Suite

Comment créer une carte raster par jour qui a observé le NDVI maximum à partir de plusieurs données raster dans R?


J'ai 11 données raster NDVI, représentant un seul été. Je souhaite créer un raster par jour (jour julien ou nom du raster) qui a observé la valeur maximale.

En d'autres termes, je veux savoir quel jour (quel raster) a une valeur maximale dans chaque cellule de données NDVI et je veux obtenir le résultat par fichier raster.

En fait, le jour de la valeur NDVI maximale devrait être dans chaque grille au lieu de la valeur maximale.


Si vous souhaitez utiliser R au lieu d'ArcGIS, je m'en tiendrais à la suggestion de @radouxju en utilisantquel.max()durasterpackage (qui renvoie un objet de classe 'RasterLayer'). Comme ça, vous obtenez des informations sur la couche contenant la valeur maximale par pixel, et vous pouvez utiliser ces valeurs comme indices pour attribuer le jour julien correspondant à chaque cellule (à condition d'avoir préalablement extrait le jour julien des noms de fichiers raster… ). Notez que j'ai travaillé avec un indice de végétation amélioré (EVI) au lieu du NDVI, mais la procédure reste la même.

# Bibliothèque de packages requis (raster) # Liste des fichiers d'intérêt, par ex. Fichiers MODIS Aqua EVI pour 2013 fls.evi <- list.files("myd13q1/processed/", pattern = "^CRP_MYD13Q1.*2013.*EVI.tif$", full.names = TRUE, recursive = TRUE) # Extraire jour julien à partir des noms de fichiers disponibles jdn.evi <- as.numeric(substr(basename(fls.evi), 18, 20)) # Importer des fichiers dans R rst.evi <- stack(fls.evi) # Par pixel, identifier le calque maintenant la valeur EVI maximale rst.evi.max <- which.max(rst.evi) # Remplacez le no. de la couche avec le jour julien correspondant rst.evi.max[] <- jdn.evi[getValues(rst.evi.max)]

Avec ArcGIS, vous pouvez utiliser l'outil d'analyse spatiale appelé highPosition . Il renverra le numéro du raster où vous avez la valeur maximale.

dans R, vous pouvez utiliser which.max()


Lier les données d'ENSO, NDVI-MODIS et le rendement des cultures comme base d'un système d'alerte précoce pour l'agriculture à Córdoba, Argentine

La persistance de l'ENSO a été confirmée à partir des données SOI, MEI et ONI à Córdoba, en Argentine.

Les effets de l'ENSO ont été vérifiés avec des enregistrements de rendements de maïs et de soja et par des données NDVI.

La relation entre le NDVI et les rendements des cultures était significative dans plus de 50 % de la région de Río Segundo.

Le zonage du territoire de Río Segundo était un outil valable pour développer des modèles de prédiction de rendement.

Le rendement des cultures peut être prédit avec précision avant la récolte en utilisant le NDVI et le SOI.


Cartographie automatisée des terres cultivées de l'Afrique continentale à l'aide du cloud computing Google Earth Engine

