Terrace walls detection from a Pléiades Digital Elevation Model

Terrace walls detection from a Pléiades Digital Elevation Model
Jean-Stéphane BAILLY a, Giulia SOFIA b, Nesrine CHEHATA c, d, Paolo TAROLLI b
a
AgroParisTech, UMR LISAH-UMR TETIS, Montpellier, France, [email protected]
b
University of Padova, TESAF, Padova, Italia
c
IRD/UMR LISAH, Tunis, Tunisia
d
IPB / Université de Bordeaux, Laboratoire G&E (EA 4592), Bordeaux, France
In Mediterranean cultivated areas, terrace walls consist in historic man-made levees on agricultural
plot margins that were initially settled to limit soil erosion and favor plot cultivation by decreasing
the terrain slope. Some models and indicators integrate now terrace wall maps to diagnose the
hydrological risks or the biodiversity at catchment or region scales. In addition, terrace walls also
appear as inter-plot elements that can induce overestimations in cultivated areas that are declared by
farmers. Consequently, there is a great need for mapping terrace walls at a large scale for various
purposes.
However, terraces walls are generally poorly mapped in national map agencies geodatabases.
Consisting in a linear terrain elevation disruption, a terrace wall can be identified using
geomorphometry methods or image processing algorithms on a high resolution digital elevation
models (DEM). But these methods have been, up to now, only tested on airborne LiDAR DEMs.
Thanks to the Pléiades satellite agility, stereo Pléiades coherent image pairs offer new opportunities
to build up DEM with a very high spatial resolution allowing to detect terrace walls within
cultivated and poorly vegetated areas.
In this study, a DEM built from a Pléiades stereo images, acquired in February 2013, was available
all over the Peyne Catchment, in the Hérault Department. This 90 km² vineyard catchment is
representative of Mediterranean Piemont areas, prone to flash floods and soil erosion. This
catchment presents a dense network of terrace walls (400 km), having various heights (from 30 cm
up to 8 m) that have been exhaustively mapped in 2010. Thanks to the open source MicMac suite
developed at the IGN, a 0.7 m DEM was built by photogrammetry techniques. A low regularization
have been applied to ensure a dense DEM. Next, two terrace walls detection methods were
compared. The first method enhances local elevation contrast in DEM using Gaussian filtering, then
a line segment detector algorithm (LSD) that delineates the terrace walls from the filtered DEM.
The second method is using statistical thresholds on geomorphological filters that delineate areas
corresponding to terrace walls.
For both methods, implementation is easily accessible and a parameter calibration step is needed.
Using available ground truth all over the catchment, the detection performances are thus computed
for both methods and results are compared to those obtained using a lidar DTM.
2/2
Détection de talus à partir d'un modèle numérique d'élévation issu
d'images Pléiades
Jean-Stéphane BAILLY a, Giulia SOFIA b, Nesrine CHEHATA c, d, Paolo TAROLLI b
a
AgroParisTech, UMR LISAH-UMR TETIS, Montpellier, France, [email protected]
b
University of Padova, TESAF, Padova, Italia
c
IRD/UMR LISAH, Tunis, Tunisia
d
IPB / Université de Bordeaux, Laboratoire G&E (EA 4592), Bordeaux, France
Dans les zones cultivées Méditerranéennes, les talus de terrasse correspondent à des discontinuités
du terrain présentes au bord des parcelles cultivées, initialement réalisées pour diminuer la pente du
terrain afin de limiter l'érosion des sols et favoriser la mise en culture de la parcelle. Des modèles
mécanistes et des indicateurs statistiques intègrent désormais des cartes de talus pour diagnostiquer
les risques hydrologiques ou la biodiversité à l'échelle des bassins versants ou régions. Les talus de
bords de parcelle apparaissent également comme des éléments inter-parcellaires qui peuvent induire
des surestimations de surfaces cultivées déclarées par les agriculteurs. Pour toutes ces raisons, il
existe un besoin accru de cartographies à grande échelle des talus. Ces éléments des paysages
cultivés sont cependant mal représentés dans les bases de données cartographiques nationales.
Formant une discontinuité linéaire de l'altitude du terrain, une terrasse peut être identifiée sur un des
modèles numériques d'altitude ou d'élévation (MNE) à haute résolution spatiale à l'aide de
méthodes issues de la géo-morphométrie ou d'algorithmes de traitement d'image. Ces méthodes ont
été, jusqu'à présent, uniquement testées sur des modèles numériques LiDAR.
Grâce à l'agilité des satellites Pléiades, la constitution de paires cohérentes stéréoscopiques d'images
offre de nouvelles opportunités de réalisation de MNE à très haute résolution spatiale, sur de
grandes surfaces et permettant de détecter les talus de zones cultivées avec peu de végétation.
Dans cette étude, un MNE a été construit à partir d'une paire d'images Pléiades acquises en février
2013 couvrant l'ensemble du bassin versant de la Peyne, bassin viticole de 90 km² situé dans le
département de l'Hérault et représentatif des zones de piémont méditerranéennes sensibles aux crues
et à l'érosion hydrique des sols. Une partie de ce bassin (35 km²) présente un réseau dense de talus
(400 km linéaires) de différentes hauteurs, allant de 30 cm à 8 m.
Ces réseaux de talus ont été cartographiés exhaustivement en 2010. Un MNE de 0,7 m de résolution
a été produit par l'IGN sous la suite logicielle libre MicMac. Une faible régularisation a été
appliquée afin d'obtenir un MNE fortement résolu. Deux méthodes de détection des talus ont
ensuite été comparées. La première méthode repose sur une augmentation des contrastes de
l'élévation locale suivant un filtre gaussien suivi de l'application d'un algorithme de détection de
segments (LSD). La deuxième méthode consiste en une simple utilisation de seuils statistiques sur
des filtres géo-morphologiques. Pour ces deux méthodes, une étape de calibration de paramètres
d'extraction est préalablement nécessaire.
Sur la base d'une vérité du terrain disponible sur tout le bassin versant, les performances de
détection sont calculées pour les deux méthodes et les résultats sont comparés à ceux obtenus avec
un MNE LiDAR.

Download Report