Accueil | Nos membres | Nous joindre | English | |  

Sophie Roberge

 

Étudiante 3è cycle

Centre Eau-Terre-Environnement, INRS-ETE

Centre Eau Terre Environnement
490, rue de la Couronne
INRS-ETE
Québec
Québec, Canada
G1K 9A9


Sophie.Roberge@ete.inrs.ca

 

http://132.203.57.253:8080/donneesweb/document/image/perso_3500.jpg

 


 
 
 

Projet de recherche

Développement de nouvelles stratégies de cartographie et de suivi de l'étendue spatiale du couvert nival dans les provinces du Québec et du Labrador (Est du Canada) à partir des données de télédétection satellitaire

Le couvert nival joue un rôle important dans le cycle hydrologique de la province de Québec (Canada). Le suivi en temps quasi-réel de sa distribution spatiale intéresse au plus haut point les autorités resposables de la gestion des ressources en eau, en particulier Hydro-Québec principal producteur et fournisseur en électricité de la province.

L'objectif de la présente étude concerne le développement d'une procédure de cartographie à seuils évolutifs pour le suivi quotidien de l'étendue spatiale du couvert nival, adapté aux conditions régionales des provinces du Québec et du Labrador. La procédure de classification (ou algorithme) est constituée de six seuils hiérarchiques, appliqués de façon séquentielle, pixel par pixel, pour la détection de la neige, de la non-neige et des nuages sur les images AVHRR de NOAA, permettant ainsi un suivi quotidien du couvert nival durant les périodes d'établissement et de fonte printanière de chaque année pour la période 1988 à 2011.

Les sorties cartographiques ont été comparées et validées avec les observations de neige au sol à 20 stations météorologiques d'Environnement Canada ainsi qu'à 7 stations GMON d'Hydro-Québec, toutes situées dans le bassin des Cascades, afin de déterminer la performance de la procédure à l'échelle régionale (EC: Province de Québec, période 1988-2011) et locale (GMON: milieu forestier semi-ouvert typique du sud du Québec, période 2007-2011). La validtion in situ a révélé un taux de succès global (Overall Accuracy) supérieur à 95%. La procédure de classification des images AVHRR détecte la neige au sol avec un taux de succès (Recall) supérieur à 90% mais celui-ci chute à 65% en milieu forestier. La performance plus faible observée en forêt s'explique par le fait que les seuils empiriques ont été calculés sur la moyenne historique des conditions météorologiques et d'occupation du sol de la région d'étude. Ce qui implique une sous-estimation de la présence de neige par la procédure de classification dans certains types de milieux (forêt) et une période particulière de l'année (fonte printanière).

Mes travaux de doctorat concernent le perfectionnement de la procédure de classification des images AVHRR. Il est prévu:

1) D'adapter les seuils empiriques de l'algorithme de classification des images NOAA-AVHRR en fonction de l'utilisation du sol et de la météorologie actuelle dans le but de réduire la sous-estimation de neige. Pour ce faire, les produits de l'occupation du sol du Centre Canadien de Télédétection (AVHRR 1985-2005 à 1 km et MODIS 2000-2011 à 500 m) ainsi que les ré-analyses NARR (North American Regional Reanalysis, 32 km) de la température de l'air ont été retenues comme intrant dans l'algorithme.

2) D'implanter l'algorithme en mode probabiliste, à l'aide de méthodes combinant la logique floue et les ensembles, afin de fournir une information concernant la probabilité d'observer de la neige au sol. Il s'agit là d'une information à valeur ajoutée, la plupart des produits fournissent une cartographie binaire, de type présence-absence de neige, ou de sous-fraction de neige. Certains produits de neige intègrent l'incertitude sur les observations, incluse dans les couches de Quality Assessment (QA).

3) De valider les sorties cartographiques de la procédure de classification des images AVHRR à l'aide de l'imagerie satellitaire LANDSAT (30 m) et SENTINEL-2 (10 m) afin d'en évaluer la performance sur la région d'étude et de le comparer avec les autres produits de neige disponibles. Les produits de neige retenus pour l'étude comparative sont: MODIS Collection 5 (500 m), IMS (4 km) et GlobSnow Snow Extent (1 km).

 
© 2018 Tous droits réservés | Adapté d'un design original de BinaryTheme.com