travaux pratiques de télédétection spatiale i
TRANSCRIPT
1
Travaux
Pratiques de
Teacuteleacutedeacutetection
Spatiale I
2
Avant-propos
Ce manuel est le support principal des travaux pratiques de teacuteleacutedeacutetection spatiale du cours de teacuteleacutedeacutetection spatiale dispenseacute sur le Campus drsquoArlon Environnement Universiteacute de
Liegravege Belgique
Ce manuel est teacuteleacutechargeable gratuitement agrave lrsquoadresse web httporbiulgacbehandle2268143553
Les donneacutees associeacutees agrave ces travaux pratiques ne sont disponibles que pour les eacutetudiants inscrits agrave ce cours Le logiciel principalement utiliseacute dans ce TP est un logiciel payant (ENVI
de la firme EXELIS) Les autres logiciels utiliseacutes sont gratuits et disponibles sur le web
Pensez agrave lrsquoenvironnement avant drsquoimprimer ces notes
Ce manuel a eacuteteacute reacutedigeacute par Antoine DENIS Universiteacute de Liegravege (ULIEGE)
Arlon Campus Environnement Deacutepartement des Sciences et Gestion de lrsquoenvironnement
Uniteacute Eau Environnement Deacuteveloppement (EED) Avenue de Longwy 185
6700 Arlon Belgique AntoineDENISULIEGEbe
Merci de signaler toute erreur rencontreacutee dans ce manuel par email agrave lrsquoadresse ci-dessus
Les mises agrave jour de ce manuel seront disponibles via lrsquoadresse web ci-dessus
Version du 23 octobre 2019 Version provisoire Ameacutelioration et mise agrave jour partielle par rapport agrave la version du manuel de 2016
Sont eacutegalement disponibles du mecircme auteur les manuels de Travaux Pratiques
SIG - QGIS (le logiciel SIG gratuit de reacutefeacuterence httporbiulgacbehandle2268190559 (2016)
SIG - ArcGIS httpsorbiulgacbehandle2268135775 (2012)
Images de couverture images extraites du livre laquo EARTH as ART raquo NASA disponible agrave lrsquoadresse httpwwwnasagovconnectebooksearth_art_detailhtml et vue drsquoartiste du satellite laquo Sentinel 2 raquo
Comment citer ce manuel laquo Travaux Pratiques de teacuteleacutedeacutetection spatiale Antoine DENIS 2013 Arlon
Campus Environnement Universiteacute de Liegravege Belgique raquo
Nrsquoimprimez pas ces notes Si vous devez les imprimer utilisez le verso de feuilles deacutejagrave utiliseacutees imprimez recto-verso etou imprimez en 2 pages par feuilles
3
Table des matiegraveres
Avant-propos 1
Table des matiegraveres 3
1 Objectifs du manuel 7
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique 8
21 Deacutefinition 8
22 Principe 9
221 Reacuteflectance solaire 9
23 Exemples drsquoapplications 10
3 Introduction au TP avec laquo Google Earth Pro raquo 12
4 Pratique de la teacuteleacutedeacutetection spatiale 14
41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI 14
411 Les 2 interfaces drsquoENVI 14
412 Ouvrir ENVI 15
413 Trouver de lrsquoaide dans ENVI 15
42 Exploration drsquoimages satellites dans ENVI Zoom 15
421 Ouverture drsquoun fichier dans ENVIZoom 15
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages 16
423 Exploration drsquoimages satellites dans ENVI 18
424 Ouverture drsquoune image dans ENVI 18
425 Modification du reacutepertoire de travail par deacutefaut 20
426 Accegraves aux informations drsquoune image 21
4261 Cursor Location Valuehellip 21
4262 Pixel Locatorhellip 21
4263 Le laquo Header file raquo (fichier drsquoaccompagnement) 21
4264 Quick Statshellip 22
4265 Outil de mesures (distance superficie) 22
43 Analyse temporelle 23
431 Analyse temporelle visuelle (avec ENVI) 23
4
4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence 24
4312 Modification de la symbologie 24
432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI) 26
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V 28
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT 29
4351 Objectifs 29
4352 Utiliteacute 30
4353 Preacutesentation du logiciel utiliseacute TIMESAT 30
4354 Teacuteleacutechargement de TIMESAT 31
4355 Installation de TIMESAT 31
4356 Deacutemarrage de TIMESAT 32
4357 Utilisation de TIMESAT 34
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM 35
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM) 37
46 Correction geacuteomeacutetrique 39
47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale 42
472 Observation drsquoune image 43
4721 Observation drsquoune image en 2D 43
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM) 43
4723 Identification des classes drsquooccupation du sol 44
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image 45
4725 Outil laquo Animation raquo 45
4726 Ameacutelioration de contraste 46
473 Classification drsquoune image 46
4731 Classification non-superviseacutee 46
4732 Classification superviseacutee 47
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol 47
47322 Deacutefinition du nombre de classes spectrales 47
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe 48
47324 Creacuteation de ROIs dans ENVI 50
47325 Classification drsquoune image (classification superviseacutee) 53
474 Validation de la classification superviseacutee matrice de confusion 53
5
4741 Seacutelection des aires de validation (ROI de validation) 53
4742 Calcul de la matrice de confusion ou table de contingence 54
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel 55
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique 55
4761 Mise en page cartographique dans ENVI (limiteacute) 55
4762 Exportation drsquoune image depuis ENVI (facultatif) 56
4763 Mise en page cartographique dans QGIS 56
4764 Mise en page cartographique dans ArcGIS 56
48 Creacuteation de Neacuteo-canaux 58
481 Analyse en Composante Principale (ACP) 58
482 Creacuteation drsquoun indice laquo NDVI raquo 59
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo 59
484 Creacuteation drsquoautres indices 60
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image 61
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol 61
492 Distribution spectrale dans un graphique 2D (2D Scatter plot) 62
493 Calcul de statistiques par ROI 64
494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale 64
495 Classes spectrales uni-modales et multimodales 67
410 Manipulation de donneacutees hyperspectrales 68
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD) 69
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA) 71
41021 Preacutesentation de lrsquoimage hyperspectrale 71
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale 71
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo 73
6 Recherche drsquoimages satellites sur le web 74
7 Sites web inteacuteressants 78
71 Applications environnementales 78
72 Supports peacutedagogiques 78
73 Divers 78
8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes 80
6
81 Le programme COPERNICUS et le SERTIT 80
82 Exemples suppleacutementaires par outils ou theacutematique 82
9 Quelques logiciels de teacuteleacutedeacutetection spatiale 88
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites 89
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation 92
Annexe 3 - Matrice de confusion dans ENVI 97
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 100
Annexe 5 - Illustrations suppleacutementaires 102
Annexe 6 - Wavelength in electromagnetic spectrum 103
7
1 Objectifs du manuel
Ce manuel preacutesente une seacuterie drsquoexercices simples agrave reacutealiser dans le cadre drsquoune premiegravere
approche de la teacuteleacutedeacutetection spatiale
Dans le cadre de ce manuel vous serez initieacutes agrave la pratique de la teacuteleacutedeacutetection spatiale En
particulier ce manuel vise agrave vous rendre capable de reacutealiser les opeacuterations suivantes
Visualiser en 2D et en 3D des images issues de la teacuteleacutedeacutetection spatiale
Comprendre et expliquer diffeacuterents types drsquoimages
o Reacutesolutions
o Format
o Signification dans le monde reacuteel
o hellip
Manipuler diffeacuterents types drsquoimages agrave lrsquoaide de diffeacuterents logiciels speacutecialiseacutes
o Images multispectrales et hyperspectrales
o Images basse et haute reacutesolutions spatiales
o Images mono et multi-temporelles
Produire de nouvelles informations agrave partir de traitements appliqueacutes sur des images
o Calcul drsquoindices spectraux
o Analyse de changement temporel
o Classification drsquoimage en vue de la reacutealisation drsquoune carte drsquooccupation du sol
o Correction geacuteomeacutetrique drsquoimages
o hellip
Rechercher des images satellites sur le web
8
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
21 Deacutefinition
La teacuteleacutedeacutetection (deacutetection agrave distance Remote Sensing (RS) en anglais) deacutesigne dans son
acception la plus large la mesure ou lacquisition dinformations sur un objet ou un
pheacutenomegravene par lintermeacutediaire dun instrument de mesure nayant pas de contact avec
lobjet eacutetudieacute (Figure 1)
Cest lutilisation agrave distance (par exemple dun avion dun engin spatial dun satellite ou
encore dun bateau) de nimporte quel type dinstrument permettant lacquisition
dinformations sur lenvironnement On fait souvent appel agrave des instruments tels
qursquoappareils photographiques lasers radars sonars sismographes ou gravimegravetres
Figure 1 Principe de la teacuteleacutedeacutetection spatiale (Source httpwwwalertes-meteocom)
9
Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute
Ozer)
Teacuteleacutedeacutetection passive enregistrement du rayonnement naturel fourni par la lumiegravere
ou la chaleur qursquoil soit eacutemis reacutefleacutechi ou reacutefracteacute (ex photographies aeacuteriennes du
paysage eacuteclaireacute par la lumiegravere du soleil ainsi que certaines images satellitaires comme
(SPOT LANDSAT IKONOShellip)
Teacuteleacutedeacutetection active enregistrement du rayonnement que reacutefleacutechit lrsquoobjet ou le
paysage laquo illumineacute raquo par lrsquoopeacuterateur (ex images radar)
La teacuteleacutedeacutetection spatiale dans le domaine de lastronautique est lensemble des
connaissances et des techniques utiliseacutees pour deacuteterminer les caracteacuteristiques de la surface
et de latmosphegravere de la Terre ou dune autre planegravete par des mesures effectueacutees agrave partir
dun engin spatial eacutevoluant agrave distance convenable de cette derniegravere Le terme correspondant
en anglais est laquo remote sensing from space raquo
22 Principe
Ce type de meacutethode dacquisition utilise normalement la mesure des rayonnements
eacutelectromagneacutetiques eacutemis ou reacutefleacutechis des objets eacutetudieacutes dans un certain domaine de
freacutequence (infrarouge visible micro-ondes - Voir Annexe 5) Ceci est rendu possible par le
fait que les objets eacutetudieacutes (plantes maisons surfaces deau ou masses dair) eacutemettent ou
reacutefleacutechissent du rayonnement agrave diffeacuterentes longueurs donde et intensiteacutes selon leur eacutetat
Certains instruments de teacuteleacutedeacutetection utilisent des ondes sonores de faccedilon similaire et
dautres mesurent des variations dans des champs magneacutetiques ou gravitaires
221 Reacuteflectance solaire
La reacuteflectance solaire se deacutefinit comme le rapport entre leacutenergie solaire reacutefleacutechie et
leacutenergie solaire incidente sur une surface (Energie Solaire Reacutefleacutechie Energie Solaire
Incidente (Figure 2) Par exemple une reacuteflectance de 100 signifie que la surface en question
reacutefleacutechit toute leacutenergie solaire dans latmosphegravere et nen absorbe aucune fraction
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
2
Avant-propos
Ce manuel est le support principal des travaux pratiques de teacuteleacutedeacutetection spatiale du cours de teacuteleacutedeacutetection spatiale dispenseacute sur le Campus drsquoArlon Environnement Universiteacute de
Liegravege Belgique
Ce manuel est teacuteleacutechargeable gratuitement agrave lrsquoadresse web httporbiulgacbehandle2268143553
Les donneacutees associeacutees agrave ces travaux pratiques ne sont disponibles que pour les eacutetudiants inscrits agrave ce cours Le logiciel principalement utiliseacute dans ce TP est un logiciel payant (ENVI
de la firme EXELIS) Les autres logiciels utiliseacutes sont gratuits et disponibles sur le web
Pensez agrave lrsquoenvironnement avant drsquoimprimer ces notes
Ce manuel a eacuteteacute reacutedigeacute par Antoine DENIS Universiteacute de Liegravege (ULIEGE)
Arlon Campus Environnement Deacutepartement des Sciences et Gestion de lrsquoenvironnement
Uniteacute Eau Environnement Deacuteveloppement (EED) Avenue de Longwy 185
6700 Arlon Belgique AntoineDENISULIEGEbe
Merci de signaler toute erreur rencontreacutee dans ce manuel par email agrave lrsquoadresse ci-dessus
Les mises agrave jour de ce manuel seront disponibles via lrsquoadresse web ci-dessus
Version du 23 octobre 2019 Version provisoire Ameacutelioration et mise agrave jour partielle par rapport agrave la version du manuel de 2016
Sont eacutegalement disponibles du mecircme auteur les manuels de Travaux Pratiques
SIG - QGIS (le logiciel SIG gratuit de reacutefeacuterence httporbiulgacbehandle2268190559 (2016)
SIG - ArcGIS httpsorbiulgacbehandle2268135775 (2012)
Images de couverture images extraites du livre laquo EARTH as ART raquo NASA disponible agrave lrsquoadresse httpwwwnasagovconnectebooksearth_art_detailhtml et vue drsquoartiste du satellite laquo Sentinel 2 raquo
Comment citer ce manuel laquo Travaux Pratiques de teacuteleacutedeacutetection spatiale Antoine DENIS 2013 Arlon
Campus Environnement Universiteacute de Liegravege Belgique raquo
Nrsquoimprimez pas ces notes Si vous devez les imprimer utilisez le verso de feuilles deacutejagrave utiliseacutees imprimez recto-verso etou imprimez en 2 pages par feuilles
3
Table des matiegraveres
Avant-propos 1
Table des matiegraveres 3
1 Objectifs du manuel 7
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique 8
21 Deacutefinition 8
22 Principe 9
221 Reacuteflectance solaire 9
23 Exemples drsquoapplications 10
3 Introduction au TP avec laquo Google Earth Pro raquo 12
4 Pratique de la teacuteleacutedeacutetection spatiale 14
41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI 14
411 Les 2 interfaces drsquoENVI 14
412 Ouvrir ENVI 15
413 Trouver de lrsquoaide dans ENVI 15
42 Exploration drsquoimages satellites dans ENVI Zoom 15
421 Ouverture drsquoun fichier dans ENVIZoom 15
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages 16
423 Exploration drsquoimages satellites dans ENVI 18
424 Ouverture drsquoune image dans ENVI 18
425 Modification du reacutepertoire de travail par deacutefaut 20
426 Accegraves aux informations drsquoune image 21
4261 Cursor Location Valuehellip 21
4262 Pixel Locatorhellip 21
4263 Le laquo Header file raquo (fichier drsquoaccompagnement) 21
4264 Quick Statshellip 22
4265 Outil de mesures (distance superficie) 22
43 Analyse temporelle 23
431 Analyse temporelle visuelle (avec ENVI) 23
4
4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence 24
4312 Modification de la symbologie 24
432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI) 26
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V 28
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT 29
4351 Objectifs 29
4352 Utiliteacute 30
4353 Preacutesentation du logiciel utiliseacute TIMESAT 30
4354 Teacuteleacutechargement de TIMESAT 31
4355 Installation de TIMESAT 31
4356 Deacutemarrage de TIMESAT 32
4357 Utilisation de TIMESAT 34
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM 35
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM) 37
46 Correction geacuteomeacutetrique 39
47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale 42
472 Observation drsquoune image 43
4721 Observation drsquoune image en 2D 43
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM) 43
4723 Identification des classes drsquooccupation du sol 44
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image 45
4725 Outil laquo Animation raquo 45
4726 Ameacutelioration de contraste 46
473 Classification drsquoune image 46
4731 Classification non-superviseacutee 46
4732 Classification superviseacutee 47
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol 47
47322 Deacutefinition du nombre de classes spectrales 47
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe 48
47324 Creacuteation de ROIs dans ENVI 50
47325 Classification drsquoune image (classification superviseacutee) 53
474 Validation de la classification superviseacutee matrice de confusion 53
5
4741 Seacutelection des aires de validation (ROI de validation) 53
4742 Calcul de la matrice de confusion ou table de contingence 54
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel 55
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique 55
4761 Mise en page cartographique dans ENVI (limiteacute) 55
4762 Exportation drsquoune image depuis ENVI (facultatif) 56
4763 Mise en page cartographique dans QGIS 56
4764 Mise en page cartographique dans ArcGIS 56
48 Creacuteation de Neacuteo-canaux 58
481 Analyse en Composante Principale (ACP) 58
482 Creacuteation drsquoun indice laquo NDVI raquo 59
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo 59
484 Creacuteation drsquoautres indices 60
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image 61
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol 61
492 Distribution spectrale dans un graphique 2D (2D Scatter plot) 62
493 Calcul de statistiques par ROI 64
494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale 64
495 Classes spectrales uni-modales et multimodales 67
410 Manipulation de donneacutees hyperspectrales 68
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD) 69
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA) 71
41021 Preacutesentation de lrsquoimage hyperspectrale 71
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale 71
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo 73
6 Recherche drsquoimages satellites sur le web 74
7 Sites web inteacuteressants 78
71 Applications environnementales 78
72 Supports peacutedagogiques 78
73 Divers 78
8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes 80
6
81 Le programme COPERNICUS et le SERTIT 80
82 Exemples suppleacutementaires par outils ou theacutematique 82
9 Quelques logiciels de teacuteleacutedeacutetection spatiale 88
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites 89
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation 92
Annexe 3 - Matrice de confusion dans ENVI 97
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 100
Annexe 5 - Illustrations suppleacutementaires 102
Annexe 6 - Wavelength in electromagnetic spectrum 103
7
1 Objectifs du manuel
Ce manuel preacutesente une seacuterie drsquoexercices simples agrave reacutealiser dans le cadre drsquoune premiegravere
approche de la teacuteleacutedeacutetection spatiale
Dans le cadre de ce manuel vous serez initieacutes agrave la pratique de la teacuteleacutedeacutetection spatiale En
particulier ce manuel vise agrave vous rendre capable de reacutealiser les opeacuterations suivantes
Visualiser en 2D et en 3D des images issues de la teacuteleacutedeacutetection spatiale
Comprendre et expliquer diffeacuterents types drsquoimages
o Reacutesolutions
o Format
o Signification dans le monde reacuteel
o hellip
Manipuler diffeacuterents types drsquoimages agrave lrsquoaide de diffeacuterents logiciels speacutecialiseacutes
o Images multispectrales et hyperspectrales
o Images basse et haute reacutesolutions spatiales
o Images mono et multi-temporelles
Produire de nouvelles informations agrave partir de traitements appliqueacutes sur des images
o Calcul drsquoindices spectraux
o Analyse de changement temporel
o Classification drsquoimage en vue de la reacutealisation drsquoune carte drsquooccupation du sol
o Correction geacuteomeacutetrique drsquoimages
o hellip
Rechercher des images satellites sur le web