L'automatisation de la cartographie agricole à l'aide de données de télédétection dérivées des satellites reste un défi en Afrique en raison du paysage hétérogène et fragmentaire, des cycles de culture complexes et de l'accès limité aux connaissances locales. Actuellement, il n'existe pas de cartographie systématique et cohérente des terres cultivées à l'échelle du continent, la plupart des études se concentrant soit sur certaines parties du continent, soit tout au plus sur un effort ponctuel de cartographie du continent à l'aide d'une télédétection à faible résolution. Dans cette recherche, nous avons abordé ces limitations en appliquant un algorithme automatisé de cartographie des terres cultivées (ACMA) qui capture des connaissances approfondies sur les terres cultivées d'Afrique disponibles à travers : (a) des échantillons de formation au sol, (b) très élevé (inférieur au mètre à cinq -mètre) l'imagerie à résolution (VHRI) et (c) les connaissances locales capturées lors des visites sur le terrain et/ou tirées des rapports nationaux et de la littérature. L'étude a utilisé des séries chronologiques de 16 jours de données composites d'indice de végétation à différence normalisée (NDVI) de spectroradiomètre imageur à résolution modérée (MODIS) à une résolution de 250 m pour l'ensemble du continent africain. Sur la base de ces données, l'étude a d'abord produit des couches de terres cultivées de référence précises ou RCL (étendue/superficies des terres cultivées, irrigation contre pluviales, intensités de culture, dominance des cultures et terres cultivées contre jachères des terres cultivées) pour l'année 2014, qui a fourni une précision globale d'environ 90 % pour l'étendue des cultures dans différentes zones agro-écologiques (ZAE). Les RCL pour l'année 2014 (RCL2014) ont ensuite été utilisées dans le développement de l'algorithme ACMA pour créer des couches de terres cultivées dérivées de l'ACMA pour 2014 (ACL2014). ACL2014, comparé pixel par pixel avec le RCL2014, présentait une similitude globale supérieure à 95 %. Sur la base de l'ACL2014, le continent africain comptait 296 Mha de superficies nettes cultivées (260 Mha cultivés plus 36 Mha de jachère) et 330 Mha de superficies brutes de terres cultivées. Sur les 260 Mha de terres cultivées nettes cultivées en 2014, 90,6 % (236 Mha) étaient pluviaux et seulement 9,4 % (24 Mha) étaient irrigués. L'Afrique compte environ 15 % de la population mondiale, mais seulement environ 6 % de l'irrigation mondiale. La répartition nette des terres cultivées était de 95 Mha pendant la saison 1, 117 Mha pendant la saison 2 et 84 Mha en continu. Environ 58 % des cultures pluviales et 39 % des terres irriguées étaient des monocultures (superficie nette des terres cultivées sans jachère) cultivées pendant la saison 1 (janvier-mai) ou la saison 2 (juin-septembre). L'algorithme ACMA a été déployé sur la plate-forme de cloud computing Google Earth Engine (GEE) et appliqué sur les données de séries chronologiques MODIS de 2003 à 2014 pour obtenir des couches de terres cultivées dérivées d'ACMA pour ces années (ACL2003 à ACL2014). Les résultats ont indiqué qu'au cours de ces douze années, en moyenne : (a) les terres cultivées ont augmenté de 1 Mha/an, et (b) les jachères des terres cultivées ont diminué de 1 Mha/an. Les superficies de terres cultivées calculées à partir de l'ACL2014 pour les 55 pays africains ont été largement sous-estimées par rapport à une source indépendante de données sur les terres cultivées basées sur le recensement, avec une erreur quadratique moyenne (RMSE) de 3,5 Mha. L'ACMA a démontré sa capacité à effectuer rapidement des prévisions rétrospectives (années passées), des prévisions actuelles (année actuelle) et des prévisions (années futures) des produits des terres cultivées à l'aide des données de séries chronologiques MODIS de 250 m, mais actuellement, il n'existe pas de données de référence suffisantes pour rendre compte de manière rigoureuse. tendances à partir de ces résultats.


Une analyse NDVI des tendances de la végétation dans un bassin versant andin

Nous avons effectué une analyse de l'indice de végétation par différence normalisée dérivée de Landsat 5-TM (NDVI) dans un bassin hydrographique semi-aride (2700 km 2 ) dans les Andes du sud du Pérou de 1985 à 2010. Là, les pasteurs dépendent des zones humides (bofedales) en particulier pendant les mois de saison sèche et en période de sécheresse. Nous avons calculé le NDVI annuel de la saison sèche pour 20 des 26 années de 1985 à 2010 et utilisé la moyenne pour délimiter les zones humides dans le bassin versant. Pour étudier les tendances du NDVI, un modèle de régression multiple avec les covariables précipitation, température, jour julienne et année d'acquisition d'image a été réalisé sur chaque cellule (trois millions de régressions individuelles). Les résultats indiquent qu'il y a une augmentation modeste du NDVI pour la majorité des cellules (81 %) dans le bassin versant. Environ 30 % des zones humides affichent une diminution du NDVI. Le NDVI de la saison sèche est modérément corrélé avec les précipitations de la saison des pluies (R 2 = 0.56, p < 0,05) mais en l'absence d'une tendance des précipitations, les tendances du NDVI ne sont pas expliquées par cette variable. Les changements dans la gestion des terres peuvent entraîner une utilisation plus intensive des zones humides, provoquant une tendance à la baisse de la végétation dans certains endroits.

Ceci est un aperçu du contenu de l'abonnement, accessible via votre institution.


