Application des outils de la télédétectionpour

la cartographie des aspects de surface dansles Zibans

Cas de la plaine d’El OutayaMme MESSADI Bessma, Maitre Assistante Faculté desSciences de la Terre. Université Constantine 1.

Algérie

Mme TATAR Hafiza , Maître de Conférences .Faculté desSciences de la Terre. Université Constantine 1.

Laboratoire LASTERNE.

Résumé 

L’Algérie est menacée par les dangers de la désertification. Lesexperts tirent la sonnette d’alarme et appellent les pouvoirs publicsà enclencher un réel plan d’action pour protéger le pays contre cephénomène, mais pour l’heure peu d’initiatives sont prises, alors que75% de nos régions steppiques sont désertifiées ou au seuil de ladésertification.

La désertification qui est un phénomène de dégradation des terressouvent irréversible, exige une prise en charge radicale, basée surune connaissance détaillée des aspects de surface que seule unetechnologie sophistiquée peut assurer : La télédétection satellitaleen l’occurrence. Cette dernière représente la technique qui peutapporter des informations utiles, indispensables et souventimpossibles à acquérir autrement, tant en matière d’alerte précoce, desuivi du développement du phénomène , ou de constat d’un état final.Elle devrait aboutir à une cartographie des états de surface, servantde guide pour la prise de décision.

Pour contribuer à l’application de cette technique, la région deszibans a été choisie comme exemple .Cette région est à vocation agro-pastorale, elle est soumise à un climat sec et est composée enmajorité de sols nus sujets à une dégradation variée.

1

L’objectif de notre travail consiste à maître au point uneméthodologie basée sur la Télédétection afin de pouvoir diagnostiquerles aspects de surface indicateurs possibles de certainesdégradations du sol.

L’investigation a été effectuée sur des données satellitales à hauterésolution Landsat 7 du capteur ETM+. Cette image a subi un certainnombre de traitements numériques à savoir, la rectificationgéométrique, la classification multispectrale, avec l’aided’informations recueillies sur le terrain, et le calcul des indicesradiométriques. Ces derniers nous ont permis de diagnostiquer lesétats de surface capables de traduire l'intensité de la dégradationen relation avec l'érosion hydrique et éolienne. l’intégration desdonnées exogènes nous a permis d’améliorer et valider les résultatsobtenus.

Mots clés : Désertification, Télédétection, Zone Aride, Aspects desurface, Algérie.

Introduction :

La désertification est un phénomène de dégradation desterres. Elle est le résultat de processus complexes liés àl’évolution de facteurs naturels et anthropiques. Le départde tels processus, leur développement et leur résultat, setraduisent à la surface des sols .Dans les régions arides,les sols sont souvent hétérogènes, et forment dedifférentes plages, qui se distinguent par leur couleur,leur composition granulométrique et leur structure.

C’est au niveau de la surface du sol, non protégé par unevégétation, qu’on arrive à relever certains traits de

2

dégradation (érosion, croûte de battance), perceptibles parles images satellitaires ou aériennes.

Les images satellitaires sont donc porteuses d’informationsque la télédétection permet partiellement d’extraire, avecplus ou moins de précision. Ces informations, couplées avecd’autres, interviennent dans diverses phases de l’étude dela désertification, et permettent le suivi etéventuellement l’intervention pour, soit ralentir lesprocessus soit les stopper.

Objectif :

L’objectif de ce travail est de mettre au point uneméthodologie de recherche qui consiste en l’utilisation del’outil Télédétection afin de cartographier les aspects desurface, qui peuvent être indicateurs de certainesdégradations du sol.

Méthode et matériels :

1. Zone d’étude :

La zone d'étude se situe au Nord-ouest de la ville deBiskra, sur les piémonts sud de L'Atlas Saharien oriental,Elle est limitée géographiquement au Nord et au Nord-Ouestpar Djebel Ahmar, Dj. Bou Zokha et M'doukal et au Sud parles monts des Ziban…….

Du point de vue administratif, la zone d’étude comprenddeux communes, El Outaya et Tolga. Elle s'étale sur unesuperficie importante représentée par Bled Selga Saadoun,Bled el Mazouchia et Bled el marher et est représentée surle feuillet topographiques au 1/200 000 de Biskra (fig. n°1).

