thème 1 : sources et flux de contaminants dans le...
Post on 14-Sep-2018
213 Views
Preview:
TRANSCRIPT
1
Thème 1 : Sources et flux de contaminants dans le eaux de ruissellement des
infrastructures urbainesObjectifs et état d'avancement
Animateurs : Marie-Christine GROMAIRE Bernard DE GOUVELLO
Séminaire thématique – OPUR, 17/12/2008 (AESN-Nanterre)Observatoire des Polluants URbains
17/12/08 Séminaire thématique – thème 1 2
Programme du séminaire
9h30 – 9h45: Objectifs et état d’avancement du thème 1 (M.C. Gromaire et B. de Gouvello)
9h45-10h30. Emissions de métaux par les matériaux de couverture (P. Robert)
c
émissions dans le ruissellement en lien avec la composition des matériaux
extrapolation spatiale des émissions de zinc: du banc d'essai au toit
10h45-11h30. Classification des matériaux de toiture d'un bassin versant à partir d'ortho-images (A. Le Bris, IGN)
b
11h30-12h30. Discussion.
3
Classification des matériaux de toiture d'un bassin versant à partir d'ortho-images
Arnaud LE BRIS
Séminaire thématique – OPUR, 17/12/2008 (AESN-Nanterre)
S
Observatoire des Polluants URbains
17/12/08 Séminaire thématique – thème 1 4
Du toit au bassin versant
Modélisation des émissions de métaux par les matériaux de couverture des toits
Objectif : évaluer les flux d’ETM au niveau du bassin versant Nécessite la connaissance des surfaces de toitures
concernées par les différents types de matériaux Cartographie des toitures en fonction de leur matériau de
couverture Réalisation à partir d’images aériennes Utilisation de méthodes de classification semi-
automatique
17/12/08 Séminaire thématique – thème 1
Stratégie mise en œuvre
Types de toitures :
Ardoise Tuile rouge Tuile brune Zinc Terrasse
17/12/08 Séminaire thématique – thème 1 6
Stratégie mise en œuvre : masque "bâti" Classification des toitures uniquement
Application d’un masque de focalisation sur les bâtimentsUtilisation des objets bâtiments d’une base de données
BD Topo, BD Parcellaire
17/12/08 Séminaire thématique – thème 1 7
Stratégie mise en œuvre : masque "bâti" Classification des toitures uniquement
Application d’un masque de focalisation sur les bâtimentsUtilisation des objets bâtiments d’une base de données
BD Topo, BD Parcellaire
17/12/08 Séminaire thématique – thème 1 8
Stratégie mise en œuvre : masque "bâti"
Utilisation de la BD Topo Base de données vecteur Base de données topographiques de l’IGN Couche du Référentiel Grande Echelle Disponible sur tout le territoire Utilisation de la couche bâti uniquement
Néanmoins quelques limites…
17/12/08 Séminaire thématique – thème 1 9
Stratégie mise en œuvre : masque "bâti" Limites de la focalisation sur les bâtiments :
Ne permet pas d’isoler chaque bâtiment, mais des îlots de bâtiments
Au sein d’un îlot, différents types de toiture… Possibilité d’utiliser la BD Parcellaire
17/12/08 Séminaire thématique – thème 1 10
Stratégie mise en œuvre : masque "bâti" Limites de la focalisation sur les bâtiments :
Les pans d’un même toit peuvent être couverts par différents matériaux
Cas fréquent zinc / ardoise…
17/12/08 Séminaire thématique – thème 1 11
Stratégie mise en œuvre : masque "bâti" Limites de la focalisation sur les bâtiments :
Problèmes de superposition des bâtiments entre BD vecteur et ortho-image
cf modèle 3D utilisé pour l’orthorectification façades visibles, voierie dans l’emprise parties de toiture hors emprise
17/12/08 Séminaire thématique – thème 1 12
Stratégie mise en œuvre : masque "bâti" Limites de la focalisation sur les bâtiments :
Problèmes de superposition des bâtiments entre BD vecteur et ortho-image
cf modèle 3D utilisé pour l’orthorectification façades visibles, voierie dans l’emprise parties de toiture hors emprise
17/12/08 Séminaire thématique – thème 1 13
Stratégie mise en œuvre : masque "bâti" Limites de la focalisation sur les bâtiments :
Problèmes de superposition des bâtiments entre BD vecteur et ortho-image
cf modèle 3D utilisé pour l’orthorectification façades visibles, voierie dans l’emprise parties de toiture hors emprise
17/12/08 Séminaire thématique – thème 1 14
Stratégie mise en œuvre : masque "bâti" Limites de la focalisation sur les bâtiments :
Problèmes de superposition des bâtiments entre BD vecteur et ortho-image
cf modèle 3D utilisé pour l’orthorectification façades visibles, voierie dans l’emprise parties de toiture hors emprise
17/12/08 Séminaire thématique – thème 1 15
Stratégie mise en œuvre : masque "bâti" Limites de la focalisation sur les bâtiments :
Problèmes de superposition des bâtiments entre BD vecteur et ortho-image
cf modèle 3D utilisé pour l’orthorectification façades visibles, voierie dans l’emprise parties de toiture hors emprise
17/12/08 Séminaire thématique – thème 1 16
