9 Végétation et feu

Les premiers chapitres de ces notes ont largement couvert des sujets génériques de la télédétection optique passive — des questions d’importance générale et des techniques de traitement d’images qui ne sont pas spécifiques à un domaine d’application ou à un autre. Dans ce chapitre, nous allons examiner certaines techniques développées et largement utilisées spécifiquement pour la télédétection de deux choses : la végétation et le feu. Des chapitres similaires pourraient être écrits sur de nombreuses autres applications spécifiques de la télédétection — la végétation et les incendies sont utilisés ici parce que l’utilisation de l’imagerie satellitaire pour les cartographier et les surveiller est bien développée et utilisés de façon opérationnelle à l’échelle nationale et mondiale.

Végétation

Étant donné que la Terre est couverte d’une certaine forme de végétation verte, il n’est pas surprenant que de nombreux efforts de recherche aient été consacrés à l’utilisation de la télédétection pour cartographier et évaluer divers aspects de la végétation. Ceci est important pour les industries de base qui soutiennent les moyens de subsistance des humains à travers le monde, comme la foresterie et l’agriculture, ainsi que pour presque toute évaluation environnementale des zones terrestres. En fait, les recherches ont été si nombreuses que des livres entiers ont été écrits sur la télédétection de la végétation.

En termes simples, la capacité de détecter la végétation en télédétection optique passive est basée sur sa signature spectrale (Figure 67), qui est très différente des autres types de surface.

Figure 67: Signatures spectrales généralisées de la végétation verte, du sol et de l’eau. Identique à la figure 27. Reflectance of water, soil and vegetation at different wavelengths par Science Education through Earth Observation for High Schools (SEOS), CC BY-NC-SA 2.0.

Région des longueurs d’onde visibles

Une végétation verte et saine absorbe la majeure partie de la lumière visible qui la frappe et l’utilise pour se développer grâce au processus de photosynthèse. La photosynthèse est un processus biochimique relativement complexe qui commence par l’absorption d’un photon par une molécule de pigment, laquelle déclenche une transition électronique (le déplacement d’un électron d’un niveau d’énergie à un niveau supérieur) qui amorce une réaction en chaîne conduisant à la production de matière végétale à partir des composants chimiques de base que sont le CO2 et l’eau. Une forme de chlorophylle est le pigment dominant de la quasi-totalité de la végétation. La chlorophylle absorbe très bien la lumière visible, ce qui explique pourquoi la végétation présente de faibles réflectances dans les longueurs d’onde visibles. La chlorophylle absorbe un peu mieux les longueurs d’onde bleues et rouges que les longueurs d’onde vertes, de sorte qu’une part relativement plus importante du rayonnement vert est réfléchie, ce qui donne à la végétation son aspect vert.

Région des longueurs d’onde infrarouges

Les photons entrants à des longueurs d’onde dans le proche infrarouge contiennent individuellement moins d’énergie (rappelons que l’énergie d’un photon est proportionnelle à sa fréquence, et donc inversement proportionnelle à sa longueur d’onde). Ces photons sont donc incapables de provoquer une transition électronique ; les pigments utilisés pour la photosynthèse ne peuvent donc pas les utiliser, et en général ne les absorbent pas. D’autres parties des plantes, en particulier l’eau liquide présente dans les feuilles, absorbent ces photons, qui font tourner et étirent les liaisons chimiques dans l’eau ou dans les cellules végétales, ce qui a pour effet de chauffer le matériau absorbant. En général, les plantes n’ont pas besoin de se réchauffer et, à l’exception des longueurs d’onde autour de 1,4 μm et 1,9 μm où l’eau est un fort absorbeur, les plantes réfléchissent une grande partie du rayonnement infrarouge proche entrant.

