Cartographie des végétations particulières du Parc amazonien de Guyane

Karasiak, Nicolas (2016) Cartographie des végétations particulières du Parc amazonien de Guyane. [Mémoire]

[img] Text

Karasiak_nicolas_M22016.pdf


Accès : Repository staff only

Télécharger (4MB) | Request a copy
Item Type: Mémoire
Creators: Karasiak, Nicolas
Directeur de recherche: Perbet, Pauline
Divisions: UFR Sciences, Espaces, Sociétés > Département Géographie-Aménagement-Environnement
Diplôme: M2 Géomatique (SIGMA)
Subjects: SCIENCES HUMAINES ET SOCIALES > Etudes de l'environnement > Biodiversité et écologie
SCIENCES HUMAINES ET SOCIALES > Géographie > Cartographie
Uncontrolled Keywords: Géographie, Amazonie, Guyane, Télédétection, Forêt, Géomatique
Mots-clés dans une autre langue: Remote sensing, Amazonia, Forest, Guiana, French guiana, Tree species
Abstract: Le Parc amazonien de Guyane est le plus grand parc national de France avec 3,4 millions d’hectares de forêt protégée. Plusieurs jours de transports sont nécessaires pour accéder aux lieux les plus au sud, ce qui fait de la télédétection un outil très utile. Ce stage a eu pour but de cartographier, avec des images SPOT-5 de 2007 à 2014, cinq types de végétation : palmier pinôt (Euterpe oleracea), palmier bâche (Mauritia flexuosa), parinari (Parinari campestris), végétation basse (Guadua macrostachya, Lasiacis ligulata, et Heliconiaceae), et savane-roche. Une analyse des données terrain a permis de réaliser un premier jeu de parcelles d'entraînement sur l’ensemble des 55 images nécessaires pour couvrir la totalité du territoire. Après une première classification, le faible nombre de données terrain n’a pas permis d’obtenir l’amplitude spectrale des essences pour chaque scène. Il a été donc été nécessaire d’utiliser des végétations prédites à la jonction entre deux scènes dans un second temps. La cartographie finale a été réalisée en utilisant Random Forest (kappa : 97%), qui s’est montré plus performant que le Gaussian Mixture Model (kappa : 87%). Les indices de végétation de type NDVI ou EVI2 n’ont pas amélioré ces résultats. Ce travail a permis notamment de cartographier une présence très importante de palmiers pinôts au sud-ouest du parc et de délimiter précisément les parinaris. Les scripts (R, Python) et modèles Qgis utilisés pour ce travail sont disponibles à l’adresse github.com/lennepkade/ScriptsParcAmazonien/. Le plugin de classification dzetsaka créé pour ce stage est disponible dans le dépôt officiel de Qgis.
Résumé dans une autre langue: With 37,840 sq mi, the French Guiana Amazonian Park is the largest French national park. Very difficult to get through, especially in the very south, it may took several days to acceed to some point of interest by combining different way of travelling. Remote Sensing is here a great alternative for mapping tree species. SPOT-5 images from 2007 to 2014 were used to map five different species : Euterpe oleracea, Mauritia flexuosa, Parinari campestris, Savannah-rock (vegetation near to rock), and low vegetation which is a mix bamboo (Guadua macrostachya, Lasiacis ligulata) and heliconias (Heliconiaceae). As there was no tool for classifying with Random Forest on Qgis, a plugin called dzetsaka was created and published on the official repository. Then, on each of the 55 images needed to cover the whole area, Regions Of Interest (ROI) have been drawn, using field data. Clouds have been eliminating by using Clouds Index (NDCI) for each image. After a first whole classification, lot of scenes didn’t have enough ROI to train a model. To predict missing vegetation, vegetations predicted at the border of two scenes have been used as new ROI. The final map has been generated using Random Forest (kappa : 97%) which was more efficient than the Gaussian Mixture Model (kappa : 87%). Thanks to this work, many Euterpe oleracea settlements in the southwest have been discovered and Parinari Campestris have been map precisely for the first time. Qgis models and scripts (R, Python) used for this work are available on github.com/lennepkade/ScriptsParcAmazonien/.
URI: http://dante.univ-tlse2.fr/id/eprint/2161