Système d'alerte dynamique par télédétection pour l'observation des déforestations en Malaisie

• Main Author: Perbet, Pauline
• Other Authors: Béland, Martin
• Format: Dissertation
• Language: French
• Published: Université Laval 2019
• Online Access: http://hdl.handle.net/20.500.11794/67365

La Malaisie est soumise à une forte pression de déforestation. Il est urgent de planifier la culture des palmiers à huile en se tournant vers des stratégies durables. Pour cela, un système d'alerte ciblant les déforestations illégales serait un outil précieux pour les gestionnaires. Google Earth Engine permet de mettre en place un système d'alerte des déforestations à partir d'images satellites à moyenne résolution. Les images optiques Sentinel-2 et Landsat 8 sont associées aux images radars Sentinel-1 pour permettre une revisite régulière et limiter l'impact de la couverture nuageuse. L'analyse par vecteur de changement détecte les déforestations sur chacune des nouvelles acquisitions en fonction d'une donnée de référence forêt.Les résultats montrent une bonne précision avec les capteurs optiques(moins de 11% d'erreur de commission et d'omission). Cependant, le capteur radar donne des résultats plus faibles (14% d'erreur de commission et 28% d'erreur de commission), liés à de nombreux artéfacts causés par l'effet de chatoiement (speckle). C'est pourquoi nous utilisons un score dynamique relatif à l'observation des 3 capteurs sur 3 mois, qui indique un niveau de confiance. Cette méthode permet d'obtenir 7% d'erreur d'omission et 0% d'erreur de commission pour les événements présentant un fort niveau de confiance, caractérisé par un score supérieur à 20 points. === Malaysia is under severe deforestation pressure. There is an urgent need to plan oil palm cultivation by turning to sustainable strategies. An alert system targeting illegal deforestation would be a valuable tool for managers. Google Earth Engine is used to set up a warning system of deforestation from medium resolution satellite images. Sentinel-2 and Landsat 8 optical images are combined with Sentinel-1 radar images for high repeatability and limit cloud cover impact. The change vector analysis detects deforestation on each new acquisition based on forest reference image. Results show sufficient accuracy with optical sensors (less than 11% commission and omission error). However, the radar sensor gives lower results (14% commission error and 28% commission error), related to many artefacts caused by the speckle. Therefore, we use a dynamic score related to the observation of 3 sensors over 3 months, which indicates a level of confidence. This method provides 7% of omission error and 0% of commission error for events with a high level of confidence, with a score greater than 20 points.