De l'arrivée de l'homme à sa relation avec son environnement

2 : Le potentiel archéologique : Du pixel à l'image

Avant de pouvoir établir le potentiel archéologique de notre secteur d'étude, il est nécessaire de classifier le paysage en grands ensembles possédant les mêmes caractéristiques. C'est grâce à ce travail que nous pourrons savoir dans quels types d'ensembles géographiques les sites amérindiens comme euro-américains se situent. Puis à partir de ce constat, nous pourrons, en sélectionnant les classes pertinentes, établir une carte simplifiée du potentiel archéologique.

2.1 : Une classification du paysage

Nous avons travaillé sur un set de données du satellite Landsat TM datant d'avril 1986. L'âge des données pose immédiatement un problème. En dix années, le paysage végétal a pu largement évoluer. Cependant, nous travaillons surtout sur le parc de Kathio, c'est-à-dire sur un ensemble forestier où l'évolution est plus lente que dans un paysage fortement humanisé. On peut donc estimer que le handicap de l'âge des données est négligeable.
Le traitement de données a été effectué avec le logiciel ER-Mapper, version 5.5a¹.
Notre travail ne couvre pas la totalité de la zone décrite en première partie. Nous nous sommes plus particulièrement intéresser au notre secteur d'étude décrit dans l'introduction. C'est-à-dire le parc Kathio et la zone allant jusqu'au sud du lac Onamia.
La classification du paysage représente une étape importante dans notre travail de potentiel archéologique. Nous ne décrirons ici que les spécificités développées suite aux caractéristiques de notre secteur d'étude, la méthodologie générale étant expliquée en annexe 3.
Un travail de classification se divise en deux étapes successives. Premièrement, il est nécessaire d'établir un choix dans les canaux et néo-canaux à notre disposition pour mettre en évidence l'objet de notre recherche. Deuxièmement en nous appuyant sur la visualisation de l'image selon les critères choisis durant la première étape, nous pourrons faire une classification des pixels.

2.1.1 : Choix des canaux et néo-canaux

La première étape, et la première difficulté de la classification, est la recherche de bons paramètres de visualisation des données. Il est alors nécessaire de cerner correctement le but de la classification. En effet, notre but est l'établissement d'un potentiel archéologique et il semble nécessaire de connaître les propriétés actuelles de notre secteur d'étude au sens de ses caractéristiques de surface. La première partie nous a appris combien l'eau était très présente sous forme de nombreux lacs au sein de notre zone de travail. De plus, le parc de Kathio est aujourd'hui quasi-entièrement recouvert par une végétation dense. Ainsi, selon les besoins et les directives du Professeur ROTHAUS, nous avons opté pour une mise en valeur des états de surface liés à la végétation présente.
Après une observation de chaque canal du set de données puis la combinaison selon des compositions colorées de plusieurs canaux, nous avons choisi de calculer plusieurs indices. Puis nous avons déterminé un algorithme de visualisation de type composition colorée. Cette dernière possède les caractéristiques suivantes.
Pour le canal rouge, nous avons choisi de visualiser les résultats de l'indice de rougeur. Ce dernier est un ratio normalisé entre les canaux 1 et 3 du satellite Landsat et est de la forme :

Cet indice est très sensible aux différences de minéraux mais aussi à l'activité chlorophyllienne ainsi qu'à la bathymétrie. Il répond donc entièrement à notre but.
Pour le canal vert, nous avons choisi d'afficher le canal brut 7. Il est un très bon indicateur pour les sols et offre la meilleure différenciation entre les types de sols.
Pour le canal bleu, le ratio entre les canaux 5 et 3 nous permet de faire une grande distinction entre les états de surface. Le canal 5 met en valeur les différences hydriques et le canal 3 celles du à la chlorophylle. La combinaison des deux est un atout.
Plusieurs canaux et indices n'ont pas été retenus car ils ne correspondaient pas à notre recherche. En effet, le canal 4 n'est pas utilisé car il permet l'évaluation de la phytomasse ce qui n'est pas notre but. Le canal 2 est corrélé aux autres canaux du visible, 1 et 3. Son utilisation aurait été redondante. Nous avons choisi de ne pas utiliser d'indices de végétation car nous ne travaillons pas sur la végétation en elle-même mais sa relation avec la surface qu'elle occupe. De plus, nous n'avons pas utiliser d'Analyse en Composantes Principales car cette méthode est destinée à mettre en valeur des zones et non les propriétés des objets.
A présent que nos critères de visualisation sont retenus, nous pouvons passer à l'étape suivante : la classification proprement dite.

