université Mohammed V –Rabat

Ecole Normale Supérieure de Rabat : ENS

Projet de fin d'étude pour l'obtention du diplôme de Licence Professionnel

Option : CARTOGRAPHIE, GEOLOGIE ET GEOMATIQUE –C2G

Thème :

Evolution des changements dans les

images satellitaires
(Zone d’étude : commune de Laâyoune)

Réalisé par :

Encadré par :

Année universitaire : 2023/2024

 Remerciement

En guise de reconnaissance, nous tenons à témoigner nos sincères remerciements à toutes les personnes qui
ont contribué de près ou de loin au bon déroulement de notre projet de fin d’étude.

Nous tenons tout d’abord à exprimer nos vifs remerciements et notre profonde gratitude au …… , pour son
attention de tout instant sur nos travaux, pour ses conseils avisés et son écoute qui ont été prépondérants
pour amener ce travail à bon port.

Nous souhaitons également exprimer notre sincère reconnaissance envers tous les membres de l'équipe
pédagogique de la licence professionnelle en CARTOGRAPHIE, GEOLOGIE ET GEOMATIQUE –
C2G. Leurs enseignements approfondis, leurs séminaires stimulants et leur soutien constant ont
grandement contribué à élargir nos connaissances et à renforcer nos compétences.

Enfin, nous n'oublions pas nos parents pour leur contribution, leur soutien et leur patience. Dans
l’impossibilité de citer tous les noms, nos sincères remerciements vont à tous ceux et celles, qui de près ou
de loin, ont permis par leurs conseils et leurs compétences la réalisation de ce projet de fin d’études.

Résumé
La détection des changements à l'aide de
l'imagerie satellite est une approche courante dans de nombreux domaines professionnels qui s
ouhaitent observer et analyser les changements à la surface de la Terre au fil du temps. Dans le
domaine de la gestion des ressources naturelles, elle permet d'observer des modifications de l'u
sage des terres, la déforestation, des altérations des écosystèmes et la dégradation des sols. En
ce qui concerne la surveillance environnementale,
cette méthode est cruciale pour reconnaître les altérations
causées par les catastrophes naturelles, les changements côtiers, les mouvements de terrain et l
a détection de la pollution.
Il joue également un rôle important dans la planification des zones urbaines et le suivi des infras
tructures car il permet d'analyser les modifications des zones urbaines, des zones construites et
des mouvements de population. Dans l’agriculture, la conservation de l’eau, la biodiversité et d’
autres domaines liés à la gestion des ressources en eau, la détection des changements est crucial
e pour l’évaluation des tendances, la prise de décisions éclairées et la mise en œuvre de stratégi
es. Gestion durable.

Mots clés : Détection de changement, image satellitaire.

‫ملخص‬
‫يعد تحديد التغييرات عبر صور األقمار الصناعية طريقة شائعة في العديد من المجاالت المهنية‬
‫التي ترغب في مراقبة وتحليل التغييرات التي تطرأ على سطح األرض مع مرور الوقت‪ .‬في‬
‫إدارة الموارد الطبيعية‪ ،‬يمكنه مسح استخدام األراضي وإزالة الغابات والتغيرات البيئية وتدهور‬
‫التربة‪ .‬في مجال المراقبة البيئية‪ ،‬تعتبر هذه التكنولوجيا مهمة للتعرف على التغيرات الناجمة عن‬
‫الكوارث الطبيعية‪ ،‬والتغيرات الساحلية‪ ،‬وحركة التربة‪ ،‬والكشف عن التلوث‪ .‬كما أن لها دوًر ا‬
‫أساسًيا في تخطيط المناطق الحضرية ومراقبة البنية التحتية ألنها تسمح بتحليل التغيرات في‬
‫المناطق الحضرية‪ ،‬وتطوير المدن‪ ،‬وديناميكيات السكان‪ .‬في الزراعة‪ ،‬يعد الحفاظ على المياه‬
‫والتنوع البيولوجي والمجاالت األخرى المتعلقة بتغيرات الكشف عن المياه من المعلومات‬
‫المهمة التي تسمح لك بتقييم االتجاهات واتخاذ قرارات مستنيرة وتنفيذها‪.‬‬
‫االستراتيجيات الفعالة إلدارة االستدامة‬
‫الكلمات المفتاحية‪ :‬كشف التغيير‪ ،‬صورة‬
‫األقمار الصناعية‬

‫‪3‬‬
 Abstract
Change detection through satellite imagery is a widely used approach in various professional
domains to monitor and analyze modifications in the Earth's surface over time. In the field of
natural resource management, it enables tracking of land use changes, deforestation,
ecosystem changes, and soil degradation. In environmental monitoring, this technique is
essential for detecting changes due to natural disasters, coastal variations, land movements,
and pollution detection. It also plays a key role in urban planning and infrastructure
monitoring by allowing analysis of changes in urban areas, urban development, and
population dynamics. In agriculture, water resource management, biodiversity, and other
related sectors, change detection provides crucial information for assessing trends, making
informed decisions, and implementing sustainable management strategies.

Keywords: Change détection, satellite image

Dédicace

À mes chers parents, frères et sœur, amis et professeurs, je vous exprime tout mon amour et
ma profonde gratitude pour votre soutien et votre présence précieuse dans ma vie. À travers ce
travail, je tiens à vous témoigner ma reconnaissance éternelle. Votre soutien a été essentiel
dans mon parcours académique et personnel.

A mes chers parents, frères et sœur, amis et professeurs. Veuillez trouver en ce travail
l’expression de mon amour et ma profonde gratitude.

4
Tables des matières
Ecole Normale Supérieure de Rabat : ENS.................................................................................................................1
Remerciement........................................................................................................................................................... 2
Résumé....................................................................................................................................................................... 3
Abstract..................................................................................................................................................................... 4
Dédicace..................................................................................................................................................................... 4
Tables des matières.................................................................................................................................................. 5
Liste des figures....................................................................................................................................................... 7
Introduction générale............................................................................................................................................. 9
Chapitre 1 : Télédétection et traitement des images........................................................................................9
I. Introduction.....................................................................................................................................................................10
II. Processus de la télédétection................................................................................................................................10
III. Types de télédétection............................................................................................................................................ 11
IV. Le rayonnement électromagnétique...................................................................................................................11
V. Les ondes électromagnétiques.............................................................................................................................11
VI. Le spectre électromagnétique..............................................................................................................................12
VII. L'équipement de télédétection.............................................................................................................................13
VIII. Type des images.................................................................................................................................................. 14
IX. Caractéristiques d'une image numérique.........................................................................................................14
X. Système de traitement d’image...........................................................................................................................15
XI. Les corrections d'image satellitaire....................................................................................................................16
XII. Conclusion..................................................................................................................................................................16
Chapitre 2 : Détection des changements.......................................................................................................... 17
I. Introduction.....................................................................................................................................................................17
II. Détection des changements.................................................................................................................................. 17
III. Méthodes de détection de changements :........................................................................................................18
1. Méthode par classification.........................................................................................................................................18
2. Méthode par analyse visuelle....................................................................................................................................19
IV. Domaine d’application :........................................................................................................................................ 19
V. Conclusion :............................................................................................................................................................... 19
Chapitre 3 :............................................................................................................................................................. 20
Zone d’Etude et méthodologie........................................................................................................................... 20
I. Zone d’étude :...................................................................................................................................................................... 20
I. La méthodologie........................................................................................................................................................... 22
1. Collecte de données :...................................................................................................................................................22

