Méthode d’obtention et de correction atmosphérique semi-automatisée d’imagerie Sentinel-2, dans un cadre de cartographie des sols agricoles en Montérégie

Abstract

L’étude présente vise à tester l’utilisation d’images satellites Sentinel-2 multidates pour la cartographie numérique de la texture de surface des sols agricoles. La zone d’étude est la Montérégie, principale région agricole du Québec, Canada. La recherche, le téléchargement et la correction atmosphérique des images (11 images Sentinel-2) ont été réalisés de manière semi-automatique à partir de Google Earth Engine et à l’aide de GRASS GIS. Des indices spectraux corrélés à la texture du sol, d’après la littérature scientifique, ont ensuite été calculés. L’entrainement de la classification des textures de sol a été effectué à l’aide d’une base de données d’échantillonnage des sols d’Agriculture et Agroalimentaire Canada, constituée de 37 517 points couvrant une région d’environ 5 000 km2 de la zone d’étude. La méthode de classification utilisée est celle du maximum de vraisemblance. La différenciation des classes de granulométrie (sables, loams et argiles) n’a pas été très satisfaisante, avec un taux de succès d’environ 29,9% et un indice de Kappa de 0,32. Au niveau géographique, on obtient quelques informations intéressantes, notamment une certaine constance dans la localisation des classes. Le principal acquis pédagogique de ce projet est la réalisation d’une chaîne automatique de traitement d’images, basée sur des scripts JavaScript et Python. Cette chaîne de traitement comporte la recherche des images sur les serveurs de Google Earth Engine, leur téléchargement et leur prétraitement (corrections atmosphériques), qui permettent leur analyse (calcul d’indices spectraux et classification) et enfin la production d’une information utile (cartes de textures de sol).