Le choix a été porté sur cette zone pour 2 raisons :d’unepart, elle porte l’empreinte dune action anthropique assezancienne,(zone agropastorale depuis longtemps), et d’autrepart ,elle constitue un couloir éolien qui implique lerisque d’ensablement

3

2. Données utilisées :

Avant toute étude, il est nécessaire d'identifier lesmoyens indispensables et disponibles pour le bondéroulement du travail. Les données de bases et leslogiciels utilisés dans notre étude sont:

Les cartes topographiques au 1/200 000e de Biskra; Photographies aériennes mission 1972; une image satellitaire du satellite Américain Landsat

7 ETM+ acquit le 15/04/2000 ; Carte pédologique de la région d’El Outaya (échelle

1/50 000e) Une prospection de terrain effectuée durant la

période de Mars à Mai 2008; Le logiciel ENVI version 4.2 .Il nous a permis de

réaliser l'ensemble des traitements de l'image. L’utilisation d’un système GPS qui a permis de

faciliter le positionnement géographique des relevésde terrain par rapport aux images.

Le logiciel Mapinfo qui a servi pour lepositionnement des différents échantillons pris sur leterrain, et a ainsi permis de transférer les fichiersvecteurs en format compatible avec le logiciel ENVI.

Fig 1.Situation de la zone d’étude

4

Cartes Topographiqu

es

Données Satellites: Landsat

Données Exogènes

Correction Géométrique

Extraction de la zone d'étude

Classification par max de

vraisemblance

Calcul des Indices NDVI, IB, IC et IR

Matrice de confusion Images à 03 néocanaux (Indices)

Interprétation des classes en

termes d’état de surface

1.Méthodologie

5

Fig n°02 : Synoptique de la chaine de traitement

Interprétation des classes en

termes d’état de surface

Carte des aspects de surface

L’objectif principal de ce travail étant de démontrer lepotentiel de l’imagerie satellitaire pour la cartographiedes états de surface dans une région aride, des images dusatellite Landsat 7 ETM+ ont été utilisées, en plus desdonnées exogènes(carte topographique, pédologique,climatique).

Les images satellites ont subi un certain nombre detraitement spécifiques : elles ont été corrigéesgéométriquement, afin de les rendre superposables àd’autres documents cartographiques, en se basant sur lacarte topographique à l’échelle de 1/200 000ème.

Ensuite la plaine d’El Outaya qui représente à la fois unerégion anciennement utilisée par l’homme(agropastoralisme) et un couloir de déflation éolienne, aété extraite de la scène.

6

La méthode de traitement utilisée comporte deux volets :

La Classification multispectrale : qui est une technique detraitement numérique permettant de réaliser une carte desaspects de surface. Elle se base sur la connaissancepréalable du terrain à cartographier, d’ou de nombreusesmissions sur le terrain .Ces dernières consistent àparcourir l’ensemble du territoire pour identifier , d’unepart les différents aspects de surface qui s’y trouvent, etd’autre part pour localiser les zones d’échantillonnage dela classification . Le choix a été porté sur le modesupervisé et la méthode de maximum de vraisemblance pourréaliser l’opération de classification.

Le calcul des indices radiométriques : la nature du sol de larégion et la faible couverture végétale, nous a conduit àchoisir un certain nombre d’indices radiométriques àsavoir : l’indice de végétation normalisé « NDVI », qui estfortement lié à l’activité chlorophyllienne de lavégétation, l’indice de brillance « IB »,qui permet dedifférencier entre les sols nus et le couvert végétal, etl’indice de couleur « IC » qui présente une sensibilité àla teneur en matière organique. Selon la littératurescientifique, ces indices donnent une meilleure indicationsur les sols des zones arides.

Analyse et résultats   :

I - Calcul des indices radiométriques:

L’étude de dégradation du milieu peut se faire à partird’une caractérisation des états de surface. En effet, cettedernière est considérée comme un bon indicateur dedégradation d’un milieu.

Pour caractériser ces indicateurs, les indicesradiométriques se sont avérés très efficaces, car ilsreflètent correctement l’état de dégradation de la surface

7

du sol. L’étude de surface du sol à partir des indicesradiométriques peut être instantanée ou synchronique, ellepeut aussi être dynamique ou diachronique.

