PINEY Isabelle

Anne 2009 - 2010

Rapport de stage de Master EA 2me anne

Spcialit Biodiversit, Ecotoxicit, cosystmes

Parcours Conservation et Restauration de

la Biodiversit

Comparaison de protocoles de caractrisation des troues de la

canope sur des sries temporelles de photos ariennes :

application la caractrisation du rgime de perturbation.

Stage ralis du 08 fvrier au 06 aot 2010, au CEMAGREF (Montpellier), sous la direction de :

Mme DURRIEU Sylvie, chercheur au CEMAGREF, Montpellier.

M. DEVIN Simon, enseignant-chercheur de lUniversit Paul Verlaine de Metz.

Mmoire soutenu le 31 aot 2010 devant le jury compos de :

M. MULLER Serge, responsable de la formation

Mme DURRIEU Sylvie, tuteur au sein du CEMAGREF

Mme GOSSELIN Marion, responsable du stage

M. DEVIN Simon, tuteur universitaire

Remerciements

Je tiens remercier tout particulirement Sylvie Durrieu, pour mavoir accepte en stage et accueillie au sein de la MTD. Son aide et ses conseils mont t prcieux tout au long de ces six mois. Egalement intress par mon sujet de stage, Cdric Vga a t dune aide prcieuse, tant pour les questions thoriques que techniques. Je souhaite galement remercier lquipe de Nogent-sur-Vernisson, toujours disponible pour rpondre mes interrogations, par mail ou par tlphone : Frdric et Marion Gosselin, pour leur aide mthodologique et statistique, ainsi que Yoan Paillet, pour sa connaissance du terrain dtude et son aide lors du traitement des donnes. Merci aussi tout le personnel de la MTD pour leur gentillesse et la chaleur de leur accueil. Lors des recherches bibliographiques, Sylvie Blin-Sarah, documentaliste, a t un alli prcieux pour mapprendre manipuler les outils documentaires ma disposition ainsi que pour la recherche darticles, je tiens lui exprimer ici ma gratitude. Je remercie galement lquipe dinformaticiens : Alain Clopes, Guy Roussin, Nicolas Moyroud, Pierre Malard pour leurs conseils techniques. Merci Stphane Dupuy et Thierry Tormos, pour mavoir permis dassister leur cours sur le logiciel Definiens ; Roberto Meloni, galement pour son aide avec Definiens et lautorisation quil ma donne dutiliser le ruleset quil a cr, me faisant ainsi gagner un temps prcieux. Merci galement Jean Negrel, qui a fortement contribu mon adaptation rapide au sein de la MTD, pour sa bonne humeur, les pauses caf et les pauses geek . Je remercie aussi le Rseau Biodiv de la MTD de mavoir invite participer aux runions, ce fut une exprience trs enrichissante qui ma permis de mieux connaitre les sujets dtude de la MTD et de rencontrer diffrents chercheurs aux sujets trs divers, et toujours intressants. Merci donc Pierre-Andr Pissard, animateur du Rseau Biodiv, ainsi qu Jennifer Amsallem, Isabelle Chaffaut, Flavie Cernesson, Maguelonne Teisseire, et tous ceux que je nai pas mentionn et qui font partie de ce groupe de travail. Mes remerciements vont aussi toute lquipe de la plateforme : Soizic, Nicolas, Julie, Clotilde, Elodie, Pauline, Elder, Antoine, David, Adrien, Lucas, et tous ceux que joublie, pour les bons moments passs ensemble, leur bonne humeur et la bonne ambiance de travail quils ont contribu crer. Je noublie pas le groupe Caf de la Doc du midi, avec qui jai eu des discussions aussi diverses quenrichissantes ; mais navre, malgr vos efforts je ne me suis pas encore totalement convertie aux logiciels libres ! Enfin, je noublie pas mes parents, mes proches et mes amis pour leur soutien et leur prsence tout au long de mes tudes, et plus particulirement au cours de ce stage. Un grand merci galement Jrme, pour mavoir soutenue, encourage et aide malgr la distance qui nous sparait.

Sommaire

Remerciements

Liste de tableaux

Liste des figures

Liste des annexes

Liste des abrviations

Prsentation de lorganisme daccueil ...................................................................................... A

1. Le Cemagref. ............................................................................................................................... A

2. LUMR Territoires, Environnement, Tldtection et Information Spatiale ........................ A

3. LUR Ecosystmes forestiers EFNO .......................................................................................... B

Prrequis ................................................................................................................................... i

Contexte du stage .................................................................................................................. 1

1. Prsentation du projet Gestion forestire, Naturalit, Biodiversit .................................... 1

2. Dispositif dtude. ....................................................................................................................... 2

Objectifs du stage .......................................................................................................... 3

Chapitre 1 : La cartographie des troues forestires - Synthse bibliographique ............ 5

1. Intrt de la cartographie des troues forestires..................................................................... 5

1.1. Rle des troues dans les cosystmes forestiers .......................................................................5

1.2. Notions de troues : diffrents types ...........................................................................................5

2. Diffrentes approches de cartographie des troues .................................................................. 7

3. Avantages et inconvnients des deux types dapproches ........................................................ 10

4. Choix mthodologiques pour ltude GNB. .............................................................................. 12

Chapitre 2 : Photogrammtrie : principes de base. ....................................................... 14

1. Principes de base ...................................................................................................................... 14

2. Calcul de MNS ........................................................................................................................... 16

3. Orthorectification : de la photo arienne limage superposable un plan .......................... 16

Chapitre 3 : Matriel et mthodes ............................................................................... 18

1. Zone dtude, donnes et logiciels disponibles ........................................................................ 18

1.1. Zone dtude ............................................................................................................................. 18

1.2. Donnes disposition ............................................................................................................... 19

1.3. Logiciels utiliss ......................................................................................................................... 20

1.3.1. ArcGIS 9.2 (ESRI, 1998-2009) ...................................................................................... 20

1.3.2. ERDAS Imagine 9.2 (Leica Geosystems Geospatial Imaging, LLC, 1991-2008) ............ 20

1.3.3. Definiens eCognition Developer 7.0 (daprs le site de lUMR TETIS, fiche logiciel

Definiens , www.tetis.teledetection.fr) ....................................................................................... 21

2. Dfinition de la troue arrte pour ltude. ........................................................................... 22

3. Traitement des donnes. .......................................................................................................... 22

3.1. Prparation des donnes de base ............................................................................................. 22

3.1.1. Prparation du projet LPS et mise en place des points de calage ..................................... 22

3.1.2. Gnration et vrification du MNS ................................................................................... 23

3.1.3. Gnration et vrification des orthophotos ...................................................................... 24

3.1.4. Gnration dun Modle Numrique de Terrain grce des photos dhiver ................... 25

3.2. Modles numriques de Canope ............................................................................................ 25

4. Mthodes didentification des troues .................................................................................... 26

4.1. Analyse de sries temporelles de MNC sous ERDAS Imagine ................................................ 26

4.1.1. Analyse des cartes annuelles des troues potentielles ..................................................... 26

4.1.1.1. Cartographie annuelle des troues potentielles ............................................................... 26

4.1.1.2. Combinaison des cartes ..................................................................................................... 28

4.1.2. Cartographie des troues par analyse de lvolution temporelle des hauteurs brutes ... 28

4.2. Cartographie des troues par analyse texturale et radiomtrique sous Definiens ............... 30

4.3. Analyse combine de linformation radiomtrique et texturale et du MNC sous Definiens .. 31

4.4. Validation et comparaison des mthodes ................................................................................. 31

4.4.1. Validation des cartes de troues par analyse visuelle et par comparaison aux relevs

terrain ........................................................................................................................................... 31

4.4.2. Comparaison des rsultats obtenus par les diffrentes mthodes .................................. 32

4.4.2.1. Matrices de confusion ....................................................................................................... 32

4.4.2.2. Comparaison des surfaces classes en troues selon les diffrentes mthodes. ............. 32

Chapitre 4 : Rsultats ................................................................................................... 34

1. Prcision du MNT gnr partir de photos dhiver ............................................................... 34

2. Prcision des MNC .................................................................................................................... 35

3. Les diffrentes cartes de troues obtenues ............................................................................. 36

3.1. Cartographie des troues par comparaison des MNC .............................................................. 36

3.2. Cartographie par analyse texturale ........................................................................................... 36

3.3. Cartographie par combinaison de lanalyse texturale et du MNC ............................................ 36

4. Comparaison des cartes de troues obtenues par les diffrentes mthodes. ........................ 37

4.1. Matrices de confusion ............................................................................................................... 37

4.2. Classification partir du MNC. .................................................................................................. 39

4.3. Classification oriente objet ...................................................................................................... 40

4.4. Classification oriente objet couple au MNC .......................................................................... 40

4.5. Comparaison des surfaces classes selon les diffrentes mthodes ........................................ 41

4.6. Comparaison une rfrence ................................................................................................... 41

Chapitre 5 : Discussion ................................................................................................. 43

1. Dfinition de la troue .............................................................................................................. 43

2. Apports mthodologiques ........................................................................................................ 44

2.1. Mise au point de protocole pour ltude des hauteurs darbres en foret ................................ 44

2.2. Test de plusieurs mthodes didentification des troues ......................................................... 44

2.3. Validit du MNT ralis partir de photos dhiver ................................................................... 44

3. Validation terrain ...................................................................................................................... 45

4. Avantages et inconvnients des mthodes utilises - Problmes rencontrs ......................... 46

4.1. Temps de prparation et de traitement des donnes .............................................................. 46

4.2. Diffrences de radiomtrie sur les images ................................................................................ 47

4.3. Problmes non rsolus .............................................................................................................. 47

Chapitre 6 : Conclusion. ............................................................................................... 49

1. Validation de la mthode ......................................................................................................... 49

2. Transfrabilit de la mthode : quelle possibilit dapplication dautres massifs forestiers ? .

.................................................................................................................................................. 49

Liste des rfrences bibliographiques .......................................................................... 50

Rsum

Dans un contexte global dintensification de lexploitation des ressources forestires, il est

important de connaitre les impacts de cette exploitation sur la biodiversit. Dans ce but, le projet

Gestion forestire, Naturalit, Biodiversit , actuellement en cours en France, cherche

comprendre le lien entre biodiversit, exploitation des parcelles forestires et naturalit, en

comparant des parcelles non exploites des parcelles exploites et en mesurant un certain

nombre de variables cologiques.

