Andrefouet Et Al Oceanis02

Ocanis vol. 26 no 3 2000 p.
311-349
Un bilan de la tldtection applique aux milieux coralliens

Serge Andrfout1,2 , Stphane Maritorena3 & Lionel Loubersac4
College of Marine Science Institute for Marine Remote Sensing University of South Florida 140 7th Av. South St. Petersburg FL 33701 tats-Unis serge@seas.marine.usf.edu Laboratoire Terre-Ocan Universit de la Polynsie franaise BP 6570 Faaa-Aroport Tahiti Polynsie franaise
3 2 1
Institute for Computational Earth System Science 6832 Ellison Hall University of California Santa Barbara CA 93106-3060 tats-Unis Ifremer Service applications oprationnelles Direction de lenvironnement littoral Groupe sillage BP 70 29280 Plouzan France
4
Ocanis ISSN 0182-0745 Institut ocanographique 2002
312
S. Andrfout, S. Maritorena & L. Loubersac

Mots cls : tldtection, rcifs coralliens, cartographie, bathymtrie, classication, segmentation Rsum Cet article prsente, de faon pragmatique, le bilan de lusage de la tldtection pour ltude des milieux coralliens, travers lanalyse des travaux publis dans les vingt dernires annes. Nous exposons les chelles de travail potentielles et celles rellement pratiques, les principales applications et leurs facteurs limitants. Nous dtaillons ces limites qui sont dordre technologique (rsolutions spatiales et spectrales des capteurs), mais aussi bien souvent dordre conceptuel (place de la tldtection dans ltude), ou mthodologique (traitement des images). La comprhension de ces limites, confrontes la ralit du terrain, permet de cadrer les travaux qui pourront tre mens au dbut du troisime millnaire.
Review of remote sensing applied to coral reefs

Keywords: remote sensing, coral reefs, mapping, bathymetry, classication, segmentation Abstract The aim of this paper is to present in a practical fashion the status of the use of remote sensing for the study of coral reef environments through the analysis of work published in the years 1980-2000. We review the scales of the potential work and of that actually conducted, the principal applications and their limiting factors. We detail these limitations which are of a technological nature (spatial and spectral resolution of sensors), as well as often of a conceptual (role of remote sensing in the study) or methodological (image processing) nature. The understanding of these limitations, in relation to the reality of the eld, allows identication of work which could be undertaken in the years 2000.
1. Introduction
La tldtection est la discipline scientique qui regroupe lensemble des connaissances et des techniques utilises pour dterminer des caractristiques physiques et biologiques dobjets par des mesures effectues distance, sans contact matriel avec ceux-ci (COMITAS, 1988). Cela inclut lobservation, lanalyse, linterprtation et la gestion de lenvironnement partir de mesures et dimages obtenues laide de plates-formes aroportes, spatiales, terrestres ou maritimes (Bonn & Rochon, 1992). Par ailleurs, lcologie est la discipline scientique qui sintresse ltude des relations entre les organismes et leur environnement (Barbault, 1995). De manire tout fait gnrale, la
Ocanis vol. 26 no 3 2000
313
tldtection spatiale permet une observation homogne, exhaustive, rpte et sans interfrence entre lobservateur et la cible, du comportement spectral de lensemble dun systme cologique, une chelle spatiale donne. Lutilisation dimages prises 800 km daltitude peut paratre inadapte aux biologistes habitus un travail de terrain et de laboratoire. linverse, les thmes dvelopps par les biologistes sont gnralement loin des proccupations des thoriciens du traitement dimages. Nanmoins, linteraction entre cologie et tldtection a fait lobjet de plusieurs synthses et conceptualisations (Lulla & Mausel, 1983 ; Quattrochi & Pelletier, 1990 ; Stoms & Estes, 1993). Ces travaux rsument comment des observations du comportement spectral des objets effectues distance peuvent rpondre aux attentes des cologues, que lon peut rsumer en quatre mots cls : description, fonctionnement, gnralisation, comparaison. Dans ce cadre, la tldtection permet : une approche descriptive, en caractrisant et cartographiant une chelle donne les constituants du complexe cologique et sa structure spatiale ; une approche fonctionnelle, en apportant des lments dinformation concernant le fonctionnement et la dynamique du systme, en lui-mme, ou en interaction avec lextrieur par lintermdiaire de ses frontires ; la gnralisation des connaissances descriptives ou fonctionnelles acquises localement des systmes plus importants, voire mondiaux. La tldtection apparat donc comme un outil privilgi du transfert dchelle ; la comparaison dans lespace et dans le temps des compositions et des fonctionnements de systmes cologiques. Ainsi, les travaux effectus lchelle plantaire sur lenvironnement ont grandement bnci de loutil de tldtection, en permettant une amlioration notable de la connaissance du fonctionnement de la biosphre par le biais des valuations de production et de quantication des ux de matires des systmes ocaniques ou terrestres (Field et al., 1998). Lapproche systmatique ncessaire ces recherches a confr la tldtection ses titres de noblesse et, aujourdhui, ltude de la production primaire ocanique ou des biomes terrestres ne peut se passer de la couverture exhaustive et rptitive des satellites la rsolution spatiale kilomtrique. Des hypothses de travail sont parfois encore ncessaires, mais, malgr ces limites, lusage de la tldtection pour ltude des phnomnes lchelle mondiale est une discipline relativement mre. Des capteurs adapts ces applications ont t mis au point, et les mthodes de traitement ont t homognises an dautoriser des procdures automatiques et la comparaison des rsultats. Le contraste est donc saisissant quand on dresse le bilan de la tldtection applique sur les milieux coralliens. On est encore loin de disposer de procdures standards de qualit, qui soient
314
bases sur des donnes parfaitement adaptes. Si lusage de photographies ariennes panchromatiques ou ltres, sous forme analogique ou numrique, est depuis longtemps reconnu (Hopley, 1978), lutilisation dimages multispectrales acquises par des satellites sous forme numrique na dbut rellement quau dbut des annes quatre-vingt, et les premires images numriques hyperspectrales trs haute rsolution spatiale datent du dbut des annes quatrevingt-dix. Cet article a pour objectif de prsenter, en premire partie, les chelles de travail de la tldtection en milieu corallien. Les principales applications seront dcrites dans la deuxime partie o nous discuterons des limites reconnues de cet outil. Une partie de ces limites tant dordre mthodologique, nous insisterons sur les mthodes de traitement dimages dans la troisime et dernire partie. Nous conclurons sur la porte actuelle de linterprtation des images prises distance pour la connaissance des milieux coralliens.
2. chelles de travail
La plante Terre est une structure hirarchique plusieurs niveaux dorganisation, gouverns par des processus en interaction, qui se droulent suivant une suite monotone continue dchelles spatiales et temporelles (ONeill et al., 1986). Chaque niveau est caractris par des interactions spciques entre les phnomnes physiques et biologiques, qui conditionnent le fonctionnement du systme, cest--dire la circulation de lnergie et de la matire lintrieur du systme ou par change entre les systmes adjacents, travers les rseaux trophiques et les cycles biogochimiques. Le fonctionnement global dun systme est la rsultante des phnomnes se produisant toutes les chelles spatiotemporelles. quelques exceptions prs (phnomnes fractaux), les scientiques sont contraints dutiliser une approche discontinue qui ncessite des choix dchelles spatio-temporelles, dicts le plus souvent par des limites mthodologiques (instrumentation) ou des facilits logistiques. Les niveaux dorganisation de base classiquement dcrits en cologie sont les organismes et les populations. En interaction avec leur environnement physicochimique, ils constituent alors des units fonctionnelles : communauts, cosystmes, cocomplexes (ou paysages) et, nalement, biosphre. Les zones de transition entre les cosystmes constituent souvent des zones dchanges privilgies, appeles cotones, qui sont en fait des micro-cosystmes avec leurs biocnoses et leurs fonctionnements propres. Les paysages sont des assemblages localiss dcosystmes interdpendants, qui ont t models par une
315
histoire cologique et humaine commune (Forman & Godron, 1986). Lcologie des paysages sattache dcrire la structure spatiale entre les cosystmes et son inuence sur la biodiversit, sur les ux de matire, sur la dispersion des tres vivants ou sur tout autre problme de dynamique. La structure spatiale dpend des paramtres des cosystmes eux-mmes (forme, supercie, diversit, fragmentation), mais galement des proprits des rseaux et des frontires reliant les cosystmes (complexit, connectivit, contigut, permabilit, recouvrement). Lensemble de ces paramtres traduit lhtrognit du paysage. Celui-ci est souvent dcrit comme une matrice (le fond) sur laquelle des cosystmes sont isols (lots, taches ou enclaves) et o dautres sont en interaction grce des corridors et des cotones. lchelle suprieure de la rgion, la biogographie (Blondel, 1986) sattache particulirement dnir lhistorique des peuplements, les modes de diffrenciation (gntique) et les mcanismes rgulateurs (climat, dynamique des populations) des chelles spatio-temporelles qui peuvent tre trs diffrentes dun sujet lautre. Lcologie des paysages et la biogographie impliquent une approche descriptive, fonctionnelle et comparative. Un rcif corallien dans son ensemble peut se concevoir comme un paysage compos dune mosaque dcosystmes dont les limites correspondent, en premire approximation, aux grandes entits gomorphologiques : rcifsbarrires, rcifs frangeants, lagons, couronnes datolls et pentes externes (Battistini et al., 1975). Les capteurs les plus utiliss (Spot-HRV et Landsat-TM ou ETM+) sont des outils dobservation qui ont trouv leur place essentiellement aux chelles des grandes communauts, des cosystmes et du paysage (gure 1). Par comparaison de rsultats acquis lchelle du paysage, la tldtection permet galement dapprhender indirectement lchelle de la rgion. Le niveau des populations si elles sont spatialement trs homognes nest accessible quavec des photographies ariennes ou des images acquises par des capteurs aroports multi- ou hyperspectraux de type Compact Airborne Spectrographic Imager (Casi). Pour linstant, ce matriel reste coteux comparativement lacquisition dune image des satellites Spot ou Landsat (Mumby et al., 1999), mais les satellites hyperspectraux quelques mtres de rsolution prvus ces prochaines annes bouleverseront certainement ces limitations dordre conomique (tableau 1).
316
chelle de la rgion
Tuamotu Socit
Moorea Haraiki - Biogographie - Connectivit - Forage climatique
chelle de l'le
- cotypologie fonctionnelle
ATOLL
LE HAUTE
Pente externe
Lagon
Terre Rcif frangeant Couronne rcifale
chelle du paysage
Chenal ou lagon Rcif-barrire Pente externe
- cologie des paysages - Structures spatiales - cotypologie intra-le - cosystmes
chelle des communauts

