Détection de ruptures :
dater le basculement, pas le constater

Les archives satellitaires ouvertes fournissent aujourd'hui plusieurs observations par mois sur une même parcelle, avec une profondeur historique de plusieurs décennies. Cette densité d'information contraste avec la pratique courante du suivi environnemental, qui repose souvent sur la comparaison de deux images — une situation de référence et une situation actuelle.

Cette comparaison bi-date présente deux faiblesses symétriques. Elle peut signaler un changement là où il n'y a qu'une différence de phénologie ou de conditions d'acquisition. Et elle peut manquer une dégradation progressive, dont l'amplitude entre deux dates reste inférieure à la variabilité saisonnière ordinaire. Dans les deux cas, l'information sur le moment du changement est perdue.

1. Lire la série plutôt que deux clichés

L'approche consiste à traiter chaque pixel comme une série temporelle à part entière et à en séparer les composantes : une tendance, un cycle saisonnier et un résidu. Cette décomposition, présentée dans l'article consacré à la décomposition saisonnière, constitue le préalable. La détection de rupture s'applique ensuite aux composantes ainsi isolées, et non au signal brut (Verbesselt et al., 2010a).

Le cadre statistique mobilisé est celui de la détection de changements structurels dans un modèle de régression : il s'agit d'identifier les points où les paramètres du modèle cessent d'être stables, et d'en estimer la position ainsi que l'incertitude associée (Bai & Perron, 2003).

2. Les paramètres à décider

1. 1La fréquence saisonnière. Nombre d'observations par cycle annuel. Elle doit correspondre à la structure réelle des acquisitions après masquage, et non à la fréquence théorique du capteur.
2. 2La longueur minimale d'un segment. Ce paramètre fixe la durée en deçà de laquelle une variation n'est pas considérée comme une rupture. Il arbitre directement entre sensibilité et robustesse : une valeur faible détecte davantage de ruptures, dont une part croissante de faux positifs.
3. 3Le nombre maximal de ruptures. Il borne la complexité du modèle. Une valeur élevée permet de suivre une succession d'événements ; elle augmente en contrepartie le risque de segmenter du bruit.
4. 4L'ordre du terme saisonnier. Il détermine la finesse du cycle modélisé. Un ordre trop élevé absorbe une partie du signal de changement dans la composante saisonnière.

3. La variante de surveillance continue

Une formulation distincte répond à un besoin opérationnel différent : détecter une rupture au fil de l'eau plutôt qu'a posteriori. Elle repose sur la définition d'une période historique jugée stable, sur laquelle un modèle est ajusté, puis sur la surveillance des observations nouvelles : lorsque celles-ci s'écartent durablement de ce que le modèle prédit, une alerte est émise (Verbesselt et al., 2012).

Cette approche transforme le suivi en dispositif d'alerte. Elle impose toutefois une condition exigeante : la période historique doit être effectivement exempte de rupture. Une dégradation déjà engagée dans l'historique sera intégrée au modèle de référence et ne sera jamais signalée.

4. Réduire les fausses alertes

• Variabilité climatique interannuelle. Une saison particulièrement sèche produit un écart au modèle qui n'est pas une dégradation. Comparer le comportement d'un pixel à celui de son voisinage immédiat, plutôt qu'à son seul historique, réduit sensiblement ce type de faux positif (Hamunyela et al., 2016).
• Lacunes d'observation. Une couverture nuageuse prolongée réduit le nombre d'observations disponibles et retarde la détection. Le nombre d'observations valides par pixel devrait être cartographié en accompagnement des résultats.
• Changement de capteur. Une transition instrumentale non harmonisée sera lue comme une rupture, à une date identique sur l'ensemble du territoire — signature reconnaissable qui doit conduire à revoir le prétraitement.
• Validation par échantillon. Une carte de ruptures doit être validée sur un échantillon de référence indépendant, avec estimation des taux d'omission et de commission. Sans cette étape, ni la surface affectée ni la date moyenne ne sont interprétables.
• Rupture détectée n'est pas cause identifiée. La méthode date un changement de comportement du signal ; elle n'en indique pas la cause. L'attribution à une activité précise relève d'une vérification distincte, sur imagerie à très haute résolution ou sur le terrain.

5. Ce que la méthode apporte au suivi

L'apport principal réside dans la datation. Connaître le moment d'un basculement permet de le rapprocher d'événements documentés — arrivée d'un opérateur, ouverture d'une piste, épisode climatique, changement de réglementation — et donc de formuler des hypothèses d'attribution vérifiables. Une carte de changement sans date ne le permet pas.

Le second apport concerne la magnitude, qui distingue une dégradation partielle d'une conversion complète. Combinée à la date, elle produit un indicateur exploitable dans la durée : surface affectée par période, avec un niveau d'atteinte, plutôt qu'un simple constat de différence entre deux années.

La valeur d'une archive satellitaire ne tient pas au nombre d'images qu'elle contient, mais à la capacité d'exploiter la continuité temporelle qui les relie. C'est cette continuité qui permet de dater un changement au lieu de simplement le constater.

Merveille Aganze Sami

Conseillère MEL & Gestion de Bases de Données. Plus de 9 ans d'expérience en suivi-évaluation, SIG et digitalisation auprès d'organisations internationales (GIZ, Enabel) en RD Congo.

LinkedIn Me contacter