5
 2. Prétraitements des images :.......................................................................................................................................23
3. Méthode de détection des changements :.............................................................................................................23
I. Introduction.....................................................................................................................................................................27
II. Objectifs........................................................................................................................................................................... 27
III. Méthodologie............................................................................................................................................................ 27
Chapitre 4 : Implémentation et Résultats........................................................................................................32
I. Introduction.....................................................................................................................................................................32
II. Matériel utilisé :....................................................................................................................................................... 32
III. Outils utilisés............................................................................................................................................................. 32
PRTIE 1 : UTILISANT GOOGLE EARTH ET QGIS ET ARCGIS....................................................................33
1. Détection du changement par classification :.................................................................................................34
2. Population de la région :........................................................................................................................................36
PRTIE 2 : UTILISANT GOOGLE EARTH ENGINE..............................................................................................37
1. Importation les Images Satellites :.................................................................................................................37
2. Classification des images satellites :..............................................................................................................38
3. Détection du changement par classification :...........................................................................................39
4. Représentation graphique d'occupation de sol pour les années 2005, 2015 et 2024................40
5. Suggestions d'Amélioration..............................................................................................................................41
6. Conclusion et Perspectives................................................................................................................................ 42
Conclusion :............................................................................................................................................................ 43
REFERENCES:.................................................................................................................................................... 44

6
Liste des figures
Figure 1 : les étapes principales de la télédétection......................................................................................10
Figure 2 : onde électromagnétique....................................................................................................................... 11
Figure 3 : Le spectre électromagnétique............................................................................................................ 11
Figure 4 : satellites et de capteurs avec leur résolution spatiale.............................................................17
Figure 5 : Carte de situation de la zone d'étude.............................................................................................. 19
Figure 6 : la méthodologie suivie............................................................................................................................21
Figure 7 : Les bandes multispectrales de Landsat 7 et de Landsat 8.....................................................22
Figure 8 : les images satellitaires dans 2005,2015 et 2024.......................................................................23
Figure 9 : Différence D'images.................................................................................................................................23
Figure 10 : Détection de changement post-classification entre la capture de temps 1 et de
temps 2.............................................................................................................................................................................. 25
Figure 11 : classification des images satelletes................................................................................................26
Figure 12 : Importation des Images Satellites..................................................................................................27
Figure 13 : Création des Échantillons d'Entraînement.................................................................................27
Figure 14 : Extrairaction des Valeurs de l'Image pour les Échantillons d'Entraînement..............28
Figure 15 : Algorithme de Classification.............................................................................................................28
Figure 16 : Détection des changements.............................................................................................................. 29
Figure 17 : legende et titre........................................................................................................................................ 29
Figure 18 : Exporter image to Drive......................................................................................................................30
Figure 19 : Création des graphes............................................................................................................................30
Figure 20 : présentation de l'outil Google Earth Engine..............................................................................32
Figure 21 : Carte d'occupation du sol de la commune de Laâyoune en 2005, 2015 et 2024......33
Figure 22 : Cartes de changement d'occupation du sol de la commune de Laâyoune entre
2005 et 2015, et entre 2005 et 2024, par la méthode de post-classification.....................................34
Figure 23 : Représentation graphique d'occupation de sol pour les années 2005, 2015 et
2024.................................................................................................................................................................................... 35
Figure 24 : la population de la région de laayoune-sakia el Hamra pour les années 2005,
2015 et 2024................................................................................................................................................................... 35
Figure 25 : importation des images satellites...................................................................................................37
Figure 26 : classification des images satellites.................................................................................................38
Figure 27 : Detection des changement................................................................................................................ 39
Figure 28 : graphes represente l'occupation de sol.......................................................................................40

7
 Introduction générale
La détection des changements dans les images satellitaires est un domaine de recherche et
d'application essentiel pour surveiller et analyser les modifications qui se produisent sur la
surface de la Terre. Grâce aux progrès technologiques et à la disponibilité croissante des
données satellitaires, la détection des changements est devenue une composante clé de
nombreux domaines tels que la surveillance environnementale, la gestion des ressources
naturelles, l'urbanisme, la gestion des catastrophes et bien d'autres.
L'utilisation d'images satellitaires remonte à plusieurs décennies. Les premiers satellites de
télédétection, tels que le Landsat-1 lancé en 1972, ont permis de capturer des images de la
Terre depuis l'espace. À cette époque, l'analyse des images était principalement basée sur des
techniques manuelles et des interprétations visuelles par des experts.
Au fil du temps, avec les progrès technologiques et l'avènement des ordinateurs, de nouvelles
approches ont été développées pour automatiser la détection des changements. Les méthodes
d'analyse d'images ont évolué, passant des techniques basées sur les seuils et les différences de
valeurs de pixels à des méthodes plus avancées basées sur l'apprentissage automatique, les
réseaux de neurones et l'intelligence artificielle.
Dans ce contexte, nous avons structuré notre travail de la manière suivante :
Chapitre 1 : Télédétection et traitement des images
Chapitre 2 : Détection des changements
Chapitre 3 : Zone Etude et méthodologie
Chapitre 4 : Implémentation et Résultat

8
 Chapitre 1:
Télédétection et
Traitement des Images
I. Introduction
La télédétection est une méthode qui utilise des images pour recueillir des données sur la
surface de la Terre sans y avoir un contact direct. Elle comprend toutes les étapes de capture
et d'enregistrement de l'énergie d'un rayonnement électromagnétique émis ou réfléchi, le
traitement et l'analyse des informations, puis leur mise en application.

II. Processus de la télédétection

Le processus de la télédétection peut être divisé en sept étapes distinctes, que nous allons
détailler ci-dessous.
Source d'énergie ou d'illumination (A)
- Tout processus de télédétection nécessite une source d'énergie pour illuminer la cible.
Rayonnement et atmosphère (B)
- Durant son parcours entre la source d'énergie et la cible, le rayonnement interagit avec
l'atmosphère. Une seconde interaction se produit lors du trajet entre la cible et le capteur.
Interaction avec la cible (C)
- Une fois parvenue à la cible, l'énergie interagit avec la surface de celle-ci. La nature de cette
interaction dépend des caractéristiques du rayonnement et des propriétés de la surface.
Enregistrement de l'énergie par le capteur (D)
- Une fois l'énergie diffusée ou émise par la cible, elle doit être captée à distance (par un
capteur qui n'est pas en contact avec la cible) pour être enfin enregistrée.
Transmission, réception et traitement (E)
- L'énergie enregistrée par le capteur est transmise, souvent par des moyens électroniques, à
une station de réception où l'information est transformée en images (numériques ou
photographiques).
Interprétation et analyse (F)
- Une interprétation visuelle et/ou numérique de l'image traitée est ensuite nécessaire pour
extraire l'information que l'on désire obtenir sur la cible.

9
Application (G)
- La dernière étape du processus consiste à utiliser l'information extraite de l'image pour
mieux comprendre la cible, pour nous en faire découvrir de nouveaux aspects ou pour aider à
résoudre un problème particulier.