La combinaison d’une faible réflectance dans le visible et d’une réflectance élevée dans les longueurs d’onde du proche infrarouge est la signature la plus caractéristique de la végétation utilisée en télédétection, et elle est utilisée pour une cartographie rapide de la végétation sur Terre. Il faut savoir que la plupart des zones terrestres contiennent un mélange de zones végétalisées et non végétalisées. Parfois, ce « mélange » est très unilatéral, comme en Amazonie, dans le désert du Sahara ou dans l’Arctique canadien, et parfois il est vraiment plus mélangé, comme dans la savane africaine (figure 68).

Indices de végétation

Le fait d’utiliser uniquement la réflectance dans les longueurs d’onde visibles ne nous renseigne pas sur la quantité de végétation présente dans une zone, car l’eau a également une faible réflectance dans cette région de longueurs d’onde. Et l’utilisation de la réflectance dans la région du proche infrarouge ne nous renseigne pas non plus sur la végétation, car d’autres types de surface, comme le sable brillant et la neige brillante représentés sur la figure 68, ont également une réflectance plus élevée dans le proche infrarouge. Cependant, le rapport entre les réflectances visibles et proche infrarouges est un indicateur utile de la quantité de végétation présente dans une zone, car aucun autre type de surface n’a une réflectance proche infrarouge aussi élevée et visible aussi faible que la végétation. Cette observation a conduit initialement au développement de ce que l’on appelle le rapport simple (SR) :

SR = NIR / RED

où NIR est la réflectance de la surface dans la région des longueurs d’onde du proche infrarouge (généralement autour de 700-1000 nm), et RED est la même chose pour la région des longueurs d’onde du rouge (600-700 nm).

Figure 68: Quatre zones présentant des caractéristiques de végétation assez différentes. En haut à gauche : La savane africaine contient un mélange d’arbres et de couverture herbeuse. Trees On The African Savanna par Lynn Greyling, PublicDomainPictures.net, CC0 1.0. En haut à droite : Le désert du Sahara est dans la plupart des endroits dépourvu de végétation. Sahara Desert par Azer Koçulu, Wikimedia Commons, CC0 1.0. En bas à gauche : La forêt amazonienne est couverte d’une végétation dense. Amazon Rainforest par CIFOR (Neil Palmer/CIAT), Flickr, CC BY-NC-ND 2.0. En bas à droite : L’Arctique canadien comporte de vastes zones dépourvues de végétation. Patterned ground in Canadian tundra par Raymond M. Coveney, Wikimedia Commons, CC BY-SA 3.0.

Alors que les valeurs de réflectance de la surface devraient en principe toujours être utilisées pour calculer cet indice et tout autre indice de végétation, dans la pratique, ces calculs sont souvent effectués à la place sur la base de la réflectance TOA ou même de la luminance TOA (ou même des valeurs DN !). Le rapport simple présente un inconvénient qui fait qu’il est rarement utilisé : ses valeurs approchent l’infini lorsque la réflectance rouge s’approche de zéro, ce qui rend les différences entre les grandes valeurs difficiles à interpréter. Une amélioration simple appelée « indice de végétation »  par différence normalisée (NDVI), basée sur les deux mêmes mesures, est donc plus couramment utilisée :

NDVI = (NIR-RED) / (NIR+RED)

Les valeurs NDVI vont d’un minimum de -1 à un maximum de +1. Les valeurs typiques pour le sol nu se situent autour de 0, pour l’eau autour de -0,2, et pour la végétation dans la gamme 0,1 – 0,7 selon la santé et la densité de la végétation. Comme le NDVI ne repose que sur deux mesures, dans le proche infrarouge et dans le rouge, il peut être calculé avec les données des premiers capteurs multispectraux en orbite, notamment les séries Landsat (depuis 1972) et AVHRR (depuis 1978). Cela permet de visualiser facilement la couverture végétale, à petite ou grande échelle, comme celle de la figure 69.

Figure 69: Composite NDVI de la Terre, montrant les différences relatives de couverture végétale. Globalndvi tmo 200711 lrg par Reto Stockli and Jesse Allen (NASA), Wikimedia Commons, public domain.

