Navigation – Plan du site
Articles

Potentialités des images Landsat pour l'identification et la délimitation de zones humides à l'échelle régionale : l'exemple de l'Est de la France

Sébastien Lebaut et Luc Manceau
p. 125-140

Résumés

Les zones humides, par l'enjeu sociétal qu'elles représentent, requièrent d'être inventoriées à l'échelle du territoire national. Une approche régionale, par télédétection spatiale de moyenne résolution spatiale, est une bonne échelle d'investigation. Il est cependant nécessaire d'avoir une démarche méthodologique garantissant un résultat homogène sur l'ensemble du territoire tout en aplanissant les difficultés d'identification liées à la nature protéiforme de l'objet géographique zone humide. Pour cela, nous proposons de maximiser les possibilités d'identification des zones humides en sélectionnant des images représentatives de situations hydro-climatiques favorables à la détection d'humidité de surface. La méthode statistique du CUSUM est utilisée afin de déterminer la période la plus propice, puis une méthode hybride alliant traitement des images sélectionnées et données exogènes, est développée. Elle conduit à mettre en évidence trois types de zones humides.

Haut de page

Texte intégral

I - Introduction

1Ces dernières décennies, les zones humides (ZH) ont considérablement diminué en nombre et en surface sous l'emprise du drainage des terres arables et de l'urbanisation (MEEDDM, 2010). Or les zones humides, marais, tourbières, vasières, prairies humides, étangs, mares, renferment une forte biodiversité et ont un rôle fonctionnel non négligeable, notamment dans le maintien d'une bonne qualité des eaux et dans la régulation des écoulements rapides de crue (G. OBERLIN, in E. FUSTEC et J.C. LEFEUVRE, 2000). Elles sont donc un enjeu pour "une gestion équilibrée et durable de la ressource en eau" (article L211-1 du code de l'environnement  LÉGIFRANCE, 2006). C'est en ce sens que leur inventaire et leur suivi sont une des missions prioritaires des Agences de l'Eau, notamment. La difficulté de cette mission réside dans le fait de disposer d'une source d'information systématique sur des surfaces de plusieurs dizaines de milliers de km2. À cet égard, les images de télédétection, par le caractère homogène, synoptique et répétitif des observations, constituent une source d'information particulièrement bien adaptée. Néanmoins la diversité de nature, taille ou forme des ZH, liées aux milieux qu'elles occupent, en font des entités géographiques naturelles protéiformes, qu'il est difficile d'observer à partir des procédures ex situ (FICWD, 1989) que permettent ces images.

2Cet article propose une méthodologie dérivée des images de télédétection de moyenne résolution spatiale Landsat capable d'identifier et de délimiter les ZH, en routine et sur de vastes territoires.

II - Position du problème

1 ) État de l'art

3Les nombreux travaux en télédétection se sont surtout focalisés sur une ZH ou un groupement de ZH dans le but de caractériser les différents habitats. À ces échelles relativement grandes et compte tenu de la diversité des ZH, la classification manuelle des photographies aériennes est particulièrement efficiente (L. PROVENCHER et J.M. DUBOIS, 2007), puisqu'elle résulte du cerveau humain qui identifie et interprète le contexte, les limites de l'objet ainsi que ses caractéristiques géométriques (J. VILLENEUVE, 2005). Cette méthode a été utilisée pour cartographier les zones humides d'Alsace par exemple (MEMORIS, 2011). Une classification automatique ne peut être aussi performante, car elle ne peut intégrer toutes ces caractéristiques. Mais, d'un autre côté, la classification manuelle est très chronophage, nécessite des opérateurs très bien entrainés, qui peuvent être néanmoins à l'origine d'une certaine hétérogénéité des résultats.

4C'est la raison pour laquelle la plupart des travaux actuels de télédétection appliqués aux ZH ont recours aux images satellitaires. En effet, leurs résolutions spatiale, spectrale et temporelle en constante augmentation sont à la base d'avancées significatives dans l'utilisation des technologies d'observation de la terre pour la cartographie des zones humides à l'échelle de bassin et de site. À titre d'exemples, L. WANG et al. (2004) et S. RAPINEL (2012) ont respectivement utilisé les images de capteurs hautes résolutions Ikonos sur une mangrove de la côte caribéenne et sur deux secteurs en France. On peut également citer l'utilisation d'images à forte résolution spectrale (A. TRAN, 2000 ; B.G. ORMISTON et C. SHEA, 2001 ; C.G. O'HARA, 2002 ; S. LAVENTURE, 2010). Néanmoins toutes ces images de hautes résolutions spatiale et spectrale sont utilisées sur des secteurs d'extension relativement limitée.

5En revanche, les images de moyennes résolutions sont adaptées à un inventaire sur de vastes surfaces et leur résolution permet de caractériser les "complexes zone humide" (Fig. 1). À cet égard, de nombreux travaux ont été recensés par E.P. CHIST (1985) et par K.R. HARVEY et G.J.E. HILL (2001) notamment. Il en ressort que les images Landsat et SPOT sont largement utilisées sur les ZH, sous toutes les latitudes, pour identifier leurs limites (P.F. HOUHOULLS et W.K. MILCHENER, 2000), leurs changements (H. ZHAO et al., 2010), ainsi que leurs habitats (S.A. SADER et al., 1995 ; A. MOQUET, 2003).