Figure 1 : les étapes principales de la télédétection

III. Types de télédétection

La télédétection peut être classée en deux grandes catégories :
Télédétection passive
Les capteurs enregistrent l'énergie électromagnétique réfléchie ou émise par les objets de la
surface terrestre. Les capteurs passifs enregistrent la lumière visible, l'infrarouge, le
rayonnement thermique et d'autres longueurs d'onde présentes dans le spectre
électromagnétique. Les images satellites optiques, par exemple, sont un exemple courant de
télédétection passive.
Télédétection active
Des signaux sont émis par les capteurs et réfléchis ou diffusés par les objets de la surface
terrestre. Les capteurs actifs enregistrent ensuite les signaux renvoyés pour extraire des
informations. Le radar est un exemple bien connu de télédétection active, où des ondes radar
sont émises et les échos renvoyés sont utilisés pour créer des images de la surface terrestre.

IV. Le rayonnement électromagnétique

Le rayonnement électromagnétique correspond à l'ensemble des radiations émises par une
source qui peut être soit le soleil, soit la surface terrestre ou océanique ou l'atmosphère, ou
bien encore le capteur satellitaire lui-même, sous forme d’ondes électromagnétiques ou de
particules.

V. Les ondes électromagnétiques

Une onde électromagnétique comporte à la fois un champ électrique et un champ magnétique
oscillant à la même fréquence. Ces deux champs, perpendiculaires l’un par rapport à l’autre se
propagent dans un milieu selon une direction orthogonale (figure ci-dessous).
La propagation de ces ondes s’effectue à une vitesse qui dépend du milieu considéré. Dans le
vide, la vitesse de propagation est égale à 3.108 m. s-1.

1
0
 Figure 2 : onde électromagnétique

Une onde électromagnétique est caractérisée par plusieurs grandeurs physiques :

La longueur d’onde (λ) : elle exprime le caractère oscillatoire périodique de l’onde dans
l’espace. C’est la longueur d’un cycle d’une onde, la distance séparant deux crêtes
successives.
La période (T) : elle représente le temps nécessaire pour que l’onde effectue un cycle. L’unité
est la seconde.
La fréquence (ν) : inverse de la période, elle traduit le nombre de cycles par unité de temps.
Elle s’exprime en Hertz (Hz) - un Hz équivaut à une oscillation par seconde - ou en multiples
de l'Hertz.

VI. Le spectre électromagnétique

Le spectre électromagnétique représente la répartition des ondes électromagnétiques en
fonction de leur longueur d'onde, de leur fréquence ou bien encore de leur énergie (figure ci-
dessous).

Figure 3 : Le spectre électromagnétique

Trois fenêtres spectrales sont principalement utilisées en télédétection spatiale :

• Le domaine du visible
• Le domaine des infrarouges (proche IR, IR moyen et IR thermique)

1
1
 • Le domaine des micro-ondes ou hyperfréquences (pas abordé ici, même si elles ont une
importance considérable en télédétection RADAR notamment)

VII. L'équipement de télédétection

Les plates-formes
En télédétection, une plate-forme se définit comme étant tout objet mobile ou immobile qui
peut contenir des instruments (détecteurs ou capteurs) servant à enregistrer des informations
spatiales et spectrales provenant d'objets divers.
Les satellites
Un satellite artificiel est un appareil issu de l'activité de l'Homme et mis en orbite par lui. Ces
termes désignent donc un objet humain envoyé dans l'espace et animé d'un mouvement
périodique autour d'un corps de masse prépondérante, ce mouvement étant principalement
déterminé par le champ de gravité de ce dernier et les lois de Kepler, pour les besoins de la
télédétection, des télécommunications et de la télémétrie (positionnement et navigation).
Grace à leur orbite, ces plates-formes spatiales permettent une couverture répétitive et
continue de la surface de la terre.
Les capteurs
Les capteurs sont des dispositifs utilisés pour détecter et mesurer des phénomènes physiques
ou chimiques. Ils jouent un rôle essentiel dans la collecte de données pour de nombreuses
applications, y compris la surveillance environnementale, la télédétection et la robotique. Les
capteurs peuvent être classés en deux grandes catégories : les capteurs passifs et les capteurs
actifs.
Les capteurs passifs
Les capteurs passifs sont techniquement développés afin de pouvoir détecter l'énergie
naturelle réfléchie ou émise par un objet dans la partie du spectre électromagnétique qui va de
l'ultra-violet jusqu'aux hyperfréquences passives.
Les capteurs actifs
Les capteurs actifs peuvent se définir comme étant des instruments qui émettent
artificiellement de l'énergie sous forme d'impulsion à fréquence temporelle régulière et qui ont
la capacité d'enregistrer le signal rétrodiffusé par les objets qui ont été en contact avec cette
énergie. En télédétection, ce genre de capteur permet de produire des images.

Imagerie satellitaire
Une imagerie satellitaire qualifie une imagerie de télédétection recueillie par les satellites en
orbite autour de la terre (par exemple Landsat™ et Spot™). Les images existent dans
certaines longueurs d'onde (visible, infrarouge, UV...) qui peuvent être combinées en vue de
différentes interprétations.

Image numérique
C’est une matrice de valeurs (comptes numériques) comprises entre 0 et 255 -
Chaque pixel est codé par un numéro de colonne et de ligne.
-La taille mémoire = Nb colonnes x Nb lignes.

1
2
VIII. Type des images
Image binaire
Une image binaire est constituée uniquement de deux valeurs distinctes, généralement
représentées par des pixels noirs et blancs. Chaque pixel ne peut prendre que l'une des deux
valeurs, ce qui permet de représenter des formes simples. Les images binaires sont souvent
utilisées dans les domaines tels que la vision par ordinateur et la reconnaissance de formes.
Image à niveaux de gris
Une image à niveaux de gris est composée de pixels qui peuvent prendre différentes valeurs
de gris, allant du noir au blanc, en passant par diverses nuances de gris. Chaque pixel est
représenté par un seul canal de couleur, généralement un nombre entier compris entre 0 (noir)
et 255 (blanc) dans une image 8 bits. Les images à niveaux de gris sont utilisées lorsque la
couleur n'est pas nécessaire ou lorsque l'information de luminosité est suffisante.
Image en couleurs
Une image en couleurs est composée de pixels qui peuvent prendre différentes valeurs dans
différents canaux de couleur, tels que le rouge, le vert et le bleu (RVB) ou la teinte, la
saturation et la luminosité (TSL). Chaque pixel est représenté par plusieurs canaux de couleur,
ce qui permet de représenter une large gamme de couleurs. Les images en couleurs sont
utilisées dans de nombreux domaines, y compris la photographie, la vidéographie, les
graphiques informatiques et les applications artistiques.