Afin dapporter une dimension paysagre et temporelle ce projet, ltude des troues partir

de photographies ariennes a t mise en place en 2010. Plusieurs mthodes didentification des

troues ont t testes : analyse de modles numriques de hauteurs, classification oriente

objet et classification oriente objet couple un modle numrique de hauteur ; dans le but de

dterminer quelle mthode est la plus fiable.

Les rsultats obtenus montrent que la classification oriente objet couple un modle

numrique de hauteurs donne des rsultats prometteurs sur un massif forestier de plaine. Il faut

dsormais tester lefficacit de cette approche sur dautres massifs, en particulier en montagne.

Mots-cls : troues, Modle Numrique de Canope, Modle Numrique de Surface,

Classification Oriente Objet.

Abstract

Nowadays, exploitation of forest resources is increasing, and it is important to know how this

exploitation affects biodiversity. To achieve this goal, the research project Gestion forestire,

Naturalit, Biodiversit seeks to understand the link between biodiversity, forest harvesting and

naturalness, by comparison between managed and unmanaged forest.

In order to provide a spatial and temporal dimension to this project, the study of forest gaps,

based on aerial photography, was lead on 2010. Three methods for identify gaps were tested:

analysis of digital elevation models, object-based image analysis, and object-based analysis in

addition to digital elevation model ,in order to determine which method is the most reliable.

The results show that the object-based analysis combined with digital elevation model is giving

interesting results on a plain forest. Now, this method must be tested on other types of forests,

in particular on mountain forests.

Keywords: gaps, digital elevation model, canopy height profile, object-based image analysis.

Liste de tableaux.

Tableau I : Diffrentes dfinitions des troues.

Tableau II : Synthse des diffrents types de photos ariennes utilises par les diffrentes

tudes.

Tableau III : Caractristiques des photographies ariennes utilises.

Tableau IV : Combinaison des types de couvert ayant servi la cration des arbres de dcision

pour les cartes binaires .

Tableau V : Combinaison des types de couvert ayant servi la cration des arbres de dcision

pour les cartes par hauteurs .

Tableau VI : Tailles et rayons des surfaces tudies autour des placettes.

Tableau VII : Comparaison de la classification oriente objet par rapport au MNC

Tableau VIII : Comparaison de la classification oriente objet couple au MNC par rapport au

MNC.

Tableau IX : Comparaison des deux classifications orientes objets.

Tableau X : Surfaces moyennes classes selon les hauteurs.

Tableau XI : Proportion de surfaces classes selon le MNC, par parcelles, selon diffrentes

tailles de zones tampons.

Tableau XII : Surfaces moyennes classes selon la classification oriente objet.

Tableau XIII : Proportion de surfaces classes selon la classification oriente objet, par parcelles,

selon diffrentes tailles de zones tampons.

Tableau XIV : Surfaces moyennes classes selon la classification oriente objet couple au MNC.

Tableau XV : Proportion de surfaces classes selon la classification oriente objet couple au

MNC, par parcelles, selon diffrentes tailles de zones tampons.

Tableau XVI : Comparaison des surfaces moyennes classes en troues selon les diffrentes

mthodes.

Tableau XVII : Comparaison des diffrentes mthodes de classification la photo-interprtation

manuelle.

Liste des figures

Figure 1 : Processus dorthorectification.

Figure 2 : Principe de la stroscopie.

Figure 3 : Interface graphique du Modeler dERDAS Imagine 9.2.

Figure 4 : Exemple de dcalage entre la Bd Ortho et lorthophoto de 1987 ralise partir

du MNS non corrig.

Figure 5 : Absence de dcalage entre la Bd Ortho et lorthophoto de 1987 ralise partir

du MNS corrig.

Figure 6 : Reconstruction du MNS aprs corrections.

Figure 7 : Comparaison des valeurs du MNT hiver et du MNT de lIGN.

Figure 8 : Comparaison de valeurs ponctuelles du MNC et des mesures terrain.

Figure 9 : Comparaison des valeurs moyennes du MNC dans un buffer de 10 m et des

mesures terrain.

Figure 10 : Comparaison des valeurs maximales du MNC dans un buffer de 10 m et des

mesures terrain.

Liste des annexes

Annexe A : Exemple de certificat de calibration dune camra mtrique

Annexe B : Photographie arienne avant et aprs orthorectification

Annexe C : Localisation des sites dtude en Fort Domaniale de Fontainebleau

Annexe D : Exemples darbres de dcision utiliss dans le Knowledge Engineer

Annexe E : Exemple de segmentation ralise avec Definiens

Annexe F : Exemple de classification ralise avec Definiens

Annexe G : Modeler utilis pour calculer le MNT partir de photos dhiver

Annexe H : Carte des types de troues de 1961 2000, ralise partir des MNC avec

limination des petites troues Intersection des MNC

Annexe I: Carte des troues par dates dapparition de 1961 2000, ralise partir des MNC

bruts Intersection des MNC

Annexe J : Classification oriente objet ralise sur lorthophoto de 1961

Annexe K : Classification oriente objet couple au MNC ralise sur lorthophoto et le MNC

de 1961

Annexe L : Matrice de confusion : principe

Annexe M : Procdure suivie pour lextraction des valeurs du MNT dhiver et validation

Annexe N : Tutoriel : prise en main rapide de Leica Photogrammetry Suite

Liste des abrviations

MTD : Maison de la TlDtection en Languedoc Roussillon.

ONF : Office National des Forts.

RNF : Rserves Naturelles de France.

SIG : Systme dInformation Gographique.

MNT : Modle Numrique de Terrain.

MNS : Modle Numrique de Surface.

MNC : Modle Numrique de Canope.

IGN : Institut Gographique National.

IFN : Inventaire Forestier National.

Lidar: Light Detection And Ranging, tldtection par laser.

IRC : Infra-Rouge Couleur

NB : Noir et Blanc

A

Prsentation de lorganisme daccueil

1. Le Cemagref.

Le Cemagref est un organisme de recherche spcialis en sciences et technologies pour

l'environnement, plac sous la double tutelle des ministres en charge de la recherche et de

l'agriculture. Les approches scientifiques permettent d'tudier les cosystmes complexes, l'eau,

les territoires et la biodiversit et leurs interrelations avec les activits humaines. Elles visent

offrir des solutions concrtes aux questions environnementales et sont fondes sur un

partenariat fort avec les industriels et les collectivits territoriales.

Les quipes pluridisciplinaires travaillent sur l'adaptation au changement global, associant les

sciences exprimentales, les sciences conomiques et sociales et la science informatique

(modlisation, intgration de donnes) :

Risques environnementaux : crues, inondations, avalanches, feux de fort, pollutions

diffuses

Surveillance des milieux aquatiques continentaux, ressources en eau, usages de l'eau

Technologies propres : cotechnologies, co-valuation, cotoxicologie, traitement et

valorisation nergtique des dchets organiques.

Amnagement du territoire

Economie et sociologie de l'environnement : observatoire de la biodiversit,

tldtection, trames verte et bleue.

2. LUMR Territoires, Environnement, Tldtection et Information Spatiale

Montpellier, le Cemagref a fond, en partenariat avec AgroParisTech, et le Cirad une Unit

Mixte de Recherche Territoires, Environnement, Tldtection et Information Spatiale

(TETIS), rassemblant environ quatre-vingt chercheurs, enseignants-chercheurs et personnels

administratifs et techniques, ainsi quune vingtaine de doctorants, autour des mthodes de

matrise de linformation spatiale pour la gestion de lenvironnement et le dveloppement

territorial. LUMR TETIS est implante Montpellier (Maison de la Tldtection et site de

Baillarguet) et Clermont-Ferrand (site du Cemagref). Les approches dveloppes par les

chercheurs de lunit sont inscrites dans les champs disciplinaires de la tldtection (capteurs,

B

traitement de limage et du signal), des systmes dinformation, de lanalyse spatiale, de la

gographie, des sciences de lenvironnement et du dveloppement territorial.

Dans le domaine de linformation pour le dveloppement territorial, lUMR a notamment

dvelopp des comptences mthodologiques dune part pour caractriser l'espace rural et pri-

urbain en tant que support de ressources ou d'activits partir d'images de tldtection et

dautre part pour la modlisation de la dynamique spatiale de systmes territoriaux o

interagissent des processus relatifs au fonctionnement du milieu physique, et aux activits

anthropiques qui le transforment : couplages de modles et systmes dinformation

gographique, dveloppement de modles spatiaux. LUMR mne galement des recherches sur

les modes de gouvernance et de concertation des acteurs autour du partage de linformation, et

sur les conditions dappropriation et de mobilisation de cette information.

Pour mener bien ces recherches, des partenariats scientifiques et techniques sont tisss avec

les agences spatiales nationales et europennes (CNES, ESA) et lindustrie spatiale de pointe

(Thales, Spot Image, Astrium etc.)

