Numéro d'ordre : …………………………

Licence Sciences et Techniques

Filière Géomatique et Aménagement du Territoire
MEMOIRE DE FIN D’ETUDES

Intitulé

Analyse spatio-temporelle de l’occupation du

sol à Béni Mellal par l’utilisations des méthodes
de télédétection pendant les années
(1990, 2000, 2010, 2020)

Préparé par :

LAHRACH Abdelmahdi
MEDAH Mohamed

Soutenu le 04 juin 2022 devant la commission d’examen :

A. BARAKAT Professeur, Fac. Sc. et Techniques, Béni Mellal. Président

S. NADEM Professeur, Fac. Sc. et Techniques, Béni Mellal. Examinateur
M. ELBAGHDADI Professeur, Fac. Sc. et Techniques, Béni Mellal. Encadrant

Année Universitaire : 2021/2022

DEDICACE

1
 REMERCIEMENTS

Nous dédions ce modeste travail à la faculté des sciences et techniques (FST) Béni Mellal département
des sciences de la terre et ma filière géomatique et aménagement du territoire (GAT) qui nous a donné
l’accès pour apprendre des compétences liées au milieu professionnel.

Nous n’oublions pas nos familles qui ont sacrifié pour nous encourager à réaliser nos objectifs grâce à
leurs soutiens économiques et moraux, et nous espérons que Dieu les protège. Et aussi notre encadrant
de projet de fin d’étude Mr. MOHAMED ELBAGHDADI pour son soutien durant la période du
projet et pour son aide et de son encouragement qui nous a beaucoup motivés.

À tous nos enseignants, fonctionnaires et agents de sécurités au sein de la faculté de Sciences et

Techniques Béni Mellal.

À tous nos amis avec lesquels nous avons partagé mes moments de joie et de bonheur et qui vont rester
gravés dans nos mémoires.

Que toute personne nous aidé de près ou de loin, trouve ici l’expression de mes reconnaissances.

Et nous aimerons dire :

Grace à vous nous sommes ici.

Sans vous nous ne pouvons rien faire.

Merci à tous.

2
 RESUME

La ville de Béni-Mellal est située au pied du flanc nord du haut atlas central sur la route
nationale N°8, qui relie les villes de Marrakech et Fès, à 205Km environ au nord-est de
Marrakech et à 210Km environ au sud-est de Casablanca. Chef-lieu de la région de Beni
Mellal Khenifra, la ville de Béni-Mellal est considérée comme un pôle économique régional,
grâce à son emplacement comme principale centre urbain au sein de la plaine agricole irriguée
de Tadla. Cette ville s’étendant sur une superficie de 7 075 Km² soit environ 1,6% du
territoire national.
Le but de ce projet est de suivre l’évolution spatio-temporelle de l’occupation du sol, dans
cette province, en se basant sur la variation spatiotemporelle des surfaces de : La végétation,
le sol nu, L’urbanisme. La méthodologie de travail se base sur la télédétection, il s’agit de
traitement, d’analyse et d’interprétation d’images satellite multi-temporelles (1990, 2000,
2010 et 2020). Et l’extraction des indices NDVI, (Normalised Difference Végétation Index) et
le NDBI (Normalised Difference Built-up Index). Ces Indices ont permis de calculer la
surface des thèmes d’occupation du sol dans la zone d’études. Et l’extraction aussi de LST
(Land Surface Température) qui permet la surveillance de la température de surface des sols.
Parmi les méthodes d’analyse utilisées, nous citons une technique principale pour le
traitement des images satellitaires, cette technique est le ‘’change détection’’ qui permettre de
suivre les variations de la couverture terrestre à partir des indices issus d’images multi-
temporelles (exemple de NDVI, NDBI)
Le NDVI a permis de suivre l’évolution des surfaces de végétation dans la ville depuis
l’année 1990. L’analyse des cartes de ces indices montre une régression globale d’environ
22,9% au cours de ces dernières 30 années.
Pour l’indice de l’urbanisme NDBI (Normalised Difference Built-up Index) d’après son calcul
et l’interprétation des carte, la ville de Béni Mellal a connu un grand développement au
niveau de la surface recouvert par l’urbain. Car elle a augmenté de 7,5798 Km² (25,1%) entre
1990 et 2020, Au niveau de l’espace un élargissement très vite depuis les années 1990.
Pour le LST (Land Surface Température) Les résultats ont montré́ que la température
moyenne de la surface terrestre. à Béni Mellal a augmenté́ de près de 3 °C au cours des
dernières décennies.
Mots clés : La ville Béni Mellal, occupation du sol, NDVI, NDBI, LST, Les images satellites
multi-temporelles, Landsat TM et OLI

3
 ABSTRACT

The city of Beni-Mellal is located at the foot of the flank of the central high atlas on the
national road N ° 8, which connects the cities of Marrakech and Fez, about 205Km northeast
of Marrakech and about 210Km southeast from Casablanca. Capital of the Beni Mellal
Khenifra region, the city of Beni-Mellal is considered a regional economic hub, thanks to its
location as the main urban center within the irrigated agricultural plain of Tadla. This city
extends over an area of 7,075 km² or about 1.6% of the national territory.
The aim of this project is to follow the spatio-temporal evolution of land use in this
province, based on the spatio-temporal variation of the surfaces of: Vegetation, bare soil,
Urban planning. The working methodology is based on remote sensing, it involves the
processing, analysis and interpretation of multi-temporal satellite images (1990, 2000, 2010
and 2020). And the extraction of the NDVI indices (Normalised Difference Vegetation Index)
and the NDBI (Normalised Difference Built-up Index). These indices made it possible to
calculate the surface area of land use themes in the study area. And the extraction also of LST
(Land Surface Temperature) which allows the monitoring of the surface temperature of the
soil.Among the analysis methods used, we cite a main technique for the processing of satellite
images, this technique is the "change detection" which makes it possible to follow the
variations of the land cover from the indices resulting from multi-imagery. temporal (example
of NDVI, NDBI)
The NDVI has made it possible to monitor the evolution of vegetation surfaces in the city
since 1990. Analysis of the maps of these indices shows an overall regression of
approximately 22.9% over the past 30 years.
For the urbanism index NDBI (Normalized Difference Built-up Index) according to its
calculation and the interpretation of the maps, the city of Beni Mellal has experienced a great
development at the level of the surface covered by the urban. Because it increased by 7.5798
Km² (25.1%) between 1990 and 2020, In terms of space, a very rapid enlargement since the
1990s.
For the LST (Land Surface Temperature) The results showed that the average temperature
of the land surface. in Beni Mellal has risen by nearly 3°C in recent decades.
Key words: The city of Beni Mellal, land use, NDVI, NDBI, LST, multi-temporal satellite
images, Landsat TM and OLI.

4
 TABLE DES MATIERES

INTRODUCTION GENERALE ----------------------------------------------------------------- 11

Chapitre I : PRESENTATION DE LA ZONE D’ETUDE ---------------------------------------------- 12

I.ZONE D’ETUDE ................................................................................................................. 12

II.Contexte géographique ...................................................................................................... 13

III.Contexte Géologique......................................................................................................... 13

IV.Contexte Climatique : ....................................................................................................... 14

Chapitre II :MATERIEL ET METHODOLOGIE ------------------------------------------------------ 15

I. Notion sur la Télédétection ................................................................................................ 15

1. Définition………………………………………………………………………….15

2. Fonctionnalité……………………………………………………………………...15

3. Principe ….………...…………………………………………………………… 15

II.Le spectre électromagnétique : ......................................................................................... 17

III.Le Satellite. ........................................................................................................................ 18

IV.Capteurs :… ...................................................................................................................... 18

1.Capteurs actifs………………………………………………………………………..19

2.Capteur Passifs……………………………………………………………………….19

V.L’image satellitaire ............................................................................................................ 20

1. Résolution………………………………………………………………………….21

2. Capteurs utilisés .………………………………………………………………….22

3. Le choix des dates des images .…………………………………………………...24

4. Méthodologie .…………………………………………………………………….24

5
VI.Classification : ................................................................................................................... 25

VII. Les indices spectraux : ................................................................................................... 26

1. L’indice de végétation par différence normalisée (NDVI)………………………..26

2. L’indice d’urbanisation par différence normalisée (NDBI)……………………….27

VIII.Notion de système d’information géographique ......................................................... 27

1. Définition………………………………………………………………………….27

2. Fonctionnalité……………………………………………………………………...28

IX.Matériel….. ........................................................................................................................ 29

1. ENVI : Environnent for Visualizing Images………………………………………29

2. ARCGIS…………………………………………………………………………...29

Chapitre III :RESULTATS, DISCUSSIONS ET INTERPRETATIONS -------------------------------- 30

I. Variabilité spatiotemporelle des différents indices .......................................................... 30

1. Évolution spatio-temporelle de la végétation dans la ville de Béni Mellal

(NDVI)…………………………………………………………………………….30

2. Évolution spatio-temporelle de l’indice de l’urbanisme dans la ville de Béni Mellal

(NDBI) ……………………………………………………………………………32

3. Analyse spatio-temporelle de la température de surface terrestre (LST)…………35

II. Comparaison de classification supervisées et cartes des indices calculés : .................. 38

1. Carte d’occupation du sol………………………………………………………….38

2. Comparaison de la classification supervisée et indices (exemple d’urbain) :……..40

CONCLUSION GENERALE ET PERSPECTIVES ---------------------------------------- 41

REFERENCES BIBLIOGRAPHIQUES ------------------------------------------------------- 43

6
 ACRONYMES

PIR Proche Infrarouge

NDVI L’Indice de Végétation par Différence Normalisé

CN Compte Numérique
RGB Red Blue Green
ROI Region Of Interest
DOS Dark Object Subtraction
REM Rayonnement Électromagnétique
NDBI L’indice de l’urbanisme par différence normalisée
LST La température de surface terrestre

OLI Operational Land Imager

TM Thematic Mapper

7
 LISTE DES FIGURES
FIGURE 1 : CARTE DE VILLE BENI MELLAL ............................................................................... 12
FIGURE 2 : ZONE D’ETUDE......................................................................................................... 13
FIGURE 3 : REPRESENTATION CLIMATIQUE DE L’ANNEES 2021 ................................................. 14
FIGURE 4 : LE PROCESSUS DE LA TELEDETECTION AU MOYEN DE SYSTEMES IMAGEURS ............ 16
FIGURE 5 : LE SPECTRE ELECTROMAGNETIQUE ......................................................................... 17
FIGURE 6 : CAPTEUR ACTIF ........................................................................................................ 19
FIGURE 7 : CAPTEURS PASSIFS................................................................................................... 19

FIGURE 8 : AEROPORT INTERNATIONAL DE BENI MELLAL (IMAGE LANDSAT OLI 2020). ......... 20
FIGURE 9: REPRESENTATION DES PIXELS DANS UNE IMAGE SATELLITAIREE .............................. 21
FIGURE 10 : VARIATIONS DE LA SIGNATURE SPECTRALE EN FONCTION DE L'ETAT
PHYSIOLOGIQUE DE LA VEGETATION .................................................................................. 26

FIGURE 11 : SYSTEMES D'INFORMATION GEOGRAPHIQUE. ......................................................... 28

FIGURE 12 : VARIATION DES VALEURS DE L’INDICE DE VEGETATION NDVI (1990, 2000, 2010,
2020) ................................................................................................................................. 30
FIGURE 13 : EVOLUTION DES SURFACES VEGETALES DANS LA VILLE DE BENI MELLAL ENTRE
1990, 2000, 2010, 2020 ..................................................................................................... 31
FIGURE 14: CARTES MULTI-TEMPORELLES D'INDICE DE VEGETATION (NDVI) DE BENI MELLAL.
........................................................................................................................................... 32
FIGURE 15 : DIAGRAMME DE L'EVOLUTION DE LA SURFACE DE L'URBANISME EN % DANS LA
VILLE DE BENI MELLAL (1990-2020). ............................................................................... 34
FIGURE 16 : CARTE D'INDICE DE L'URBAIN DE LA VILLE DE BENI MELLAL ENTRE 1990 ET 2020.
........................................................................................................................................... 35
FIGURE 17 : TEMPERATURES DE SURFACE TERRESTRE (LST) A BENI MELLAL ENTRE 1990 ET
2020................................................................................................................................... 36
FIGURE 18 : DIAGRAMME DE L'EVOLUTION DE LA TEMPERATURE MOYENNE DANS LA VILLE DE

BENI MELLAL (1990-2020). .............................................................................................. 36

FIGURE 19 : LA DISTRIBUTION SPATIALE DU LST. .................................................................... 37
FIGURE 20: LES CARTES D'OCCUPATION DU SOL DE LA VILLE DE BENI MELLAL (LANDSAT 1990-
2020). ................................................................................................................................ 38
FIGURE 21 : DIAGRAMME D'EVOLUTION DE LA SUPERFICIE (EN KM²) DE VEGETATION ET URBAIN
DE LA VILLE DE BENI MELLAL ENTRE 1990 ET 2020. ......................................................... 39

8
FIGURE 22 : DIAGRAMME DE COMPARAISON DE LA SURFACE CALCULEE D'APRES LES DEUX
METHODES ......................................................................................................................... 40

9
 LISTE DES TABLEAUX

TABLEAU 1: D’EQUIVALENCE ENTRE LES BANDES DU CAPTEUR TM (EN NOIR) ET

OLI (EN ROUGE) DE LANDSAT. EL HALIM, M. (2015). ................................... 23
TABLEAU 2 : EVOLUTION SPATIO-TEMPORELLE DE L’'NDVI DANS LA VILLE DE
BENI MELLAL................................................................................................. 31
TABLEAU 3 : VARIATION SPATIO-TEMPORELLE DE LA SUPERFICIE DE LA VILLE DE
BENI MELLAL ENTRE 1990 ET 2020.............................................................. 33
TABLEAU 4 : VARIATION DE LA SUPERFICIE (EN KM²) DES DEFERENTS ELEMENTS DE
LA VILLE ENTRE 1990 ET 2020 ....................................................................... 39

TABLEAU 5 : VARIATION DE LA SUPERFICIE DE L’URBANISME D'APRES LES DEUX

METHODES DE LA VILLE DE BENI MELLAL...................................................... 40

10
 INTRODUCTION GENERALE

Au Maroc, à partir du milieu des années 1990, l’urbanisme et l’aménagement connaissent

un certain nombre de mutations. Dans un contexte de poursuite de l’ouverture économique et
d’une certaine démocratisation, la décentralisation confère aux communes et aux régions de
nouvelles responsabilités et compétences. En parallèle, le mouvement de déconcentration des
services centraux s’accentue. L’action et la tutelle de l’État n’en demeurent pas moins très
présentes. On assiste à l’avènement de nouveaux référentiels des politiques publiques
(développement de procédures contractuelles négociées, management territorial). Les
changements en cours offrent des opportunités nouvelles d’intervention, certes encore très
ponctuelles ou expérimentales. Ces évolutions tendent, dans une certaine mesure, au
renouvellement d’une partie des références et des pratiques des milieux professionnels de
l’urbanisme notamment dans l’administration.

