PRÉLIMINAIRES

I. Épistémologie et Enjeux Scientifiques du Domaine

L’observation de la Terre, passée de la photographie aérienne militaire à l’imagerie satellitaire hyperspectrale civile, constitue une révolution épistémologique. Elle transforme la perception des écosystèmes, non plus comme des entités statiques, mais comme des processus dynamiques mesurables à l’échelle planétaire. Cette Unité d’Enseignement ancre la télédétection et le biotracking dans cette mutation, les présentant comme des instruments de quantification objective des interactions biosphère-anthroposphère. L’enjeu est de dépasser la simple description pour accéder à la modélisation prédictive des dynamiques environnementales, un impératif pour la gestion durable des ressources africaines.

II. Cartographie des Compétences et Transversalité

Cette UE forge une compétence unifiée à partir de trois piliers techniques : le traitement d’images satellitaires, le paramétrage de capteurs de suivi faunique et la structuration de données géospatiales. Loin d’être des savoirs cloisonnés, ils forment une chaîne de valeur informationnelle complète, de l’acquisition du photon à la carte décisionnelle. La transversalité est fondamentale, connectant la physique des capteurs, l’écologie du paysage, l’informatique des bases de données et la sémiologie graphique. L’étudiant devient un architecte de l’information environnementale, capable de dialoguer avec des écologues, des informaticiens et des décideurs politiques.

III. Alignement Stratégique avec les Réalités Opérationnelles

La maîtrise de ces outils répond à une demande socio-économique pressante en RDC et en Afrique centrale : la gestion factuelle des ressources naturelles. Les métiers de géomaticien environnemental, de spécialiste en télédétection écologique ou de cartographe ne sont plus des niches mais des fonctions stratégiques pour les ministères (Environnement, Mines), les ONG de conservation et les bureaux d’études. Cette formation vise une employabilité immédiate en armant les futurs diplômés de la capacité à produire des diagnostics précis sur la déforestation, le suivi des aires protégées ou l’impact des activités extractives.

Chapitre I. Fondamentaux Physiques et Spectraux de la Télédétection

I.1 Signature Spectrale et Interaction Onde-Matière

Au cœur de la télédétection réside le concept de signature spectrale, l’empreinte unique que chaque matériau terrestre (eau, sol, végétation) laisse sur le rayonnement électromagnétique. Ce segment décortique les mécanismes physiques d’absorption, de réflexion et d’émission qui gouvernent cette interaction. L’analyse se concentre sur les fenêtres atmosphériques, ces longueurs d’onde spécifiques où l’atmosphère terrestre est transparente, permettant aux capteurs satellitaires de “voir” la surface. La maîtrise de ces principes est la condition sine qua non pour interpréter correctement toute image satellitaire.

I.2 Anatomie des Capteurs Satellitaires : Résolutions et Orbites

Héritage de la course à l’espace, la technologie des capteurs a atteint une complexité redoutable. Ce sous-chapitre dissèque les quatre résolutions fondamentales qui définissent la performance d’un capteur : spatiale (taille du pixel), spectrale (nombre et finesse des bandes), temporelle (fréquence de revisite) et radiométrique (sensibilité à l’intensité du signal). L’étude comparative des orbites héliosynchrones (Landsat, Sentinel) et géostationnaires (Meteosat) permet de comprendre l’adéquation entre le type de mission satellitaire et l’objectif d’observation, qu’il s’agisse du suivi agricole ou de la prévision météorologique.

I.3 Bruit Radiométrique et Calibrations Atmosphériques

Une image satellitaire brute est une mesure physique entachée d’erreurs systématiques. La principale controverse technique du domaine porte sur la méthode de correction la plus robuste. Ce module aborde frontalement les sources de bruit : diffusion atmosphérique (Rayleigh, Mie), effets de l’angle de visée et calibration du capteur. L’étudiant apprendra à appliquer des modèles de transfert radiatif comme le 6S (Second Simulation of the Satellite Signal in the Solar Spectrum) pour convertir les comptes numériques (DN) en valeurs de réflectance physique, une étape indispensable à toute analyse quantitative.