Figure 1 - Approche stratégique de l'inventaire des zones humides (d'après K. JONES et al., 2009, figure modifiée).

Figure 1 - Approche stratégique de l'inventaire des zones humides (d'après K. JONES et al., 2009, figure modifiée).

2 ) Hypothèse posée et secteurs tests

6Comme il est dit plus haut, les ZH présentent une hétérogénéité, une variabilité et des caractéristiques géométriques telles qu'elles posent un certain nombre de contraintes pour leur observation par télédétection. B. CLÉMENT et al. (2008) identifient trois types de limites à l'utilisation des images de télédétection pour les ZH. La première est la forte variabilité des réponses spectrales du fait de la diversité d'espèces végétales, ce qui se traduit par une proportion élevée de pixels de mélange. La deuxième contrainte, liée à la première, est le fait d'une trop faible résolution spatiale des capteurs au regard de la petite surface des ZH et de leur forme linéaire parfois plus ou moins étroite. Enfin, la troisième est liée à la variabilité temporelle des réponses spectrales en relation avec la phénologie de la végétation et les changements d'humidité du sol.

7L'idée sur laquelle repose notre approche est de considérer le contexte hydro-climatique lors de la prise de l'image comme devant être le plus favorable possible pour limiter au maximum les contraintes identifiées précédemment. Pour cela, nous nous appuyons sur la définition d'une zone humide. Le Code de l'environnement (2006) définit une zone humide comme "les terrains, exploités ou non, habituellement inondés ou gorgés d'eau douce, salée ou saumâtre de façon permanente ou temporaire. La végétation, quand elle existe, y est dominée par des plantes hygrophiles pendant au moins une partie de l'année". Donc, quel qu'en soit le type, une zone humide est avant tout caractérisée par la saturation ou une submersion des sols. Il s'agit donc de travailler à partir de situations très favorables à la saturation et surtout à la submersion temporaire des terrains, puisque celle-ci est le "critère majeur de discrimination" des zones humides.

8La méthodologie a été élaborée à partir de trois secteurs présentant un intérêt particulier pour les gestionnaires de l'Agence de l'Eau Rhin-Meuse (AERM). Situés dans le Nord-Est de la France (Fig. 2), en Lorraine et sur sa marge sud, ils recoupent les secteurs les plus riches en zones humides du territoire géré par l'AERM. Les trois secteurs, "Woëvre", "Moselle-est" et "Haute-Marne", respectivement d'une superficie de 534 km2, 1655 km2 et 953 km2, appartiennent à l'hydro-écorégion de niveau 1 "côte calcaire", qui est caractérisée par des terrains sédimentaires du Secondaire (J.B. WASSON et al., 2004).

Figure 2 - Localisation des secteurs tests (extrait de Google earth™).

Figure 2 - Localisation des secteurs tests (extrait de Google earth™).

9Les terrains peu perméables sont le siège de mares et de vasières et ont déterminé dès le Moyen-Âge l'implantation d'étangs. On peut citer à cet égard les étangs de la plaine de la Woëvre ou du Pays des Étangs. Plus récemment, l'extraction minière en lit majeur a laissé une multitude de gravières. On trouve également des ZH naturelles de type prairial dans les fonds alluviaux des corridors fluviaux les plus importants.

10Par conséquent, dans notre méthodologie, le choix de l'image est tout à fait crucial, la situation hydro-climatique devant permettre de contrer au maximum les contraintes précitées, à savoir la faible extension et l'hétérogénéité des zones humides. Pour la région considérée, l'Est de la France, les conditions les plus favorables ont lieu en fin d'hiver, saison pour laquelle la végétation est en dormance et les sols des ZH sont saturés voire submergés. Pour faire le choix des conditions les plus favorables, nous avons recours à un outil d'analyse statistique des longues séries hydro-climatiques. La méthode du CUSUM (D. FRANçOIS et al., 1993), par la variable Cj, rend compte des tendances dans une série de données climatiques :

11Appliquée ici aux précipitations mensuelles des trente dernières années, cette méthode permet de définir la période la plus favorable à la submersion des secteurs humides.

12Sur les trois dernières décennies, les contextes hydro-climatiques les plus favorables à la submersion des sols correspondent aux hivers de la période 2000 et 2001 (Fig. 3). À titre d'exemple, les images des 15 et 24 janvier 2000 montrent une situation hydrologique optimale à la submersion des secteurs humides, puisque durant les trois mois précédents ces dates les abats pluviométriques s'élevaient à près de 400 mm et faisaient suite à un mois de décembre cumulant près de 200 mm de précipitations.

Figure 3 - Valeurs mensuelles de la variable Cj du CUSUM pour les précipitations à la station de Metz (1980-2012) et images Landsat disponibles.