Ces grandes tendances peuvent être largement expliquées par le processus de

développement économique et la répartition géographique des activités qui l’accompagne, et
décrites par la fameuse courbe en cloche des inégalités urbaines et régionales.

Dans ce contexte, la télédétection est un outil privilégié. Elle permet l’acquisition

régulièrement de données distribuées dans l’espace et dans le temps pour caractériser une
évolution spatiotemporelle de l’occupation du sol, à savoir : l’urbanisme, la végétation, la
température des surfaces. Ces caractéristiques peuvent être utilisées afin d’estimer l’évolution
de la zone étudier (Ville de Béni Mellal) depuis 1990 jusqu’à l’actuel.

L’examen des images satellites de différentes périodes va permettre de suivre l’évolution

de l’urbanisme par rapport aux espaces verts dans la zone d’étude, ce qui sera un moyen facile
et moins couteux et rapide pour réaliser des cartes d’évolution spatiotemporelle de
l’occupation des constructions et l’habitats. Ces dernières serviront de document de base pour
toute décision sur l’aménagement urbain ou agronomique de la région de Béni Mellal-
khenifra en général et de la ville de Béni Mellal en particulier.

L’objectif de ce projet et de suivi l'évolution spatio-temporelle de la végétation, l’urbanisme

et la température de surface terrestre à partir des images satellitaires de la ville Béni Mellal
depuis 1990 jusqu’à 2020, en se basent sur la méthode des indices (NDVI, NDBI) et aussi
LST (LAND SURFACE TEMPERATURE).

11
 Chapitre I : PRESENTATION DE LA ZONE D’ETUDE

I. ZONE D’ETUDE

La ville de Béni-Mellal est située au pied du flanc nord du haut atlas central sur la route
nationale N°8, qui relie les villes de Marrakech et Fès, à 205Km environ au nord-est de
Marrakech et à 210Km environ au sud-est de Casablanca. Chef-lieu de la région de Beni
Mellal Khenifra, la ville de Béni-Mellal est considérée comme un pôle économique
régional, grâce à son emplacement comme principale centre urbain au sein de la plaine
agricole irriguée de Tadla.

La ville de Béni Mellal S’étendant sur une superficie de 7 075 Km2 soit environ 1,6%
du territoire national. Elle est caractérisée par deux blocs opposés : la plaine et les
montagnes et entre les deux apparaît une zone de transition qui revêt une grande
importance qui est le piémont ou le Dir.

Figure 1 : Carte de ville Béni Mellal

12
 II. Contexte géographique

Béni Mellal est situé entre 480 m et 620 m d'altitude, au pied du moyen-atlas et Haut-Atlas.
La ville est dominée par le mont Tassemit (« le mont du froid » À Amazigh Langue) au sud-
est de la ville, culminant à une altitude de 2 240 m, et par le djebel Ghenyen, au sud de la
ville, culminant à 2 411 m d'altitude.

Figure 2 : Zone d’étude

III. Contexte Géologique

La ville de Béni Mellal appartienne à la région de Béni Mellal-Khenifra, couvrant un grand
domaine de la chaine atlasique au Sud et du domaine Mésétien au Nord-Ouest.

A partir du Bathonien inferieur et jusqu'à l'Aptien, l’Atlas de Béni Mellal a été́ le siège
d'une sédimentation terrigène au sein de laquelle se reconnaissent trois formations principales
(Jenny et al., 1981), celles de Guettioua, d’Iouaridène et du Jbel Sidal. Elles s'échelonnent
dans un milieu essentiellement continental et témoignent de la diversité́ des
paléoenvironnements qui se sont succédées dans le Haut Atlas de Béni-Mellal durant la
période jurassico-crétacée considérées.

13
 IV. Contexte Climatique :
Le climat de Béni Mellal est dit tempéré chaud. L'été, à Béni Mellal, les pluies sont moins
importantes qu'elles ne le sont en hiver. La carte climatique de Köppen-Geiger y classe
le climat comme étant de type Csa. En moyenne la température à Béni Mellal est de 17.3 °C.

Figure 3 : Représentation climatique de l’années 2021

(https://planificateur.a-contresens.net/afrique/maroc/beni_mellal_khenifra/beni_mellal/2555745.html)

14
Chapitre II : MATERIEL ET METHODOLOGIE
I. Notion sur la Télédétection

1. Définition
La télédétection (en anglais « remote sensing ») est la discipline scientifique qui regroupe
l'ensemble des connaissances et des techniques utilisées pour l'observation, l'analyse,
l'interprétation et la gestion de l'environnement à partir de mesures et d'images terrestres,
maritimes ou de l’atmosphère, obtenues à l'aide de plates-formes aéroportées (avions,
aérostat), ou sur les satellites. Comme son nom l'indique, elle suppose l'acquisition
d'informations à distance, sans contact direct avec l'objet détecté́ ou l’évènement observés.

2. Fonctionnalité
La télédétection est un moyen très commode de créer les données à introduire dans les
systèmes d’information géographique (SIG). On peut également trouver que la télédétection
est définie comme la technique qui, par l'acquisition d'images, permet d'obtenir de
l'information sur la surface de la terre sans contact direct avec celle-ci. La télédétection
englobe tout le processus qui consiste à capter et à enregistrer l'énergie d'un rayonnement
électromagnétique émis ou réfléchi, à traiter et à analyser l'information, pour ensuite mettre en
application cette information.

3. Principe
Le principe de base de la télédétection est similaire à celui de la vision de l’homme. La
télédétection est le fruit de l’interaction entre trois éléments fondamentaux ; une source
d’énergie, une cible et un vecteur

• La cible : est la surface de Terre captée par le satellite ;

• La source d’énergie : c’est le flux de photons ou l’onde électromagnétique émet par

l’élément qui éclaire la cible ;

• Le vecteur : appelé́ aussi plate-forme de télédétection mesure à l’aide d’une caméra

placée à bord, le rayonnement électromagnétique de l’énergie solaire réfléchie par la
cible, le vecteur peut être un satellite ou un avion.
15
 Figure 4 : Le processus de la télédétection au moyen de systèmes imageurs (Centre Canadien
de Télédétection). (https://www.researchgate.net )

1. Source d'énergie ou d'illumination (A) - À l'origine de tout processus de télédétection

se trouve nécessairement une source d'énergie pour illuminer la cible.

2. 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.

3. 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.

4. 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.

5. 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).

6. 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.

16
 7. 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.

II. Le spectre électromagnétique :

Le rayonnement électromagnétique est un phénomène vibratoire constitué par un ensemble
d’onde. Chaque onde est caractérisée par une amplitude et une fréquence différente, et donc
par des longueurs d’onde propres.

Le spectre électromagnétique s'étend des courtes longueurs d'onde (dont font partie les
rayons gamma et les rayons X) aux grandes longueurs d'onde (micro-ondes et ondes radio).
La télédétection utilise plusieurs régions du spectre électromagnétique

Les bandes utilisées dans la

Télédétection
(1nm-1m)

Figure 5 : Le spectre électromagnétique (http://tpeondeselectomagnetiques.emonsite.com)

✓ Les plus petites longueurs d'onde utilisées pour la télédétection se situent dans
l’ultraviolet (1nm à 0.4 m).

17
 ✓ Les longueurs d'onde visibles s'étendent de 0,4 à 0,7 m.

✓ L'infrarouge s'étend approximativement de 0,7 à 1 m, ce qui est un intervalle environ

100 fois plus large que le spectre visible. L'infrarouge se divise en deux catégories : IR
réfléchi et IR émis ou thermique.