IX. Caractéristiques d'une image numérique

Pixel
Un pixel est l'unité fondamentale d'une image numérique. Il représente un point unique dans
une grille, et chaque pixel contient des informations telles que la couleur, la luminosité et la
position. La combinaison de millions de pixels forme l'image complète.
Dimension
La dimension d'une image numérique fait référence à sa taille en termes de largeur et de
hauteur, mesurée en pixels. Par exemple, une image de dimension 800x600 a une largeur de
800 pixels et une hauteur de 600 pixels.
Résolution
La résolution d'une image numérique est le nombre de pixels par unité de longueur dans
l'image, généralement exprimé en pixels par pouce (ppp) ou dots per inch (dpi). Une
résolution plus élevée signifie que l'image a plus de détails et de finesse, tandis qu'une
résolution plus basse peut donner une image plus grossière.
Texture
La texture d'une image numérique fait référence à la variation des détails et des motifs
présents dans l'image. Elle peut être rugueuse, lisse, granuleuse, etc. La texture peut être
utilisée pour des applications telles que l'analyse d'images, la reconnaissance de formes et le
rendu graphique.
Bruit
Le bruit dans une image numérique se manifeste sous la forme de variations aléatoires de
luminosité ou de couleur qui ne correspondent pas aux informations réelles de l'image. Le

1
3
bruit peut être causé par des facteurs tels que des conditions d'éclairage médiocres, des
capteurs défectueux ou des distorsions lors de la transmission de l'image.
Histogramme
Un histogramme est une représentation graphique de la distribution des niveaux de couleur ou
de luminosité dans une image. Il affiche le nombre de pixels pour chaque niveau de couleur
ou de luminosité, permettant d'analyser la répartition des tons dans une image.
Luminance
La luminance d'une image numérique fait référence à la luminosité ou à l'intensité lumineuse
de chaque pixel. Elle peut être utilisée pour ajuster la luminosité globale de l'image.
Contraste
Le contraste d'une image numérique représente la différence entre les niveaux de luminosité
ou de couleur dans l'image. Un contraste élevé signifie que les différences entre les tons clairs
et foncés sont plus marquées, tandis qu'un contraste faible peut donner une apparence plus
plate à l'image.

X. Système de traitement d’image

Acquisition d'image
Les images peuvent être acquises à partir de différentes sources telles que des caméras, des
scanners, des satellites ou des capteurs spécialisés. L'acquisition peut être en temps réel ou à
partir d'images préalablement enregistrées.
Prétraitement
Cette étape vise à préparer l'image pour les étapes suivantes en éliminant le bruit, en
corrigeant les défauts, en améliorant le contraste et en normalisant les valeurs des pixels.
Segmentation
La segmentation consiste à diviser une image en régions ou en objets distincts. Cela permet
d'isoler les objets d'intérêt pour des analyses ultérieures.
Extraction de caractéristiques
Les caractéristiques spécifiques des objets ou des régions d'intérêt sont extraites à partir des
images. Cela peut inclure des propriétés telles que la couleur, la texture, la forme, les
contours, etc.
Amélioration de l'image
Des techniques telles que le filtrage, la correction des couleurs, l'amélioration du contraste et
la restauration peuvent être utilisées pour améliorer la qualité visuelle de l'image.
Analyse et interprétation
Les techniques d'analyse d'image sont utilisées pour extraire des informations significatives à
partir des images traitées. Cela peut inclure la détection d'objets, la reconnaissance de formes,
la mesure des dimensions, la classification, la détection des changements, etc.

1
4
 Visualisation et présentation
Les résultats du traitement d'image sont généralement visualisés sous forme d'images ou de
graphiques pour faciliter l'interprétation et la présentation des informations extraites.

XI. Les corrections d'image satellitaire

Sont des étapes essentielles dans le processus de traitement des images acquises par des
satellites. Elles visent à corriger les distorsions et les imperfections présentes dans les images
afin d'obtenir des données plus précises et cohérentes. Voici quelques-unes des corrections
couramment effectuées sur les images satellitaires :

Correction géométrique
Cette correction vise à rectifier les distorsions géométriques qui peuvent résulter de facteurs
tels que la position de la plateforme, l'inclinaison, la rotation et les effets topographiques. Elle
permet d'aligner les images sur un système de référence spatial commun, tel qu'un système de
coordonnées géographiques ou un système de projection cartographique.
Correction radiométrique
Cette correction est réalisée pour compenser les variations de l'illumination solaire, les effets
atmosphériques, les réflectances des surfaces et les caractéristiques du capteur. Elle permet de
normaliser les valeurs radiométriques des pixels dans l'image afin d'obtenir des mesures plus
précises de la réflectance ou de la luminance.
Correction atmosphérique
Les rayons solaires qui traversent l'atmosphère peuvent interagir avec les particules et les gaz
présents, ce qui peut introduire des distorsions dans les images satellitaires. La correction
atmosphérique est effectuée pour réduire ces effets atmosphériques et est particulièrement
importante dans les applications liées à la végétation, à la qualité de l'eau ou à l'observation de
la terre.

XII. Conclusion
Dans ce chapitre, nous avons abordé de manière générale le domaine de la télédétection, qui
est une science vaste. Nous avons également survolé les concepts fondamentaux de l'imagerie
numérique et les différents traitements auxquels les images peuvent être soumises. La
détection des changements dans les images est devenue une nécessité face à la demande
croissante de traitements d'images. Dans le chapitre suivant, nous examinerons plusieurs
approches de détection des changements qui peuvent être appliquées aux données spatiales.

1
5
 Chapitre 2 :
Détection des
changements
I. Introduction
La télédétection se positionne comme un outil essentiel pour extraire des données de la
surface terrestre, nécessitant une étape de traitement des images pour une exploitation
optimale. Dans ce domaine, les observations temporelles reposent sur des capteurs fournissant
des images multi-temporelles d'une région donnée, afin d'étudier des phénomènes dynamiques
spécifiques. Avec l'évolution rapide de la couverture terrestre, la détection des changements
s'est imposée comme une opération majeure dans le traitement des images satellitaires.

II. Détection des changements

La détection des changements est un processus d'analyse utilisé dans la télédétection
pour identifier et caractériser les différences entre deux ou plusieurs images acquises à des
moments différents. Elle permet de détecter les changements qui se sont produits dans une
zone géographique donnée, tels que les changements dans l'utilisation des terres, les variations
de la végétation, les constructions, les mouvements de terrain...

 Résolution
La résolution est un terme utilisé dans différents domaines pour décrire la capacité à
distinguer les détails ou les différences entre les objets ou les phénomènes mesurés. Dans le
contexte de la télédétection et de l'imagerie, on parle généralement de trois types de résolution
: spatiale, spectrale et radiométrique.

 Résolution spatiale
La résolution spatiale fait référence à la capacité d'un capteur ou d'un système
d'imagerie à distinguer les détails spatiaux dans une image. Elle est généralement exprimée en
unités de longueur, telles que les mètres par pixel. Une haute résolution spatiale signifie que
les objets de petite taille peuvent être distingués les uns des autres dans l'image. Par exemple,
un capteur avec une résolution spatiale élevée peut distinguer les voitures individuelles dans
une image satellite.

