Suivi de la déforestation tropicale à l'aide des données SAR en bande C du satellite Sentinel-1A

Details

Supervisors

Defourny, Pierre

Faculty

Faculté des bioingénieurs

Degree label

Master [120] : bioingénieur en sciences et technologies de l'environnement, à finalité spécialisée

Abstract

Les forêts tropicales humides couvrent 600 millions d’hectares en Afrique et constituent un réservoir de biodiversité ainsi qu’un moyen de subsistance pour des milliards d’êtres humains. Le suivi de la déforestation est un sujet d’étude vital. Bien que la recherche sur ce sujet soit déjà avancée, le suivi de la déforestation à l’aide des satellites jumeaux Sentinel-1A et 1B possède des capacités inexplorées. L’utilisation des satellites optiques en région tropicale présente des lacunes, notamment la difficulté à obtenir des données lorsqu’une importante couverture nuageuse couvre la région. Les radars à synthèse d’ouverture permettent de répondre à cette contrainte, étant affranchi de la couverture nuageuse dans leur fonctionnement. Ce mémoire s’axe donc sur l’exploitation des données Sentinel-1 afin d’identifier la déforestation dans la République du Congo, l’objectif étant de réaliser un suivi à une résolution spatiale élevée et sur une période aussi courte que possible. Pour cela, 2 types de classifications binaires forêt/déforestation, réalisées à l’aide de l’algorithme Random Forest, sont calibrées à l’aide de métriques statistiques annuelles et trimestrielles. Ces métriques sont calculées sur base du signal de rétrodiffusion et de cohérence. L’une des classifications, par pixel, produit des résultats précis, mais bruités, tandis que l’autre, par objet, performe avec une exactitude générale plus élevée, mais des exactitudes du producteur et de l’utilisateur pour la déforestation moins élevées. La classification par pixel génère une exactitude générale de 76,02 % pour la détection de la déforestation à 90 jours, tandis que la classification par objet génère une exactitude générale de 71,64 %. Ces résultats témoignent du potentiel des données Sentinel-1 pour le suivi de la déforestation à résolution spatiale et temporelle élevée.