Figure 3 - Valeurs mensuelles de la variable Cj du CUSUM pour les précipitations à la station de Metz (1980-2012) et images Landsat disponibles.

III - Matériel et méthodologie

1 ) Matériel

13Les images Landsat sont acquises à partir du site web de l'USGS. Les requêtes effectuées dans le logiciel GLOVIS ont sélectionné une soixante d'images pour les trois secteurs (Tab. I).

Tableau I - Images Landsat disponibles par secteur test.

Tableau I - Images Landsat disponibles par secteur test.

Localisation des secteurs : voir figure 2.

14Selon les secteurs, les périodes les plus propices à l'identification des surfaces submergées sont les hivers 2000 et 2001 (Tab. II). Les hivers 2003 et 2007 sont également favorables. Au final, huit images ont été retenues, trois pour chacun des secteurs "Woëvre" et "Moselle-est" et deux pour celui de la "Haute-Marne".

Tableau II - Images Landsat d'hiver utilisées par zone test.

Tableau II - Images Landsat d'hiver utilisées par zone test.

15La méthode s'appuie en outre sur des données exogènes, considérées soit pour générer des masques de contrainte (MNT), soit en validation de résultats (Google Earth™, cartographie existante des ZH). Tous les indices topographiques sont obtenus à partir du MNT ASTER GDEM (V.2) de 22 m de résolution spatiale. Les images de haute résolution spatiale traitées par le logiciel Google Earth™ sont la principale source de données exogènes prises en compte dans les étapes de validation (photo-interprétation). Sur le secteur "Woëvre", nous disposons aussi d'une image SPOT à 10 m, qui a été intégrée à la validation. Enfin, la cartographie des zones humides remarquables de l'AERM, plus ou moins précise selon les secteurs, a été également utilisée pour valider les résultats. L'ensemble des traitements d'images, de l'extraction de l'information, des calculs et des représentations cartographiques a été réalisé par les logiciels Erdas Imagine™ et ArcGis™.

2 ) Méthodologie

16La méthodologie comporte des étapes successives conduisant à la détection de trois types de ZH (Fig. 4). Elle combine des informations de différents néo-canaux, de seuillages, de classifications non dirigées, dont le cadre a été contraint par l'indice topographique de K. BENVEN et M.J. KIRKBY (1979); En cela la méthode peut être qualifiée d'hybride (S.A. SADER et al., 1995).

Figure 4 - Démarche méthodologique.

Figure 4 - Démarche méthodologique.

17La première étape consiste en l'identification des surfaces d'eau libre par un indice spécifique. Nous avons testé l'indice normalisé d'humidité NDWI (B.C. GAO, 1996) ainsi que la méthode "Tasseled Cap". Bien qu'élaborés pour mettre en évidence la teneur en eau des végétaux, ces indices peuvent également mettre en évidence la présence des surfaces d'eau libre (S.K. MC FEETERS, 1996).

18NDWI se calcule comme suit :

19La méthode "Tasseled Cap" aboutit à des néo-canaux pour lesquels la signification est connue (E.P. CHIST, 1985) : le Wetness Index (TCW), troisième canal, représente l'humidité couplée du sol et de la végétation et identifie donc les surfaces submergées ou saturées. À partir des valeurs de réflectance du capteur ETM+ de Landsat 7, la valeur de TCW est calculée comme suit (C. HUANG et al., 2002) :

20Le niveau de détection de la méthode NDWI est néanmoins plus fin, comme l'atteste la figure 5 sur laquelle trois ZH sur sept n'ont pas été identifiées par la méthode "Tasseled Cap".

Figure 5 - Exemples de ZH identifiées par la méthode NDWI (à gauche) et "Tasseled Cap" (à droite, canal TCW).

Figure 5 - Exemples de ZH identifiées par la méthode NDWI (à gauche) et "Tasseled Cap" (à droite, canal TCW).

Source : image SPOT de 10 m de résolution. Les zones humides non identifiées par "Tasseled Cap" sont signalées par une auréole jaune-orangé.

21La méthode NDWI est donc retenue pour la détection des ZH sur les trois secteurs tests. Les surfaces submergées et/ou saturées sont obtenues par un seuillage des néo-canaux NDWI (valeur comprise entre 125 et 200 selon les images). Des pixels "parasites" ne faisant pas partie des ZH sont néanmoins retenus. Ils sont générés par la végétation forestière. Ceux présents au sein des massifs forestiers sont éliminés par l'application d'un masque issu des NDVI d'images d'été. Ceux correspondant à l'ombre portée des arbres, majoritairement en lisière de forêts, sont éliminés manuellement sur la base d'information exogènes, soit l'image SPOT XS 10 m, soit les images Google Earth™.