2.1.2 : La classification :

L'annexe 3 décrit les méthodes génériques de classification du paysage. Nous avons appliqué cette méthodologie sans succès, néanmoins nous en avons repris les grandes idées et nous avons déterminé une méthode manuelle répondant à nos besoins.

2.1.2.1 : L'échec de la méthode générale

Deux problèmes sont responsables de l'échec de l'utilisation de la méthodologie générale dans notre secteur. Premièrement, nous travaillons sur une zone très réduite avec une volonté d'obtenir une discrimination très fine dans les états de surface.
Deuxièmement, une condition sine qua non n'est pas remplie dans notre secteur pour l'application de la méthodologie générale. Il est quasi-impossible de trouver des zones homogènes servant de références pour une classification dirigée. Pour celle non-dirigée, ce manque d'homogénéité perturbe les programmes de classification qui ne nous fournissent pas de résultats satisfaisants dans de telles conditions.

2.1.2.2 : L'utilisation de la méthode dite des parallélépipèdes manuellement

Suite aux spécificités de notre secteur, nous avons développé une technique manuelle de classification. Nous avons repris le principe de classification selon la méthode dite des parallélépipèdes (figure n°36) et nous l'avons intégré à une formule de visualisation.

Figure n°36 : La méthode dite des parallélépipèdes
(Le schéma ci-contre présente le fonctionnement général de cette méthode en ne tenant compte de que deux axes pour la classification. Il est possible de travailler avec autant d'axes que l'utilisateur le veut, permettant alors une meilleure discrimination entre les ensembles.
Cette méthode utilise des seuils de valeurs, un minimum et un maximum, pour classer les pixels de l'image. Nous avons représenté ici le problème de cette méthode qui est une superposition des informations. C'est à l'utilisateur de déterminer le résultat le plus cohérent suite à la vérification de la classification par relevé terrain.)

La technique développée lors de notre étude, se découpe en plusieurs phases successives et réitératives (figure n°37) et s'appuie sur une connaissance importante du secteur d'étude d'un point de vue d'état de surface, autant végétal que d'humidité générale.

Figure n°37 : Méthode de classification

L'algorithme de visualisation décrit en "2.1.1 : Choix des canaux et néo-canaux", nous permet de délimiter des ensembles homogènes de faible surface. Dans notre secteur d'étude et en s'appuyant sur notre connaissance, nous avons pu déterminer sept classes génériques. Ce sont :

• les zones urbaines
• les zones recouvertes de goudron, de type réseau routier
• la prairie
• l'eau
• les conifères
• les feuillus
• les zones marécageuses

En calculant les valeurs maximales et minimales dans chaque canal brut de chaque classe générique, nous pouvons déterminer une formule de visualisation intégrable au logiciel Er-Mapper. En effet, ce logiciel permet la visualisation sous forme de couches d'informations appelées "classification layer". Il suffit alors de créer un filtre basé sur des valeurs de seuillage dans les canaux bruts. Cette formule est de la forme :

La visualisation des résultats de cette agrégation nous permet de savoir si tous les pixels ont été pris en compte. Pour notre secteur d'étude, après comparaison des signatures des pixels non-agregés et celles des classes génériques, nous avons été amenés à créer de nouvelles classes, nous permettant alors une meilleure finesse dans la classification des informations.
Ainsi, en fonction de l'humidité latente, nous avons déterminer six ensembles génériques nouveaux. Ce sont :

• les zones sèches
• les conifères hydrophiles (de type Larix laricana)
• les feuillus hydrophiles
• trois autres types de marécages en fonction de l'hydrométrie et de la végétation présente (marécage type 1, 2, 3)

Nous avons obtenu au total 12 classes différentes dont la description générale est la suivante.
Sous le terme "zone urbaine", on entend tout type de construction à base de matériaux modernes.
Le réseau routier apparaît comme "zone goudronnée" mais il inclut aussi les parkings.
La dénomination "prairie" est utilisée très largement. Elle englobe toute surface dégagée recouverte d'une végétation basse et à humidité relative moyenne. Il a été fait une sous-classe appelée qui ne concerne que les espaces à très faible humidité mais recouvert de végétation ou incorporant une zone goudronnée trop petite pour être incorporée à la classe "zone goudronnée".