8
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
21 Deacutefinition
La teacuteleacutedeacutetection (deacutetection agrave distance Remote Sensing (RS) en anglais) deacutesigne dans son
acception la plus large la mesure ou lacquisition dinformations sur un objet ou un
pheacutenomegravene par lintermeacutediaire dun instrument de mesure nayant pas de contact avec
lobjet eacutetudieacute (Figure 1)
Cest lutilisation agrave distance (par exemple dun avion dun engin spatial dun satellite ou
encore dun bateau) de nimporte quel type dinstrument permettant lacquisition
dinformations sur lenvironnement On fait souvent appel agrave des instruments tels
qursquoappareils photographiques lasers radars sonars sismographes ou gravimegravetres
Figure 1 Principe de la teacuteleacutedeacutetection spatiale (Source httpwwwalertes-meteocom)
9
Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute
Ozer)
Teacuteleacutedeacutetection passive enregistrement du rayonnement naturel fourni par la lumiegravere
ou la chaleur qursquoil soit eacutemis reacutefleacutechi ou reacutefracteacute (ex photographies aeacuteriennes du
paysage eacuteclaireacute par la lumiegravere du soleil ainsi que certaines images satellitaires comme
(SPOT LANDSAT IKONOShellip)
Teacuteleacutedeacutetection active enregistrement du rayonnement que reacutefleacutechit lrsquoobjet ou le
paysage laquo illumineacute raquo par lrsquoopeacuterateur (ex images radar)
La teacuteleacutedeacutetection spatiale dans le domaine de lastronautique est lensemble des
connaissances et des techniques utiliseacutees pour deacuteterminer les caracteacuteristiques de la surface
et de latmosphegravere de la Terre ou dune autre planegravete par des mesures effectueacutees agrave partir
dun engin spatial eacutevoluant agrave distance convenable de cette derniegravere Le terme correspondant
en anglais est laquo remote sensing from space raquo
22 Principe
Ce type de meacutethode dacquisition utilise normalement la mesure des rayonnements
eacutelectromagneacutetiques eacutemis ou reacutefleacutechis des objets eacutetudieacutes dans un certain domaine de
freacutequence (infrarouge visible micro-ondes - Voir Annexe 5) Ceci est rendu possible par le
fait que les objets eacutetudieacutes (plantes maisons surfaces deau ou masses dair) eacutemettent ou
reacutefleacutechissent du rayonnement agrave diffeacuterentes longueurs donde et intensiteacutes selon leur eacutetat
Certains instruments de teacuteleacutedeacutetection utilisent des ondes sonores de faccedilon similaire et
dautres mesurent des variations dans des champs magneacutetiques ou gravitaires
221 Reacuteflectance solaire
La reacuteflectance solaire se deacutefinit comme le rapport entre leacutenergie solaire reacutefleacutechie et
leacutenergie solaire incidente sur une surface (Energie Solaire Reacutefleacutechie Energie Solaire
Incidente (Figure 2) Par exemple une reacuteflectance de 100 signifie que la surface en question
reacutefleacutechit toute leacutenergie solaire dans latmosphegravere et nen absorbe aucune fraction
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
3
Table des matiegraveres
Avant-propos 1
Table des matiegraveres 3
1 Objectifs du manuel 7
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique 8
21 Deacutefinition 8
22 Principe 9
221 Reacuteflectance solaire 9
23 Exemples drsquoapplications 10
3 Introduction au TP avec laquo Google Earth Pro raquo 12
4 Pratique de la teacuteleacutedeacutetection spatiale 14
41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI 14
411 Les 2 interfaces drsquoENVI 14
412 Ouvrir ENVI 15
413 Trouver de lrsquoaide dans ENVI 15
42 Exploration drsquoimages satellites dans ENVI Zoom 15
421 Ouverture drsquoun fichier dans ENVIZoom 15
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages 16
423 Exploration drsquoimages satellites dans ENVI 18
424 Ouverture drsquoune image dans ENVI 18
425 Modification du reacutepertoire de travail par deacutefaut 20
426 Accegraves aux informations drsquoune image 21
4261 Cursor Location Valuehellip 21
4262 Pixel Locatorhellip 21
4263 Le laquo Header file raquo (fichier drsquoaccompagnement) 21
4264 Quick Statshellip 22
4265 Outil de mesures (distance superficie) 22
43 Analyse temporelle 23
431 Analyse temporelle visuelle (avec ENVI) 23
4
4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence 24
4312 Modification de la symbologie 24
432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI) 26
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V 28
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT 29
4351 Objectifs 29
4352 Utiliteacute 30
4353 Preacutesentation du logiciel utiliseacute TIMESAT 30
4354 Teacuteleacutechargement de TIMESAT 31
4355 Installation de TIMESAT 31
4356 Deacutemarrage de TIMESAT 32
4357 Utilisation de TIMESAT 34
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM 35
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM) 37
46 Correction geacuteomeacutetrique 39
47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale 42
472 Observation drsquoune image 43
4721 Observation drsquoune image en 2D 43
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM) 43
4723 Identification des classes drsquooccupation du sol 44
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image 45
4725 Outil laquo Animation raquo 45
4726 Ameacutelioration de contraste 46
473 Classification drsquoune image 46
4731 Classification non-superviseacutee 46
4732 Classification superviseacutee 47
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol 47
47322 Deacutefinition du nombre de classes spectrales 47
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe 48
47324 Creacuteation de ROIs dans ENVI 50
47325 Classification drsquoune image (classification superviseacutee) 53
474 Validation de la classification superviseacutee matrice de confusion 53
5
4741 Seacutelection des aires de validation (ROI de validation) 53
4742 Calcul de la matrice de confusion ou table de contingence 54
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel 55
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique 55
4761 Mise en page cartographique dans ENVI (limiteacute) 55
4762 Exportation drsquoune image depuis ENVI (facultatif) 56
4763 Mise en page cartographique dans QGIS 56
4764 Mise en page cartographique dans ArcGIS 56
48 Creacuteation de Neacuteo-canaux 58
481 Analyse en Composante Principale (ACP) 58
482 Creacuteation drsquoun indice laquo NDVI raquo 59
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo 59
484 Creacuteation drsquoautres indices 60
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image 61
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol 61
492 Distribution spectrale dans un graphique 2D (2D Scatter plot) 62
493 Calcul de statistiques par ROI 64
494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale 64
495 Classes spectrales uni-modales et multimodales 67
410 Manipulation de donneacutees hyperspectrales 68
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD) 69
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA) 71
41021 Preacutesentation de lrsquoimage hyperspectrale 71
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale 71
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo 73
6 Recherche drsquoimages satellites sur le web 74
7 Sites web inteacuteressants 78
71 Applications environnementales 78
72 Supports peacutedagogiques 78
73 Divers 78
8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes 80
6
81 Le programme COPERNICUS et le SERTIT 80
82 Exemples suppleacutementaires par outils ou theacutematique 82
9 Quelques logiciels de teacuteleacutedeacutetection spatiale 88
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites 89
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation 92
Annexe 3 - Matrice de confusion dans ENVI 97
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 100
Annexe 5 - Illustrations suppleacutementaires 102
Annexe 6 - Wavelength in electromagnetic spectrum 103
7
1 Objectifs du manuel
Ce manuel preacutesente une seacuterie drsquoexercices simples agrave reacutealiser dans le cadre drsquoune premiegravere
approche de la teacuteleacutedeacutetection spatiale
Dans le cadre de ce manuel vous serez initieacutes agrave la pratique de la teacuteleacutedeacutetection spatiale En
particulier ce manuel vise agrave vous rendre capable de reacutealiser les opeacuterations suivantes
Visualiser en 2D et en 3D des images issues de la teacuteleacutedeacutetection spatiale
Comprendre et expliquer diffeacuterents types drsquoimages
o Reacutesolutions
o Format
o Signification dans le monde reacuteel
o hellip
Manipuler diffeacuterents types drsquoimages agrave lrsquoaide de diffeacuterents logiciels speacutecialiseacutes
o Images multispectrales et hyperspectrales
o Images basse et haute reacutesolutions spatiales
o Images mono et multi-temporelles
Produire de nouvelles informations agrave partir de traitements appliqueacutes sur des images
o Calcul drsquoindices spectraux
o Analyse de changement temporel
o Classification drsquoimage en vue de la reacutealisation drsquoune carte drsquooccupation du sol
o Correction geacuteomeacutetrique drsquoimages
o hellip
Rechercher des images satellites sur le web
8
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
21 Deacutefinition
La teacuteleacutedeacutetection (deacutetection agrave distance Remote Sensing (RS) en anglais) deacutesigne dans son
acception la plus large la mesure ou lacquisition dinformations sur un objet ou un
pheacutenomegravene par lintermeacutediaire dun instrument de mesure nayant pas de contact avec
lobjet eacutetudieacute (Figure 1)
Cest lutilisation agrave distance (par exemple dun avion dun engin spatial dun satellite ou
encore dun bateau) de nimporte quel type dinstrument permettant lacquisition
dinformations sur lenvironnement On fait souvent appel agrave des instruments tels
qursquoappareils photographiques lasers radars sonars sismographes ou gravimegravetres
Figure 1 Principe de la teacuteleacutedeacutetection spatiale (Source httpwwwalertes-meteocom)
9
Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute
Ozer)
Teacuteleacutedeacutetection passive enregistrement du rayonnement naturel fourni par la lumiegravere
ou la chaleur qursquoil soit eacutemis reacutefleacutechi ou reacutefracteacute (ex photographies aeacuteriennes du
paysage eacuteclaireacute par la lumiegravere du soleil ainsi que certaines images satellitaires comme
(SPOT LANDSAT IKONOShellip)
Teacuteleacutedeacutetection active enregistrement du rayonnement que reacutefleacutechit lrsquoobjet ou le
paysage laquo illumineacute raquo par lrsquoopeacuterateur (ex images radar)
La teacuteleacutedeacutetection spatiale dans le domaine de lastronautique est lensemble des
connaissances et des techniques utiliseacutees pour deacuteterminer les caracteacuteristiques de la surface
et de latmosphegravere de la Terre ou dune autre planegravete par des mesures effectueacutees agrave partir
dun engin spatial eacutevoluant agrave distance convenable de cette derniegravere Le terme correspondant
en anglais est laquo remote sensing from space raquo
22 Principe
Ce type de meacutethode dacquisition utilise normalement la mesure des rayonnements
eacutelectromagneacutetiques eacutemis ou reacutefleacutechis des objets eacutetudieacutes dans un certain domaine de
freacutequence (infrarouge visible micro-ondes - Voir Annexe 5) Ceci est rendu possible par le
fait que les objets eacutetudieacutes (plantes maisons surfaces deau ou masses dair) eacutemettent ou
reacutefleacutechissent du rayonnement agrave diffeacuterentes longueurs donde et intensiteacutes selon leur eacutetat
Certains instruments de teacuteleacutedeacutetection utilisent des ondes sonores de faccedilon similaire et
dautres mesurent des variations dans des champs magneacutetiques ou gravitaires
221 Reacuteflectance solaire
La reacuteflectance solaire se deacutefinit comme le rapport entre leacutenergie solaire reacutefleacutechie et
leacutenergie solaire incidente sur une surface (Energie Solaire Reacutefleacutechie Energie Solaire
Incidente (Figure 2) Par exemple une reacuteflectance de 100 signifie que la surface en question
reacutefleacutechit toute leacutenergie solaire dans latmosphegravere et nen absorbe aucune fraction
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
4
4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence 24
4312 Modification de la symbologie 24
432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI) 26
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V 28
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT 29
4351 Objectifs 29
4352 Utiliteacute 30
4353 Preacutesentation du logiciel utiliseacute TIMESAT 30
4354 Teacuteleacutechargement de TIMESAT 31
4355 Installation de TIMESAT 31
4356 Deacutemarrage de TIMESAT 32
4357 Utilisation de TIMESAT 34
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM 35
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM) 37
46 Correction geacuteomeacutetrique 39
47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale 42
472 Observation drsquoune image 43
4721 Observation drsquoune image en 2D 43
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM) 43
4723 Identification des classes drsquooccupation du sol 44
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image 45
4725 Outil laquo Animation raquo 45
4726 Ameacutelioration de contraste 46
473 Classification drsquoune image 46
4731 Classification non-superviseacutee 46
4732 Classification superviseacutee 47
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol 47
47322 Deacutefinition du nombre de classes spectrales 47
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe 48
47324 Creacuteation de ROIs dans ENVI 50
47325 Classification drsquoune image (classification superviseacutee) 53
474 Validation de la classification superviseacutee matrice de confusion 53
5
4741 Seacutelection des aires de validation (ROI de validation) 53
4742 Calcul de la matrice de confusion ou table de contingence 54
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel 55
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique 55
4761 Mise en page cartographique dans ENVI (limiteacute) 55
4762 Exportation drsquoune image depuis ENVI (facultatif) 56
4763 Mise en page cartographique dans QGIS 56
4764 Mise en page cartographique dans ArcGIS 56
48 Creacuteation de Neacuteo-canaux 58
481 Analyse en Composante Principale (ACP) 58
482 Creacuteation drsquoun indice laquo NDVI raquo 59
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo 59
484 Creacuteation drsquoautres indices 60
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image 61
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol 61
492 Distribution spectrale dans un graphique 2D (2D Scatter plot) 62
493 Calcul de statistiques par ROI 64
494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale 64
495 Classes spectrales uni-modales et multimodales 67
410 Manipulation de donneacutees hyperspectrales 68
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD) 69
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA) 71
41021 Preacutesentation de lrsquoimage hyperspectrale 71
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale 71
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo 73
6 Recherche drsquoimages satellites sur le web 74
7 Sites web inteacuteressants 78
71 Applications environnementales 78
72 Supports peacutedagogiques 78
73 Divers 78
8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes 80
6
81 Le programme COPERNICUS et le SERTIT 80
82 Exemples suppleacutementaires par outils ou theacutematique 82
9 Quelques logiciels de teacuteleacutedeacutetection spatiale 88
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites 89
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation 92
Annexe 3 - Matrice de confusion dans ENVI 97
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 100
Annexe 5 - Illustrations suppleacutementaires 102
Annexe 6 - Wavelength in electromagnetic spectrum 103
7
1 Objectifs du manuel
Ce manuel preacutesente une seacuterie drsquoexercices simples agrave reacutealiser dans le cadre drsquoune premiegravere
approche de la teacuteleacutedeacutetection spatiale
Dans le cadre de ce manuel vous serez initieacutes agrave la pratique de la teacuteleacutedeacutetection spatiale En
particulier ce manuel vise agrave vous rendre capable de reacutealiser les opeacuterations suivantes
Visualiser en 2D et en 3D des images issues de la teacuteleacutedeacutetection spatiale
Comprendre et expliquer diffeacuterents types drsquoimages
o Reacutesolutions
o Format
o Signification dans le monde reacuteel
o hellip
Manipuler diffeacuterents types drsquoimages agrave lrsquoaide de diffeacuterents logiciels speacutecialiseacutes
o Images multispectrales et hyperspectrales
o Images basse et haute reacutesolutions spatiales
o Images mono et multi-temporelles
Produire de nouvelles informations agrave partir de traitements appliqueacutes sur des images
o Calcul drsquoindices spectraux
o Analyse de changement temporel
o Classification drsquoimage en vue de la reacutealisation drsquoune carte drsquooccupation du sol
o Correction geacuteomeacutetrique drsquoimages
o hellip
Rechercher des images satellites sur le web
8
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
21 Deacutefinition
La teacuteleacutedeacutetection (deacutetection agrave distance Remote Sensing (RS) en anglais) deacutesigne dans son
acception la plus large la mesure ou lacquisition dinformations sur un objet ou un
pheacutenomegravene par lintermeacutediaire dun instrument de mesure nayant pas de contact avec
lobjet eacutetudieacute (Figure 1)
Cest lutilisation agrave distance (par exemple dun avion dun engin spatial dun satellite ou
encore dun bateau) de nimporte quel type dinstrument permettant lacquisition
dinformations sur lenvironnement On fait souvent appel agrave des instruments tels
qursquoappareils photographiques lasers radars sonars sismographes ou gravimegravetres
Figure 1 Principe de la teacuteleacutedeacutetection spatiale (Source httpwwwalertes-meteocom)
9
Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute
Ozer)
Teacuteleacutedeacutetection passive enregistrement du rayonnement naturel fourni par la lumiegravere
ou la chaleur qursquoil soit eacutemis reacutefleacutechi ou reacutefracteacute (ex photographies aeacuteriennes du
paysage eacuteclaireacute par la lumiegravere du soleil ainsi que certaines images satellitaires comme
(SPOT LANDSAT IKONOShellip)
Teacuteleacutedeacutetection active enregistrement du rayonnement que reacutefleacutechit lrsquoobjet ou le
paysage laquo illumineacute raquo par lrsquoopeacuterateur (ex images radar)
La teacuteleacutedeacutetection spatiale dans le domaine de lastronautique est lensemble des
connaissances et des techniques utiliseacutees pour deacuteterminer les caracteacuteristiques de la surface
et de latmosphegravere de la Terre ou dune autre planegravete par des mesures effectueacutees agrave partir
dun engin spatial eacutevoluant agrave distance convenable de cette derniegravere Le terme correspondant
en anglais est laquo remote sensing from space raquo
22 Principe
Ce type de meacutethode dacquisition utilise normalement la mesure des rayonnements
eacutelectromagneacutetiques eacutemis ou reacutefleacutechis des objets eacutetudieacutes dans un certain domaine de
freacutequence (infrarouge visible micro-ondes - Voir Annexe 5) Ceci est rendu possible par le
fait que les objets eacutetudieacutes (plantes maisons surfaces deau ou masses dair) eacutemettent ou
reacutefleacutechissent du rayonnement agrave diffeacuterentes longueurs donde et intensiteacutes selon leur eacutetat
Certains instruments de teacuteleacutedeacutetection utilisent des ondes sonores de faccedilon similaire et
