Cette étude porte sur le contrôle du changement et la classification de la végétation et de l'utilisation des sols d'une zone du nord-ouest du Maroc par imagerie multispectrale du Landsat. Son but principal est la détermination du potentiel des données multispectrales du Landsat dans l'interprétation de la végétation et de l'utilisation des sols. Pour cela les deux approches principales d'analyse des données en télédétection furent appliquées séparément. La première approche constitue l'interprétation analogique qui consiste en l’interprétation visuelle après amélioration et rehaussement des images. Dans ce cas, plusieurs méthodes d'analyse ont été essayées ; il s'agit entre autres de l'interprétation par le moyen d'un projecteur de diapositives à 70 mm, d'un équidensitomètre, d'un projecteur réfléchisseur vertical et de composés-couleur. Pour différentes raisons, les trois premières ont été rejetées, seules l'interprétation analogique par composés- couleur fut adoptée grâce à sa souplesse, sa précision et sa commodité. Les résultats de l'interprétation sont obtenus sous deux formes: une forme graphique donnant l'aspect d'une carte thématique faisant ressortir les différentes classes avec leur identification et une forme statistique sous forme de tableaux faisant ressortir les superficies et les pourcentages correspondant à chaque classe dans la zone étudiée. La comparaison dans le temps des résultats sous l'une ou l'autre de ces deux formes peut donner une idée sur le changement de la végétation et de l'utilisation des sols d'une période à l'autre. La deuxième approche constitue l'analyse numérique des images qui consiste à analyser les données numérisées par ordinateur. Pour cela et pour répondre au but principal de cette étude, deux sortes d'analyses ont été appliquées: il s'agit de l'analyse unitemporelle qui consiste à appliquer une série de traitements aux données provenant d'une seule image prise à une date déterminée et de l'analyse multitemporelle qui consiste à appliquer une série de traitements aux données provenant de deux ou plusieurs images de la même région prises à des dates différentes. La classification fait appel au seul algorithme de classification opérationnel disponible au système de traitement numérique des images (SCANIQ) dont on dispose. Il s'agit de l'algorithme de classification par la méthode du maximum de vraisemblance. D'autant plus, étant donné que ce système ne dispose pas de photoimprimante à l'état actuel nous nous sommes contentés des résultats statistiques en superficie et en pourcentage de chaque classe pour chaque image de la zone étudiée. Le contrôle du changement de la végétation et de l'utilisation des sols a été fait par comparaison de ces résultats d'une image à l'autre. Finalement une comparaison entre les résultats de l'interprétation analogique et ceux du traitement numérique a été faite et certaines conclusions ont été tirées en conséquence.

M.S.

Cette étude porte sur le contrôle du changement et la classification de la végétation et de l'utilisation des sols d'une zone du nord-ouest du Maroc par imagerie multispectrale du Landsat. Son but principal est la détermination du potentiel des données multispectrales du Landsat dans l'interprétation de la végétation et de l'utilisation des sols. Pour cela les deux approches principales d'analyse des données en télédétection furent appliquées séparément. La première approche constitue l'interprétation analogique qui consiste en l’interprétation visuelle après amélioration et rehaussement des images. Dans ce cas, plusieurs méthodes d'analyse ont été essayées ; il s'agit entre autres de l'interprétation par le moyen d'un projecteur de diapositives à 70 mm, d'un équidensitomètre, d'un projecteur réfléchisseur vertical et de composés-couleur. Pour différentes raisons, les trois premières ont été rejetées, seules l'interprétation analogique par composés- couleur fut adoptée grâce à sa souplesse, sa précision et sa commodité. Les résultats de l'interprétation sont obtenus sous deux formes: une forme graphique donnant l'aspect d'une carte thématique faisant ressortir les différentes classes avec leur identification et une forme statistique sous forme de tableaux faisant ressortir les superficies et les pourcentages correspondant à chaque classe dans la zone étudiée. La comparaison dans le temps des résultats sous l'une ou l'autre de ces deux formes peut donner une idée sur le changement de la végétation et de l'utilisation des sols d'une période à l'autre. La deuxième approche constitue l'analyse numérique des images qui consiste à analyser les données numérisées par ordinateur. Pour cela et pour répondre au but principal de cette étude, deux sortes d'analyses ont été appliquées: il s'agit de l'analyse unitemporelle qui consiste à appliquer une série de traitements aux données provenant d'une seule image prise à une date déterminée et de l'analyse multitemporelle qui consiste à appliquer une série de traitements aux données provenant de deux ou plusieurs images de la même région prises à des dates différentes. La classification fait appel au seul algorithme de classification opérationnel disponible au système de traitement numérique des images (SCANIQ) dont on dispose. Il s'agit de l'algorithme de classification par la méthode du maximum de vraisemblance. D'autant plus, étant donné que ce système ne dispose pas de photoimprimante à l'état actuel nous nous sommes contentés des résultats statistiques en superficie et en pourcentage de chaque classe pour chaque image de la zone étudiée. Le contrôle du changement de la végétation et de l'utilisation des sols a été fait par comparaison de ces résultats d'une image à l'autre. Finalement une comparaison entre les résultats de l'interprétation analogique et ceux du traitement numérique a été faite et certaines conclusions ont été tirées en conséquence.

