur différents points de la carte pour afficher la valeur de leur température à la surface dans des fenêtres contextuelles.
La carte de balayage que vous avez conçue illustre l’effet d’îlot de chaleur urbain. L’imagerie multispectrale est un outil puissant permettant de comprendre et traiter ce phénomène. En moyenne, un centre-ville peut s’avérer être plus chaud de 10 degrés par rapport à la campagne environnante. Une fois les îlots de chaleur identifiés, il est crucial de planifier des stratégies pour baisser les températures, comme planter plus d’arbres, utiliser des matériaux qui régulent la température de la chaussée et créer des toitures végétalisées.
Conseil :
Vous pouvez copier l’URL de votre carte de balayage ou de toute autre carte que vous générez avec l’application Landsat Explorer, pour la partager avec les membres de votre communauté. Pour référence, voici la carte de balayage finale que vous avez créée.
Visitez une oasis avec des profils spectraux
Pour mieux comprendre l’imagerie multispectrale, vous allez voyager jusqu’à l’oasis El Fayoum en Égypte et découvrir les profils spectraux, les signatures spectrales, ainsi que les indices spectraux.
- Utilisez ce lien Landsat Explorer pour accéder à la zone de l’oasis El Fayoum.
L’imagerie Landsat s’affiche, rendue avec la combinaison de bandes Agriculture. El Fayoum est une vaste oasis en forme de cœur dont l’origine remonte à l’Égypte ancienne. Il s’agit d’un havre de végétation et d’eau en plein milieu du Sahara. À l’est, la vallée du Nil traverse la carte en diagonale. L’eau est acheminée du Nil vers l’oasis grâce à des canaux façonnés par l’homme.
Lorsque vous utilisez l’imagerie multispectrale, il peut être utile de représenter les profils spectraux de certains points d’intérêt. Un profil spectral est un graphique qui montre les différentes valeurs de bande spectrale d’un pixel d’imagerie particulier. Vous allez générer les profils spectraux de plusieurs points dans la région d’El Fayoum.
- Dans la barre d’outils inférieure, cliquez sur Analyze (Analyser) et sélectionnez Spectral profile (Profil spectral).
Pour utiliser cette option, vous devez choisir une image Landsat en particulier.
- Sous Scene Selection (Sélection de scène), dans le menu déroulant des années, sélectionnez 2023. Dans le calendrier, cliquez sur la date February 19, 2023 (19 février 2023).
L’image apparaît sur la carte. L’oasis El Fayoum apparaît à l’angle nord-est de l’image.
Vous allez commencer par examiner un pixel représentant la végétation. La végétation de l’oasis El Fayoum est essentiellement composée de champs cultivés de plantes telles que le coton, le trèfle et les céréales, le tout parsemé de palmiers et de fruitiers.
- Sur la carte, utilisez le pointeur en forme de mire pour cliquer sur une localisation de l’oasis qui semble recouverte de végétation (vert vif).
Dans la barre d’outils inférieure, sous Profile (Profil), le diagramme du profil spectral de ce pixel spécifique apparaît. Le diagramme est intitulé Healthy Vegetation (Végétation saine).
Conseil :
Si votre pixel n’a pas été identifié en tant que Healthy Vegetation (Végétation saine), vous avez peut-être choisi un pixel mixte contenant des bâtiments, de la terre nue ou d’autres entités. Dans ce cas, cliquez sur une ou deux autres localisations avec de la végétation jusqu’à obtenir l’identification Végétation saine.
Dans le diagramme, l’axe x (horizontal) représente les différentes bandes spectrales : Coastal (Littoral), Blue (Bleu), Green (Vert), Red (Rouge), NIR (Proche infrarouge), SWIR 1 (Onde courte infrarouge 1) et SWIR 2 (Onde courte infrarouge 2). L’axe y (vertical) montre les valeurs de chacune de ces bandes du pixel que vous avez sélectionné. Pour être plus précis, il indique les valeurs de réflectance, à savoir, la quantité de lumière reflétée par le matériau à cet emplacement (dans le cas présent, une végétation saine) entre les différents canaux. La courbe formée en reliant les valeurs de bande s’affiche en gris clair.