Les indices de végétation peuvent servir à autre chose qu’à produire de jolies images de la répartition de la végétation mondiale. En raison du réchauffement de la planète, qui est particulièrement prononcé dans la région arctique, les parties septentrionales du Canada subissent des changements rapides dans la distribution et les modèles de croissance de la végétation. Le suivi de ces changements dans cette vaste région très peu peuplée est basé sur les tendances à long terme de l’indice NDVI pendant les mois d’été, ce qui démontre entre autres que les régions qui subissent un réchauffement plus rapide connaissent également une croissance plus rapide de la densité de la végétation. Une autre utilisation importante des indices de végétation est la prévision du rendement des cultures : en suivant le NDVI tout au long d’une saison de croissance agricole, il est possible de quantifier le développement des cultures et de prédire statistiquement leurs rendements éventuels. L’utilisation la plus importante de ces modèles de prévision des récoltes est probablement la prévision des sécheresses, des mauvaises récoltes et des famines dans les régions du monde où les populations dépendent de l’agriculture locale pour leur approvisionnement alimentaire. C’est ce que fait systématiquement le réseau FEWS (Famine Early Warning Systems Network), une organisation basée aux États-Unis, pour les pays sujets à la famine, et ce que font également de nombreux gouvernements nationaux et organisations régionales/mondiales. Les indices de végétation ont donc littéralement le potentiel de sauver des vies – si la communauté mondiale réagit aux prévisions qu’ils génèrent.

De nombreux perfectionnements ont été apportés depuis le développement du NDVI, afin de créer des indices de végétation plus performants dans diverses conditions. Ces indices comprennent l’indice de végétation ajusté au sol, l’indice de végétation amélioré utilisé avec les données MODIS et l’indice de végétation global utilisé avec les données MERIS. Ces indices de végétation plus récents ont été spécifiquement conçus pour être plus robustes face à des conditions environnementales variables, telles que les variations de la luminosité du sol et des conditions atmosphériques. Malgré ces améliorations, tous les indices de végétation souffrent d’un inconvénient fondamental : si leur interprétation est assez claire en termes relatifs (des valeurs plus élevées indiquent une végétation plus verte), leur relation avec les caractéristiques réelles de la végétation mesurables utilisées par des personnes extérieures au domaine de la télédétection n’est pas claire.

Un indice de végétation qui n’est pas destiné à représenter la densité de la végétation, mais plutôt les différences relatives de contenu en eau de la végétation, a été développé spécifiquement pour tirer parti de la caractéristique d’absorption de l’eau autour de 1,4 μm montrée sur la figure 67. Il s’agit de l’indice de différence d’eau normalisée (NDWI), dont l’équation générique est la suivante :

NDWI = (NIR-SWIR) / (NIR+SWIR)

où SWIR désigne une mesure dans la région infrarouge à ondes courtes (1,4 μm). La végétation sèche contient moins d’eau et absorbe donc moins le rayonnement SWIR, ce qui réduit la valeur de l’indice NDWI. Pour tout indice de végétation, les bandes spécifiques utilisées comme bandes » RED “, ” NIR” et » SWIR » dépend du capteur en question, et tous les capteurs ne disposent pas de bandes appropriées pour le calcul de tel ou tel indice.

Cartographie des attributs de la végétation réelle

Les attributs de la végétation les plus utilisés par les personnes qui ne font pas de télédétection sont, entre autres, la biomasse aérienne, le rayonnement photosynthétique actif absorbé (APAR) et l’indice de surface foliaire (en anglais « Leaf Area Index », LAI). La biomasse aérienne peut être mesurée (en la coupant et en la pesant) en kg/ha, et présente un intérêt fondamental pour le suivi des tendances de la végétation. L’APAR est la quantité de rayonnement absorbée par la végétation (par unité de surface), et est fortement liée à la croissance de la végétation et au rendement des cultures. Le LAI est la surface (unilatérale) des feuilles divisée par la surface du sol, il s’agit donc d’une mesure sans unité de la densité des feuilles. Étant donné que les échanges (d’eau et de gaz) entre la végétation et l’atmosphère se font à travers les feuilles, le LAI peut être utilisé comme un indicateur de cet échange, qui est important pour la fonction de la végétation en tant que puits de carbone, entre autres choses. Tous ces attributs de la végétation sont donc plus directement liés à la fonction de la végétation dans l’environnement, et certainement plus directement interprétables que ne l’est un indice de végétation. Mais ils sont aussi beaucoup plus difficiles à cartographier avec des données de télédétection.