Pour identifier les états des surfaces, nous avons jugénécessaire de calculer des indices radiométriques, qui ontchacun leur application thématique, à savoir:

I-1. L'indice de végétation normalisée "NDVI":

La végétation est prise en compte même si les matériauxpédologiques dominent largement. Le type de végétation estd’ailleurs très fortement lié aux conditions édaphiques.Comme la dégradation de la végétation représente unindicateur de la dégradation des zones arides, il estimportant de calculer cet indice qui est fortement lié àl'activité chlorophyllienne de la végétation.

NDVI=PIR−RPIR+R

Où

PIR: Canal du Proche Infra Rouge;

R: Canal du Rouge.

Le NDVI ne permet pas à lui seul de distinguer lesdifférents états de la végétation dans les zones arides ,toutefois il permet de distinguer les états de dégradationcar même quand la végétation est peu active ou sèche,l’ombre qu’elle engendre influence fortement la réflectancedans le PIR (Belghith A-1997).

8

Fig n° 03. : Image représente l’indice de végétation normalisé« NDVI », calculé à partir de l’image Landsat du 15-04-2000

L’interprétation de l’indice de végétation au niveau de lazone montre que :

La répartition spatiale des cultures se localise dansles bas fonds et au niveau des cônes de déjection (lescultures apparaissent sur l’image du NDVI par unecouleur blanche) qui présentent des bonnes conditionsédaphiques pour l’installation de certains types deculture. Selon l’étude agro pédologique réalisée parL’ANRH, ces zones correspondent aux sols peu évoluésd’apport alluvial et aux sols halomorphes à structurenon dégradée.

l’indice de végétation nous renseigne non seulementsur l’activité chlorophyllienne, mais aussi, par laluminance globale des objets, sur la présence d’uncouvert végétal non actif ou sec. On le remarqué auniveau de l’image qui montre, selon la luminance de lavégétation, la différence entre les cultures quipossèdent une forte activité chlorophyllienne(représentées par une couleur très claire) et doncactives, et la végétation naturelle de type xérophyteà faible activité chlorophyllienne (représentée parune couleur grise sur l’image du NDVI). La végétation

9

naturelle se localise, généralement, au niveau dessols minéraux bruts situés au niveau des glacis et leslits majeurs des oueds.

L’utilisation du NDVI avec une résolution de 30 m au niveaudu site, nous a permis de mettre en évidence l’utilisation spatiale du pédopaysage par l’agriculture. On remarque que les parcelles agricoles sont localisées dans les sols des cônes de déjection et/ou sur les terrasses alluviales qui possèdent une certaine fertilité permettant ainsi l’installation d’une végétation active à forte activité chlorophyllienne. Par contre, le faible taux de couverture végétale (indicateur important pour le diagnostic de la désertification) se situe dans les endroits non cultivés ; il rend l’indice de végétation mal corrélé à la végétation..

I-2. Indice de brillance:

Cet indice présente une sensibilité certaine à l’humidité

du sol, l’augmentation de la teneur en eau s’accompagnant

d’une diminution de la pureté et de la luminance de la

couleur. Il permet aussi de séparer les sols nus des sols

recouverts de végétaux.

IB=√V2+R2+PIR2Où:

V : Canal du Vert.

Pour les domaines du visible et du proche infrarouge, cetindice rend compte de l’albédo des surfaces et permet dedissocier les couvertures végétales, des étendues minéralesnues, et cela d’autant mieux que les sols sontclairs. .Dans certains cas, cet indice permet aussi dedistinguer différents états pour un même sol nu ,en

10

fonction de sa rugosité (parcelle labourée ou abandonnéerecouverte par des pellicules de battance) et de sa teneuren eau.

