Article de recherche / Research Article

Estimation des surfaces irriguées ripariennes à l’aide de Earth Engine. Une étude de cas dans le sous-bassin versant de la Haute-Comoé, Burkina Faso

Estimation of riparian irrigated areas using Earth Engine. A case study in the Upper-Comoé watershed, Burkina Faso

¹ Institut des Sciences de l’Environnement et du Développement Rural, Université de Dédougou, BP 176 Dédougou, Burkina Faso
² Département des Sciences et Gestion de l’Environnement, Université de Liège 185, Avenue de Longwy, 6700 Arlon, Belgique
³ Terra Research Center, GxABT, Université de Liège, Passage des Déportés 2, 5050 Gembloux, Belgique
⁴ Institut de l’Environnement et de Recherches Agricoles, Rue Guisga, 04 BP 8645 Ouagadougou, Burkina Faso
⁵ Unité de Formation et de Recherche en Sciences Appliquées et Technologies, Université de Dédougou, BP 176 Dédougou, Burkina Faso
⁶ Ministry in Charge of Agriculture and Irrigation, 03 BP 7005 Ouagadougou, Burkina Faso

^* Auteur de correspondance : sie.pale@univ-dedougou.bf

Résumé

La mise au point d’une méthode automatique d’estimation des surfaces irriguées par les petits exploitants agricoles en Afrique aux abords des cours d’eau, à partir d’outils libres et de données satellitaires gratuites, reste un défi majeur à cause de la diversité des cultures qui y sont pratiquées, de l’étroitesse des parcelles, de la variabilité des cycles culturaux et de la similarité des réflectances des zones irriguées, des zones humides enherbées et de la végétation arborée riparienne. Cet article visait donc à développer une méthode qui permette d’extraire les surfaces agricoles irriguées par les agriculteurs informels le long des berges du fleuve Comoé au cours de la campagne agricole de saison sèche. Pour ce faire, une image composite, obtenue des images de janvier 2019 des satellites Sentinel-1 et 2, combinée à des indices spectraux dérivés et sensibles aux surfaces irriguées (NDVI, MNDWI et NBR2), a fait l’objet d’une classification supervisée à l’aide du classificateur Random Forest sur la plateforme Earth Engine, après une série de masquages automatiques des sols nus, des surfaces des plans d’eau, des infrastructures et de la forêt galerie. Testée sur des données de janvier 2019, pendant laquelle la plupart des agriculteurs ont mis en place leurs cultures, la méthode proposée permet d’estimer efficacement les superficies irriguées. Elle a permis de distinguer les classes ‘zones irriguées’ et ‘zones humides enherbées’ avec une précision globale de 98 %, un coefficient Kappa de 0,91 et des F-scores respectifs de 99 % et 92 %. L’étude a ainsi montré qu’il est possible de développer à moindre coût une méthode automatique et efficace d’évaluation de surfaces irriguées ripariennes à partir de la plateforme Earth Engine.

Abstract

The implementation of an automatic method for mapping smallholder irrigated plots along river banks in Africa based on remote sensing remains a major challenge because of the diversity of crops grown, the narrowness of the plots, the variability of crop cycles and the similarity of reflectance of irrigated areas, wetlands herbaceous areas and riparian woody vegetation. The purpose of this paper was to design a method enabling an automatic estimate of irrigated croplands on the banks of the Comoé river. To do so, a composite image based on Sentinel-1 and 2 images and spectral indices NDVI, MNDWI, NBR2 were used for supervised classification thanks to Earth Engine platform. A sequence of automatic masks of bare lands, water bodies, infrastructures and the riparian forest was first implemented, before doing a Random Forest classification. Tested with the January 2019 dataset, the proposed method made it possible to distinguish effectively the ’irrigated areas’ and ’herbaceous wetlands’ classes with an overall accuracy of 98%, a Kappa coefficient of 0.91 and F-scores of 99% for irrigated areas and 92% for herbaceous wetlands. The study showed that it is possible to successfully implement a low-cost and automatic method for monitoring riparian irrigated plots areas along the Comoé river, using the cloud-based Earth Engine platform.