Approche empirique

Une approche simple de la cartographie du LAI est illustrée à la figure 70, dans laquelle les valeurs NDVI ont régressé par rapport au LAI mesuré sur le terrain. Comme le montre la figure 70, ce que nous mesurons dans les données de télédétection est lié, mais pas de manière très étroite, et certainement pas de manière linéaire, au LAI réel mesuré sur le terrain. Néanmoins, les lignes de régression peuvent être utilisées pour produire une première approximation du LAI à partir de ces données de télédétection. Une approche similaire peut être adoptée pour cartographier d’autres attributs de la végétation.

Figure 70: Relations empiriques entre quatre indices de végétation et le LAI mesuré sur le terrain. Assessment of Unmanned Aerial Vehicles Imagery for Quantitative Monitoring of Wheat Crop in Small Plots (Figure 8) par LeLong et al., CC BY 3.0.

Approche par transfert radiatif

Des approches plus sophistiquées de la cartographie des attributs de la végétation reposent sur des modèles de transfert radiatif. Les modèles de transfert radiatif construisent un monde 3D simple composé a) du sol, b) d’une partie de la végétation au sol, c) de l’atmosphère et d) du soleil. Chacun de ces éléments possède des attributs spécifiques qui définissent la manière dont ils interagissent avec le rayonnement : Le Soleil émet une certaine quantité de rayonnement à chaque longueur d’onde modélisée, l’atmosphère absorbe et diffuse ce rayonnement dans une certaine mesure, et la végétation et le sol absorbent et reflètent le rayonnement. Une fois spécifié, le modèle peut alors être « exécuté » pour déterminer ce que serait la luminance TOA (ou tout autre paramètre de rayonnement mesurable) pour une combinaison donnée de définitions des éléments. Ces éléments peuvent ensuite être modifiés et le modèle peut être exécuté à nouveau pour voir comment le changement affecte la luminance TOA. Par exemple, différentes densités de végétation peuvent être incluses, représentant différentes valeurs de LAI, chacune produisant une combinaison unique de luminances TOA dans différentes longueurs d’onde. Pour obtenir une image solide de la façon dont le LAI influence la luminance TOA, les autres éléments doivent également être variés, de sorte que l’influence de la couleur du sol et des constituants atmosphériques est également prise en compte dans le processus. Plus important encore, il faut également tenir compte de la variation de la végétation en dehors du LAI. Les feuilles individuelles peuvent avoir des signatures spectrales différentes en fonction de leur composition pigmentaire, les feuilles de formes et d’orientations différentes interagissent différemment avec le rayonnement solaire, et la structure de la canopée exerce également sa propre influence (par exemple, les feuilles sont-elles réparties de manière aléatoire, uniforme ou en touffes ?). En faisant varier tous ces paramètres et en exécutant chaque fois le modèle de transfert radiatif pour déterminer ce que leur combinaison spécifique donnerait au sommet de l’atmosphère, vous pouvez établir une table de consultation avec a) les conditions environnementales, y compris le paramètre d’intérêt (par exemple LAI) et b) la luminance TOA (spectrale) résultante. Lors de la cartographie du LAI à l’aide d’une image satellite, la luminance TOA observée de chaque pixel peut alors être mise en correspondance avec l’entrée de la table à laquelle elle correspond le mieux afin de déterminer la valeur probable du LAI dans ce pixel.