- Perception architecturale - tude des peuplements - tude du mtabolisme - Bio-optique
Figure 1 Approche hirarchique des systmes coralliens, de lchelle de la rgion celle du transect et de la communaut, et liens avec la tldtection. Les capteurs basse rsolution peroivent des groupes dles et leur environnement ocanique. Les capteurs haute rsolution peroivent une le ou un groupe de paysages. lchelle du paysage sont prsentes les principales units gomorphologiques dun systme rcifal dle haute et dun atoll. chaque chelle correspondent des thmes dtudes et des approches mthodologiques. Le bloc-diagramme de la couronne datoll est inspir de Battistini et al. (1975), celui de lle haute sinspire du site de Tiahura Moorea, Polynsie franaise.
317
Tableau 1 Dans lordre chronologique de lancement des satellites, caractristiques de quelques-uns des capteurs du pass et du futur proche qui ont t ou seront utiles pour lobservation directe des milieux coralliens (vis = visible ; ir = proche infrarouge et infrarouge ; PAN = intgre le visible et proche infrarouge ; HS = hors service ; LP = lancement prvu).
Satellites LANDSAT 1-2-3 LANDSAT 4 LANDSAT 5 SPOT 1 et 2 SPOT 3 IRS-1A IRS-1B IRS-1C et D Organismes et pays NASA/NOAA, USA NASA/NOAA, USA NASA/NOAA, USA CNES, Europe CNES, Europe Inde Inde Inde Capteurs MSS MSS TM TM HRV XS HRV PAN HRV XS HRV PAN LISS I LISS II LISS III PAN WiFS AVNIR-1 PAN HRV XS HRV PAN Vegetation 1 ETM+ PAN CRSS PAN CRSS MS CCD PAN et MS IR-MSS WFI MS/Ali PAN/Ali HYPERION LAC/HS ASTER PAN MSS HRV XS HRV PAN VS-HR-PAN HS PAN Caractristiques 80 m ; 3 vis, 1 ir 80 m ; 3 vis, 1 ir 30 m ; 3 vis, 4 ir 30 m ; 3 vis, 4 ir 20 m ; 2 vis, 1 ir 10 m ; 1 vis-ir 20 m ; 2 vis, 1 ir 10 m 72 m ; 3 vis, 1 ir 36 m ; vis, 1 ir 23 m ; 3 vis, 2 ir 5,8 m 180 m ; 1 vis, 1 ir 16 m ; 3 vis, 1 ir 8m 20 m ; 2 vis, 2 ir 510 m 1 km ; 2 vis, 2 ir 30 m ; 3 vis, 4 ir 15 m 1m 4 m ; 4 vis 20 m ; 3 bandes 80-160 m ; 4 bandes 260 m ; 2 bandes 30 m ; 9 bandes 10 m 30 m ; 220 bandes 250 m ; 256 bandes 15 m, 3 bandes vis, ir 0,6 m 2,5 m ; 4 vis, ir 10 m ; 2 vis, 2 ir 5m 2,5 m 30 m ; 96 bandes 10 m Remarques HS depuis 1978, 1982 et 1983 HS depuis 1992 semi-oprationnel oprationnel HS depuis 1996 en sommeil oprationnel oprationnel
ADEOS-1 SPOT 4
NASDA, Japon CNES, Europe
HS depuis 1997 oprationnel
LANDSAT 7 IKONOS-2
NASA/NOAA, USA Space Imaging Corp., Samsung et EOSAT Chine/Brsil
oprationnel oprationnel
CYBERS 1 et 2
t 1999 et t 2000
EO-1
NASA, USA
oprationnel
TERRA QUICKBIRD 2 SPOT 5 IRS-P5 ARIES-1
NASA, NASDA Digital Globe CNES, Europe IRSO, Inde Australie, Auspace Ltd.
oprationnel
LP 2002 LP 2003 LP dbut 2002
318
3. Applications et facteurs limitants