Titre de l'écran-titre (visionné le 10 janvier 2024) / La composition en espèces et la structure des écosystèmes forestiers sont le résultat d'interactions complexes entre les processus de recrutement, de croissance et de mortalité, influencés par les conditions environnementales. Les changements actuels du climat, combinés à l'augmentation de la fréquence et de l'intensité des perturbations, engendrent de l'incertitude quant à la productivité des forêts canadiennes dans le futur. Face à cette incertitude, il devient impératif d'adopter des pratiques d'aménagement forestier axées sur l'atténuation des risques, afin d'assurer le maintien des services écologiques offerts par ses écosystèmes, tout en répondant aux besoins en ressources de la société. Dans ce contexte, une prise de décision éclairée nécessite des informations précises et à jour sur l'état des forêts canadiennes. Historiquement, notre connaissance de l'état des forêts reposait sur les inventaires forestiers réalisés dans les provinces et territoires canadiens, qui fournissent des informations sur la disponibilité de la ressource, sa qualité et le rendement attendu. Les perturbations plus fréquentes et la réaction variable des forêts aux changements dans les conditions de croissance rendent toutefois difficile une évaluation complète et précise de la situation des forêts par l'intermédiaire des données issues des réseaux de placettes-échantillon. Les informations contenues dans les cernes de croissance des arbres permettent de mieux comprendre l'influence du climat et des perturbations sur la croissance. Toutefois, les limites imposées par la disponibilité de ces données et l'impossibilité de les collecter en continu sur l'ensemble du territoire forestier rendent leur utilisation peu pratique pour un suivi en temps réel de l'état des forêts. Ces défis peuvent toutefois être relevés par un recours accru aux technologies de télédétection. Les séries temporelles d'imagerie satellitaire, en particulier, fournissent une information en continu sur l'état des forêts, permettant la détection des perturbations ainsi que des changements graduels causés par l'action de stress climatiques. Alors que la plupart des études précédentes sur le sujet se sont principalement concentrées sur la détection et la cartographie de ces changements, peu d'attention a été accordée à la compréhension des causes sous-jacentes et à la quantification de leur impact sur la croissance forestière. Pourtant, ces informations sont cruciales pour mieux prévoir les conséquences des perturbations et des stress induits par le climat, puisque des réductions de croissance prononcées peuvent indiquer une mortalité imminente. Des données précises sur la croissance des forêts sont également essentielles pour une prise de décision éclairée en ce qui concerne les calendriers de récolte et les interventions sylvicoles. L'objectif général de ce projet de recherche était de caractériser l'impact des perturbations partielles et de fournir des informations spatialement explicites sur la croissance des forêts canadiennes en intégrant les données de séries temporelles Landsat et des données collectées sur le terrain. Les deux premiers chapitres de cette thèse ont exploré l'influence des perturbations partielles sur l'état de la canopée forestière et sur la croissance des peuplements affectés, en utilisant des données de placettes-échantillon permanentes et des carottes d'accroissement récoltées dans divers écosystèmes forestiers. Le troisième chapitre a intégré des mesures répétées de placettes-échantillon permanentes et des séries temporelles Landsat pour estimer le taux de croissance annuel net d'une forêt boréale en l'absence de perturbation. Les résultats présentés dans les trois chapitres de cette thèse montrent que des modèles statistiques basés sur des séries temporelles Landsat et calibrés à l'aide de mesures de placettes-échantillon permanentes ou de données de cernes annuels permettent de mesurer la croissance des forêts ainsi que les changements provoqués par des perturbations partielles. L'intégration d'autres sources de données de télédétection telles que le LiDAR facilite l'application des méthodes utilisant l'imagerie satellitaire dans un contexte d'aménagement forestier et permet de prendre en compte de l'influence de facteurs biophysiques et écologiques qui ne peut être captée par l'imagerie satellitaire. Les méthodes et approches proposées dans cette thèse ont le potentiel d'être étendues à un plus large éventail de biomes forestiers en tirant parti de bases de données existantes, améliorant ainsi notre capacité à suivre l'état des forêts canadiennes dans un contexte de changements climatiques. / The species composition and structure of forest ecosystems are shaped by complex interactions between biotic and abiotic drivers that influence recruitment, growth, and mortality processes. Current climate changes, along with the increasing frequency and intensity of disturbances, introduce uncertainty about the future productivity and vigour of Canadian forests. In the face of such uncertainty, adopting forest management practices centred on stewardship and risk mitigation becomes imperative to preserve ecosystem functions while addressing society's resource demands. In this context, informed decision-making requires up to date and accurate information about the condition of Canadian forests. Historically, our knowledge on forest condition relied on field inventories conducted across all provinces and territories, providing information on resource availability, quality, and expected yield. However, intensified disturbances and the variable growth response of forests to climate change make it challenging to comprehensively assess forest situations through sample plot networks. While tree ring data is highly valuable, collecting such data consistently across Canadian forests is impractical. Addressing the challenges of assessing temporal and spatial changes in forest condition can be achieved through remote sensing technologies. Satellite imagery time series, in particular, offer continuous information on forest conditions for detecting disturbances and gradual ecosystem changes. While previous studies primarily focused on detecting and mapping disturbances and related changes in forest condition, less emphasis was given to understanding the underlying causes and quantifying their impact on forest growth. This information is yet critical to forecast the impacts of disturbances and climate-induced physiological stress, as growth declines can indicate imminent mortality. Accurate forest growth data is also crucial for making informed decisions regarding harvest schedules and silvicultural interventions. The general objective of this research project was to characterise the impact of non-stand replacing disturbances and provide spatially explicit information on forest growth across Canadian forests by integrating Landsat time series and field data. The first two chapters of this thesis explored the influence of non-stand replacing disturbances on forest canopy condition and growth rates, using data from permanent sample plots and increment cores collected in diverse forest ecosystems. The third chapter incorporated repeated measurements from permanent sample plots and Landsat time series to estimate the annual net forest growth rate in boreal forests in the absence of disturbance. The results presented in the three thesis chapters demonstrate that statistical models involving Landsat time series and calibrated using permanent sample plot measurements or tree-ring data can effectively assess canopy and forest structure changes caused by non-stand replacing disturbances and measure forest growth under both disturbance and undisturbed conditions. Integrating other remote sensing data sources like LiDAR enhances the applicability of these methods in forest management contexts and allows accounting for the effect of biophysical and ecological factors not captured solely by satellite imagery. The approaches proposed in this thesis have potential for expansion to cover a broader range of forest biomes by leveraging existing datasets, enhancing our ability to monitor Canadian forests response to climate change.

