Home

Plugin Qgis VERSAO_VegaMonitor:

Ce plugin a été développé dans le cadre du projet VERSAO (Vers une Estimation spatialisées des Rendements par télédétection pour la Sécurité alimentaire en Afrique de l’Ouest). Il permet de prétraiter les données de télédétection (séries temporelles NDVI et température de surface), d'extraire les métriques phénologiques et de calculer différents indicateurs décrivant le développement de la végétation et des conditions climatiques.

Lien de la documentation du code source

#I. Installation

Pour pouvoir profiter pleinement de ce plugin, vous devez disposer de scipy (scipy.signal.savgol_filter,scipy.stats,scipy.interpolate …). Par exemple au moment de l'installation ou mise à jour de QGIS, deux solutions sont envisageables pour installer les librairies Python:

1. en ligne de commande en utilisant le Shell OSGeoW
2. en activant les librairies manquantes via l'interface OSGeoWSetUp avec l'option "Advance Install".

lien utiles:

http://qgis.org/fr/site/forusers/download.html

https://pypi.python.org/pypi/pip

http://www.portailsig.org/content/python-pour-les-sigistes-comment-installer-un-module-externe-geojson-shapely-ou-gdalogr-par-

https://trac.osgeo.org/osgeo4w/

#II. Contraintes Extension des fichiers images : Actuellement seul le formatGeoTIFF est supporté en entrée (.tif ). Les données doivent être ordonnées dans le répertoire en entrée, c’est à dire être nommées pour respecter un ordre ascendant :

Ex : image_2000, image_2001, image_2002, … ou im1, im2,im3, .. il faut éviter: photos_2000, images_2001,im3

ATTENTION: toutes les données du répertoire doivent avoir le même nombre de bandes et une même taille (nombre de lignes et colonnes).

Structuration des données en entrée : Le plugin supporte différentes formes de structuration des données :

• Mono bande (Monoband): Indique que votre répertoire contient des images qui sont mono-bandes (1 image = 1 date) et que le nombre d’images total est égal à la durée totale de la série multipliée par le nombre d’images par an (ex. dans le cas de deux années de données avec 23 images/an, le dossier doit contenir 46 images).

• Une image par an (Yearly Image) : Le nombre d’images contenu dans le répertoire correspond au nombre d’années de la série avec un nombre de bandes égal aux nombre d’images par an (ex. dans le cas de deux années de données avec 23 images/an, le dossier doit contenir deux images comportant 23 bandes).

• Pluri-annuelle (Pluri-annual) : Indique que votre répertoire contient un seul fichier image avec un nombre de bandes égal à la durée de la série multipliée par le nombre de bandes par an (ex. dans le cas de deux années de données avec 23 images/an, le dossier doit contenir 1 image comportant 46 bandes.

Attention : Dans le nom du répertoire ou dans le lien du répertoire il ne doit pas y avoir d’accent.

#III. Interface

Le plugin dispose de trois interfaces différentes :

1. Une interface de prétraitement

2. Une interface qui permet de détecter les métriques phénologiques (Phenology detection)

3. Une interface pour extraire des indicateurs relatifs aux conditions de développement et à la santé de la végétation ( vegetative drought indices).

#IV. Prétraitement (Pre-processing)

L’interface de prétraitement comporte trois parties qui sont : une partie entrée/Sortie, une partie relative aux informations liées aux données en entrée/sortie et une dernière partie qui correspond au choix des méthodes de prétraitements à appliquer (découpage, interpolation et lissage).

##1. Entrée/ sortie

Input 1 : répertoire principal, il est obligatoire pour tous les types de traitement.

Input 2 : Correspond au répertoire dans lequel se trouve le Day Of Year (DOY). Le DOY est généralement fourni pour des données distribuées sous forme de synthèse comme MODIS afin de spécifier quel est le jour retenu pour chaque pixel dans la synthèse finale. Il est obligatoire si l'on souhaite interpoler les données à un pas de temps régulier.

Output : répertoire dans lequel les données doivent être enregistrées.

##2. Informations sur les données en entrée/sortie

Cette partie est subdivisée en 2. La première concerne les données en entrée et la seconde les données en sortie.

Entrée : l’utilisateur doit préciser :

• la date de début et de fin de sa série de données (2000-2015 par exemple),
• la résolution temporelle (ex : 16 jours pour les données MOD13Q1 de MODIS),
• le nombre d’images par an (ex : 23 pour le MOD13Q1 de MODIS)
• le type d’images, mono bande, une image par an ou pluriannuelle

Après ces choix, une comparaison sera effectuée entre les données disponibles dans les répertoires en entrée et les données saisies :

• Vérification si le type d’images est correcte
• Si la durée de la série correspond.