Enregistrements de données

La zone d'étude s'étend spatialement de 68° E à 97° E et de 6° S à 37° N, ce qui couvre toute la région indienne. Les ensembles de données d'irrigation sont accessibles au public via un référentiel illimité au format Geotiff (Citation de données 1). Les données sont au format binaire, c'est-à-dire 0 et 1. La valeur 1 représente la zone irriguée avec une taille de pixel de 250 m. Les données fournissent une représentation statique de l'irrigation au cours d'une année hydrologique et couvrent toute la période 2000-2015. Le référentiel de données ne fournit que des données brutes d'irrigation obtenues pour l'ensemble de la région indienne. Les mises à jour du référentiel des superficies irriguées seront effectuées chaque année dès la disponibilité d'un nouvel ensemble de données.


Conclusion

Cet article propose une analyse des phénomènes de sécheresse en Afrique du Nord-Ouest à l'aide de produits satellitaires multi-capteurs de séries chronologiques. En effet, malgré certaines limitations liées à la longueur et à la fréquence des mesures, les indices satellitaires pourraient être un outil utile, complémentaire aux indices traditionnels basés notamment sur les statistiques de précipitations, pour l'analyse des situations de sécheresse. C'est particulièrement le cas dans les zones où le réseau de pluviomètres est clairsemé.

Trois variables sont considérées, le NDVI, le SWI et le LST. Une très forte corrélation annuelle est observée entre le NDVI et le SWI pour presque toutes les zones considérées dans la région d'étude. Cette corrélation diminue pour les zones forestières, pour lesquelles les mesures satellitaires pour estimer l'humidité du sol ne sont pas suffisamment précises, et dans les zones méridionales avec un couvert végétal très dispersé et une agriculture limitée. L'analyse mensuelle illustre à peu près le même comportement, avec les corrélations les plus élevées généralement trouvées au moment de la croissance maximale pendant la saison agricole, approximativement vers mars et avril. La corrélation entre le LST et les deux autres variables est également discutée. On observe dans ce cas une corrélation proche de -1, notamment pour les surfaces agricoles. Sur la base des résultats de la corrélation, une cartographie des conditions de sécheresse est proposée, en utilisant uniquement les deux indices de sécheresse VAI et MAI. Sept classes de sécheresse sont considérées (très humide, humide, normal, sec, très sec, sol humide et végétation basse, et sol sec et bonne végétation). Les résultats de la classification utilisant le vecteur sécheresse montrent la présence de sécheresse modérée et de conditions très sèches dans certaines parties du site étudié pour toutes les années examinées. Les périodes de sécheresse les plus longues se retrouvent dans les années les plus sèches : 2008 et 2016. Les situations ambiguës correspondant à sol humide et végétation basse ou sol sec et végétation haute sont particulièrement observées sur les deux mois de janvier et février. Ces conditions spécifiques pourraient être des facteurs utiles pour identifier le début ou la fin d'une période de sécheresse. Un algorithme analogique de prévisibilité est proposé afin d'identifier statistiquement l'année passée la plus proche des conditions d'une année présente, basé sur le vecteur sécheresse avec les indices VAI et MAI et une base de données de onze ans (2007-2018). Les résultats illustrent le potentiel élevé de cette approche pour la récupération d'années analogues. La capacité de récupération d'une année analogue traitée de décembre (début de la saison agricole) à avril augmente avec le temps. En février par exemple, le pourcentage du premier ou du deuxième analogue atteint 80%. Ce type de résultat pourrait être très utile aux acteurs pour mieux situer les conditions de sécheresse d'une année par rapport aux années passées avec des rendements connus sur la production agricole et les réserves d'eau.

Une discussion sur trois zones étudiées (Settat au Maroc, Ain Defla en Algérie et Kairouan en Tunisie) illustre les comportements des indices VAI et MAI et leur corrélation. Une attention particulière a été portée à l'analyse de situations ambiguës qui se sont avérées être des retournements.

L'analyse proposée dans cette étude sur l'ensemble de l'Afrique du Nord-Ouest pourrait être mise en œuvre de manière opérationnelle sur une plateforme appelée MEDI (http://osr-cesbio.ups-tlse.fr/medi) bien adaptée à l'usage des gestionnaires et acteurs de l'eau.