dautres mesurent des variations dans des champs magneacutetiques ou gravitaires
221 Reacuteflectance solaire
La reacuteflectance solaire se deacutefinit comme le rapport entre leacutenergie solaire reacutefleacutechie et
leacutenergie solaire incidente sur une surface (Energie Solaire Reacutefleacutechie Energie Solaire
Incidente (Figure 2) Par exemple une reacuteflectance de 100 signifie que la surface en question
reacutefleacutechit toute leacutenergie solaire dans latmosphegravere et nen absorbe aucune fraction
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
5
4741 Seacutelection des aires de validation (ROI de validation) 53
4742 Calcul de la matrice de confusion ou table de contingence 54
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel 55
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique 55
4761 Mise en page cartographique dans ENVI (limiteacute) 55
4762 Exportation drsquoune image depuis ENVI (facultatif) 56
4763 Mise en page cartographique dans QGIS 56
4764 Mise en page cartographique dans ArcGIS 56
48 Creacuteation de Neacuteo-canaux 58
481 Analyse en Composante Principale (ACP) 58
482 Creacuteation drsquoun indice laquo NDVI raquo 59
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo 59
484 Creacuteation drsquoautres indices 60
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image 61
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol 61
492 Distribution spectrale dans un graphique 2D (2D Scatter plot) 62
493 Calcul de statistiques par ROI 64
494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale 64
495 Classes spectrales uni-modales et multimodales 67
410 Manipulation de donneacutees hyperspectrales 68
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD) 69
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA) 71
41021 Preacutesentation de lrsquoimage hyperspectrale 71
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale 71
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo 73
6 Recherche drsquoimages satellites sur le web 74
7 Sites web inteacuteressants 78
71 Applications environnementales 78
72 Supports peacutedagogiques 78
73 Divers 78
8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes 80
6
81 Le programme COPERNICUS et le SERTIT 80
82 Exemples suppleacutementaires par outils ou theacutematique 82
9 Quelques logiciels de teacuteleacutedeacutetection spatiale 88
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites 89
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation 92
Annexe 3 - Matrice de confusion dans ENVI 97
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 100
Annexe 5 - Illustrations suppleacutementaires 102
Annexe 6 - Wavelength in electromagnetic spectrum 103
7
1 Objectifs du manuel
Ce manuel preacutesente une seacuterie drsquoexercices simples agrave reacutealiser dans le cadre drsquoune premiegravere
approche de la teacuteleacutedeacutetection spatiale
Dans le cadre de ce manuel vous serez initieacutes agrave la pratique de la teacuteleacutedeacutetection spatiale En
particulier ce manuel vise agrave vous rendre capable de reacutealiser les opeacuterations suivantes
Visualiser en 2D et en 3D des images issues de la teacuteleacutedeacutetection spatiale
Comprendre et expliquer diffeacuterents types drsquoimages
o Reacutesolutions
o Format
o Signification dans le monde reacuteel
o hellip
Manipuler diffeacuterents types drsquoimages agrave lrsquoaide de diffeacuterents logiciels speacutecialiseacutes
o Images multispectrales et hyperspectrales
o Images basse et haute reacutesolutions spatiales
o Images mono et multi-temporelles
Produire de nouvelles informations agrave partir de traitements appliqueacutes sur des images
o Calcul drsquoindices spectraux
o Analyse de changement temporel
o Classification drsquoimage en vue de la reacutealisation drsquoune carte drsquooccupation du sol
o Correction geacuteomeacutetrique drsquoimages
o hellip
Rechercher des images satellites sur le web
8
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
21 Deacutefinition
La teacuteleacutedeacutetection (deacutetection agrave distance Remote Sensing (RS) en anglais) deacutesigne dans son
acception la plus large la mesure ou lacquisition dinformations sur un objet ou un
pheacutenomegravene par lintermeacutediaire dun instrument de mesure nayant pas de contact avec
lobjet eacutetudieacute (Figure 1)
Cest lutilisation agrave distance (par exemple dun avion dun engin spatial dun satellite ou
encore dun bateau) de nimporte quel type dinstrument permettant lacquisition
dinformations sur lenvironnement On fait souvent appel agrave des instruments tels
qursquoappareils photographiques lasers radars sonars sismographes ou gravimegravetres
Figure 1 Principe de la teacuteleacutedeacutetection spatiale (Source httpwwwalertes-meteocom)
9
Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute
Ozer)
Teacuteleacutedeacutetection passive enregistrement du rayonnement naturel fourni par la lumiegravere
ou la chaleur qursquoil soit eacutemis reacutefleacutechi ou reacutefracteacute (ex photographies aeacuteriennes du
paysage eacuteclaireacute par la lumiegravere du soleil ainsi que certaines images satellitaires comme
(SPOT LANDSAT IKONOShellip)
Teacuteleacutedeacutetection active enregistrement du rayonnement que reacutefleacutechit lrsquoobjet ou le
paysage laquo illumineacute raquo par lrsquoopeacuterateur (ex images radar)
La teacuteleacutedeacutetection spatiale dans le domaine de lastronautique est lensemble des
connaissances et des techniques utiliseacutees pour deacuteterminer les caracteacuteristiques de la surface
et de latmosphegravere de la Terre ou dune autre planegravete par des mesures effectueacutees agrave partir
dun engin spatial eacutevoluant agrave distance convenable de cette derniegravere Le terme correspondant
en anglais est laquo remote sensing from space raquo
22 Principe
Ce type de meacutethode dacquisition utilise normalement la mesure des rayonnements
eacutelectromagneacutetiques eacutemis ou reacutefleacutechis des objets eacutetudieacutes dans un certain domaine de
freacutequence (infrarouge visible micro-ondes - Voir Annexe 5) Ceci est rendu possible par le
fait que les objets eacutetudieacutes (plantes maisons surfaces deau ou masses dair) eacutemettent ou
reacutefleacutechissent du rayonnement agrave diffeacuterentes longueurs donde et intensiteacutes selon leur eacutetat
Certains instruments de teacuteleacutedeacutetection utilisent des ondes sonores de faccedilon similaire et
dautres mesurent des variations dans des champs magneacutetiques ou gravitaires
221 Reacuteflectance solaire
La reacuteflectance solaire se deacutefinit comme le rapport entre leacutenergie solaire reacutefleacutechie et
leacutenergie solaire incidente sur une surface (Energie Solaire Reacutefleacutechie Energie Solaire
Incidente (Figure 2) Par exemple une reacuteflectance de 100 signifie que la surface en question
reacutefleacutechit toute leacutenergie solaire dans latmosphegravere et nen absorbe aucune fraction
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
6
81 Le programme COPERNICUS et le SERTIT 80
82 Exemples suppleacutementaires par outils ou theacutematique 82
9 Quelques logiciels de teacuteleacutedeacutetection spatiale 88
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites 89
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation 92
Annexe 3 - Matrice de confusion dans ENVI 97
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 100
Annexe 5 - Illustrations suppleacutementaires 102
Annexe 6 - Wavelength in electromagnetic spectrum 103
7
1 Objectifs du manuel
Ce manuel preacutesente une seacuterie drsquoexercices simples agrave reacutealiser dans le cadre drsquoune premiegravere
approche de la teacuteleacutedeacutetection spatiale
Dans le cadre de ce manuel vous serez initieacutes agrave la pratique de la teacuteleacutedeacutetection spatiale En
particulier ce manuel vise agrave vous rendre capable de reacutealiser les opeacuterations suivantes
Visualiser en 2D et en 3D des images issues de la teacuteleacutedeacutetection spatiale
Comprendre et expliquer diffeacuterents types drsquoimages
o Reacutesolutions
o Format
o Signification dans le monde reacuteel
o hellip
Manipuler diffeacuterents types drsquoimages agrave lrsquoaide de diffeacuterents logiciels speacutecialiseacutes
o Images multispectrales et hyperspectrales
o Images basse et haute reacutesolutions spatiales
o Images mono et multi-temporelles
Produire de nouvelles informations agrave partir de traitements appliqueacutes sur des images
o Calcul drsquoindices spectraux
o Analyse de changement temporel
o Classification drsquoimage en vue de la reacutealisation drsquoune carte drsquooccupation du sol
o Correction geacuteomeacutetrique drsquoimages
o hellip
Rechercher des images satellites sur le web
8
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
21 Deacutefinition
La teacuteleacutedeacutetection (deacutetection agrave distance Remote Sensing (RS) en anglais) deacutesigne dans son
acception la plus large la mesure ou lacquisition dinformations sur un objet ou un
pheacutenomegravene par lintermeacutediaire dun instrument de mesure nayant pas de contact avec
lobjet eacutetudieacute (Figure 1)
Cest lutilisation agrave distance (par exemple dun avion dun engin spatial dun satellite ou
encore dun bateau) de nimporte quel type dinstrument permettant lacquisition
dinformations sur lenvironnement On fait souvent appel agrave des instruments tels
qursquoappareils photographiques lasers radars sonars sismographes ou gravimegravetres
Figure 1 Principe de la teacuteleacutedeacutetection spatiale (Source httpwwwalertes-meteocom)
9
Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute
Ozer)
Teacuteleacutedeacutetection passive enregistrement du rayonnement naturel fourni par la lumiegravere
ou la chaleur qursquoil soit eacutemis reacutefleacutechi ou reacutefracteacute (ex photographies aeacuteriennes du
paysage eacuteclaireacute par la lumiegravere du soleil ainsi que certaines images satellitaires comme
(SPOT LANDSAT IKONOShellip)
Teacuteleacutedeacutetection active enregistrement du rayonnement que reacutefleacutechit lrsquoobjet ou le
paysage laquo illumineacute raquo par lrsquoopeacuterateur (ex images radar)
La teacuteleacutedeacutetection spatiale dans le domaine de lastronautique est lensemble des
connaissances et des techniques utiliseacutees pour deacuteterminer les caracteacuteristiques de la surface
et de latmosphegravere de la Terre ou dune autre planegravete par des mesures effectueacutees agrave partir
dun engin spatial eacutevoluant agrave distance convenable de cette derniegravere Le terme correspondant
en anglais est laquo remote sensing from space raquo
22 Principe
Ce type de meacutethode dacquisition utilise normalement la mesure des rayonnements
eacutelectromagneacutetiques eacutemis ou reacutefleacutechis des objets eacutetudieacutes dans un certain domaine de
freacutequence (infrarouge visible micro-ondes - Voir Annexe 5) Ceci est rendu possible par le
fait que les objets eacutetudieacutes (plantes maisons surfaces deau ou masses dair) eacutemettent ou
reacutefleacutechissent du rayonnement agrave diffeacuterentes longueurs donde et intensiteacutes selon leur eacutetat
Certains instruments de teacuteleacutedeacutetection utilisent des ondes sonores de faccedilon similaire et
dautres mesurent des variations dans des champs magneacutetiques ou gravitaires
221 Reacuteflectance solaire
La reacuteflectance solaire se deacutefinit comme le rapport entre leacutenergie solaire reacutefleacutechie et
leacutenergie solaire incidente sur une surface (Energie Solaire Reacutefleacutechie Energie Solaire
Incidente (Figure 2) Par exemple une reacuteflectance de 100 signifie que la surface en question
reacutefleacutechit toute leacutenergie solaire dans latmosphegravere et nen absorbe aucune fraction
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
7
1 Objectifs du manuel
Ce manuel preacutesente une seacuterie drsquoexercices simples agrave reacutealiser dans le cadre drsquoune premiegravere
approche de la teacuteleacutedeacutetection spatiale
Dans le cadre de ce manuel vous serez initieacutes agrave la pratique de la teacuteleacutedeacutetection spatiale En
particulier ce manuel vise agrave vous rendre capable de reacutealiser les opeacuterations suivantes
Visualiser en 2D et en 3D des images issues de la teacuteleacutedeacutetection spatiale
Comprendre et expliquer diffeacuterents types drsquoimages
o Reacutesolutions
o Format
o Signification dans le monde reacuteel
o hellip
Manipuler diffeacuterents types drsquoimages agrave lrsquoaide de diffeacuterents logiciels speacutecialiseacutes
o Images multispectrales et hyperspectrales
o Images basse et haute reacutesolutions spatiales
o Images mono et multi-temporelles
Produire de nouvelles informations agrave partir de traitements appliqueacutes sur des images
o Calcul drsquoindices spectraux
o Analyse de changement temporel
o Classification drsquoimage en vue de la reacutealisation drsquoune carte drsquooccupation du sol
o Correction geacuteomeacutetrique drsquoimages
o hellip
Rechercher des images satellites sur le web
8
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
21 Deacutefinition
La teacuteleacutedeacutetection (deacutetection agrave distance Remote Sensing (RS) en anglais) deacutesigne dans son
acception la plus large la mesure ou lacquisition dinformations sur un objet ou un
pheacutenomegravene par lintermeacutediaire dun instrument de mesure nayant pas de contact avec
lobjet eacutetudieacute (Figure 1)
Cest lutilisation agrave distance (par exemple dun avion dun engin spatial dun satellite ou
encore dun bateau) de nimporte quel type dinstrument permettant lacquisition
dinformations sur lenvironnement On fait souvent appel agrave des instruments tels
qursquoappareils photographiques lasers radars sonars sismographes ou gravimegravetres
Figure 1 Principe de la teacuteleacutedeacutetection spatiale (Source httpwwwalertes-meteocom)
9
Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute
Ozer)
Teacuteleacutedeacutetection passive enregistrement du rayonnement naturel fourni par la lumiegravere
ou la chaleur qursquoil soit eacutemis reacutefleacutechi ou reacutefracteacute (ex photographies aeacuteriennes du
paysage eacuteclaireacute par la lumiegravere du soleil ainsi que certaines images satellitaires comme
(SPOT LANDSAT IKONOShellip)
Teacuteleacutedeacutetection active enregistrement du rayonnement que reacutefleacutechit lrsquoobjet ou le
paysage laquo illumineacute raquo par lrsquoopeacuterateur (ex images radar)
La teacuteleacutedeacutetection spatiale dans le domaine de lastronautique est lensemble des
connaissances et des techniques utiliseacutees pour deacuteterminer les caracteacuteristiques de la surface
et de latmosphegravere de la Terre ou dune autre planegravete par des mesures effectueacutees agrave partir
dun engin spatial eacutevoluant agrave distance convenable de cette derniegravere Le terme correspondant
en anglais est laquo remote sensing from space raquo
22 Principe
Ce type de meacutethode dacquisition utilise normalement la mesure des rayonnements
eacutelectromagneacutetiques eacutemis ou reacutefleacutechis des objets eacutetudieacutes dans un certain domaine de
freacutequence (infrarouge visible micro-ondes - Voir Annexe 5) Ceci est rendu possible par le
fait que les objets eacutetudieacutes (plantes maisons surfaces deau ou masses dair) eacutemettent ou
reacutefleacutechissent du rayonnement agrave diffeacuterentes longueurs donde et intensiteacutes selon leur eacutetat
Certains instruments de teacuteleacutedeacutetection utilisent des ondes sonores de faccedilon similaire et
dautres mesurent des variations dans des champs magneacutetiques ou gravitaires
221 Reacuteflectance solaire
La reacuteflectance solaire se deacutefinit comme le rapport entre leacutenergie solaire reacutefleacutechie et
leacutenergie solaire incidente sur une surface (Energie Solaire Reacutefleacutechie Energie Solaire
Incidente (Figure 2) Par exemple une reacuteflectance de 100 signifie que la surface en question
reacutefleacutechit toute leacutenergie solaire dans latmosphegravere et nen absorbe aucune fraction
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
8
2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
21 Deacutefinition
La teacuteleacutedeacutetection (deacutetection agrave distance Remote Sensing (RS) en anglais) deacutesigne dans son
acception la plus large la mesure ou lacquisition dinformations sur un objet ou un
pheacutenomegravene par lintermeacutediaire dun instrument de mesure nayant pas de contact avec
lobjet eacutetudieacute (Figure 1)
Cest lutilisation agrave distance (par exemple dun avion dun engin spatial dun satellite ou
encore dun bateau) de nimporte quel type dinstrument permettant lacquisition
dinformations sur lenvironnement On fait souvent appel agrave des instruments tels
qursquoappareils photographiques lasers radars sonars sismographes ou gravimegravetres
Figure 1 Principe de la teacuteleacutedeacutetection spatiale (Source httpwwwalertes-meteocom)
9
Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute
Ozer)
Teacuteleacutedeacutetection passive enregistrement du rayonnement naturel fourni par la lumiegravere
ou la chaleur qursquoil soit eacutemis reacutefleacutechi ou reacutefracteacute (ex photographies aeacuteriennes du
paysage eacuteclaireacute par la lumiegravere du soleil ainsi que certaines images satellitaires comme
(SPOT LANDSAT IKONOShellip)
Teacuteleacutedeacutetection active enregistrement du rayonnement que reacutefleacutechit lrsquoobjet ou le
paysage laquo illumineacute raquo par lrsquoopeacuterateur (ex images radar)
La teacuteleacutedeacutetection spatiale dans le domaine de lastronautique est lensemble des
connaissances et des techniques utiliseacutees pour deacuteterminer les caracteacuteristiques de la surface
et de latmosphegravere de la Terre ou dune autre planegravete par des mesures effectueacutees agrave partir
dun engin spatial eacutevoluant agrave distance convenable de cette derniegravere Le terme correspondant
en anglais est laquo remote sensing from space raquo
22 Principe
Ce type de meacutethode dacquisition utilise normalement la mesure des rayonnements
eacutelectromagneacutetiques eacutemis ou reacutefleacutechis des objets eacutetudieacutes dans un certain domaine de
freacutequence (infrarouge visible micro-ondes - Voir Annexe 5) Ceci est rendu possible par le
fait que les objets eacutetudieacutes (plantes maisons surfaces deau ou masses dair) eacutemettent ou
reacutefleacutechissent du rayonnement agrave diffeacuterentes longueurs donde et intensiteacutes selon leur eacutetat
Certains instruments de teacuteleacutedeacutetection utilisent des ondes sonores de faccedilon similaire et
dautres mesurent des variations dans des champs magneacutetiques ou gravitaires
221 Reacuteflectance solaire
La reacuteflectance solaire se deacutefinit comme le rapport entre leacutenergie solaire reacutefleacutechie et
leacutenergie solaire incidente sur une surface (Energie Solaire Reacutefleacutechie Energie Solaire
Incidente (Figure 2) Par exemple une reacuteflectance de 100 signifie que la surface en question
reacutefleacutechit toute leacutenergie solaire dans latmosphegravere et nen absorbe aucune fraction
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
9
Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute
Ozer)
Teacuteleacutedeacutetection passive enregistrement du rayonnement naturel fourni par la lumiegravere
ou la chaleur qursquoil soit eacutemis reacutefleacutechi ou reacutefracteacute (ex photographies aeacuteriennes du
paysage eacuteclaireacute par la lumiegravere du soleil ainsi que certaines images satellitaires comme