22La seconde étape délimite et caractérise les ZH à partir des surfaces submergées. Dans cette étape, on suppose une distinction nette entre le milieu spécifique aux ZH et les milieux environnants. L'idée suivie est que les surfaces identifiées dans l'étape précédente constituent des "noyaux" ZH avérées à partir desquels on cherche l'extension des surfaces environnantes humides. Une limite de recherche de ces secteurs humides autour des noyaux est posée. Dans sa mise en pratique, elle correspond à un buffer défini par la racine carrée de la surface ZH détectée (Fig. 6). Définie par la méthode essai-erreur et validée par photo-interprétation, cette définition répond au mieux au critère de contrainte de la zone de recherche, sans toutefois exclure les secteurs potentiellement humides.

Figure 6 - Exemples de buffer pour une portion du secteur Moselle-est.

Figure 6 - Exemples de buffer pour une portion du secteur Moselle-est.

Cette figure illustre l'étendue des buffers autour des "noyaux" ZH (en bleu).

23Sur ces surfaces, les différents essais de classification ont montré que le meilleur pouvoir de séparation des secteurs humides avec ceux qui ne le sont pas s'obtient à partir d'images de printemps et non d'hiver. Cela s'explique par l'assèchement progressif à partir de la fin de l'hiver des sols ne correspondant pas à des zones humides.

24Dans le but de renforcer son pouvoir discriminant, la classification non dirigée utilise les néo-canaux résultants des méthodes "Tasseled Cap" et "ACP" appliquées à trois images de printemps (Tab. III).

Tableau III - Images Landsat de printemps utilisées pour la construction des dix-huit néo-canaux.

Tableau III - Images Landsat de printemps utilisées pour la construction des dix-huit néo-canaux.

25Ainsi la délimitation des ZH avérées repose sur dix-huit néo-canaux (trois par méthode). À ce stade, deux caractéristiques des ZH sont obtenues : 1/ la surface d'eau libre et/ou saturée, 2/ la végétation de ZH sur son périmètre, comme l'illustre la figure 7.

Figure 7 - Composition colorée des trois premiers néo-canaux (sur les 18) et résultat de la classification non supervisée (à droite) : exemple sur la ZH d'Amel (secteur "Woëvre" ; Source : image Google Earth™ au centre).

Figure 7 - Composition colorée des trois premiers néo-canaux (sur les 18) et résultat de la classification non supervisée (à droite) : exemple sur la ZH d'Amel (secteur "Woëvre" ; Source : image Google Earth™ au centre).

26Bien que le contexte hydro-climatique retenu soit propice à la submersion des terrains, il est malgré tout probable que pour certaines ZH il n'y ait pas submersion des sols mais seulement saturation. Ceux-ci sont qualifiés de secteurs potentiellement humides. Ils correspondent à tous les points topographiques bas dans lesquels, en période hydrologique favorable, peut se former une accumulation d'eau pendant un temps plus ou moins long, ce qui rend ces milieux propices au développement de conditions de zones humides : flores adaptées aux conditions d'humidité les démarquant des milieux voisins.

27Pour mettre en évidence ces milieux, l'indice topographique λ de BEVEN-KIRKBY est utilisé pour sélectionner les secteurs susceptibles d'accumuler de l'eau. Utilisant la pente locale en un point et la surface du bassin versant à l'amont de celui-ci, il rend compte du potentiel de saturation du sol. En effet, plus la surface drainée en amont d'un point est étendue, plus la quantité d'eau produite est importante, mais plus la pente locale en ce point est faible, moins l'évacuation est facile. P. AUROUSSEAU et H. SQUIVIDANT (1995) soulignent que cet indice est performant pour modéliser les zones humides ou hydromorphes de bas-fond ou de fond de vallée. Il est calculé de la façon de la suivante :

28Le potentiel de saturation augmente avec la valeur de cet indice. Le seuil supérieur retenu pour caractériser les secteurs d'accumulation est 14,5 (Fig. 8).

Figure 8 - Exemple de l'indice λ de BEVEN-KIRKBY sur le secteur "Moselle-est" calculé à partir du MNT ASTER GDEM (V.2).

Figure 8 - Exemple de l'indice λ de BEVEN-KIRKBY sur le secteur "Moselle-est" calculé à partir du MNT ASTER GDEM (V.2).

29En s'appuyant sur le seuil supérieur de λ à 14,5, les secteurs pouvant potentiellement contenir des ZH représentent 17 %, 9 % et 6 % respectivement pour les secteurs "Moselle est", "Woëvre" et "Haute-Marne" (Tab. IV).

Tableau IV - Indice λ supérieur à 14,5 pour les secteurs tests.

Tableau IV - Indice λ supérieur à 14,5 pour les secteurs tests.

30Un masque correspondant aux secteurs potentiellement humides (λ > 14,5) et sur lequel les ZH avérées sont enlevées, est appliqué aux néo-canaux obtenus par la méthode "Tasseled Cap" à partir des images d'hiver (voir Tab. II). Il en résulte la mise en évidence de secteurs humides non dépendants de surfaces submergées (Fig. 9).

Figure 9 - Exemple de contraste d'humidité dans les "talwegs" du secteur "Moselle est".

Figure 9 - Exemple de contraste d'humidité dans les "talwegs" du secteur "Moselle est".