Ex :pour un répertoire contenant 100 images (.tif) mono-bandes avec 5 images par an. La durée (en année) de la série correspond à 100 divisé par 5.

La résolution temporelle (Temporal resolution) est utilisée lors de la phase d’interpolation.

Sortie: Dans la seconde partie, l’utilisateur doit indiquer :

• la durée du traitement ce qui permet de faire le traitement sur des durées plus courtes (2002-2005 pour une série 2000-2015),

• Le préfixe du nom en sortie pour identifier rapidement les données dans le répertoire de sortie après le traitement.

• Un paramètre de lissage (smoothing method) qui doit être laissé par défaut « aucun » si on ne veut pas lisser les données en sortie après le traitement qui sera choisi. Dans le cas contraire on peut choisir le filtre de Savitzky Golay ou Whittaker.

• Une valeur de ré-échantillonnage temporel (Temporal resampling), si vous disposez par exemple de données de température (MOD11A2) disponibles tous les 8 jours et végétation (MOD13Q1) disponibles tous les 16 jours. Cette option vous permettra de ramener les données de température à une résolution temporelle de 16 jours en effectuant la moyenne deux à deux si vous mettez sa valeur à « 2 ». « 1 » est la valeur par défaut et signifie qu'il n'y aura pas de ré-échantillonnage.

• Une valeur pour la réduction de la résolution spatiale (spatial aggregation factor). Elle permet de réduire la résolution spatiale à un facteur correspondant à la valeur spécifiée. Utiliser généralement pour ramener une image A à la même résolution spatiale qu’une image B, par défaut sa valeur est égale « 1 » donc pas de réduction de résolution.

• Ex : Si on veut ramener la résolution spatiale du MOD13Q1 (250m) à la résolution spatiale du MOD11A2 (1Km) on met sa valeur à 4.

• Le type d’images en sortie. En sortie on a la possibilité d’avoir une image pour chaque année ou une image pluriannuelle.

##3. Type de traitement

Dans la troisième et dernière partie on dispose de trois sous parties.

Une première qui permet de gérer les données de température ainsi que les éventuels facteurs d’échelle des données.

Données de température, cette option est mise à oui si on utilise des données de température. On précise l’unité en choisissant degré celsius (°C) ou degré kelvin (°K). Si les données sont en °K, elles seront converties en degré celsius (°C).

En plus de l’unité des données on peut préciser la température minimale et maximale généralement rencontrée sur la zone d’étude. Ceci a pour avantage de réduire le bruit en remplaçant toute valeur inférieure (supérieure) à la valeur minimale (maximale) par la valeur minimale (supérieure) indiquée.

Facteur d’échelle : si les données comportent un facteur d’échelle, il serait intéressant de les ramener à leurs valeurs initiales en remplaçant la valeur par défaut « 1 » (sans facteur d’échelle) par le facteur en question. Par exemple, pour les données de NDVI du MOD13Q1 de MODIS on a besoin d’un facteur d’échelle égal à 0.0001 pour les ramener à leurs valeurs initiales.

La deuxième sous partie, concerne le traitement à réaliser, elle offre la possibilité de choisir son type de traitement.

Découpage : cette option permet de découper les images qui se trouvent dans le répertoire d'entrée (input 1) par le shapefile (mask) qui délimite la zone d’étude.

Interpolation : permet de recaler des données à un pas de temps régulier, en effectuant une interpolation linéaire. En choisissant la fonction « défaut », les images seront ramenées à un intervalle de temps correspondant à la résolution temporelle indiquée dans la partie informations sur les données (16 par exemple pour MOD13Q1). En choisissant autres, l'intervalle de temps sera égal à la nouvelle valeur qui sera choisie et cette valeur doit être un diviseur de la résolution temporelle indiquée. Ce traitement se base sur une série temporelle de DOY ou Day Of Year pour réaliser l’interpolation linéaire.

Lissage : Comme son nom l'indique, cette option permet de lisser les données par le filtre qui sera choisi dans la partie lissage image en sortie (smoothingmethod). Si le type de lissage n’a pas été précisé, les données ne seront pas lissé mais on aura la possibilité de faire une agrégation spatiale, un ré-échantillonnage temporel, une multiplication par un facteur d’échelle, une conversion des données de température en °C et/ou un enregistrement selon l’option choisie.