Une revue des tudes scientiques par tldtection portant sur les systmes ctiers tropicaux (rcifs coralliens, mangroves, herbiers) est fournie par Green et al. (1996) et par Holden & LeDrew (1998a). ce jour, un nombre non ngligeable dapplications a tir prot dimages analogiques ou numriques en milieu rcifal, en de nombreux points de la plante. Les exemples les plus reprsentatifs sont prsents dans le tableau 2. Les tudes sont bien reprsentatives des applications classiques de la tldtection : on recense surtout des tudes descriptives (mesures biophysiques, inventaires, tude des changements) et quelques tudes fonctionnelles. Green et al. (1996) signalent 27 facteurs limitant lusage de la tldtection passive dans les bandes spectrales du visible pour ltude des milieux ctiers tropicaux. Pour les milieux rcifaux, nous pouvons en conserver 16 (tableau 3). Les points qui nous semblent les plus critiques sont : linadquation des rsolutions spectrale et spatiale des capteurs utiliss ; le manque de travaux comparatifs ; les problmes de localisation des objets ; le faible nombre dtudes fonctionnelles ; le manque de pertinence dans le traitement dimage utilis, compte tenu des points prcdents. Nous discuterons en dtail les points qui nous semblent les plus intressants considrer, au fur et mesure que nous prsenterons les applications. 3.1. Mesures biophysiques En tldtection passive (cas des capteurs Spot-HRV ou Landsat-TM, ETM+), on tudie la cible grce ses proprits de rexion de lclairement solaire incident ou dmission naturelle (une nergie par unit de surface, exprime en W m2 ) dans des bandes spectrales de mesure, en gnral dans le domaine de lultra-violet (0,2-0,4 m), du visible (0,4-0,7 m), du proche et moyen infrarouge (0,7-3 m) et du rayonnement thermique (de 3 15 m). La largeur et le nombre des bandes de mesure dnissent la rsolution spectrale du capteur. La rexion de la cible dpend de sa nature, de sa couleur, de sa gomtrie et de son activit biologique si elle contient des pigments (vgtaux terrestres, coraux, algues). Les couches atmosphriques et aquatiques qui recouvrent la cible inuent sur le signal mesur (Tanr et al., 1990 ; Maritorena et al., 1994 ; Zhang et al., 1999). Latmosphre et leau sont dailleurs parfois les cibles elles-mmes. En tldtection active, pour ltude de la uorescence par exemple, le capteur illumine la scne et mesure la rponse
319
Tableau 2 Exemples dapplications de la tldtection en milieux coralliens. Le cas de Moorea est intressant, car il offre trois tudes du mme site, avec des techniques diffrentes.
Thmes Signatures spectrales Bathymtrie Proprits optiques des eaux Hydrodynamique Sites Fidji Aitutaki, les Cook Bora Bora, Polynsie franaise Ras Hatiba, gypte, mer Rouge Ribbon Reef, Grande Barrire, Australie Aitutaki, les Cook Fidji Mayaguez Bay, Porto Rico Capteurs Spectromtre SPOT HRV-XS SPOT HRV-XS SPOT HRV-XS LANDSAT TM SPOT HRV-XS SPOT HRV-XS CAMS, LANDSAT TM TIROS-AVHRR LANDSAT MSS SPOT HRV-XS SPOT HRV-XS photos ariennes photos ariennes SPOT HRV-XS SPOT HRV-PAN IRS-1C Liss III SPOT HRV-XS Photos ariennes CASI LANDSAT TM SPOT HRV-XS (simulation) LANDSAT TM LANDSAT TM Rfrences HOLDEN & LEDREW, 1998b LOUBERSAC et al., 1991 MARITORENA, 1996 COURBOULS & MANIRE, 1992 YOUNG et al., 1994 LOUBERSAC et al., 1988 LEDREW et al., 1996 MILLER & CRUISE, 1995 STRONG et al., 1997 JUPP et al., 1985 COURBOULS et al., 1987 BELSHER et al., 1990 WAGLE & HASHIMI, 1994 SHEPPARD et al., 1995 LOUBERSAC, 1994 NAYAK et al., 1996 VIERROS, 1997 MUMBY et al., 1997 MATSUNAGA & KAYANNE, 1997 BOUR et al., 1986 LONG et al., 1993 ZAINAL et al., 1993 AHMAD & NEIL, 1994 BLAKE et al., 1994 http://www.aims.gov.au/
Impacts cycloniques Sdimentation
Suivi de la temprature Cartographie Grande Barrire, Australie Ras Hatiba, mer Rouge Moorea, Polynsie franaise Mah, Seychelles Anguilla, Carabes les et atolls de Polynsie franaise Inde Bermudes South Caicos Ishigaki Island, Japon Estimation de biomasse (Trochus niloticus) Surveillance des communauts Production primaire rcif Tetembia, Nouvelle-Caldonie Bourke Island, Australie Bahrein
Heron Island, Australie LANDSAT TM Whitsunday Island, CASI Australie Grande Barrire, SeaWiFS Australie
320
Tableau 3 Liste des facteurs limitant lusage de la tldtection en milieux coralliens daprs Green et al. (1996).
1. La prsence de nuages occulte une partie de la cible 2. La rsolution spatiale du capteur est trop faible 3. Les variations temporelles et spatiales de la qualit de leau (turbidit, etc.) nuisent la prcision des classications pour la reconnaissance dobjets ou la prcision des algorithmes de calculs bathymtriques 4. Les variations de profondeur du fond et linuence de la mare compliquent les classications et les comparaisons 5. La rsolution spectrale nest pas adapte aux objets rcifaux 6. Lhtrognit des substrats complique les classications 7. La limite maximale de profondeur de pntration des bandes spectrales est trop faible et rend la visibilit des fonds dpendante des mares 8. Les perturbations atmosphriques compliquent les comparaisons et les classications 9. Les points de contrle parfaitement localiss pour mettre limage en conformit gographique sont difciles obtenir 10. Limage fournit une information gomorphologique plutt qucologique 11. Lcart de temps entre lacquisition de limage et la vrit terrain est parfois trop important 12. La profondeur de pntration est dpendante de ltat de surface de la mer 13. Les erreurs de localisation des pixels de vrit terrain sont parfois trop importantes 14. La taille des zones couvertes est limite dans le cas des capteurs aroports. Lacquisition devient prohibitive pour les grandes zones 15. Cot et disponibilit de moyens informatiques (archivages, traitements, ateliers de production) 16. La connaissance des gestionnaires et politiques sur les applications possibles de la tldtection et produits drivs est faible
la stimulation dans une bande spectrale prdnie (Hardy et al., 1992 ; Mazel, 1995). Le capteur ne peut percevoir quune partie de lnergie renvoye par la cible. On suppose gnralement que cette nergie est mise de manire uniforme (rexion lambertienne), et que seule la fraction allant dans la direction du capteur peut tre mesure. La mesure ntant ralise que sous un angle donn et non pour lensemble des directions possibles, cest une luminance qui est mesure. Elle est exprime en W/(m2 str) (le stradian
321
ou str est lunit dangle solide). Elle dpend donc des conditions de prises de vue. En revanche, la rectance est une proprit intrinsque de lobjet, indpendante de lintensit de lillumination incidente, puisque cest le rapport entre lclairement incident et lclairement rchi par lobjet. Il est donc possible de caractriser un objet par les variations des valeurs de rectance, en fonction de la longueur donde de mesure. Cest la signature spectrale de lobjet (gure 2).
0,50 Porites sp. vivant dbris corallien recouvert de gazon dbris avec micro-algues perforantes Montipora sp. vivant cannette Hinano gazon
0,40
Rflectance
0,30
0,20
0,10
0,00 400
500
600 Longueur d'onde (nm)
700
Figure 2 Signatures spectrales entre 400 et 700 nm de diffrents objets du rcifbarrire de lle de Tahiti. Le protocole de mesure est dcrit dans Maritorena et al. (1994). La discrimination des spectres dpend surtout de leurs pentes, mais galement de leurs amplitudes. Ainsi, sur ces exemples, la pente entre 570-580 nm des coraux est caractristique.
Ltude des signatures spectrales constitue le fondement de la reconnaissance dobjets partir dimages. Elle permet une approche analytique qui constitue la meilleure justication de la tldtection, mais elle reste dpendante de la qualit de ltalonnage et de la validation des mesures (Teillet et al., 1998). En thorie, si deux objets ont des signatures diffrentes dans une bande spectrale donne, il est possible de les diffrencier sur une image. De mme, si la signature dun objet est variable dans le temps, il est possible de distinguer les diffrents tats de cet objet laide de mesures successives.
322
Pour les milieux aquatiques, de nombreux algorithmes bass sur la physique du transfert radiatif relient les grandeurs optiques mesures celles des fonds peu profonds (Lyzenga, 1978 ; Bierwirth et al., 1993 ; Maritorena et al., 1994 ; Lee et al., 1998), celles de la colonne deau (Lee et al., 1994 ; Maritorena, 1996 ; Lee et al., 1999) et la bathymtrie (Philpot, 1989 ; Loubersac et al., 1991 ; Lee et al., 1999). Ces algorithmes permettent donc dtudier les paramtres biologiques ou physico-chimiques du milieu. Ltude de la nature des fonds immergs, de la bathymtrie, ou des caractristiques de la colonne deau dpend de la profondeur de pntration du signal incident et de sa rexion, pour une bande spectrale donne. Pour des eaux claires, ce sont les canaux situs dans la gamme 400-500 nm, qui pntrent le plus profondment dans la colonne deau, alors que pour des eaux davantage charges en particules et substances dissoutes, les plus grandes profondeurs sont atteintes dans la gamme 500-600 nm. Ces grandes profondeurs restent toutefois limites 25-30 m dans les eaux claires (Philpot, 1989). La gamme de 600 700 nm natteint quune profondeur denviron 3 7 m, toujours pour des eaux claires. Plus loin dans le spectre, la pntration dans les eaux est limite quelques centimtres. Lutilisation de spectromtres-imageurs actifs ou passifs permet doptimiser le choix des bandes spectrales en fonction de loptique des eaux an de pouvoir travailler aux profondeurs les plus importantes possibles (Mooradian et al., 1996 ; Holasek et al., 1998). Percevoir le fond est une chose, avoir une information discriminante sur sa composition en est une autre. Le fond est une mosaque plus ou moins htrogne compose dorganismes benthiques (notamment coraux, algues et phanrogames) et de substrats durs (coraux morts, dalle) ou meubles (sdiments coralliens ou terrignes, dbris grossiers). Les tudes fondamentales sur la bio-optique et sur le comportement spectral des objets rcifaux, ralises en laboratoire ou sur le terrain, renseignent sur la discrimination spectrale entre les diffrents objets de la mosaque (Hochberg & Atkinson, 2000) : les coraux : les longueurs donde permettant de discriminer des coraux vivants de coraux blanchis ou morts ont t mises en vidence avec des pics de uorescence, induits par dtection active laide de lasers, entre 485 nm et 550 nm (Hardy et al., 1992 ; Myers et al., 1999 ; Fux & Mazel, 1999) ou par analyse des drives des spectres de rectance (Tsai & Philpot, 1998 ; Holden & LeDrew, 1998b, 1999 ; Hochberg & Atkinson, 2000) ; les algues : lallure des spectres des algues est rgie par labsorption due la prsence de pigments spciques (Kirk, 1994). Les algues brunes se caractrisent par une forte attnuation entre 400 et 680 nm. Cela induit une bonne discrimination des algues vertes et rouges, due une plus faible absorption respectivement vers 525-575 nm, et vers 590-610 nm/640-660 nm. Les
323
rectances sont plus leves, mais peu discrimines, entre 700 et 900 nm (Maritorena, 1993 ; Andrfout et al., 2001). Les bandes spectrales permettant de discriminer coraux et algues sont prsentes par Myers et al. (1999) et Hochberg & Atkinson (2000) ; les sdiments : ce sont les sdiments coralliens (vases et sables) qui ont les valeurs de rectance les plus leves dans lensemble du visible. Cela permet de les distinguer facilement sur les images. Toutes les applications de cartographie concluent dailleurs la bonne discrimination de la classe constitue de sable et de sdiments. Nanmoins, la prsence dorganismes micro- ou macroscopiques (cyanobactries, feutrage algal) peut moduler le signal, et il ny a pas de signature unique pour les fonds de sdiments ; les structures mortes et les dbris coralliens grossiers : ils sont rapidement coloniss par des gazons et des organismes endolithes de couleur sombre. Ils prsentent alors une signature proche de celles des algues. Depuis 1996, un nombre considrable dtudes portant sur la discrimination spectrale des objets du rcif ont eu lieu dans quasiment toutes les rgions biogographiques coralliennes. Les rsultats sont en cours de publication et un vaste catalogue de signatures sera disponible sous peu. Il est donc thoriquement possible didentier des bandes spectrales adaptes la reconnaissance lair libre des diffrents constituants du rcif. En pratique, en milieu immerg et avec des capteurs large bande, cette conclusion optimiste doit tre tempre. En effet, le signal rchi par les objets du fond est absorb par leau au cours de son trajet vers la surface. Les diffrences dabsorption entre les objets du fond, visibles sur des spectres de rectance lair libre, seront donc attnues par le trajet le long de la colonne deau (gure 3). Ainsi, les pics de uorescence des coraux sont absorbs le long de la colonne deau et ne constituent plus des signaux discriminants ds que la profondeur dpasse 5 m. Par ailleurs, les mesures effectues par des capteurs large bande, comme ceux des satellites Spot ou Landsat, intgrent les signaux sur la largeur de la bande spectrale, ce qui induit la perte des signaux dabsorption ou dmission les plus discriminants. 3.2. Inventaires et cartographies Limage de tldtection est un tableau de luminances, dont le pas entre les lments est la rsolution spatiale de limage. Celle-ci dnit la taille au sol dune unit lmentaire (un pixel) de limage (planche 1). La rsolution spatiale des images Spot-HRV multispectrales XS est de 20 m, celle des images Landsat-TM et ETM+ de 30 m, celle de Landsat-MSS de 70 m. Les images acquises avec des spectromtres-imageurs aroports ont une rsolution spatiale qui dpend de laltitude de vol, et qui peut tre infrieure au mtre.
324
100,0
0m 1m 3m 0m 1m 10 m 5m
10,0 Rflectance
20 m
3m
1,0 sable corallien algue verte
5m 10 m 20 m
0,1 400
600 500 Longueur d'onde (nm)
700
Figure 3 Spectres de rectance juste sous la surface de leau (en chelle logarithmique) de deux objets du fond (sable et algue verte Boodlea sp.), situs des profondeurs varies entre 0 et 20 m. La gure illustre linuence que lattnuation des signaux optiques par la colonne deau a sur la reconnaissance des objets benthiques daprs leurs signatures spectrales. 5 m, les spectres ont encore des amplitudes et des pentes bien diffrencies. 10 m, les spectres ont des amplitudes encore diffrentes mais des formes quasiment similaires. 20 m de fond, les spectres sont identiques.