Une ligne pointillée verte apparaît également dans le diagramme. Sa légende s’intitule Spectral profile of Healthy Vegetation (Profil spectral de la végétation saine). Chaque type d’occupation du sol, tel que la végétation saine, l’eau ou le sable, tend à avoir un profil spectral standard et reconnaissable, nommé signature spectrale. En comparant le profil spectral d’un pixel d’imagerie à des signatures spectrales classiques, il est possible d’identifier automatiquement le type d’occupation du sol de ce pixel. Dans ce diagramme, il se trouve que le profil spectral du pixel est le plus proche de la signature spectrale Healthy Vegetation (Végétation saine), particulièrement reconnaissable en raison de sa valeur de réflectance NIR élevée et de sa valeur de réflectance Red (Rouge) faible.
- Sur la carte, cliquez sur les localisations qui semblent représenter les éléments suivants :
- Un lac (bleu foncé)
- Le désert (beige jaune)
Les diagrammes de profils spectraux identifient ces points comme Clear Water (Eau claire) et Sand (Sable), respectivement.
Vous pouvez observer les différences des signatures spectrales entre différents matériaux : eau clair, sable et végétation saine. C’est en raison à la fois de leurs aspects physiques et chimiques que les matériaux reflètent différemment les longueurs d’onde. La plupart des techniques d’analyse d’imagerie tirent parti de ces variations de profil spectral pour détecter automatiquement des informations sur les types d’occupation du sol dans l’image.
Une de ces techniques consiste à calculer les indices spectraux. Un indice spectral applique une formule mathématique pour calculer un ratio entre différentes bandes pour chaque pixel de l’imagerie, dans l’objectif de mettre en évidence un phénomène en particulier. Vous allez à présent en essayer deux.
- Sous Renderer (Moteur de rendu), cliquez sur MNDWI.
MNDWI (Modified Normalized Difference Water Index) est l’indice de teneur en eau modifié par différence normalisée. Il calcule un ratio compris entre les bandes Onde courte infrarouge 1 et Vert pour mettre l’eau en évidence. Lorsque cet indice est appliqué, les masses d’eau sont mises en évidence en bleu. Sur la carte actuelle, il s’agit principalement des lacs faisant partie de l’oasis El Fayoum.
- Sous Renderer (Moteur de rendu), cliquez sur NDVI Colorized (NDVI colorisé).
NDVI (Normalized Difference Vegetation Index) est l’indice de végétation par différence normalisée. Il calcule un ratio compris entre les bandes Proche infrarouge et Rouge pour mettre la végétation en évidence. La végétation épaisse et saine est mise en évidence en vert foncé et la végétation clairsemée en marron.
Vous connaissez maintenant les profils spectraux, les signatures spectrales et les indices spectraux. Vous avez appris que les techniques d’analyse d’imagerie tirent parti des variations de profil spectral pour détecter automatiquement des informations sur les types d’occupation du sol dans l’imagerie. En tant qu’analyste pour la région d’El Fayoum, vous pourriez utiliser ces techniques pour surveiller la santé des cultures, les conditions de sécheresse, l’impact des incendies et d’autres phénomènes. Avec l’imagerie multispectrale, il est possible de réaliser ces contrôles sur de vastes étendues, des pays entiers ou même l’ensemble du monde.
Visualiser la croissance urbaine à l’aide d’une animation
Jusqu’à présent, vous avez exploré une imagerie qui représente un moment unique dans le temps et vous vous êtes concentré sur les images Landsat capturées au cours des dernières années. Et si vous vouliez suivre une évolution au fil du temps ? Et si vous vouliez comparer l’évolution de l’état actuel de la mangrove des Sundarbans avec celui d’il y a 10 ans ? Ou voir comment les lacs dans l’oasis El Fayoum se sont agrandis ou réduits au cours des dernières décennies ? Le premier satellite Landsat ayant été lancé en 1972, plus de 50 années d’imagerie Landsat sont disponibles pour effectuer des comparaisons.