✓ La région des hyperfréquences suscite beaucoup d'intérêt en télédétection. Cette région

comprend les plus grandes longueurs d'onde utilisées en télédétection et s'étend
approximativement de 1mm à 1m.

III. Le Satellite
Dans ce travail nous avons utilisé́ des images satellitaires UTM Landsat. Avant de
présenter les traitements appliqués et les résultats de notre étude, on présentera tout d’abord
un bref aperçu sur le programme Landsat.

Programme Landsat :
Ce programme américain de télédétection spatiale NASA (agence spatiale américaine) et
USGS (Institut des études géologiques américains) a été le premier programme civil
d'observation de la Terre par satellite. Il a commencé́ avec le lancement du premier
LANDSAT en 1972 et se poursuit encore. Ce programme a donc permis d’engranger des
millions de données formant une librairie exceptionnelle des conditions sur Terre depuis
presque 40 ans. Depuis janvier 2009, l’entièreté des images d’archive Landsat est accessible
gratuitement via Internet.

IV. Capteurs :

Un capteur est un dispositif transformant l'état d'une grandeur physique observée en une
grandeur utilisable, telle qu'une tension électrique, une hauteur de mercure, une intensité ou la
déviation d'une aiguille. On fait souvent (à tort) la confusion entre capteur et transducteur : le
capteur est au minimum constitué d'un transducteur.

Le capteur se distingue de l'instrument de mesure par le fait qu'il ne s'agit que d'une simple
interface entre un processus physique et une information manipulable. Par opposition,
l'instrument de mesure est un appareil autonome se suffisant à lui-même, disposant d'un
affichage ou d'un système de stockage des données. Le capteur, lui, en est dépourvu.

Les capteurs sont les éléments de base des systèmes d'acquisition de données. Leur mise en
œuvre est du domaine de l'instrumentation.

18
 1. Capteurs actifs
Les « capteurs actifs » sont ceux qui produisent leur propre énergie pour éclairer la cible. Le
capteurémet un rayonnement dirigé vers la cible

Observée, puis il capte et mesure le

rayonnement réfléchi par la cible. Il
offre donc l’avantage de pouvoir
prendre des mesures à n’importe quel
moment de la journée ou de la saison.
Les capteurs actifs sont utilisés pour
examiner les longueurs d’onde qui ne
sont pas produites par le soleil, par
exemple les hyperfréquences, ou pour
mieux contrôler la façon dont une cible
est éclairée. Ils doivent cependant
produire une quantité considérable
d’énergie pour bien éclairer une cible. Figure 6 : capteur actif. (CCT)
(http://sar.kangwon.ac.kr/etc/funda
2. Capteur Passifs m/chapter1/chapter1_6_f.html)
Le soleil constitue une source d’énergie très pratique pour Figure
la télédétection.
6 L’énergie du soleil est
soit réfléchie, comme dans la partie visible des longueurs d’onde, ou absorbée puis retransmise, comme
dansla portion infrarouge thermique des longueurs

D’onde. On appelle « capteurs passifs »

Les dispositifs de télédétection qui mesurent
L’énergie naturellement disponible. Les
Capteurs passifs peuvent servir à détecter
L’énergie uniquement lorsqu’elle est
Disponible naturellement. L’énergie
Réfléchie ne peut donc être perçue que
Lorsque le Soleil éclaire la Terre.
L’énergie réfléchie dégagée par le Soleil
N’est pas disponible pendant la nuit.
Par contre, pourvu qu’elle soit suffisante,
L’énergie dégagée naturellement (l’infrarouge
Thermique) peut être enregistrée le jour ou la nuit. Figure 7 : capteurs passifs. (CCT)
Figure 7
19
V. L’image satellitaire :
Les images satellitaires, ou images de télédétection sont des images prises à partir d’un
capteur abord d’un satellite qui orbite autour de la Terre.

Les images satellitaires ressemblent en de nombreux points à des photos, et pourtant ce ne

sont pas des photos et ce ne sont pas non plus des cartes. Mais en quoi les images satellite
sont-elles différentes de photos ordinaires ? Lorsqu’on prend une photo, on voit le monde sur
cette photo comme on le voit avec nos yeux, dans les mêmes couleurs. Un appareil photo
regarde en effet la Terre de la même manière que nos yeux, il est ‘sensible’ à la portion de
lumière qu’on appelle ‘la lumière visible’. Un satellite regarde la terre d'une toute autre
manière. Il n'a pas d'appareil photo à bord, mais des instruments qui sont ‘sensibles’ à la
lumière visible, mais aussi à d’autres parties du ‘spectre électromagnétique’ comme
l’infrarouge, l’ultraviolet ou les microondes. Ces instruments (scanners) balaient la surface de
la Terre et enregistrent des mesures de ‘lumière’ qui sont ensuite utilisées par des programmes
informatiques pour créer des images sous forme de matrice ou de tableau dans les cases sont
dites pixels. La taille de ce pixel est dite résolution spatiale.
(http://eoedu.belspo.be/fr/profs/beobase-fr2.pdf).

1. Resolution:
La figure 8 montre une image de Béni Mellal dont on voit clairement l’aéroport
international encadré en rouge :

Figure 8 : Aéroport international de Béni Mellal (image Landsat OLI 2020).

20
 Suite à un agrandissement 6 x la portion d’image entourée par un carré rouge sur la figure
8, se transforme en image de la figure 9 suivante :

Figure 9: Représentation des pixels dans une image satellitaire

On remarque sur cette image l’apparition de petits carrés dite pixel, ce qui semble peu
naturel. Ces. Le mot 'pixel' provient d'une contraction des termes anglais 'Picture' et 'élément'
c'est-à-dire 'élément de l'image’. Un pixel est donc un point de l'image. Un tel point représente
le plus petit détail encore 'visible' pour le satellite. Chaque carré a une teinte grisée ou une
couleur. Il n'y a pas de différence visible au sein d'un même carré, même si on ‘zoome’ de très
loin. La taille du pixel change d’un capteur à un autre. en effet, un pixel dans une image Spot
couvre une zone de 10m x 10m, alors qu'un pixel d'une image Landsat couvre une zone de
30m x 30m. Ceci veut dire qu’on peut déjà distinguer un objet de 100 m² sur l'image Spot P,
alors que sur l'image Landsat OLI, on ne distingue un élément qu'à partir de 900 m².
Autrement dit : Spot P a une résolution de 10 m et Landsat OLI une résolution de 30 m. En
fonction de l’altitude à laquelle se trouve le satellite et du type de capteur qui est àson bord, la
résolution des images fournies par les satellites commerciaux peut aller de70 cm à plusieurs
km (satellites météorologiques).

Nous allons maintenant voir quelle est la taille réelle de la zone que nous voyons sur
l’image Landsat OLI. Lorsque l'on connaît la résolution d'une image et son nombre de pixels,
il est possible de déterminer la taille de la zone couverte par l'image. Via un programme de
traitement d’images, il est possible de connaître le nombre de pixels d’une image.

21
 2. Capteurs utilisés :

Nous avons utilisé deux types d’images satellites à haute résolution spatial issues des
capteurs Landsat TM (Thematic Mapper) et OLI (Operational Land Imager). Chaque capteur
a ses propres caractéristiques (orbite, résolution spatiale et temporelle et bande spectrale...).