Planche 1 ( droite) Rsolutions spectrales et spatiales : lexemple du rcif de Tiahura (Moorea, Polynsie franaise). gauche, limage Spot-HRV XS est constitue des trois bandes spectrales XS1 (500-590 nm), XS2 (610-690 nm) et XS3 (790-900 nm) peu discriminantes, toutefois la fauche du capteur (60 60 km) permet dobserver lensemble de lle (en haut, au milieu). droite, une image Casi comprend de nombreux canaux (ici quinze) dont le nombre, la largeur et la position sont programmables (notamment entre 400 et 900 nm). Cependant, elle ne couvre quune faible section du rcif et le cot est bien plus important quune image satellitaire (Mumby et al., 1999). Limage Casi de rsolution spatiale 1 m informe plus prcisment sur la structure locale du site (crte rcifale au nord, rcif-barrire, chenal, et rcif frangeant au sud) que limage Spot de rsolution 20 m. La sensibilit spectrale du Casi permet doptimiser le choix des bandes en fonction des thmes : tude dun bloom dalgue verte Boodlea kaeneana sur le rcif frangeant (encadr du bas), ou tude de la biomasse de la ceinture dalgues brunes sur la crte rcifale (encadr du haut). Lagrandissement de cet encadr, en bas, montre bien la rpartition de la densit dalgues brunes le long de la crte.
325
TIAHURA
SPOT
XS3 XS2 XS1
1 . . . . . . . 15
CASI
3 canaux, 20 mtres
n canaux, 1 mtre
125 m
340 m
975 m
326
Si lanalyse spectrale permet une analyse qualitative pour savoir quel est lobjet du monde rel prsent dans le pixel tudi, lanalyse spatiale permet, quant elle, de quantier la surface occupe par un objet sur lensemble de la scne tudie, deffectuer des inventaires et danalyser ltat doccupation du sol. Les rsultats peuvent tre prsents sous forme de cartes et servir la gestion des ressources et lamnagement (Loubersac, 1994). En pratique, en milieux coralliens, linventaire que souhaiterait le biologiste se heurte souvent linadquation entre la taille des objets lmentaires (organismes, agrgat de populations ou communauts) et la rsolution spatiale de limage. Il existe certes de larges zones homognes domines par des sdiments, des macrophytes, ou du corail vivant, qui posent moins de problmes pour la dnition des classes et leur identication limage (Manire et al., 1993 ; Bour & Pichon, 1997). Nanmoins, le problme de lhtrognit demeure quand on sintresse aux parties bioconstruites les plus riches et les plus intressantes du point de vue de la biodiversit ou aux frontires des zones homognes (Andrfout & Roux, 1998). Si le pixel de limage couvre une zone htrogne (on parle de mixel), la valeur radiomtrique mesure par le capteur sera une somme pondre des contributions de chacune des parties constituant la parcelle au sol (Settle & Drake, 1993). Pour composer avec lhtrognit du fond, deux possibilits soffrent lanalyste : 1. il peut dcider que la formation htrogne couverte par le pixel constitue un nouveau type dobjet, intgrant dans sa nature les sous-objets de tailles infrieures. Lcologue doit alors spcier lintrt cologique de cette nouvelle reprsentation (Graetz, 1990) et dcrire les relations (lois statistiques, lois physiques, lois logiques), qui lui permettent de reconnatre limage ce nouvel objet. Il effectue donc un transfert de reprsentation entre le terrain et limage, qui est le rsultat dun compromis entre dtectabilit et contenu dinformation : lobjet doit tre raisonnablement dtectable limage, tout en conservant une signication pour le thmaticien. Ce transfert est rarement ralis objectivement au dbut de lanalyse (Andrfout & Claereboudt, 2000), mais gnralement a posteriori, de manire empirique, en fonction des rsultats de classication dimages (Sheppard et al., 1995) ; 2. il dsire conserver la rsolution thmatique initiale. Il devra alors estimer pour chaque pixel la surface occupe par chacun des sous-objets par une mthode analytique ou statistique (Raffy, 1993 ; Mathieu et al., 1994). Une telle analyse, intra-pixel, encore largement exploratoire pour les milieux coralliens, est prsente par Peddle et al. (1995). Lanalyse de spectres de uorescence mixtes est prsente par Fux & Mazel (1999).
327
Si lcologue a le dsir (louable) de conserver son niveau thmatique optimal, il faut nanmoins quil tienne compte du fait que la rsolution spatiale et lerreur de localisation dun pixel conditionnent la taille des objets que lon peut identier limage, et donc conditionnent le protocole dapprentissage et de contrle sur le terrain. tre capable de localiser parfaitement un site limage est important en phase dapprentissage (reconnaissance des objets sur sites), dans le but de mettre en rapport lobjet sur le terrain et la signature du pixel correspondant limage. Cest la gnralisation de cette correspondance qui permet de traiter ensuite lensemble de limage, do limportance dune localisation correcte. Une localisation parfaite est galement requise en phase de contrle. Si limage ne souffre daucun dfaut gomtrique et si le reprage sur le terrain est fait trs prcisment (avec un GPS diffrentiel par exemple), il est thoriquement possible de reprer des objets un pixel prs et ce jusqu la rsolution du mtre. Or, la taille dune zone dapprentissage ou de contrle doit tre suprieure cette erreur. Bainbridge & Reichelt (1988) dnissent ainsi logiquement la plus petite unit discernable, dont la surface S est calcule avec S = R(1 + 2E), o R est la rsolution du pixel et E est lerreur de localisation en nombre de pixels. Si on travaille sur des images Spot de rsolution R = 20 m et quon xe E gal 1, on obtient S = 60 m. Dans ces conditions, les surfaces dapprentissage devraient tre au minimum de 60 60 m, et la dimension des objets tudis dau moins cette taille pour tre sr de ne pas faire derreur. Avec des images Casi un mtre de rsolution, il faut donc considrer des objets de 3 3 m. Ces valeurs de surfaces conditionnent les types dobjets que lon peut tudier et limitent ainsi fortement la typologie dhabitats que lon peut objectivement essayer de cartographier partir de donnes de tldtection. Nanmoins, cette typologie, mme si elle ne convient pas parfaitement aux besoins de lcologue, peut tout fait lui tre utile pour hirarchiser son travail de terrain. En thorie, avec une parfaite localisation, il sufrait daugmenter les rsolutions spatiale et spectrale des images pour pouvoir identier nimporte quel objet en fonction de critres structuraux ou spectraux. En pratique, si la rsolution spatiale augmente, la signature spectrale des objets devient trs sensible des facteurs locaux. Elle prsente alors une forte variabilit qui rend difcile la reconnaissance sans ambigut des objets. Ainsi, la luminance des objets devient sensible aux uctuations dclairement, engendres par la gomtrie intrinsque de la scne (ombre porte, etc.). En rsum : une faible rsolution spatiale induit une faible variance spectrale, mais la nature des objets est grossirement dcrite ; en revanche, une rsolution leve permet datteindre le niveau des populations, mais implique une forte variabilit des mesures qui deviennent sensibles aux facteurs locaux et lhtrognit du site. Il existe donc
328
des optimums de rsolution spatiale pour la reconnaissance dobjets partir dimages (Woodcock & Strahler, 1987). Ces optimums sont peu connus en milieu corallien. Un exemple concernant la tldtection du blanchissement du corail sur la Grande Barrire de corail en Australie partir de photographies ariennes est le premier exemple de ce type de recherche (Andrfout et al., 2002). Ltude comparative inter-capteurs de Mumby et al. (1997) apporte galement des lments de rponse pour la dnition et la cartographie dhabitats en milieu rcifal (Mumby & Harborne, 1999). 3.3. Dtection des changements Aprs les composantes spectrale et spatiale, la composante temporelle ouvre des champs dtudes nombreux, relatifs la gestion des ressources, limpact des catastrophes naturelles et aux changements dus aux phnomnes naturels ou anthropiques. Au plan mthodologique, il sagit thoriquement deffectuer des inventaires ou des calculs de paramtres biophysiques rptition, puis de comparer les diffrences. En thorie, la validit des rsultats repose sur une parfaite calibration des donnes aussi bien gomtriquement que radiomtriquement. Pour les quelques applications recenses, cette condition nest pas vrie : il ny a en gnral aucune correction atmosphrique et parfois aucune correction de linuence de la colonne deau. Par ailleurs, la prcision gomtrique du calage entre deux images ne peut tre meilleure qu un pixel prs. Avec des images Spot-HRV, Landsat-TM ou ETM+, capteurs peu discriminants spectralement et sensibles linuence de la colonne deau dont les caractristiques peuvent tre trs variables dans le temps, lincertitude est donc souvent typiquement du mme ordre de grandeur que ce que lon voudrait mesurer quand on cherche quantier des changements ns de populations (Andrfout et al., 2001). Les rsultats, aux petites chelles, sur des changements de communauts vivantes (phase-shift ou strategy-shift) sont donc contestables (Luczkovich et al., 1993 ; Michalek et al., 1993 ; LeDrew et al., 1996). Les seuls changements objectivement mis en vidence sont ceux conscutifs un remaniement des sdiments, qui ont une signature bien diffrencie de celle des communauts vivantes. Ces changements sont visibles aprs un cyclone, par exemple, quand des sdiments ont recouvert des structures benthiques vivantes sur de grandes surfaces (Loubersac et al., 1988). En fait, en raison de ces limitations et des facteurs 1, 3, 4, 7, 8 et 12 gurant dans le tableau 3, trs peu dtudes comparatives, spatiales ou temporelles, ont t vraiment ralises, hormis pour des cartographies gomorphologiques et bathymtriques de base lchelle des les ou pour de la surveillance lchelle rgionale (Jupp et al., 1985 ; Loubersac, 1994). Gnralement, lanalyse porte sur un site unique, sur lequel quelques rsultats spciques essentiellement
329
descriptifs sont obtenus. Il y a donc peu de travail dextrapolation aboutissant un guide mthodologique qui permette de reconduire une tude un niveau de prcision requis dans un site diffrent ou sur le mme site une date diffrente. Il est clairement dit, dans Green et al. (1996), que seulement 25 % des rsultats dont ils ont eu connaissance en milieu ctier sont quantis avec prcision. De plus, les protocoles dapprentissage, de contrle et de validation sont le plus souvent trs diffrents. Ceci montre que les auteurs ont plutt men des tudes exploratoires, sans relle volont de gnraliser leurs applications pour des comparaisons entre sites ou des dates diffrentes. Le travail sur un site particulier a certainement le mrite doptimiser la connaissance sur ce site (Thomassin et al., 1985 ; Manire & Jaubert, 1985 ; Courbouls et al., 1987 ; Salvat et al., 1990 ; Loubersac et al., 1991 ; Courbouls et al., 1992 ; Sheppard et al., 1995 ; Sanchez et al., 1996 ; Maritorena, 1996 ; Morel, 1996 ; Bour & Pichon, 1997 ; Mumby et al., 1997 ; Despinoy & Naim, 1998 ; Chauvaud et al., 1998). Nanmoins, les problmes spciques, les terminologies utilises, les particularits environnementales du site, lutilisation de diffrentes images et de mthodes varies danalyse nuisent toute synthse prcise et quantie de lapport de la tldtection pour ltude des zones coralliennes en gnral et pour ltude des changements en particulier. Cest le point le plus rvlateur du manque de maturit de ltude des rcifs coralliens par tldtection. 3.4. tudes fonctionnelles Les tudes fonctionnelles pour lesquelles la tldtection serait potentiellement utile concernent la quantication de matires, des ux de matires et dnergie, et linuence de lhydrodynamisme mso-chelle sur les structures rcifales. Parmi 150 articles concernant ltude des milieux ctiers, cits par Green et al. (1996), deux seulement se sont intresss la biomasse phytoplanctonique, deux la biomasse des herbiers, et un la biomasse de Trochus niloticus. Depuis, la proportion dtudes fonctionnelles na gure volu. Toutefois, les dveloppements lis ltude de la concentration en chlorophylle dans les masses deaux ocaniques (OReilly et al., 1998) ont inspir quelques projets de cartographie de la concentration en chlorophylle en milieux lacustres (Yacobi et al., 1995) ou ctiers (Hu et al., 1998), quils soient coralliens (Blake et al., 1994) ou non. lchelle dun cosystme rcifal (rcif-barrire, lagon), il nexiste pas vraiment dvaluation directe de la production primaire de la colonne deau par tldtection. Pour le benthos, les algorithmes biooptiques permettant de raliser directement cet objectif nexistent pas encore, mais sont en cours dtude. Il est nanmoins possible de lier, sous certaines hypothses, des productions calcules sur le terrain ou en laboratoire avec des
330
cartes ralises par tldtection an dobtenir des estimations plus grande chelle (Ahmad & Neil, 1994 ; Andrfout & Payri, 2001). Les tudes ctires sur lhydrodynamique, cites par Green et al. (1996), sont plus nombreuses (18 sur 150, mais ne portent pas toutes sur des systmes strictement coralliens). Elles sont plutt axes sur la circulation des eaux, lrosion des ctes, la quantication des matires en suspension et la temprature de leau. Elles ne se proccupent pas des consquences cologiques des facteurs hydrodynamiques. On peut citer nanmoins trois tudes liant tldtection, dynamique des milieux coralliens, hydrodynamique et conditions ocaniques (Courbouls & Manire, 1992 ; Miller & Cruise, 1995 ; Strong et al., 1997), bien que dans deux cas, ce soit lenvironnement du rcif et non le rcif corallien lui-mme qui est vis par limage. La tldtection nest donc pas encore la panace pour ltude fonctionnelle directe des milieux coralliens. En revanche, elle permet, indirectement, de favoriser les comparaisons fonctionnelles entre sites partir de critres descriptifs structuraux extraits des images, comme la surface, le degr douverture, lexposition ou la bathymtrie. Ainsi, des paramtres structuraux calculs partir dimages Spot ont permis dexpliquer les diffrences de structure des communauts benthiques (Adjeroud et al., 2000), ou les proprits des colonnes deau (Dufour et al., 2001) dans les lagons des atolls de Polynsie franaise.
4. Mthodologies de traitements dimages