Remarque :
Même si les anciens satellites n’étaient pas équipés de toutes les fonctionnalités des satellites récents, dont la possibilité de détecter certaines bandes, leur imagerie peut jouer un grand rôle pour constater l’évolution du monde.
Pour illustrer cette utilisation de l’imagerie Landsat, vous allez créer une animation qui permet de visualiser l’évolution d’Hefei, l’une des villes à la plus forte croissance en Chine, entre 1995 et aujourd’hui.
- Cliquez sur ce lien Landsat Explorer pour accéder à Hefei en Chine.
L’imagerie Landsat s’affiche, définie sur la vue Dynamic (Dynamique). La vue affiche une imagerie récente et est rendue avec la combinaison de bandes Color Infrared (Couleur infrarouge). Les zones urbaines apparaissent en marron ou gris, la végétation qui entoure la ville apparaît en rouge vif et les masses d’eau apparaissent en bleu foncé.
Remarque :
La combinaison de bandes Color Infrared (Couleur infrarouge) n’offre pas toujours le meilleur rendu pour afficher les zones urbaines, mais dans ce cas d’utilisation précis, plusieurs essais et échecs nous ont prouvé qu’elle fournit une délimitation claire de la ville au fil du temps.
- Dans la barre d’outils inférieure, cliquez sur Animate (Animer) et sélectionnez Add a Scene (Ajouter une scène).
Un emplacement pour la première image est ajouté.
Vous allez ajouter une scène de l’année 1995 dans l’animation.
- Sous Scene Selection (Sélection de scène), dans le menu déroulant des années, sélectionnez l’année 1995. Dans le calendrier, cliquez sur la date September 02, 1995 (02 septembre 1995).
L’image capturée le 2 septembre 1995 apparaît sur la carte. Hefei apparaît sous la forme d’une petite ville au centre de l’image.
Vous allez ensuite ajouter une scène de l’année 2000.
- Cliquez sur Add a Scene (Ajouter une scène) pour ajouter un deuxième emplacement d’image.
- Sous Scene Selection (Sélection de scène), dans le menu déroulant des années, sélectionnez l’année 2000. Dans le calendrier, cliquez sur la date September 15, 2000 (15 septembre 2000).
L’image apparaît sur la carte. Vous voulez que votre animation comporte huit scènes au total, avec une sélection d’environ une scène tous les trois à cinq ans. Voici la liste complète :
- September 02, 1995 (02 septembre 1995) (déjà ajoutée)
- September 15, 2000 (15 septembre 2000) (déjà ajoutée)
- 12 août 2005
- 03 mai 2009
- 02 août 2013
- 25 juillet 2016
- 17 mai 2020
- 16 avril 2023
Pour accélérer ce processus, vous allez ouvrir une nouvelle carte dans laquelle les huit scènes ont déjà été ajoutées pour vous.
- Cliquez sur ce lien Landsat Explorer pour charger les huit scènes.
Vous allez ensuite exécuter l’animation.
- En regard de Add a Scene (Ajouter une scène), cliquez sur le bouton Play animation (Lire l’animation).
Les images commencent à défiler l’une après l’autre par ordre chronologique, ce qui crée une animation. L’animation étant trop rapide, vous allez la ralentir.
- Déplacez le curseur speed (vitesse) jusqu’à son niveau minimal.
L’exécution ralentie de l’animation vous permet de voir que la ville d’Hefei s’est considérablement développée depuis 1995.
Remarque :
Vous pouvez éventuellement cliquer sur le bouton Copy animation link (Copier le lien de l’animation) pour partager l’animation. Vous pouvez aussi l’exporter au format vidéo MP4 en cliquant sur le bouton Download animation (Télécharger l’animation).