3. LUR Ecosystmes forestiers EFNO

Lunit EFNO travaille sur les thmatiques de la biodiversit et de ses interactions avec une

gestion durable et multifonctionnelle des forts. Lquipe Biodiversit travaille plus

particulirement sur quatre problmatiques qui sont :

(1) Anticiper les consquences sur la biodiversit de l'volution de la gestion forestire, en

particulier le changement d'essences, laugmentation des volumes rcolts et le

raccourcissement des cycles sylvicoles ; (2) comprendre l'influence du paysage actuel et pass sur

la rpartition et la dynamique de la biodiversit forestire, en relation avec la trame verte du

Grenelle de l'environnement ; (3) dvelopper des mthodes d'inventaires standardises,

destines en particulier aux gestionnaires et aux suivis de biodiversit, et des mthodes d'analyse

adaptes aux jeux de donnes de biodiversit ; (4) synthtiser et diffuser les connaissances

scientifiques sur les pratiques de gestion favorables la biodiversit.

(Sources : sites internet du Cemagref : www.cemagref.fr et de lUMR TETIS : www.tetis.teledetection.fr )

http://www.cemagref.fr/http://www.tetis.teledetection.fr/

Organigramme gnral du Cemagref (organisme daccueil) :

Centre rgional

daccueil du stagiaire

Organigramme de lUMR TETIS (lieu effectif daccueil) :

Axe de recherche dont

dpend le stagiaire

i

Prrequis

Modles de hauteurs (figure a) :

Modle Numrique de Terrain (MNT). Un MNT est un maillage gorfrenc fournissant

laltitude du sol au centre de chaque maille. Lorsque la grille est rgulire, le MNT peut tre

enregistr dans un format raster (matriciel) et le pas de la grille, appel rsolution, est une de ses

caractristiques. La prcision dun MNT dpend la fois de la taille de la maille et de lerreur sur

laltitude chaque nud (Muraz et al, 1999). Ainsi, un MNT avec une maille de 50m sera moins

prcis quun MNT avec une maille de 10 ou mme de 1m, mais pourra tre suffisant pour

beaucoup dusages.

Modle Numrique de Surface (MNS). Le MNS est un maillage gorfrenc fournissant

laltitude du sursol au centre de chaque maille, contrairement au MNT il ne fournit pas laltitude

du sol nu mais laltitude de ce qui se trouve sur le sol. Ainsi en fort on aura la hauteur des

arbres, en ville celle des btiments, sur terrain nu celle du sol, etc.

Modle Numrique de Canope (MNC). En fort, maillage gorfrenc obtenu par soustraction

du MNT au MNS afin davoir uniquement la hauteur des arbres. Dans notre tude, il sert de base

ltude des troues car cest partir des diffrences de hauteur entre arbres que nous

identifions celles-ci.

Figure a. Principe et diffrences entre les modles de hauteurs.

ii

Pyramide : Une pyramide est un empilement de copies de l'image plus ou moins forte

rsolution. Avec les pyramides, une copie des donnes rsolution plus faible s'affiche

rapidement lors du dessin du jeu de donnes dans son intgralit, dans un logiciel de SIG par

exemple. Au fur et mesure que l'on effectue un zoom avant, les niveaux dont la rsolution est

plus leve sont dessins ; la performance reste optimale car on dessine successivement des

surfaces plus petites. Le fichier de pyramide porte le nom du jeu de donnes raster, mais peut se

trouver dans un dossier diffrent (le chemin est indiqu dans le fichier auxiliaire). (Source :

www.portailsig.org )

Vocabulaire propre la photographie arienne donnes ncessaires lorthorectification.

Orthophotographie : une orthophotographie ou orthophoto est une image obtenue par

traitement dun clich arien numrique ou argentique dont la gomtrie a t redresse de

sorte que chaque point soit superposable une carte plane qui lui correspond (Source :

Wikipdia, http://fr.wikipedia.org/wiki/Orthophotographie). La correction peut tre effectue

partir dun MNT ou dun MNS, et la qualit de lorthophoto dpendra de celle du MNS.

Marques fiduciaires: repres de fond de chambre situs aux quatre angles et/ou au milieu des

quatre cots du fond dune chambre mtrique et qui matrialisent, sur chaque clich, le systme

de coordonnes image (voir figure b. Lintersection des lignes joignant les repres opposs

dtermine le centre du clich ou point principal. Les coordonnes exactes de ces repres sont

donnes sur le certificat de calibration. Ces informations sont indispensables lors de

lorthorectification dune photographie (Boureau, 2008).

Point principal : il correspond au point milieu d'une projection centrale, c'est--dire le point

dtermin par l'intersection d'une perpendiculaire au plan focal passant par le centre de

projection. (Source : http://www.unites.uqam.ca/dgeo/geo7630-2004/section2_4.pdf ). Sur une

photographie arienne, il peut tre dtermin par lintersection des lignes joignant les marques

fiduciaires, mais ses coordonnes prcises sont donnes par le certificat de calibration.

Point principal dautocollimation : il correspond l'intersection du rayon principal (qui

correspond l'axe principal de l'optique thorique) et du plan focal. (Source :

http://www.unites.uqam.ca/dgeo/geo7630-2004/section2_4.pdf)

http://www.portailsig.org/http://fr.wikipedia.org/wiki/Orthophotographiehttp://www.unites.uqam.ca/dgeo/geo7630-2004/section2_4.pdfhttp://www.unites.uqam.ca/dgeo/geo7630-2004/section2_4.pdf

iii

Distorsions radiales : des asymtries de lentilles ainsi qu'une lgre dviation du rayon principal

par rapport la perpendiculaire qu'il devrait former avec le plan focal introduisent des

distorsions radiales talonnes en laboratoire et dcrites dans le rapport d'talonnage. (Source :

http://www.unites.uqam.ca/dgeo/geo7630-2004/section2_4.pdf).

Figure b. Dtail dune marque fiduciaire sur une photographie arienne de 1987.

Vision binoculaire : le cerveau interprte les images venant des deux yeux. Les images obtenues

par l'il gauche et l'il droit sont lgrement diffrentes car le point d'observation est diffrent.

Le cerveau interprte ces deux images et permet une perception tridimensionnelle de l'objet

(daprs le site de luniversit de Pierre et Marie Curie de Jussieu,

http://www.snv.jussieu.fr/vie/dossiers/2yeux/visionbin.html ).

Vision stroscopique : ensemble des techniques mises en uvre pour reproduire une

perception du relief partir de deux images planes. Elle est ne pratiquement en mme temps

que la photographie et se base sur le fait que la perception humaine du relief se forme dans le

cerveau lorsqu'il reconstitue une seule image partir de la perception des deux images planes et

diffrentes provenant de chaque il. Il existe, pour raliser ces images, aussi bien que pour les

observer, une grande varit de moyens (source : http://fr.wikipedia.org/wiki/Stroscopie ).

http://www.unites.uqam.ca/dgeo/geo7630-2004/section2_4.pdfhttp://www.snv.jussieu.fr/vie/dossiers/2yeux/visionbin.htmlhttp://fr.wikipedia.org/wiki/Perceptionhttp://fr.wikipedia.org/wiki/Reliefhttp://fr.wikipedia.org/wiki/Imagehttp://fr.wikipedia.org/wiki/Photographiehttp://fr.wikipedia.org/wiki/Reliefhttp://fr.wikipedia.org/wiki/Cerveauhttp://fr.wikipedia.org/wiki/%C5%92ilhttp://fr.wikipedia.org/wiki/Stroscopie

iv

Photogrammtrie : Discipline dont le but est la dtermination des dimensions, positions et

formes des objets au moyen de mesures faites sur des photographies ariennes, en la parallaxe

obtenue entre des images acquises selon des points de vue diffrents. Recopiant la vision

stroscopique humaine, elle a longtemps exploit celle-l pour reconstituer le relief de la scne

partir de cette diffrence de points de vue. Actuellement, elle exploite de plus en plus les

calculs de corrlation entre des images dsormais numriques. Cette technique repose

entirement sur une modlisation rigoureuse de la gomtrie des images et de leur acquisition

afin de reconstituer une copie 3D exacte de la ralit. (Sources : Manuel dinterprtation des

photographies ariennes infrarouges, JG Boureau, d. IFN ; www.fr.wikipedia.org).

Radiomtrie : mesure de lintensit des rayonnements rflchis ou mis par une surface.

http://www.fr.wikipedia.org/

1

Contexte du stage

Alors que les ressources forestires sont largement exploites par lhomme en France et dans le

monde, il est important de connaitre les impacts de cette exploitation sur la biodiversit. Dans ce

but, le projet Gestion forestire, Naturalit, Biodiversit (GNB) men par le Cemagref en

partenariat avec lOffice National des Forts et les Rserves Naturelles de France tudie le lien

entre biodiversit, exploitation forestire et naturalit, en comparant la biodiversit de parcelles

exploites celle de parcelles non exploites (Rserves Biologiques Intgrales ou parties de

Rserves Naturelles).

1. Prsentation du projet Gestion forestire, Naturalit, Biodiversit

Lobjectif de cette tude est danalyser l'impact de l'exploitation du bois sur la biodiversit

forestire mtropolitaine. Le projet prsente une tude statistique et multi-taxonomique des

pressions pesant sur la biodiversit, grce une comparaison entre peuplements exploits et

peuplements en volution naturelle. Il sagit de dterminer ce qui explique le mieux les variations

de biodiversit forestire entre des zones exploites et non exploites. Parmi les facteurs

explicatifs probables, on peut distinguer :

- la naturalit anthropique : la perturbation induite par lexploitation du bois qui

modifie la biodiversit de manire plus ou moins forte et plus ou moins longue. Ce facteur

vise quantifier la capacit du systme revenir son tat initial (rsilience) ;

- la naturalit biologique et cologique : la prsence de micro-habitats typiques des

stades matures de forts non exploites tels que le bois mort (qualit et quantit), les

cavits sont un facteur dterminant pour la biodiversit de nombreux cortges despces ;

- la structure et la composition du peuplement arbor : linfluence de la diffrence de

structure et de composition du peuplement sur la biodiversit. Par exemple, plusieurs tudes

en Scandinavie ont montr quun facteur dterminant des diffrences de biodiversit entre

peuplements exploits et non exploits tait la prsence de tremble (Populus tremula) dans

les peuplements naturels, alors que cette espce est exclue par lexploitation. Cest dans ce

volet que lapproche troues tudie durant ce stage se situe.

