Détection supervisée des dates des opérations de fauche des prairies irriguées dans la plaine de la Crau, France. | SUPERVISED DETECTION OF THE DATES OF OPERATIONS OF MOWING OF THE IRRIGATED MEADOWS IN THE PLAIN OF THE CRAU, FRANCE

English. We present in this study a method of surface change detection applied to a sequence of optical high spatial and temporal resolution remote sensing images to detect certain agricultural practices such as mowing and irrigation. The study area is the Crau plain in the south-eastern France. Used images were acquired by the Taiwanese satellite FORMOSAT-2 with a high spatial (8m) and temporal (potentially an image a day) resolutions. The proposed method is based on the combination of a measurement of difference technique (dissimilarity) and active contours based areas. The first allows the location of areas that have changed between two successive dates of images acquisition, while the second refines the result by segmenting the image difference in areas of change and non-changes (decision-making). This study has shown the potential of the combination of a measurement of difference technique and active contours for detection and identification of changes related to meadow cuts. However, the application de the method to optical remote sensing data alone does not allow close monitoring of irrigation.

French. Nous présentons dans ce travail une méthode de détection de changements appliquée à une séquence d’images de télédétection à hautes résolutions spatiale et temporelle pour détecter certaines pratiques culturales comme la fauche et l’irrigation. La zone d’étude est la plaine de la Crau située au sud-est de la France. Les images utilisées sont issues du satellite Taïwanais FORMOSAT-2 à hautes résolutions spatiale (8m) et temporelle (potentiellement une image par jour). La méthode proposée est basée sur la combinaison d’une technique de mesure de différence (dissimilarité) et des contours actifs basés régions. La première permet la localisation des zones qui ont évolué entre deux dates d’acquisition successives d’images d’une même scène, tandis que la deuxième affine le résultat en segmentant l’image de différence en zones de changements et de non-changements (prise de décision). Cette étude a montré l’intérêt et les potentialités de la combinaison d’une mesure de différence et des contours actifs pour la détection et l’identification des changements liées aux coupes des prairies. Cependant, la méthode appliquée aux données de télédétection optiques seules ne permet pas un suivi rigoureux des irrigations.