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 ?