31Sur cette base, la partition entre secteurs potentiellement humides et non humides est faite par un seuillage sur le troisième néo-canal (TCW). Les secteurs ainsi identifiés sont des milieux humides potentiels, qui peuvent par conséquent présenter un faciès ZH intéressant à investiguer du point de vue fonctionnel des milieux.

IV - Résultats et discussion

32La méthodologie développée ici a permis l'identification de 158, 312 et 34 ZH respectivement sur les secteurs "Woëvre", "Moselle-est" et "Haute Marne" (Tab. V). Sur ces mêmes secteurs, la photo-interprétation des images de Google Earth™ a permis de comptabiliser 182, 642 et 74 ZH. Les résultats sont donc contrastés. Pour le secteur "Woëvre", les résultats sont très probants, puisque 87 % des ZH sont identifiées à partir des images Landsat. En revanche, pour les secteurs "Moselle-est" et "Haute-Marne", ils sont plus mitigés, les pourcentages étant respectivement de 49 et 46 %.

33Cette différence est liée au nombre important de ZH de faible surface dans ces deux derniers secteurs, comme l'attestent le rapport de 1 à 5 entre la ZH la plus petite du secteur "Woëvre" et les deux autres, ainsi que la distribution des ZH en fonction de leur taille (Fig. 10). En revanche, si l'on se réfère à la surface totale que représentent les ZH détectées et non à leur nombre, il apparaît qu'elles représentent partout plus de 95 % de la surface identifiée par photo-interprétation (Tab. V, Fig. 10).

Tableau V - Comparaison entre les ZH références (Réf.) visibles sur Google EarthTM et celles détectées (Dét.) à partir de l'image Landsat (images d'hiver).

Tableau V - Comparaison entre les ZH références (Réf.) visibles sur Google EarthTM et celles détectées (Dét.) à partir de l'image Landsat (images d'hiver).

Les surfaces (Surf.) sont exprimées en ha. Nb ZH : nombre de zones humides. Surf. min. : surface minimale. Surf. max. : surface maximale. Surf. totale : surface totale des ZH. Surf. moy. : surface moyenne des ZH.

Figure 10 - Les ZH totales et identifiées sur les trois secteurs.

Figure 10 - Les ZH totales et identifiées sur les trois secteurs.

34Au final, sur les trois secteurs, la méthode a permis d'identifier 504 ZH, soit 4351 ha, pour une surface test de 3142 km2. La plus petite ZH repérée comporte deux pixels (0,18 ha) et a en réalité une surface de 0,36 ha (mesurée sur Google Earth™). Cette limite inférieure coïncide avec ce qui est généralement évoqué dans la littérature pour les images Landsat (C. WRIGHT, A. GALLANT, 2007).

35La comparaison avec les secteurs répertoriés par l'AERM montre globalement une bonne superposition des ZH dérivées des images Landsat avec celles déjà référencées par l'AERM pour les ZH afférant à des surfaces d'eau libre (Fig. 11). En revanche, cette comparaison met en évidence la faiblesse des détections sur des secteurs qui concentrent un nombre important de ZH de très petite taille (inférieures à 30 m de diamètre). Cela est lié au seuil de détection défini par la résolution spatiale des images (cf. supra). Ce seuil de détection limite également la détection des ZH de forme linéaire trop étroite, et bien évidemment la méthode n'a pas permis d'identifier les ZH sous forêt.

Figure 11 - Validation par les ZH d'intérêt majeur répertoriées par l'AERM.

Figure 11 - Validation par les ZH d'intérêt majeur répertoriées par l'AERM.

36Les ZH potentielles, bien que contraintes par des caractéristiques topologiques fortes (indice de BEVEN-KIRKBY) sont dérivées par une classification non supervisée. Par conséquent, seule une expertise sur le terrain permettrait à la fois de calibrer un seuil collant à la réalité et d'apprécier le degré de fiabilité des résultats.

37Au final, sur les trois secteurs, 156 km2 de ZH ont été identifiés, dont 37 km2 correspondent à des surfaces d'eau libre au moment de la prise de vue, 25 km2 sont constitués de terrains humides attenant à de l'eau libre et 93 km2 sont des secteurs potentiellement humides (Tab. VI).

Tableau VI - Surfaces totales (en ha) des différents types de ZH détectées à partir de l'image Landsat (images de printemps).

Tableau VI - Surfaces totales (en ha) des différents types de ZH détectées à partir de l'image Landsat (images de printemps).

38L'intérêt scientifique de cette approche est de disposer d'une base objective d'inventaire des ZH dans le cadre d'une méthode opérationnelle.

39Il s'agit en fait de fournir aux services gestionnaires des milieux naturels un inventaire des zones humides le plus exhaustif et le plus fiable possible, mais également d'offrir la possibilité de relier le résultat de cet inventaire à une situation hydro-climatique favorable replacée dans un contexte temporel. Ce dernier point permet d'envisager plus spécifiquement la fonction hydrologique des ZH et ainsi de mieux l'intégrer dans la gestion des bassins versants.

V - Conclusion

40Ce travail sur les "potentialités des images Landsat pour l'identification et la délimitation de zones humides à l'échelle régionale" débouche sur deux perspectives.