Stratégie mise en œuvre : masque "bâti" Limites de la focalisation sur les bâtiments :
Actualité des données
Niveau de généralisation Ex : Cours intérieures non saisies, emprises caricaturées
17/12/08 Séminaire thématique – thème 1 17
Stratégie mise en œuvre : masque "bâti"
Limites de la focalisation sur les bâtiments : Ne permet pas d’isoler chaque bâtiment, mais des îlots
de bâtiments
Les pans d’un même toit peuvent être couverts par différents matériaux
Problèmes de superposition des bâtiments entre BD vecteur et ortho-image
Segmentation
17/12/08 Séminaire thématique – thème 1 18
Segmentation des toitures en régions homogènes
Principe : Segmentation = partitionnement de l’image en régions Ri :
régions Ri deux à deux disjointes union des régions = ensemble de départ (image)
u
Segmentation en zones de radiométrie homogène Méthode utilisée : segmentation hiérarchique
Méthode mise en œuvre : segmentation
17/12/08 Séminaire thématique – thème 1 19
Segmentation des toitures en régions homogènes
Principe : Segmentation = partitionnement de l’image en régions Ri :
régions Ri deux à deux disjointes union des régions = ensemble de départ (image)
u
Segmentation en zones de radiométrie homogène Méthode utilisée : segmentation hiérarchique
Méthode mise en œuvre : segmentation
17/12/08 Séminaire thématique – thème 1 20
SegmentationSegmentation multi-échelle E(λ) = D + λ . C
attache aux données complexité de la segmentation
[ Guigues L., 2004 ]
Pyramide de segmentations calculée à partir d'une sur-segmentation initiale...
17/12/08 Séminaire thématique – thème 1 21
Segmentation
Pyramide de segmentations
segmentation
choix d'un niveau de la pyramidecompromis entre précision et généralisation
- sursegmentation : mauvaise classification de régions trop petites sans signification...- "sous-segmentation" : régions trop grandes contenant plusieurs thèmes...
Segmentation multi-échelle E(λ) = D + λ . C
attache aux données complexité de la segmentation
17/12/08 Séminaire thématique – thème 1 22
Méthode mise en œuvre : classification
Classification semi-automatique2 étapes : Estimation du modèle à partir de données
d’apprentissage saisies par un opérateur
Classification de l’image en fonction du modèle calculé précédemment
Plusieurs méthodes de classification disponibles Classification par pixel / par région
Classification par régions : limite le “bruit”
17/12/08 Séminaire thématique – thème 1
Données d'apprentissage
Pour chaque classe :
Modèle statistique de la distribution de la radiométrie
pour le pixel s et la classe c[ Trias-Sanz R., 2006 ]
Méthode mise en œuvre : classification Estimation du modèle à partir de donnée d’apprentissage
Modélisation de la distribution par des lois statistiques : Modèles paramétriques : laplacien, gaussien... Modèles non paramétriques : histogrammes bruts ou k.d.e.
Choix du meilleur modèleà l'aide du "Bayes Information Criterion"
Histogramme : distribution de la radiometrie
17/12/08 Séminaire thématique – thème 1
Probabilité a priori
Pour le pixel s :
Pour la région R :
Meilleure classe = classe la plus probable
Méthode mise en œuvre : classification
Classification : Plusieurs méthodes disponibles Maximum Likelihood (ML), MAP
classe = classe la plus probable connaissant le modèle
17/12/08 Séminaire thématique – thème 1
Méthode mise en œuvre : classification Classification : Plusieurs méthodes disponibles
Maximum Likelihood (ML), MAP classe = classe la plus probable connaissant le modèle
Comparaison de distributions de la radiométrie classe = classe dont la distribution radiométrique (donnée par le
modèle) est la plus proche (au sens d’une distance) de celle de la région à classer
Divergence entre distributions au sens de Kullback-Leibler Coefficient de dissimilarité entre distributions au sens du Chi2
17/12/08 Séminaire thématique – thème 1
Méthode mise en œuvre : classification Classification : Plusieurs méthodes disponibles
Maximum Likelihood (ML), MAP classe = classe la plus probable connaissant le modèle
Comparaison de distributions de la radiométrie classe = classe dont la distribution radiométrique (donnée par le
modèle) est la plus proche (au sens d’une distance) de celle de la région à classer
Divergence entre distributions au sens de Kullback-Leibler Coefficient de dissimilarité entre distributions au sens du Chi2
Classification par pixels, puis vote des pixels de la région
17/12/08 Séminaire thématique – thème 1
Méthode mise en œuvre : classification Utilisation d’associations de canaux
Modèle radiométrique n-dimensionnel avec n nombre de canaux utilisés…
Raisonnement du type : Canal 1 sépare bien classe A de classes B et C, mais pas B de C. Canal 2 sépare bien classe B de classes C et A, mais pas C de A.