Abstrait

Dans le contexte du changement climatique mondial, la végétation du plateau tibétain (TP) a connu des changements importants au cours des trois dernières décennies. Dans cette étude, les changements spatio-temporels de l'indice de végétation de la saison de croissance (GSVI) sur le TP ont été analysés en utilisant diverses méthodes du niveau du pixel au niveau de l'écorégion. De plus, une approche d'importance relative a été utilisée pour étudier l'effet régulateur de la température et des précipitations sur la végétation. Au cours de la période 1982-2012, la végétation sur le TP connaissait généralement une tendance au verdissement, mais avec des fluctuations prononcées. La variation interannuelle du GSVI à long terme était la plus significative dans le bassin de Qaidam et la forêt méridionale. À l'échelle de l'écorégion, la végétation dans les zones arides arides et glaciales a montré une tendance au brunissement, tandis que d'autres écorégions présentent des tendances plus vertes. Sur une grande partie du TP, il existe des points de changement dans la série chronologique GSVI, qui étaient principalement concentrés autour des années 1996 et 2000. L'exposant de Hurst a identifié qu'une majorité (88 %) de la végétation sur le plateau maintiendrait une persistance tendance à l'avenir, qui consisterait principalement en des tendances indéterminées de développement et de verdissement. La végétation TP au cours des années 1990 a connu plus de verdissement que dans les années 1980 ou 2000 selon l'analyse interdécennale. Le changement à long terme de la végétation pendant la saison de croissance était corrélé le plus positivement avec la température au cours de la même période, suivi de la température dans les périodes de pré-saison et d'après-saison. Il y avait plus de relations négatives entre le changement de végétation et les précipitations qu'avec la température. La contribution relative de la température aux changements de végétation présentait une configuration spatiale opposée à celle des précipitations. Dans l'ensemble, les résultats de ce travail fournissent une archive essentielle de la dynamique de la végétation à l'échelle de la décennie qui peut être utile pour projeter la future dynamique de l'écosystème sur le plateau tibétain, comme le verdissement constant.

Citation: Zhou Y, Fan J, Wang X (2020) Évaluation de divers changements de végétation et de la réponse aux facteurs climatiques à l'aide de GIMMS NDVI3g sur le plateau tibétain. PLoS ONE 15(6) : e0234848. https://doi.org/10.1371/journal.pone.0234848

Éditeur: Franck Jabot, Irstea, FRANCE

A reçu: 26 juillet 2019 Accepté: 3 juin 2020 Publié : 17 juin 2020

Droits d'auteur: © 2020 Zhou et al. Il s'agit d'un article en libre accès distribué selon les termes de la licence d'attribution Creative Commons, qui permet une utilisation, une distribution et une reproduction sans restriction sur tout support, à condition que l'auteur et la source d'origine soient crédités.

Disponibilité des données: L'ensemble de données de gimms ndvi3g V1 est obtenu sur le site Web de la NASA https://ecocast.arc.nasa.gov/data/pub/gimms/3g.v1. La citation officielle de cet ensemble de données a été ajoutée dans notre manuscrit. Pinzon, J.E. et Tucker, C.J. : Une série chronologique AVHRR NDVI3g non stationnaire 1981-2012. Télédétection, 6(8), 6929-6960, https://doi.org/10.3390/rs6086929, 2014.

Le financement: Cette étude a été soutenue par le National Key R&D Program of China (Grant No.2018YFB0505301, 2016YFC0500103, 2017YFB0503500). Les frais de publication sont en partie fournis par l'équipe du projet spécial clé pour les talents introduits du Southern Marine Science and Engineering Guangdong Laboratory (Guangzhou), n° GML2019ZD0301.

Intérêts concurrents : Les auteurs ont déclaré qu'ils n'existaient pas de conflit d'intérêts.


Les références

Rogers DJ, Randolph SE, Snow RW, Hay SI : Imagerie satellite dans l'étude et la prévision du paludisme. La nature. 2002, 415 : 710-715. 10.1038/415710a.

Machault V, Vignolles C, Borchi F, Vounatsou P, Pages F, Briolant S : L'utilisation des données environnementales de télédétection dans l'étude du paludisme. Geospat Santé. 2011, 5 : 151-168.

Beck LR, Lobitz BM, Wood BL : Télédétection et santé humaine : nouveaux capteurs et nouvelles opportunités. Emerg Infect Dis. 2000, 6 : 217-227. 10.3201/eid0603.000301.