41La première a trait à l'échelle de ce travail. Dans un premier temps, la démarche méthodologique pourrait être appliquée à l'ensemble d'un territoire de gestion, comme les Agences de l'Eau par exemple. Cela fournirait un référentiel ZH "de base" avec un seuil de détection connue de l'ordre de 0,3 ha si l'on considère l'imagerie Landsat, ce qui compte tenu de la surface du territoire est déjà une bonne précision. Sur cette base, il est possible de caractériser plus finement les ZH en utilisant des images de meilleures résolutions spatiales et spectrales comme cela a déjà été tenté.

42La deuxième perspective concerne la gestion des ZH et s'inscrit dans le prolongement d'une cartographie de celles-ci à un niveau spatial homogène. Il serait possible d'y associer également une homogénéité "temporelle" en contraignant le choix des images par des situations hydrologiques de référence (débits fréquentiels du cours d'eau principal du bassin versant par exemple). Ainsi "ces objets géographiques" s'inséreraient dans la codification hydrographique nationale. Dans ce cas, une approche fonctionnelle des ZH devrait aboutir à une typologie.

43Pour conclure, les résultats sont probants pour la résolution spatiale utilisée. Néanmoins de bons résultats nécessitent une démarche relativement complexe à mettre en œuvre, car s'appuyant sur un nombre important d'images portant chacune, en fonction de la saison végétative et de la situation hydrologique, des caractéristiques particulières. Dans une perspective de gestion, la méthodologie développée peut être un préalable à la caractérisation à une échelle fine des ZH, à partir de la photo-interprétation et de visites de terrain.

Remerciements : Cette étude a bénéficié du soutien financier de l'Agence de l'Eau Rhin-Meuse. Les auteurs remercient les deux relecteurs anonymes pour leurs remarques qui ont permis d'améliorer sensiblement ce texte.

Haut de page

Bibliographie

AUROUSSEAU P. et SQUIVIDANT H. (1995) - Rôle environnemental et identification cartographique des sols hydromorphes de bas fonds. Ingénierie EAT, numéro spécial "La rade de Brest", p 75-85.

BEVEN K. et KIRKBY M.J. (1979) - A physically based variable contributing area model or basin hydrology. Hydrological Sciences Bulletin, vol. 24, n° 1, p. 43-69.

CLÉMENT B., HUBERT-MOY L. et RAPINEL S. (2008) - Évaluation des fonctions des zones humides à partir de données de télédétection à très haute résolution spatiale. Application expérimentale à la Basse Vallée de la Dordogne. Rapport technique, EPIDOR, 92 p.

CHIST E.P. (1985) - A TM "Tasseled Cap" equivalent transformation for reflectance factor data. Remote Sensing of the Environnement, vol. 17, n° 3, p. 301-306.

FICWD (1989) - Federal manual for identifying and delineating jurisdictional wetlands. Interagency Cooperative publication, Federal Interagency Committee for Wetland Delineation, Washington (USA), 76 p. + annexes.

FUSTEC E., LEFEUVRE J.C. (2000) - Fonctions et valeurs des zones humides. Édit. DUNOD, Paris, 426 p.

FRANçOIS D., GILLE E. et ZUMSTEIN J.F. (1993) - Analyse des séries chronologiques et application aux données hydroclimatologiques. In : L'Eau, la Terre et les Hommes, livre en hommage à René FRÉCAUT, M. GRISELIN édit., Édit. Presses Universitaires de Nancy, p. 137-146.

GAO B.C. (1996) - NDWI  A Normalized Difference Water Index for remote sensing of vegetation liquid water from space. Remote sensing of the Environment, vol. 58, n° 3, p. 257-266.

HARVEY K.R. et HILL G.J.E. (2001) - Vegetation mapping of a tropical freshwater swamp in the northern territory, Australia: a comparison of aerial photography, Landsat TM and SPOT satellite imagery. International Journal of Remote Sensing, vol. 22, n° 15, p. 2911-2925.

HUANG C., WYLIE B., YANG L., HOMER C. et ZYLSTRA G. (2002) - Derivation of a tasseled cap transformation based on Landsat 7 at-satellite reflectance. International Journal of Remote Sensing, vol. 23, n° 8, p. 1741-1748.

HOUHOULLS P.F. et MICHENER W.K. (2000) - Detecting wetland change: a rule-based approach using NWI and SPOT-XS data. Photogrammetric Engineering and Remote Sensing, vol. 66, n° 2, p. 205-211.

JONES K., LANTHIER Y., VAN DER VOET P., VAN VALKENGOED E., TAYLOR D. et FERNANDEZ-PRIETO D. (2009) - Monitoring and assessment of wetlands using Earth Observation: the GlobWetland project. Journal of Environmental Management, vol. 90, n° 7, p. 2154-2169.

LAVENTURE S. (2010) - Élaboration d'une méthode de cartographie des zones humides de Guyane par télédétection. Mémoire de Mastère, Montpellier SupAgro, 44 p.