La troisième et dernière partie, correspond tout simplement aux paramètres des filtres. A modifier en fonction de vos données. Par défaut, vous avez des valeurs conseillées dans la littérature pour filtrer le NDVI.

#V. Métrique phénologique (Phenologydetection)

Comme pour l’interface de prétraitement, l’interface de calcul de métrique phénologique (phenologydetection) se subdivise en trois parties. Une première partie qui correspond aux données en entrée/sortie, une deuxième qui correspond aux informations sur les données en entrée/sortie et une dernière qui correspond à la méthode de détection.

1. Entrée/Sortie

Entrée : répertoire contenant les images du NDVI. Pour les conditions et contraintes voir le chapitre III.

Sortie : répertoire dans lequel les données en sortie seront enregistrées

2.Informations sur les données en entrée/sortie

Voir le chapitre IV.

3.Méthodes de détection

A partir de la littérature trois méthodes d'estimation de métriques phénologiques ont été implémentées (1 avec un seuil absolu, 1 avec un seuil relatif et 1 utilisant la dérivée seconde (automatic)).

1. Méthode à seuil relatif (NDVI relatif Threshold) : elle consiste à ramener les valeurs du NDVI entre 0 (valeur minimale du NDVI) et 1 (valeur maximale du NDVI) et ensuite d'utiliser des seuils pour identifier le SOS et le EOS. Le succès de cette méthode vient du fait que le ratio joue le rôle d’indicateur de croissance. Par exemple on sait que peu importe la zone d’étude un ratio de 0.25 correspond à un quart de la croissance et que 0 correspond à la valeur minimale du NDVI de l’année et 1 la valeur maximale de croissance de la végétation (NDVI maximal).

2. Méthode à seuil absolue (NDVI absoluteThreshold) : Le seuil est appliqué directement aux valeurs de NDVI. Méthode moins efficace que la première car les valeurs minimales et maximale du NDVI changent beaucoup d’une zone à une autre. Par exemple dans certaine zone un seuil de 0.4 sur le NDVI peut correspondre à un début de saison tant dis que dans certaines zones la valeur maximale ne dépasse pas 0.5 quel que soit la saison. Cette méthode a été mise en place pour des personnes qui ont suffisamment d’information sur le NDVI de leurs zones.

3. Automatique (Automatic) : La méthode appelée automatique est celle qui n’a besoin d’aucun seuil car ce n’est pas toujours évident de trouver le bon seuil pour la détection de métrique phénologique. Cette méthode utilise les points d’inflexions de la dérivée seconde pour détecter le début et la fin de saison. Le SOS et EOS détectés par cette méthode correspondent aux dates de début de la phase de maturation et de début de la sénescence (Rodrigues et al. 2013).

Pour les deux méthodes de seuillage on a des seuils par défaut. Ces seuils peuvent être changés par l’utilisateur en choisissant l’option seuils personnalisés. La méthode avec un seuil absolue étant moins généralisable il doit être modifié en fonction de la zone. Les seuils par défaut fixés pour la méthode à seuil relatif correspondent à ceux suggérés par (Van Hoolst et al. 2016).

Les valeurs par défaut :

• NDVI absolute Threshold: SOS =0.45 et EOS=0.6.
• NDVI relative Threshold∶ SOS=0.25 et EOS=0.75.

Peu importe la méthode choisie en sortie on obtient 31 images.

• Pour chaque année une image de 11 bandes : SOS, EOS, LOS (length of season), cumul du NDVI sur toute la saison, cumul du NDVI entre le SOS et le TOS, cumul du NDVI entre TOS et EOS, TOS (top of season), valeur minimale du NDVI sur l’année, valeur maximale du NDVI sur l’année, la pente entre le SOS et le TOS, la pente entre TOS et EOS.

• 3 images de cumul avec un nombre de bandes égale à la durée de la série: 1 sur l’ensemble de la saison, 1 sur la phase de croissance, 1 sur la phase de production,

• 4 images de métriques (SOS, EOS, TOS, LOS) avec un nombre de bande égale à la durée de la série

• 6 images d’anomalies. Qui correspondent aux anomalies des 3 images de métriques (SOS, LOS, EOS) et les 3 images de cumul.

• 2 images : 1 pour la moyenne de SOS et 1 pour la moyenne du EOS sur l’ensemble de la série.

L’intérêt de calculer les anomalies est qu’on a la possibilité avec ces images de comparer les métriques d’une année par rapport à la normale et ainsi identifier les années critiques ou celles qui sont meilleurs sur une période donnée. Les cumuls quant à eux ils permettent de déterminer la quantité de biomasse qui a été produite entre les différentes phases phénologiques.