I.4 Sélection de Données Satellitaires pour le Bassin du Congo

Face à la couverture nuageuse quasi permanente du bassin du Congo, le choix des données satellitaires devient un enjeu stratégique. Ce segment est un guide pratique pour naviguer dans les archives de l’ESA (Sentinel) et de l’USGS (Landsat) afin de sélectionner les scènes les moins affectées. Il introduit l’utilisation de capteurs radar (Sentinel-1) capables de pénétrer la couche nuageuse, une technologie cruciale pour le suivi de la déforestation et des inondations en saison des pluies. L’objectif est de développer une méthodologie de sélection pragmatique et adaptée aux contraintes climatiques équatoriales.

Chapitre II. Traitement et Classification des Images Multi-Spectrales

II.1 Prétraitement Géométrique et Radiométrique

L’ingestion d’une image brute dans un flux de travail scientifique exige une série de corrections non négociables. Ce sous-chapitre détaille les étapes de prétraitement : la correction géométrique pour superposer l’image à une carte de référence (orthorectification) et la correction radiométrique pour transformer les valeurs pixels en unités physiques comparables. L’accent est mis sur l’utilisation de modèles numériques de terrain (MNT) locaux pour améliorer la précision de la géoréférenciation, une étape critique dans les zones à fort relief comme l’Est de la RDC.

II.2 Algorithmes de Classification d’Images : Supervisée vs. Non Supervisée

Pour transformer une image en carte thématique, la classification est l’outil central. Ce segment met en œuvre les deux grandes familles d’algorithmes. D’un côté, les méthodes non supervisées (ISODATA, K-Means) qui regroupent les pixels en classes statistiques sans connaissance a priori. De l’autre, les méthodes supervisées (Maximum de Vraisemblance, SVM) qui s’appuient sur des parcelles de terrain d’entraînement identifiées par l’opérateur. L’étudiant apprendra à choisir, paramétrer et exécuter ces algorithmes en fonction de l’objectif cartographique et de la disponibilité de données de terrain.

II.3 Matrice de Confusion et Validation de la Précision

La production d’une carte thématique sans évaluation de sa fiabilité est une faute méthodologique. La matrice de confusion, outil statistique rigoureux, est ici présentée comme le juge de paix de toute classification. Elle permet de quantifier la précision globale, mais aussi les erreurs spécifiques de commission (un pixel classé à tort) et d’omission (un pixel oublié). L’analyse critique des indices Kappa et des précisions “producteur” et “utilisateur” arme le géomaticien d’un langage standardisé pour communiquer sur la qualité et les limites de ses productions cartographiques.

II.4 Cartographie de l’Occupation du Sol en Milieu Rural Africain

Appliquée au contexte rural africain, la classification d’images se heurte à la complexité des paysages en mosaïque (champs, jachères, forêts galeries). Ce cas pratique guide l’étudiant dans la cartographie d’une zone pilote en RDC. Il apprendra à construire une légende hiérarchique adaptée, à mener une campagne de collecte de points de vérité terrain avec des outils mobiles (GPS, KoboCollect), et à réaliser une classification supervisée pour quantifier les surfaces agricoles et forestières. L’objectif est de produire une carte directement exploitable pour un projet de développement agricole local.

Chapitre III. Analyse Diachronique et Indices de Végétation

III.1 Fondements des Indices de Végétation

Conceptualisés pour quantifier la vigueur de la photosynthèse depuis l’espace, les indices de végétation sont des ratios de bandes spectrales. Le plus célèbre, le NDVI (Normalized Difference Vegetation Index), est ici disséqué dans sa formulation mathématique, exploitant le contraste entre l’absorption du rouge par la chlorophylle et la forte réflectance du proche infrarouge par la structure cellulaire des feuilles. Ce module explore la physique sous-jacente et présente l’éventail des indices existants (EVI, SAVI), chacun étant conçu pour corriger certaines limitations du NDVI, notamment la saturation dans les forêts denses.