Ainsi, ce projet marge la fois aux thories cologiques lies aux notions de perturbation (dure

entre deux perturbations ; intensit de la perturbation, la perturbation tant la coupe forestire

2

ou une perturbation naturelle) et d'habitat (relation de la biodiversit aux caractristiques

dendromtriques), en interaction avec les traits d'histoire de vie des espces.

Source : site internet du projet, www.gnb.cemagref.fr.

2. Dispositif dtude.

Le dispositif dtude comprend en 2010 les forts de Fontainebleau (77), Auberive/Chalmessin

(52), Ventron (88), Cteaux et Combe Lavaux (21), Ballons Comtois (70) et Chiz (79), dans

lesquelles 121 placettes tires au sort sous contrainte stationnelle ont t quitablement

rparties entre zones en rserve depuis au moins 20 ans et zones gres pour la production de

bois. Pour chaque placette, 7 groupes taxonomiques sont chantillonns : plantes vasculaires,

mousses, champignons, chauve-souris, oiseaux, coloptres carabiques et saproxyliques. Ces

donnes de biodiversit, identit et abondance des espces en nombre d'individus, seront les

variables expliquer. Des paramtres cologiques sont relevs, qui seront tests comme

variables explicatives : situation de la placette en rserve ou en zone exploite, mais aussi

d'autres variables cologiques, qui sont acquises :

- soit par un relev cologique complet sur le terrain (description du peuplement), sur une

surface de 0.1 0.5 ha centre sur la placette

- soit par recherches dans les archives (historique de coupes, anciennet de ltat bois)

- soit par une analyse de photographies ariennes (paramtres cologiques caractrisant le

paysage environnant la placette). Le travail ralis pendant mon stage et prsent dans ce

rapport porte plus prcisment sur ce dernier point.

http://www.gnb.cemagref.fr/

3

Objectifs du stage

Le travail de ce stage sinscrit dans la nouvelle dimension qui a t apporte au projet GNB, la

dimension spatiale et temporelle, par le biais dune tude diachronique des troues. L'une des

hypothses tester est en effet que la diversit biologique prsente en un point de la fort

dpend en partie du rgime de perturbation de la canope dans le paysage environnant : dans

notre cas, nous souhaitons tudier linfluence de troues de grande taille (> 0,15 ha), d'origine

sylvicole (coupes) ou naturelle (chablis et dgts de temptes) en fort de plaine. Pour cela, le

dveloppement de mthodes de caractrisation des troues est un travail ncessaire, afin de voir

quel protocole didentification automatise des troues est le plus efficace. Le massif de

Fontainebleau a t choisi comme zone dtude pour ce travail exploratoire. Les informations

recherches sur chaque placette sont :

- la surface de troues, ou le pourcentage de canope en troues, dans un buffer circulaire

(plusieurs tailles seront envisages, de 1 ha 100 ha) autour de la placette.

- le pourcentage de la canope ayant t en troue par le pass (entre 1949 et 2003), toujours

dans un buffer circulaire de 1 100 ha autour de la placette.

- une estimation de la taille de chaque troue, de faon pouvoir calculer les quantits

prcdentes avec un seuil minimal de surface (ex. surface de troues de plus de x ha).

Les objectifs du stage taient

(1) dvaluer la possibilit de reconstituer lhistorique des troues et dobtenir ces

informations par lanalyse dune srie temporelle de photographies ariennes, et

(2) de proposer une mthode danalyse facilement transposable aux autres sites. Pour cette

tude, des photographies ariennes au format numrique acquises diffrentes dates

(1949, 1961, 1987, 2000 et 2003) ont t commandes auprs de lIGN.

Nous allons dabord prsenter une synthse bibliographique qui nous a permis de prciser les

notions de troues et didentifier des pistes pour lanalyse de notre srie temporelle de

photographies ariennes. Puis nous prsenterons les trois approches retenues pour lanalyse des

photographies :

- une mthode base sur lanalyse du modle numrique de hauteur calcul par

photogrammtrie (utilisation de couples de photographies avec recouvrement) ;

4

- une mthode de classification automatique base sur les informations radiomtriques et

texturales des photographies numriques (sans stroscopie);

- une mthode de classification automatique base la fois sur les informations de limage et

sur le modle numrique de hauteur.

Les diffrents protocoles seront ensuite compars et nous tenterons de dterminer quel

protocole semble le plus performant. Nous proposerons galement une mthode reproductible

plus large chelle que celle de ltude prsente ici.

5

Chapitre 1 : La cartographie des troues forestires - Synthse

bibliographique

1. Intrt de la cartographie des troues forestires

1.1. Rle des troues dans les cosystmes forestiers

En fort tempre, les troues formes par la mort dun ou plusieurs arbres sont un mode de

perturbation majeur, et permettent la rgnration des essences forestires (Runkle 1982,

Tanaka et Nakashizuka, 1997). La taille des troues est un facteur crucial pour des essences ayant

diffrents degrs de tolrance lombre, dterminant ainsi la composition du peuplement en

essences forestires : les espces sciaphiles se plairont dans les petites troues alors que les

hliophiles se dvelopperont dans les grandes troues (Fujita et al., 2003). De plus, les troues

peuvent abriter une faune et une flore spcifiques (champignons et insectes saproxyliques,

oiseaux se nourrissant des insectes, etc.), qui sont souvent exclues des peuplements grs car le

bois mort est gnralement vacu.

Il est donc important de suivre ces perturbations, afin davoir une meilleure connaissance du

fonctionnement des cosystmes forestiers, et de la biodiversit quils sont susceptibles

dabriter.

1.2. Notions de troues : diffrents types

Intuitivement, on dfinit une troue comme tant un trou dans une fort, une interruption du

couvert forestier dans un paysage bois. La troue est galement dfinie par des critres de

forme, de surface, de pourcentage de couvert vgtal, de hauteur de vgtation (hauteur

absolue ou relative), de dynamique de fermeture adapter chaque contexte dtude. Selon la

dynamique de perturbation tudie, on ne sintressera pas aux mmes tailles de troues :

celles-ci seront trs petites dans ltude de la dynamique en fort naturelle tropicale, o la chute

dun arbre dfinira une troue ; les troues seront de taille bien plus importante dans les tudes

6

portant sur les dynamiques de perturbation par le feu, les temptes ou encore les perturbations

anthropiques (coupes de rgnration).

Les dfinitions des troues sont nombreuses, il existe quasiment autant de dfinitions que de

programmes de recherches sur le sujet. On distingue ainsi les dfinitions tenant compte du

peuplement adjacent de celles tenant compte de la dynamique temporelle, et les dfinitions

prvues pour identifier les troues partir dinventaires terrain de celles prvues pour

lidentification partir de donnes de tldtection.

Le tableau I prsente les diffrentes dfinitions trouves dans la littrature tudie. Une des

dfinitions les plus simples et qui peut sappliquer tous les types de forts est celle propose

par Brokaw : un trou dans la fort travers tous les tages jusqu' 2m au-dessus du sol

(Brokaw, 1982), ou encore celle utilise par Barden : [une troue est une] ouverture dans la

strate de la canope forme par la mort dun seul arbre, dune partie dun arbre, ou de plusieurs

arbres dans un groupe (Barden, 1989). En 1992, Runkle donne sa propre dfinition de la troue,

reprenant en partie la dfinition de Barden : une troue est forme par la mort (absence de la

canope) dau moins la moiti dun arbre , avec une surface maximale de 10 arbres morts, ou un

ratio hauteur de la canope / diamtre de la troue gal 1 (Runkle, 1992).

Cependant, ces dfinitions sont encore trop gnrales pour tre prcises, il manque des critres

permettant de diffrencier une troue dune clairire, ou dune route se situant en fort par

exemple. Une troue est en effet dfinie galement par une dimension temporelle : une troue

va se refermer aprs un certain temps, et laisser place de nouveaux arbres, qui vont remplacer

ceux qui sont tombs et ont permis la cration de la troue. Il a fallu poser des limites

permettant de dfinir quand une troue souvre, mais aussi et surtout quand on considre

quune troue sest referme.

Ainsi, en 1997, une quipe de chercheurs japonais tudiant les troues en fort tempre dfinit

une troue comme tant un endroit de la fort o la canope nexcde pas 15m de hauteur

(Tanaka et Nakashizuka, 1997), ce critre de hauteur tant une faon de visualiser le temps mis

par les arbres pour repousser aprs une perturbation. Cette mthode leur a permis de

cartographier des troues de grande taille (suprieures 100 m), nombreuses dans ces forts

perturbes essentiellement par les typhons. Faute de donnes temporelles prcises,

Publication Dfinition de la troue

Auteur(s) Anne Titre Citation Hauteur Surface Prcisions

Brokaw 1982 The Definition of Treefall Gap and Its Effect on Measures of

Forest Dynamics

"trou dans la fort travers tous les tages jusqu' 2m au

dessus du sol" 2m et au-del NP

bords irrguliers en ralit, mais pour avoir une

dfinition exploitable, on considre qu'ils sont

verticaux

Barden 1989 Repeatability in Forest Gap

Research: Studies in the Great Smoky Mountains

"ouverture dans la strate de la canope forme par la mort dun seul arbre, dune partie dun arbre, ou de plusieurs

arbres dans un groupe"

NP NP

Runkle 1992 Guidelines and sample

protocol for sampling forest gaps.