Figure 71: Exemple d’un modèle de transfert radiatif de la végétation. Modifié à partir de Accelerated RAPID Model Using Heterogeneous Porous Objects (Figure 7) par Huaguo Huang, CC BY 4.0.

Feu

Un autre sous-domaine de la télédétection concerne la cartographie des incendies. Un feu actif est relativement facile à détecter parce qu’il est chaud, et la chaleur peut être détectée par des capteurs thermiques, et parce qu’il crée de la fumée, et la fumée est visible sur les images satellites. La détection des feux actifs à l’aide de données satellitaires est si bien développée qu’un « produit feu actif » quasi instantané est réalisé chaque fois qu’un capteur MODIS ou VIIRS passe au-dessus d’une zone.

Figure 72: Exemple de détection active des incendies depuis l’espace pendant les feux de forêt australiens de 2019. Satellite image of bushfire smoke over Eastern Australia par l’ESA, Flickr, CC BY-SA 2.0.

Une fois l’incendie terminé, il peut être important d’évaluer la superficie brûlée et l’intensité du feu. Cela a des répercussions importantes sur la régénération de la végétation et du biote associé dans la région, et cela peut également nous aider à répondre à des questions importantes liées au changement climatique, comme l’évolution de la fréquence, de la durée, de la taille et de l’intensité des incendies de forêt à mesure que le climat se réchauffe. Il existe différentes façons d’évaluer ces paramètres, mais l’approche la plus couramment utilisée consiste à quantifier ce que l’on appelle le rapport de brûlage normalisée (NBR). Le NBR est calculé comme suit :

NBR = (NIR-SWIR) / (NIR+SWIR)

ce qui, me direz-vous, est identique à la définition de NDWI ! Et c’est proche, mais le terme SWIR couvreune gamme assez large de longueurs d’onde, et alors que pour NDWI la définition originale de « SWIR » se référait à des longueurs d’onde autour de 1,24 μm, pour NBR « SWIR » a été spécifiquement conçu pour la bande 7 sur Landsat 4 et 5, qui est centré autour de 2,2 μm. Néanmoins, le NBR n’est en réalité qu’un indice de végétation, et bien qu’il ne soit pas le seul indice que l’on puisse utiliser pour cartographier les impacts du feu, ni même nécessairement le meilleur, il est le plus couramment utilisé. Pour l’utiliser afin de quantifier la gravité d’un incendie, il faut comparer les valeurs de NBR dans deux images, l’une avant et l’autre après l’incendie, ce qui conduit au calcul de δNBR :

δNBR = NBR_avant – NBR_après

Pour minimiser les effets d’autres facteurs environnementaux sur ce calcul, il est idéal d’utiliser des « dates anniversaires » pour calculer le δNBR, bien que cela ne soit pas nécessaire si deux images sont disponibles pour une petite période couvrant juste avant et juste après l’incendie (Figure 73).

Figure 73: Exemple d’une image avant incendie (en haut à gauche), une image après incendie (en haut au milieu), NBR avant incendie (en haut à droite), NBR après incendie (en bas à gauche), et δNBR (en bas au milieu). Alors que l’impact de l’incendie est évident dans l’imagerie originale, l’utilisation de δNBR permet de souligner la différence entre les deux images. Example of normalized burn ratio from a fire at Camp Gurnsey, Wyoming in 2006 par Jason Karl, The Landscape Toolbox, CC0 1.0.

Parce que NBR est calculé comme une différence normalisée, ses valeurs varient entre -1 et +1, donc δNBR varie, en théorie, de -2 à +2, avec des valeurs plus élevées indiquant une plus grande sévérité du feu. Comme pour les autres indices de végétation, les valeurs extrêmes sont cependant rares, de sorte que même des valeurs de 0,2-0,3 indiquent des impacts d’incendie relativement sévères.

Figure 74: Un exemple de végétation et de feu, qui peuvent tous deux être bien cartographiés par la télédétection. Forest Fire, par YIvers, Pixabay, Pixabay License.