(SPOT LANDSAT IKONOShellip)
Teacuteleacutedeacutetection active enregistrement du rayonnement que reacutefleacutechit lrsquoobjet ou le
paysage laquo illumineacute raquo par lrsquoopeacuterateur (ex images radar)
La teacuteleacutedeacutetection spatiale dans le domaine de lastronautique est lensemble des
connaissances et des techniques utiliseacutees pour deacuteterminer les caracteacuteristiques de la surface
et de latmosphegravere de la Terre ou dune autre planegravete par des mesures effectueacutees agrave partir
dun engin spatial eacutevoluant agrave distance convenable de cette derniegravere Le terme correspondant
en anglais est laquo remote sensing from space raquo
22 Principe
Ce type de meacutethode dacquisition utilise normalement la mesure des rayonnements
eacutelectromagneacutetiques eacutemis ou reacutefleacutechis des objets eacutetudieacutes dans un certain domaine de
freacutequence (infrarouge visible micro-ondes - Voir Annexe 5) Ceci est rendu possible par le
fait que les objets eacutetudieacutes (plantes maisons surfaces deau ou masses dair) eacutemettent ou
reacutefleacutechissent du rayonnement agrave diffeacuterentes longueurs donde et intensiteacutes selon leur eacutetat
Certains instruments de teacuteleacutedeacutetection utilisent des ondes sonores de faccedilon similaire et
dautres mesurent des variations dans des champs magneacutetiques ou gravitaires
221 Reacuteflectance solaire
La reacuteflectance solaire se deacutefinit comme le rapport entre leacutenergie solaire reacutefleacutechie et
leacutenergie solaire incidente sur une surface (Energie Solaire Reacutefleacutechie Energie Solaire
Incidente (Figure 2) Par exemple une reacuteflectance de 100 signifie que la surface en question
reacutefleacutechit toute leacutenergie solaire dans latmosphegravere et nen absorbe aucune fraction
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
10
Figure 2 Principe de la reacuteflectance solaire
23 Exemples drsquoapplications
Les exemples drsquoapplications de la teacuteleacutedeacutetection spatiale sont tregraves nombreux
La production de cartes drsquooccupation du sol
Le suivi des conditions de veacutegeacutetation
Le suivi de la tempeacuterature de surface (eau et continent) de la fonte des glaces du
niveau des mers etc
Les cartes topographiques sont souvent produites agrave laide de paires steacutereacuteographiques
de photos aeacuteriennes permettant de recreacuteer une image en trois dimensions
Les modegraveles numeacuteriques de terrain peuvent ecirctre produits par interfeacuteromeacutetrie
meacutethode consistant agrave enregistrer une seacuterie de mesures de la cible agrave partir dun avion
dun satellite ou dune navette spatiale La combinaison des donneacutees issues de ces
mesures offre une carte deacutetailleacutee contenant de linformation sur la couverture du sol
le relief ou encore le mouvement agrave une eacutechelle centimeacutetrique Les donneacutees couvrent
geacuteneacuteralement des bandes de plusieurs kilomegravetres de largeur
Les preacutecipitations les aeacuteronefs et les navires peuvent ecirctre deacutetecteacutes par radars
Les fonds marins sont cartographieacutes gracircce agrave lusage des sonars
hellip
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-
11
Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)
12
3 Introduction au TP avec laquo Google Earth Pro raquo
laquo Google Earth Pro raquo est probablement la plus belle application de la teacuteleacutedeacutetection spatiale
reacutealiseacutee agrave ce jour Connectez-vous agrave internet
Installation de Google Earth Pro sur votre ordinateur
Teacuteleacutechargez Google Earth Pro agrave
lrsquoadresse httpwwwgooglefrintlfr_ALLearthversions (en bas de page
laquo Teacuteleacutecharger Google Earth Pro sur ordinateur raquo)
Installez Google Earth Pro en exeacutecutant le fichier teacuteleacutechargeacute
Deacutemarrez Google Earth Pro (une connexion internet est neacutecessaire)
Exploration de Google Earth Pro
Localisez le Campus drsquoArlon et en particulier le bacirctiment de la salle informatique
Cochez lrsquooption laquo Relief raquo dans le panneau laquo Calques raquo et deacuteplacez-vous dans les
Alpes lrsquoHimalaya ou une chaicircne de montagne de votre choix Constatez la
modeacutelisation 3D du relief naturel en zoomant sur lrsquoune ou lrsquoautre zone et inclinez
ensuite votre fenecirctre de visualisation dans le plan horizontal via la flegraveche supeacuterieure
du bouton disponible agrave droite de lrsquointerface ce qui permet un
deacuteplacement oblique ou horizontal
Deacutezoomez et positionnez-vous au-dessus de quelques montagnes Via lrsquoactivation du
bouton laquo Lumiegravere du soleil en fonction de lrsquoheure du jour raquo dans la partie
supeacuterieure de lrsquointerface et lrsquoutilisation de la ligne du temps qui apparait constatez
lrsquoeffet de la position du soleil sur le reacuteflectance des images effet particuliegraverement
visible en zone montagneuse (ombrage)
Tapez ensuite laquo Manhattan New-York raquo dans lrsquoonglet laquo Recherche raquo Vous devriez
arriver agrave laquo Central Park raquo Deacuteplacez-vous ensuite vers la pointe sud de Manhattan et
Google Earth
13
cochez lrsquooption laquo Bacirctiments 3D raquo dans le panneau laquo Calques raquo Inclinez agrave nouveau la
fenecirctre de visualisation dans le plan horizontal et visitez Manhattan en 3D Deacuteplacez-
vous ensuite vers la laquo Statue of Liberty raquo (Remarque tout aussi impressionnant le
campus drsquoArlon est eacutegalement modeacuteliseacute en bacirctiment 3D)
Deacuteplacez-vous ensuite vers Paris et explorez laquo lrsquoAvenue des Champs Elyseacutees raquo et
laquo lrsquoArc de triomphe raquo agrave lrsquoaide de lrsquooutil laquo Street view raquo disponible agrave droite de
lrsquointerface zoomez drsquoabord sur lrsquoendroit deacutesireacute puis placez le bonhomme orange agrave
lrsquoendroit agrave explorer en mode laquo Street view raquo
Deacutecouvrez ensuite une vision nocturne de la terre en cochant laquo Calques gt Galerie gt
NASA gt Lumiegraveres de villes de la Terre raquo Deacutezoomez suffisamment que pour visualiser
lrsquoensemble de la terre
La couverture nuageuse (mise agrave jour toutes les 60 agrave 90minutes) peut ecirctre afficheacutee via
le panneau laquo Calques gt Meacuteteacuteo gt Nuages raquo
Visualisez les changements drsquooccupation du sol srsquoeacutetant produit agrave un endroit de votre
choix par exemple pour la Mer drsquoAral (agrave taper dans lrsquoonglet de Recherche) via
lrsquoactivation du bouton laquo Afficher des images drsquoarchivehellip raquo et lrsquoutilisation de la
ligne du temps qui apparait
Google Earth permet eacutegalement drsquoexplorer les fonds marins lrsquoespace la Lune et Mars
Rem Attention Il est possible de reacutecupeacuterer les images de Google Earth
Via une laquo capture drsquoeacutecran raquo (laquo print screen raquo en anglais) ou
Via le menu de Google Earth laquo Fichier gt Enregistrer gt Enregistrer lrsquoimagehellip raquo
Notez qursquoil srsquoagira cependant drsquoune image laquo deacutegradeacutee raquo correspondant au zoom et agrave
lrsquoeacutetendue au moment de la capture le plus souvent au format laquo jpg raquo et non de lrsquoimage
satellite originale utiliseacutee pour reacutealiser cette repreacutesentation
14
4 Pratique de la teacuteleacutedeacutetection spatiale
Avant toute chose
Teacuteleacutechargez les donneacutees geacuteographiques dont vous allez avoir besoin pour ce TP sur
votre ordinateur via le lien
o httpsdoxuliegebeindexphpsualg048wtUCuuxT
o Dossier laquo TP_TELEDETECTIONzip raquo
Une fois teacuteleacutechargeacutees
Deacutezippez le dossier et
Placez-le dans votre reacutepertoire de travail agrave la racine du disque D de votre ordinateur
(par exemple laquo DTP_TELEDETECTIONraquo)
Au cours de ce TP vous enregistrerez tous vos reacutesultats dans le
dossier laquo DTP_TELEDETECTIONDATARESULTATraquo
41 Preacutesentation du logiciel de traitement drsquoimages
numeacuteriques ENVI
ENVI (Environment for Visualizing Images) est un logiciel professionnel de la socieacuteteacute
laquo EXELIS raquo (httpwwwexelisviscomProductsServicesENVIENVIaspx) permettant la
visualisation le traitement lrsquoanalyse et la preacutesentation de nombreux types drsquoimages
numeacuteriques dont les images satellites
En particulier Envi permet de travailler sur diffeacuterents types de donneacutees (multispectrale
hyperspectrale radar) drsquointeacutegrer des donneacutees de type matriciel (image) et vectoriel et est
compatible avec des donneacutees de type SIG Il permet entre autres de contraster les images
de les corriger geacuteomeacutetriquement de les classifier de reacutealiser des analyses agrave lrsquoaide de
donneacutees drsquoeacuteleacutevations etc
ENVI utilise le langage de programmation IDL (Interactive Data Language)
411 Les 2 interfaces drsquoENVI
ENVI est composeacute de 2 interfaces-viewer indeacutependants laquo ENVI raquo et laquo ENVI Zoom raquo
15
ENVI est lrsquointerface principale drsquoENVI vous donnant accegraves agrave toutes ses
fonctionnaliteacutes
ENVI Zoom est une version simplifieacute drsquoENVI speacutecialement conccedilue pour afficher et
manipuler plus facilement et plus efficacement les images satellites (outils de zoom
contraste transparence brillance hellip projection et reacuteeacutechantillonnage des donneacutees au
volhellip)
412 Ouvrir ENVI
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Ouvrez ENVI Zoom Deacutemarrer gt Tous les programmes gt ENVI gt ENVI Zoom
413 Trouver de lrsquoaide dans ENVI
Lrsquoaide drsquoENVI est accessible via la barre de menu principale en cliquant sur
laquo Help gt Start ENVI help raquo pour ENVI
laquo Help gt Contentshellip raquo pour ENVI Zoom
Lrsquoaide est accessible via notamment une table des matiegraveres un index et une fenecirctre de
recherche
42 Exploration drsquoimages satellites dans ENVI Zoom
Dans cette section vous allez deacutecouvrir les possibiliteacutes qursquooffre ENVI Zoom pour visualiser des
donneacutees geacuteographiques (image et vecteur) et comprendre de quoi est composeacutee une image
satellite
421 Ouverture drsquoun fichier dans ENVIZoom
Soit cliquez sur laquo File gt Open gt raquo puis naviguez jusqursquoau fichier drsquointeacuterecirct
Soit cliquez sur lrsquoicocircne laquo Open raquo (un dossier jaune entre-ouverte) puis naviguez
jusqursquoau fichier drsquointeacuterecirct
Ouvrez les fichiers
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_msi
ldquoCProgram FilesRSIIDL63productsenvizoom45dataqb_boulder_pan
Les images apparaissent dans le Viewer drsquoENVIZoom
16
422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration
drsquoimages
A lrsquoaide de cette section deacutecouvrez les possibiliteacutes de visualisation qursquooffre ENVIZoom avec
ces 2 fichiers images Reacutepondez aux questions poseacutees agrave la suite de cette section
Lrsquointerface drsquoENVIZoom srsquoorganise de la maniegravere suivante (Figure 5)
1 Le viewer principal visualisation des donneacutees geacuteographiques qui sont activeacutees dans lrsquoonglet laquo Layer Manager raquo du panneau lateacuteral
2 Les barres de menus et drsquooutils accegraves aux fonctionnaliteacutes drsquoENVIZoom
Barre de menu
File permet notamment drsquoouvrir un fichier drsquoacceacuteder au laquo Data Manager raquo drsquoacceacuteder agrave des donneacutees sur internet de sauver un fichier de deacutemarrer ENVI et de modifier vos preacutefeacuterences
Edit commande la disposition et affichage des couche via lrsquoonglet ldquoLayer Managerrdquo du panneau lateacuteral (undoredo remove order)
Display permet drsquoactiver les options de visualisation ldquoPortal Blend Flicker Swiperdquo Un laquo Portal raquo est une petite fenecirctre qui vient srsquoajouter dans la fenecirctre du viewer principal et qui permet de visualiser simultaneacutement plusieurs couches superposeacutees Le laquo Portal raquo se preacutesente comme un bloc de donneacutees indeacutependant dans le laquo Layer Manager raquo du panneau lateacuteral
Processing diverses opeacuterations agrave reacutealiser sur image
Help lrsquoaide
Barres drsquooutils
Data Manager liste et donne des informations sur les fichiers preacuteceacutedemment ouverts et permet de les charger dans le laquo Layer Manager raquo
Do undo select laquo crosshairs raquo sauver la vue
Outils de deacuteplacement (main vol) et de zoom (interactif ou automatique)
Outils de creacuteation et eacutedition vectorielle (deacutesactiveacutes en absence de couche vectorielle)
Outils de rotation de lrsquoimage (interactif ou automatique)
Options de visualisation simultaneacutee de diffeacuterentes couches ldquoPortal Blend Flicker Swiperdquo Ces boutons commandent le laquo Portal raquo du laquo Layer Manager raquo du panneau lateacuteral (Un laquo swipe raquo doubleacute drsquoune rotation continue est du plus bel effet )
laquo Go To raquo pour zoomer sur des coordonneacutees (pixel geacuteographiques ou carte)
Brillance Contraste Ameacutelioration de contraste (meacutethode preacutedeacutefinie ou interactive) laquo sharpen raquo transparence
3 Un panneau lateacuteral
laquo Overview raquo positionne lrsquoeacutetendue de la vue du viewer principal par rapport agrave
lrsquoeacutetendue maximale deacutefinie par le groupe drsquoimages actives dans le laquo Layer Manager raquo
laquo Layer Manager raquo se compose de 2 dossiers ou laquo bloc de donneacutees raquo indeacutependant
o Le dossier laquo Layers raquo permet drsquoactiver (laquo show raquo) drsquoorganiser (laquo order raquo)
supprimer zoomer sur les couches (Similaire agrave la table des matiegraveres drsquoArcMap)
17
o Le dossier laquo Portals raquo voir point 2 gt Display ci-dessus
laquo Cursor Value raquo donne toute une seacuterie drsquoinformation sur le pixel laquo seacutelectionneacute raquo
pour les diffeacuterentes couches apparaissant dans le viewer principal nom de la
couche systegraveme de coordonneacutees de la couche coordonneacutees du pixel (fichier carte
geacuteographiques) valeur du pixel
Quelles diffeacuterences remarquez-vous entre les deux fichiers Comment sont-ils structureacutes
Compleacutetez le tableau ci-dessous Attention indiquez clairement les uniteacutes Vous avez le
choix entre byte megravetre nanomegravetre ou sans uniteacute
Caracteacuteristiques Images Image laquo qb_boulder_pan raquo Image laquo qb_boulder_msi raquo
Dimension matricielle du fichier (pixel pixel nombre de bandes)
Reacutesolution spatiale (taille du pixel)
Reacutesolution spectrale
Taille du fichier Figure 4 Caracteacuteristiques des images Quick Bird laquo Boulder raquo
Figure 5 Interface dENVIZoom
18
423 Exploration drsquoimages satellites dans ENVI
Dans cette section vous allez deacutecouvrir les principaux outils qursquoENVI propose pour explorer
une image satellite visualisation et analyse
Ouvrez ENVI Deacutemarrer gt Tous les programmes gt ENVI gt ENVI
Lrsquointerface drsquoENVI srsquoouvre Il srsquoagit drsquoune simple barre de menu donnant accegraves agrave toutes les
fonctionnaliteacutes drsquoENVI (Figure 6)
Figure 6 Interface barre de menu principale dENVI (ENVI 5 Classic)
424 Ouverture drsquoune image dans ENVI
Dans cette section vous allez travailler sur une image de type laquo Landsat Thematic Mapper raquo
(Landsat TM) Quelques informations deacutecrivant lrsquoimage LANDSAT TM (reacutesolution spectrale et
spatiale) sont preacutesenteacutees dans la table ci-dessous
Nom de la bande Reacutesolution spatiale
Longueur drsquoonde
TM Band 1
30 m
042 ndash 052 microm ~ Bleu ~ Blue
TM Band 2 052 ndash 060 microm ~ Vert ~ Green
TM Band 3 063 ndash 069 microm ~ Rouge ~ Red
TM Band 4 076 ndash 090 microm ~ Proche InfraRouge - PIR ~ Near InfraRed ndash NIR
TM Band 5 155 ndash 175 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
TM Band 6 (non-disponible)
120 m (reacuteeacutechantillonneacute
agrave 30 m)
105 ndash 125 microm ~ InfraRouge Thermique ndash TIR ~ Thermic InfraRed - TIR
TM Band 7 30 m 208 ndash 235 microm ~ Moyen InfraRouge ndash MIR ~ Middel InfraRed - MIR
Figure 7 reacutesolution spectrale et spatiale de limage Landsat Thematic Mapper
Pour ouvrir cette image
Cliquez sur laquo File gt Open Image File raquo et naviguez vers le fichier image
laquo Can_tmrimg raquo qui se situe dans le reacutepertoire ldquoCProgram
FilesRSIIDL63productsenviz45data can_tmrimg
Cliquez laquo Ouvrir raquo
La fenecirctre laquo Available Band List raquo (liste de bandes disponibles) (Figure 8) srsquoouvre avec le
fichier laquo Can_tmrimg raquo Cette interface vous permet de seacutelectionner lales bande(s) agrave
afficher dans une fenecirctre de visualisation de votre choix en laquo Gray scale raquo (nuances de gris)
ou en laquo RGB Color raquo (couleurs Red Green Blue)
19
Cochez lrsquooption laquo Gray Scale raquo
Seacutelectionnez la bande que vous voulez faire apparaitre dans le canal noir et blanc du
viewer en cliquant sur le nom de la bande La bande seacutelectionneacutee apparait dans
lrsquoencadreacute laquo Selected Band raquo
Cliquez sur laquo Load Band raquo pour charger la bande seacutelectionneacutee dans une nouvelle
fenecirctre de visualisation
La bande de lrsquoimage LandsatTM apparait dans une triple fenecirctre de visualisation Ces trois
fenecirctres sont synchroniseacutees spatialement Elles se composent de
Image viewer zoom intermeacutediaire correspondant agrave lrsquoeacutetendue du carreacute rouge du
laquo Scroll viewer raquo accegraves aux fonctionnaliteacutes du viewer agrave travers une barre de menu
Scroll viewer vue drsquoensemble de la bande
Zoom viewer zoom avanceacute sur lrsquoeacutetendue du carreacute rouge de laquo lrsquoImage Viewer raquo
modifiable via les options + et ndash dans le coin infeacuterieur gauche de la fenecirctre
Figure 8 Ouverture drsquoune image dans ENVI 3 fenecirctres de visualisation synchroniseacutees et fenecirctre
laquo Available Bands List raquo
Ouvrez agrave preacutesent une composition coloreacutee de lrsquoimage Landsat TM dans un nouveau viewer
Dans la fenecirctre laquo Available Band List raquo
Cochez lrsquooption laquo RGB Color raquo
20
Seacutelectionnez chacune des 3 bandes que vous voulez faire apparaitre dans les 3
canaux RGB de votre viewer en cliquant sur le nom de la bande Choisissez R = TM
Band 4 G = TM Band 7 B = TM Band 3
Cliquez sur lrsquoonglet laquo Display 1 raquo et choisissez laquo New display raquo pour creacuteer une
nouvelle fenecirctre de visualisation
Cliquez sur laquo Load RGB raquo pour charger les 3 bandes seacutelectionneacutees dans cette nouvelle
fenecirctre de visualisation
Les 3 bandes seacutelectionneacutees de lrsquoimage LandsatTM apparaissent dans la nouvelle fenecirctre de
visualisation (Figure 8)
Prenez le temps drsquoobserver vos images Que voyez-vous en termes drsquooccupation du sol En
termes de relief
Il srsquoagit ici drsquoune laquo composition fausses couleurs raquo car les longueurs drsquoondes que vous avez
attribueacutees aux 3 canaux RGB ne correspondent pas agrave ces 3 couleurs Les couleurs
apparaissant agrave lrsquoeacutecran ne correspondent pas aux couleurs reacuteelles de la scegravene observeacutee
Les compositions fausses couleurs preacutesentent lrsquoavantage de permettre la visualisation de
donneacutees nrsquoappartenant pas au spectre du visible par exemple lrsquoInfraRouge des donneacutees de
type radar etc Autrement dit elle laquo transforment raquo la donneacutee non visible (mais enregistreacutee
par un capteur) en une donneacutee visible
Ouvrez maintenant une laquo composition vrais couleurs raquo de cette mecircme image dans un 3egraveme
viewer
Quelle bande TM choisissez-vous pour les 3 canaux RGB
o Reacuteponse R = TM3 G = TM2 B = TM1
