L'utilisation des donne[acute ]es satellitales pour appre[acute ]hender les diffe[acute ]rents types d'occupation du sol est devenue fort fre[acute ]quente, mais elle peut e[circ ]tre comple[acute ]te[acute ]e par la me[acute ]thode de fusion de donne[acute ]es telles que des photographies ae[acute ]riennes, des cartes analytiques, des informations de terrain, le tout s'inte[acute ]grant ensuite, dans un syste[grave ]me d'information ge[acute ]ographique (SIG). Cette chai[circ ]ne de proce[acute ]dure permet d'obtenir un bilan environnemental qui de[acute ]termine les conditions favorables au de[acute ]veloppement des maladies. Pour parvenir a[grave ] une telle efficacite[acute ], il est ne[acute ]cessaire de mettre au point une me[acute ]thodologie susceptible de traiter toute l'information disponible et de pouvoir la re[acute ]ite[acute ]rer dans l'espace et dans le temps. Enfin, le croisement de toutes ces informations aboutit a[grave ] l'e[acute ]laboration de cartes de risques re[acute ]els et potentiels qui peuvent permettre de mieux cibler les interventions sur le terrain afin de lutter contre des vecteurs d'agents pathoge[grave ]nes.
Remote sensing is very often uses to study vegetation, to characterize the landscape composition, and to definite the degree of soil humidity. Many studies use satellite-based remote sensing data and geographic information systems (GIS) to identify and map vegetation indicative of disease vector biotopes. Now it is possible to add data fusion such as black and white aerial photographs different sorts of maps, and ground truth to distinguish the fine structure and texture of the landscape. This paper proposes a methodology which defines and associates the landscape composition to the risk of diseases and which proves that remote sensing and data fusion can be successfully used to struggle against pathogens.