III.2 Techniques de Détection de Changement

La comparaison de deux images prises à des dates différentes est la base de l’analyse diachronique. Ce sous-chapitre présente les outils méthodologiques pour détecter, identifier et quantifier les changements. Il couvre les approches simples comme la différenciation d’images ou de classifications post-classification, mais se concentre sur des méthodes plus robustes comme le Change Vector Analysis (CVA). L’étudiant apprendra à paramétrer ces techniques pour isoler les changements pertinents (déforestation, urbanisation) des variations saisonnières ou des différences d’illumination, qui sont des sources de faux positifs.

III.3 Limites de Saturation et Artefacts des Séries Temporelles

Sous la canopée dense des forêts tropicales, la plupart des indices de végétation saturent, devenant insensibles aux variations de biomasse. Cette limite technique est une critique centrale de leur usage pour le suivi du stock de carbone. Ce segment analyse cette saturation et explore les artefacts courants dans les séries temporelles satellitaires (lacunes dues aux nuages, bruit résiduel). Il introduit des techniques de lissage et d’interpolation (filtre de Savitzky-Golay) pour reconstruire des profils temporels continus et fiables, essentiels à l’analyse des tendances phénologiques ou de la dégradation forestière.

II.4 Suivi de la Déforestation autour des Aires Protégées Congolaises

Mise en situation, ce module applique l’analyse diachronique au cas critique de la pression anthropique sur les parcs nationaux de la RDC (ex: Virunga, Salonga). L’étudiant utilisera une série temporelle d’images Landsat pour calculer des cartes de changement de la couverture forestière entre deux dates. Le travail final consiste à produire une carte et un rapport quantifiant les taux de déforestation annuels dans la zone tampon du parc, identifiant les “points chauds” de déboisement. Cette compétence est directement transférable aux systèmes d’alerte précoce de type RADD (Radar for Detecting Deforestation).

Chapitre IV. Principes et Applications du Biotracking Faunique

IV.1 Technologies de Suivi : Du VHF aux Colliers GPS/Iridium

Issu des premières études de radio-pistage VHF, le biotracking a évolué vers des systèmes satellitaires complexes. Ce chapitre expose l’éventail technologique : les balises Argos basées sur l’effet Doppler, les colliers GPS qui enregistrent des localisations précises, et les transmetteurs Iridium qui permettent une communication bidirectionnelle quasi temps réel. L’analyse se porte sur les compromis techniques entre le poids de la balise, sa durée de vie (batterie), la fréquence des localisations et le coût de la transmission des données, des paramètres cruciaux pour la planification d’une étude de suivi.

IV.2 Déploiement des Capteurs et Éthique de la Capture

Paramétrer un capteur de biotracking va au-delà de la technique ; il s’agit d’une intervention sur le vivant. Ce segment détaille les protocoles de déploiement, depuis la programmation des cycles d’acquisition GPS (jour/nuit, saison sèche/humide) jusqu’à la configuration des “geofences” virtuelles qui peuvent déclencher des alertes. Une part essentielle est consacrée à l’éthique de la capture et de la manipulation animale, en se basant sur les standards internationaux pour minimiser le stress et l’impact sur le comportement de l’animal, une responsabilité fondamentale du chercheur de terrain.

IV.3 Biais d’Acquisition et Filtrage des Données de Localisation

Les données brutes issues des colliers GPS sont imparfaites. La précision peut être dégradée par une canopée forestière dense, un relief accidenté ou le comportement même de l’animal (ex: dans une tanière). Ce module critique analyse les sources de biais et les erreurs de localisation (HDOP). Il enseigne les méthodes de filtrage algorithmique pour nettoyer les jeux de données, supprimer les points aberrants et identifier les périodes de faible qualité d’acquisition. La constitution d’un jeu de données fiable est une étape préalable indispensable à toute analyse écologique sérieuse du mouvement.