Le capteur TM (Thematic Mapper )

Observe dans 7 bandes spectrales en lumière visible et infrarouge avec une résolution
spatiale de 30 mètres (120 mètres sur la bande 6), une Bande Spectrale désigne une partie du
spectre électromagnétique (intervalle de longueur d’onde) que laisse passer un filtre standard.
Une bande spectrale est ainsi déterminée par son profil de transmission, c'est-à-dire la fraction
de l'intensité lumineuse transmise pour une longueur d'onde donnée. Un ensemble de filtres de
bandes spectrales différentes, et couvrant généralement, la partie "visible" du spectre
électromagnétique. Le capteur TM du satellite américain Landsat a pu capter des parties de
sol vues par une petite fenêtre qui ne permet de voir que les rayons du soleil qui correspond à
cette partie du spectre étudiée. Ceci dit, chaque bande spectrale qui a été captée par le capteur
TM voit la terre à sa façon et donne alors une image différente des autres. L’appellation
Thématique Mapper provient de la capacité de ce capteur à fournir des données qu’on peut
traiter et analyser à fin d’obtenir des cartes thématiques (agriculture, hydrologie…).
(https://landsat.gsfc.nasa.gov)

Le capteur OLI (Operational Land Imager)

De Landsat 8 qui a été lancé le 11 février 2013, il acquiert des images dans neuf bandes
spectrales allant du visible au moyen infrarouge. Sept de ces bandes spectrales étaient déjà
présentes sur la version précédente de l’instrument TM de Landsat, Deux canaux
supplémentaires ont été ajoutés, destinés principalement à la correction atmosphérique (canal
bleu à 440 nm) et à la détection des nuages (1380 nm). La résolution optique est de 30 mètres
sur toutes les bandes sauf sur la bande panchromatique (15 m).

Pour comparer les images du capteur TM et celle du OLI, il faut qu’elles présentent les
mêmes caractéristiques spectrales et surtout la résolution et la performance radiométrique.
Cette dernière est quantifiée sur une plage dynamique de 12 bits sur le nouveau capteur (Cela

22
 se traduit par 4096 niveaux de gris potentiels dans une image par rapport à seulement 256
niveaux de gris de 8 bits instruments précédents), cela permet d’améliorer le signal de bruit
pour une meilleure caractérisation de l'état de la couverture terrestre. Les produits d’OLI sont
livrés sous forme d'images de 16 bits (55 000 à l'échelle des niveaux de gris).
(https://landsat.gsfc.nasa.gov)

Le tableau suivant montre l’équivalence entre les bandes des images de la version
précédente de Landsat4-5 TM et la nouvelle génération de

Landsat 8 OLI :

n° Performance
radiométrique
Bandes Bandes spectrales Longueurs d’ondes Resolution

1 Aérosols • 0,433 - 0,453µm 30 m

Bleu • 0.45 – 0.52 µm
2 Bleu • 0,450 - 0,515µm 30 m
Vert • 0.52 – 0.60 µm
3 Vert • 0,525 - 0,600µm 30 m
Rouge • 0.63 – 0.69 µm
4 Rouge • 0,630 - 0,680µm 30 m
16Bits
Infrarouge proche1 • 0.76 – 0.90 µm 8Bits
5 Infrarouge poche • 0,845 - 0,885µm 30 m
Infrarougeproche2 • 1.55 – 1.75 µm
6 Infrarouge moyen1 • 1,560 - 1,660µm 30 m
Infrarouge thermique • 10.4 – 12.50 µm
7 Infrarouge moyen2 • 2,100 - 2,300µm 30 m
Infrarouge moyen • 2.08 – 2.35 µm
8 Panchromatique • 0,500 - 0,680µm 15 m
9 Cirrus • 1,360 - 1,390µm 30 m

Tableau 1: d’équivalence entre les bandes du capteur TM (en noir) et OLI (en rouge) de
Landsat. El Halim, M. (2015).

23
 3. Le choix des dates des images :

Nous avons choisis les images Landsat selon leurs disponibilités dans le site web
(www.earthexplorer.usgs.gov/), Les capteurs satellitaires sont exposés habituellement aux
effets atmosphériques (nuages, poussière et autres) ce qui rend la vision et l’interprétation de
l’image parfois pénible. Nous avons fixé le mois mai de chaque année pour mettre l’accent
sur la végétation qui endure toute l’année et afin de suivre leurs évolutions dans le temps et
dans l’espace.

Les images satellitaires sont aussi bien exposées en mois mai vu que l’atmosphère reste
relativement claire, ce qui permet au capteur de prendre une image propre qui ne nécessite pas
trop de correction atmosphérique pour la visualiser.

4. Méthodologie :
Pour l’extraction de l’information nécessaire pour la réalisation des objectifs fixés pour ce
travail plusieurs méthodes de pré-traitement et traitement numérique, ont été utilisées, à savoir
la correction radiométrique, la correction atmosphérique, dark objet subtraction pour le pré-
traitement, et les indices spectraux, la classification, pour le traitement

• La correction radiométrique
La correction radiométrique consiste à estimer un ensemble des paramètres
atmosphériques et des paramètres géométriques à partir d'images multi-vue pour calculer
l'éclairement reçu par la surface à chaque pixel dans l'image et enfin d'obtenir la réflectance
directionnelle. La correction radiométrique des images satellites permet la conversion des
valeurs des pixels (Compte numérique/Digital Numbers) en réflectance. La correction
radiométrique des images nécessite les bandes multispectrales et le fichier MTL joint de
l'image satellite.

• La correction atmosphérique
La correction atmosphérique permet d'obtenir des données de réflectances qui (en
théorie) ne dépendent pas des conditions atmosphériques. La correction atmosphérique
permet donc de comparer les caractéristiques spectrales d'une cible au cours du temps ou à
différents endroits

24
 • Dark objet subtraction

Dark Object Subtraction est une méthode de correction atmosphérique empirique simple
pour l'imagerie satellite disponible dans ENVI qui suppose que la réflectance des objets
sombres comprend une composante substantielle de la diffusion atmosphérique. La
soustraction d'objets sombres recherche dans chaque bande la valeur de pixel la plus sombre.

VI. Classification :
Les approches automatiques de production de cartes d'occupation du sol à partir d'images
de télédétection sont souvent basées sur des méthodes de classification d'images. La
classification pixel par pixel utilise l'information spectrale contenue dans les valeurs d'une ou
de plusieurs bandes spectrales pour classifier chaque pixel individuellement en lui assignant
une classe particulière (par exemple : eau, forêt, etc.). La "nouvelle" image qui représente la
classification est composée d'une mosaïque de pixels qui appartiennent chacun à une classe
particulière.

Cette classification peut être :

Supervisée : on utilise des zones pour lesquelles on connaît l'occupation du sol comme des
exemples pour un apprentissage, la classification est effectuée à partir des caractéristiques
statistiques de ces zones connues et identifiées sur l'image.

Non supervisée : on regroupe les pixels de l'image par similarité et on identifie les
classes ensuite.

La classification supervisée fournit souvent de meilleurs résultats, mais elle nécessite des
données de référence pour l'apprentissage (campagnes sur le terrain, photo-interprétation,
image très haute résolution, etc.). (Idbraim, S. (2009))

25
 VII. Les indices spectraux :
1. L’indice de végétation par différence normalisée
(NDVI).
L’indice de végétation est un outil utilisé dans les domaines environnementaux et pour
l’agriculture en particulier, car il fournit des informations sur la verdeur et l’état de la
végétation. La formule de calcul du NDVI est :

NDVI = (proche IR - rouge) / (proche IR + rouge)

La normalisation par la somme des deux bandes permet de réduire les effets d'éclairement.
Le NDVI conserve une valeur constante quelle que soit l'éclairement global, contrairement à
la simple différence entre la bande PIR et Rouge (indice de végétation simple), qui est très
sensible aux variations d'éclairement. Cet indice normalisé est sensible à la vigueur et à la
quantité de la végétation.