Le tableau 3 ne mentionne pas la qualit du traitement dimage utilis, or limage contient des informations quil convient dextraire avec la mthode la plus adapte, parfois trs simple, parfois trs complexe (Lillesand & Kiefer, 1994 ; Jensen, 1996 ; Sabins, 1997). Aprs leur acquisition, les images se prsentent sous une forme qui ne permet pas toujours dextraire facilement linformation voulue. Plusieurs tapes sont ncessaires. Dans un premier temps, une phase systmatique de prtraitements radiomtrique et gomtrique est requise pour que limage ait un label de qualit sufsant, par exemple le niveau 2A de Spot Image (CNES-Spot-IMAGE, 1986) ou le niveau L1G de Landsat. Ensuite, dans un second temps, limage est traite dans un but thmatique. Le choix dune mthode optimale permet de saffranchir, dans une certaine mesure, des facteurs limitants prsents dans le tableau 3. Le choix de lalgorithme de traitement dpend aussi de la prcision que lon dsire atteindre, que ce soit pour des mesures biophysiques, des inventaires ou une cartographie. Il dpend aussi du niveau de connaissance que lon peut injecter dans le processus.
331
Plusieurs approches de traitement sont possibles. Elles sont largement dpendantes du type dimage utilise, de lobjectif thmatique de lanalyste, des logiciels dont il dispose et enn de la connaissance quil a du terrain. Nous distinguerons quatre faons daborder le traitement. 4.1. Lapproche physique Il sagit de lapproche la plus objective car elle est fonde sur une modlisation reliant la luminance mesure aux paramtres de la cible, de latmosphre et de leau qui sintercalent entre le capteur et la cible. Cette approche domine les applications biophysiques. Une grande partie de lactivit de tldtection est consacre la calibration et la validation des mesures fournies par les capteurs pour aboutir un modle able. Certains de ces modles seront empiriques, cest--dire bass sur des mesures statistiques dindpendance (corrlation ou rgression). Dautres modles seront analytiques et bass sur les lois du transfert radiatif (Mobley, 1994) et/ou les proprits gomtriques des objets. Mais la plupart de ces modles sont ajusts ensuite semi-empiriquement, et valids grce des simulations de type Monte-Carlo par exemple (Maritorena et al., 1994). Ce type de modle, semi-analytique, est le plus courant. Pour les milieux coralliens, en eaux claires, un modle utile simple de transfert radiatif le long dune colonne deau limite par un fond une certaine profondeur Z est par exemple : Li = Li + L f i e2Ki Z o Li est la luminance mesure dans le canal i, Li est la luminance dune colonne deau optiquement homogne en labsence de fond, L f i est un terme qui dpend de la luminance du fond, et Ki est le coefcient dattnuation diffuse. Ce modle simple, ou lun de ses quivalents plus ou moins complexe (Gordon & Brown, 1974 ; Lyzenga, 1978 ; ONeill & Miller, 1989 ; Lee et al., 1994, 1999), constitue la base du calcul de la bathymtrie de la nature du fond (L f i ) et des proprits optiques des eaux (Ki ) par tldtection. Ces modles ont t utiliss en environnement corallien par, entre autres, Loubersac et al. (1991), Maritorena (1996), Morel & Lindell (1998), Hu et al. (1998), Zhang et al. (1999). 4.2. Lapproche structurale Lapproche structurale sattache dcrire la gomtrie et la topologie de groupes de pixels. Cest le domaine de la segmentation dimages et de lanalyse spatiale. La segmentation consiste en la reconnaissance dobjets par dtection de leurs contours, par seuillage, ou par la reconnaissance de rgions homognes du point de vue dun certain critre. Pour le traitement dimages de
332
tldtection, ces critres sont classiquement bass sur des mesures de texture, de forme, de taille ou dhomognit radiomtrique des pixels. Souvent, on considre les segmentations comme un prtraitement de bas niveau permettant didentier des zones homognes, en prlude des classications ou des calculs de paramtres statistiques. Les algorithmes de segmentation sintressent au suivi de contours (Canny, 1986), la dtection dlments linaires (Destival, 1987), lanalyse texturale base sur une approche statistique (Haralick et al., 1973 ; Barber & LeDrew, 1991) ou sur ltude des primitives gomtriques (Flouzat, 1988), la fusion et/ou la division de rgions (Woodcock & Harward, 1992). Ltape suivant la segmentation est lanalyse spatiale. Elle a pour but de calculer les proprits gomtriques des rgions (orientation, convexit, allongement, forme, compacit) et de caractriser la topologie inter-rgion (distance, galit, contact, intersection, inclusion). En tldtection, cette approche est utilise pour caractriser la structure spatiale dun paysage (BradMusick & Grover, 1990 ; Lagro, 1991), et, en retour, pour rednir de nouveaux paramtres de rgions, appropris la reconnaissance dobjets particuliers. Ce domaine constitue un pan entier des recherches en gomatique pour la mise au point de systmes dinformations gographiques (SIG) destins la gestion de lespace (Peuquet, 1991). Le choix des mthodes savre trs dpendant des images utilises et du thme de travail. En ce qui concerne ltude des milieux coralliens, notre connaissance, peu dalgorithmes structurels ont t utiliss. Loubersac et al. (1991) utilisent un canal dit de texture pour amliorer la classication des fonds. Par ailleurs, Dustan et al. (2001) ont montr sur des images Landsat-TM que des changements de textures pouvaient sexpliquer par les changements de nature du fond sur des rcifs de Floride. Enn, lanalyse texturale se rvle utile pour linterprtation dimages haute rsolution spatiale et faible rsolution spectrale comme celles fournies par le satellite Ikonos. 4.3. Lapproche statistique Ici le terme statistique , recouvre ltude des paramtres de distribution (comparaisons de moyennes, analyse de variance), mais aussi les outils probabilistes lis la thorie de la dcision (les tests) et lensemble des outils numriques dalgbre linaire appliqus au traitement des grands ensembles de donnes (ordination, analyse multivarie). Une grande partie de loutil statistique est assez peu utilise en traitement dimages car il existe dautres stratgies de traitement, notamment lapproche physique pour lesquelles les modles (semi)analytiques et les calibrations contraignent sufsamment lanalyse. Par ailleurs, en imagerie, il est difcile davoir sufsamment de rplicats
333
pour pouvoir mener des analyses statistiques rigoureusement valides, notamment lors de lacquisition de parcelles de vrit terrain qui sont des oprations souvent lourdes et coteuses (Stehman & Czaplewski, 1998). Les statistiques sont ncessaires pour dnir les objets reconnatre (habitats par exemple), pendant le traitement lui-mme, an de diffrencier les classes dobjets daprs des contraintes de similarit radiomtriques entre pixels et aprs le traitement, an de comparer des donnes exognes avec les rsultats et dvaluer la qualit du travail (Congalton, 1991 ; Stehman, 1997, 1999). Lusage le plus courant des statistiques concerne les dcorrlations et les classications de limage. Dans le cas dimages multispectrales, les ordinations en espace rduit (notamment lanalyse en composantes principales, ou ACP) permettent de crer de nouveaux canaux qui vont synthtiser le maximum dinformation (i.e. variabilit) des canaux initiaux. Dans le mme ordre dide, les rotations daxes dans lespace spectral, les mises en coordonnes polaires et les calculs dindices (oprations mathmatiques entre canaux) ont pour but de mettre laccent sur des thmes prcis en effectuant des dcorrlations. Pour ltude des milieux coralliens partir dimages, les traitements par ACP (Courbouls et al., 1987 ; Belsher et al., 1990), coordonnes polaires (Maritorena, 1993), rotations (Loubersac et al., 1991) et indices (Bour & Pichon, 1997) ont t mis en uvre. Les classications consistent raliser une partition de lensemble des pixels en C catgories ou classes en fonction de leur similarit (classication nondirige) ou en fonction de paramtres spectraux (moyenne, cart-type, covariance) choisis comme rfrence aprs une phase dapprentissage (classication dirige) (gure 4). La ressemblance entre pixels, ou entre pixels et rfrences, dpend du choix dune mesure de similarit (ou de dissimilarit). Lefcacit des classications dpend de deux hypothses de travail : 1. tous les objets appartenant la mme classe ont des signatures identiques ; 2. les signatures de classes dobjets diffrentes sont parfaitement distinctes les unes des autres. Dans le cas des milieux coralliens immergs (une partie des objets de la couronne dun atoll, prsents en gure 4, est terrestre et constitue donc un cas favorable), ces conditions ne sont gnralement pas vries. La signature limage dune classe donne est variable. Elle dpend bien sr des rsolutions du capteur, mais aussi des conditions environnementales (hauteur et qualit deau notamment) et de ltat physiologique de la cible, linstar des vgtaux terrestres. Par ailleurs, les diffrences de signatures spectrales sont faibles entre objets immergs (gure 3). Les algorithmes de reconnaissance dobjets, contraints par un apprentissage statistique des signatures spectrales, ne sont
334