Utilisation des canaux 1 et 2 en vue d’une meilleure distinction entre les 3 classes
Utilisation de canaux dérivés Calculés à partir des canaux rouge – vert – bleu (- proche
infrarouge) de l’ortho-image Passage dans un autre espace colorimétrique
Ex : intensité/teinte/saturation, … Indices calculés par combinaison des canaux originaux Canaux de texture
17/12/08 Séminaire thématique – thème 1
Stratégie mise en œuvre : canaux
Utilisation de canaux dérivés Ex : les canaux log_rs et log_rg
log_rs = log(rouge) - log(rouge + vert + bleu) Log_rg = log(rouge) – log(vert)
17/12/08 Séminaire thématique – thème 1
Stratégie mise en œuvre : canaux
Utilisation de canaux dérivés Ex : les canaux log_rs et log_rg
log_rs = log(rouge) - log(rouge + vert + bleu) Log_rg = log(rouge) – log(vert)
17/12/08 Séminaire thématique – thème 1
Stratégie mise en œuvre : bilan
17/12/08 Séminaire thématique – thème 1 31
Difficultés et sources d’imprécision
Rappel : masque des toitures imparfait Problèmes de superposition des bâtiments entre BD
vecteur et ortho-image Façades, voieries dans l’emprise Parties de toiture hors emprise
Pas nécessairement à jour Niveau de généralisation
Certaines cours intérieures non saisies Caricatures des emprises de certains bâtiments
Sur l’image, toiture masquée par des arbres
17/12/08 Séminaire thématique – thème 1 32
Difficultés et sources d’imprécision
Ressemblance radiométrique entre classes Identification des matériaux parfois difficile même pour un
opérateur
17/12/08 Séminaire thématique – thème 1 33
Difficultés et sources d’imprécision
Variations d'éclairement selon l’exposition du pan de toit Amplifie le phénomène précédent
17/12/08 Séminaire thématique – thème 1 34
Difficultés et sources d’imprécision
Variations d'éclairement selon l’exposition du pan de toit
Existence de zones d’ombres Bâtiments voisins plus hauts, superstructures…
Ajout d’une classe ombre pour les zones les plus sombres
17/12/08 Séminaire thématique – thème 1 35
Paris – Le Marais (BD Ortho 50 cm)
17/12/08 Séminaire thématique – thème 1 36
Paris – Le Marais (BD Ortho 50 cm)
Zone d’étude lors de précédents tests Classification manuelle sur un cadastre papier
Utilisation comme vérité terrain
Classification à l’aide du logiciel ERDAS Classification par pixel Beaucoup de classes
17/12/08 Séminaire thématique – thème 1 37
Influence de la méthode de classification
ML
17/12/08 Séminaire thématique – thème 1 38
Influence de la méthode de classification
MLMAP
17/12/08 Séminaire thématique – thème 1 39
Influence de la méthode de classification
MLMAPKL
17/12/08 Séminaire thématique – thème 1 40
Influence de la méthode de classification
MLMAPKLCHI2
17/12/08 Séminaire thématique – thème 1 41
Influence de la combinaison de canaux
rouge - bleu
17/12/08 Séminaire thématique – thème 1 42
Influence de la combinaison de canaux
rouge - bleurouge – log_rg
17/12/08 Séminaire thématique – thème 1 43
Influence de la combinaison de canaux
rouge - bleurouge – log_rgintensité – log_rs
17/12/08 Séminaire thématique – thème 1 44
Influence de la combinaison de canaux
rouge - bleurouge – log_rgintensité – log_rsintensité – log_rg
17/12/08 Séminaire thématique – thème 1 45
Evaluation
Evaluation à partir d’une vérité terrain saisie par un opérateur Calcul de matrices de confusion
17/12/08 Séminaire thématique – thème 1 46
Evaluation
Evaluation à partir d’une vérité terrain saisie par un opérateur Calcul de matrices de confusion
17/12/08 Séminaire thématique – thème 1 47
Evaluation
Evaluation à partir d’une vérité terrain saisie par un opérateur Calcul de matrices de confusion
17/12/08 Séminaire thématique – thème 1 48
Evaluation
Evaluation à partir d’une vérité terrain saisie par un opérateur Calcul de matrices de confusion