- Lorsque vous avez fini de regarder l’animation, cliquez sur le bouton Stop animation (Arrêter l’animation).
Délimiter les zones inondées
La détection des changements est un autre moyen d’utiliser les images Landsat capturées à différents instants. La détection des changements consiste à comparer des images collectées à différents moments dans une zone unique pour déterminer le type, la magnitude et la localisation des changements. Un changement peut résulter d’une activité humaine, de perturbations naturelles soudaines ou de tendances climatologiques ou environnementales à long terme.
Vous allez réaliser votre propre analyse de détection des changements appliquée à une inondation. Suite à de fortes pluies en juillet 2022, plusieurs zones situées dans les régions de Léré et de Guégou au Tchad ont subi de graves inondations. En tant qu’analyste, vous voulez identifier les zones les plus touchées.
- Cliquez sur ce lien Landsat Explorer pour accéder à la région de Léré.
L’imagerie Landsat s’affiche, définie sur la vue Dynamic (Dynamique). La vue affiche une imagerie récente et est rendue avec la combinaison de bandes Agriculture. La couche Map Labels (Étiquettes de la carte) est activée et comprend une représentation des routes principales. Elles sont entourées de deux lacs et de plusieurs villes et villages, tels que Léré, Lao et Kebi.
- Dans la barre d’outils inférieure, cliquez sur Analyze (Analyser) et sélectionnez Change detection (Détection des changements). Vérifiez que l’option choose Scene A (Choisir la scène A) est sélectionnée.
Vous devez choisir deux images, une avant l’inondation et une autre après l’inondation.
- Sous Scene Selection (Sélection de scène), dans le menu déroulant des années, sélectionnez l’année 2022. Dans le calendrier, cliquez sur la date May 8, 2022 (8 mai 2022).
L’imagerie est mise à jour pour afficher une scène Landsat capturée le 8 mai 2022 avant les fortes pluies. Elle apparaît avec la combinaison de bandes Agriculture précédemment sélectionnée. Les deux lacs, le lac Léré et le lac Tréné, présentent des contours clairement définis. Les fines lignes bleues correspondent aux rivières de Mayo Kebbi et Bénoué.
- Cliquez sur choose Scene B (Choisir la scène B).
- Sous Scene Selection (Sélection de scène), dans le menu déroulant des années, sélectionnez l’année 2022. Dans le calendrier, cliquez sur la date July 11, 2022 (11 juillet 2022).
- Sous Renderer (Moteur de rendu), cliquez sur Agriculture pour appliquer la même combinaison de bandes à la seconde scène.
L’imagerie affiche maintenant une scène Landsat capturée le 11 juillet 2022, qui montre la situation au moment de l’inondation. Les vastes zones qui constituaient des terres sèches dans la scène précédente sont à présent recouvertes d’eau, et les lacs appaissent donc étendus et indissociables des fleuves.
Vous allez ensuite visualiser le changement entre la scène A et la scène B.
- Cliquez sur le bouton View Change (Afficher le changement).
- En regard de Change (Changement), sélectionnez Water Index (Indice de teneur en eau).
Cette analyse de détection des changements applique l’indice de teneur en eau (MNDWI) que vous avez découvert plus tôt dans ce didacticiel aux images avant et après, dans le but d’identifier la localisation des pixels d’eau dans chaque image. Elle compare ensuite les valeurs d’indice de teneur en eau afin de déterminer pour chaque pixel si :
- La valeur MNDWI a augmenté (passant d’une absence d’eau à une présence d’eau)
- La valeur MNDWI a diminué (passant d’une présence d’eau à une absence d’eau)
- La valeur MNDWI est restée stable (passant d’une présence d’eau à une présence d’eau ou d’une absence d’eau à une absence d’eau)
Sur la carte, la plupart des zones terrestres apparaissent en jaune, ce qui indique qu’elles n’ont pas changé. Cependant, les zones qui entourent les lacs apparaissent en bleu turquoise vif, ce qui indique qu’elles ont été recouvertes d’eau. C’est là que les inondations se sont produites.