Fig n°04 : Image représentant l’indice de brillance « IB », calculéà partir de l’image Landsat du 15-04-2000

Au niveau de la zone d’étude cet indice nous permet dedifférencier les types de sol en fonction de leur couleurqui est un critère de caractérisation important dans laclassification et la description des sols sur le terrain.En fonction de cet indice on remarque une différence deniveau de gris qui correspond au niveau du terrain à uneutilisation du sol et à un degré d’humidité différenciés

11

Couleur sombre : correspond au niveau de la région deculture à des périmètres agricoles labourés et/ouirrigués . Les facteurs qui sont la végétation et lelabour ainsi que l’humidité du sol provoquent unediminution de la réflectance, cela se traduit par unassombrissement de la couleur

Couleur claire : la clarté observée se traduit auniveau du terrain par la présence;……………………

En grande majorité les sols à croûte de battance ensurface, se caractérisent par certaines propriétés quisont, une forte teneur en calcaire, une texture limoneuse àlimono- sableuse donnant un fort albédo. La battancequi caractérise ces sols limite leur alimentation eneau et gène leur respiration, les rendant peuproductifs.

De plus, elle les expose davantage à l'érosion. Ces solsbattants correspondent presque exclusivement aux solslabourés. Ils constituent un agro-système très sensible àl’érosion.

Les différents bras du lit d’oued Selsou et les dunesmobiles de sable, d’orientation Nord-O/Sud-E, indiquent unensablement ayant pour origine le nord de Oued Selsou et/ouune activation de l’ensablement in situ provoqué parl’activité agropastorale, observée dans la partie Ouest dela région (Bled Selga Saadoun, Bled el Mazouchia ). Lesaccumulations sableuses ou dunes, en se déplaçant,ensevelissent sous leur masse les cultures, les habitations… Les dégâts matériels et socio-économiques ainsi causéspeuvent devenir graves. Les vents de sable, de plus en plusfréquents et puissants dans la région, menacent directementles cultures. L’ensablement constitue l'une desmanifestations les plus spectaculaires de ladésertification dans le site d’étude,

12

L’indice de brillance est ainsi un bon indicateur del’état de surface du sol qui domine dans la région d’étude,il permet donc de diagnostiquer la tendance des sols à ladégradation (battance, ensablement).

I-3. Indice de coloration

IC=R−BR

Où:

B : Canal du Bleu.

La signature spectrale des sols varie en fonction deplusieurs paramètres, notamment la teneur en matièreorganique, le taux d’humidité et la compositionminéralogique. Ces variables ont un impact majeur sur lacouleur et la brillance d’un sol (Bannari et al. 1996) ;elles sont liées directement à ses propriétés physiques etchimiques (Mattikalli, 1997). Habituellement, le changementde couleur reflète les transformations induites par lesprocessus naturels et anthropiques affectant le sol.

Par exemple, la richesse en matière organique attribue ausol une couleur sombre, les oxydes de fer lui octroient unecouleur rouge, alors que les carbonates lui donnent unecouleur claire et brillante (Courault et al. 1988). Bienentendu, les processus d’érosion peuvent soit détériorerl’horizon superficiel riche en matière organique, rendantainsi le sol plus clair et plus brillant, soit détruirecomplètement le sol et faire affleurer en surface la rochemère, dont la couleur peut être totalement différente decelle du sol intact (Haboudane, 1999).

Les résultats obtenus par le calcul de cet indice n’offrepas plus de détails car les sols de la région sont presqueen totalité clairs, (sols limoneux, sols halomorphes etsols à texture sableuse), et leur image n’est pas

13

suffisamment contrastée,ce qui rend la discrimination desdifférents aspects de surface un peu difficile.

II- Classification multispectrale :

Pour la réalisation d’une carte des aspects de surface dela région d’étude, nous nous sommes basés sur une techniquede traitement informatique qui est la classificationmultispectrale d’une image satellite Landsat 7 ETM+. Lemode supervisé est celui qui a été choisi, et qui se basesur une connaissance préalable du terrain. Ses principalescaractéristiques sont (UNIG2001) :

La définition préalable des classes et leurscaractéristiques

La définition des classes sur la base de zonesd’entraînements qui sont des échantillons représentatifsdes classes

La procédure de classification qui permet uneévaluation à posteriori par une matrice de confusion.