"forme par la mort (absence de la canope) dau moins la

moiti dun arbre." NP

10 arbres, avec "un ratio hauteur de la canope / diamtre de la troue gal

1"

Tanaka et Nakashizuka

1997

Fifteen years of canopy dynamics analyzed by aerial photographs in a temperate

decidous forest, Japan

"gaps as areas without a canopy higher than 15m"

canope infrieure 15m infrieure 1 000

m

Fujita et al 2003

Long-Term Canopy Dynamics Analysed by Aerial

Photographs in a Temperate Old-Growth Evergreen Broad-

Leaved Forest

"gaps are areas where the canopy was no more than 15m

from the ground" canope infrieure 15m (mini) 6,25 m

Zeibig et al 2005

Gap disturbance patterns of a Fagus sylvatica virgin forest remnant in the mountain

vegetation belt of Slovenia

"trou cr par la chute dun ou plusieurs arbres de la canope"

1/2 de la hauteur moyenne de la canope

(mini) 6m

Vepakomma et al

2007

Spatially explicit characterization of boreal forest gap dynamics using multi-temporal lidar data

"ouverture dans la canope cause par la chute dun seul ou

dun groupe darbres dune certaine hauteur"

5 m : en-dessous c'est une troue, au-dessus la

canope est ferme NP

"la lisire de la troue est dfinie comme la projection verticale de la canope des

arbres adjacents la troue"

Tableau I. Diffrentes dfinitions des troues. NP = Non Prcis

7

ce critre de hauteur est souvent utilis dans les tudes sur les troues, car lorsquon connait le

rythme de croissance des arbres dans les forts tudies, il nest pas difficile destimer lge des

troues connaissant la taille des arbres qui sont en train de la coloniser.

2. Diffrentes approches de cartographie des troues

Dans la littrature, on trouve deux grandes familles de mthodes utilises pour cartographier les

troues : la cartographie par transects sur le terrain et partir de donnes de tldtection.

Selon la dfinition de la troue qui sera retenue, la mthode de cartographie pourra varier.

2.1 Cartographie par transects sur le terrain

Les approches permettant de caractriser des micro-habitats et bases sur des transects

parcourus sur le terrain comportent des critres faciles mesurer pour un oprateur terrestre,

comme la hauteur des arbres, leur diamtre, la direction dans laquelle ils sont tombs, etc. On

peut prendre en compte des lments tels que lge des troues, car en effectuant des

inventaires rgulirement, on peut savoir depuis combien de temps les arbres sont tombs. De

mme, la mesure de la pente, de lexposition, la caractrisation du sol et du peuplement adjacent

(essences, hauteurs, diamtres), louverture de la troue ou encore la vgtation en train de

coloniser la troue peuvent tre notes lorsque lon est sur le terrain. La taille des troues est

souvent mesure approximativement, en considrant la troue comme une ellipse, et en

mesurant deux diamtres perpendiculaires (Runkle 1982, Zeibig et al. 2005).

2.2 Cartographie partir de donnes de tldtection

Une autre approche qui sest dveloppe avec lvolution des technologies, aussi bien dans le

domaine de lacquisition de donnes images (photographies ariennes puis images satellitaires),

que dans celui des traitements et de lanalyse de ces images (logiciels de plus en plus

performants, augmentation de la puissance de calcul des ordinateurs) est la cartographie partir

de donnes de tldtection.

Plusieurs mthodes peuvent tre mises en uvre : lanalyse dimages, qui prend en compte

uniquement la radiomtrie et la texture des images, et les mthodes danalyse utilisant des

8

modles numriques de hauteurs (Modles Numriques de Surface et/ou de Canope). Le

tableau II prsente une synthse des diffrents types de photos ariennes utilises par ces

tudes.

2.2.1 Mthodes danalyses dimages

Lanalyse par photo-interprtation prenant en compte uniquement la radiomtrie et la texture

des images peut se faire en analysant visuellement les peuplements selon des transects ou des

grilles de points tracs sur les images, comme celle utilise par Fensham et al. (2002, 2007). Elle

consiste, sur une photo recouverte dune grille de points, rpartir les points de la grille en trois

catgories : arbre, buisson ou sol. Lanalyse peut galement tre automatise, en utilisant des

logiciels danalyse dimages orients objet, du type Dfiniens. Ces logiciels permettent de

classer limage en diffrentes catgories et ainsi de dterminer quelles zones sont des troues.

Ds 1983, Murtha mettait en vidence, dans son tude portant sur lidentification des dgts

dans des plantations de Douglas (Pseudotsuga menziesii Mirb) par photo-interprtation, que

lchelle de la photo tait importante pour une analyse prcise. En effet, en comparant des

photos diffrentes chelles (1 : 1 000 et 1 : 4 000), il ressort que lchelle la plus grande est la

plus efficace pour dnombrer les arbres morts, dfeuills ou rougissant, alors que lchelle la plus

petite (1 : 4 000) ne permet didentifier que les arbres morts. En 1984, une tude semblable

analysait la mortalit dans des plantations dpinette blanche (Picea glauca Moench) en

Amrique du Nord (Morse et al., 1984). Une tude semblable mene par Zeibig, Diaci et Wagner

(2005) se base la fois sur un inventaire terrain et sur une analyse de photos ariennes de 1998

en noir et blanc, ayant une chelle de 1 : 17 500. La comparaison des deux protocoles avait pour

but de voir si les photos ariennes permettaient une analyse suffisamment fine pour remplacer

lapproche terrain, plus longue et plus coteuse.

Publication Photos utilises

Auteur(s) Anne Titre Anne de

prise de vue Emulsion Echelle

Tanaka et Nakashizuka

1997 Fifteen years of canopy dynamics

analyzed by aerial photographs in a temperate decidous forest, Japan

1976 NP 1:20 000

1981 NP 1:16 000

1986 NP 1:16 000

1991 NP 1: 8 000

Fujita et al. 2003

Long-Term Canopy Dynamics Analysed by Aerial Photographs in a Temperate Old-Growth Evergreen

Broad-Leaved Forest

1966 NP 1:20 000

1983 NP 1:20 000

1993 NP 1:20 000

1998 NP 1:8 000

Fensham et al. 2002 Quantitative assessment of

vegetation structural attributes from aerial photography

NP NP 1:25 000

NP NP 1:40 000

Fensham et Fairfax

2007 Effect of photoscale, interpreter bias and land type on woody crown-cover

estimates from aerial photography

2004 Couleur 1:25 000

2004 Couleur 1:40 000

2004 Couleur 1:50 000

2004 Couleur 1:80 000

Zeibig et al. 2005 Gap disturbance patterns of a Fagus sylvatica virgin forest remnant in the mountain vegetation belt of Slovenia

1998 Noir et blanc 1:17 500

Murtha 1983 Some air-photo scale effects on

Douglas-Fir damage type interpretation

1979 Infrarouge

Couleur 1:1 000

1979 Infrarouge

Couleur 1: 4 000

Morse 1984

Plantation white spruce mortality : estimates based on aerial

photography and analysis using a life-table format

1981 Couleur 1: 9 600

Publication Donnes lidar

Auteur(s) Anne Titre Anne

d'acquisition Modle de

lidar Altitude

Vepakomma et al

2007 Spatially explicit characterization of

boreal forest gap dynamics using multi-temporal lidar data

1998 Optech

ALTM1020 700 m

2003 Optech

ALTM2050 1000 m

Tableau II. Synthse des types de photos ariennes utilises par les diffrentes tudes. NP = Non Prcis.

9

Dans cette tude, une troue tait dfinie comme tant un trou cr par la chute dun ou

plusieurs arbres de la canope , et il tait stipul que la hauteur de la troue tait de la moiti

de la hauteur moyenne de la canope , prenant ainsi en compte le peuplement adjacent et

permettant dtre plus proche de la ralit du terrain. La surface minimale prise en compte dans

ltude de 2005 tait de 6m, mais ltude a montr que par analyse des photos ariennes seules

13 troues taient identifies sur les 49 inventories sur le terrain, les troues dune surface

infrieures 100 m ntant pas reconnues. Ces deux tudes montrent que lchelle des

photographies doit tre choisie en fonction de la taille minimale des troues que lon cherche

identifier.

2.2.2 Mthodes danalyses de hauteurs

Les mthodes utilisant des modles numriques de hauteur sont toujours assistes par

ordinateur, pour le calcul de ces modles en particulier. Il existe deux faons daccder aux

hauteurs des arbres : par photogrammtrie, c'est--dire en extrayant linformation de couples de

photographies permettant davoir le relief des objets, ou par mesures ralises grce au Lidar

(Light Detection and Ranging ou laser terrestre aroport).

Lutilisation de couples de photographies ariennes permet dobtenir des modles numriques

de surface, dont on drive des modles numriques de canope par soustraction dun modle

numrique de terrain. Ces modles numriques de canope donnent la hauteur des arbres en

tout point de la zone dtude. Cela permet de visualiser les endroits de la fort o les arbres sont

absents, ou moins hauts que le peuplement environnant, ce qui permet de dlimiter les troues

plus prcisment que depuis le sol. Ainsi, en prenant un seuil de hauteur au-dessous duquel on

considre que lon est en prsence dune troue, et au-dessus duquel on considre que la troue

est referme, on obtient une carte des troues potentielles. Une troue sera considre comme

tant une vraie troue si elle se referme au cours du temps, dans le cas contraire ce sera une

troue permanente, et ne sera pas prise en compte pour ltude. En croisant plusieurs cartes, on

peut retracer la dynamique dun peuplement forestier. En 1997, lquipe de Tanaka et

Nakashizuka analyse la dynamique forestire sur une priode de quinze ans grce des photos

ariennes, en gnrant des modles numriques de canope par photogrammtrie (Tanaka et

Nakashizuka, 1977). En 2003, Fujita et ses collaborateurs ont pu suivre lvolution des troues sur

une priode de 32 ans en utilisant sensiblement la mme mthode (Fujita et al, 2003).