LÉGIFRANCE (2006) - Code de l'environnement. En ligne : http://www.legifrance.gouv.fr.

MC FEETERS S.K. (1996) - The use of Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, vol. 17, n° 7, p. 1425-1432.

MEEDDM (2010) - Les zones humides : Un enjeu national. Bilan de 15 ans de politiques publiques. Édit. Ministère de l'Écologie, de l'Énergie, du Développement durable et de la Mer, 91 p.

MEMORIS (2011) - Guide méthodologique. Réalisation de la base de données d'occupation du sol (Bd-OCS2007) sur la région Alsace et les Parcs Naturels Régionaux des Vosges du Nord et des Ballons des Vosges. Lot 4 : Interprétation des zones à dominante humide en 2007. Rapport technique, société MEMORIS, 60 p. + annexe.

MOQUET A. (2003) - Apports de la télédétection pour la cartographie d'habitats terrestres en zones humides méditerranéennes. Application aux habitats de la Réserve Nationale de Camargue. Mémoire de fin d'études d'Ingénieur, ENSAIA Nancy, 52 p.

O'HARA C.G. (2002) - Remote sensing and geospatial application for wetland mapping, assessment, and mitigation. American Society for Photogrammetry and Remote Sensing, en ligne, 13 p.

ORMISTON B.G. et SHEA C. (2001) - Remote sensing of environmental conditions at wetlands in west-central Florida (USA) using high-resolution multispectral imagery. In : Remote Sensing and Hydrology, IAHS Publication, n° 267, p. 513-518.

PROVENCHER L. et DUBOIS J.M. (2007) - Précis de télédétection. Volume 4 : Méthodes de Photointerprétation et d'Interprétation d'Image. Édit. Presses de l'Université du Québec, Québec (Canada), 468 p.

RAPINEL S. (2012) - Contribution de la télédétection à l'évaluation des fonctions des humides: de l'observation à la modélisation prospective. Thèse de l'Université de Bretagne, 384 p.

SADER S.A., AHL D. et LIOU W.S. (1995) - Accuracy of Landsat-TM and GIS rule-based methods for forest wetland classification in Maine. Remote Sensing of the Environment, vol. 53, n° 3, p. 133-144.

TRAN A. (2000) - Application de la télédétection hyperspectrale à la cartographie et l'étude des formations végétales du marais de Kaw. Rapport de l'IRD Guyane, 41 p.

VILLENEUVE J. (2005) - Delineating wetlands using geographic information system and remote sensing technologies. Thèse de Master, Université du Texas, 88 p.

WANG L., SOUSA W.P. et GONG P. (2004) - Integration of object-based and pixel-based classification for mapping mangroves with IKONOS imagery. International Journal of Remote Sensing, vol. 25, N° 24, p. 5655-5668.

WASSON J.B., CHANDESRIS A., PELLA H. et BLANC L. (2004) - Les hydro-écorégions : une approche fonctionnelle de la typologie des rivières pour la directive cadre européenne sur l'eau. Ingénieries - Eau, Agriculture, Territoire, n° 40, p. 3-10.

WRIGHT C. et GALLANT A. (2007) - Improved wetland remote sensing in Yellowstone National Park using classification trees to combine TM imagery and ancillary environmental data. Remote Sensing of the Environment, vol. 107, n° 4, p. 582-605.

ZHAO H., CUI B., ZHANG H. et FAN X. (2010) - A landscape approach for wetland change detection (1979-2009) in the Pearl River Estuary. Procedia Environmental Sciences, vol. 2, p. 1265-1278.