Figure n°38 : Classification de notre secteur de recherche selon l'humidité et la végétation
(échelle 1/100 000)

La classe de départ "conifères" a été séparée en deux parties en fonction de l'humidité latente du sol et du type de végétation adaptée à ces conditions. La sous-classe inclut une végétation dominée par le Larix laricina, alors que la classe "conifères" regroupe une végétation mixte de Pinus strobus, resinosa, banksiana.
La même logique a été appliqué aux feuillus. La sous-classe "feuillus hygrophiles" inclut la végétation de type Betula, Alnus, et Populus. Alors que les Quercus, Acer font parties de la classe "feuillus".
La classe générique "marécage" a été divisée en quatre parties en fonction de l'humidité et de la végétation. Ainsi le type 1 n'inclut que le véritable marécage où de larges espaces ne sont pas végétalisés. Le type 2 constitue uniquement la prairie lacustre composée de Typha et de Larix. Le type 3 représente la frontière entre le type 1 et la sous-classe "conifères hygrophiles", alors que le type 4 est celle ente le type 1 et la sous-classe "feuillus hygrophiles".
Le fait de travailler par couche d'informations nous a permis de choisir le sens de la superposition des informations inhérentes à la méthode de classification utilisée. Le choix dans la prédominance d'une couche sur l'autre a été fait par vérification terrain. Les résultats obtenus sont présentés sous forme d'une carte appelée "Analyse de l'humidité et de la végétation"² (figure n°38).
Néanmoins, il s'est révélé impossible de classifier par cette méthode tous les pixels de notre set. Il a fallu procéder à l'arrêt dans la classification. En effet, par le fait du recouvrement partiel des signatures spectrales, l'intégration de pixel frontière à certaine signature amenait à une perte d'informations. Nous avons donc créé une dernière classe appelée "sans données" (no-data).

2.1.3 : La critique des résultats :

Nous pouvons émettre plusieurs réflexions au vue des résultats que nous avons obtenus. Trois grands thèmes peuvent être abordés. Premièrement, la relation entre la méthode appliquée pour la classification avec le logiciel et la méthode en elle-même ; deuxièmement, les résultats eux-mêmes ; troisièmement, le set de données traité.
Nous avons utilisé la version 5.5a du logiciel ER-Mapper. Ce dernier présente de nombreux avantages comme la conservation du set de données dans son état d'origine si on traite l'ensemble du set et la sauvegarde simple de l'algorithme de transformation de l'image originelle et non de l'image transformée d'où un gain de place non-négligeable. Néanmoins la programmation du logiciel recèle des vides. Le traitement d'une sous-partie d'un set entraîne invariablement un rééchantillonage des données lors de sa sauvegarde en fichier indépendant. Il s'est révéler impossible d'appliquer une classification non-dirigée ou dirigée en définissant des classes avec un seul ou un groupe de pixels ayant une variance nulle dans au moins un canal.
Ce constat nous a obligé à faire la classification de l'image selon la méthode des parallélépipèdes de façon quasi-manuelle. Ce procédé est long et demande beaucoup de jugement de la part de l'utilisateur. En effet en utilisant la signature spectrale de chaque pixel comme référence d'agrégation, c'est à l'utilisateur de choisir s'il est pertinent de regrouper les valeurs d'un nouveau pixel à une classe déjà existante ou de créer une nouvelle classe.
Les résultats obtenus satisfont le Professeur ROTHAUS par leur précision et dans leur présentation. C'est-à-dire qu'ils sont sous la forme de couche d'informations et qui rend leur exportation vers un autre logiciel, en vue de leur intégration dans un système d'informations géographiques, plus facile.
Cependant, nous avons utilisé la signature spectrale brute de chaque pixel. En transformant notre set de données en un nouveau set via l'algorithme de visualisation, nous obtiendrions une nouvelle signature plus précise qui nous permettrait de compléter la signature spectrale brute et donc affiner nos résultats.

2.2 : Une carte simplifiée du potentiel archéologique

But final de notre travail, l'établissement de cette carte est fait par le croisement des données de la première partie, des données humaines et de celles de la classification du paysage. Pour cela, nous déterminerons les éléments pertinents de la classification à retenir, en confrontant les indices géomorphologiques, ceux découlant des sites d'implantation amérindiens comme euro-américains et les résultats de classification.
Nous n'établirons qu'une carte simplifiée de potentiel car il est possible par un travail plus approfondi d'en établir une autre plus précise en tenant compte de plus éléments que la nôtre.