10

Lutilisation de donnes acquises par Lidar aroport pour les applications forestires est assez

rcente (annes 2000). Dans une tude base sur lanalyse de MNC drivs de donnes Lidar,

Vepakomma et al. ont considr une troue comme tant une ouverture dans la canope

cause par la chute dun seul ou dun groupe darbres dune certaine hauteur , en prenant une

hauteur-seuil de 5 m : au-dessus de ce seuil le peuplement est considr comme ferm, au-

dessous on est en prsence dune troue (Vepakomma et al, 2007). La dtection des troues se

fait toujours sur le principe dune valeur-seuil, mais la gnration des modles numriques de

canope est base sur linterpolation des mesures lidar en tout point du MNC.

3. Avantages et inconvnients des deux types dapproches

3.1 Mthodes dinventaires sur le terrain

Les mthodes dinventaire terrain des troues sont assez simples mettre en uvre, mais elles

sont longues. Elles consistent le plus souvent parcourir des transects sur le terrain et noter les

endroits o les arbres sont tombs, afin de reporter ensuite ces mesures sur une carte et avoir

une cartographie des troues. Elles permettent de recueillir des informations impossibles

obtenir partir de photos ariennes, comme par exemple la nature de la vgtation en train de

coloniser la troue, les caractristiques du sol

Cependant, mme si elles ne demandent pas de connaissances thoriques particulires, ces

mthodes ne sont pas forcment trs prcises, car la taille des troues est le plus souvent

approxime par une ellipse, et il est parfois difficile pour loprateur de savoir quels arbres

entrent ou non dans la troue lorsquon a pris un seuil de hauteur pour diffrencier les

peuplements des troues. En revanche, elles permettent dinventorier les troues de faible taille

qui sont plus difficilement dtectes par analyse dimages. Cependant, la dlimitation de la

troue est assez imprcise, du fait quil est difficile, sur le terrain, de dterminer si un arbre de

taille moyenne entre dans la catgorie troue ou dans le peuplement ferm. De plus, il nest

gnralement possible de cartographier que de petites troues, car au-del dune certaine

surface, il est facile de prendre une troue de grande taille pour plusieurs troues de petite taille

proches les unes des autres.

11

3.2 Analyse de photos ariennes

Diffrentes tudes utilisant les principes de la tldtection, automatise ou non, ont t

menes, en particulier en France, ce qui permet davoir un certain recul par rapport aux

mthodes ainsi quun retour dexprience. En 2001, une publication portant sur lidentification

des diffrents types de chtaigneraies en France (Bonin, 2001) met en vidence les possibilits

offertes par lanalyse des photos ariennes pour lidentification automatique dobjets, mais aussi

les limites inhrentes aux photographies et la mthode : problmes dombres, choix des dates

de prises de vues, difficults didentification fine des essences

Ainsi, selon les caractristiques utilises pour dfinir la troue, lidentification sur photos

ariennes ne sera pas toujours possible. En effet, certaines informations ne sont pas contenues

dans les images, ou sont difficiles extraire, comme la nature du sol sous le peuplement forestier

par exemple. Il faut donc dune part choisir des critres pour dfinir les troues potentiellement

accessibles par tldtection, et dautre part choisir les images contenant les informations

ncessaires et les mthodes permettant dextraire cette information.

Beaucoup dauteurs saccordent pour dire que la mthode utiliser en tldtection dpendra

du type et de la qualit des images disponibles, et, pour les mthodes automatises, de la

quantit de prtraitements ncessaires avant toute analyse de limage proprement parler

(Boureau et Deshayes, 1999 ; Robbez-Masson et al., 2001). Le temps de traitement va dpendre

de la taille des images, et donc de leur rsolution et de la mthode de traitement choisie.

Cependant le critre temps est de moins en moins un facteur limitant en raison de la puissance

des ordinateurs disponibles ce jour. Ainsi, alors quen 2001 il fallait jusqu 10h pour raliser

une classification oriente objet sur une zone de 10 ha (Bonin, 2001), aujourdhui les progrs

effectus dans le matriel sont tels quil faut environ 30 min pour raliser une segmentation et

une classification sur une zone de plusieurs dizaines dhectares. Les temps de traitement sont

certainement amens diminuer dans le futur grce aux progrs faits au niveau de la puissance

des processeurs.

Un autre problme propre aux images est la diffrence de radiomtrie quil peut y avoir entre

deux images de la mme campagne, ou encore la prsence dun gradient de luminosit sur les

images. Diffrentes mthodes peuvent tre utilises pour rsoudre ces problmes, par exemple

certaines mthodes empiriques ont fait leurs preuves pour corriger le gradient de brillance sur

des images (Kennedy et al., 1997). En classant les pixels de limage en diffrents niveaux de

12

brillance et en appliquant une correction adapte chaque niveau, les corrections se sont

rvles plus performantes, plus prcises, que des modles de correction appliqus aux images

entires non classes.

Avec lessor des SIG ces dernires annes, il est de plus en plus ais de valoriser les photos

ariennes orthorectifies, qui servent de donnes de base pour remplir certaines missions de

divers organismes (Muraz et al, 1999). De plus, les tudes de Murtha et Morse ont montr

quune analyse manuelle des images donne de bons rsultats (Murtha 1983, Morse, 1984), ce

que les tudes postrieures plus automatises (Boureau et Deshayes 1999, Bonin 2001) ont

confirm : lanalyse de peuplements forestiers par images ariennes (photographies ariennes ou

images satellitales) offre des indications fiables pour un cot modr, en comparaison des tudes

ne comprenant que du terrain.

4. Choix mthodologiques pour ltude GNB.

Dans un premier temps nous avons arrt une dfinition de la troue qui convienne la

problmatique du projet GNB tout en permettant denvisager une identification de ces troues

partir des donnes de tldtection disponibles pour ltude, avec les logiciels disponibles et

dans le temps imparti. Une fois une dfinition de la troue arrte, nous nous sommes penchs

sur les mthodes danalyse des images utiliser.

Nous avons dcid de tester et comparer trois approches diffrentes :

- Analyse de hauteurs darbres (Modles Numriques de Canope ou MNC) ;

- Classification oriente objet, base sur lanalyse de la radiomtrie et de la texture des

photographies ariennes orthorectifies;

- Analyse par classification oriente objet intgrant linformation radiomtrique et

texturale de limage et linformation sur les hauteurs darbres (MNC)

Parmi les approches proposes dans la littrature, celle prsente par Fujita et al. (2003) a servi

de rfrence pour lanalyse de hauteurs darbres (MNC). La problmatique de cette tude se

rapprochait de la ntre. Les caractristiques de la fort sont sensiblement les mmes que celles

des forts en France, exception faites des essences typiquement asiatiques (Castanopsis

cuspidata, Distyle grappes Distylium racemosum et Chne vert du Japon Quercus acuta) cites

dans ltude.Les principales tapes en sont :

13

- cration dun Modle Numrique de Surface (MNS) par photogrammtrie partir des

photos ariennes numriques

- calcul dun Modle Numrique de Canope (MNC) par diffrence entre le MNS et un

Modle Numrique de Terrain (MNT) pour avoir la hauteur de la vgtation en chaque

point de la grille

- cartographie des troues potentielles, par analyse des hauteurs des MNC

- suivi des troues par comparaison des cartes obtenues diffrentes dates.

Le Modle Numrique de Terrain sera obtenu par photogrammtrie partir des photos dhiver

de la zone dtude. Cette mthode a dj t applique avec succs par Tanaka et Nakashizuka

(1997).

La classification oriente objet permet danalyser automatiquement les orthophotographies

obtenues par correction gomtrique des photos numriques. La mthode dveloppe dans le

cadre de ce stage est base sur un travail ralis par Roberto Meloni, ingnieur dtude du

Cemagref bas la Maison de la Tldtection, et qui visait cartographier les zones de bocages

partir dorthopotos en infra-rouge couleur (IRC). Les rgles de classification ont t reprises et

adaptes notre cas dtude.

Aucune publication concernant lapport du couplage de linformation contenue dans les

orthoimages (texture et radiomtrie) et des informations sur la hauteur des arbres na pu tre

trouve durant nos recherches. Un des objectifs du stage sera donc de voir si ce couplage

amliore les rsultats de la classification oriente objet.

Le but de notre tude est de voir si lidentification et le suivi des troues peuvent se faire de

manire automatique ou semi-automatique. Les rsultats permettront de dfinir quel protocole

est le plus efficace pour le suivi des troues, et ainsi de dfinir un protocole applicable

diffrentes forts en France, aussi bien en plaine quen montagne.

Ces diffrentes approches ncessitant de calculer des MNS et dorthorectifier des images, les

principes de base de la photogrammtrie vont tout dabord tre prsents.

14

Chapitre 2 : Photogrammtrie : principes de base.

La photogrammtrie est une technique qui consiste effectuer des mesures spatiales dans une

scne, en utilisant la parallaxe obtenue entre des images acquises selon des points de vue

diffrents pour reconstituer le relief des objets. Recopiant la vision stroscopique humaine, elle

a longtemps exploit celle-ci pour reconstituer le relief de la scne partir de cette diffrence de

points de vue. Actuellement, elle exploite de plus en plus les calculs de corrlation entre des

images dsormais numriques. Cette technique repose entirement sur une modlisation

rigoureuse de la gomtrie des images et de leur acquisition afin de reconstituer une copie 3D

exacte de la ralit (source : Wikipdia, www.fr.wikipedia.org).

Cette technique peut tre utilise pour orthorectifier des images, mais aussi pour le calcul de

Modles Numriques de Surface.