IV.4 Suivi des Éléphants de Forêt pour la Gestion Anti-Braconnage

Appliqué à la conservation en Afrique centrale, le biotracking devient un outil de gestion stratégique. Ce cas d’étude se concentre sur le suivi des éléphants de forêt pour anticiper les menaces de braconnage. L’étudiant apprendra à analyser les trajectoires pour identifier les domaines vitaux, les corridors de migration et les changements de comportement suspects (ex: une immobilité prolongée). L’objectif est de transformer les données de localisation en information tactique pour orienter les patrouilles des éco-gardes et sécuriser les zones à haut risque, démontrant l’utilité opérationnelle du biotracking.

Chapitre V. Structuration des Données dans les Systèmes d’Information Géographique (SIG)

V.1 Modèles de Données Spatiales : Vecteur vs. Raster

Au fondement de tout SIG se trouve la dualité conceptuelle entre les modèles de données vecteur et raster. Le modèle vecteur représente le monde en entités discrètes (points, lignes, polygones), idéal pour cartographier des routes ou des parcelles. Le modèle raster le découpe en une grille de cellules (pixels), parfait pour représenter des phénomènes continus comme l’altitude ou la température. Ce sous-chapitre explore en profondeur la structure, les avantages et les inconvénients de chaque modèle, permettant à l’étudiant de choisir la représentation la plus pertinente pour chaque type de donnée géographique.

V.2 Conception de Bases de Données Géospatiales : Le Modèle Relationnel

Une base de données géospatiale est bien plus qu’un simple stockage de fichiers. Ce segment introduit les principes de la conception de bases de données relationnelles (SGBDR) appliquées à l’information géographique, avec un focus sur l’extension PostGIS pour PostgreSQL. L’étudiant apprendra à définir un schéma de données cohérent, à créer des tables, à définir des types de géométries, des contraintes d’intégrité (ex: un polygone de parc ne peut pas se superposer) et des systèmes de projection. Cette compétence structurelle est la clé pour garantir la pérennité et l’interopérabilité des données.

V.3 Le Langage SQL Spatial : Interrogation et Analyse

La puissance d’un SIG réside dans sa capacité à poser des questions spatiales complexes. Le langage SQL, étendu avec des fonctions spatiales, est l’outil pour cela. Ce module critique l’approche “clic-bouton” des logiciels SIG et promeut la maîtrise du code pour des analyses reproductibles. L’étudiant apprendra à rédiger des requêtes pour effectuer des sélections attributaires et spatiales (ST_Contains, ST_Intersects), des calculs de distance (ST_Distance) et des opérations de géotraitement comme le tampon (ST_Buffer) ou l’intersection, directement au sein de la base de données.

V.4 Structuration d’une Base de Données pour le Suivi des Concessions Minières en RDC

Le secteur minier en RDC, formel et informel, génère un chaos informationnel. Ce cas pratique consiste à concevoir une base de données géospatiale pour unifier ces informations. L’étudiant devra modéliser les données : les périmètres des concessions (polygones), les sites d’extraction artisanale (points), les rivières (lignes) et les zones de rejets. L’objectif est de créer une structure de données normalisée permettant de croiser les permis miniers officiels avec les données de télédétection sur la déforestation et la pollution de l’eau, produisant un outil de gouvernance environnementale.

Chapitre VI. Analyse Spatiale et Production Cartographique

VI.1 Géotraitements et Analyse Spatiale Avancée

L’analyse spatiale combine des couches d’information pour en créer une nouvelle. Ce sous-chapitre explore l’arsenal des outils de géotraitement : l’union, l’intersection, le découpage, mais aussi des analyses plus complexes comme l’analyse de réseau pour trouver le chemin le plus court, ou l’interpolation spatiale (IDW, krigeage) pour estimer une valeur là où il n’y a pas de mesure. L’étudiant apprendra à enchaîner ces opérations dans des modèles de traitement (model builder) pour automatiser des flux d’analyse complexes et garantir leur reproductibilité.

