## Méthodes

#### 1. Zone d’étude

L’étude cible deux zones côtières du Cameroun situées le long du golfe de Guinée :
l’estuaire du Wouri (3°50’N, 9°40’E), près de Douala, et la région de Kribi
(2°56’N, 9°54’E). L’estuaire du Wouri, un écosystème estuarien complexe, est
caractérisé par des mangroves denses, une turbidité élevée (TSM jusqu’à 100 mg/L)
due aux apports du fleuve Wouri, et une forte pression anthropique liée à
l’expansion portuaire et à l’urbanisation. La déforestation des mangroves, estimée
à 20 % entre 2000 et 2020, y est un enjeu majeur (Asangwe, 2018). Kribi, avec ses
plages sableuses et ses récifs coralliens, subit une érosion côtière de 1 à 3 m/an,
exacerbée par le développement touristique et portuaire (Tchindjang et al., 2016).
Ces zones ont été choisies pour leur diversité écologique et leurs dynamiques
contrastées. Figure 1 illustre la localisation des deux sites, avec une carte
montrant l’estuaire du Wouri et Kribi, superposée à une image Sentinel-2 en
composition colorée (NIR, rouge, vert) pour visualiser les mangroves, les zones
urbaines et les eaux côtières.

Figure 1. Carte de localisation des zones d’étude au Cameroun. (a) Vue d’ensemble
du golfe de Guinée avec l’estuaire du Wouri et Kribi ; (b) Image Sentinel-2 (10 m,
2023) de l’estuaire du Wouri montrant les mangroves (vert foncé) et les zones
portuaires ; (c) Image Sentinel-2 de Kribi mettant en évidence les plages et les
récifs coralliens.

#### 2. Données
##### 2.1 Données satellitaires
Les données ont été acquises à partir de deux capteurs multispectraux : Sentinel-2
(MSI, niveau 1C, résolution 10-20 m) via Copernicus Open Access Hub, et Landsat-8
(OLI, résolution 30 m) via USGS EarthExplorer. Sentinel-2 a été privilégié pour sa
résolution spatiale fine et sa revisite de 5 jours, idéale pour capturer les
dynamiques côtières rapides. Landsat-8 a complété la série temporelle pour les
périodes de forte couverture nuageuse. Au total, 48 scènes (24 par zone) ont été
collectées de janvier 2020 à décembre 2023, avec une couverture nuageuse <20 % dans
les zones d’intérêt. Les bandes visibles (bleu : 490 nm, vert : 560 nm, rouge : 665
nm), proche infrarouge (NIR : 842 nm) et SWIR (1610 nm) ont été utilisées pour leur
sensibilité aux TSM, à la végétation et à la discrimination terre-eau. Figure 2
montre une image Sentinel-2 brute de l’estuaire du Wouri (2023) avant correction
atmosphérique, avec des panaches sédimentaires visibles, comparée à une image
corrigée pour illustrer l’effet du prétraitement.

Figure 2. Exemple de données satellitaires. (a) Image Sentinel-2 brute (niveau 1C,
composition RGB) de l’estuaire du Wouri (mars 2023) montrant les nuages et la
turbidité ; (b) Image corrigée atmosphériquement (ACOLITE) mettant en évidence les
panaches sédimentaires et les mangroves.

##### 2.2 Données in situ

Trois campagnes de terrain (juin 2022, mars 2023, septembre 2023) ont été menées
pour collecter des données de validation. Dans l’estuaire du Wouri, 40 points
d’échantillonnage ont été établis sur une grille de 2 km × 2 km pour mesurer les
TSM à l’aide d’un turbidimètre portable (Hach 2100Q, précision ±2 %). Les
échantillons d’eau, prélevés à 0,5 m de profondeur, ont été filtrés et analysés en
laboratoire pour confirmer les mesures. Les concentrations de chlorophylle-a ont
été mesurées avec un fluorimètre (Turner Designs Trilogy, précision ±0,1 μg/L). À
Kribi, 25 points GPS (Trimble Geo7X, précision <1 m) ont cartographié les limites
des mangroves et les lignes de côte. Des profils bathymétriques (échosondeur
Lowrance HDS-7) ont contextualisé les variations du littoral. Les conditions
météorologiques (vent, marée, précipitations) ont été enregistrées via une station
Davis Vantage Pro2. Les données in situ ont été synchronisées avec les survols
satellitaires (±24 h). Figure 3 montre une carte des points d’échantillonnage dans
l’estuaire du Wouri, superposée à une image Sentinel-2, avec des photos de terrain
illustrant la collecte des échantillons d’eau.

Figure 3. Campagnes de terrain. (a) Carte des points d’échantillonnage in situ dans
l’estuaire du Wouri (juin 2022), superposée à une image Sentinel-2 ; (b)
Photographie d’une collecte d’échantillons d’eau ; (c) Mesure GPS des limites des
mangroves à Kribi.

#### 3. Traitement des données

##### 3.1 Prétraitement et corrections atmosphériques
Les images Sentinel-2 et Landsat-8 ont été prétraitées avec ACOLITE (version
2022.10) pour corriger les effets atmosphériques, un défi dans les zones côtières
tropicales où les aérosols marins et la turbidité biaisent les mesures. Le modèle
Dark Spectrum Fitting (DSF) a été appliqué pour estimer l’épaisseur optique des
aérosols (AOD à 550 nm) à partir des pixels NIR les plus sombres. Ce choix a été
motivé par la robustesse de DSF dans les eaux turbides, contrairement aux modèles
standards comme SeaDAS. Les images corrigées ont été converties en réflectance de
surface ((\rho_w)), validées par des mesures spectroradiométriques in situ (ASD
FieldSpec, n=10). Les images affectées par le sunglint ou les nuages résiduels ont
été exclues via un seuil de réflectance NIR (<0,05) et une inspection visuelle.
Figure 4 compare les spectres de réflectance avant et après correction pour un
point de l’estuaire du Wouri, montrant l’élimination des biais atmosphériques.