Remarque :
Les pixels apparaissant en beige clair ou en bleu clair indiquent un léger changement de la valeur d’indice de teneur en eau. Cela n’est pas forcément significatif étant donné que les images avant et après peuvent avoir des intensités de valeur légèrement différentes en raison des conditions météorologiques et de la date/l’heure de la capture.
Pour faciliter l’interprétation de la carte, vous n’allez afficher que les pixels qui sont passés le plus clairement d’une absence d’eau à une présence d’eau.
- Sous Water Index (Indice de teneur en eau), faites glisser la poignée de limite inférieure jusqu’à ce que tous les pixels jaunes, beiges et bleu clair aient disparu.
Les pixels disparaissent lorsque la valeur de l’indice de teneur en eau est d’environ 0.65 (0,65).
La carte affiche maintenant les zones inondées en bleu turquoise vif.
Sous Water Index (Indice de teneur en eau), la valeur Estimated Change Area (Surface estimée des changements) indique que les zones inondées qui apparaissent sur la carte couvrent environ 10.79 (10,79) kilomètres carrés (le nombre que vous avez obtenu est peut-être légèrement différent).
Remarque :
Pour référence, voici la carte finale de détection des changements que vous devriez obtenir.
Dans cette analyse, vous avez réalisé une détection des changements afin d’identifier les zones impactées par une inondation. La carte obtenue peut ensuite être partagée avec les équipes de secours au sol pour les aider à mieux cibler leurs efforts.
Remarque :
Les images sont de plus en plus couramment utilisées pour faciliter la gestion des désastres naturels. Toutefois, sachez que l’imagerie Landsat ne capture une localisation donnée qu’une fois par semaine au plus et que sa résolution spatiale n’est que de 30 mètres (par pixel). Pour cette raison, elle ne fournira pas toujours les images les plus précises et les plus détaillées d’une catastrophe. D’autres types d’imagerie satellite qui fournissent des images plus fréquentes et d’une résolution supérieure peuvent être privilégiés pour gérer les catastrophes, mais ils sortent du cadre de ce didacticiel.
Explorer d'autres emplacements
L’application Landsat Explorer comporte un certain nombre de géosignets du monde entier. Ces géosignets illustrent des paysages impressionnants ou uniques observés à travers des combinaisons de bandes particulières qui mettent l’accent sur les entités les plus fascinantes. Vous allez examiner certains de ces géosignets.
- Dans la barre d’outils inférieure, cliquez sur Explore (Explorer) et sélectionnez Dynamic (Dynamique).
- Sous Interesting Places (Sites intéressants), cliquez sur certaines des miniatures pour afficher les différentes localisations.
Lorsque vous parcourez ces localisations, vous pouvez appliquer différentes combinaisons de bandes spectrales et différents indices spectraux, puis utiliser les fonctionnalités qui ont été abordées au cours de ce didacticiel. Vous pouvez éventuellement utiliser la zone de recherche pour rechercher vos propres zones d’intérêt.
Remarque :
Pour continuer à découvrir les fonctionnalités de Landsat Explorer, consultez l’article Apprendre à explorer l’imagerie Landsat avec Landsat Explorer.
Dans ce didacticiel, vous avez exploré l’imagerie Landsat tout en voyageant à travers le monde par l’intermédiaire de l’application Landsat Explorer. Vous avez appris les concepts essentiels relatifs à l’imagerie multispectrale et vous êtes familiarisé avec ses nombreuses applications. Vous êtes maintenant prêt à poursuivre votre exploration du monde à travers l’imagerie.
Vous trouverez d’autres didacticiels sur l’imagerie dans la collection de didacticiels Présentation de l’imagerie et de la télédétection.