VI.2 Sémiologie Graphique : L’Art de Rendre la Carte Lisible

Conceptualisée par Jacques Bertin, la sémiologie graphique est la grammaire de la communication cartographique. Une carte n’est pas une simple image, c’est un langage visuel qui doit être maîtrisé pour ne pas transmettre une information fausse. Ce segment enseigne l’usage rigoureux des variables visuelles (taille, forme, couleur, orientation) pour représenter des données quantitatives et qualitatives. L’étudiant apprendra à construire une hiérarchie visuelle, à choisir des palettes de couleurs appropriées et à concevoir une légende claire pour maximiser l’efficacité et l’honnêteté de la communication.

VI.3 Limites de la Représentation Cartographique et Incertitude

Toute carte est une simplification, donc une distorsion de la réalité. Cette critique épistémologique est au cœur de ce module, qui analyse les sources d’incertitude dans le processus cartographique : la généralisation (simplification des formes), la classification des données et les choix de projection qui déforment les surfaces ou les angles. Il introduit des techniques pour visualiser cette incertitude, permettant de produire des cartes plus honnêtes qui ne présentent pas des frontières nettes là où la réalité est floue, une compétence cruciale en cartographie environnementale.

VI.4 Production d’une Carte de Vulnérabilité à l’Érosion Hydrique

En guise de synthèse finale, ce projet applique l’ensemble des compétences acquises. L’étudiant doit produire une carte de la vulnérabilité à l’érosion des sols pour un bassin versant de la région des Grands Lacs. Il devra combiner plusieurs couches de données dans un SIG : une carte de pentes dérivée d’un MNT, une carte d’occupation du sol issue de la classification d’images, et des données de pluviométrie. Le résultat est une carte décisionnelle qui identifie les zones prioritaires pour des actions de reboisement et de conservation des sols.

ANNEXES

A. Guide Pratique de QGIS pour le Géomaticien Environnemental

QGIS, logiciel libre et open-source, s’impose comme l’outil de choix dans les contextes où les budgets sont limités. Cette annexe n’est pas un manuel d’utilisation, mais un guide stratégique pour le spécialiste en télédétection écologique. Elle détaille la configuration d’un environnement de travail optimal, l’intégration de plugins essentiels (Semi-Automatic Classification Plugin, GRASS), et la connexion à des bases de données PostGIS. L’objectif est de démontrer comment QGIS permet de réaliser l’intégralité de la chaîne de traitement, de la classification d’image à la production de cartes de qualité publication, sans aucun coût de licence.

B. Protocole d’Accès et de Traitement sur Google Earth Engine

Face aux contraintes de puissance de calcul locale et de stockage de données, la plateforme cloud Google Earth Engine (GEE) offre une solution disruptive. Cette annexe fournit un protocole technique pour le cartographe de l’environnement africain. Elle explique comment accéder à l’intégralité des archives Landsat et Sentinel, et comment écrire des scripts en JavaScript pour effectuer des analyses diachroniques et des classifications sur des milliers d’images directement sur les serveurs de Google. C’est un outil frugal et puissant, idéal pour le suivi de la déforestation à l’échelle nationale en RDC.

C. Utilisation de Movebank pour l’Analyse des Données de Biotracking

Movebank est une infrastructure de recherche mondiale et gratuite pour la gestion, l’analyse et le partage des données de suivi animal. Cette annexe est un guide de bonnes pratiques pour le spécialiste de la faune sauvage. Elle détaille le processus d’importation et d’annotation des données de colliers GPS, en assurant la conformité avec les standards de métadonnées. Elle présente les outils d’analyse intégrés pour calculer les domaines vitaux (Kernel Density Estimation) et visualiser les trajectoires, transformant les données brutes en indicateurs écologiques pertinents pour la conservation.

Lire aussi :

Cours de Téléphonie d'Entreprise, master-2, TEE2231

Cours de Normes ISO standards et contrôle de qualité des aliments, air, eau et sol, master-1, NCQ2121

Cours de Interconnexion et Routage Dynamique, master-2, IRD2131

Cours de Projets : stratégie, conception et opérationnalisation, master-2, PUM2244

Cours de Séries Temporelles Océaniques, master-2, STO2231

Cours de Flux, Interface Air-mer et Modélisation 3D intégrée, master-2, FIA2231