This study focuses on POWER Geographic Information System strategies for improving the land use classification and mapping accuracies of Landsat multi spectral scanner (MSS) data. The specific strategies are additional-band, class reduction, exclusion, and conditional. Three classified images served as the basis upon which all accuracy improvements were determined. Generated from 4 bands of Landsat data, each of these 3 images possessed 13-classes and were composed of clusters greater than or equal to 5, 9, and 13 pixels, respectively. Image classification was accomplished through use of the General Image Processing System (GIPSY) at Virginia Tech. The additional-band method consisted of augmenting each 4-band Landsat image with 5 ancillary bands producing a 9-band image. Only moderate improvements in select class accuracies were realized. The reduction method involved decreasing the number of land use classes from 13 (Level 2) to 4 (Level 1) in both 4- and 9-band imagery. This resulted in significant increases in overall image and select class accuracies. In the exclusion method, 7 data sets were removed sequentially from each 13-class image with 3 data sets removed from 4-class images. These data sets represented land uses with a low probability of consistent classification. Each exclusion produced moderate increases in overall image and select class accuracies. A conditional classification method, utilizing a hierarchical decision-tree structure, was developed to determine its potential for increasing image accuracies. Slope angle, slope aspect, elevation, distance-from-water, and Landsat classified land use were included as environmental parameters. Decreased accuracies resulting from data registration and overlay problems warrant further research into and testing of this method. Significant efficiencies in assessing subscene accuracies were realized using a distance-from-roads sampling strategy. Ground data, inclusive of 9 pixels from a primary or secondary highway, produced comparable accuracies to those derived from more extensive ground truth. / M. S.

