OMSA organise le premier webinaire PROVNA 2 sur l'utilisation des données satellitaires

L’atelier visait à présenter aux participants les données satellitaires, en particulier ce qu’elles sont, où elles sont accessibles et comment elles peuvent être exportées et utilisées. L’atelier s’est déroulé en anglais et a été traduit simultanément en français. Il s’adressait aux vétérinaires ou aux experts des pays participant au projet PROVNA 2. La session ayant une composante pratique, il a été demandé aux participants d’apporter leur propre ordinateur portable.

Après une brève introduction aux objectifs et à la méthodologie, les sujets suivants ont été abordés :

1. Définition de “Earth Observation” (EO)

La “Earth Observation”(EO) désigne l’ensemble des activités visant à collecter des données sur la surface terrestre et l’atmosphère à l’aide de satellites et de capteurs au sol.
Ces données sont essentielles pour surveiller les changements environnementaux, gérer les ressources naturelles, et appuyer la prise de décision stratégique dans les domaines agricoles, urbains et climatiques.

2. Le programme Copernicus

Le programme Copernicus est l’initiative phare de l’Union Européenne en matière d’Earth Observation, développée par la Commission européenne en collaboration avec l’Agence spatiale européenne (ESA).
Il fournit des données environnementales en libre accès, avec une résolution spatiale, spectrale et temporelle élevée.
Avec une production d’environ 16 téraoctets de données par jour, Copernicus permet une surveillance globale étendue et joue un rôle clé dans la lutte contre le changement climatique, la gestion des catastrophes et la durabilité environnementale.

3. Les missions Sentinel

Au cœur de Copernicus se trouvent les satellites Sentinel, chacun dédié à un objectif spécifique :

Sentinel-1 : Utilise le “Synthetic Aperture Radar” (SAR) pour fournir des images quelles que soient les conditions météorologiques ou de lumière.

Sentinel-2: Fournit des images optiques haute résolution adaptées à l’observation de la végétation, du sol, des eaux et des zones urbaines.

Sentinel-3: Surveille les variables terrestres et marines comme la température et la couleur de la mer.

Sentinel-5P: Suit la qualité de l’air et les gaz atmosphériques.

Ces satellites fournissent des données fiables et cohérentes, assurant une couverture mondiale régulière.

4. Détails sur les données Sentinel-2

Les satellites Sentinel-2A et 2B capturent des images multispectrales sur 13 bandes optiques, allant du visible à l’infrarouge, avec des résolutions spatiales de 10, 20 et 60 mètres.
Avec une couverture globale tous les cinq jours, les données Sentinel-2 sont précieuses pour l’agriculture, la gestion forestière, la gestion de l’eau et la surveillance de l’utilisation des terres.

5. Applications EO: Données Sentinel-2

En combinant différentes bandes spectrales, les utilisateurs peuvent générer divers produits analytiques, notamment :

Vraies couleurs : Images naturelles en rouge, vert et bleu.

Fausses couleurs : Pour la santé de la végétation via le proche infrarouge.

NDVI (Normalized Difference Vegetation Index) : Évalue l’état de la végétation.

NDMI (Normalized Difference Moisture Index) : Estime l’humidité de la végétation.

Ces outils permettent une évaluation environnementale détaillée sur le long terme.

6. Exemple d’application des données satellitaires : Écorégions

Une cas d’étude a été présentée à partir de données MODIS pour cartographier les régions éco-climatiques en Italie grâce à des techniques de regroupement spatial (Ippoliti et al., 2019).
Sept variables environnementales (température, précipitations, indices de végétation…) ont été analysées à trois résolutions spatiales (250 m à 2 km).
Une analyse en composantes principales et un clustering k-medoids ont permis de regrouper les zones en écorégions, comparées ensuite à deux datasets sur les foyers de fièvre catarrhale ovine (bluetongue en Anglais) et la fièvre de West Nile.
Cette approche montre comment les données satellitaires peuvent appuyer la surveillance ciblée et les stratégies de prévention des vecteurs de maladies.

7. Navigateur Copernicus Data Space Ecosystem

L’atelier a présenté le navigateur Copernicus Data Space Ecosystem, une plateforme gratuite et conviviale donnant accès aux données des missions Sentinel et autres jeux de données EO.
Les participants ont appris à s’enregistrer, rechercher des données, appliquer des filtres, visualiser, analyser, télécharger et créer des animations temporelles.

8. Exercices pratiques

La session pratique a guidé les participants à travers les étapes suivantes :

Téléchargement d’une zone d’intérêt (Area of Interest – AOI) via un fichier GeoJSON.
Sélection d’une couche : Choix de la couche NDVI.
Consultation des statistiques : Moyenne, minimum, maximum, standard deviation.
Comparaison des NDVI dans le temps.
Téléchargement des images : En format TIFF, intégrables dans un logiciel SIG.
Création d’une animation temporelle : Visualisation des changements sur une période donnée.
Étape finale – Exploration libre : Les participants ont pu expérimenter la plateforme par eux-mêmes.

Prochaines étapes

Cet atelier a constitué la première formation du projet PROVNA-2.
Les formateurs restent disponibles pour tout échange ou question sur le sujet. Les participants sont encouragés à appliquer les connaissances acquises dans le cadre du projet, mais aussi dans d’autres contextes pertinents.

D’autres sessions de formation seront organisées selon le programme de renforcement des capacités du projet, afin de développer les compétences épidémiologiques, entomologiques et diagnostiques des pays participants.

Références

•Copernicus Data Space Ecosystem Browser – https://browser.dataspace.copernicus.eu/ (accessed 07/04/2025)
•Copernicus Programme – https://sentiwiki.copernicus.eu/web/copernicus-programme (accessed 07/04/2025)
•Ippoliti C, Candeloro L, Gilbert M, Goffredo M, Mancini G, et al. (2019) Defining ecological regions in Italy based on a multivariate clustering approach: A first step towards a targeted vector borne disease surveillance. PLOS ONE 14(7): e0219072. https://doi.org/10.1371/journal.pone.0219072