Haut de page

Table des illustrations

Titre Figure 1 - Approche stratégique de l'inventaire des zones humides (d'après K. JONES et al., 2009, figure modifiée).
URL http://physio-geo.revues.org/docannexe/image/4563/img-1.jpg
Fichier image/jpeg, 340k
Titre Figure 2 - Localisation des secteurs tests (extrait de Google earth™).
URL http://physio-geo.revues.org/docannexe/image/4563/img-2.jpg
Fichier image/jpeg, 296k
URL http://physio-geo.revues.org/docannexe/image/4563/img-3.jpg
Fichier image/jpeg, 48k
Titre Figure 3 - Valeurs mensuelles de la variable Cj du CUSUM pour les précipitations à la station de Metz (1980-2012) et images Landsat disponibles.
URL http://physio-geo.revues.org/docannexe/image/4563/img-4.jpg
Fichier image/jpeg, 228k
Titre Tableau I - Images Landsat disponibles par secteur test.
Légende Localisation des secteurs : voir figure 2.
URL http://physio-geo.revues.org/docannexe/image/4563/img-5.jpg
Fichier image/jpeg, 60k
Titre Tableau II - Images Landsat d'hiver utilisées par zone test.
URL http://physio-geo.revues.org/docannexe/image/4563/img-6.jpg
Fichier image/jpeg, 100k
Titre Figure 4 - Démarche méthodologique.
URL http://physio-geo.revues.org/docannexe/image/4563/img-7.jpg
Fichier image/jpeg, 336k
URL http://physio-geo.revues.org/docannexe/image/4563/img-8.jpg
Fichier image/jpeg, 76k
URL http://physio-geo.revues.org/docannexe/image/4563/img-9.jpg
Fichier image/jpeg, 56k
Titre Figure 5 - Exemples de ZH identifiées par la méthode NDWI (à gauche) et "Tasseled Cap" (à droite, canal TCW).
Légende Source : image SPOT de 10 m de résolution. Les zones humides non identifiées par "Tasseled Cap" sont signalées par une auréole jaune-orangé.
URL http://physio-geo.revues.org/docannexe/image/4563/img-10.jpg
Fichier image/jpeg, 500k
Titre Figure 6 - Exemples de buffer pour une portion du secteur Moselle-est.
Légende Cette figure illustre l'étendue des buffers autour des "noyaux" ZH (en bleu).
URL http://physio-geo.revues.org/docannexe/image/4563/img-11.jpg
Fichier image/jpeg, 168k
Titre Tableau III - Images Landsat de printemps utilisées pour la construction des dix-huit néo-canaux.
URL http://physio-geo.revues.org/docannexe/image/4563/img-12.jpg
Fichier image/jpeg, 88k
Titre Figure 7 - Composition colorée des trois premiers néo-canaux (sur les 18) et résultat de la classification non supervisée (à droite) : exemple sur la ZH d'Amel (secteur "Woëvre" ; Source : image Google Earth™ au centre).
URL http://physio-geo.revues.org/docannexe/image/4563/img-13.jpg
Fichier image/jpeg, 232k
URL http://physio-geo.revues.org/docannexe/image/4563/img-14.jpg
Fichier image/jpeg, 52k
Titre Figure 8 - Exemple de l'indice λ de BEVEN-KIRKBY sur le secteur "Moselle-est" calculé à partir du MNT ASTER GDEM (V.2).
URL http://physio-geo.revues.org/docannexe/image/4563/img-15.jpg
Fichier image/jpeg, 416k
Titre Tableau IV - Indice λ supérieur à 14,5 pour les secteurs tests.
URL http://physio-geo.revues.org/docannexe/image/4563/img-16.jpg
Fichier image/jpeg, 96k
Titre Figure 9 - Exemple de contraste d'humidité dans les "talwegs" du secteur "Moselle est".
URL http://physio-geo.revues.org/docannexe/image/4563/img-17.jpg
Fichier image/jpeg, 488k
Titre Tableau V - Comparaison entre les ZH références (Réf.) visibles sur Google EarthTM et celles détectées (Dét.) à partir de l'image Landsat (images d'hiver).
Légende Les surfaces (Surf.) sont exprimées en ha. Nb ZH : nombre de zones humides. Surf. min. : surface minimale. Surf. max. : surface maximale. Surf. totale : surface totale des ZH. Surf. moy. : surface moyenne des ZH.
URL http://physio-geo.revues.org/docannexe/image/4563/img-18.jpg
Fichier image/jpeg, 156k
Titre Figure 10 - Les ZH totales et identifiées sur les trois secteurs.
URL http://physio-geo.revues.org/docannexe/image/4563/img-19.jpg
Fichier image/jpeg, 488k
Titre Figure 11 - Validation par les ZH d'intérêt majeur répertoriées par l'AERM.
URL http://physio-geo.revues.org/docannexe/image/4563/img-20.jpg
Fichier image/jpeg, 212k
Titre Tableau VI - Surfaces totales (en ha) des différents types de ZH détectées à partir de l'image Landsat (images de printemps).
URL http://physio-geo.revues.org/docannexe/image/4563/img-21.jpg
Fichier image/jpeg, 78k
Haut de page

Pour citer cet article

Référence papier

Sébastien Lebaut et Luc Manceau, « Potentialités des images Landsat pour l'identification et la délimitation de zones humides à l'échelle régionale : l'exemple de l'Est de la France », Physio-Géo, Volume 9 | -1, 125-140.

Référence électronique

Sébastien Lebaut et Luc Manceau, « Potentialités des images Landsat pour l'identification et la délimitation de zones humides à l'échelle régionale : l'exemple de l'Est de la France », Physio-Géo [En ligne], Volume 9 | 2015, mis en ligne le 26 juin 2015, consulté le 23 juillet 2017. URL : http://physio-geo.revues.org/4563 ; DOI : 10.4000/physio-geo.4563

Haut de page

Auteurs

Sébastien Lebaut

Laboratoire LOTERR, Université de Lorraine, 34 cours Léopold, 54052 NANCY cedex.
Courriel : sebastien.lebaut@univ-lorraine.fr

Luc Manceau

Laboratoire LOTERR, Université de Lorraine, 34 cours Léopold, 54052 NANCY cedex.
Courriel : luc.manceau@univ-lorraine.fr

Haut de page

Droits d’auteur

Licence Creative Commons
Les contenus de Physio-Géo - Géographie Physique et Environnement sont mis à disposition selon les termes de la Licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.

Haut de page
  • Logo DOAJ – Directory of Open Access Journals
  • Revues.org