The relationships between the spectral properties of Arizona soils and rangelands and their characteristics were studied. The per cent reflectance of soils was determined using a multispectral hand-held radiometer, and the spectral response of Arizona rangeland sites was measured by scanners aboard an orbiting satellite. These spectral properties were related, by means of stepwise multiple regressions, to various soil and site characteristics. This research is presented in three chapters. The first chapter describes the relationships between soil properties and their spectral reflectance as determined in a laboratory environment. The second chapter attempts to correlate spectral properties of soils measured with a radiometer and that measured by scanners aboard an orbiting satellite for a small area near Winkelman, Arizona. The third chapter describes the relationships between the properties of 243 rangeland sites in central and southeastern Arizona and Landsat spectral data values. Determinations of Munsell soil colors and the radiometrically measured reflectance of 163 soils led to the development of charts for converting Munsell color to reflectance. Little difference was found between Munsell color measured in the sun and that measured indoors, and on the average, soil scientists were in agreement 80 per cent of the time. Munsell value, organic carbon, carbonates, and Munsell chroma explained 80 per cent of the variability within the reflectance measurements of these soils. The spectral response of the less than 2 mm soil fraction collected from rangeland surfaces was significantly different from the spectral response of coarser fragments collected from the same surface. In the Winkelman area the radiometrically measured reflectance of the less than 2 mm fraction alone accounted for 46 per cent of the variability and the reflectance of the 13 to 76 mm fraction accounted for 17 per cent of the variability within the satellite measured response. This area had a low vegetative cover and soil-geologic features, particularly soil color, correlated best with the Landsat digital data. Seventy-six per cent of the satellite data were explained by the interaction of the per cent coarse fragments times its reflectance, the average slope of the sites and the per cent soil less than 2 mm fraction times its reflectance. The relationship between the properties of 110 rangeland sites in central Arizona and the sum of the four Landsat spectral bands was determined. The sum of brush and forest crown densities, elevation, soil color,Geology of the site, and the per cent of surface covered with cobbles explained 82 per cent of this variation. An evaluation of field measurements only to explain the variability among mapping units showed the sum of brush and forest crown densities, elevation, clay content, and fragments greater than 2 mm explained 67 per cent of this variation. When satellite data were added to the field measurement site characteristics, the ratio of satellite scanner bands 4+5 to 6+7 becomes the most significant factor in explaining the variation among mapping unit symbols and a greater per cent of the variability could be explained. A similar study conducted on 133 sites in southeastern Arizona gave different results as only 41 per cent of the variability could be explained. It was shown that for central and southern Arizona rangelands, it is possible to define specific relationships between site characteristics and satellite measured spectral response. Less than ten site characteristics and their interactions explain considerable portions of the variability between mapping units for a given survey. These relationships are unique for specific locations, but they could easily be developed for a survey area and effectively used in the mapping process.