1. Principes de base

Une photographie arienne brute prsente plusieurs types de dformations qui font quelle nest

pas directement superposable une carte topographique. Ces dformations ont plusieurs

origines :

- Dformations dues la position de prise de vue. Lors de prises de vue ariennes, lavion

nest jamais parfaitement droit, et prsente trois principaux facteurs de dformation des

images. Le roulis (R) est loscillation de lavion par rapport laxe de vol (balancement vers

la gauche ou la droite), tandis que le tangage (T) reprsente un mouvement le long d'un axe

transversal (balancement vers l'avant ou l'arrire). Le lacet (L), reprsente un mouvement

autour d'un axe vertical et traduit le fait que la trajectoire de l'avion n'est pas parfaitement

rectiligne. Ces trois paramtres conduisent une vise oblique, une variation de lchelle

sur la photographie (tangage et roulis) et une variation de lorientation de la photographie

(lacet).

- Distorsions dues au terrain : le sol nest jamais parfaitement plat, que ce soit en labsence

de relief en raison de la rotondit de la terre, ou en prsence de relief. La correction des

distorsions causes par le relief implique de connatre les altitudes de chaque point, et

donc de disposer d'un Modle Numrique de Terrain (MNT) ou dun Modle Numrique de

Surface (MNS) relatif la zone considre.

http://www.fr.wikipedia.org/

15

- Dformations lies lappareil photographique. Les dfauts des lentilles des objectifs et de

planit du ngatif introduisent des distorsions optiques. Les distorsions radiales peuvent

tre partiellement corriges si l'on dispose de la fiche d'talonnage de l'appareil. Lorsque

l'acquisition des photographies ariennes est ralise au moyen de camras mtriques, ces

distorsions restent trs faibles par rapport aux prcdentes (daprs Muraz et al, 1999).

La modlisation de la gomtrie des images et de leur acquisition comprend deux tapes :

- lorientation interne, c'est--dire la prise en compte de la gomtrie interne du

capteur : distance focale, coordonnes du point principal, coordonnes des marques

fiduciaires, distorsion radiale de lobjectif. Ces informations sont fournies sur le

certificat de calibrage de la camra (voir en annexe A).

- lorientation externe, c'est--dire le calcul de la position exacte du centre de

perspective de la photo (X, Y, Z) et des angles de roulis, tangage et lacet

En pratique, les images sont charges dans un premier temps dans un logiciel

dorthorectification, et les paramtres dorientation interne de la camra sont entrs. Une fois

cela fait, il faut placer des points afin de lier les images entre elles : les points de liaison ou tie

points. Un tie point est un point localisable prcisment sur au moins deux images ; ses

coordonnes terrain n'ont pas besoin d'tre connues. Contrairement aux points de calage

terrain , parfois longs localiser sur l'image, les points de liaison s'identifient facilement. Il suffit

en effet de localiser un mme objet sur plusieurs photographies souvent acquises presque au

mme moment (daprs Muraz et al, 1999).

Une fois les points de liaison entre les images placs, il faut placer des points de calage

terrain , appels points damer ou Ground Control Points (GCP). Ces points doivent tre

reprables sur le terrain ou sur une reprsentation cartographique du terrain et sur la

photographie. On utilise souvent une intersection de routes, langle dun btiment Ces points

de calage possdent des coordonnes (X, Y, Z) et sont utiliss, avec les points de liaison, pour

calculer lorientation externe de la camra.

Lorsque lon connait les paramtres dorientation interne (fiches de calibration et calage des

images grce leurs marques fiduciaires) et dorientation externe (calcule grce aux points de

liaison et de contrle), on dispose de toutes les informations ncessaires pour :

- soit calculer un MNS : pour un mme point sur deux images, lerreur de parallaxe

permet destimer son altitude

16

- soit rectifier limage partir dune lvation connue : on en dduit lerreur de

parallaxe qui sert replacer le point de limage au bon endroit.

2. Calcul de MNS

Les photographies dune mme campagne permettent de gnrer un MNS qui servira ensuite

pour leur orthorectification. En effet, la vision dun mme point sur deux photos ariennes

successives et donc sous deux angles diffrents permet de reconstituer la vision stroscopique

et donc de dduire la hauteur de lobjet tudi, comme le montre la figure 2.

Figure 2. Principe de la stroscopie (d'aprs http://seig.ensg.ign.fr )

Connaissant les paramtres de lorientation interne et externe dun couple dimages, le calcul de

laltitude de points homologues, identifis par la corrlation des images, peut alors se faire. Sur la

base de ces points le logiciel est ensuite capable de gnrer par interpolation un MNS au format

raster qui couvrira la zone commune aux deux images.

Dans notre tude les MNS calculs seront utiliss comme donne de base, la fois pour

lorthorectification des images et pour le calcul de Modles Numriques de Canope.

3. Orthorectification : de la photo arienne limage superposable un plan

Lorthorectification dune photographie consiste la recaler spatialement pour la replacer dans

une gomtrie de projection choisie (dans notre cas, la projection utilise est le Lambert 2

tendu) et la rendre ainsi superposable en tous points une carte.

http://seig.ensg.ign.fr/

Figure 1. Processus d'orthorectification.

17

Les dformations dues au relief sont corriges laide dun Modle Numrique de Terrain (MNT)

ou dun Modle Numrique de Surface (MNS). Les valeurs radiomtriques en chaque point de

limage corrige sont calcules lors de la phase de r-chantillonnage. Pour chaque point de cette

image, laltitude indique par le MNT ou le MNS permet de calculer lerreur de parallaxe en

utilisant le modle dcrivant la gomtrie de lacquisition. La position du point dans limage

dorigine est ainsi retrouve et sa valeur radiomtrique attribue au pixel correspondant dans

limage corrige.

Chaque pixel est alors localis dans un rfrentiel cartographique. Les images sont dsormais

orthorectifies et superposables un plan. Les photographies orthorectifies sont alors

raccordables, permettant ainsi la ralisation d'une mosaque. Le rsultat pourra alors tre utilis

au sein d'un Systme d'Information Gographique (daprs Muraz et al, 1999).

On a besoin dindications de hauteur pour orthorectifier des images, mais celles-ci peuvent tres

obtenues de plusieurs manires. Lorthorectification peut ainsi se faire soit laide dun MNT,

soit laide dun MNS (plus prcis car laltitude correspond vraiment aux points de limage), selon

les donnes dont on dispose et la prcision que lon souhaite obtenir. Il est prfrable dutiliser

un modle numrique avec une rsolution comparable celle des images rectifier.

18

Chapitre 3 : Matriel et mthodes

Dans un premier temps, la zone dtude sera dcrite, puis une dfinition des troues adapte la

problmatique sera prsente, et enfin les trois protocoles mis en place seront dtaills.

Lanalyse de photographies ariennes afin didentifier les troues et de raliser un suivi temporel

se fait en plusieurs tapes, un certain nombre de pr-traitements tant ncessaires pour

produire les donnes qui seront ensuite analyses.

1. Zone dtude, donnes et logiciels disponibles

1.1. Zone dtude

La zone dtude est situe en Fort Domaniale de Fontainebleau (77), une carte de situation se

trouve en annexe C. Dans le cadre du projet Gestion, Naturalit, Biodiversit (GNB), 29 placettes

dtudes ont t mises en place, en fort exploite et en Rserve Biologique Intgrale, sous

contrle stationnel. Les peuplements tudis sont composs de chnes (Quercus robur L. et

Quercus petraea Liebl.) et de htres (Fagus sylvatica L.).

Des suivis faunistiques et floristiques sont raliss sur ces placettes depuis 2008. La particularit

des RBI de Fontainebleau est quelles sont parmi les plus vieilles de France, car ds 1861 des

parcelles taient classes rserves artistiques par Napolon III la demande des peintres de

Barbizon, qui trouvaient dans les vieux arbres de Fontainebleau linspiration pour leurs toiles.

Ainsi, certaines des RBI du massif de Fontainebleau nont pas t exploites par lhomme depuis

au moins 150 ans, permettant la partie de la biodiversit native sensible lexploitation

forestire de se rinstaller ou de persister dans de meilleures conditions. La comparaison avec les

parcelles exploites nen est que plus intressante.

Les zones dtudes de la dynamique des perturbations sont des zones circulaires centres sur les

placettes, car le suivi effectu depuis 2008 permet davoir une bonne connaissance de la

biodiversit sur ces sites, et le but de ce volet de ltude sera de voir sil y a un lien entre la

biodiversit et la prsence de troues aux alentours des placettes.

19

1.2. Donnes disposition

Les donnes sur lesquelles a port ltude sont diffrentes campagnes de photographies

ariennes commandes pour ltude: 1949, 1961, 1987, 2000 (hiver), 2000 (t) et 2003, ainsi

que les fiches de calibration associes aux photos. lexception de la campagne dt de 2000

qui a t commande lInventaire Forestier National, toutes les photographies proviennent de

lIGN. Un rcapitulatif des caractristiques des photos est prsent dans le tableau III.

Campagne

(anne) Fournisseur Emulsion Format

1949 IGN NB argentique

1961 IGN NB argentique

1987 IGN Couleur argentique

2000 (hiver) IGN NB argentique

2000 (t) IFN IRC argentique

2003 IGN Couleur numrique

Tableau III. Caractristiques des photographies ariennes utilises. NB : noir et blanc, IRC : infrarouge couleur

Les donnes de rfrence utilises pour ltude comprennent la Bd Ortho (orthophotographies

de la zone dtude en format numrique), le Scan 25 (carte IGN au 1 : 25 000 sous format

numrique), le Modle Numrique de Terrain de la Fort Domaniale de Fontainebleau de lIGN

(rsolution : 50 m) ainsi que les relevs terrain raliss pendant le stage et servant la validation

des MNC. Les relevs terrain consistent mesurer la hauteur des arbres dominants intervalles

rgulirement rpartis le long de transects dfinis lavance, et relever les coordonnes

gographiques de chaque mesure laide dun GPS chaque mesure afin de pouvoir les

comparer aux MNC obtenus par traitement des donnes de tldtection. De plus, des points

GPS seront pris dans les troues visibles sur le terrain, ainsi que la hauteur des arbres sy trouvant

le cas chant. Ces troues sont des troues ouvertes rcemment, dont les arbres nexcdent pas

10m de hauteur, car ce sont les plus facilement identifiables.