Craig MH, Snow RW, le Sueur D : Un modèle de distribution basé sur le climat de la transmission du paludisme en Afrique subsaharienne. Parasitol aujourd'hui. 1999, 15 : 105-111. 10.1016/S0169-4758(99)01396-4.

Snow RW, Craig MH, Deichmann U, le Sueur D : Une carte continentale préliminaire des risques de mortalité due au paludisme chez les enfants africains. Parasitol aujourd'hui. 1999, 15 : 99-104. 10.1016/S0169-4758(99)01395-2.

Ceccato P, Connor SJ, Jeanne I, Thomson MC : Application des systèmes d'information géographique et des technologies de télédétection pour évaluer et surveiller le risque de paludisme. Parasitologie. 2005, 47 : 81-96.

Clarke KC, McLafferty SL, Tempalski BJ : Sur l'épidémiologie et les systèmes d'information géographique : un examen et une discussion des orientations futures. Emerg Infect Dis. 1996, 2 : 85-92. 10.3201/eid0202.960202.

Diuk-Wasser MA, Bagayoko M, Sogoba N, Dolo G, Toure MB, Traoré SF : Cartographie des habitats de reproduction des anophèles des rizières au Mali, Afrique de l'Ouest, à l'aide des données de capteurs Landsat ETM +. Int J Remote Sens. 2004, 25 : 359-376. 10.1080/01431160310001598944.

Hay SI, Snow RW, Rogers DJ : Prédire les saisons de paludisme au Kenya à l'aide de données de capteurs satellitaires météorologiques multitemporels. Trans R Soc Trop Med Hyg. 1998, 92 : 12-20. 10.1016/S0035-9203(98)90936-1.

Thomas CJ, Lindsay SW : Variation à l'échelle locale de l'infection palustre chez les enfants gambiens ruraux estimée par télédétection par satellite. Trans R Soc Trop Med Hyg. 2000, 94 : 159-163. 10.1016/S0035-9203(00)90257-8.

Beck LR, Rodriguez MH, Dister SW, Rodriguez AD, Rejmankova E, Ulloa A : La télédétection comme outil épidémiologique de paysage pour identifier les villages à haut risque de transmission du paludisme. AmJTrop Med Hyg. 1994, 51 : 271-280.

Beck LR, Rodriguez MH, Dister SW, Rodriguez AD, Washino RK, Roberts DR : évaluation d'un modèle basé sur la télédétection pour prédire le risque de transmission du paludisme dans les villages du Chiapas, au Mexique. AmJTrop Med Hyg. 1997, 56 : 99-106.

Rejmankova E, Roberts DR, Pawley A, Manguin S, Polanco J : Prédictions des densités d'anophèles adultes-albimanus dans les villages en fonction des distances jusqu'aux habitats larvaires télédétectés. AmJTrop Med Hyg. 1995, 53 : 482-488.

Roberts DR, Paris JF, Manguin S, Harbach RE, Woodruff R, Rejmankova E : Prédictions de la distribution des vecteurs du paludisme au Belize sur la base de données satellitaires multispectrales. AmJTrop Med Hyg. 1996, 54 : 304-308.

Adimi F, Soebiyanto RP, Safi N, Kiang R : Vers une prédiction du risque de paludisme en Afghanistan à l'aide de la télédétection. Journal du paludisme. 2010, 9 : 125-136. 10.1186/1475-2875-9-125.

Charoenpanyanet A, Chen X: Modélisation par satellite des densités de moustiques Anopheles sur une couverture terrestre hétérogène dans l'ouest de la Thaïlande. Les archives internationales de la photogrammétrie, de la télédétection et des sciences de l'information spatiale. 2008, 37 : 159-164.

Briet OJT, Dossou-Yovo J, Akodo E, van de Giesen N, Teuscher TM : La relation entre la densité d'Anopheles gambiae et la riziculture en zone de savane et en zone forestière de Côte d'Ivoire. Trop Med Int Santé. 2003, 8 : 439-448. 10.1046/j.1365-3156.2003.01054.x.

Diuk-Wasser MA, Touré MB, Dolo G, Bagayoko M, Sogoba N, Sissoko I : Effet des modes de culture du riz sur l'abondance des vecteurs du paludisme dans les villages rizicoles du Mali. AmJTrop Med Hyg. 2007, 76 : 869-874.

Robert V, Gazin P, Carnevale P : Transmission du paludisme dans trois sites autour de la zone de Bobo Dioulasso (Burkina Faso) : La savane, une rizière et la ville. Bull Soc Vector Ecol. 1987, 12 : 41-43.