L’anomalie s’interprète comme suit :

• Anomalie = 0 : signifie qu’on est exactement à la normale de la période donnée
• Anomalie > 0 : signifie qu’on est au-dessus de la normale de la période donnée
• Anomalie < 0 : signifie qu’on est en dessous de la normale de la période donnée

#VI. Calcul d’indicateurs de condition de développement de la végétation (Vegetative drought indices)

Comme pour les deux interfaces précédentes on dispose de trois grandes parties : données entrée/sortie, une deuxième qui correspond à l’information sur les données en entrée/sortie et une dernière qui correspond aux options et aux différents types d’indicateurs que l'on pourra calculer.

1. Entrée/Sortie

Les contraintes sur les données sont les mêmes qu’au niveau du chapitre II.

Entrée :

Les données en entrée varient en fonction de l’indicateur et des options choisies dans la partie 3. Température : lien du répertoire contenant les données de température NDVI : lien du répertoire contenant les données de NDVI

SOS : un fichier .tif contenant les débuts de saison de toute la série. Il est obtenu à partir de l’interface métrique phénologique.

EOS : un fichier .tif contenant les fins de saison de toute la série. Il est obtenu à partir de l’interface métrique phénologique.

TOS : un fichier .tif contenant les maxi de saison de toute la série. Il est obtenu à partir de l’interface métrique phénologique.

Sortie :

Output : répertoire dans lequel les données en sortie seront enregistrées.

2. Informations sur les données en entrée/sortie

L’interface est la même que celle du chapitre V. Voir le chapitre IV pour plus de détails.

3. Choix des Indicateurs et options

Quatre indicateurs peuvent être calculés:

• CWSI (Crop, Water, Stress, Index) : Il permet de quantifier le stress en eau du couvert végétal sous l’effet de la température. C’est un indicateur spatial. Plus sa valeur est élevée plus le couvert est stressé. Ces valeurs sont comprises entre 0 (pas de stress) et 1 (très stressé).

• TCI (Temperature Condition Index): Il permet d'avoir des informations sur l'évolution temporelle de la température. Ces valeurs sont comprises entre 0 (mauvaises condition climatique) et 1 (bonne condition) par rapport aux autres années.

  Par exemple pour une période donnée (2000-2015), calculer le TCI du mois de janvier 2015 revient à faire ressortir le comportement de la température de janvier 2015 par rapport aux 15 autres mois de janvier de la série.

• VHI (Vegetation Health Index): Cet indicateur combine végétation (NDVI) et température pour fournir des informations sur l'état de santé de la végétation. Il utilise le VCI (Vegetation Condition Index) et le TCI. Le VCI, à la différence du NDVI qui montre la dynamique saisonnière de la végétation, normalise la dynamique de la végétation entre 0 (très mauvais) et 1 (optimale) afin de refléter les changements relatifs à l’état de santé de la végétation.

  VHI=αVCI+(1-α)TCI

  α correspond aux contributions relatives de VCI et de TCI dans le VHI. Dans notre cas α= 0.5 pour donner le même poids aux deux indices.

  Une valeur de VHI faible (végétation en mauvaise santé) est associée à un VCI faible (niveau d’humidité faible) et TCI faible (un important stress de température). Dans (Bhuiyan 2004), le VHI est classé en quatre catégories.

  1. VHI < 0.1: extrême sécheresse

  2. VHI<0.2 : grande sécheresse

  3. VHI<0.3 : sécheresse modérée

  4. VHI>0.4 : pas de sécheresse

• TVDI (Temperature-Vegetation, Dryness, Index): Comme pour le VHI, il combine informations de végétation (NDVI) et température pour fournir des informations relatives à l'humidité du sol.

Les valeurs de TVDI sont comprises entre 0 (bonne humidité) et 1 (humidité faible).

En choisissant l’option avec cumul (Integration over growing season) : en plus de calculer les indicateurs on obtient des images de valeurs moyennes des indicateurs sur la phase de croissance (SOS-TOS), de senescence (TOS-EOS) et sur l’ensemble de la saison (SOS-EOS).

L’agrégation des données (spatial agrégation) permet de ramener les données du NDVI et ainsi que les métriques phénologiques (SOS, EOS, TOS) à la même résolution spatiale que les données de température si ce n’est pas déjà fait. Cette option n’a de sens que si les données de température ont une résolution plus faible que celle des données de température. Dans le cas contraire il faudra passer par la phase de prétraitement au chapitre IV.