Ces donnes de rfrence seront utilises pour orthorectifier nos photos ariennes, et pour

vrifier la qualit de nos traitements.

20

1.3. Logiciels utiliss

Diffrents logiciels de cartographie et de traitement dimages ont t utiliss, voici un bref

aperu des possibilits de chacun.

1.3.1. ArcGIS 9.2 (ESRI, 1998-2009)

ArcGIS est un logiciel de Systme dInformation Gographique, qui est un outil informatique

permettant la reprsentation et lanalyse de donnes spatiales et temporelles (source : Site

dESRI France, www.esrifrance.fr). Il permet donc de raliser des cartes, mais aussi danalyser

des bases de donnes golocalises.

Il a t utilis pour visualiser lemplacement des parcelles dans le massif, gnrer les zones

tampons (buffers) circulaires autour des placettes, dlimitant ainsi des zones dtude de 10

400 ha, raliser des cartes de travail et calculer les surfaces de troues autour de chaque

placette.

1.3.2. ERDAS Imagine 9.2 (Leica Geosystems Geospatial Imaging, LLC, 1991-

2008)

ERDAS Imagine 9.2 est un logiciel de traitement dimages et de tldtection.

Le module Leica Photogrammetry Suite 9.2 (LPS) a permis de gnrer les MNS et

dorthorectifier les photos ariennes pour chaque campagne dtude.

Le Modeler, prsent dans la version de base du logiciel, est loutil qui a t utilis pour faire

de nombreux traitements sur les images. Il se prsente sous la forme dune interface

graphique o lon dessine des boites dans lesquelles on entrera le chemin des fichiers

traiter, ainsi que les traitements et formules mathmatiques appliquer ces fichiers, et les

fichiers de sortie et leur emplacement. Pour personnaliser de faon plus pousse les

paramtres, on peut aussi gnrer des scripts que lon modifiera ensuite selon les besoins. Un

exemple de traitement ralis grce au Modeler est visible sur la figure 3.

Le module Knowledger Engineer est un outil permettant de raliser des classifications sur la

base de systmes de rgles de dcisions (type systme expert). Il a t utilis pour procder

une analyse multi-temporelle sur plusieurs images, en classant les pixels selon les diffrentes

valeurs quils ont pris sur les images. Linterface est assez simple, et les rgles de dcision

http://www.esrifrance.fr/

21

sont exprimes sous la forme dun arbre dcisionnel (annexe D) compos des classes dfinies,

des rgles conduisant ces classes (conditions que doivent vrifier les variables) et des

variables de base (au format raster, vecteur ou scalaire).

1.3.3. Definiens eCognition Developer 7.0 (daprs le site de lUMR TETIS,

fiche logiciel Definiens , www.tetis.teledetection.fr)

Definiens est un logiciel danalyse dimages spatiales et ariennes, qui met la disposition de la

gomatique un ensemble d'outils innovants pour l'automatisation des procdures d'analyse

d'images spatiales et ariennes. La technologie eCognition est base sur le concept selon lequel

l'information smantique ncessaire pour l'interprtation d'une image n'est pas reprsente

dans des pixels isols mais plutt dans des objets composs densembles de pixels possdant une

signification particulire ainsi que dans leurs relations mutuelles. Ce logiciel permet de faire de

lanalyse texturale dimage, en se basant sur une segmentation de limage, c'est--dire que

limage est dcoupe en polygones homognes, puis on classe les polygones crs dans des

catgories dfinies par lutilisateur.

Les deux fonctions principales d'eCognition sont la segmentation et la classification :

la segmentation est une technique d'extraction d'objets diffrentes chelles de rsolution

spatiale. Cette procdure a spcialement t dveloppe pour les donnes forte texture telles

que l'imagerie radar ou haute rsolution. La classification dite " supervise " est ralise par

logique floue et les objets sont classs en utilisant les techniques de " plus proche voisin " ainsi

que des fonctions statistiques d'appartenance. Un exemple de segmentation et un exemple de

classification sont visibles en annexes E et F.

Figure 3. Interface graphique du Modeler dERDAS Imagine 9.2 : exemple de la cration dun masque partir dune

orthophoto et dun buffer circulaire.

22

2. Dfinition de la troue arrte pour ltude.

Nous avons arrt les caractristiques de la troue qui convenaient le mieux notre tude. Ainsi,

nous nous intresserons aux troues dune surface minimale de 0,15 ha, dune largeur suprieure

10 m et dune hauteur infrieure 15 m, car sur le site dtude la hauteur dominante (H0) des

peuplements adultes est de lordre de 30 m.

Une largeur minimale a t arrte afin de diffrencier les petites routes et les chemins des

troues, et ainsi faciliter la reconnaissance et le suivi de ces dernires. Si la cartographie des

troues savre trop difficile, le projet GNB pourra travailler sur les donnes brutes de hauteurs

(issues du MNC) comme variables explicatives. Il est probable que le seuil de hauteur retenir

pour dfinir une troue dpendra du type de station forestire : on pourra envisager de dfinir

diffrents seuils de hauteurs, stratifis selon le type de station. Mais dans un premier temps, et

titre exploratoire dans ce rapport, nous avons retenu cette dfinition de base pour les troues.

3. Traitement des donnes.

3.1. Prparation des donnes de base

Les donnes qui seront utilises pour les analyses sont les Modles Numriques de Canope

(MNC) obtenus par diffrences entre les Modles Numriques de Surface (MNS) et le Modle

Numrique de Terrain (MNT) ainsi que les orthophotos.

Pour calculer les MNS et les orthophotographies, la suite logicielle Leica Photogrammetry Suite

(LPS) dERDAS a t utilise. Un Modle Numrique de Terrain sera cr en parallle grce des

photos dhiver de la zone dtude (mthode prsente dans Tanaka et Nakashizuka, 1997).

3.1.1. Prparation du projet LPS et mise en place des points de calage

Les images sont charges dans un projet LPS, et les paramtres dorientation interne de la

camra sont entrs. Ces paramtres sont donns par les certificats de calibration fournis en

mme temps que les photos. On place ensuite manuellement une dizaine de tie points par

23

couple dimages pour que le logiciel puisse gnrer automatiquement une ou plusieurs centaines

de points sur le bloc, permettant ainsi de rigidifier le bloc en fixant les images les unes par

rapport aux autres.

Une fois les points de liaison entre les images placs, il faut placer les points damer ou Ground

Control Point (GCP). Dans notre cas, coordonnes (X,Y) ont t obtenues grce la Bd Ortho de

lIGN, utilise comme rfrence dans LPS, et laltitude a t obtenue par lecture du Scan 25 de

lIGN, en utilisant de prfrence sur les carrefours cots, facilement reprables en fort sur les

images et offrant une altitude plus prcise que lextrapolation partir des courbes de niveau.

Les btiments nont pas t pris comme points de contrle, car on ne connait pas leur hauteur

avec prcision, et cela aurait engendr des biais dans lestimation des hauteurs. Le nombre de

GCP par bloc varie selon le nombre de photos composant le bloc, mais leur nombre varie entre

une douzaine pour le bloc le plus petit (compos de trois images) 45 pour le bloc le plus

important (comprenant 12 images rparties sur deux lignes). Un GCP tant plac le plus souvent

sur plusieurs photos, le nombre de GCP par image varie entre 4 et 8.

3.1.2. Gnration et vrification du MNS

Afin davoir un rsultat le plus prcis possible, nous avons procd en trois tapes :

- calcul du MNS ;

- identification puis correction des valeurs aberrantes du MNS ;

- validation du MNS corrig obtenu, par comparaison avec le MNT et vrification de la

qualit des orthophotos.

Calcul du MNS. Lorsque tous les points (GCP et points de liaison) sont placs sur le bloc dimages,

le logiciel est capable de calculer les paramtres de lorientation externe. Le MNS peut alors tre

calcul sur la zone recouverte par les images, partir des informations entres au pralable.

Identification et correction des valeurs aberrantes. Les MNS obtenus peuvent prsenter des

valeurs aberrantes en raison de problmes de corrlation, souvent rencontrs sur des images de

fort. Pour les identifier, on utilise un Modeler qui va comparer chaque pixel ses voisins

proches dans une matrice de 5x5 pixels. Un pixel est considr comme aberrant lorsque sa valeur

est suprieure ou gale la valeur maximale des pixels lentourant + 5m, ou si sa valeur est

infrieure ou gale la valeur minimale des pixels autour 5m. On ajoute ou on soustrait 5m la

valeur des pixels proches pour tre sr de ne pas considrer comme aberrant un pixel qui ne

serait que la traduction numrique dune brusque lvation ou dclivit du terrain ou un

24

changement dans la hauteur des arbres. On affecte ensuite une valeur nulle aux pixels considrs

comme aberrants, ce qui permet une identification visuelle rapide et facilite la mise en uvre

des traitements de correction.

Une fois les valeurs aberrantes identifies, on peut procder une correction. Pour cela, un

Modeler a t cr afin de gommer ces valeurs en les remplaant par la moyenne des pixels

alentours ayant une valeur positive, dans une fentre de 7x7pixels. La procdure est itre

jusqu ce quil ne reste plus de pixels avec des valeurs nulles.

Validation du MNS corrig obtenu. Le MNS corrig obtenu est vrifi visuellement, par

comparaison avec le MNT sur les zones de sol nu (carrefours, routes, ronds-points, etc.) pour

vrifier les altitudes (Z). Le MNS permettant la cration dorthophotos, on vrifie galement

celles-ci par comparaison avec la Bd Ortho, car un dcalage entre les deux images peut traduire

une erreur au niveau du MNS (figures 4 et 5).

3.1.3. Gnration et vrification des orthophotos

Une fois le MNS corrig, on lutilise pour orthorectifier l