Cette composition coloreacutee se rapproche plus des couleurs reacuteelles de la scegravene observeacutee
Canaux de visualisation de lrsquoordinateur Longueur drsquoonde des bandes spectrales drsquoune composition
coloreacutee
Initiale Couleur VRAIE COULEUR FAUSSE COULEUR
R Red Red [630nm ndash 700nm] Toutes compositions diffeacuterentes de la composition
vraie couleur G Green Green [490nm ndash 560nm]
B Blue Blue [450nm ndash 490nm]
425 Modification du reacutepertoire de travail par deacutefaut
Lors de lrsquoouverture drsquoune image dans ENVI ENVI preacutesente le reacutepertoire par deacutefaut par
exemple laquo CProgram FilesRSIIDL63productsenvi45data raquo ou plus reacutecemment
laquo CProgram FilesExelisENVI50classicdata raquo Pour modifier le reacutepertoire par deacutefaut
21
Cliquez sur laquo File gt Preferences gt Default Directories gt Data Directory gt Choose raquo et
naviguez vers le reacutepertoire que vous deacutesirez comme reacutepertoire par deacutefaut
Choisissez le reacutepertoire laquo DDATA raquo comme reacutepertoire par deacutefaut pour les donneacutees
426 Accegraves aux informations drsquoune image
Plusieurs outils preacutesenteacutes ci-dessous sont disponibles pour acceacuteder aux informations caracteacuterisant lrsquoimage
4261 Cursor Location Valuehellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Cursor Location Value raquo
La fenecirctre laquo Cursor Location Value raquo qui apparait vous renseigne sur la position et la valeur
du pixel seacutelectionneacute
4262 Pixel Locatorhellip
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Pixel Locator raquo
La fenecirctre laquo Pixel Locator raquo qui apparait vous renseigne sur la position du pixel se trouvant
au centre du carreacute rouge Cette position est exprimeacutee en Sample = Colonne et Line = Ligne
4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
Le laquo Header File raquo contient toute une seacuterie drsquoinformation sur le fichier-image Pour y
acceacuteder
Cliquez sur laquo File gt Edit ENVI Header raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez le fichier drsquointeacuterecirct dans la fenecirctre laquo Edit Header Input File raquo
Les informations sur ce fichier apparaissent dans la colonne laquo File Information raquo
Remplissez le tableau ci-dessous agrave lrsquoaide des informations que vous y trouvez
Cliquez laquo Cancel raquo car vous ne voulez pas modifier le laquo Header File raquo
22
Caracteacuteristique du fichier-image Landsat TM laquo Can_tmrimg raquo
Dimension de lrsquoimage nombre de pixel colonne nombre de pixel ligne nombre de bandes
Taille du fichier (Byte)
Intervalle de longueur drsquoonde
Reacutesolution spatiale 30 megravetres
Localisation de lrsquoimage ndash nom du lieu
4264 Quick Statshellip
Lrsquooutil laquo Quick Statshellip raquo calcule des statistiques sur vos images dont la freacutequence de
distribution des valeurs de pixel dans chaque bande les valeurs minimum maximum
deacuteviation standard etc
Cliquez-droit sur une de vos images dans une des fenecirctres de visualisation
Choisissez laquo Quick Statshellip raquo
4265 Outil de mesures (distance superficie)
Lrsquooutil laquo Measurement Tool raquo permet de mesurer des distances et des superficies sur une
image
Cliquez sur laquo Tool gt Measurement Tool raquo dans la fenecirctre de visualisation ougrave se
trouve lrsquoimage pour laquelle vous voulez reacutealiser une mesure
Dans la fenecirctre laquo Display Measurement Tool raquo qui apparait choisissez le viewer
drsquointeacuterecirct cochez la fenecirctre drsquointeacuterecirct choisissez le type de mesure (lignes (distance)
polygones (superficie)) et les uniteacutes (m msup2 etc)
Reacutealisez la mesure dans la fenecirctre drsquointeacuterecirct
La longueur du des trait(s) ou la superficie du des polygones dessineacutes srsquoindique(nt) dans la
fenecirctre laquo Display Measurement Tool raquo
23
43 Analyse temporelle
Lrsquoanalyse temporelle sera illustreacutee agrave lrsquoaide de 2 logiciels laquo ENVI raquo dans un premier temps
laquo Windisp raquo ensuite
431 Analyse temporelle visuelle (avec ENVI)
Ouvrez les deux images SPOT VEGETATION NDVI de lrsquoAfrique disponibles dans le dossier
laquo TP_TELEDETECTIONDATASPOT VEGEATION AFRIQUE raquo laquo decade1_JANVIER_2006 raquo et
laquo decade1_SEPTEMBRE_2006 raquo dans 2 viewer diffeacuterents (Figure 9) Elles datent de la 1egravere
deacutecade de janvier 2006 et de la 1egravere deacutecade de septembre 2006 respectivement
Prenez quelques secondes pour les comparer
Figure 9 Analyse temporelle de deacutetection du changement dans ENVI agrave partir de 2 images NDVI sur lrsquoAfrique agrave gauche image de janvier 2006 en noir et blanc au centre image de septembre 2006 avec la symbologie laquo GRN-RED-BLU-WHT raquo agrave droite image reacutesultante de lrsquoanalyse de changement (5 classes meacutethode de laquo simple diffeacuterence raquo avec normalisation de la gamme des valeurs [0-1]
Pour ameacuteliorer la comparaison de ces 2 images par analyse visuelle
Synchronisez spatialement les 2 fenecirctres de visualisation et
24
Utilisez une symbologie adeacutequate
Confer sections suivantes ci-dessous
4311 Synchronisation des fenecirctres de visualisation superposition
dynamique et transparence
Cliquez sur laquo Tools gt Link gt Link Displayshellip raquo dans la barre de menu drsquoune des
fenecirctres de visualisation que vous voulez synchroniser
Dans la fenecirctre laquo Link Displays raquo qui apparait
o Changez les laquo NO raquo en laquo Yes raquo agrave lrsquoaide des doubles flegraveches Cette opeacuteration
synchronise les fenecirctres de visualisation seacutelectionneacutees
o Changez le laquo Off raquo en laquo On raquo Cette opeacuteration permet une superposition
dynamique des images des diffeacuterentes fenecirctres de visualisation synchroniseacutees
o Indiquez une transparence (opaciteacute en reacutealiteacute) de 0 Cette opeacuteration permet de
rendre la couche supeacuterieure drsquoune fenecirctre de visualisation transparente en
cliquant dessus
o Ne modifiez pas le laquo Link Size Position raquo
o Cliquez laquo OK raquo
Testez rapidement la synchronisation de vos fenecirctres agrave partir drsquoune laquo Scroll window raquo et la
superposition dynamique agrave partir drsquoune laquo Image window raquo
4312 Modification de la symbologie
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
drsquoune des fenecirctres de visualisation dont vous voulez changer la symbologie
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct ideacuteale pour comparer les 2 images par exemple la symbologie laquo GRN-RED-
BLU-WHT raquo (Figure 9)
Reacutepeacutetez ces opeacuterations pour lrsquoautre fenecirctre de visualisation
Comparez visuellement ces 2 images Aidez-vous notamment du laquo Cursor Location Value raquo
Avec la symbologie laquo GRN-RED-BLU-WHT raquo quelle couleur est associeacutee agrave une faible
importante valeur de NDVI Que remarquez-vous Reacutefleacutechissez en termes drsquoeacutevolution
spatio-temporelle du NDVI (rem au Burkina Faso le mois de janvier fait partie de la saison
segraveche et le mois de septembre de la saison humide) Cette eacutevolution est-elle la mecircme
partout en Afrique
25
NDVI ndash Normalized Difference Vegetation Index
Le NDVI est un indice de veacutegeacutetation qui se deacutefinit comme la diffeacuterence normaliseacutee des mesures de
reacuteflectance spectrale acquises dans les zones de longueurs drsquoonde laquo Proche Infra-Rouge raquo (laquo PIR raquo) et
laquo Rouge raquo
)(
)(
RougePIR
RougePIRNDVI
Sa valeur theacuteorique varie entre -1 et 1 En pratique une surface drsquoeau libre (oceacutean lachellip) prendra des
valeurs de NDVI proches de 0 un sol nu prendra des valeurs de 01 agrave 02 alors qursquoune veacutegeacutetation
dense aura des valeurs de 05 agrave 08
Explication physique du NDVI
Les plantes vertes absorbent une grande partie des radiations solaires dans une zone de longueurs
drsquoonde appeleacutee laquo PAR raquo (laquo Photosynthetically Active Radiation raquo) dont fait partie la zone du
laquo Rouge raquo Par contre le laquo PIR raquo est fortement diffuseacute (non absorbeacute transmis et reacutefleacutechi) par la
plante Par conseacutequent une plante verte vive apparait sombre dans le PAR (dont le rouge) car ces
longueurs drsquoondes sont absorbeacutees par la plante (petite valeur de reacuteflectance) et laquo brillante raquo dans le
laquo PIR raquo car ces longueurs drsquoondes sont reacutefleacutechies en partie (grande valeur de reacuteflectance)
Le NDVI est directement lieacute agrave lrsquoactiviteacute photosyntheacutetique des plantes et donc agrave la capaciteacute
drsquoabsorbation eacutenergeacutetique de la canopeacutee du couvert veacutegeacutetal Il agit comme indicateur de la biomasse
chlorophyllienne des plantes En termes de reacuteflectance dans le PIR et le Rouge la neige et les nuages
se comportent agrave lrsquoinverse des plantes vertes
Figure 10 Explication du NDVI ndash Normalisez Difference Vegetation Index
Une veacutegeacutetation en bonne santeacute (gauche) absorbe la plupart de la lumiegravere visible qui lrsquointercepte et reacutefleacutechi une partie importante de la lumiegravere PIR Une veacutegeacutetation en mauvaise santeacute ou clairsemeacutee (droite) reacutefleacutechi plus de lumiegravere visible et moins de PIR Les chiffres de la figure ci-contre sont repreacutesentatifs de valeurs reacuteelles mais la reacutealiteacute est bien plus varieacutee (Illustration by Robert Simmon NASA GSFC)
26
432 Analyse temporelle de laquo deacutetection du changement raquo
(laquo Change detection analysis raquo) (avec ENVI)
Lrsquoanalyse de deacutetection du changement comprend de nombreuses meacutethodes dont le but est
drsquoidentifier de deacutecrire et de quantifier les diffeacuterences entre images drsquoune mecircme scegravene
(mecircme endroit) prises agrave diffeacuterents moments ou dans des conditions diffeacuterentes
Avez-vous une ideacutee des situations dans lesquelles ce genre drsquoanalyse peut ecirctre utile
Reacuteponse fonte des glaciers tsunami feu de forecirct glissement de terrain variation
saisonniegravere de la veacutegeacutetation
Dans le menu laquo Help Start ENVI Help raquo menu cherchez dans lrsquoonglet laquo Index raquo le laquo Change
detection Substratcive raquo et rendez-vous agrave lrsquoillustration en bas de page
A quoi cette situation pourait-elle correspondre Qursquoen est-il de lrsquoillustration se trouvant
dans la rubrique laquo Change detection Principal Components raquo
Vous allez maintenant utiliser lrsquoun des outils les plus simples drsquoENVI pour lrsquoanalyse de la
deacutetection du changement laquo Compute Difference Map raquo
Pour des informations sur cet outil utilisez le laquo Help Start ENVI Help Contents ENVI
Userrsquos Guide Basic Tools Change Detection Compute Difference Map raquo Cet outil
permet drsquoanalyser le changement entre une paire drsquoimages repreacutesentant un laquo stade initial raquo
et un laquo stade final raquo (avant et apregraves le changement) Lrsquooutput reacutesultant de cette opeacuteration
est calculeacute en soustrayant lrsquoimage initiale de lrsquoimage finale (FINALE ndash INITIALE) (Figure ci-
dessous) et consiste en une image classifieacutee dont les classes sont deacutefinies par des laquo seuils de
changement raquo Cette laquo image de changement raquo nous informe sur lrsquointensiteacute du changement
(absence de changement changement laquo positifs raquo ou laquo neacutegatifs raquo) et sur sa localisation dans
lrsquoespace
Jetez un œil dans la rubrique laquoTips for Successful Analyses raquo du laquo change detection
analysis raquo
Pour analyser le changement en termes de couverture veacutegeacutetale sur lrsquoAfrique entre janvier
2006 et septembre 2006 (Figure 9) reacutealisez les opeacuterations suivantes
Allez dans laquo ENVI main menu Basic Tools Change Detection Compute
Difference Maprdquo
Dans la fenecirctre laquo Select the laquo Initial State raquo Image raquo seacutelectionnez lrsquoimage ante-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_JANVIER_2006tif raquo et cliquez laquo OK raquo
27
Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-
changement dans ce cas-ci lrsquoimage NDVI-Afrique laquo hellipTELEDETECTIONDATASPOT
VEGEATION AFRIQUEdecade1_SEPTEMBRE_2006 raquo et cliquez laquo OK raquo
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo choisissez 5 classes
Plusieurs meacutethodes de calcul de changement srsquooffrent agrave vous Vous allez essayer la meacutethode
laquo Simple Difference raquo avec et sans preprocessing de normalisation
La meacutethode laquo Simple difference raquo reacutealise une simple diffeacuterence entre les valeurs de
Digital Number (laquo DN raquo) des deux images En comparant vos deux images agrave lrsquoaide du
laquo cursor location value tool raquo faites-vous une ideacutee sur la gamme de valeurs qui
ressortira de cette analyse avec les 2 images NDVI
Le preprocessing laquo Normalize Data range (0 ndash 1) raquo reacutealise un preacutetraitement
consistant en laquo (DN ndash min) (max ndash min) raquo qui reacuteduit la gamme des valeurs de
chaque image entre 0 et 1 En utilisant cette meacutethode quelle gamme de valeurs
ressortira de lrsquoanalyse de changement avec les 2 images NDVI
Dans la fenecirctre laquo Compute Difference Map Input Parameters raquo adaptez les valeurs
seuils (laquo Treshold raquo) de vos 5 classes en fonction de la meacutethode choisie (une
meacutethode agrave la fois) Choisissez drsquoenregistrer vos images reacutesultats comme fichier dans
le reacutepertoire laquo hellipTELEDETECTIONDATASPOT VEGEATION
AFRIQUEdifference_map raquo avec comme nom SD_5class_xx_tresh ou
SD_5class_Norm_xx_tresh
Cliquez laquo OK raquo
Ensuite chargez vos laquo images de changement classifieacutees raquo dans de nouvelles fenecirctres de
visualisations que vous synchronisez avec les images de base (NDVI) et comparez-les
Commentez les reacutesultats obtenus
Figure 11 Illustration de lrsquoopeacuteration de soustraction algeacutebrique de 2 images satellites (codeacutees sur 8 bits 28 = 256 valeurs possibles dans la gamme [0-255]) avec des exemples de valeurs de pixels
(Digital Number (DN) proportionnel au NDVI)
28
434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse
reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution via une application web (temps 10
minutes)
A lrsquoaide du laquo Time series viewer raquo deacuteveloppeacute par le VITO et disponible ici
httpsproba-v-mepesaintapplicationstime-series-viewerappapphtml
29
Produits disponibles
NDVI PROBAV SPOT-VGT
4 CGLS FAPAR LAI FCOVER Dry Matter Productivity
Meacuteteacuteo
Explorez les diffeacuterentes reacutegions du monde proposeacutees ci-dessous et mettez en eacutevidence le lien entre
lrsquoeacutevolution temporelle des conditions de veacutegeacutetation et des preacutecipitations
Pakistan
o Double saison de veacutegeacutetation annuelle dans certaines reacutegions
Maroc
o Nord saison unique avec amplitude importante et anneacutee segraveche visible irreacutegulariteacute interannuelle
o Sud faible amplitude
Wallonie
o Saisons larges et amples o Lrsquoimpact de la seacutecheresse 2018 est-il visible
Burkina Faso
o Nord saisons amples mais eacutetroites o Sud saisons amples et plus large
Sud du Beacutenin
o FAPAR qualiteacute des donneacutees min max mean
Remarquez la possibiliteacute de travailler avec des masques drsquooccupation du sol (laquo landcover raquo)
De quel(s) capteurs sont issues ces informations Quelles sont ses caracteacuteristiques techniques
principales (reacutesolution spatiale reacutesolution spectrale et temps de revisite)
Un exemple de graphique est repris ci-dessus
435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et
caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
4351 Objectifs
Cette section est consacreacutee agrave lrsquoanalyse drsquoune seacuterie temporelle drsquoimages satellites basse
reacutesolution (1 km) de type NDVI en vue drsquoextraire certains paramegravetres pheacutenologiques
caracteacuterisant les saisons de veacutegeacutetation
30
Les objectifs techniques de lrsquoexercice sont de
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application
laquo TSM_GU I raquo) (Figure 16)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) (Figure 16)
4352 Utiliteacute
Ce type de manipulation peut ecirctre utiliseacute pour caracteacuteriser la dynamique annuelle ou
pluriannuelle de saisons de veacutegeacutetation etou de saisons agricoles agrave lrsquoeacutechelle reacutegionale ou
nationale par exemple Des exemples drsquoapplications sont lrsquoeacutetude de la deacutesertification la
preacutevision des rendements agricoles Un exemple en anglais de lrsquoutilisation de ce logiciel
dans un systegraveme de preacutevision des rendements agricoles agrave lrsquoeacutechelle nationale (Armeacutenie) est
disponible agrave titre informatif dans la Preacutesentation Power Point disponible via le lien
httporbiulgacbehandle2268145481
4353 Preacutesentation du logiciel utiliseacute TIMESAT
Le logiciel utiliseacute est TIMESAT dont le site web est
httpwwwnatekoluseTIMESATtimesatasp
Le principe de base de ce logiciel est simple comme illustreacute dans la Figure 12 ci-dessous
Lecture et visualisation drsquoune seacuterie temporelle drsquoimages satellites et production
drsquoune courbe traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel (courbe
noire)
Lissage des courbes traduisant lrsquoeacutevolution temporelle du signal pour chaque pixel
(courbe rouge)
Extraction des informations pheacutenologiques agrave partir des courbes temporelles lisseacutees et
production drsquoimages de paramegravetres pheacutenologiques et drsquoimages de NDVI
temporellement lisseacutees
31
Figure 12 illustration du fonctionnement de TIMESAT ligne bleue courbe temporelle bruyante
du NDVI en rouge courbe temporelle lisseacutee du NDVI lettres paramegravetres pheacutenologiques calculeacutes (a) beginning of season (b) end of season (c) length of season (d) base value (e) time of
middle of season (f) maximum value (g) amplitude (h) small integrated value (h+i) large integrated value
4354 Teacuteleacutechargement de TIMESAT
Ce logiciel est libre et disponible apregraves enregistrement via teacuteleacutechargement sur le site web
httpwwwnatekolusetimesattimesataspcat=4 Des donneacutees exemples et un tutoriel
(en anglais) sont eacutegalement disponibles sur ce site web
Une fois logueacute teacuteleacutechargez
La version du logiciel adapteacutee agrave votre situation Dans la plupart des cas crsquoest la
version ldquoTIMESAT standalone version 311 for Windows users without Matlab (zip
archive 2012-11-22 181 Mb)rdquo qui doit ecirctre teacuteleacutechargeacutee Le dossier teacuteleacutechargeacute est
ldquotimesat311_standalone_windows32ziprdquo
4355 Installation de TIMESAT
Remarque lrsquoinstallation pause parfois problegraveme avec certains ordinateurs
Pour des informations deacutetailleacutees sur lrsquoinstallation reacutefeacuterez-vous aux pages pages 36 and 37
(section 7) du ldquoTIMESAT 31 Software Manualrdquo qui est disponible dans le dossier teacuteleacutechargeacute
Ci-dessous un reacutesumeacute des eacutetapes de lrsquoinstallation
Deacuteziper (deacutecompresser) le dossier teacuteleacutechargeacute
ldquotimesat311_standalone_windows32ziprdquo dans un reacutepertoire de votre choix par
32
exemple dans ldquoTP_TELEDETECTIONDATATIMESATrdquo Le tutoriel
ldquotimesat3_1_1_SoftwareManualpdfrdquo est disponible dans le dossier
ldquotimesat311_standalone_windows32timesat311documentationrdquo
Si Matlab nrsquoest pas installeacute sur votre ordianteur il est neacutecessaire drsquoinstaller