Figure 10 : Variations de la signature spectrale en fonction de l'état physiologique de la

végétation (http://e-cours.univ-paris1.fr)

Les valeurs du NDVI sont comprises entre -1 et +1, les valeurs négatives correspondant
aux surfaces autres que les couverts végétaux, comme la neige, l'eau ou les nuages pour
lesquelles la réflectance dans le rouge est supérieure à celle du proche infrarouge. Pour les
sols nus, les réflectances étant à peu près du même ordre de grandeur dans le rouge et le
proche infrarouge, le NDVI présente des valeurs proches de 0. Les formations végétales quant
à elles, ont des valeurs de NDVI positives, généralement comprises entre 0,1 et 0,7. Les
valeurs les plus élevées correspondant aux couverts les plus denses.

26
 Une végétation en bonne santé absorbe la plupart de la lumière visible qui l’intercepte et
réfléchi une partie importante de la lumière PIR. Une végétation en mauvaise santé ou
clairsemée réfléchi plus de lumière visible et moins de PIR (Fig. 11).

La puissance de cet indice réside dans sa capacité de distinguer même entre les espèces
végétales, car il est directement lié à l’activité photosynthétique des plantes et donc à la
capacité d’absorbation énergétique du couvert végétal. Il agit comme indicateur de la
biomasse chlorophyllienne des plantes.

2. L’indice d’urbanisation par différence normalisée

(NDBI).
Le NDBI est utilisé́ comme indicateur de l'intensité́ du développement et comme indicateur
de la surface imperméable urbaine (Zha et al., 2003).

La valeur du NDBI varie entre -1 et 1. La recherche suggère que les valeurs positives du
NDBI représentent les zones terrestres urbaines et les valeurs négatives du NDBI représentent
les zones terrestres non urbaines (Zha et al., 2003). Il se calcule par l'équation suivante :

NDBI = (SWIR - NIR) / (SWIR + NIR)

VIII. Notion de système d’information géographique

1. Définition

Les Systèmes d'Information Géographiques (SIG) sont des systèmes de communication et

de traitement d'informations géographiques. Elle comprend toutes les étapes d'acquisition, de
représentation, d'analyse et de diffusion de l'information géographique. Ainsi, au cours des
années 1980, la notion de Système d'Information géographique s'est imposée comme l'objectif
général de la Géomatique, couvrant l'ensemble des éléments, relations et fonctions liés à
l'exploitation de la connaissance de la surface terrestre (Van Sickle, 2004) (Figure 11). Il a
deux originalités essentielles :

• Analyse spatiale et synthèse d'aide à la décision : la capacité de gérer et de traiter les

relations spatiales entre les objets ou les phénomènes de la surface terrestre.
• Production et cartographie : par la représentation visuelle de cet espace sous forme de
carte ou de plan.

27
 Figure 11 : Systèmes d'information géographique.
(Https://www.researchgate.net/figure/example-of-geographical-information-
system-gis-mapping-in-environmental-studies-photo_fig1_330567969)

Les domaines d'application des Systèmes d'Information Géographiques (SIG) sont

nombreux, tels que : l'aménagement du territoire ; gestion du trafic ; la gestion du réseau ;
agriculture ; protection environnementale ; et la gestion des risques technologiques et
naturels...

Un SIG doit contenir toutes les informations relatives aux objets ou phénomènes concernés.
Ces informations sont généralement organisées en couches. La notion de calque est donc
centrale : un calque est un ensemble d'objets partageant des attributs spécifiques, et une même
forme (point, ligne, surface).

2. Fonctionnalité
Les SIG doivent être à la fois un outil de gestion pour le technicien et un outil d'aide à la
décision pour le décideur. Il doit donc offrir les fonctions nécessaires à ces deux objectifs :

Abstraction : Elle vise à représenter le monde réel, en organisant les données par
composants géométriques et par attributs descriptifs et en établissant des relations
entre les objets.
Acquisition : L'acquisition revient à alimenter le SIG en données par saisie des
informations géographiques sous forme numérique : la forme des objets
géographiques et leurs attributs et relations.
Archivage : L'archivage revient à gérer la base de données en transférant les
données de l'espace de travail vers l'espace d'archivage.
Analyse : Elle permet de manipuler et d'interroger des données géographiques
afin de répondre aux requêtes des utilisateurs.
Affichage : Mise en forme et visualisation.

28
 IX. Matériel
1. ENVI : Environnent for Visualizing Images

Le logiciel ENVI est un logiciel commercial complet de traitement d’images de

télédétection optiques et radar. Toutes les méthodes de traitement d’images de corrections
géométriques, radiométriques, de démixage radiométrique, de classification et de mise en page
cartographique sont présentes. D’autres outils relatifs à la visualisation et à la modélisation de
données topographiques sont aussi disponibles. Ces différents outils et méthodes seront
examinés dans la suite de ce document. Aussi, il est important de signaler que le logiciel ENVI
est conçu en langage IDL (Interactive Data Langage–Research System) et offre donc des
moyens de programmation évoluée.( http://geodevgroup.com/logiciels/)
2. ARCGIS

ArcGIS est un système complet qui permet de collecter, organiser, gérer, analyser,
communiquer et diffuser des informations géographiques. En tant que principale plateforme de
développement et d'utilisation des systèmes d'informations géographiques (SIG) au monde,
ArcGIS est utilisé par des personnes du monde entier pour mettre les connaissances
géographiques au service du gouvernement, des entreprises, de la science, de l'éducation et des
médias. ArcGIS permet la publication des informations géographiques afin qu'elles puissent être
accessibles et utilisables par quiconque. (https://resources.arcgis.com/fr/help/getting-
started/articles/026n00000014000000.htm)
29
Chapitre III : RESULTATS, DISCUSSIONS ET
INTERPRETATIONS

I. Variabilité spatiotemporelle des différents indices

1. Évolution spatio-temporelle de la végétation dans la ville
de béni Mellal (NDVI)
Les propriétés optiques (réflectance, absorption, transmittance) des feuilles dépendent
fortement de la longueur d’onde et cela leurs confèrent un spectre de réflectance très
caractéristique. Les facteurs influençant la réflectance sont de deux ordres. Les premiers sont
liés à la composition chimique intrinsèque des parties végétales et influençant sur tout le
spectre dans le Rouge. Les deuxièmes sont attachés aux aspects structuraux du feuillage et des
feuilles et influencent surtout dans le proche infrarouge (Rondeaux, 1996).

En général, l’indice de végétation prend des valeurs qui varient entre -1 et 1. Mais dans
notre cas l’indice de végétation par différence normalisée ne dépasse pas 0.78 en 1990 comme
valeur maximale.

Représentation Graphique des Indices Maximales

de Végéation
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
1990 2000 2010 2020

Valeurs des indices maximales

Figure 12 : variation des valeurs de l’indice de végétation NDVI (1990, 2000, 2010,
2020)

La superficie recouverte par la végétation dans la ville de Béni Mellal a connu une
variabilité très importante, durant ces trente ans passés. Depuis 1990 jusqu’à 2020 la
30
 végétation a décliné d’une superficie d’environ 6,89 Km² (-36%). En 1990, la surface
végétale a été à l’entourage de 19,1493 Km², puis elle a connu une intense réduction
estimée de 12,5541 Km² (-21,92%) en 2000. Cependant, en 2010 on remarque une
dilatation importante avec une superficie de 16,8191 km² et un taux de changement de
(14.12%). Puis en 2020 la végétation connu un autre reculement estimée de 12,2535 avec
un taux de changement de (-15,11%).

