Détection automatique et cartographie des champs de cacaoyers sous-ombrage en zone forestière tropicale à l'aide d'images Landsat dans la Province de l’Ituri en République Démocratique du Congo

Abstract

Description du sujet. La discrimination des cultures pérennes par télédétection est un défi du fait de la difficulté d’en singulariser la signature spectrale par rapport à l’environnement immédiat. Cette difficulté est accrue lorsque lesdites cultures se trouvent en zone forestière où le signal de la canopée environnante contribue de manière prépondérante dans la réflectance de la zone d’intérêt.
Objectif. L’étude vise à explorer le potentiel des images Landsat pour discriminer les champs de cacaoyers sous ombrage en zone forestière prédominante dans la Province de l’Ituri en République Démocratique du Congo.
Méthodes. La méthodologie mise en place a permis de développer un algorithme intégrant un processus itératif de modélisation à même d’isoler autant que possible la signature spectrale des champs de cacaoyers. La calibration et la validation ultérieure du modèle de détection se sont basées sur les données collectées durant la mise en oeuvre du Projet Pilote REDD+ Intégré de Mambasa entre 2009 et 2015, ainsi que lors d’une campagne de terrain conduite en mai 2018.
Résultats. Considérant la période 2000-2015 ainsi que les tranches d’âges des champs de cacaoyers de 0-3 ans, 4-7 ans et > 7 ans, les résultats de l’étude ont montré que la répartition desdits champs n’était pas homogène selon les tranches d’âges et en fonction des années d’intérêt, rendant ainsi plus complexe leur détection sur les images Landsat. La performance du modèle de détection a été évaluée à 38 %, quelle que soit la tranche d’âge, ce qui constitue un résultat intéressant au regard de la résolution spatiale des images Landsat (dont la superficie du pixel est de ~ 0,09 ha) en comparaison avec la taille moyenne des champs de cacaoyers de l’ordre de 1,29 ± 0,77 ha.
Conclusion. Les résultats de la recherche indiquent que le recours à des images à haute, voire très haute résolution spatiale, peut permettre d’étendre la portée de cette étude et augmenter significativement la capacité de détection du modèle développé.