Voici quelques exemples de satellites et de capteurs avec leur résolution spatiale au sol
associée :

1
6
 Figure 4 : satellites et de capteurs avec leur résolution spatiale

Résolution spectrale
La résolution spectrale se réfère à la capacité d'un capteur à discriminer entre différentes
longueurs d'onde ou bandes spectrales. Chaque bande spectrale peut correspondre à une plage
spécifique du spectre électromagnétique. Par exemple, un capteur multi spectral peut avoir des
bandes spectrales dans le visible, l'infrarouge proche et l'infrarouge thermique. Une haute
résolution spectrale signifie que le capteur peut distinguer entre différentes caractéristiques
spectrales, ce qui permet une meilleure identification et classification des objets dans une
scène.

 Résolution radiométrique
La résolution radiométrique se rapporte à la capacité d'un capteur à détecter et mesurer les
différentes valeurs de la puissance radiométrique ou des niveaux de gris dans une image. Elle
est généralement exprimée en bits par pixel. Une résolution radiométrique plus élevée signifie
que le capteur peut faire la distinction entre un plus grand nombre de niveaux de gris, ce qui
permet une représentation plus précise des variations de luminosité ou de réflectance des
objets dans une image. Par exemple, un capteur avec une résolution radiométrique de 8 bits
peut représenter 256 niveaux de gris différents, tandis qu'un capteur avec une résolution de 16
bits peut représenter 65 536 niveaux de gris.

III. Méthodes de détection de changements :

1. Méthode par classification
La catégorie de la classification inclut la comparaison post classification, l'analyse spectrale
temporelle combinée, l’algorithme expectation-maximisation (EM), la détection du
changement non supervisée et la détection du changement hybride. Ces méthodes sont basées
sur des images classifiées dans lesquelles la qualité et la quantité des données de l'échantillon
sont cruciales pour produire des résultats de classification de bonne qualité. L'avantage majeur
de ces méthodes est la capacité de fournir une matrice d'information du changement et de
réduire les impacts externes des différences atmosphériques et environnementaux entre les
images multi-temporelles. Cependant, sélectionner des échantillons de qualité et suffisamment
nombreux pour la classification de l'image est souvent difficile. Le temps consommé et la
difficulté de produire des classifications exactes engendrent souvent des résultats de détection
de changement peu satisfaisante, surtout quand les données et les échantillons de qualité ne
sont pas disponibles.

1
7
 2. Méthode par analyse visuelle
La catégorie de l'analyse visuelle inclut l’interprétation visuelle d'image multi-temporelle
composée et les cartes de régions changées. Cette méthode peut faire plein usage de
l'expérience et les 25 connaissances d'un analyste. La texture, la forme, la dimension et les
modèles des images sont des éléments clés utiles pour l’identification des changements à
travers l’interprétation visuelle. Ces éléments ne sont pas souvent utilisés dans l'analyse de la
détection du changement numérique à cause de la difficulté dans l’extraction de ces éléments.
L'inconvénient de cette méthode est le grand temps consommé pour une application de
détection du changement pour de grandes régions et c'est aussi difficile de faire une mise à
jour adéquate des résultats de la détection du changement. L’utilisation de la méthode de
comparaison post classification convient à notre méthodologie, puisque les données des
différentes dates ont été classées séparément. Cette méthode permet de minimiser les effets
atmosphériques et d’utiliser des capteurs différents lors de l’acquisition des images multi-
dates, en fait, c’est la méthode la plus évidente qui comparer, indépendamment deux images
classées.

IV. Domaine d’application :

La détection des changements peut être appliquée dans différents domaines, par exemple:

• Foresterie : localisation de la déforestation, la cartographie des grands feux de forêt.

• Agriculture : pour le repérage des grandes cultures.
• Environnement : pour délimiter les ensembles écologiques ou pour appuyer la mise
en place de parcs de conservation.
• Urbanisation : évaluation de l'étalement urbain.
• Géologie : pour planifier les campagnes de terrain et compiler les informations
structurales.
• Cartographie : pour la mise à jour des cartes ou pour la confection de cartes à petite
échelle

V. Conclusion :
La détection des changements à l'aide de l'imagerie satellitaire et des techniques de
télédétection offre une méthode efficace pour surveiller les modifications sur la surface
terrestre. Il est possible d'obtenir des informations précieuses sur les variations de
l'utilisation des terres, de la végétation, de l'urbanisation, et bien d'autres phénomènes
dynamiques.

1
8
 Chapitre 3 :
Zone d’Etude et
méthodologie
I. Zone d’étude :
COMMUNE Laâyoune
La ville de Commune Laâyoune est située dans le sud-ouest du Maroc, à environ 10
kilomètres de l'océan Atlantique. Cette proximité avec l'océan influence certains aspects
climatiques et géographiques de la région, bien que la ville soit principalement définie par
d'autres caractéristiques environnementales.

Figure 5 : Carte de situation de la zone d'étude

Climat

1
9
Laâyoune est caractérisée par son climat désertique. Cela signifie que la région connaît des
températures élevées et une très faible pluviosité tout au long de l'année. Les étés sont chauds et secs,
avec des températures pouvant dépasser les 40°C, tandis que les hivers sont plus doux mais toujours
secs. Les précipitations annuelles sont extrêmement faibles, ce qui limite la végétation et favorise la
dominance des paysages désertiques.

Paysages
La ville et ses environs sont célèbres pour leurs dunes de sable doré. Ces dunes, façonnées par le vent,
créent un paysage spectaculaire et typique des régions désertiques. Elles attirent de nombreux visiteurs
intéressés par les activités telles que les randonnées à dos de chameau et les excursions en 4x4.

Patrimoine Culturel
En dépit de son environnement aride, Laâyoune possède un patrimoine culturel riche en traditions
nomades. La culture des habitants est marquée par des coutumes ancestrales, des festivals traditionnels
et un artisanat local vibrant. Les tentes nomades, les vêtements traditionnels, et les récits oraux font
partie intégrante de l'identité culturelle de la région.

2
0
PRTIE 1 : UTILISANT GOOGLE EARTH ET QGIS
ET ARCGIS
I.La méthodologie
Introduction :
L'objectif de ce chapitre est de présenter la démarche et la méthodologie employées pour détecter les
changements dans notre zone d'étude.

Figure 6 : la méthodologie suivie

1. Collecte de données :
Dans notre projet de détection du changement, nous avons opté pour l'utilisation des satellites
Landsat 7, 8 et 9 pour plusieurs raisons. Voici un exemple expliquant pourquoi nous avons
choisi ces satellites :
Continuité temporelle : Les satellites Landsat 7, 8 et 9 font partie de la série des satellites
Landsat, qui bénéficie d'une longue histoire de collecte de données remontant aux années
1970. En choisissant ces satellites, nous avons accès à une série temporelle continue d'images,
ce qui nous permet de suivre les changements dans notre zone d'étude sur une période
prolongée.
Résolution spatiale : Les satellites Landsat fournissent des images avec une résolution
spatiale appropriée pour notre étude de détection du changement. Les données Landsat 7 et 8
offrent une résolution spatiale de 30 mètres, ce qui permet une visualisation et une analyse
détaillées des caractéristiques de la terre dans notre zone d'étude.
Spectre électromagnétique : Les satellites Landsat capturent des images dans plusieurs
bandes spectrales, y compris le spectre visible, le spectre infrarouge proche et le spectre
thermique. Cette large gamme de bandes spectrales nous permet d'obtenir des informations
précieuses sur les caractéristiques de la végétation, de l'eau, des sols et d'autres éléments de
2
1
notre zone d'étude, facilitant ainsi la détection des changements. Disponibilité et accessibilité :
Les données des satellites Landsat sont largement disponibles et accessibles gratuitement, ce
qui en fait une option pratique pour notre projet. Nous pouvons télécharger les images à partir
de diverses sources et utiliser des outils de traitement d'images couramment disponibles pour
extraire des informations et détecter les changements dans notre zone d'étude.

