Quantifier les changements au fil du temps.
Bienvenue dans notre dernier module SIG (systèmes d'information géographique) !
Dans ce module, nous verrons comment quantifier l'évolution de votre carte sur une période donnée en nous inspirant de l'incendie de Paradise, aussi appelé Camp Fire, survenu en novembre 2018 et reconnu comme l'incendie de forêt le plus meurtrier et le plus destructeur jamais enregistré en Californie. Ce module quantifiera l'évolution de la végétation entre les périodes précédant et suivant l'incendie.
Suivre les modifications
Ce code utilise Google Earth Engine pour comparer l'état de la végétation avant et après l'incendie de Paradise en 2018, en analysant les valeurs NDVI issues des images satellite MODIS dans une zone définie autour de la ville de Paradise. Il calcule et visualise le NDVI moyen pour évaluer l'impact de l'incendie, puis affiche ces résultats sous forme de calques cartographiques et de graphique à barres comparatif.
Explication étape par étape de l'explication du code
Étape 1 Définition des plages horaires
Tout d'abord, le code définit des plages de temps pour comparer la végétation avant et après l'incendie de Paradise, qui s'est produit du 8 au 25 novembre 2018. Les variables preFireStart et preFireEnd définissent la période précédant l'incendie, tandis que postFireStart et postFireEnd définissent la période suivant l'incendie. Cela permet d'analyser l'état de la végétation sur ces deux périodes distinctes.
Étape 2 : Spécification de la zone d’intérêt
La variable Paradise définit un rectangle géographique qui représente approximativement la zone autour de la ville de Paradise. Les coordonnées permettent de créer un rectangle qu'Earth Engine utilisera pour cibler son analyse, garantissant ainsi que les données ne sont collectées que dans cette zone spécifique.
Étape 3 : Sélection de l'ensemble de données et du NDVI
Ensuite, le code sélectionne un ensemble de données spécifique (MODIS/061/MOD13Q1) incluant des indices de végétation, notamment l'indice de végétation par différence normalisée (NDVI). Le NDVI mesure la santé et la densité de la végétation. La méthode .filterBounds(paradise) restreint l'ensemble de données aux seules données de la zone Paradise, et .select('NDVI') restreint encore davantage les données aux seules valeurs NDVI.
Étape 4 : Calcul du NDVI moyen
Pour comprendre l'état de santé de la végétation avant et après l'incendie, le code calcule l'indice NDVI moyen pour les deux périodes à l'aide de la fonction .filterDate() pour sélectionner les dates pertinentes et de la fonction .mean() pour calculer la moyenne. Il en résulte deux variables, preFireNDVI et postFireNDVI, représentant respectivement l'état de santé moyen de la végétation avant et après l'incendie.
Étape 5 : Visualisation du NDVI
Le code définit les paramètres de visualisation avec visParams, qui incluent la bande NDVI, une échelle de 0 à 9 000 (reflétant les valeurs NDVI) et une palette de couleurs pour représenter visuellement les différentes valeurs NDVI sur la carte. Les couches NDVI avant et après incendie sont ensuite ajoutées à la carte via Map.addLayer, permettant ainsi une comparaison visuelle de l'état de la végétation.
Étape 6 : Analyse et représentation graphique des valeurs NDVI
Pour faciliter l'analyse, le code crée une collection de caractéristiques (ndviFeatureCollection) qui inclut les valeurs NDVI moyennes avant et après l'incendie. Il génère ensuite un graphique à barres (ndviChart) pour comparer visuellement ces valeurs et mettre en évidence l'impact de l'incendie sur la santé de la végétation.
Étape 7 : Ajout d'une bordure pour la visualisation
Enfin, le code met visuellement en valeur la zone d'intérêt (Paradise) en la bordant de rouge. Pour ce faire, le rectangle paradisiaque est peint sur une image vide, puis cette bordure est ajoutée comme calque sur la carte.
Ce code utilise efficacement Google Earth Engine pour évaluer l'impact de l'incendie de Paradise sur la végétation en comparant les valeurs NDVI avant et après l'événement.
// Define the time range for before and after the wildfire
// Paradise Fire was November 8–25, 2018
var preFireStart = '2018-01-01';
var preFireEnd = '2018-10-31';
var postFireStart = '2018-12-01';
var postFireEnd = '2019-06-30';
// Roughly the town of Paradise
var paradise = ee.Geometry.Rectangle(-121.7, 39.7, -121.3, 39.9);
// Use the MODIS vegetation indices product
var dataset = ee.ImageCollection('MODIS/061/MOD13Q1')
.filterBounds(paradise)
.select('NDVI');
// Calculate average NDVI before the fire
var preFireNDVI = dataset.filterDate(preFireStart, preFireEnd)
.mean();
// Calculate average NDVI after the fire
var postFireNDVI = dataset.filterDate(postFireStart, postFireEnd)
.mean();
// Define the visualization parameters
var visParams = {
bands: ['NDVI'],
min: 0,
max: 9000,
palette: ['maroon', 'yellow', 'green']
};
// Add pre-fire NDVI layer
Map.addLayer(preFireNDVI, visParams, 'Pre-Fire NDVI');
// Add post-fire NDVI layer
Map.addLayer(postFireNDVI, visParams, 'Post-Fire NDVI');
// Define a feature collection with NDVI values for charting
var ndviFeatureCollection = ee.FeatureCollection([
ee.Feature(null, {condition: 'Pre-Fire', NDVI: preFireNDVI.reduceRegion({
reducer: ee.Reducer.mean(),
geometry: paradise,
scale: 500
}).get('NDVI')}),
ee.Feature(null, {condition: 'Post-Fire', NDVI: postFireNDVI.reduceRegion({
reducer: ee.Reducer.mean(),
geometry: paradise,
scale: 500
}).get('NDVI')})
]);
// Generate a bar chart comparing pre-fire and post-fire NDVI
var ndviChart = ui.Chart.feature.byFeature(ndviFeatureCollection, 'condition', 'NDVI')
.setChartType('ColumnChart')
.setOptions({
title: 'NDVI Before and After the Paradise Fire',
hAxis: {title: 'Condition'},
vAxis: {title: 'Mean NDVI'},
legend: {position: 'none'},
colors: ['ff0000', '00ff00']
});
// Print the chart
print(ndviChart);
// Paint the rectangle border onto an empty image
var borderImage = ee.Image().paint({
featureCollection: paradise,
color: 1, // This is arbitrary since the color is defined in Map.addLayer
width: 3 // Set the width of the border
});
// Add the border as a layer
Map.addLayer(borderImage, {palette: ['red']}, 'Border');
Résumer
Voici ce que nous avons appris lors de cette formation :
Analyse temporelle : comparaison de données provenant de périodes spécifiques (avant et après un événement important) pour mesurer l’impact sur l’environnement.
Techniques de visualisation : Présentation de données géospatiales au moyen de couches cartographiques et de graphiques à barres pour illustrer visuellement les changements dans la santé de la végétation.