Jarvis A, Reuter HI, Nelson A, Guevara E : données SRTM transparentes remplies de trous V4. 2008, Centre International d'Agriculture Tropicale (CIAT)

Processus fonciers DAAC : Manuel de l'utilisateur de l'outil de projection MODIS. 2011

Marechal F, Ribeiro N, Lafaye M, Guell A : Imagerie satellitaire et maladies à transmission vectorielle : l'approche de l'Agence spatiale nationale française. Santé géospatiale. 2008, 3 : 1-5.

Lacaux JP, Tourre YM, Vignolles C, Ndione JA, Lafaye M : Classification des mares par télédétection à haute résolution spatiale : Application aux épidémies de fièvre de la vallée du Rift au Sénégal. Remote Sens Environ. 2006, 106 : 66-74.

Vignolles C, Lacaux JP, Tourre YM, Bigeard G, Ndione JA, Lafaye M : Fièvre de la Vallée du Rift dans une zone potentiellement occupée par Aedes vexans au Sénégal : dynamique et cartographie des risques. Geospat Santé. 2009, 3 : 211-220.

Machault V, Gadiaga L, Vignolles C, Jarjaval F, Bouzid S, Sokhna C : Sites de reproduction très concentrés d'anophèles et transmission du paludisme à Dakar. Journal du paludisme. 2009, 8 : 138-159. 10.1186/1475-2875-8-138.

Machault V: Utilisation de données d'observation de la terre par satellite pour l'évaluation des densités vectorielles et de la transmission du paludisme. 2010, Marseille : Université de la méditerranée, Thèse de doctorat, Faculté de médecine de Marseille

Dambach P, Sie A, Lacaux JP, Vignolles C, Machault V, Sauerborn R : Utilisation de la télédétection à haute résolution spatiale pour la cartographie des risques d'occurrence du paludisme dans le district de Nouna, Burkina Faso. Action Santé Globale. 2009, 2: doi:10.3402/gha.v2i0.2094

Rouse JW, Hass RH, Schell JA, Deering DW : Suivi des systèmes de végétation dans les grandes plaines avec ERTS. 1973, 309-317.

Huete AR : Un indice de végétation ajusté au sol (SAVI). Remote Sens Environ. 1988, 25 : 295-309. 10.1016/0034-4257(88)90106-X.

Gao B : NDWI - Un indice de différence d'eau normalisé pour la télédétection de l'eau liquide de la végétation depuis l'espace. Remote Sens Environ. 1996, 58 : 257-266. 10.1016/S0034-4257(96)00067-3.

McFeeters SK : L'utilisation de l'indice de différence d'eau normalisé (NDWI) dans la délimitation des caractéristiques de l'eau libre. Int J Remote Sens. 1996, 17 : 1425-1432. 10.1080/01431169608948714.

Xu H : Modification de l'indice de différence d'eau normalisé (NDWI) pour améliorer les caractéristiques de l'eau libre dans l'imagerie de télédétection. Int J Remote Sens. 2006, 27 : 3015-3033.

Cho S-H, Lee H-W, Shin E-H, Lee H-I, Lee W-G, Kim C-H : Une expérience de marquage-relâchement-recapture avec Anopheles sinensis dans la partie nord de Gyeonggi-do, en Corée. Kor J Parasitol. 2002, 40 : 139-148. 10.3347/kjp.2002.40.3.139.

Ejercito A, Urbino M : Plage de vol des gravides et nouvellement émergés Anophèle. Bulletin de l'Organisation mondiale de la santé. 1951, 4 : 663-671.

Quraishi MS, Esghi N, Faghih MA: Plage de vol, durée des cycles gonotrophiques et longévité d'Anopheles stephensi mysorensis marqué au P-32. J Econ Entomol. 1966, 59 : 50-55.

Balls MJ, Bodker R, Thomas CJ, Kisinza W, Msangeni HA, Lindsay SW : effet de la topographie sur le risque d'infection palustre dans les montagnes Usambara, en Tanzanie. Trans R Soc Trop Med Hyg. 2004, 98 : 400-408. 10.1016/j.trstmh.2003.11.005.

Rogers DJ : Imagerie satellite, glossines et trypanosomose en Afrique. Prev Vet Med. 1991, 11 : 201-220. 10.1016/S0167-5877(05)80005-4.