La classification s’effectue selon les étapes suivantes :

II-1. Choix de la légende

Afin de faciliter le choix des classes, une photo-interprétation combinée à des informations collectées surle terrain, permet de dresser une légende des différentesclasses à savoir :

La végétation: elle est de couleur rouge, caractérisant lestypes de culture pratiqués dans la région

Les Sables fixes: ils se présentent par un rouge atténué quipeut être du à la refléctance de la végétation naturellefixant les sables.

Les dunes mobiles : Ils sont de couleur Jaune. Le sable mobileà pour origine le couloir éolien présent dans la zone qui

14

indique un ensablement venant de la région nord de l’Outaya(région de M’doukal).

Le lit d'oued : Il présente une forte refléctance, causée parles éléments grossiers du lit de l’oued Selsou (galet, cailloux) et du sable dont la couleur claire, indique lescrues de l’oued.

La Sebkha : de couleur bleu claire, elle reflète la présenced’une forte salinité sous forme d’une couche blanchâtre àla surface du sol de texture argileuse

La roche calcaire nue : cette classe se localise au niveau desglacis d’érosion qui entourent la plaine d’El Outaya.

Les sols halomorphes : Ils présentent une couleur vert d'eau,ils se localisent en générale au fond des lits d’oued ;ce sont les sols d’alluvions à tendance halomorphe.

Le placage éolien : Il donne une couleur jaune atténuée, etse trouve généralement sur les glacis présentant lesformes d’accumulation.

Le champ irrigué : de couleur sombre se localise dans la zonela plus basse de la région et se caractérise par laprésence de parcelles irriguées sur sol argileux

Le sol limoneux: Il présente une couleur claire, quicaractérise les dépôts d’alluvions de la plaine d'ElOutaya. Il est de texture limoneuse à limoneux-sableuse ensurface sans éléments grossiers et présente souvent unepellicule superficielle piquetée ou craquelée.

II.2. Typologie des grands éléments de surface

La région d’étude est une zone à vocation agro-pastorale,les différents aspects de surface que nous avons relevés,se distinguent très aisément sans devoir recourir à desdescriptions très fines. Ces aspects sont illustrés par lesphotos ci-dessous et la légende déjà établie basée

15

essentiellement sur la prise en compte des classes. Cesdernières sont bien différenciées entre elles spatialementet radiométriquement.

Nous avons repéré précisément au sol (à l’aide d’un GPS) unnombre important de sites test constituant un échantillonreprésentatif des différents ensembles sol- surface-végétation caractéristiques de la zone. Le système deprojection retenu est l’Universel transverse Mercator (UTM,clarke 1880, fuseau31).

Végétation 35° 0’ 25’’.26

Champ irrigué 34° 55’ 17’’.11

Dune mobile 34° 58’ 3’’.75

Sable fixé 34° 53’ 58’’.33

16

07 08

10

Lit d'oued 34° 59’ 55’’.16

Sebkha 34° 49’ 8’’.80

5° 26’

Sol limoneux 34° 59’ 36’’.58

Sol halomorphe 34° 57’ 7’’.47

Placage éolien 35° 0’ 44’’.65

Roche calcaire nue 34° 51’ 25’’.59

Fig n°05 : les différents aspects de surface retenus avec leurs coordonnées (09 : Localisation des photos sur la figure n°06).

17

18

e

PP

19

Fig n°06: Trichromie" RGB: ETM+4, ETM+3, ETM+1", avec l’emplacement des différents aspects de surfaceretenus.

20

II.3. Classification proprement dite

Afin de pouvoir réaliser une carte des aspects de surface de la région d'étude, une technique de traitement numériquea été adoptée qui est la classification multispectrale. Le choix a été porté sur le mode supervisé. Cette classification n'a concerné que les secteurs de plaine et de glacis. La zone des montagnes a été masquée car, d’une part elle présente des confusions radiométriques, causées par l'ombre qui rajoute un niveau de complexité important lors de l'interprétation des différentes classes et d’autrepart, elle ne représente aucun aspect de dégradation superficielle à prendre en considération .

21

17

Fig n°07 : Image classifiée de la région d’El Outaya, à partir d’une image Landsat 7 acquit le 15/04/2000.