preacutealablement le petit programme ldquoMatlab Compiler Runtime (MCR) raquo Pour les
utilisateurs Windows double-cliquez sur le fichier ldquoMCRinstallerexe raquo disponible
dans le reacutepertoire
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Vous recevrez
peut-ecirctre le message suivant NET Framework is not installed raquo Dans ce cas
1 Appuyez sur laquo cancel raquo et installez ldquoNET frameworkrdquo (disponible via une
recherche sur Google)
2 Recommencez le processus drsquoinstallation
Sinon cliquez sur ldquoOK to continue Continuez lrsquoinstallation en cliquant sur ldquoOKrdquo
plusieurs fois
Le logiciel TIMESAT lui-mecircme nrsquoa pas besoin drsquoecirctre installeacute
4356 Deacutemarrage de TIMESAT
Pour deacutemarrer TIMESAT double cliquez sur le fichier ldquoTIMESATexerdquo dans le dossier
ldquotimesat311_standalone_windows32timesat311compiledWin32rdquo Si lrsquoordinateur
vous demande laquo Do you want to execute the filerdquo cliquez sur ldquoyesrdquo
Apregraves le double clic une fenecirctre DOS (ligne de commande) apparait Attendez
quelques secondes et ensuite il vous sera demandeacute drsquoindiquer la ldquoTIMESAT
installation folderrdquo Naviguez jusqursquoau dossier ldquotimesat311rdquo comme montreacute dans la
Figure 13 et cliquez ldquoOKrdquo Cette eacutetape est tregraves importante
Figure 13 seacutelection du dossier drsquoinstallation de TIMESAT au deacutemarrage de TIMESAT
33
Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure
14)
Figure 14 principale interface de TIMESAT
34
Dans la fenecirctre ldquoTimesat menu systemrdquo vous devez indiquer le reacutepertoire de travail
(laquo working directory raquo) (Figure 15) (p 37 et p 43 du manuel ldquoTIMESAT 31 Software
Manualrdquo) Cette eacutetape est tregraves importante Le reacutepertoire de travail est le reacutepertoire
dans lequel les reacutesultats des calculs de TIMESAT seront enregistreacutes
Allez dans ldquoTIMESAT menu system gt File gt Preferencesrdquo et naviguez jusqursquoau
reacutepertoire de travail dans ce cas ldquohellip
TIMESAT311timesat311_standalone_windows32timesat311run
Figure 15 menu pour deacutefinir le reacutepertoire de travail adeacutequat au deacutemarrage de TIMESAT
4357 Utilisation de TIMESAT
Utilisation de TIMESAT pour
Visualiser les images NDVI fournies avec le logiciel (application laquo TSM_imageview raquo)
Visualiser lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo
TSM_GU I raquo) (Figure 27)
Comparer les diffeacuterentes meacutethodes et paramegravetres de lissage temporel et
drsquoextraction des paramegravetres pheacutenologiques (application laquo TSM_GUI raquo) ()
Ceci peut se faire avec les donneacutees fournies dans le dossier
laquo hellipTIMESAT311timesat311_standalone_windows32timesat311datawa raquo
Le fichier liste laquo ndvilistwatxt raquo
Les 108 images NDVI allant de laquo wa_nd00011img raquo agrave laquo wa_nd99123img raquo couvrant
une peacuteriode de 3 ans (36 images par an 1 image par deacutecade) Ces image sont de
dimensions = 200 lignes 200 colonnes et de format de type laquo 8-bit unsigned raquo
En cas de problegraveme reacutefeacuterez-vous au manuel de TIMESAT agrave partir de la page 40 agrave la section laquo
9 Getting started with TIMESAT ndash a quick tutorial raquo
35
Figure 16 interface laquo TSM_GUI raquo de TIMESAT visualisation de lrsquoeacutevolution temporelle du signal
NDVI pour 1 pixel de son lissage paramegravetres et extraction des paramegravetres pheacutenologiques
44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image
Landsat TM
Envi propose un outil pratique pour creacuteer un indice NDVI agrave partir de bandes de reacuteflectance
dans le rouge et le proche-infrarouge laquo NDVI Calculation Parameters raquo
Cliquez sur laquo Transform gt NDVI raquo dans la barre de menu principale drsquoENVI
Seacutelectionnez lrsquoimage Landsat TM laquo can_tmrimg raquo dans la fenecirctre laquo NDVI Calculation
Input File raquo qui apparait
Cliquez laquo OK raquo
Choisissez laquo Landsat TM raquo comme laquo Input File Type raquo dans le menu deacuteroulant
Indiquez le numeacutero des bandes qui correspondent aux longueurs drsquoonde Rouge et
Proche Infra Rouge bandes numeacutero 3 et 4 respectivement
Sauvez votre reacutesultat dans un fichier (laquo File raquo) dans le reacutepertoire laquo RESULTAT raquo
Choisissez laquo Floating Point raquo comme laquo Output Data Type raquo
Cliquez laquo OK raquo
Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo
36
Chargez-la dans une nouvelle fenecirctre de visualisation
Comparez cette image avec la composition coloreacutee vraie couleur Que constatez-vous
Comment apparaissent neige veacutegeacutetation et sol nu Les valeurs de NDVI sont accessibles via
lrsquooutil laquo Cursor Location Value raquo Donnez une valeur de NDVI moyenne des 3 types
drsquooccupation du sol sus-mentionneacutees
Une autre possibiliteacute pour creacuteer un indice NDVI ou toute autre combinaison de bandes est
donneacutee par lrsquooutil laquo Band Math raquo
Cliquez sur laquo Basic Tools gt Band Math raquo pour y acceacuteder
Ensuite il vous suffira de taper une expression du type laquo b4 ndash b3 raquo dans la fenecirctre laquo Enter an
expression raquo de cliquer laquo Add to List raquo de la seacutelectionner de deacutefinir par seacutelection les bandes
correspondant agrave b4 et b3 et de choisir un laquo output file raquo
Fermez toutes les fenecirctres de visualisation
37
45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de
Terrain raquo (MNT) ou laquo Digital Elevation Model raquo
(DEM)
Dans cette section vous travailler avec un Modegravele Numeacuterique de Terrain (MNT) du monde Ouvrez le MNT du monde dans un nouveau viewer
Cliquez sur laquo File gt Open Image Filehellip raquo dans la fenecirctre laquo Available Band List raquo
Naviguez jusqursquoau reacutepertoire ougrave se situe votre MNT dans ce cas-ci ldquoCProgram
FilesRSIIDL63productsenvi45dataworl_dem raquo
Seacutelectionnez-le et cliquez laquo Open raquo
Le fichier laquo world_dem raquo srsquoajoute dans la fenecirctre laquo Available Band List raquo Il est composeacute de 2
bandes correspondant aux eacuteleacutevations minimale et maximale Acceacutedez aux informations
disponibles sur ce fichier dans la rubrique laquo Map Info raquo de cette couche
Chargez la bande drsquoeacuteleacutevation maximale dans un nouveau viewer
Pour une meilleure visualisation changez la symbologie noir et blanc actuelle en un
symbologie coloreacutee
Cliquez sur laquo Tools gt Color Mapping gt ENVI Color Tableshellip raquo dans la barre de menu
de la fenecirctre de visualisation
Explorez les diffeacuterents types de symbologie et choisissez une symbologie qui vous
paraicirct adeacutequate Par exemple la symbologie laquo Eos A raquo
Visualiser lrsquoentiegravereteacute du monde en 3D sans exageacuteration verticale (multiplication de lrsquoaltitude
par un facteur gt 1) ne serait pas tregraves inteacuteressant car la variation verticale de la surface
terrestre (eacuteleacutevation entre 0 et 8 km) est insignifiante face agrave lrsquoeacutetendue horizontale du monde
(circonfeacuterence de la terre drsquoenviron 40 000 km) De plus si vous vous inteacuteressez agrave une reacutegion
particuliegravere du monde par exemple lrsquoHimalaya vous choisirez de reacutealiser un laquo Spatial
Subset raquo (seacutelection drsquoune reacutegion particuliegravere) centreacute sur lrsquoHimalaya
Cliquez sur laquo Tools gt 3D SurfaceViewhellip raquo dans la barre de menu de la fenecirctre de
visualisation dans laquelle se situe votre MNT
Seacutelectionnez la bande laquo Maximum Elevation raquo dans la fenecirctre laquo Associated DEM
Input File raquo
Les informations sur cette bande apparaissent dans la colonne laquo Band Information raquo de cette
fenecirctre
38
Cliquez laquo OK raquo
La fenecirctre laquo 3D SurfaceView Input Parameters raquo apparait
Indiquez une exageacuteration verticale de 600 si vous voulez visualiser la totaliteacute du
monde en 3D ou une exageacuteration de 100 si vous vous concentrez sur lrsquoHimalaya
Reacutealisez eacuteventuellement un laquo Spatial Subset raquo (si vous vous concentrez sur une
reacutegion particuliegravere) agrave lrsquoaide de lrsquooption laquo Image raquo qui vous permet de seacutelectionner
directement la reacutegion drsquointeacuterecirct sur la carte du monde Laissez la valeur par deacutefaut de
400 colonnes 400 lignes mais ajustez la position du laquo subset raquo sur lrsquoHymalaya
Cliquez laquo OK raquo 2 fois
Votre surface 3D apparait apregraves quelques secondes dans la fenecirctre laquo 3D SurfaceView (Vert
Exag 6000 (ou 100)) raquo Explorez votre MNT Eventuellement creacuteez un nouvel MNT pour
une autre reacutegion du monde avec une autre symbologie
Figure 17 Vue 3D du monde obtenue agrave lrsquoaide de lrsquooutil 3D laquo SurfaceView raquo drsquoENVI
ENVI permet eacutegalement de visualiser des images satellites en 3D pour peu que vous
posseacutediez une image et un DEM geacuteoreacutefeacuterenceacutes et couvrant la mecircme zone (la partie
commune agrave lrsquoimage et au DEM sera repreacutesenteacutee en 3D) Ceci est reacutealiseacute dans la section
laquo 4722 Observation drsquoune image en 3D raquo page 43
39
46 Correction geacuteomeacutetrique
Les images satellites telles qursquoenregistreacutees par les capteurs des satellites preacutesentent
souvent des erreurs dites laquo geacuteomeacutetriques raquo Deux grands types drsquoerreurs sont agrave distinguer
Erreurs systeacutematiques (lieacutees au systegraveme drsquoenregistrement de lrsquoimage dues agrave la
rotation de la terre agrave lrsquoangle de balayagehellip) Ces erreurs agrave condition de posseacuteder
suffisamment drsquoinformations sur la position du capteur angle de prise de vue etc
peuvent ecirctre corrigeacutees par laquo Orthorectification raquo
Erreurs accidentelles (causes fortuites mouvements incontrocircleacutes du satellite par
rapport agrave sa ligne orbitale et agrave la verticale du lieu variation drsquoaltitude) Ces erreurs ne
sont pas connues agrave priori et ne peuvent donc ecirctre corrigeacutees par orthorectification La
correction appliqueacutee est de type laquo geacuteoreacutefeacuterencement simple raquo et utilise des points de
positionnement (points de calage) connus facilement retrouvables sur lrsquoimage agrave
corriger
Ces erreurs geacuteomeacutetriques peuvent avoir comme conseacutequences des erreurs de
positionnement de lrsquoimage mais aussi des erreurs dans lrsquoestimation des superficies dues
aux deacuteformations de lrsquoimage
Dans le cadre de ce TP vous reacutealiserez une correction geacuteomeacutetrique par geacuteoreacutefeacuterencement
simple
Ouvrez les images suivantes dans 2 nouveaux viewer
o laquo SPOT10mNamurBAND1img raquo (Viewer 1)
o laquo SPOT10mNamurNONGEOtif raquo (Viewer 2)
Lrsquoimage laquo SPOT10mNamurNONGEOtif raquo est identique agrave lrsquoimage laquo SPOT10mNamurtif raquo si ce
nrsquoest qursquoelle preacutesente une deacuteformation geacuteomeacutetrique Il srsquoagit drsquoun deacutecalage spatial non
connu preacuteciseacutement Vous allez donc devoir la geacuteoreacutefeacuterencer ENVI propose plusieurs
meacutethodes pour reacutealiser ce type drsquoopeacuteration en fonction du type de donneacutee utiliseacutee pour le
positionnement de reacutefeacuterence (une image une carte des points de controcircle issus de GPShellip)
Dans ce cas-ci vous allez geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo agrave lrsquoaide
de lrsquoimage laquo SPOT10mNamurBAND1img raquo qui elle est correctement geacuteoreacutefeacuterenceacutee
Constater lrsquoerreur de positionnement de votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Tools gt Link gt Link Displayhellip raquo dans la barre de menu drsquoune fenecirctre de
visualisation et synchronisez vos 2 fenecirctres de visualisation en activant la
superposition dynamique et choisissez une transparence de 0
40
Zoomez sur un endroit tregraves caracteacuteristique de votre image par exemple la jonction
entre la Sambre et la Meuse dans le centre de Namur Arrangez-vous pour avoir cette
jonction dans le coin infeacuterieur droit de votre viewer 2
Cliquez sur le viewer image 2
Lrsquoimage de reacutefeacuterence (viewer 1) devrait apparaitre dans le viewer 2 lorsque vous cliquez
dessus Constatez le deacutecalage spatial entre ces 2 images
Cliquez sur laquo Tools gt Link gt Unlink Display raquo pour ne plus synchroniser les viewer ce
qui serait gecircnant pour la geacuteoreacutefeacuterenciation
Pour geacuteoreacutefeacuterencer votre image laquo SPOT10mNamurNONGEOtif raquo
Cliquez sur laquo Map gt Registration gt Select GCPs Image to Image raquo
Indiquez le display 1 comme le display contenant lrsquoimage de reacutefeacuterence (laquo Base
image raquo) et le display 2 comme le display contenant lrsquoimage agrave geacuteoreacutefeacuterencer
Cliquez laquo OK raquo
Une fenecirctre laquo Ground Control Point Selection raquo apparait Crsquoest agrave lrsquoaide de cette interface
que vous allez geacuteoreacutefeacuterencer lrsquoimage en creacuteant des points de controcircle au sol ou laquo Ground
Control Point raquo (laquo GCP raquo)
Cliquez sur laquo Show List raquo pour afficher la liste de GCP existant et ouvrez cette
fenecirctre complegravetement (vers la gauche)
Pour lrsquoinstant elle est vide
Seacutelectionnez un endroit tregraves clairement visible et identifiable (au pixel pregraves ) dans
lrsquoimage de reacutefeacuterence (viewer 1) (par exemple la pointe de terre agrave la jonction de la
Sambre et de la Meuse)
Seacutelectionnez le pixel correspondant dans lrsquoimage agrave corriger
Cliquez sur laquo Add Point raquo pour enregistrer ce premier GCP Il srsquoajoute dans votre
table de GCP
Lors de la saisie de GCP ENVI calcul lrsquoerreur quadratique moyenne (laquo Root Mean Square
Error raquo ou laquo RMSE raquo) agrave partir de 5 GCP (agrave droite dans la table) En principe cette erreur doit
ecirctre infeacuterieure agrave la taille drsquoun pixel de lrsquoimage agrave geacuteoreacutefeacuterencer ici 10 megravetres Dans votre cas
pour une question de rapiditeacute toleacuterez un RMSE de 20 megravetres Supprimez les points qui
preacutesentent un RMSE trop important Gardez un quinzaine de points GCP au final
Choisissez dans ce cas-ci une correction geacuteomeacutetrique au premier degreacute
Lorsque vous avez suffisamment de points et que le RMSE est suffisamment petit
Cliquez sur laquo Option gt Warp File (as Image to Map)hellip raquo dans la fenecirctre laquo Ground
Control Point Selection raquo
41
Seacutelectionnez lrsquoimage laquo SPOT10mNamurNONGEOtif raquo et cliquez laquo OK raquo dans la
fenecirctre laquo Input Warp Image raquo
Dans la fenecirctre laquo Registration Parameters raquo choisissez une transformation
polynomiale de degreacute 1 avec un reacute-eacutechantillonnage du plus proche voisin et
enregistrez votre fichier output dans le dossier laquo RESULTAT raquo
Cliquez laquo OK raquo
Votre image geacuteoreacutefeacuterenceacutee apparait dans la fenecirctre laquo Available Bands List raquo
Analysez votre reacutesultat par superposition dynamique avec lrsquoimage de reacutefeacuterence dans
un nouveau viewer
42
47 Reacutealisation drsquoune carte drsquooccupation du sol par
classification superviseacutee drsquoune image SPOT
multispectrale
Dans cette section vous allez reacutealiser une carte drsquooccupation du sol par classification
superviseacutee drsquoune image satellite SPOT de la reacutegion de Namur Lrsquoimage SPOT dont vous allez
avoir besoin se situe dans le reacutepertoire laquoDATASPOT NAMURraquo
Les grandes eacutetapes agrave suivre sont
Observation de lrsquoimage en 2D et 3D
Classification superviseacutee de lrsquoimage (et analyse de la seacuteparabiliteacute spectrale des
classes)
Validation des reacutesultats de la classification
Production de la carte drsquooccupation du sol deacuteriveacutee de la classification (dans ENVI
QGIS ou ArcGIS)
Une videacuteo-tutoriel de 18 minutes explique de maniegravere reacutesumeacutee comment proceacuteder
o httpswwwyoutubecomwatchv=uPxwmBGmH9oamplist=UUEs-zMTorbCxWOV-
E5ivJIg
o Utilisez le chapitrage disponible sous la videacuteo pour acceacuteder facilement agrave la
partie de la videacuteo qui vous inteacuteresse
43
472 Observation drsquoune image
4721 Observation drsquoune image en 2D
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans un nouveau viewer en laquo RGB raquo en seacutelectionnant
les bandes de votre choix Cette image est issue du capteur SPOT4 ou SPOT5 Ces principales
caracteacuteristiques sont reprises dans le tableau ci-dessous
Nom de la bande Longueur drsquoonde Spectre eacutelectromagneacutetique Reacutesolution spatiale
B1 050 - 059 microm Vert et Jaune 10 megravetres
B2 061 - 068 microm Rouge 10 megravetres
B3 078 - 089 microm Proche InfaRouge (PIR) 10 megravetres
B4 158 - 175 microm Moyen InfraRouge (MIR) 10 megravetres Figure 18 caracteacuteristiques de lrsquoimage SPOT
4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
Pour visualiser lrsquoimage en 3D (Figure 19 Visualisation 3D de la ville de Namur (centre-ville
Meuse citadelle campagne alentour) agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER
GDEM)) un MNT correspondant agrave la zone de lrsquoimage est neacutecessaire La partie commune agrave
lrsquoimage et au MNT sera repreacutesenteacutee en 3D Le MNT neacutecessaire agrave cet exercice est fourni dans
le dossier laquo DATAASTGTM_N50E004ASTGTM_N50E004_demtif raquo
Ouvrez lrsquoimage laquo SPOT10mNamurtif raquo dans une nouvelle fenecirctre de visualisation
(confer ci-dessus)
Utilisez le menu laquo 3D SurfaceView raquo de la fenecirctre de visualisation dans laquelle
lrsquoimage est ouverte (confer section 45) et utilisez le MNT
laquo ASTGTM_N50E004_demtif raquo
Adapter les paramegravetres de visualisation avec par exemple
o Une exageacuteration verticale de 5
o Un laquo spatial subset raquo centreacute sur le centre-ville de Namur et la citadelle
Remarquez que ce type de repreacutesentation combinant les informations spectrales et
lrsquoaltitude aide agrave la compreacutehension et agrave lrsquoanalyse de lrsquoorganisation de lrsquoespace et facilitera en
particulier votre photo-interpreacutetation
44
Figure 19 Visualisation 3D de la ville de Namur (centre-ville Meuse citadelle campagne alentour)
agrave lrsquoaide drsquoune image SPOT et drsquoun MNT (ASTER GDEM)
4723 Identification des classes drsquooccupation du sol
Analyser visuellement votre image et repeacuterez les grands types drsquooccupation du sol
Centres urbains (ville et village bacirctiments gare hellip)
Routes (autoroute route rail)
Zones boiseacutees (forecirct boishellip)
Terres agricoles (champ cultiveacute et champ nu)
Cours drsquoeau (fleuves canauxhellip)
Carriegravere
hellip
Deacutecidez des classes que vous essayerez de retrouver par classification automatique de
lrsquoimage (entre 5 et 8 classes) Pour cet exercice et pour simplifier les choses vous pouvez
travailler avec les 7 classes suivantes seulement
45
Classe Description
BATIT Routes maisons etc
EAU Fleuve eacutetang large riviegravere
SOL NU TERRE Sol nu (terre) dont principalement des parcelles agricoles avec sol nu
VEGETATION CULTURE Parcelles agricoles avec veacutegeacutetation
FORET FEUILLUE Arbre et massif forestier de type feuillu
FORET CONIFERE Arbre et massif forestier de type conifegravere
NO DATA Zones sans donneacutee en dehors de lrsquoimage
4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune
image
La photo-interpreacutetation (reconnaissance des diffeacuterentes occupations du sol par analyse
visuelle) drsquoune image est parfois difficile