Thomson MC, Connor SJ : Systèmes d'information environnementale pour le contrôle des arthropodes vecteurs de maladies. Med Vet Entomol. 2000, 14 : 227-244. 10.1046/j.1365-2915.2000.00250.x.

Tourre YM, Jarlan L, Lacaux JP, Rotela CH, Lafaye M : Variabilité spatio-temporelle des précipitations NDVI sur l'Amérique du Sud la plus méridionale : liens possibles entre signaux climatiques et épidémies. Lettres de recherche environnementale. 2008, 3 : 1-9.

Gillies MT, Coetzee M : Un supplément aux anophèles d'Afrique au sud du Sahara (région afrotropicale). 1987, Johannesburg : Institut sud-africain de recherche médicale, 55-

Gimnig JE, Ombok M, Kamau L, Hawley WA : Caractéristiques des habitats des larves d'anophèles (Diptera : Culicidae) dans l'ouest du Kenya. J Med Entomol. 2001, 38 : 282-288. 10.1603/0022-2585-38.2.282.

Matthys B, N'Goran EK, Kone M, Koudou BG, Vounatsou P, Cissé G : Utilisation des terres agricoles urbaines et caractérisation des habitats larvaires de moustiques dans une ville moyenne de Côte d'Ivoire. J Vector Ecol. 2006, 31 : 319-333. 10.3376/1081-1710(2006)31[319:UALUAC]2.0.CO2.

Bayoh MN, Lindsay SW : Effet de la température sur le développement des stades aquatiques d'Anopheles gambiae sensu stricto (Diptera : Culicidae). Bull Entomol Res. 2003, 93 : 375-381.

Pampana E: Un manuel d'éradication du paludisme. 1969, Londres : Éditions Oxford

Takken W, Dekker T, Wijnholds YG : Comportement de vol induit par les odeurs Anopheles gambiae Giles Sensu Stricto et A-stephensi Liston en réponse au CO2, à l'acétone et au 1-octène-3-ol (Diptères : Culicidés). J Comportement des insectes. 1997, 10 : 395-407. 10.1007/BF02765606.

Mbogo CN, Glass GE, Forster D, Kabiru EW, Githure JI, Ouma JH : Évaluation de pièges lumineux pour l'échantillonnage de moustiques anophèles à Kilifi, Kenya. J Am Mosq Control Assoc. 1993, 9 : 260-263.


  • Créer une approche standard et uniforme pour l'identification précoce des proliférations d'algues qui soit utile et accessible aux parties prenantes des systèmes d'eau douce à l'aide du nouvel ensemble de satellites : Ocean Land Color Instrument (OLCI) sur Sentinel-3, Sentinel-2, Landsat et les futures missions de la NASA
  • Élaborer un système de diffusion de l'information pour des avis de santé publique opportuns
  • Mieux comprendre les liens entre les conditions sanitaires, économiques et environnementales et les proliférations de cyanobactéries et de phytoplancton.

Le projet CyAN a officiellement démarré le 1er octobre 2015. L'étude s'est concentrée sur des États sélectionnés, notamment l'Ohio, la Floride, la Californie, le Vermont, le New Hampshire, le Massachusetts, le Connecticut et le Rhode Island au cours de l'exercice 2016. Il a déjà commencé à s'étendre à la couverture continentale des États-Unis en 2017 en utilisant les archives MERIS de 2002 à 2012 au cours de l'exercice 2017. Des composites hebdomadaires des données du capteur ESA Sentinel-3 OLCI seront mis à la disposition des collaborateurs pour un examen initial et une validation lorsque les données seront rendues publiques par l'ESA.


Notes de bas de page

1 N.P. et D.C.J. contribué à parts égales à ce travail.

Contributions des auteurs : N.P. et D.C.J. conçu des recherches, effectué des recherches, analysé des données et rédigé le document.

Les auteurs ne déclarent aucun conflit d'intérêt.

Cet article est une soumission directe PNAS.

Dépôt de données : les données environnementales utilisées dans ce manuscrit sont accessibles au public à l'adresse https://doi.org/10.6084/m9.figshare.4910099.v1.

Cet article en libre accès est distribué sous Creative Commons Attribution License 4.0 (CC BY).


Voir la vidéo: NDVI - Normalized Difference Vegetation Index (Octobre 2021).