2.2.1 : Les éléments pertinents de la classification

Pour déterminer quelles classes obtenues par traitement des données satellitales sont pertinentes et nous permettent d'établir une carte du potentiel archéologique, nous devons prendre en compte les résultats de la première partie. Il nous faut ainsi dégager des critères de sélection en fonction des différents groupes culturels qui ont dominé ou dominent encore notre secteur d'étude.

2.2.1.1 : En fonction de la géomorphologie de notre secteur

La première partie de ce travail nous a permis de faire la discrimination entre les éléments fixes de ceux en évolution encore aujourd'hui dans une zone plus importante que celle traitée pour le potentiel archéologique. Grâce à cette distinction, nous allons pouvoir éliminer les zones en évolution car elles sont postérieures à l'établissement des groupes culturels.
Ainsi, dans notre secteur d'étude proprement dit, c'est-à-dire le parc d'état de Kathio et ses environs immédiats, seule la prairie lacustre nous intéresse. A travers notre travail de classification, nous avons déterminer quatre types de zones marécageuses. Toutes celles se trouvant sur les pourtours des lacs ne sont pas à retenir comme pertinentes pour le potentiel archéologique. Celles se trouvant en retrait dans le relief morainique peuvent représenter un problème. En effet, les castors sont souvent responsables de la création de mares, augmentant ainsi l'humidité latente.

2.2.1.2 : En fonction de la logique d'implantation amérindienne

Nous avons superposer les informations de la carte des sites amérindiens et celle obtenue par traitement des données satelittales. Sa taille ne nous permet pas de l'incorporer au texte. Elle est incluse en encart. L'observation de cette nouvelle carte nous apprend dans quels ensembles du paysage se situent les sites archéologiques.
On remarquera bien sûr la proximité de l'eau, élément indispensable au genre de vie amérindien, mais aussi la présence constante des zones sèches, de la haute fréquence de la prairie, des conifères et des feuillus dans la composition de l'état de surface des sites.
Il convient donc les privilégier les classes suivantes : zone sèche, prairie, feuillus, conifères.

2.2.1.3 : En fonction de la logique d'implantation euro-américaine

L'absence d'une carte des sites euro-américains n'est pas un obstacle à l'utilisation des indications émanants de la logique de ce groupe culturel. Nous nous appuierons sur la description d'un site typique d'une ferme américaine afin d'en déduire les classes pertinentes de notre travail de traitement d'image.
Ce site (coordonnées UTM 18N 5 111 650N 440 500E) se situe sur la rive droite du lac Ogechie et c'est un grand espace dégagé. Sa végétation est caractéristique avec des arbres corniers mais aussi avec la présence de Pinus strobus. Le sol est totalement sec. Plusieurs anciennes parcelles agricoles sont doucement reconquises par une végétation composée majoritairement de feuillus. Il est possible d'apercevoir les fondations en ciment de la ferme, entièrement envahie par la végétation.
Grâce à cette description, nous pouvons privilégier les mêmes classes que celles mises en évidence par la logique amérindienne. Nous inclurons tout de même ici les zones urbaines et goudronnées répondant aux techniques de construction euro-américaine, donc bonnes indicatrices de sites.

2.2.2 : L'établissement de la carte simplifiée

Suivant les critères des logiques d'implantation des groupes culturels et de la géomorphologie de notre zone de travail, nous pouvons agréger les classes obtenues lors de la classification de notre set de données en deux ensembles génériques, l'eau restant un élément du paysage à part.
Ainsi sous le terme de "zone à potentiel archéologique", nous avons regroupé les classes suivantes : zone urbaine, zone goudronnée, zone sèche, prairie, conifères, feuillus. Nous avons alors simplement transformer les critères de visualisation du logiciel Er-Mapper en donnant la même couleur à ces classes. Les ensembles ne répondant pas à notre choix, ont été regroupés sous le terme "zone hors-potentiel archéologique". Les résultats sont présentés sous forme d'une carte (figure n°39).
De manière chiffrée, notre zone de travail a une surface totale de 28 645,783 hectares. La "zone à potentiel archéologique" représente un total de 10 694,408 hectares. Notre travail a donc permis un gain de temps non-négligeable.

Figure n°39 : Carte simplifiée du potentiel archéologique de notre secteur d'étude
(échelle 1/100 000)

¹ Une présentation du logiciel est faite en annexe 2.

² Ce titre "Vegetation and Moisture analysis"est celui de la carte sur tirage papier, ayant été réalisée conjointement avec le laboratoire d'Archéologie de l'Université d'état de Saint-Cloud dirigé par le Professeur ROTHAUS.