dbris coralliens intertidaux XS1 160 140 120 100 80 60 40 00 kopara
20 40 80
eaux prof. hoa hoa intertidal platier immerg conglomrat intertidal XS2 sols nus
dbris coralliens lagune
conglomrat platier intertidal
60
vgtation
20
40
60
80
100
120
140
160
180
XS3
Figure 4 Signatures statistiques de treize objets (le terme kopara est polynsien et correspond des mattes cyanobactriennes) de la couronne de latoll de Tikehau (Polynsie franaise) dans lespace spectral XS1, XS2, XS3 des images Spot-HRV-XS. Les ellipses dnissent le domaine spectral de chacune des classes en fonction des paramtres moyenne, cart-type et covariance dans les trois canaux (lunit est ici en compte numrique). Lenveloppe des ellipses est constitue des points distants de 1,5 fois lcart-type, en utilisant la distance de Mahalanobis. Lorientation des ellipses est donne par la direction des vecteurs propres de la matrice de covariance de chacune des classes.
donc pas vraiment adapts. Les algorithmes ont des performances moyennes et doivent tre amliors ou complts par des analyses structurales, mais les objets nont pas forcment non plus des formes ou des textures discriminantes. Nanmoins, malgr ces handicaps, les ACP et les classications supervises ou non supervises sont les mthodes de classication les plus souvent rencontres pour ltude du milieu rcifal.
335
4.4. Lapproche par intelligence articielle Nous avons vu dans les paragraphes prcdents comment lalgbre linaire et les statistiques permettent de manipuler des informations numriques dans le cadre du traitement dimages de tldtection. Les oprations que lon effectue relvent alors de lanalyse numrique des donnes. Nous pouvons noncer des algorithmes sur un plan numrique. Par exemple pour une post-segmentation : toute rgion de moins de 4 pixels sera rattache la rgion connexe la plus grande . Le rsultat sera une nouvelle rgion. Elle aura des proprits de rgion. Lopration sera lie la dnition et aux proprits gomtriques des rgions (taille, connexit). Mais nous pourrions dcrire galement une postsegmentation un niveau symbolique plus lev : la classe des fonds sableux est rattache la classe des fonds sdimentaires . Lopration sera alors domine par les proprits des classes (nature, parent, similarit, hritage, stabilit). Elle se rfre alors des objets symboliques sable ou fonds sdimentaires . Ces objets ne peuvent tre uniquement manipuls numriquement et par la logique mathmatique, mme aprs un codage articiel, mais ncessitent la dnition dune smantique propre garantissant la cohrence du traitement. Les rsultats dun traitement nonc de manire symbolique peuvent tre prsents sous forme symbolique ou, le plus souvent, sous une forme numrique. Dans ce cas, le processus relve de lanalyse numrique de donnes symboliques, ce qui est couramment ralis aujourdhui par les systmes dinformations gographiques. Ces derniers peuvent, en effet, rpondre des requtes telles que : quelle est la distance moyenne entre la cte et la crte algale ? Or, sil est facile de remplacer une reprsentation symbolique (une classe) par sa reprsentation numrique (un histogramme par exemple), il est plus difcile de dduire dune reprsentation numrique une reprsentation symbolique, cest--dire deffectuer une analyse symbolique de donnes numriques. Cela est ralis quand une reprsentation sur des axes factoriels est interprte en terme dindividus ou de variables, mais elle ncessite lintervention dun spcialiste du domaine avec sa propre smantique et ses propres connaissances. Lintelligence articielle est la science qui doit fournir les outils permettant une volution vers une symbolisation complte, vers une analyse symbolique de donnes symboliques (Diday, 1991). Cela signie que toutes les tapes du traitement dimages qui relvent actuellement du traitement numrique (apprentissage, classication, contrle, croisement dinformations) devraient tre ralises au niveau symbolique, avec la smantique du spcialiste du domaine dtude. Actuellement, cet objectif nest encore que trs partiellement rempli. Il ne sagit donc pas encore de vritable intelligence articielle, car les mthodes font encore appel une reprsentation mixte numrique/symbolique
336
qui permet toutefois de combiner lefcacit du traitement numrique avec la puissance des raisonnements logiques. Parmi les outils drivs de lintelligence articielle, on peut citer les systmes experts, les rseaux neuronaux, lapprentissage automatique, la fusion multi-source, les ensembles ous, la thorie de lvidence et la thorie des possibilits. Chacun de ces outils bncie dun cadre mathmatique formel, linstar de la thorie des probabilits qui est depuis longtemps un outil de base indiscut en cologie numrique et en classication dimages. La tldtection fait assez largement appel ces nouvelles techniques depuis la n des annes quatre-vingt (Skidmore, 1989 ; Coulson et al., 1990 ; Foody, 1996 ; Peddle, 1995 ; Desachy et al., 1996). En ce qui concerne les milieux coralliens, ces techniques sont encore peu employes, mais compte tenu de leurs avantages, qui sont certains, et des amliorations qui leur sont constamment apportes, les applications devraient se multiplier. ce jour, les classications oues ont t appliques en milieux datolls pour la cartographie des couronnes (Matsakis et al., 2000) ; la fusion multi-source a permis la cartographie du lagon de lle de Moorea et lanalyse de son htrognit (Andrfout et al., 2000) ; les classications oues suivies dune analyse structurelle ont permis la cartographie des tapis cyanobactriens et des couronnes des atolls des Tuamotu (Andrfout & Roux, 1998 ; Suzuki et al., 2001). Enn, un systme expert est utilis pour la dtermination des lvations anormales de temprature laide de donnes AVHRR pour la prvision des pisodes de blanchissement (Hendee et al., 1998). 4.5. Quelle est la meilleure mthode ? La meilleure approche mthodologique pour effectuer une cartographie consiste certainement utiliser lensemble des mthodes existantes. Les modles physiques doivent tre utiliss au maximum pour obtenir une information radiomtrique qui soit la plus dterministe possible. Ainsi, aujourdhui, si la bathymtrie est variable sur le site dtude, il est devenu quasiment obligatoire de sparer le signal de la colonne deau de celui du fond avant denvisager une cartographie du benthos. Cela vite notamment de dcrire un systme cologique avec des classes htroclites difcilement comparables dun site lautre comme : corail vivant peu profond , algues en eaux turbides , eaux profondes , etc. On considre maintenant que les tudes qui ne passent pas par une tape de correction de linuence de la colonne deau ne rpondent pas un certain standard de qualit, lequel reste cependant dnir en milieu corallien. La seule entrave cette rgle se rencontre lorsque lanalyste effectue une classication non supervise en prlude une opration de vrit terrain pour avoir une ide de la variabilit des substrats et pour stratier le travail
337
de terrain. En aucun cas, cette classication ne doit constituer le produit nal. Elle ne sert que de support temporaire. Ensuite, face lhtrognit et la structure des peuplements, les classications et les analyses structurales, nettes ou oues, peuvent prendre le relais de lanalyse, grce aux connaissances acquises lors de la vrit terrain. Il sagit donc prfrentiellement de techniques supervises que lon doit appliquer aprs avoir dni des classes de manire objective, en confrontant la variabilit des descripteurs de terrain et la variabilit radiomtrique sur des sites dapprentissage ayant la taille adquate. Enn, les techniques rcentes de fusion dinformation et dutilisation de bases de connaissances contextuelles compltent efcacement le traitement en vue dune cartographie ou dune analyse spatiale, ventuellement pour la mise au point de modles de peuplement, utiles aux biologistes et aux gestionnaires de lenvironnement.
5. Conclusion
En milieu corallien, les mesures biophysiques, les inventaires et ltude des changements sont rendus difciles par : une faible discrimination spectrale entre composants lmentaires ; un milieu immerg des profondeurs varies ; une faible taille des organismes, assembls de manire trs htrogne ; des variations spatiales et temporelles de peuplements et de proprits optiques des eaux. Lapproche descriptive est limite principalement par la rsolution spatiale et spectrale des capteurs de tldtection. Limage sert retrouver une typologie dobjets dj existante, dans le meilleur des cas, ou une typologie nouvelle dobjets adapte limage. Cette tape de mises en correspondance doit tre franchie avant toute tentative de gnralisation des connaissances, grce la vue synoptique offerte par la tldtection. Mme avec les meilleures rsolutions spectrales et spatiales des capteurs hyperspectraux rcents, lanalyse directe des milieux coralliens reste dlicate et pose galement des problmes spciques de calibration et de validation. Par ailleurs, la plus grande rsolution de ces images ne fait que poser avec plus dacuit les problmes lis lorganisation spatiale et lhtrognit des systmes. Dans ce contexte, le choix mthodologique du traitement de limage sera toujours important, quelle que soit la donne. La tldtection favorise les approches comparatives, pour une chelle danalyse donne, compte tenu de mesures spectrales relativement dterministes et de la couverture large et homogne dun site dtude. Linformation structurale
338
peut galement tre tudie partir de limage, en constituant un prlude ltude comparative du fonctionnement de plusieurs systmes. Lapproche fonctionnelle dun systme corallien nest gure possible directement partir de limage. On peut nanmoins observer la dynamique dun paramtre de lenvironnement du systme par lexamen dimages successives. Limage permet aussi et surtout de quantier des paramtres structurels sur les frontires (connectivit, porosit, permabilit) contrlant les ux induits par des vnements extrieurs (conditions mtorologiques par exemple). La connaissance de la structure spatiale contrlant la dynamique des ux demeure un apport important pour une approche fonctionnelle des systmes, bien quil ne sagisse que dun aspect du problme. ce jour, une approche multidisciplinaire, o linformation prise en compte est obtenue plusieurs chelles par des mthodologies diffrentes, reste ncessaire pour tudier le fonctionnement complet dun systme corallien.
Remerciements
Nous remercions William Patzert (Jet Propulsion Laboratory) et Michael Van Woert (Noaa) pour les informations gurant dans le tableau 1. LIfremer et le territoire de Polynsie franaise ont permis laccs limage Spot de la planche 1. Limage Casi utilise pour la planche 1 a t acquise grce lextraordinaire gnrosit du prince Khaled bin Sultan bin Abdulaziz dArabie Saoudite, lors dune mission organise en Polynsie franaise par Jean Jaubert, John Chisholm (Observatoire ocanographique de Monaco) et Herb Ripley (Hyperspectral Data International). Nous remercions ce titre galement lquipage de la Golden Fleet pour sa gentillesse et son professionnalisme. Enn, la brasserie de Tahiti a fourni certains chantillons cls de la gure 2.
Rfrences bibliographiques
Adjeroud M., Andrfout S., Payri C. & Orempller J., 2000. Physical factors of differentiation in macrobenthic communities between atoll lagoons in the Central Tuamotu Archipelago (French Polynesia) , Marine Ecology-Progress Series, no 194, p. 39-48. Ahmad W. & Neil D.T., 1994. An evaluation of LANDSAT Thematic Mapper (TM) digital data for discriminating coral reef zonation : Heron Reef (GBR) , International Journal of Remote Sensing, no 15, p. 25832597.
339
Andrfout S. & Claereboudt M., 2000. Objective class denitions using correlation of similarities between remotely sensed and environmental data , International Journal of Remote Sensing, no 21, p. 1925-1930 Andrfout S. & Roux L., 1998. Characterisation of ecotones using membership degrees computed with a fuzzy classier , International Journal of Remote Sensing, no 19, p. 3205-3211. Andrfout S. & Payri C., 2001. Scaling-up carbon and carbonate metabolism in coral reefs using in situ data and remote sensing , Coral Reefs, no 19, p. 259-269. Andrfout S., Roux L., Chancerelle Y. & Bonneville A., 2000. A fuzzy possibilistic scheme of study for objects with indeterminate boundaries : application to French Polynesian reefscapes , IEEE Transactions on Geoscience and Remote Sensing, no 38, p. 257-270. Andrfout S., Muller-Karger F., Hochberg E., Hu C. & Carder K., 2001. Change detection in shallow coral reef environments using Landsat 7 ETM+ data , Remote Sensing of Environment, no 79, p. 1-13. Andrfout S., Berkelmans R., Odriozola L., Done T., Oliver J. & Muller-Karger F., 2002. Choosing the appropriate spatial resolution for monitoring coral bleaching events using remote sensing , Coral Reefs, no 21, p. 147-154. Bainbridge S.J. & Reichelt R.E., 1988. An assessment of ground truth methods for coral reef remote sensing data , In : Proceedings of 6th Intern. Coral Reef Symp., Davies P.J. (ed.), no 2, p. 439-444, University of Australia, Townsville. Barbault R., 1995. cologie gnrale : structure et fonctionnement de la biosphre, Masson, Paris, 275 p. Barber D.G. & LeDrew E.F., 1991. SAR sea ice discrimination using texture statistics : a multivariate approach , Photogrammetric Engineering & Remote Sensing, no 57, p. 385-395. Battistini R., Bourrouilh F., Chevalier J.-P., Coudray J., Denizot M., Faure G., Fisher J.-C., Guilcher A., Harmelin-Vivien M., Jaubert J., Laborel J., Masse J.-P., Maug L.-A., Montaggioni L., PeyrotClausade M., Pichon M., Plante R., Plaziat J.-C., Plessis Y., Richard G., Salvat B., Thomassin B., Vasseur P. & Weydert P., 1975. lments de terminologie rcifale indopacique , Thtys, no 7, p. 1-111. Belsher T., Meinesz A., Payri C. & Ben Moussa H., 1990. Apport du satellite Spot la connaissance des cosystmes rcifaux coralliens. La
340
vgtation marine de lle de Moorea, Polynsie Franaise , Oceanologica Acta, no 13, p. 513-524. Bierwirth P.N., Lee T.J. & Burne R.V., 1993. Shallow sea-oor reectance and water depth derived by unmixing multispectral imagery , Photogrammetric Engineering & Remote Sensing, no 59, p. 331-338. Blake S.G., Jupp D.L.B. & Byrne G.T., 1994. The potential use of high resolution CASI data to determine sedimentation patterns and primary productivity throughout the Whitsunday Islands region, Great Barrier Reef , In : 7th Australian Remote Sensing Conference, Melbourne, Australie, p. 4348. Blondel J., 1986. Biogographie volutive, Masson, Paris, 221 p. Bonn F. & Rochon G., 1992. Prcis de tldtection : principes et mthodes, Presses de luniversit du Qubec, Qubec, 485 p. Bour W., Loubersac L. & Rual P., 1986. Thematic mapping of reefs by processing of simulated SPOT satellite data : application to the Trochus niloticus biotope on Tetembia Reef (New Caledonia) , Marine EcologyProgress Series, no 34, p. 243-249. Bour W. & Pichon M., 1997. Discrimination of scleractinian-dominated from other reef communities using SPOT satellite imagery , In : 8th Int. Coral Reef Symp., Panama City, Panama, no 2, p. 1487-1490. BradMusick H.A. & Grover H.D., 1990. Image textural measures as indices of landscape pattern , In : Quantitative methods in landscape ecology : the analysis and interpretation of landscape heterogeneity, Turner M.G. & Gardner R.H. (eds), no 82, p. 77-103, Springer-Verlag, New York. Canny J., 1986. A computational approach to edge detection , IEEE Trans. PAMI, no 8, p. 679-698. Chauvaud S., Bouchon C. & Manire R., 1998. Remote sensing techniques adapted to high resolution mapping of tropical coastal marine ecosystems (coral reefs, seagrass beds and mangrove) , International Journal of Remote Sensing, no 19, p. 3625-3639. CNES-SPOT-IMAGE, 1986. Guide des utilisateurs de donnes Spot, Spot Image, Toulouse. Cnes. COMITAS, 1988. Glossaire des termes ofciels de la tldtection arospatiale , Bulletin de la Socit franaise de photogrammtrie et tldtection, no 112, p. 1-63.
341
Congalton R.G., 1991. A review of assessing the accuracy of classications of remotely sensed data , Remote Sensing of Environment, no 37, p. 35-46. Coulson R.N., Lovelady C.N., Flamm R.O., Spradling S.L. & Saunders M.C., 1990. Intelligent geographic information systems for natural resources management , In : Quantitative methods in landscape ecology : the analysis and interpretation of landscape heterogeneity, Turner M.G. & Gardner R.H. (eds), no 82, p. 153-172, Springer-Verlag, New York. Courbouls J. & Manire R., 1992. Apport de la tldtection ltude de la relation entre lhydrodynamisme de surface et les rcifs coralliens , International Journal of Remote Sensing, no 13, p. 1911-1923. Courbouls J., Manire R., Jaubert J., Mandura A.S., Khaffaji A.K., Eshky A.A. & Saifullah S., 1987. Cartographie dune zone littorale en mer Rouge par traitements numriques des donnes HRV de SPOT 1 , Photo-Interprtation, no 87, p. 35-38. Courbouls J., Manire R., Bouchon C., Bouchon-Navarro Y. & Louis M., 1992. Imagerie spatiale et gestion des littoraux tropicaux : exemple dapplication aux les Saint-Barthlemy, Saint-Martin et Anguilla , Photo-Interprtation, no 91-92, p. 5-8 & 25-26. Desachy J., Roux L. & Zahzah E., 1996. Numeric and symbolic data fusion : a soft computing approach to remote sensing images analysis , Pattern Recognition Letters, no 17, p. 1361-1378. Despinoy M. & Naim O., 1998. tude sur locanographie ctire lle de la Runion par tldtection multibande , In : VIIes Journes scientiques du rseau Tldtection de lAUPELF-UREF, Qubec, Canada, p. 29-36. Destival I., 1987. Recherche automatique des rseaux linaires sur les images Spot , Bulletin de la Socit franaise de photogrammtrie et tldtection, no 105, p. 5-16. Diday E., 1991. Des objets de lanalyse des donnes ceux de lanalyse des connaissances , In : Induction symbolique et numrique partir de donnes, Kodratoff Y. & Diday E. (eds), p. 9-75, Cpadus-ditions, Toulouse. Dufour P., Andrfout S., Charpy L. & Garcia N., 2001. Atolls morphometry control nutrient regime in their lagoons , Limnology Oceanography, no 46, p. 456-461. Dustan P., Dobson E. & Nelson G., 2001. Landsat Thematic Mapper : detection of shifts in community composition of coral reefs , Conservation Biology, no 15(4), p. 892-902.