Interprétation :

Nous remarquons que :

La région d’étude est divisée en deux parties, la partieEst qui représente la plaine d’El Outaya .Elle est dominéepar l’association « culture- Sol nu »,où les sols nus,sont en majorité de type peu évolué d’apport alluvial etde type halomorphe ,remarquables par leur couleur. Lapartie Ouest, zone pastorale, représentée essentiellementpar bled El maather et Bled El mazouchia, se distingue parles grandes étendues plus au moins couvertes par unevégétation naturelle basse(steppe) composéeessentiellement d’ Atriplex, Astragalus et Aristidapunges.

Les sables mobiles prennent une direction Nord-Ouest/Sud-Est, et cela à cause de la présence d’un couloir éolien auniveau de la gorge d’Oued Selsou.

La classification pour laquelle nous avons opté, dans saglobalité, semble ainsi correcte, bien qu’il y ait desconfusions entre certaines classes. Les principaux facteurs deconfusion entre les classes sont la clarté des croûtes debattance, la salinité et les sols sableux.

La prise en considération des pixels extraits par laclassification supervisée conduit en général à unereprésentation exagérée de l’unité de surface concernée, quiest anormalement étendue à des unités différentes ayant uncomportement spectral voisin. La classification superviséenécessite donc une connaissance du terrain d’autant plusimportante que l’unité de surface est peu différenciée surl’image. Nous citons à titre d’exemple le cas des solshalomorphes et les sols d’apport alluvial.

II.4. La matrice de confusion

Pour évaluer les classifications, une matrice de confusion aété établie. Elle permet de mettre en valeur le calcul dupourcentage de précision des classifications.

18

La classification retenue nous donne la matrice de confusionillustrée dans les tableaux ci-dessous.

19

Classe

Répartition

Cultures

Sollimoneux

Sablefixe

Dunemobile

Litd’oued

Sebkha

Rochecalcairenue

Solhalomorp

he

Placage

éolien

Champ

irrigué

Total.

Cultures 66 0 6 0 0 0 0 0 0 0 72

Sollimoneux 0 58 0 0 3 0 0 5 0 0 66

Sablefixe 0 0 85 2 0 0 0 0 7 0 94

Dunemobile 0 0 0 62 0 0 0 0 5 0 67

Lit d’oued 0 0 0 2 66 0 0 0 0 0 68

Sebkha 0 0 0 0 0 47 0 0 0 8 55

Rochecalcaire

nue0 0 0 0 0 0 57 6 4 0 67

Solhalomorp

he0 0 0 0 0 0 6 73 0 0 79

Placageéolien 0 0 0 3 0 0 7 0 88 0 98

Champirrigué 0 0 0 0 0 5 0 0 0 45 50

Résultatclassification

66 58 91 69 69 52 70 84 104 53 716

Tableau n°01 : Matrice de confusion de la classification.

A l’aide de cette matrice nous calculons des statistiques declassification (Cf. Tab. n°2) telles que « statistiques »,« pourcentages de bien classé » et « signification thématique »(Messaadi I. 2006).

La colonne « statistiques » nous renseigne sur les classes quisont surestimées où sous estimées par la classification, lesstatistiques sont calculées en utilisant le rapport entre lafréquence marginale de la colonne (résultat de laclassification) sur celle de la ligne de la même classe.

20

La colonne « pourcentages de bien classés » nous donne lepourcentage de pixels bien classés, il est calculé par lerapport entre la case diagonale de la matrice de confusion etla fréquence marginale de la ligne (donc elle représentel’erreur d’omission).

La colonne « signification thématique » est calculée par lerapport entre la case diagonale de la matrice de confusion etla marge résultat de la classification (donc elle représentel’erreur de commission).

Statistique/

ClassesStatistique % de Bien

classé

Signéfication

mathématique

Cultures 91,67 91,67 100,00

Sol limoneux 87,88 87,88 100,00

Sable fixe 104,26 90,43 86,73

Dune mobile 102,99 92,54 89,86

Lit d’oued 101,47 97,06 95,65

Sebkha 94,55 85,45 90,38

Rochecalcaire nue

104,48 85,07 81,43

Solhalomorphe

106,33 92,41 86,90

Placageéolien

106,12 89,80 84,62

Champirrigué

106,00 90,00 84,91

Tableau n°02 : Statistiques des différents thèmes d’aspects de surface de la plaine d’El Outaya

L’examen des statistiques issues de la matrice de confusion,montre qu’il y a des confusions entre certaines classes. Nousremarquons que :

Les sols halomorphes sont surestimés, certaines classes setrouvent confondues avec les sols halomorphes,

21

essentiellement la roche calcaire nue et les solslimoneux.

