Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...

More documents

Recommendations

Info

seuil Ű ». Sachant que la probabilité d’obtenir un changement selon une distribution binomiale dans une série de k tirages : ⎛n ⎞ k n−k .Le NFA de cette différence P( x = k) = ⎜ ⎟P ( 1− k) ⎝k ⎠ est sa probabilité d’apparition dans un environnement aléatoire uniforme tel qu’on a une chance sur deux pour qu’elle se réalise : NFA(diff)=P k N , où N : le nombre d’éléments de la différence. 3. Résultats : Nous avons testés cette démarche pour différentes valeurs de seuils, allant de 1 à 10 -85. Et en fonction des résultats obtenus, d’abord nous avons établies la carte des changements (fig.1), ensuite nous avons tracés la courbe relative aux taux de bonne identification des changements (TBC) en fonction des seuils Ű-significatifs (Fig.2), ainsi que la courbe représentant le taux de fausses identification des changements (TFC) en fonction du nombre d’itérations(Fig.3). Nous constatons que plus le seuil est petit plus le taux de bonne identification des changements s’approche de 1. En ce qui concerne le TFC, il devient presque nul après un certain nombre d’itérations. Fig.1 : Carte de changements- SPOT4 (2000)-SPOT5(2003) Fig.2 : Taux de bonne identification des changements 138 Fig.3 : Taux de fausse identification des changements La détection de changements basés sur l’approche a contrario nous a permis de calculer des taux de changements globaux, une étude plus approfondies nous permettra d’avoir des taux de changement relatif à chaque thème. Ainsi que l’intégration d’informations complémentaires dans le processus de détection des changements que nous avons établies nous permettrons de perfectionner notre approche. Mots clés : Détection de changement a contrario, changement ε-significatif , taux de bonne identification des changements et taux de fausses identification des changements. Bibliographiques : - Coppin et al, 2003: P. R. COPPIN, I. JONCKHEERE AND K. NACHAERTS, 2003. Digital change detection in ecosystem monitoring. a review, Int. J. of Remote Sensing, vol. 24, pp. 1–33 (2003). - Desolneux A., Moisan L., and MOREL J-M, 2002. Gestalt theory and computer vision. Technical report, preprint CMLA N o 2002-06, 2002. - Desolneux A., Moisan L., and Morel J.-M, 2003: A grouping principle and four applications. IEEE Transactions on Pattern Analysis and Machine Intelligence, 25(4) :508–513, April 2003. - Lu D., Mausel P., Brondizio E.and Moran E., 2004, “Change detection techniques’’, Int. J. of Remote Sensing, vol. 25, no. 12, pp. 2365–2407 (2004).
Cartographie et suivie de la variabilité saisonnières et spatiales de la chlorophylle à partir des données MODIS dans le golfe de Gabès Rim. KATLANE a et Fouad. ZARGOUNI a a Faculté des Sciences de Tunis, Katlanerim@yahoo.fr ; fouadzargouni@yahoo.fr 1. Problématique La bande littorale de la Tunisie mesure plus de 1300Km, d’où la nécessité de la surveiller, de gérer et réhabiliter ses zones côtières. En particulier le golfe de Gabès où l’activité industrielle a débuté depuis les années 70. La pèche intensive, les déchets anthropiques et naturels ont contribué à la dégradation de la biodiversité de l’écosystème. Cette situation a entrainé des problèmes d’eutrophication et la disparition de certaines espèces benthiques et planctoniques, avec une perte du couvert végétal de l’ordre de 90% conduisant à l'installation de biocénoses caractérisées par une faune et une flore de milieux envasés et dégradés (Ben Mustafa et al. 1999). Pour un suivi continu de la qualité de l’eau du golfe de Gabés, nous avons adoptée la méthode de la télédétection aquatique basée sur l’exploitation des propriétés optiques de l’eau. L’objectif est d’extraire les informations qualitatives et quantitatives des composants physiques et biologiques de la zone côtière, essentiellement la matière en suspension, la turbidité, les substances jaunes, la chlorophylle et la température. L’objectif de cette étude est l’exploitation des produits MODIS, le suivi de la variation spatiale et saisonnière de la concentration de la chlorophylle en détectant les blooms d’algues en appliquant l’algorithme semi analytique chlorophylle a du nouveau procès 2009 qu’offre la NASA. OC3 chl a (µg/L) = 10^(a0 + a1R + a2R2 + a3R3 + a4R4) (Oreilly et al ,2000) Bande Ratio : R=log [(max (Rrs443, Rrs488))/Rrs555) Coefficients: a= [0.283, -2.753, 1.457, 0.659, -1.403] 1. Données de base et méthodologie Des mesures in situ du taux de chlorophylle CHL (µg/l), de turbidité TU (NTU), de matière en suspension TSM (mg/l), de transparence(m) et de température T (°C) ont été réalisées dans le secteur d’études le 24 Mars 2009, la période du 5 au 7 Juillet 2009 et les 6, 8 et 19 Octobre 2009 au moment du passage du satellite MODIS (Tableau 1). Tableau 1- Résumé des mesures in situ dans le golfe de Gabès Localisation TU (NTU) min, max TSM (mg/l) min, max CHL (µg/l) min, max T°C min, max date Nombre de station Port Gannouch 1.88, 3.88 2.2, 5 0.5, 1 14.8, 28.1 04/07/09 et 06/10/09 26 Jerba 0.5, 2.12 1.4, 2.8
Page 1 and 2: Variabilité spatio-temporelle de l
Page 3 and 4: couleur blanche fait référence au
Page 5 and 6: des terres, notamment entre Pya et
Page 7 and 8: Figure 2. Méthodologie de l’appr
Page 9: La détection de changements à par
Page 13 and 14: Modélisation des échos de précip
Page 15 and 16: classifiée, appelées aussi « car
Page 17 and 18: - Monmarché, N. (2004). Algorithme
Page 19 and 20: Apport de la télédétection dans
Page 21 and 22: Modélisation du stress hydrique da
Page 23 and 24: Ce travail, se propose d’étudier
Page 25 and 26: arboré de l’arganeraie, on peut
Page 27 and 28: 2. Donnée utilisé et méthodologi
Page 29 and 30: Dynamique récente de la végétati
Page 31 and 32: Détection des changements dans les
Page 33: largeur impaire [DON 98]. Cette der

Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?