Figure 4. Correction atmosphérique. (a) Spectres de réflectance brute et corrigée

(ACOLITE) pour un point de l’estuaire du Wouri ; (b) Image Sentinel-2 avant et
après correction, mettant en évidence la clarté des panaches sédimentaires.

##### 3.2 Estimation des sédiments en suspension (TSM)

Les TSM ont été estimés à l’aide de l’algorithme semi-analytique de Nechad et al.
(2010), adapté aux eaux côtières turbides :
[ TSM = A \cdot \frac{\rho_w(\lambda)}{1 - \rho_w(\lambda)/C} + B ]
où (\rho_w(\lambda)) est la réflectance à 665 nm (Sentinel-2), et (A), (B), (C)
sont des coefficients calibrés avec les données in situ (n=40, R²=0,82, RMSE=3,5
mg/L). Pour Landsat-8, un modèle empirique basé sur le rapport bleu-vert (490
nm/560 nm) a été utilisé (R²=0,75). Les cartes TSM ont été générées à 10 m
(Sentinel-2) et 30 m (Landsat-8). Figure 5 présente une carte TSM de l’estuaire du
Wouri (mars 2023), avec des gradients de concentration et des points in situ pour
validation.

Figure 5. Estimation des TSM. (a) Carte des concentrations de TSM (mg/L) dans
l’estuaire du Wouri (Sentinel-2, mars 2023) ; (b) Graphique de corrélation entre
TSM estimées et mesurées in situ (n=40, r=0,90).

##### 3.3 Cartographie des mangroves

La cartographie des mangroves a utilisé une classification Random Forest dans
Google Earth Engine. Les bandes Sentinel-2 (bleu, vert, rouge, NIR, SWIR) ont été
combinées avec les indices NDVI ((\frac{NIR - Red}{NIR + Red})), NDWI ((\frac{Green
- NIR}{Green + NIR})) et SAVI pour discriminer les mangroves. Un ensemble
d’entraînement de 300 points (mangroves, eau, sol nu, autre végétation) a été créé
à partir des relevés GPS, avec une validation croisée à 5 plis. Le modèle (100
arbres) a été optimisé pour minimiser les erreurs de classification. Les cartes de
2020 et 2023 ont permis d’évaluer les changements de couverture. Figure 6 montre
une carte des mangroves dans l’estuaire du Wouri (2023) avec les zones déforestées
entre 2020 et 2023.

Figure 6. Cartographie des mangroves. (a) Carte de classification des mangroves

dans l’estuaire du Wouri (Sentinel-2, 2023) ; (b) Carte des changements (2020-2023)
montrant les zones déforestées (rouge) et préservées (vert).
##### 3.4 Détection des changements du littoral
Les lignes de côte ont été extraites des images Sentinel-2 (2020, 2023) via une
segmentation orientée objet dans eCognition (échelle=50, forme=0,3, compacité=0,5),
utilisant les bandes NIR et SWIR. Les lignes vectorisées ont été analysées dans
QGIS avec l’outil DSAS pour calculer les taux d’érosion/acrétion (m/an). Les
variations tidales ont été corrigées à l’aide des données SHOM. Figure 7 illustre
les lignes de côte de Kribi (2020 vs. 2023) avec les zones d’érosion et des relevés
GPS pour validation.

Figure 7. Changements du littoral. (a) Lignes de côte de Kribi (Sentinel-2, 2020 et

2023) avec zones d’érosion (rouge) ; (b) Relevés GPS validant les taux d’érosion.

##### 3.5 Analyse temporelle

Les séries temporelles des TSM et des surfaces de mangroves ont été construites à
partir des images mensuelles agrégées. Les anomalies de TSM ont été calculées par
rapport à la moyenne 2020-2023 pour détecter les événements extrêmes (ex. panaches
après pluies). Figure 8 montre une série temporelle des TSM dans l’estuaire du
Wouri, avec des pics saisonniers liés aux précipitations.

Figure 8. Série temporelle des TSM. Graphique des concentrations moyennes

mensuelles de TSM (2020-2023) dans l’estuaire du Wouri, avec des pics saisonniers
(juin-septembre).

#### 4. Validation
Les TSM estimées ont été validées avec les mesures in situ via le coefficient de
corrélation de Pearson (r), l’erreur quadratique moyenne (RMSE) et le biais moyen.
La cartographie des mangroves a été évaluée par une matrice de confusion (accuracy
globale, Kappa). Les taux d’érosion ont été comparés aux relevés GPS (±1 m). Une
analyse de sensibilité a testé l’impact des corrections atmosphériques et des
paramètres de classification.

#### 5. Analyse statistique

Les tendances des TSM et des mangroves ont été modélisées par régression linéaire
(p<0,05). Une ANOVA à un facteur, suivie d’un test de Tukey, a analysé les
différences interannuelles. Les corrélations entre TSM et variables
environnementales (précipitations, débit) ont utilisé le test de Spearman. Les
calculs ont été effectués dans R (packages stats, raster).

#### 6. Considérations éthiques et logistiques

Les campagnes ont été approuvées par le Ministère de l’Environnement du Cameroun.
Les contraintes logistiques (accès limité, marées) ont été gérées par une
planification rigoureuse et l’appui de communautés locales. Les données ont été
partagées pour soutenir les initiatives de conservation.