Figure 7 : Les bandes multispectrales de Landsat 7 et de Landsat 8

2. Prétraitements des images :

Les prétraitements des images satellitaires consistent en la compression et la restauration ou correction
des défauts dus au système d’acquisition.
Elimination de la valeur nulle : Chaque scène Landsat accompagne les données nulles qui
l’entourent, qui doivent être supprimées avant d’effectuer les autres fonctions de traitement d’image
dur la scène, Afin de supprimer les valeurs nulles une trame booléenne doit être créée, Cette tram est
ensuite reclassée et multipliée avec le tram original
Correction radiométrique : Avant d’effectuer une correction, il est nécessaire de faire la calibration
radiométrique. Cette calibration consiste en la normalisation de l’intensité du signal afin de faire une
analyse multi temporelle et de comparer les images. Ce processus permet ainsi à partir du signal
rétrodiffusé de calculer sa dimension appelée le coefficient de rétrodiffusion.
Correction atmosphérique : Une correction atmosphérique permet de réduire les effets dus aux
composants atmosphériques (la quantité de vapeur d’eau, la distribution des aérosols...) sur le
rayonnement électromagnétique.

3. Méthode de détection des changements :

Analyse visuelle :

2
2
La méthode d'analyse visuelle pour détecter le changement entre deux images repose sur une
comparaison visuelle des différences entre les deux images. Après avoir prétraité les images,
elles sont placées côte à côte ou superposées pour faciliter la comparaison. Les différences
visuelles telles que les variations de couleurs, les changements de texture, les modifications de
forme et les ajouts ou suppressions d'éléments sont identifiées et interprétées. Cette méthode
permet une détection rapide des changements potentiels, mais elle peut être subjective et
dépendante de l'expertise de l'observateur. Il est recommandé de valider les changements
détectés avec d'autres sources d'informations pour confirmer leur nature.

Figure 8 : les images satellitaires dans 2005,2015 et 2024

Détection par différence :

Une approche simple consiste à comparer pixel par pixel les intensités des deux images,
I1 et I2, en utilisant un opérateur de quantité de changement. CQ (I1, I2) = |I1 - I2|

Figure 9 : Différence D'images

La méthode de différence d'images, basée sur le calcul du NDVI (Normalized Différence

Végétation Index), est utilisée pour détecter les changements entre deux images. Tout d'abord,
le NDVI est calculé pour chaque image en utilisant des bandes spectrales appropriées,
généralement le proche infrarouge et le rouge. Le NDVI est une mesure de la quantité de
végétation présente dans une zone, où des valeurs plus élevées indiquent une végétation plus
dense. Ensuite, la différence entre les NDVI des deux images est calculée pour chaque pixel,
ce qui permet de mettre en évidence les variations de végétation entre les deux périodes. Les
zones présentant des différences significatives sont considérées comme des zones de
2
3
changement potentiel. Cette méthode permet de quantifier objectivement les changements
dans la couverture végétale, tels que la dégradation, la croissance ou la conversion des terres.
Cependant, il est important de noter que cette méthode ne peut détecter que les changements
liés à la végétation et ne tient pas compte des autres types de changements environnementaux.
La validation des résultats est essentielle pour confirmer la nature des changements détectés.
La détection des changements post-classification :
La détection des changements de post-classification, également connue comme détection des
changements catégoriques dans le temps est une technique basée sur la classification pour
mesurer le changement détaillé, et peut-être la méthodologie la plus couramment adoptée dans
les études de détection des changements qui peuvent impliquer à la fois le pixel et l'objet.
Cependant, elle est principalement basée sur la comparaison des pixels des images multi-
temporelles (pour la même zone à deux périodes différentes) préalablement classifiées et
identifiées à partir de groupes de pixels contigus, afin de fournir une carte thématique détaillée
sur la nature des changements de couverture terrestre comme données de sortie. Par
conséquent, elle nécessite une étape de classification avant l'application de détection de
changement). Plus précisément, nous supposons deux images couvrant la même scène, prises
à deux moments différents (multi-temporelle) avec les mêmes conditions d'acquisition .Pour
entreprendre un ou plusieurs processus de détection de changement de post-classification,
chaque image originale devrait être classifiée séparément au préalable par thèmes présents
dans chaque image, en utilisant un ou plusieurs processus de classification basé sur pixel,
décrit dans le chapitre suivant (tel que les classificateurs supervisés ou non-supervisés), pour
affecter chaque position de pixel à une catégorie et produire une série de catégories
thématiques de couverture terrestre (par exemple, urbain, développé, prairie, forêt) pour
chaque image multi temporelle. Ces cartes thématiques seront ensuite comparées entre elles
(pixel par pixel) par une ou plusieurs méthodes de détection des changements de post
classification pour produire en sortie une carte des changements thématiques. Ce classificateur
peut être considéré comme une opération de base qui est appliquée sur les données originales
d'entrée (pixels) d'une image afin d’avoir en sortie de cette opération des cartes thématiques
générées (classées) qui peuvent être considérées comme unité d’analyse de base pour effectuer
une comparaison à base des méthodes de détection des changements de post classification
pour déterminer le changement

Figure 10 : Détection de changement post-classification entre la capture de temps 1 et de temps 2

2
4
 Parmi les méthodes reposant sur cette technique, on trouve : l'algorithme de maximisation des
attentes (espérance-maximisation EM), les Réseaux de neurones artificiels (ANN), la
détection de changement non supervisée, l’Arbres de décision (Décision trees).
Les avantages des méthodes de détection des changements post-classification sont : la
simplicité, les détails de changement générés, la réduction des impacts des différences
atmosphériques, sensorielles (capteurs) et environnementales entre les images multi
temporelles en identifiant des valeurs de caractéristiques inhabituellement élevées qui peuvent
résulter de ces conditions .Par conséquent, La détection des changements post classification
est une procédure très populaire par rapport aux méthodes de pré classification . Néanmoins,
elle présente un inconvénient majeur de requérir un traitement (classification) au préalable de
chaque image, nécessitant beaucoup de temps et d'expertise, et par conséquent le problème de
l’erreur de classification peut parvenir

Après avoir effectué une classification supervisée à l'aide de l'outil SCP, on peut réaliser une
différence entre les deux classifications pour obtenir une carte d'évolution. Cette carte permet
de visualiser les changements survenus entre les deux périodes et d'analyser les variations
dans l'utilisation des terres, la végétation ou d'autres modifications spatiales. En comparant les
classes de chaque période, on peut identifier les zones qui ont subi des changements
significatifs. Cette méthode permet de mettre en évidence les évolutions temporelles et
d'obtenir une meilleure compréhension des changements qui se sont produits dans la région
d'étude.