25

20
19,1493

15 16,8192

12,5541 12,2535
10

0
NDVI en 1990 NDVI en 2000 NDVI en 2010 NDVI en 2020

Surface en Km²

Figure 13 : évolution des surfaces végétales dans la ville de Béni Mellal entre 1990,
2000, 2010, 2020

Nombre de Surface en Surface en Taux de

pixels Km² % par rapport changement
à la surface de en %
la ville
NDVI en 21283 19,1493 63,37 -
1990
NDVI en 13953 12,5541 41,54 -21,92%
2000
NDVI en 18688 16,8192 55,66 +14,12%
2010
NDVI en 13615 12,2535 40,55 -15,11%
2020
Tableau 2 : Evolution spatio-temporelle de l’'NDVI dans la ville de Béni Mellal

31
 La dynamique végétale observée durant cette période, peut s’expliquer par plusieurs
facteurs dont les plus importantes sont :

• Les conditions climatiques (période de sècheresse) jouent un rôle

primordial dans la variation des surfaces occupées par la végétation, et
surtout les pluies qui influencent immédiatement

• L’accroissement ou la régression de cette surface végétale dans une zone

donnée.
• Evolution de l’urbanisme et l’exploitation des terres, pour la croissance
démographique et couvrir les besoins de la population qui dépasse 209 563
hab (2020).

2000

Figure 14: Cartes multi-temporelles d'indice de végétation (NDVI) de Béni Mellal.

2. Évolution spatio-temporelle de l’indice de l’urbanisme

dans la ville de Béni Mellal.
Le phénomène urbain est à l'heure actuelle un enjeu important à l'échelle planétaire. C’est
pourquoi, il est absolument nécessaire de se doter de moyens conceptuels et méthodologiques
qui peuvent en améliorer la compréhension et le suivi. Cet effort est important bien que les

32
 règles de production, les modes d'implantation et d'évolution, les caractéristiques de
peuplement (solde naturel, migration, etc.) ainsi que les formes d'urbanisation ne soient pas
précisément comparables. La modélisation urbaine a facilité ces investigations en favorisant
une conceptualisation du système urbain selon deux approches complémentaires : l'une
analytique, utilisée pour la description et la mise en relation des composantes urbaines ; l'autre
synthétique répondant au besoin d'articulation de ces composantes au sein d'une même unité
territoriale plus ou moins élastique.

Pour la détermination de l’indice de l’urbain, il n’existe pas aucune relation ou formule

qui calcule cet indice d’une manière précise et exacte. Mais d’après les recherches effectuées
durant la réalisation de ce projet, on a pu à trouver une formule qui détermine l’indice de
l’urbanisme mais avec une confusion avec NDWI. Et qui se présente au-dessous sous forme
de :

(BANDE 4 – BANDE 1) pour LANDSAT TM

(BANDE 5 – BANDE 2) pour LANDSAT OLI.

Le tableau (3) et la figure (15) suivante montrent la variation spatio-temporelle de la

superficie de l’urbanisme dans la ville de Béni Mellal entre 1990 et 2020.

Nombre de Surface en Surface en Taux de

pixels Km² % par rapport changement
à la surface de en %
la ville
NDBI en 4586 4,1274 13,66 -
1990
NDBI en 4810 4,3290 14,32 +0,66%
2000
NDBI en 9676 8,7084 28,82 +14,5%
2010
NDBI en 13008 11,7072 38,74 +9,92%
2020
Tableau 3 : Variation spatio-temporelle de la superficie de la ville de Béni Mellal entre 1990
et 2020

33
 14
11,7072
12

10
8,7084
8

6
4,1274 4,329
4

0
NDBI en 1990 NDBI en 2000 NDBI en 2010 NDBI en 2020

Surface en Km²

Figure 15 : diagramme de l'évolution de la surface de l'urbanisme en % dans la ville de Béni

Mellal (1990-2020).

La superficie recouverte par l’urbain dans la ville de Béni Mellal a connu une variabilité
très importante, durant ces trente ans passés. L’urbanisme a progressé d’une superficie
d’environ 7,1136 Km² (25,69% de la superficie de la ville).

En 1990, la surface a été de 4,1274 Km², puis elle a connu une légère augmentation
estimée de 4,3290 Km² (0,68%) en 2000. Cependant, en 2010 on remarque une dilatation
importante avec une superficie de 8,7084 km² et un taux de changement de (14,5%). Puis
2020 connu une augmentation de l’urbanisme d’environ 11,7072 (9,92%).

34
 Figure 16 : carte d'indice de l'urbain de la ville de Béni Mellal entre 1990 et 2020.

D’après la carte de l’indice de l’urbain montrée ci-dessus, on constate que La ville Béni
Mellal a connu une évolution très importante au niveau de la superficie des bâtiments et les
infrastructures pendant ces trente dernières années. Ce dynamisme se montre par un
élargissement très vite surtout vers le NORD-EST et vers le SUD-OUEST (Fig.16).

3. Analyse spatio-temporelle de la température de surface

terrestre (LST)
La température de surface terrestre (LST) a été́ calculée à l'aide des valeurs de luminance
des bandes thermiques des capteurs Landsat (bande 6 pour les capteurs TM et ETM+, et
bandes 10 et 11 du capteur TIRS pour Landsat 8). La figure 17 montre la variation spatio-
temporelle de la température de surface pour la ville de Béni Mellal au cours des 30 dernières
années. Les résultats ont montré́ que le LST dans la zone d'étude a augmenté́ au cours de cette
période près de 3°C, passant d'une température de surface moyenne de 26,29°C en 1990 à
29°C en 2020.

35
 Figure 17 : Températures de surface terrestre (LST) à Béni Mellal entre 1990 et 2020

30
29,5
29 29,35
29
28,5
28
27,5 27,91

27
26,5
26 26,29
25,5
25
24,5
1990 2000 2010 2020

Température moyenne en C°

Figure 18 : diagramme de l'évolution de la température moyenne dans la ville de Béni

Mellal (1990-2020).

36
 OBSERVATION
Après les calculs réalisés de l’indice, et l’analyse des résultats et des cartes obtenues. On
remarque bien que, au cours des dernières décennies, les terres agricoles et les espaces verts
ont été intensément dégradés en raison de l'expansion rapide des zones urbaines, La
superposition des cartes de température de surface avec des images Google Earth haute
résolution montre que les zones urbaines sont caractérisées par des valeurs très élevées de
température de surface terrestre, tandis que les zones de végétation sont caractérisées par de
faibles valeurs de ce paramètre.

Fi

Figure 19 : La distribution spatiale du LST.

37
II. Comparaison de classification supervisées et cartes des indices
calculés :

1. Carte d’occupation du sol

La carte d´occupation du sol est une carte établie á partir d´une classification supervisée
des images satellitaires qui a pour principe de fournir au logiciel des échantillons de pixels qui
représentent les mêmes caractéristiques (réflectance) qui représente une région de référence
homogène appelée zone d´apprentissages ou zone d´entrainement.

Pour élaborer la classification, on a d’abord digitalisé des parcelles d’entrainement sur

les images pour chaque classe déterminée à priori ceci à base du NDVI, ce qui nous a permet
de réaliser une carte des différentes plantations qui existent dans la ville.

Figure 20: Les cartes d'occupation du sol de la ville de Béni Mellal (Landsat 1990-2020)

38
 Ces cartes montrent une relation étroite entre les différentes entités qui la compose,
l´augmentation de la surface occupée par la végétation entraine une diminution de la surface
occupée par le sol.

La carte d´occupation du sol sert à nous donner une idée sur la répartition de couvert
végétal, du sol nu, d´urbanisme dans la ville de Béni Mellal entre 1990 et 2020.