La même chose pour le placage éolien qui se confond avecles sables fixés par la végétation, les dunes mobiles etla roche calcaire nue.

la majorité des classes semble être bien représentée avecdes pourcentages de pixels bien classés.

D’une façon générale, nous remarquons que notre classificationest globalement bonne, du fait que l’indice G qui mesure laprécision globale de la classification est égal à 90 %.

22

Conclusion

L’étude a été fondée sur l’établissement des relations entreles caractéristiques des sols et de la végétation dessurfaces observées au sol, à travers l’utilisation de latélédétection et la description sur le terrain de l’état desurface

Il a été démontré que dans cette région l’utilisation de laclassification multispectrale pour la cartographie des aspectsde surface a permis de distinguer des unités, selon descritères de couleur et suivant la position topographique dansle paysage.

L’image satellitaire utilisée de 30 m de résolution donne ainsiune bonne information sur la Cartographie des aspects desurface. Elle montre que la répartition spatiale des aspects desurface pour la plaine d’El Outaya , est, sur la partie Estsous l’influence des apports alluviaux , alors que sur lapartie Ouest l’aspect de surface est plus déterminé parl’ensablement.

Vu la faiblesse de la couverture végétale, l’indice devégétation a donné une mauvaise corrélation ; l’indice debrillance quant à lui , basé sur la reflectance , a donné debons résultats, car cette dernière est fortement influencéepar les propriétés des sols, particulièrement les sols clairsdes zones arides. L’indice de brillance, plus intéressant quel’indice de couleur, permet le diagnostic et le suivispatiotemporel de l’état de surface du sol. Pour déterminer lestendances à long terme et diagnostiquer la dégradation dumilieu, en l’occurrence la « désertification » dans notre cas,la surveillance devrait beaucoup plus porter sur l’état desurface que sur la végétation elle-même. L’analyseutilisera ainsi, une série d’image dans une perspectivechronologique .Ce qui permettra de prendre les mesuresd’intervention qui s’imposent pour la protection des secteurs à

23

risque et aussi de préserver les ressources édaphiques etvégétales pour un développement durable.

Références bibliographiques

ANRH (1980). Etude agropédologique de la plaine d’El Outaya+ carte pédologique échelle 1/50.000 eme

Belghith A. (1997) : Étude spectroscopique, salellitaire etintégrée de la dégradation des écosystèmes en conditionsarides (Tunisie présaharienne) – Intérêt des données optiqueset micro-ondes. Thèse de Doctorat, Paris VII, 1997, 264 p.

Bannari, A., Huete, A.R., Morin, D. et Zagolski, F.(1996) : Effets de la couleur et de la brillance du sol surles indices de végétation. International Journal of RemoteSensing, vol. 17, n 10, p. 1885-1906.

Courault, D., Girard, M.C. et Escadafal, R. (1988) :Modélisation de la couleur des sols par télédétection. P.357-362, in Guyenne T.D. et Hunt J.J. (réd.) Actes du 4Symposium international « Mesures physiques et signatures entélédétection », Aussois (France), 18-22 janvier 1988,Publication ESA SP-287, European Space Agency, Noordwijk.

Haboudane, D. (1999) : Intégration des données spectraleset géomorphométriques pour la caractérisation de ladégradation des sols et l’identification des zones desusceptibilité à l’érosion hydrique. Thèse de doctorat,Département de géographie et télédétection, Université deSherbrooke, Sherbrooke, 174 p.

Mattikalli, N.M. (1997): Soil color modeling for thevisible and near-infrared bands of Landsat sensors using

24

laboratory spectral signature. Remote Sensing of theEnvironment, vol. 59, p. 14- 28.

Messaadi, I. (2006): Croisement des données satellites avecdes données exogènes pour la collecte des statistiquesagricoles.

UNIG (2001) : cours de Télédétection, département degéographie - Canada.

25