17/12/08 Séminaire thématique – thème 1 49
Evaluation
Zinc généralement bien détecté (sauf parfois zinc bleuté confondu avec ardoise)
Tuile rouge à la lumière bien classée Tuile rouge à l’ombre a tendance à être confondu avec tuile
brune Un certain nombre de confusions entre classes sombres
Zinc à l’ombre, ardoise, tuile brune, ombre
17/12/08 Séminaire thématique – thème 1 50
Paris – Le Marais (images aériennes 20 cm)
(
BD Ortho (50 cm) Cliché aérien (20 cm)
17/12/08 Séminaire thématique – thème 1
Paris – Le Marais (images aériennes 20 cm)
(
+ Meilleure résolution : Utilisation de canaux de texture possible
Zinc : motif périodique et directionnel
+ Canal proche infra-rouge Possibilité de tester son apport
17/12/08 Séminaire thématique – thème 1
Paris – Le Marais (images aériennes 20 cm)
(
- Clichés aériens non ortho-rectifiés Sans MNT, on ne peut pas appliquer le masque de
focalisation sur le bâti.
- Prise de vue hivernale : Soleil bas Zones d’ombre importantes Variations radiométriques entre pans de toit (et donc au
sein d’une même classe) également plus importantes.
17/12/08 Séminaire thématique – thème 1 53
Paris – Le Marais (images aériennes 20 cm)
(
Résultats Apprentissage et évaluation uniquement sur les zones
à la lumière.
77% de pixels bien classés pour une classification ML sur rouge/log_rg.Principales confusions :
- ardoises / tuiles brune / ombre [/ zinc à l’ombre ]- tuiles brunes / terrasse
17/12/08 Séminaire thématique – thème 1 54
Paris – Le Marais (images aériennes 20 cm)
(
Résultats Utilisation du canal proche infrarouge
Pas d’apport réel Comportement proche du canal rouge sur ces matériaux
Utilisation de la texture Utilité ?
plupart des confusions entre ardoises / tuiles brunes / ombre mais bonne distinction zinc / autres classes
Complexe à cause des zones d’ombres importantes
17/12/08 Séminaire thématique – thème 1 55
Noisy-le-Grand (ortho résolution 12,5 cm)
(
Excellente résolution Bonne radiométrie
Zone d'étude plus importante Différents types de tissu urbain :
Urbain dense résidentiel (Centre ville): immeubles 3–4 étages Urbain dense résidentiel et tertiaire : immeubles > 3-4 étages Pavillonnaire
17/12/08 Séminaire thématique – thème 1 56
Noisy-le-Grand (ortho résolution 12,5 cm)
(
17/12/08 Séminaire thématique – thème 1 57
Noisy-le-Grand (ortho résolution 12,5 cm)
(
17/12/08 Séminaire thématique – thème 1 58
Noisy-le-Grand (ortho résolution 12,5 cm)
(
17/12/08 Séminaire thématique – thème 1 59
Noisy-le-Grand (ortho résolution 12,5 cm)
(
17/12/08 Séminaire thématique – thème 1 60
Noisy-le-Grand (ortho résolution 12,5 cm)
(
17/12/08 Séminaire thématique – thème 1 61
Noisy-le-Grand (ortho résolution 12,5 cm)
(
17/12/08 Séminaire thématique – thème 1 62
Noisy-le-Grand (ortho résolution 12,5 cm)
(
17/12/08 Séminaire thématique – thème 1 63
Noisy-le-Grand (ortho résolution 12,5 cm)
(
Evaluation visuelle
Principales confusions Ardoise à la lumière / zinc Tuile brune / ardoise et tuile brune / terrasse Tuile rouge "Nord" / tuile brune
Mais souvent également difficile pour un opérateur...
17/12/08 Séminaire thématique – thème 1 64
Conclusion Bilan
Classification des toitures suivant leur matériau de couverture Un certain nombre de confusions entre classes très
ressemblantes Qu'en serait-il pour une classification manuelle ?
Perspectives Prise de vue aérienne à 10 cm sur Paris BATI 3D : informations sur la forme du toit
Calcul de la vraie surface de matériau (et non surface orthorectifiée) Paramètres pour la modélisation des émissions de métaux (pente,
longueur parcourue) Longueur de gouttière Possibilité de distinguer a priori les toits en terrasse
65
Merci de votre attention.
top related