D.Litt. et Phil. (Geography) / The aim of this study is to integrate LANDSAT multispectral digital data with agricultural statistics, to analyse, explain and forecast the spatial variation of crop production in the Vermaas development area (south of Lichtenburg, Western Transvaal). This aim answers the urgent need for a reliable agricultural data base that can be quickly and cheaply obtained and used for the timely planning of an environment's limited agricultural resources. With such a data base available, early decisions about imports and exports can be taken in connection with the expected agricultural commodities of an area: the year-to-year fluctuation in crop yields is still the main problem in relation to the overall planning of agricultural food production. The study has been conducted according to two main analytical phases, i.e. (i) the interpretation of the data, which in turn was subdivided into: - the cartographic-analytical evaluation of the agricultural information, and - the recognition of rural land-use patterns from LANDSAT digital data. (i i) the integration process. The LANDSAT land-use information was integrated with the observed agricultural statistics with the aid of two integration models: an empirical and an operational model. The data for the research consisted of the multispectral digital data of LANDSAT-l and available agricultural statistics. The LANDSAT data was acquired from the Satellite Remote Sensing Centre at Hartbeeshoek, while the agricultural data was obtained from the Department of Agriculture (Highveld Region) and other official soures. These analytical phases were conducted at the computer centres of the CSIR and RAU. Existing computer programme packages were used - the VICAR system for pattern recognition, and the BMD and SYMAP systems for the analytical evaluation of the agricultural information and for the implementation of the integration models. The following results were obtained: 3.1 The integration of the LANDSAT information with the agricultural statistics was reasonably successful. The success of any study of this nature can be ascertained from the accuracy with which the necessary information is derived from the LANDSAT multispectral digital data. 3.2 This analysis highl ighted the cultivated area as a major factor for consideration. The type of crop and the area covered by it are the two most important sets of information that can be obtained from the LANDSAT data and used in an integration model. 3.3 The results (predicted crop yields) that were obtained from the integration process could probably be improved, if the detrimental influence of collinearity, which existed between some of the agricultural variables, was el iminated. 3.4 The identification of different crops from the LANDSAT digital data was not possible - a fact which can be attributed to the lack of a crop calendar for this farming area. Besides the above-mentioned results, the following can also be listed: 4.1 The spatial variation In maize production was well analysed in terms of the integration results, In spite of the fact that the accuracy of the agricultural statistics was, in certain cases, questionable. 4.2 The important influence of time upon the spatial variation in crop production could not be implicated, because of the one point in time consideration of this study. 4.3 Only the agricultural variables that were directly related to farm area could be used as input data for this study. 4.4 The potential usefulness of the LANDSAT digital data as geographical information is mainly determined by its quality (cloudcover, resolution, etc.). 4.5 The application of multispectral digital data depends on certain specific techniques, with which the researcher must acquaint himself for a successful and useful interpretation of the digital data.

M.Sc. (Geography) / Please refer to full text to view abstract

Rehabilitating river corridors to restore valuable riparian habitat consumes significant resources from both governments and private companies. Given these considerable expenditures, it is important to monitor the progress of such projects. This study evaluated the utility of using Landsat Thematic Mapper remotely-sensed data from 2002 and 2009 to monitor vegetation change induced by instream flow restoration to the Lower Owens River in central California. This study compared the results of an unsupervised classification with an NDVI threshold classification to appraise the resources required and effectiveness of each analysis method. The results were inspected by creating standard remote sensing accuracy error matrices and by correlating landscape pattern metrics with bird indicator species. Both sets of classified maps show a noticeable increase in riparian vegetation in the study area following flow restoration in 2006, indicating an improvement of the quality of bird habitat. The study concluded that analyzing vegetation change using the unsupervised classification technique required more effort, expert knowledge, and supplementary data than using the NDVI threshold method. If these prerequisites are met, the output from the unsupervised classification process produces a more precise map of land cover change than the NDVI threshold method. However, if an analyst is lacking either resources or ground verification data, the NDVI threshold technique is capable of providing a generalized, but still valid evaluation of vegetation change. This conclusion is supported by higher correlations between indicator bird species under the unsupervised classification method than were found with the NDVI threshold method.

Indiana University-Purdue University Indianapolis (IUPUI) / Monitoring lake quality remotely offers an economically feasible approach as opposed to in-situ field data collection. Researchers have demonstrated that lake clarity can be successfully monitored through the analysis of remote sensing. Evaluating satellite imagery, as a means of water quality detection, offers a practical way to assess lake clarity across large areas, enabling researchers to conduct comparisons on a large spatial scale. Landsat data offers free access to frequent and recurring satellite images. This allows researchers the ability to make temporal comparisons regarding lake water quality. Lake water quality is related to turbidity which is associated with clarity. Lake clarity is a strong indicator of lake health and overall water quality. The possibility of detecting and monitoring lake clarity using Landsat8 mean brightness values is discussed in this report. Lake clarity is analyzed in three different reservoirs for this study; Brookeville, Geist, and Eagle Creek. In-situ measurements obtained from Brookeville Reservoir were used to calibrate reflectance from Landsat 8’s Operational Land Imager (OLI) satellite. Results indicated a correlation between turbidity and brightness values, which are highly correlated in algal dominated lakes.