1990 2000 2010 2020

Végétation 15,6951 7,5213 12,1131 11,0061
Urbain 3,2922 5,4702 7,4223 8,4708
Superficie 30,2145 30,2145 30,2145 30,2145
Totale
Tableau 4 : variation de la superficie (en km²) des déférents éléments de la ville entre 1990 et
2020

18
16
14
12
10
8
6
4
2
0
1990 2000 2010 2020

Végétation Urbain

Figure 21 : Diagramme d'évolution de la superficie (en km²) de végétation et urbain de

la ville de Béni Mellal entre 1990 et 2020.

39
 2. Comparaison de la classification supervisée et indices
(exemple d’urbain) :
La production des cartes d’occupation du sol à partir d’une image satellitaire est basée sur
des méthodes de classification de l’image. Souvent la plus utilisée est celle de la classification
supervisée. Cette méthode s’utilise le plus souvent afin de classifier et créer une carte
représentant plusieurs classes. Contrairement à l’indice spectral qui sert toujours à calculer les
variations d’une seule classe.

Dans cette partie on va réaliser une comparaison entre ces deux méthodes, on va comparer
la superficie calculée d’après les deux méthodes, en prenant les variations de l’urbanisme
comme exemple.

D’après la classification D’après l’indice Déférence

supervisée (km²) de construction (km²)
1990 3,2922 4,1274 0,8353
2000 5,4702 4,3290 1,1412
2010 7,4223 8,7084 1,2861
2020 11,0061 11,7072 0,7011
Total 27,10 28,87 3,96
Tableau 5 : variation de la superficie de l’urbanisme d'après les deux méthodes de la ville de
Béni Mellal.

25
0,7011

20

1,2861 11,7072
15

8,7084
10 1,1412

0,8353 4,329

5 4,1274 11,0061
7,4223
5,4702
3,2922
0
1990 2000 2010 2020

D’après la classification supervisée (km²) D’après l’indice de construction (km²)

Déférence

Figure 22 : Diagramme de comparaison de la surface calculée d'après les deux méthodes

40
 CONCLUSION GENERALE ET PERSPECTIVES

D´après les résultats du travail on peut dire que la télédétection est un outil privilégié, Elle permet
l’acquisition de données régulièrement distribuées dans l’espace et le temps pour caractériser les
surfaces continentales en termes d’occupation du sol. Ces données peuvent être utilisées dans un
schéma de modélisation spatialisée pour appréhender le fonctionnement et la dynamique des
agroécosystèmes. D’un point de vue économique, l’utilisation de la télédétection offre la
possibilité de réduire les coûts d’obtention de l’information à l’échelle d’une région ou d’un pays.
Notre étude a pour objectif d’estimer le taux de variation de la couverture terrestre
(végétation, urbanisme et la température) dans la ville de Béni Mellal, en calculant les différents
indices à partir des images Landsat (1990 ; 2000 ; 2010 ; 2020) et en utilisant la technique de
classification.

Nous avons fixé le mois de mai comme date de référence pour toutes les images traitées pour
éliminer la perturbation du nuage et pour mettre l’accent sur la végétation qui pousse toute
l’année. Les images recueillit analysé, traitée et interprétée ont permis de cartographier
l’évolution des éléments d’occupation du sol dans la zone d’étude et ont abouti aux résultats
suivant.

L’examen des cartes de NDVI calculés à partir des images Landsat, montré que La superficie
recouverte par la végétation dans la ville de Béni Mellal a connu une variabilité très importante,
durant ces trente ans passés. En 1990, cette surface végétale a été de 19,1493Km², puis elle a
connu une importante réduction estimée de 12,5541 Km²

(-21,92%) en 2000. Cependant, en 2010 on remarque une dilatation plus au moins importante,
avec une superficie de 16,8192 km² et un taux de changement de +14,12%.

Mais en 2020 on a encore une importante réduction estimée de 12,2535 Km², et un taux de
changement de -15,11%.

Dans la période [1990-2020] l’urbanisme a progressé d’une superficie d’environ 7,5798 Km²
(25,1 % de la superficie de la ville). La croissance démographique est l´une des causes qui
aboutit á cette dilatation de l´urbanisme, mais aussi la croissance économique de Beni Mellal
grâce aux investissements.

41
 Les images Landsat traitées de la ville de Béni Mellal au cours des 30 dernières années
(1990, 2000, 2010, 2020) ont montré que le LST dans la zone d'étude a augmenté au cours de
cette période près de 3°C, passant d'une température de surface moyenne de 26,29°C en 1990
à 29°C en 2020.

Le traitement des images satellitaires est basé sur l’application de plusieurs méthodes
différentes. En citant par exemple la classification qui sert à classifier et á créé une carte
représentant plusieurs classes afin de produire des cartes d’occupation du sol. La deuxième est
celle des indices spectraux comme une méthode mathématique qui calcule les variations d’un
seul élément détecté par des formules spécifiques utilisant des bandes d´absorption spécifique
pour chaque élément, Chacune de des techniques citées a des avantages et des inconvénients
mais la classification supervisée reste la meilleure.

42
 REFERENCES BIBLIOGRAPHIQUES

El Halim M. 2015 Apport de la télédétection dans l’évaluation de la variation des surfaces

d’eau et du couvert végétal dans la Plaine du Haouz entre 1984 jusqu’à 2014. Mémoire de
master, Univ. Cadi Ayyad Marrakech, Maroc.

El hafyani M. 2022 Apport des outils géospatiaux et de la modélisation à l'évaluation des

bilans hydriques, des changements d'affectation des sols et des dynamiques urbaines dans un
contexte de changement climatique. Thèse Doctorat.

Idbraim S. 2009 Méthodes d’extraction de l'information spatiale et de classification en

imagerie de Télédétection : Applications à la cartographie thématique de la région d’Agadir
(Maroc). Thèse Doctorat.

Jenny et al., 1981. J. Jenny, A. Le Marrec, M. Monbaron Les couches rouges du

Jurassique moyen du Haut Atlas central (Maroc) : corrélation lithostratigraphiques, éléments
de datation et cadre tectono-sédimentaire. Gebios, 14 (1981), pp. 427-631

Rondeaux. 1996 Optimization of soil-adjusted vegetation indices February 1996. (Address

correspondence to Dr. Geneviève Rondeaux, Geography Department, University of
Nottingham, Nottingham NG7 2RD, U.K.)

Van Sickle. 2004. Basic GIS Coordinates Publié en 2004 à Boca Raton Fla par CRC Press

Zha et al. 2003 Expérience professionnelle à l'USTC depuis 1999.Professeur adjoint, School
of Management, USTC, 04-présent ; Assistant d'enseignement, École de gestion, USTC, 99-
04.

Web_ référence :

https://earthexplorer.usgs.gov/

http://tpeondeselectomagnetiques.emonsite.com

http://eoedu.belspo.be/fr/profs/beobase-fr2.pdf

https://planificateur.acontresens.net/afrique/maroc/beni_mellal_khenifra/beni_mellal/255
5745.html

43
https://www.researchgate.net/publication/258808775_Circuit_C7_Le_Haut_Atlas_central
_de_Beni_Mellal_a_Imilchil

https://fr.wikipedia.org/wiki/Capteur

https://landsat.gsfc.nasa.gov

http://e-cours.univ-paris1.fr

https://www.learngeom.com/2020/09/correction-radiometrique-des-images.html

http://sar.kangwon.ac.kr/etc/fundam/chapter1/chapter1_6_f.html

http://staff.univbatna2.dz/sites/default/files/habibi_yahiaoui/files/visualisation_et_fusion
_des_images_sat.pdf

http://geodevgroup.com/logiciels/

https://resources.arcgis.com/fr/help/getting-started/articles/026n00000014000000.htm

44