Figure 11 : classification des images satelletes

PRTIE 2 : UTILISANT GOOGLE EARTH ENGINE

I.Introduction
La classification d'images satellites est une technique essentielle en télédétection pour identifier et
catégoriser différentes couvertures terrestres. Google Earth Engine (GEE) offre une plateforme
puissante pour traiter et analyser de vastes ensembles de données géospatiales. Ce rapport présente
un guide pour réaliser une classification supervisée avec GEE.

II.Objectifs
 Télécharger et prétraiter des images satellites.
 Créer des jeux de données d'entraînement.

2
5
  Appliquer des algorithmes de classification.
 Évaluer les résultats de la classification.

III.Méthodologie
1. Accès à Google Earth Engine
Pour utiliser GEE, il est nécessaire de s'inscrire sur Google Earth Engine.
2. Importer les Images Satellites
L'exemple utilise les images de la mission Landsat 7 et 8. Voici un script pour charger et visualiser
une image:

Figure 12 : Importation des Images Satellites

3. Créer des Échantillons d'Entraînement

Les échantillons d'entraînement sont nécessaires pour la classification supervisée. Ils peuvent être
créés en dessinant des polygones représentant différentes classes de couverture terrestre.

Figure 13 : Création des Échantillons d'Entraînement

4. Extraire les Valeurs de l'Image pour les Échantillons d'Entraînement

2
6
 Figure 14 : Extrairaction des Valeurs de l'Image pour les Échantillons d'Entraînement

5. Appliquer l'Algorithme de Classification

Un algorithme comme le Classificateur Carte (Classification and Régression Trees) peut être utilisé:

Figure 15 : Algorithme de Classification

6. Détection des changements

2
7
 Figure 16 : Détection des changements

7. Légende et Titre :

Figure 17 : legende et titre

8. Exporter image to Drive:

2
8
 Figure 18 : Exporter image to Drive

9. Création des graphes

Figure 19 : Création des graphes

2
9
 Chapitre 4 :
Implémentation et
Résultats
I. Introduction
Dans ce chapitre, nous présentons les résultats de la détection de changements sur le commun
de Laâyoune pour trois périodes : 2005, 2015, 2024. Nous avons analysé des images
satellitaires pour identifier les changements qui se sont produits au fil du temps dans ce
commun.

II. Matériel utilisé :

Nous avons travaillé avec un ordinateur Modèle HP EliteBook 850 G7 Notebook PC
Processeur : Processeur Intel(R) Core(TM) i7-10510U CPU @ 1.80GHz,
2304 MHz, 4 cœur(s), 8 processeur(s) logique(s)
Mémoire installée (RAM) : 16.00 Go.
Type du système : Système d’exploitation 64 bits (win11).

III. Outils utilisés

Le matériel que nous avons utilisé était basé sur la plateforme Google Earth Engine, l'outil
informatique JavaScript et le logiciel QGIS, Google earth pro et arc GIS.

 Google Earth Engine

Est une plateforme basée sur le Cloud qui offre aux utilisateurs la possibilité de visualiser et
d'analyser des images satellites de la Terre pour des applications géospatiales 20.

3
0
 Figure 20 : présentation de l'outil Google Earth Engine

• JavaScript :
Est le langage de programmation utilisé sur Google Earth Engine pour effectuer des analyses
spatiales.

• QGIS :
Est un logiciel du SIG (Système d’information géographique), nous avons également utilisé
l’extension SCP (Semi-Automatique

 Google Earth Pro

Google Earth Pro est une version avancée et plus complète du logiciel Google Earth, qui est
une application de visualisation 3D du globe terrestre. Google Earth Pro offre des
fonctionnalités supplémentaires par rapport à la version gratuite, notamment des outils de
mesure avancés, la possibilité d'enregistrer des vidéos, l'accès à des images historiques et la
capacité d'importer des données géospatiales externes. Cette version est principalement
utilisée par les professionnels et les organisations qui nécessitent des fonctionnalités plus
avancées pour la cartographie et l'analyse géospatiale.

PRTIE 1 : UTILISANT GOOGLE EARTH ET QGIS ET

ARCGIS

3
1
1. Détection du changement par classification :

Figure 21 : Carte d'occupation du sol de la commune de Laâyoune en 2005, 2015 et 2024.

3
2
 Les cartes présentées illustrent l'évolution de l'occupation du sol dans la région de la
commune de Laâyoune sur trois périodes distinctes : 2005, 2015 et 2024. Ces cartes ont été
classées en différentes catégories, à savoir sol nu, végétation et zones constructions.

Figure 22 : Cartes de changement d'occupation du sol de la commune de Laâyoune entre 2005 et 2015, et entre 2005 et 2024, par la méthode de
post-classification
La carte présentée illustre l'évolution de la commune de Laâyoune entre 2005 et 2015, et entre 2005 et
2024, en se concentrant sur deux catégories principales : les zones stables et les zones de changement.
Cette carte a été élaborée en utilisant une méthode de post-classification basée sur la classification de
l'occupation du sol pour les deux périodes considérées.
Grâce à cette approche, les différentes classes d'occupation du sol identifiées dans les cartes de 2005,
2015 et 2024 ont été comparées pour détecter les changements intervenus au fil du temps. Les zones
stables sont celles où l'occupation du sol n'a pas montré de modifications significatives, tandis que les
zones de changement indiquent des transformations observées.
Cette méthode de post-classification permet de visualiser et d'analyser clairement les variations
spatiales des différentes catégories d'occupation du sol entre les périodes comparées. Elle constitue un
outil précieux pour comprendre les tendances et les dynamiques de changement dans la région,
fournissant des informations essentielles pour la planification territoriale et la gestion des ressources .

3
3
 Figure 23 : Représentation graphique d'occupation de sol pour les années 2005, 2015 et 2024

D'après le graphique qui présente les surfaces des différentes classes d'occupation du sol (zones
de sol nu, zones de construction, zones d'eau) pour les périodes 2005, 2015 et 2024, plusieurs
changements peuvent être observés. Entre 2005 et 2015, une augmentation de la surface des
zones bâties et une diminution de la surface des zones de sol nu ont été constatées, ainsi qu'une
augmentation de la surface des zones d'eau. Cependant, entre 2015 et 2024, une diminution de la
surface des zones de sol nu a été observée, tandis que la surface des zones bâties a continué
d'augmenter.

2. Population de la région :

Figure 24 : la population de la région de laayoune-sakia el Hamra pour les années 2005,

2015 et 2024

3
4
Le graphique montre que la population de la région de Laayoune-Sakia El Hamra a connu une
croissance importante entre 2004 et 2024. Cette croissance est due à plusieurs facteurs, notamment
l'augmentation du taux de natalité, l'amélioration des conditions de vie et l'afflux de migrants. La
population de la région devrait continuer à croître dans les années à venir. Cette croissance
démographique aura un certain nombre d'implications pour la région, notamment en termes
d'infrastructures, de services sociaux et d'économie.

PRTIE 2 : UTILISANT GOOGLE EARTH ENGINE

1. Importation les Images Satellites :

3
5
 Figure 25 : importation des images satellites

2. Classification des images satellites :

3
6
 Figure 26 : classification des images satellites

Les cartes présentées illustrent l'évolution de l'occupation du sol dans la région de la commune de
Laâyoune sur trois périodes distinctes : 2005, 2015 et 2024. Ces cartes ont été classées en
différentes catégories, à savoir sol nu, végétation et zones constructions.