Soit parce que lrsquoimage ne preacutesente pas une qualiteacute suffisante (reacutesolution spatiale et
spectrale adeacutequate)
Soit agrave cause drsquoun manque drsquoexpeacuterience du photo-interpreacuteteur ou drsquoun manque de
connaissance de la zone
La photo-interpreacutetation peut ecirctre faciliteacutee gracircce agrave lrsquoutilisation de donneacutees compleacutementaires
sur la zone eacutetudieacutee par exemple
Analyse visuelle de la zone dans Google Earth Pro Google Earth Pro dispose drsquoimage
agrave tregraves haute reacutesolution spatiale pour une partie sans cesse grandissante de la
planegravete Attention toutefois agrave garder agrave lrsquoesprit que les images de Google Earth Pro ne
datent probablement pas de la mecircme peacuteriode que celle qui fait lrsquoobjet de votre
eacutetude Par exemple la reconnaissance des types de forecirct au Sud de Namur se fait
facilement dans Google Earth (feuillus versus reacutesineux)
Cartes topographiques
Une enquecircte de terrain avec releveacute GPS
Divers documents donnant des informations sur lrsquooccupation du sol de la zone
4725 Outil laquo Animation raquo
Lrsquooutil laquo Animation raquo permet drsquoafficher automatiquement successivement et agrave une certaine
vitesse les diffeacuterentes bandes drsquoun fichier-image
Cliquez sur laquo Tools gt Animationhellip raquo
Seacutelectionnez les 4 bandes de lrsquoimage SPOT
Cliquez laquo OK raquo
46
Une fenecirctre animeacutee apparait Modifiez en la vitesse si neacutecessaire Qursquoest-ce que cet outil
permet de mettre clairement en eacutevidence
Reacuteponse la forte diffeacuterence de valeur de reacuteflectance selon les bandes pour une
mecircme occupation du sol
4726 Ameacutelioration de contraste
Lrsquoameacutelioration de contraste consiste en une transformation virtuelle des donneacutees afin
drsquoutiliser toute la gamme drsquointensiteacute de couleur disponible pour visualiser les donneacutees agrave
lrsquoeacutecran Cette ameacutelioration ne modifie donc pas vos donneacutees sources (la valeur des pixels)
Elle ne fait qursquoattribuer diffeacuteremment la palette de couleur disponible agrave votre image afin de
faire ressortir certains eacuteleacutements plus clairement
Lrsquoameacutelioration de contraste proposeacutee par ENVI par deacutefaut est de type lineacuteaire et se base sur
la fenecirctre laquo Scroll raquo reprenant lrsquoensemble de lrsquoimage
Tentez de trouver une ameacutelioration de contraste qui facilite lrsquointerpreacutetation visuelle de
lrsquoimage
Cliquez sur laquo Enhance raquo dans la barre de menu du viewer
Vous avez le choix entre diffeacuterentes ameacuteliorations de contraste preacutedeacutefinies agrave appliquer sur
chacun des 3 types de viewer (Image Scroll et Zoom) Vous pouvez eacutegalement reacutealiser une
ameacutelioration de contraste manuellement de maniegravere interactive (laquo Interactive Stretching raquo)
Des filtres sont eacutegalement disponibles (laquo Filter raquo)
473 Classification drsquoune image
Il existe diffeacuterents types de meacutethodes de classifications
Superviseacutee lrsquoopeacuterateur deacutefini lui-mecircme les classes agrave produire (nombre
caracteacuteristique spectralehellip)
Non-superviseacutee le logiciel deacutefini lui-mecircme les classes
Par pixel chaque pixel est classifieacute individuellement et indeacutependamment des pixels
voisins
Par objet lrsquoimage est drsquoabord deacutecoupeacutee en objet (1 objet = 1 ensemble de pixels
voisins spectralement homogegravene) au cours drsquoune eacutetape de laquo segmentation raquo
Ensuite les caracteacuteristiques de ces objets sont utiliseacutees pour les classifier
4731 Classification non-superviseacutee
47
Reacutealisez 2 classifications non-superviseacutees de votre image Une classification laquo Iso-Data raquo et
une classification laquo K-means raquo
Cliquez sur laquo Classification gt Unsupervised gt Iso-Data et puis K-means raquo
Seacutelectionnez votre image geacuteoreacutefeacuterenceacutee comme image agrave classifier
Laissez la plupart des paramegravetres par deacutefaut
Enregistrez le reacutesultat dans votre dossier laquo Reacutesultat raquo avec comme nom le nom de la
meacutethode utiliseacutee
Visualisez les 2 classifications dans 2 nouveaux viewer et commentez-les (nombre de classes
type drsquooccupation du sol reconnus meacutelangeacutes etc)
4732 Classification superviseacutee
Reacutealisez une classification superviseacutee drsquoune image satellite sous-entend que vous posseacutedez
une tregraves bonne connaissance de lrsquooccupation du sol reacuteelle de la zone de lrsquoimage agrave lrsquoeacutepoque
ougrave lrsquoimage a eacuteteacute prise Cette connaissance peut venir de plusieurs sources comme expliqueacute
ci-dessus agrave la section 4724 laquo Utilisation de donneacutees compleacutementaires pour lrsquoanalyse
visuelle drsquoune image raquo
Dans ce cas-ci comme il nrsquoy a pas eu drsquoenquecircte de terrain vous proceacutederez par photo-
interpreacutetation en vous aidant eacuteventuellement de Google Earth pour les classes les plus
difficilement reconnaissables
47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) et de votre connaissance de la reacutegion eacutetudieacutee deacutefinissez la
leacutegende de la carte crsquoest-agrave-dire les classes drsquooccupation du sol que vous deacutesirez voir
apparaitre dans la carte drsquooccupation du sol qui sera produite
47322 Deacutefinition du nombre de classes spectrales
A partir de lrsquoexamen de la composition coloreacutee de la zone agrave classifier (eacutegalement avec
lrsquoameacutelioration de contraste) identifiez eacutegalement combien de signatures spectrales
diffeacuterentes correspondent agrave chaque classe de la leacutegende identifieacutees agrave la section preacuteceacutedente
En effet une occupation du sol telle que laquo culture raquo peut preacutesenter diffeacuterentes signatures
spectrales au moment de lrsquoenregistrement de lrsquoimage selon lrsquoespegravece cultiveacutee et son stade
veacutegeacutetatif (Figure 20) Il srsquoagit donc de deacutefinir autant de classes spectrales qursquoil existe de
48
situations spectralement bien diffeacuterentes pour chaque occupation du sol Lrsquoalgorithme de
classification pourra ainsi traiter chaque signature spectrale de maniegravere indeacutependante
Classe de la leacutegende de la carte
Classes spectrales correspondantes utiliseacutee pendant le processus de classification superviseacutee
Forecirct Forecirct de feuillu (ex vert clair) Forecirct de reacutesineux (ex vert fonceacute)
Zones agricoles Parcelles agricoles preacutesentant un sol nu (ex brun) Parcelles agricoles preacutesentant une culture x (ex colza en fleur jaune) Parcelles agricoles preacutesentant une culture y (ex prairie vert) hellip
Zones construites Routes (ex gris) Toits drsquoardoise (ex noir) Toits de tuiles (ex rouge)
hellip hellip
Figure 20 Exemple simplifieacute de relation entre les classes drsquooccupation du sol repreacutesenteacutees sur une carte et les classes spectrales correspondantes ayant eacuteteacute utiliseacutees lors du processus de classification superviseacutee
Lrsquoexamen des signatures spectrales de chaque classe spectrale peut se faire dans ENVI agrave
lrsquoaide des aires drsquoentrainement (confer ci-dessous la section 47323) et de lrsquoanalyse de leur
seacuteparabiliteacute (confer section 49 laquo Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur
une image raquo)
Les diffeacuterentes classes spectrales appartenant agrave un mecircme taxon drsquooccupation du sol
pourront ecirctre fusionneacutees apregraves la classification pour une meilleure repreacutesentation
cartographique (confer ci-dessous la section 475 laquo Post-traitement drsquoune image classifieacutee
pour ameacuteliorer le rendu visuel raquo)
Dans ce cas-ci pour vous faciliter la tacircche creacuteez 7 classes maximum (confer tableau ci-
dessus)
47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo
pour chaque classe
Il srsquoagit de seacutelectionner un minimum de 30 pixels spectralement repreacutesentatif de chaque
signature spectrale identifieacutee preacuteceacutedemment Ces eacutechantillons ou laquo aires drsquoentrainement raquo
serviront agrave la laquo CALIBRATION raquo de votre classification Elles sont deacutefinies agrave lrsquoeacutecran par la
numeacuterisation drsquoun ou plusieurs polygones pour chaque classe spectrale Sur base des
polygones ainsi deacutefinis lrsquoextraction automatique des valeurs de pixels contenues agrave lrsquointeacuterieur
des polygones et le calcul de leur moyenne et eacutecart-type produiront la signature spectrale de
chaque classe agrave partir des 4 canaux de lrsquoimage SPOT
49
Les aires drsquoentrainement doivent ecirctre repreacutesentatives de chaque classe spectrale
consideacutereacutee Voici quelques conseils pour la seacutelection des aires drsquoentrainement
Il est souvent preacutefeacuterable que ces aires drsquoentrainement soient bien reacuteparties sur toute
lrsquoimage En effet ceci permettra de prendre en compte
o Les eacuteventuels gradients de luminositeacute entre les diffeacuterentes zones de lrsquoimage
(conditions atmospheacuteriques reliefexpositionhellip)
o Une leacutegegravere diffeacuterence spectrale entre une mecircme classe drsquooccupation du sol
dans des reacutegions diffeacuterentes (gradient ou classes peacutedologiques variation des
espegraveces veacutegeacutetales ou de leur eacutetat de deacuteveloppement etc)
o hellip
Un minimum de 30 pixels par classe spectrale et un nombre suffisant drsquoaires
drsquoentrainement pour qursquoelles soient repreacutesentatives de la classe spectrale
consideacutereacutee Le nombre drsquoaires drsquoentrainement neacutecessaire deacutependra donc de la
complexiteacute spectrale de chaque classe et de la complexiteacute de lrsquoimage Par exemple
une image ne comprenant comme occupation du sol que le deacutesert et la mer sera
extrecircmement facile agrave classifier et cela pourra se faire avec peu drsquoaires
drsquoentrainement (une seule aire drsquoentrainement par clase suffira probablement) A
lrsquoinverse une image preacutesentant un meacutelange de veacutegeacutetation naturelle et cultiveacutee de
diffeacuterent types et agrave diffeacuterents stades de deacuteveloppement sera plus difficile agrave classifier
car les classes drsquooccupation du sol sont plus nombreuses elles se ressemblent plus
entre-elles et elles preacutesentent peut-ecirctre chacune une plus grande heacuteteacuterogeacuteneacuteiteacute
spectrale Dans ce cas il sera neacutecessaire drsquoutiliser plus drsquoaires drsquoentrainement par
classe afin que les aires drsquoentrainement soient bien repreacutesentatives de toutes les
leacutegegraveres variations drsquoune classe spectrale donneacutee et permettent de diffeacuterencier au
mieux les classes les unes des autres
La courbe de la distribution du nombre de pixels en fonction de leur reacuteflectance
(pour une bande spectrale donneacutee) doit ecirctre uni-modale (ou srsquoen rapprocher) Si elle
est multimodale ceci constitue une indication que ces aires correspondent agrave
plusieurs classes spectralement distinguables et qursquoil faut donc les seacuteparer en autant
de classes qursquoil nrsquoy a de mode dans la courbe
Ne consideacuterer que des laquo pixels purs raquo crsquoest-agrave-dire des pixels correspondant
uniquement agrave la classe drsquooccupation du sol viseacutee et non des pixels couvrant plusieurs
classes drsquooccupation du sol (laquo mixel raquo pixel mixte) Par exemple pour des zones
50
drsquoentrainement drsquoun fleuve ne pas consideacuterer des pixels se trouvant proche de la
berge car leur reacuteflectance risque drsquoecirctre influenceacutee par la berge
Faites attention agrave faire apparaitre la mention laquo cal raquo dans le nom de ces classes qui seront
utiliseacutees agrave des fins de calibration (par exemple laquo forecirct_cal raquo) et ce afin de facilement faire la
distinction entre vos classes de calibration et de validation lors de la creacuteation de la matrice de
confusion (voir plus loin)
47324 Creacuteation de ROIs dans ENVI
La deacutefinition des aires drsquoentrainement dans ENVI se fait via la creacuteation de laquo ROI raquo (laquo Region
Of Interest raquo Pour creacuteer des ROIs
Cliquez-droit sur lrsquoimage agrave classifier lorsqursquoelle est afficheacutee dans un viewer
Choisissez laquo ROI Toolhellip raquo
La fenecirctre laquo ROI Tool raquo apparait (Figure 21) Crsquoest lrsquoassistant de creacuteation des ROIs
Dans cette fenecirctre choisissez la fenecirctre laquo Image raquo comme zone de creacuteation des ROIs
Nommez votre premiegravere reacutegion laquo foret raquo par exemple et choisissez une couleur vert
fonceacute
Dans la fenecirctre Image agrave lrsquoaide de clic-gauche de la souris creacuteez un polygone autour
drsquoune premiegravere zone repreacutesentative de la forecirct Pour terminer le polygone faites 2
clic-droit
Reacutepeacutetez cette opeacuteration pour un certain nombre de polygones de cette classe jusqursquoagrave
ce que vous jugiez avoir un nombre repreacutesentatif de pixels laquo forecirct raquo enregistreacutes
comme ROI
Pour ajouter une nouvelle classe cliquez sur laquo NewRegion raquo
51
Figure 21 Classification superviseacutee drsquoune image dans ENVI agrave gauche image satellite et aires drsquoentrainement (laquo ROIs raquo) (polygones verts) au centre image classifieacutee avec une symbologie adeacutequate agrave droite table des aires drsquoentrainement (laquo ROI Tool raquo) avec des aires pour chaque classe drsquooccupation du sol en calibration et validation
Construisez petit agrave petit vos ROI pour vos 5 classes drsquooccupation du sol Une fois toutes vos
ROI reacutealiseacutees sauvez-les dans un fichier
Cliquez sur laquo File gt Save ROIshellip raquo
Seacutelectionnez toute vos ROI
Enregistrez les dans un fichier laquo ROIroi raquo dans votre dossier reacutesultat
Reacutepeacutetez toutes ces opeacuterations pour creacuteer un nouveau fichier de ROI qui servira pour la
VALIDATION de votre classification Faites attention agrave faire apparaitre la mention laquo val raquo
dans le nom de ces classes qui seront utiliseacutees agrave des fins de validation (par exemple
laquo forecirct_val raquo) Attention cette opeacuteration ne peut ecirctre reacutealiseacutee que parce que vous ecirctes
confient agrave 100 dans votre photo-interpreacutetation Nommez-le laquo ROI_VALroi raquo dans votre
dossier reacutesultat
Fermez cet assistant de creacuteation lorsque vos deux fichiers ROI ont eacuteteacute creacuteeacutes
52
53
47325 Classification drsquoune image (classification superviseacutee)
Pour classifier lrsquoimage de maniegravere superviseacutee
Cliquez sur laquo Classification gt Supervised gt Maximum Likelihood raquo dans la barre de
menu principale drsquoENVI
Seacutelectionnez lrsquoimage agrave classifier (votre image geacuteoreacutefeacuterenceacutee)
Dans lrsquoonglet laquo Open gt ROI Fileshellip raquo Seacutelectionnez votre fichier ROI de calibration
laquo Roiroi raquo
Cliquez laquo OK raquo
Dans la fenecirctre laquo Maximum Likelihood Parameters raquo seacutelectionnez toutes les
classes enregistrez votre classification comme fichier laquo CLASSIF_SUP raquo dans votre
dossier laquo Reacutesultats raquo et deacutesactivez lrsquo raquoOutput Rule Images raquo
Cliquez laquo OK raquo
La classification se reacutealise Lrsquoalgorithme de classification selon le maximum de vraisemblance
(laquo Maximum Likelihood raquo) est appliqueacute agrave tous les pixels de lrsquoimage sur base des paramegravetres
statistiques deacutecrivant chaque signature spectrale obtenue La comparaison entre les valeurs
de chaque pixel et les signatures spectrales des diffeacuterentes classes deacuteterminera la
probabiliteacute drsquoappartenance du pixel agrave chacune des classes La classe preacutesentant la
probabiliteacute maximum sera attribueacutee au pixel consideacutereacute Le reacutesultat apparait dans la fenecirctre
laquo Available Band List raquo
Visualisez votre reacutesultat dans un nouveau viewer
Comparez ce reacutesultat avec lrsquoimage de base par lien dynamique synchroniseacute des
viewer (Figure 21)
Cette comparaison vous permet drsquoidentifier les deacutefauts eacuteventuels de votre classification et
donc de lrsquoameacuteliorer
474 Validation de la classification superviseacutee matrice de
confusion
4741 Seacutelection des aires de validation (ROI de validation)
Ideacutealement la deacutefinition des aires qui serviront agrave la validation drsquoune classification
superviseacutee doit se faire de maniegravere aleacuteatoire afin de ne pas tronquer la validation En effet
lrsquoopeacuterateur aura naturellement tendance agrave choisir pour la validation des zones qursquoil peut
facilement photo-interpreacuteter et qui sont probablement plus facilement classifiables que
drsquoautres Ceci aura pour conseacutequence de fausser les reacutesultats de la validation en preacutesentant
54
une preacutecision de classification surestimeacutee Un outil comme la fonction laquo Points
aleacuteatoireshellip raquo du logiciel QGIS peut ecirctre utiliseacute pour identifier les endroits agrave utiliser pour la
validation
Srsquoil existe des zones pour lesquelles la classe drsquooccupation du sol reacuteelle nrsquoest pas connue
(photo-interpreacutetation trop difficile pas drsquoinformation venant du terrain etc) il devient
impossible drsquoen reacutealiser la validation A lrsquoopeacuterateur alors drsquoestimer si ces zones sont
neacutegligeables (par exemple parce qursquoelles couvrent un tregraves faible pourcentage de la surface
de lrsquoimage) ou pas et de documenter les limitations de la meacutethode de validation utiliseacutee
Enfin il faut veiller agrave ce que les zones de validation soient suffisamment nombreuses et
reacuteparties de maniegravere homogegravene sur la carte AFIN QUE CELLES-CI PERMETTENT DE
CALCULER UNE MATRICE DE CONFUSION QUI SOIT BIEN REPRESENTATIVE DE LA PRECISION
DE CLASSIFICATION DE LrsquoENSEMBLE DE LrsquoIMAGE Par exemple si vous utilisez une seule
petite zone de validation pour une classe donneacutee et que par chance tous les pixels de cette
zone sont bien classeacutes la preacutecision de classification obtenue pour cette classe par la matrice
de confusion sera de 100 alors qursquoil est probable que drsquoautres pixels appartenant agrave cette
classe agrave drsquoautres endroits de lrsquoimage soient eux mal classifieacutes Dans ce cas votre zone de
validation ne sera pas repreacutesentative de lrsquoensemble de la classe drsquooccupation du sol et
lrsquoestimation de la preacutecision de classification de cette classe sera donc fausseacutee
Dans la cadre de ce TP par soucis de rapiditeacute et de simplification les ROIs de validation sont
dessineacutes manuellement selon la mecircme proceacutedure que pour les ROIs de calibration (confer ci-
dessus) Cette meacutethode nrsquoest donc pas optimale au vu des commentaires formuleacutes ci-dessus
4742 Calcul de la matrice de confusion ou table de contingence
Le fichier laquo ROI de validation raquo servira agrave la validation de la classification produite (mesure de
la preacutecision de la classification) La comparaison entre lrsquooccupation du sol classifieacutee ou
laquo preacutedite raquo et lrsquooccupation du sol photo-interpreacuteteacutee (ROI de validation) est reacutealiseacutee par la
construction et la discussion drsquoune matrice de confusion (ou table de contingence) En
principe le nombre de point pixel pour reacutealiser la calibration et la validation de lrsquoimage doit
suivre des regravegles statistiques ce que vous nrsquoaurez pas neacutecessairement suivi dans ce cas-ci