342
Field C.B., Behreneld M.J., Randerson J.T. & Falkowski P., 1998. Primary production of the Biosphere : integrating terrestrial and oceanic components , Science, no 281, p. 237-240. Flouzat G., 1988. Morphologie mathmatique et analyse des images de tldtection , Photo-interprtation, no 1988, p. 1-16. Foody G.M., 1996. Approaches for the production and evaluation of fuzzy land cover classications from remotely sensed data , International Journal of Remote Sensing, no 17, p. 1317-1340. Forman R.T.T. & Godron M., 1986. Landscape ecology, John Wiley & Sons, New York, 619 p. Fux E. & Mazel C., 1999. Unmixing coral uorescence emission spectra and predicting new spectra under different excitation conditions , Applied Optics, no 38, p. 486-494. Gordon H.R. & Brown O.B., 1974. Inuence of bottom depth and albedo on the diffuse reectance of a at homogeneous ocean , Applied Optics, no 13, p. 2153-2159. Graetz R.D., 1990. Remote sensing of terrestrial ecosystem structure : an ecologists pragmatic view , In : Remote sensing of biosphere functioning, Hobbs R.J. & Mooney H.A. (eds), p. 5-30, Springer-Verlag, New York. Green E.P., Mumby P.J., Edwards A.J. & Clark C.D., 1996. A review of remote sensing for the assessment and management of tropical coastal resources , Coastal management, no 24, p. 1-40. Haralick R.M., Shanmugan K. & Dinstein I., 1973. Textural features for image classication , IEEE Trans. Systems, Man and Cybernetics, no 6, p. 610-621. Hardy J.T., Dustan P. & Mazel C.H., 1992. Remote detection of temperature-induced coral bleaching using pulsed-laser uorescence spectroscopy , Marine Ecology-Progress Series, no 88, p. 247-255. Hendee J.C., Humphrey C. & Moore T., 1998. A data-driven expert system for producing coral bleaching alerts , In : 7th Int. Conf. on Development and Application of Computer Techniques to Environmental Studies, Southampton, p. 139-147. Hochberg E. & Atkinson M.J., 2000. Spectral discrimination of coral reef benthic communities , Coral Reefs, no 19, p. 164-171. Holasek R., Portigal F., Even D., Johnson P., Segawa M., Susner G. & Hill C., 1998. Coral and substrate mapping in Kanehoe Bay, Hawaii, using the Advanced Airborne Hyperspectral Imaging System (AAHIS) , In :
343
5th Int. Conf. on remote Sensing for Marine and Coastal Environments, San Diego, USA, no 2, p. 72-77. Holden H. & LeDrew E., 1998a. The scientic issue surrounding remote detection of submerged coral ecosystems , Progress in Physical Geography, no 22, p. 190-221. Holden H. & LeDrew E., 1998b. Spectral discrimination of healthy and non-healthy corals based on cluster analysis, principal components analysis and derivative spectroscopy , Remote Sensing of Environment, no 65, p. 217-224. Holden H. & LeDrew E., 1999. Hyperspectral identication of coral reef features , International Journal of Remote Sensing, no 20, p. 2545-2563. Hopley D., 1978. Aerial photography and other remote sensing techniques , In : Coral reefs : research and methods, Johannes R.E. & Stoddart D.R. (eds), p. 23-44, Unesco, Paris. Hu C., Carder K.L. & Muller-Karger F., 1998. Preliminary algorithm to derive chlorophyll pigment concentration and DOM absorption in turbid coastal waters from SeaWiFS imagery , In : 4th Pacic Ocean Remote Sensing Conference (PORSEC 98), cdrom. Jensen J.R., 1996. Introductory digital image processing : a remote sensing perspective, 2nd ed., Prentice Hall, Upper Saddle River, NJ, 316 p. Jupp D.L.B., Mayo K., Kuchler D.A., VanClaasen D., Kenchington R.A. & Guerin P.R., 1985. Remote sensing for planning and managing the Great Barrier Reef of Australia , Photogrammetria, no 40, p. 21-42. Kirk J.T.O., 1994. Light and photosynthesis in aquatic systems, 2nd ed., Cambridge University Press, 509 p. Lagro J., 1991. Assessing patch shape in landscape mosaics , Photogrammetric Engineering & Remote Sensing, no 57, p. 285-293. LeDrew E., Holden H., Peddle D. & Morrow J., 1996. Mapping coral reef ecosystem stress in Fiji from SPOT imagery with in situ optical correction , In : 26th Int. Symp. on Remote Sensing and Environment, Vancouver, Canada, p. 581-584. Lee Z.P., Carder K.L., Hawes S.K., Steward R.G., Peacok T.G. & Davis C.O., 1994. A model for interpretation of hyperspectral remote sensing reectance , Applied Optics, no 33, p. 5721-5732. Lee Z.P., Carder K.L., Mobley C.D., Steward R.G. & Patch J.S., 1998. Hyperspectral remote sensing for shallow waters. 1. A semianalytical model , Applied Optics, no 137, p. 6329-6228.
344
Lee Z.P., Carder K.L., Mobley C.D., Steward R.G. & Patch J.S., 1999. Hyperspectral remote sensing for shallow waters : 2. Deriving bottom depths and water properties by optimization , Applied Optics, no 38, p. 3831-3843. Lillesand T.M. & Kiefer R.W., 1994. Remote sensing and image interpretation, J. Wiley & Sons Inc., New York, 750 p. Long B.G., Poiner I.R. & Harris A.N., 1993. Method of estimating the standing stock of Trochus niloticus incorporating LANDSAT satellite data, with application to the Trochus resources of the Bourke Isles, Torres Strait, Australia , Marine Biology, no 115, p. 587-593. Loubersac L., 1994. Information gographique drive des donnes de la tldtection spatiale de haute rsolution sur les lagons des les hautes et des atolls. Application aux environnements des les de la Polynsie Franaise : tats et perspectives , In : Les nouvelles frontires de la tldtection ocanique, Doumenge F. (ed.), Mmoires de lInstitut ocanographique, Monaco, no 18, p. 75-85. Loubersac L., Dahl A.L., Collotte P., Lemaire O., dOzouville L. & Grotte A., 1988. Impact assessment of cyclone Sally on the almost atoll of Aitutaki (Cook Islands) by remote sensing , In : Proceedings 6th International Coral Reef Symposium, Davies P.J. (ed.), no 2, p. 455, University of Australia, Townsville, Australie. Loubersac L., Burban P.Y., Lemaire O., Varet H. & Chenon F., 1991. Integrated study of Aitutakis lagoon (Cook Islands) using SPOT satellite data and in situ measurements : bathymetric modelling , Geocarto Int., no 6, p. 31-37. Luczkovich J.J., Wagner T.W., Michalek J.L. & Stofe R.W., 1993. Discrimination of coral reefs, seagrass meadows, and sand bottom types from space : a Dominican Republic case study , Photogrammetric Engineering and Remote Sensing, no 59, p. 385-389. Lulla K. & Mausel P., 1983. Ecological applications of remotely sensed multispectral data , In : Introduction to remote sensing of the environment, 2nd ed., Richason Jr B.F. (ed.), p. 354-377, Kendall/Hunt, Dubuque, Iowa. Lyzenga D.R., 1978. Passive remote sensing techniques for mapping water depth and bottom features , Applied Optics, no 17, p. 379-383. Manire R. & Jaubert J., 1985. Traitement dimage et cartographie de rcifs coralliens en mer Rouge (golfe dAqaba) , Oceanologica Acta, no 8, p. 321-328.
345
Manire R., Bouchon C., Bouchon-Navarro Y., Louis M., Menut T. & Chiaverini D., 1993. Photographies ariennes numrises et cartographie des herbiers de phanrogames marines de la baie de Fort-de-France (Ile de la Martinique, Antilles Franaises) , Photo-interprtation, no 1993/2, p. 131-140. Maritorena S., 1993. tude spectroradiomtrique de la colonne deau et des fonds en milieu lagonaire rcifal. Implications sur limagerie tldtecte haute rsolution dans le visible , thse, universit franaise du Pacique, Papeete, Tahiti, 195 p. Maritorena S., 1996. Remote sensing of the water attenuation in coral reefs : a case study in French Polynesia , International Journal of Remote Sensing, no 17, p. 155-166. Maritorena S., Morel A. & Gentili B., 1994. Diffuse reectance of oceanic shallow waters : inuence of water depth and bottom albedo , Limnology and Oceanography, no 39, p. 1689-1703. Mathieu S., Leymarie P. & Berthod M., 1994. Determination of proportions and entropy of land use mixing in pixels of a multispectral satellite image , In : IGARSS94, Pasadena, USA. Matsakis P., Andrfout S. & Capolsini P., 2000. Evaluation of fuzzy partitions , Remote Sensing of Environment, no 74, p. 515-532. Matsunaga T. & Kayanne H., 1997. Observation of coral reefs on Ishigaki island, Japan, using Landsat TM images and aerial photographs , In : 4th Int. Conf. on remote Sensing for Marine and Coastal Environments, Orlando, Florida, no 1, p. 657-666. Mazel C.H., 1995. Spectral measurements of uorescence emission in Caribbean cnidarians , Marine Ecology-Progress Series, no 120, p. 185191. Michalek J.L., Wagner T.W., Luczkovich J.J. & Stofe R.W., 1993. Multispectral change vector analysis for monitoring coastal marine environments , Photogrammetric Engineering and Remote Sensing, no 59, p. 381-384. Miller R.L. & Cruise J.F., 1995. Effects on suspended sediments on coral growth : evidence from remote sensing and hydrologic modeling , Remote Sensing of Environment, no 53, p. 177-187. Mobley C.D., 1994. Light and water : radiative transfer in natural waters, Academic Press Inc., New York, 592 p. Mooradian G., Voelker M., Warren C., Holasek R. & Rhodes D., 1996. Dual mode uorescence imaging systems for applications in coral
346
reef characterization , In : 8th Int. Symp. Coral Reef, Panama City, Panama, Abstracts, p. 136. Morel Y., 1996. A coral reef lagoon as seen by SPOT , In : 8th Australasian Remote Sensing Conference, Canberra, Australie, no 2, p. 5162. Morel Y.G. & Lindell L.T., 1998. Passive multispectral bathymetry mapping of Negril Shores, Jamaica , In : 5th Int. Conf. on remote Sensing for Marine and Coastal Environments, San Diego, California, no 1, p. 315324. Mumby P.J., Green E.P., Clark C.D. & Edwards A.J., 1997. Coral reef habitat mapping : how much detail can remote sensing provide ? , Marine Biology, no 130, p. 193-202. Mumby P.J., Green E.P., Clark C.D. & Edwards A.J., 1999. The costeffectiveness of remote sensing for tropical coastal resources assessment and management , J. Environmental management, no 3, p. 157-166. Mumby P.J. & Harborne A.R., 1999. Development of a systematic classication scheme of marine habitats to facilitate regional management and mapping of Caribbean coral reefs , Biological Conservation, no 88, p. 155-163. Myers M.R., Hardy J.T., Mazel C.H. & Dustan P., 1999. Optical spectra and pigmentation of Caribbean reef corals and macroalgae , Coral Reefs, no 18, p. 179-186. Nayak S., Chauhan P., Chauhan H.B., Bahuguna A. & Narendranath A., 1996. IRS-1 C applications for coastal management , Current Science, no 70, p. 614-618. ONeill N.Y. & Miller J.R., 1989. On calibration of passive optical bathymetry through depth soundings. Analysis and treatment of errors resulting from the spatial variation of environmental parameters , International Journal of Remote Sensing, no 10, p. 1481-1501. ONeill R.V., DeAngelis D.L., Waide J.B. & Allen T.F.H., 1986. A hierarchical concept of ecosystems, Princeton University Press, Princeton NJ. OReilly J.E., Maritorena S., Mitchell B.G., Siegel D.A., Carder K.L., Garver S.A., Kahru M. & McClain C., 1998. Ocean color chlorophyll algorithms for SeaWiFS , Journal of Geophysical Research, no 103, p. 24.937-24.953. Peddle D.R., 1995. Knowledge formulation for supervised evidential classication , Photogrammetric Engineering & Remote Sensing, no 61, p. 409-417.
347
Peddle D., LeDrew E. & Holden H., 1995. Spectral mixture analysis of coral reef abundance from satellite imagery and in situ ocean spectra, Savusavu Bay, Fiji , In : 3rd Thematic Conference on Remote Sensing for Marine and Coastal Environments, Seattle, USA, p. 563-575. Peuquet D.J., 1991. A conceptual framework and comparison of spatial data models , In : Introductory readings in GIS, Peuquet D.J. & Marble D.F. (eds), p. 251-285, Taylor & Francis, Londres. Philpot W.D., 1989. Bathymetric mapping with passive multispectral imagery , Applied Optics, no 28, p. 1569-1578. Quattrochi D.A. & Pelletier R.E., 1990. Remote sensing for analysis of landscapes : an introduction In : Quantitative methods in landscape ecology : the analysis and interpretation of landscape heterogeneity, Turner M.G. & Gardner R.H. (eds), no 82, p. 51-76, Springer-Verlag, New York. Raffy M., 1993. Remotely-sensed quantication of covered areas and spatial resolution , International Journal of Remote Sensing, no 14, p. 135159. Sabins F.S., 1997. Remote sensing : principles and interpretation, 3rd ed., W.H. Freeman & Co., New York, 494 p. Salvat B., Salvat F. & Loubersac L., 1990. Imagerie satellitaire SPOT et caractrisation gomorphologique des atolls : dune tude de cas (Nukutepipi, Tuamotu) la gnralisation , In : PixIles 90 : Int. Workshop on Remote Sensing and Insular Environments in the Pacic : integrated approaches, Nouma-Tahiti, p. 573-576 & 705-711. Sanchez J.A., Thomas I.F., Diaz J.M. & Parra C., 1996. Satellite imagery versus aerial photography : a comparative analysis of benthic habitats in Roncador Bank, Caribbean Sea , In : 8th Int. Symp. Coral Reef, Panama City, Panama, Abstracts, p. 175. Settle J.J. & Drake N.A., 1993. Linear mixing and the estimation of ground cover proportions , International Journal of Remote Sensing, no 14, p. 1159-1177. Sheppard C.R.C., Matheson K., Bythell J.C., Murphy P., Myers C.B. & Blake B., 1995. Habitat mapping in the Caribbean for management and conservation : use and assessment of aerial photography , Aquatic conservation : marine and freshwater ecosystems, no 5, p. 277-298. Skidmore A.K., 1989. An expert system classies eucalypt forest types using Thematic Mapper data and a digital terrain model , Photogrammetric Engineering and Remote Sensing, no 55, p. 1449-1464.
348
Stehman S.V., 1997. Selecting and interpreting measures of thematic classication accuracy , Remote Sensing of Environment, no 62, p. 77-89. Stehman S.V., 1999. Basic probability sampling designs for thematic map accuracy assessment , International Journal of Remote Sensing, no 20, p. 2423-2441. Stehman S.V. & Czaplewski R.L., 1998. Design and analysis for thematic map accuracy assessment : fundamental principles , Remote Sensing of Environment, no 64, p. 331-344. Stoms D.M. & Estes J.E., 1993. A remote sensing research agenda for mapping and monitoring biodiversity , International Journal of Remote Sensing, no 14, p. 1839-1860. Strong A.E., Barrientos C.S. & Sapper J., 1997. Improved satellite techniques for monitoring coral reef bleaching , In : 8th Int. Symp. Coral Reef, Panama City, Panama, no 2, p. 1495-1498. Suzuki H., Matsakis P., Andrfout S. & Desachy J., 2001. Satellite image classication using expert structural knowledge : a method based on fuzzy partition computation and simulated annealing , In : Annual Conference of the International Association for Mathematical Geology, IAMG, Cancun, Mexico. Cdrom. Tanr D., Deroo C., Duhaut P., Herman M., Morcrette J.J., Perbos J. & Deschamps P.Y., 1990. Description of a computer code to simulate the satellite signal in the solar spectrum : the 5S code , International Journal of Remote Sensing, no 11, p. 659-668. Teillet P., Horler D.N. & ONeill N.T., 1998. talonnage/validation et assurance de la qualit en tldtection : un nouveau paradigme , In : VIIes Journes scientiques du rseau Tldtection de lAUPELF-UREF, Qubec, Canada, p. 3-12. Thomassin B., Gout B., Loubersac L., Populus J., Guillaumont B. & Vercelli C., 1985. Cartographie thmatique des rcifs coralliens par tldtection (simulation des donnes du satellite SPOT) : problmes mthodologiques en relation avec les stades volutifs des platiers , In : Rapport ATP CNRS Tldtection 1985/AIP (06931) 1196. Tsai F. & Philpot W., 1998. Derivative analysis of hyperspectral data , Remote Sensing of Environment, no 66, p. 41-51. Vierros M.K., 1997. Integrating multisource imagery and GIS analysis for mapping Bermudas benthic habitats , In : 4th Int. Conf. on remote Sensing for Marine and Coastal Environments, Orlando, Florida, no 1, p. 649-656.
349
Wagle B.G. & Hashimi N.H., 1994. Coastal geomorphology of Mahe island, Seychelles , International Journal of Remote Sensing, no 11, p. 281287. Woodcock C.E. & Strahler A.H., 1987. The factor of scale in Remote Sensing , Remote Sensing of Environment, no 21, p. 311-332. Woodcock C.E. & Harward V.J., 1992. Nested-hierarchical scene models and image segmentation , International Journal of Remote Sensing, no 13, p. 3167-3187. Yacobi Y.Z., Gitelson A. & Mayo M., 1995. Remote sensing of chlorophyll in Lake Kinneret using high-spectral-resolution radiometer and LANDSAT TM : spectral features of reectance and algorithm development , Journal of Plankton Research, no 17, p. 2155-2173. Young I.R., Black K.P. & Heron M.L., 1994. Circulation in the Ribbon Reef region of the Great Barrier Reef , Continental Shelf Research, no 14, p. 117-142. Zainal A., Dalby D.H. & Robinson I.S., 1993. Monitoring marine ecological changes in the east coast of Bahrein with Landsat TM , Photogrammetric Engineering and Remote Sensing, no 59, p. 415-421. Zhang M., Carder K.L., Muller-Karger F.E., Lee Z.P. & Goldgof D.B., 1999. Noise reduction and atmospheric correction for coastal applications of Landsat Thematic Mapper imagery , Remote Sensing of Environment, no 70, p. 167-180.

