Automatisation de l’acquisition et du traitement des images Sentinel-2 pour le calcul d’indices de végétation aidant à la prévention des pics de paludisme à Madagascar
Résumé
In African developping countries such as Madagascar and South Africa, fatality rate due to infectious diseases constantly reduces. However, malaria persists. To handle epidemiologic pic periods, health autorities develop monitoring systems based on real-time acquisition of malaria cases in the
field, which are correlated with satellite environmental data. The Pasteur Institute of Madagascar developped an early warning detection system for malaria with the help of environmental information and data from healthcare providers in the field. Sentinel-2 data, whose resolution reaches 10m and
acquisition frequency 5 days, can be an effective support to this application. My end-of-course internship with the UMR Espace-Dev, took place in the SEAS-OI premises, in Saint-Pierre de la Réunion. The goal was to test and compare different acquisition and processing tools for Sentinel-2 images in order to correct them from the atmospheric effects and create cloud masks. The three tested and compared processing tools are Sen2cor, MAJA and MUSCATE. Sen2cor is less efficient than MAJA and MUSCATE but sufficient enough for our use. Furthemore Sen2cor is easier to use and does not need images from the past to work as it is the case for MAJA or MUSCATE.
The downloaded and corrected images are then collected in a database and index images -of vegetation first- are computed and collected in the same database in a second step. These index are used to create time series files that the Pasteur Institute of Madagascar can easily use to predict malaria peaks throughout Madagascar. The expected results have been discussed during a trip in Antananarivo (Madagascar). In a second step, the index images have been integrated in the online catalog of SEAS-OI. The aim is to be able to download images when needed.
This automatization was done in a Linux environment, with scripts written in Python and bash (Linux). Libraries such as Orpheo ToolBox and GDAL were used.
Dans des pays africains en voie de développement, tels Madagascar ou l’Afrique du Sud, le taux de mortalité lié aux maladies infectieuses est en constante diminution. Pourtant, le paludisme persistent. Pour gérer les épisodes de pics épidémiques, les autorités sanitaires développent des systèmes de
surveillance basés sur l’acquisition en temps réel de données sur les cas de paludisme recensés par des agents présents sur le terrain et corrélées à des données environnementales acquises par satellite. L’Institut Pasteur de Madagascar a développé notamment un système de détection précoce et de
prédiction des épidémies de paludisme à partir du système de surveillance sentinelle des maladies à potentiel épidémique et de données environnementales à basse résolution. Les données Sentinel-2, dont la résolution atteint 10m et dont la fréquence d’acquisition est de 5 jours, permettrait de compléter cette application.
Mon stage de fin d’études réalisé avec l’UMR Espace-Dev, au sein des locaux de SEAS-OI à Saint-Pierre de La Réunion a donc pour objectif de tester et de comparer les différentes chaînes d’acquisition et de traitement des images Sentinel-2, permettant de les corriger de l’effet de l’atmosphère et de
créer un masque de nuages. Les chaînes testées sont Sen2cor, MAJA et MUSCATE. Sen2cor donne des résultats moins bons que les deux autres chaînes mais qui restent suffisants pour l’utilisation que l’on veut en faire, d’autant que la chaîne de traitement Sen2cor est plus facile à prendre en main
et ne nécessite pas de profondeur historique des images pour fonctionner, comme c’est le cas avec MAJA et MUSCATE.
Les images téléchargées et traitées sont ensuite rangées dans une base de données et des images d’indices -de végétation dans un premier temps- sont calculées et rangées à leur tour dans la base de données.
Ces indices sont utilisés pour créer des fichiers de séries temporelles facilement utilisables par l’Institut Pasteur de Madagascar pour aider à prédire les pics de paludisme sur le territoire malgache. Le produit attendu a été défini lors d’un séjour de cinq jours à l’institut, situé à Antananarivo, capitale
de Madagascar.
Puis dans un deuxième temps, les images des indices ont été intégrées au catalogue en ligne du SEAS-OI pour pouvoir dans le futur télécharger à distance les images traitées si besoin.
L’automatisation a été réalisée sous un environnement Linux, avec des scripts codés en bash (Linux) ou en Python. Des librairies telles que Orpheo ToolBox et GDAL ont été utilisées.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |
