Classification des images satellites...
Transcript of Classification des images satellites...
Classification des images satellites Landsat:
forces et limites de l’approche!
Ahmed Laamrani & Osvaldo Valeria, UQAT André Beaudoin, Stephen Côté & Guy Simard, SCF-CFL
2e atelier sur la télédétectionRouyn-Noranda, 12 juin 2007
PLAN
Notions de base sur la télédétection et la classification des images
Traitement des images
Méthode de classification des images ECM et extraction des indicateurs
Exemples – Indicateurs
Conclusions
Télédétection
DéfinitionLa télédétection est la technique qui, par l'acquisition d'images, permet d'obtenir de l'information sur la surface de la Terre sans contact direct avec celle-ci.
Elle englobe tout le processus qui consiste à capter et à enregistrer l'énergie d'un rayonnement émis ou réfléchi, àtraiter et à analyser l'information, pour ensuite mettre en application cette information.
Télédétection
Pourquoi la télédétection?
Vision globale → surveillance de l'état des forêts →Régions éloignées et inaccessibles
Données multi-temporelles → Analyses de détection des changements et de leurs nature
Surveillance moins coûteuse que par survol aérien (Image Landsat < $1000, couvre ≈ 34000 km2)
Le spectre électromagnétique (EM)
La télédétection utilise plusieurs régions du spectre EM:
- Ultra Violet
- Visible (0,4 à 0,7 µm)
- IR = réfléchi (0,7 à 3µm) et émis ou thermique (3 à 100 µm)
- Grandes longueurs d'onde (1 mm à 1 m)
Dimensions spatiales et spectrales
Image: échantillonnage spatial (pixels = 30 m ) et spectral (signature
spectrale) de la réflectance des objets de la scène
Réflectance: rapport lumière réfléchie/lumière incidente en fonction de portions de longueur d’onde du spectre visible et infrarouge signature spectrale
MIRMIR
PIRRouge
VertBleu
CalcaireArgileVégétation verte
Grès
Classification des images
Pixels de l'image → Grands éléments structuraux de l'image
Supervisée Non supervisée
Étapes de traitement des données
LECTURE DES IMAGES BRUTES
(32 images)
ORTHORECTIFICATION
CORRECTIONS RADIOMETRIQUES
NORMALISATION DES IMAGES
CREATION D’UNEMOSAIQUE
REHAUSSEMENT DELA MOSAIQUE
CLASSIFICATIONMETHODE ECM
EXTRACTION DESINDICATEURS
VALIDATION AVECPHOTOS GEO-3D
PREPARATION DE PRODUITS FINAUX:CARTES PAR MRC, RAPPORT
ETC.
Résultats des traitements (Mosaïque 2000)
10 km x 10 km
4
INDICATEURS
Méthode de classification ECM
Légende EOSD
137 classes
48 classes
FMO 3x3
TM (Reh.)4,5,3
TM (brut)4,5,3
2,5 km
TFP
Classe d’indicateurs
Classe matrice de confusion et cartographie
PM-SA
SR
PJ
SV
CR
CM
CF
SV-SR
CD (>60%)
CO(25 à 60%)
SV-SR
TNF
TFIP
TPF-PERT
EAU
NUL
EAU
NUL
TFIP-TNF
EAU
NUL
EAU
NUL
TFIP-TNF TFIP-TNF
INDICATEUR 1 INDICATEUR 2 INDICATEUR 3 INDICATEUR 4 Indicateurs
Indicateur
TNF
TPF-PERT
Perturbation
Agricole
Indicateur 1 – Forêt productive vs FNP
Indicateur
PM-SA
PJ
Feuillu jeune
Feuillu vieux
Indicateur 2 – Stade de développement
Indicateur
PM-SA
PJ
Résineux vieux
Résineux jeune
Indicateur 3 – Type de couvert
Indicateurs
CO
CD
Résineux ouvert
Résineux dense
Indicateur 4 – Densité du couvert
Indicateurs
CD
CO
Feuillu dense
Feuillu ouvert
Indicateur 4 – Densité du couvert
Conclusions
Tendances générales dans l’évolution des couverts forestiers en AT et NQ depuis les 20 dernières années! (espace-temps)
Élaborer des portraits de l’évolution des couverts forestiers pour chaque indicateur
Coûts et temps raisonnables
Outil adapté à l’implantation d’un système de surveillance à long terme
Résolution grossière de 30m
Couverture nuageuse
Confusion entre certaines classes, Marge d’erreur àconsidérer
Insuffisant pour être utilisés àdes fins d’aménagement forestier actuel
Questions ?