Andrefouet Et Al Oceanis02

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Andrefouet Et Al Oceanis02

Diunggah oleh

Hak Cipta:

Format Tersedia

Ocanis vol. 26 no 3 2000 p.

Un bilan de la tldtection applique aux milieux coralliens

Ocanis ISSN 0182-0745 Institut ocanographique 2002

S. Andrfout, S. Maritorena & L. Loubersac

Review of remote sensing applied to coral reefs

Ocanis vol. 26 no 3 2000

Un bilan de la tldtection applique aux milieux coralliens

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

Ocanis vol. 26 no 3 2000

Un bilan de la tldtection applique aux milieux coralliens

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

Terre Rcif frangeant Couronne rcifale

chelle des communauts

Un bilan de la tldtection applique aux milieux coralliens

NASDA, Japon CNES, Europe

HS depuis 1997 oprationnel

NASA/NOAA, USA Space Imaging Corp., Samsung et EOSAT Chine/Brsil

TERRA QUICKBIRD 2 SPOT 5 IRS-P5 ARIES-1

LP 2002 LP 2003 LP dbut 2002

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

3. Applications et facteurs limitants

Ocanis vol. 26 no 3 2000

Un bilan de la tldtection applique aux milieux coralliens

Impacts cycloniques Sdimentation

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

Un bilan de la tldtection applique aux milieux coralliens

600 Longueur d'onde (nm)

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

Ocanis vol. 26 no 3 2000

Un bilan de la tldtection applique aux milieux coralliens

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

1,0 sable corallien algue verte

600 500 Longueur d'onde (nm)

Ocanis vol. 26 no 3 2000

Un bilan de la tldtection applique aux milieux coralliens

XS3 XS2 XS1

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

Ocanis vol. 26 no 3 2000

Un bilan de la tldtection applique aux milieux coralliens

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

Ocanis vol. 26 no 3 2000

Un bilan de la tldtection applique aux milieux coralliens

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

4. Mthodologies de traitements dimages

Ocanis vol. 26 no 3 2000

Un bilan de la tldtection applique aux milieux coralliens

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

Ocanis vol. 26 no 3 2000

Un bilan de la tldtection applique aux milieux coralliens

Ocanis vol. 26 no 3 2000

S. Andrfout, S. Maritorena & L. Loubersac

dbris coralliens lagune

conglomrat platier intertidal

Ocanis vol. 26 no 3 2000