3
7
 3. Détection du changement par classification :

Figure 27 : Détection des changements

La carte présentée illustre l'évolution de la commune de Laâyoune entre 2005 et 2015, et entre 2005 et
2024, en se concentrant sur deux catégories principales : les zones stables et les zones de changement.
Cette carte a été élaborée en utilisant une méthode de post-classification basée sur la classification de
l'occupation du sol pour les deux périodes considérées.
Grâce à cette approche, les différentes classes d'occupation du sol identifiées dans les cartes de 2005,
2015 et 2024 ont été comparées pour détecter les changements intervenus au fil du temps. Les zones
stables sont celles où l'occupation du sol n'a pas montré de modifications significatives, tandis que les
zones de changement indiquent des transformations observées.
Cette méthode de post-classification permet de visualiser et d'analyser clairement les variations spatiales des
différentes catégories d'occupation du sol entre les périodes comparées. Elle constitue un outil précieux pour
comprendre les tendances et les dynamiques de changement dans la région, fournissant des informations
essentielles pour la planification territoriale et la gestion des ressources .
4. Représentation graphique d'occupation de sol pour les années 2005, 2015 et 2024

3
8
 Figure 28 : graphes represente l'occupation de sol

D'après le graphique qui présente les surfaces des différentes classes d'occupation du sol (zones
de sol nu, zones de construction, zones d'eau) pour les périodes 2005, 2015 et 2024, plusieurs
changements peuvent être observés. Entre 2005 et 2015, une augmentation de la surface des
zones bâties et une diminution de la surface des zones de sol nu ont été constatées, ainsi qu'une
augmentation de la surface des zones d'eau. Cependant, entre 2015 et 2024, une diminution de la
surface des zones de sol nu a été observée, tandis que la surface des zones bâties a continué
d'augmenter.

3
9
 5. Suggestions d'Amélioration
Pour améliorer la précision de la classification, plusieurs stratégies peuvent être mises en œuvre:

a. Augmenter le nombre d'échantillons d'entraînement:

 Collecter davantage de polygones représentatifs pour chaque classe de couverture
terrestre.
 Utiliser des échantillons d'entraînement de différentes saisons ou années pour mieux
capturer la variabilité des classes.
b. Utiliser des caractéristiques supplémentaires:
 Intégrer des indices de végétation tels que NDVI (Normalized Différence Végétation
Index).
 Ajouter des données topographiques comme l'élévation ou la pente.
c. Algorithmes de classification avancés:
 Utiliser des classificateurs plus sophistiqués comme les forêts aléatoires (Random
Forest) ou les machines à vecteurs de support (SVM).
 Essayer des approches d'apprentissage profond si les données et la capacité de calcul
le permettent.
d. Validation croisée:
 Appliquer une validation croisée pour évaluer la robustesse du modèle de
classification.
 Diviser les données d'entraînement en plusieurs sous-ensembles et réaliser plusieurs
entraînements et validations pour obtenir une évaluation plus fiable.
6. Conclusion et Perspectives
La classification supervisée avec Google Earth Engine est un outil puissant pour l'analyse des
données géospatiales. En utilisant les images Landsat et en créant des échantillons d'entraînement
appropriés, il est possible d'obtenir une classification précise des types de couverture terrestre. Pour
améliorer la précision des résultats, il est crucial d'augmenter le nombre d'échantillons
d'entraînement et d'utiliser des algorithmes de classification plus avancés.

Google Earth Engine offre une plateforme extrêmement flexible et puissante pour réaliser des
analyses de classification de données géospatiales. En suivant les étapes détaillées dans ce rapport
et en intégrant des améliorations continues, les utilisateurs peuvent obtenir des classifications
précises et utiles pour diverses applications telles que la gestion des ressources naturelles, la
surveillance environnementale et la planification urbaine. De plus, l'intégration de données
supplémentaires, telles que des images satellites à haute résolution et des données de capteurs in
situ, peut renforcer la robustesse et la fiabilité des classifications.

Pour tirer pleinement parti des capacités de Google Earth Engine, il est recommandé d'explorer
différentes techniques de prétraitement des données, comme la correction atmosphérique et la
normalisation radiométrique. En outre, l'application de méthodes d'évaluation rigoureuses, telles
que la validation croisée et l'analyse des matrices de confusion, permet d'assurer la qualité et la
précision des résultats. En combinant ces approches, les utilisateurs peuvent maximiser l'utilité de
leurs analyses géospatiales pour des décisions éclairées et des interventions efficaces dans divers
domaines.

4
0
4
1
 Conclusion :
Après avoir étudié l'évolution de la commune de Laâyoune, nous avons observé que la surface de
la commune a beaucoup changé entre 2005, 2015 et 2024. Grâce à la télédétection spatiale et aux
images satellites, et après leur traitement avec des logiciels tels qu'Arc GIS, QGIS, SNAP et
Google Earth Engine, nous avons créé des cartes permettant d'observer facilement ces
changements. Nous avons constaté que la commune de Laâyoune a connu de nombreuses
modifications dans les zones de construction, de végétation et d'eau.

L'expansion de la zone de construction est due à l'augmentation de la population,

Observation des Changements de l'Occupation du Sol à Laâyoune Entre 2005 et 2015 À partir de
la post-classification effectuée sur les cartes d'occupation du sol de Laâyoune entre 2005 et 2015,
il a été observé une augmentation significative des constructions vers l'ouest et le sud-ouest de la
commune. Cette expansion urbanistique reflète une dynamique de croissance notable dans ces
directions spécifiques, marquant ainsi une transformation importante du paysage urbain au cours
de cette période.
Le changement dans la zone d'eau est principalement attribué aux inondations du 27 au 28
octobre 2016. Ces fortes pluies ont causé des inondations à Laâyoune et ses environs, entraînant
des dégâts matériels importants et des pertes humaines potentielles. La crue de la rivière Sakia Al
Hamra a rempli et endommagé le barrage en amont de Laâyoune, provoquant des brèches qui ont
libéré de grandes quantités d'eau. Cette inondation a submergé le pont reliant Laâyoune au nord
du Maroc et a affecté les fermes et coopératives situées en aval, détruisant les troupeaux de bétail
et certaines maisons construites sur le lit de la rivière. La modification de la zone de végétation
est liée aux événements hydrologiques. Ces analyses mettent en lumière les dynamiques urbaines
et environnementales affectant Laâyoune, fournissant ainsi des informations précieuses pour la
planification et la gestion futures de la commune.

4
2
REFERENCES:

« Earth Explorer », https://earthexplorer.usgs.gov/

« Documentation QGIS », https://www.qgis.org/fr/docs/index.html

«Détection des changements dans les images satellitaires» « Centre

canadien de télédétection », www.rncan.gc.ca http://Détection du

changement par Télédétection.htm

https://appliedsciences.nasa.gov/join-mission/training/advancedwebina

rinvestigating-time-series-satellite-imagery

https://siredd.environnement.gov.ma/Laayoune-SakiaElhamra/

indicateur/DetailIndicateurPartial?idIndicateur=2740#

4
3