Cliquez sur laquo Classification gt Post Classification gt Confusion Matrix gt Using Ground
Thruth ROI raquo
Seacutelectionnez lrsquoimage classifieacutee et le fichier ROI de validation avec lrsquoonglet laquo Open raquo
Dans la fenecirctre laquo Match Classes Parameters raquo creacuteez les liens entre les ROIs de
validation (par exemple laquo foret_val raquo) et de calibration (par exemple laquo Foret_cal raquo)
Cliquez laquo OK raquo
55
La matrice de confusion apparait
Deux exemples de matrice de confusion (structure interpreacutetation et deacutefinition des
paramegravetres calculeacutes) sont donneacutes en Annexe 2 et 3
475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le
rendu visuel
Plusieurs opeacuterations de post-traitement peuvent ecirctre appliqueacutees sur une image classifieacutee en
vue drsquoen ameacuteliorer le rendu visuel par exemple Pour une information deacutetailleacutee sur les
opeacuterations de post-traitement reacutefeacuterez-vous agrave lrsquoaide drsquoENVI (Index laquo Post classification raquo)
Voici 3 opeacuterations qui permettent drsquoameacuteliorer le rendu visuel drsquoune image classifieacutee
Pour diminuer lrsquoeffet poivre et sel typique drsquoune classification par pixel utilisez une
analyse majoritaire via le menu laquo Classification gt Post Classification gt
MajorityMinority Analysis raquo
Pour fusionner diffeacuterentes classes (par exemple 2 classes se rapportant agrave la mecircme
utilisation du sol (agriculture) mais ayant des signatures spectrales diffeacuterentes (terre
laboureacutee et champ de maiumls) utilisez le menu laquo Classification gt Post Classification gt
Combine Classes raquo
Pour changer les couleurs de certaines classes utilisez le menu ldquoTools gt Color
Mapping gt Class Color Mapping raquo Choisissez des couleurs intuitives pour chacune
des classes (par exemple vert fonceacute pour la classe laquo forecirct raquo bleu pour la classe
laquo eau raquo etc)
476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page
cartographique
Il est possible de reacutealiser une mise en page cartographique simple dans ENVI Cependant des
logiciels comme QGIS ou ArcMap (ArcGIS de la firme ESRI) permettront de reacutealiser une
meilleure mise en page
4761 Mise en page cartographique dans ENVI (limiteacute)
Pour ajouter des eacuteleacutements de mise en page cartographique sur une image (image classifieacutee
par exemple)
Ouvrez lrsquoimage dans une fenecirctre de visualisation
Allez dans le menu de cette fenecirctre laquo Overlay Annotationhellip raquo
56
Dans la fenecirctre qui srsquoouvre dans le menu laquo Object raquo choisissez le type drsquoobjet que
vous voulez ajouter (texte leacutegende (laquo Map Key raquo) eacutechelle forme flegraveche du Nord
etc)
Modifiez eacuteventuellement les paramegravetres de lrsquoobjet
Cliquez gauche sur lrsquoimage agrave lrsquoendroit ougrave vous voulez inseacuterer lrsquoobjet seacutelectionneacute
Cliquez droit sur lrsquoimage pour valider lrsquoinsertion de lrsquoobjet
Reacutepeacutetez ces opeacuterations pour un autre objet
Pour plus drsquoinformation sur lrsquoinsertion drsquoobjets sur une image voyez dans lrsquoaide drsquoENVI dans
lrsquoindex laquo Annotation Adding Annotations raquo
4762 Exportation drsquoune image depuis ENVI (facultatif)
Une fois votre image classifieacutee dans ENVI vous pouvez eacuteventuellement (facultatif) exporter
le reacutesultat par exemple si vous deacutesirez utiliser votre image classifieacutee dans un document
Word Pour ce faire
Chargez votre image classifieacutee dans une nouvelle fenecirctre de visualisation
Cliquez dans le viewer contenant votre classification sur laquo File gt Save Image Ashellip gt
Image File raquo
Ignorez le message drsquoerreur qui apparait srsquoil apparait
Choisissez laquo JPEG raquo comme laquo Output File Type raquo (drsquoautres formats sont disponibles)
Indiquez un reacutepertoire de sortie correct
4763 Mise en page cartographique dans QGIS
Pour reacutealiser une mise en page cartographique dans QGIS il suffit de
Creacuteer un nouveau projet QGIS
Y ajouter lrsquoimage classifieacutee dans le format utiliseacute par deacutefaut par ENVI (pas besoin de
changer de format)
Suivre les indications pour lrsquoeacutedition cartographique dans QGIS preacutesenteacutees dans le
manuel QGIS disponible ici httpsorbiuliegebehandle2268190559 (section
laquo Edition cartographique raquo)
4764 Mise en page cartographique dans ArcGIS
Pour reacutealiser une mise en page dans ArcGIS il faut
Exporter votre image depuis ENVI dans un format compatible avec ArcMap
57
o Cliquez dans la barre de menu principale drsquoENVI sur laquo File gt Save File As gt ESRI
GRID raquo Ce format (ESRI GRID) est neacutecessaire pour que les classes drsquooccupation
du sol lors de la mise en page de votre carte dans ArcMap apparaissent dans la
symbologie et soient disponibles en tant que laquo leacutegende raquo (Dans ArcMap vous
devrez renommer vos classes et en modifier les couleurs si neacutecessaire)
o Seacutelectionnez lrsquoimage agrave exporter
o Choisissez un reacutepertoire de sortie (dossier laquo Reacutesultat raquo) et donnez un nom (moins
de 13 caractegraveres et caractegraveres simples) agrave votre image (laquo VotreNOM_Carte raquo)
o Ignorez le message drsquoerreur et cliquez sur laquo Ok raquo
Mettre en page la carte dans ArcMap
o Inseacuterez votre carte dans un nouveau projet ArcMap et passez en mode laquo Layout
view raquo
o Respectez les consignes drsquoeacutedition cartographique donneacutees dans le manuel de TP
SIG ArcGIS disponible ici httporbiulgacbehandle2268135775 agrave la section
laquo Edition cartographique raquo
o Pour creacuteer une leacutegende correcte vous pouvez renommer vos classes et en
changer les couleurs via le panneau laquo table des matiegraveres raquo drsquoArcMap
58
48 Creacuteation de Neacuteo-canaux
Il est parfois inteacuteressant de creacuteer de nouveaux canaux (laquo neacuteo-canaux raquo) agrave partir drsquoimages car
les bandes originales peuvent ecirctre fortement correacuteleacutees entre elles (redondance de
lrsquoinformation) et les neacuteo-canaux peuvent mettre en eacutevidence certains types drsquooccupation du
sol ou simplement faciliter la distinction entre classes drsquooccupation du sol Ci-dessous des
exemples de creacuteations de nouveaux canaux qui peuvent par la suite ecirctre utiliseacutes en
classification
481 Analyse en Composante Principale (ACP)
Deacutefinition de lrsquoAnalyse en composantes principales (ACP) (Source Wikipedia
httpfrwikipediaorgwikiAnalyse_en_composantes_principales)
LAnalyse en composantes principales (ACP) est une meacutethode de la famille de lanalyse des
donneacutees et plus geacuteneacuteralement de la statistique multivarieacutee qui consiste agrave transformer des
variables lieacutees entre elles (dites correacuteleacutees en statistique) en nouvelles variables deacutecorreacuteleacutees
les unes des autres Ces nouvelles variables sont nommeacutees composantes principales ou
axes principaux Elle permet au praticien de reacuteduire le nombre de variables et de rendre
linformation moins redondante
Statistiquement parlant les premiegraveres composantes produites expliquent au mieux la
variabiliteacute - la variance - des donneacutees Lorsquon veut compresser un ensemble de
variables aleacuteatoires les premiers axes de lanalyse en composantes principales sont un
meilleur choix du point de vue de linertie ou de la variance
Cette meacutethode est particuliegraverement indiqueacutee lorsque le nombre de bandes
spectrales est important (image hyperspectrale) mais pas seulement
Utilisez lrsquoimage hyperspectrale CHRIS-PROBA de 62 bandes (reacutepertoire laquo hellip
DATAHYPERSPECTRAL IMAGE CHRIS PROBA raquo) en demandant la production de 62
bandes PCA en sortie
Menu laquo Transform gt Principal Component gt Forward PC rotation gt Compute new
statistics and rotate raquo
Visualiser et comparer
Une composition coloreacutee RGB des 3 premiegraveres composantes (bandes 1 agrave 3 du
reacutesultat) image tregraves nette et contrasteacutee riche en information
59
o Une composition coloreacutee RGB des 3 derniegraveres bandes tregraves bruyante pauvre en
information
o Observations agrave mettre en relation avec le graphique laquo PC Eigenvalues raquo
automatiquement geacuteneacutereacute
482 Creacuteation drsquoun indice laquo NDVI raquo
Menu laquo Transform gt NDVI raquo et seacutelectionner les bandes correspondant au rouge et au
PIR
Cet indice est particuliegraverement utile pour lrsquoeacutetude de la veacutegeacutetation
483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
La transformation de laquo Tasseled cap raquo est utile pour compresser des donneacutees spectrales en
quelques bandes associeacutees agrave des caracteacuteristiques physiques drsquoune image (Crist and Cicone
1984)
Ouvrez dans ENVI lrsquoimage Landsat 7 ETM+ disponible dans le reacutepertoire
laquo hellipDATATASSELED CAPLANDSAT7L71186058_05820030227raquo via le menu laquo File
gt Open External File gt Landsat gt GeoTIFF with Metadata raquo en choisissant le fichier
texte qui contient les meacutetadonneacutees laquo L71186058_05820030227_MTLtxt raquo
(Remarque la composition coloreacutee RGB 753 permet un bon aperccedilu de lrsquoimage)
Utilisez le menu laquo Transform gt Tasseled cap raquo
o Utilisez le fichier texte laquo L71186058_05820030227_MTLtxt raquo correspondant agrave 6
bandes spectrales de lrsquoimage Landsat (laquo Dims 7811 x 6991 x 6 [BSQ] raquo)
o Pour les images Landsat 7 ETM la transformation de laquo Tasseled cap raquo produit 6
bandes Brightness Greenness Wetness Fourth (Haze) Fifth Sixth (voir Envi
Help) laquo This type of transformation should be applied to calibrated reflectance
data rather than applying to raw digital number imageryrdquo (ENVI help)
Visualisez et commentez les images obtenues par la transformation de Tasseled Cap
Remarque pour les versions drsquoENVI (exemple ENVI 45) ne permettant pas
lrsquoouverture de lrsquoimage LANDSAT avec le fichier qui contient les meacutetadonneacutees il faut
ouvrir lrsquoimage par le menu classique faire ensuite un laquo Layer Stacking raquo (menu
laquo Basic Tools gt Layer Stacking raquo) des bandes de reacutesolution spatiale de 30 m et
reacutealiser le calcul de lrsquoindice de laquo Tasseled Cap raquo agrave partir de cette image comme
indiqueacute ci-dessus
60
Plus drsquoinformations sur cette transformation sont disponibles dans lrsquoarticle laquo DERIVATION OF
A TASSELED CAP TRANSFORMATION BASED ON LANDSAT 7 AT-SATELLITE REFLECTANCE raquo
fourni dans le dossier laquo TASSELED CAP raquo ou sur internet
484 Creacuteation drsquoautres indices
Lrsquooutil laquo Basic tools gt Band Math raquo permet de calculer des indices personnaliseacutes Pour ce
faire il faut drsquoabord eacutecrire lrsquoeacutequation correspondant agrave un indice donneacute avec des variables
correspondantes aux bandes spectrales par exemple laquo b1 + b2 raquo et ensuite attribuer agrave
chaque terme de lrsquoeacutequation une bande spectrale drsquoune image donneacutee
61
49 Seacuteparabiliteacute spectrale des classes drsquooccupation du
sol sur une image
Pour cette partie vous travaillerez sur lrsquoimage laquo SPOT_10m_Namurtif raquo Vous pouvez vous
aider des ROIs compleacutementaires fournis dans le dossier laquo SEPARABILITE raquo
491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du
sol
Lors de la creacuteation de ROI pour une classification superviseacutee il est possible drsquoeacutetudier la
seacuteparabiliteacute des classes identifieacutees par les ROIs Ce qui donne une ideacutee de la possibiliteacute de
distinguer ces classes et donc de produire une classification preacutecise
Pour faire une analyse de seacuteparabiliteacute spectrale des classes drsquooccupation du sol
Ouvrez lrsquoimage drsquointeacuterecirct dans ce cas-ci lrsquoimage laquo SPOT_10m_Namurtif raquo
Appelez la fenecirctre de gestion des ROIs via laquo Click droit sur lrsquoimage gt ROI Tool raquo
Ouvrez les ROIs correspondant aux classes agrave eacutetudier dans ce cas-ci le fichier
laquo ROI_CLASSES_SEPARABILITYroiraquo (ROIs correspondants agrave diffeacuterentes classes
drsquooccupation du sol)
Passez en revue ces ROIs agrave lrsquoaide du bouton laquo Goto raquo dans la fenecirctre laquo ROITool raquo
Reacutealisez une analyse de seacuteparabiliteacute des classes preacutesentes dans ces ROIs via le menu
dans la fenecirctre de gestion des ROIs laquo Options gt Compute ROI separabilityhellip gt
select image gt select class gt select all classesraquo
Analysez le tableau en sortie
o 2 indices de seacuteparabiliteacutes sont calculeacutes dans ENVI (confer ENVI Help - Index ROIs
spectral separability)
o laquo Jeffries-Matusita raquo
o laquo Transformed Divergence raquo
o La valeur de ces indices varie entre [0 - 2] Une valeur gt 19 indique une bonne
seacuteparation entre 2 classes donneacutees
Quelles sont vos conclusions
62
492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
Lrsquooutil laquo 2D Scatter Plot raquo permet de visualiser la distribution des valeurs des pixels dans un
graphique 2D Plusieurs options sont disponibles comparaison de 2 bandes spectrales
drsquoune bande par rapport agrave des ROIs ou agrave une classification (Figure 22) Cet outil est disponible
via le menu laquo Tools gt 2 D Scatter Plotshellip raquo drsquoune fenecirctre de visualisation drsquoune image
Comparaison de 2 bandes
o Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique
o Par deacutefaut le nuage de points est blanc
o Le graphique est interactif avec les fenecirctres de visualisation Se deacuteplacer dans
une fenecirctre modifiera le nuage de points
o Possibiliteacute de repreacutesentation par des couleurs dans le nuage de points de zones
de lrsquoimage (classes drsquooccupation du sol par exemple) particuliegraveres Cela donne
une ideacutee de leur position dans un nuage de point plus global
o En survolant et cliquant sur lrsquoimage (laquo Options gt Dance raquo) Les pixels
correspondants apparaissaient en rouge dans le nuage de points
o En utilisant des ROIs preacuteexistants (laquo File gt Import ROIshellip raquo) La localisation
des pixels des ROIs dans le nuage de points se fait en couleur en fonction
des couleurs attribueacutees aux ROIs (Figure 22 en bas) Il peut ecirctre
inteacuteressant drsquoagrandir la fenecirctre laquo image raquo au maximum pour visualiser un
maximum de ROIs
o En utilisant des ROIs dessineacutes interactivement sur lrsquoimage (laquo Options gt
Image ROI raquo)
o Lrsquooption laquo Options gt Density Slice raquo et laquo Options gt Select Density
Lookuphellip raquo permettent de colorer le nuage de points en fonction de sa
densiteacute (Figure 22 centre-haut)
Comparaison drsquoune bande par rapport agrave une classification (Figure 22 agrave droite)
o Ouvrir une image classifieacutee dans une fenecirctre de visualisation
o Appeler lrsquooutil laquo Tools gt 2 D scatter Plotshellip raquo de la fenecirctre de visualisation de
lrsquoimage
o Seacutelectionner les 2 bandes agrave comparer (laquo Band X raquo and laquo Band Y raquo)
correspondantes aux axes X et Y du graphique avec une des bandes qui
correspond agrave une image classifieacutee
63
o Le graphique produit preacutesente la distribution des valeurs de pixels drsquoune bande
dans les diffeacuterentes classes de lrsquoimage et donne une ideacutee de leur seacuteparabiliteacutes
pour une bande donneacutee
Bande 1 versus Bande 1
Bande 1 versus Bande 4 (Density
Slice = Rainbow)
Bande 2 versus classes drsquoune
image classifieacutee
Bande 2 versus Bande 4 avec ROIs importeacutes
Figure 22 diffeacuterentes utilisations de lrsquooutil laquo 2D Scatter Plot raquo
Aide agrave lrsquointerpreacutetation du dernier graphique de la Figure 22 (en bas agrave droite) ci-dessus
Chaque axe du graphique correspond agrave une bande spectrale de lrsquoimage crsquoest-agrave-dire agrave
une gamme de longueurs drsquoonde
Chaque couleur correspond agrave une classe drsquooccupation du sol (la couleur correspond agrave
la couleur choisie pour chaque classe lors de la creacuteation de ROI)
La superpositiondistinction des nuages de points de 2 diffeacuterentes
couleursoccupation du sol dans le graphique 2 D donne une indication sur la
seacuteparabiliteacute spectrale de ces classes dans les 2 bandes spectrales consideacutereacutees
64
o Si les nuages de points de 2 diffeacuterentes couleursoccupation du sol sont seacutepareacutes
selon les 2 axes dans le graphique 2 D (pas de superposition) alors les 2 classes
sont spectralement seacuteparables dans ces 2 gammes de longueurs drsquoonde
o Une classe peut ecirctre seacuteparable selon une gamme de longueurs drsquoonde et pas
selon lrsquoautre Dans ce cas les nuages de points seront seacutepareacutes selon un axe et
confondus selon lrsquoautre axe
o Si les 2 nuages de points se superposent selon les 2 axes alors les classes ne sont
pas seacuteparables selon ces 2 gammes de longueurs drsquoonde
493 Calcul de statistiques par ROI
Pour calculer la superficie (~ nombre de pixels) par classe selon les ROIs (par exemple
pour veacuterifier que le nombre de pixels par classe de ROI est suffisant selon les regravegles
de lrsquoeacutechantillonnage)
laquo ROI Toool gt Options gt Report Area of ROI gt msup2 raquo
Analyse du tableau (superficie par classe dans les ROIs)
494 Courbes de distribution des valeurs de pixels par classe ou
bande spectrale
Une fois une image classifieacutee il est possible de
Comparer les distributions des valeurs des pixels de toutes les bandes spectrales
pour une mecircme classe (Figure 23 graphique de gauche)
Comparer les distributions des valeurs des pixels drsquoune bande spectrale pour toutes
les classes (Figure 23 graphique de droite)
Ceci est particuliegraverement inteacuteressant pour identifier les classes multimodales unimodales
Le menu agrave utiliser est laquo Classification gt Post Classification gt Class Statistics raquo
Reacutealisez drsquoabord une classification superviseacutee de lrsquoimage avec les ROIs du fichier
laquo ROI_CLASSES_SEPARABILITYroi raquo
Utilisez ensuite le menu laquo Classification gt Post Classification gt Class Statistics raquo en
indiquant comme
laquo Classification Input File raquo lrsquoimage classifieacutee puis comme
laquo Statistics Input File raquo lrsquoimage originale
Seacutelectionnez ensuite les classes drsquointeacuterecircts (toutes) et demandez la creacuteation de
laquo Basic Stats raquo laquo Histograms raquo laquo Covariance raquo et laquo Covariance image raquo Et cliquez sur
laquo OK raquo
2 fonctions sont particuliegraverement inteacuteressantes
65
o laquo Select Plot gt Histogram All Bands raquo et seacutelectionner une classe dans le menu
supeacuterieur (Figure 23 agrave gauche)
o laquo Select Plot gt Histogram for all classes gt Band 1 raquo par exemple (Figure 23 agrave
droite)
Le rendu visuel du graphique nrsquoest pas toujours adapteacute par deacutefaut Il faut souvent
modifier lrsquoeacutechelle des ordonneacutees (axe Y) du graphique Pour ce faire faites un clic
droit pregraves de lrsquoaxe puis laquo Edit gt Plot Parameters gt Y Axis raquo et reacuteduire le range
(50 000 par exemple) pour que les courbes apparaissent correctement
Les statistiques par classe et par bande sont disponibles dans le tableau en-dessous
des graphiques de la Figure 23 avec correacutelation entre les bandes valeurs de
distribution des pixels par bande min max mean etc
Possibiliteacute de sauver le graphique en format jpeg
1 classe (champs mixtes) 4 bandes spectrales
8 classes 1 bande spectrale (bande 3)
66
Figure 23 courbes de distribution des valeurs de pixels par bande spectrale ou classe
drsquooccupation du sol drsquoune image classifieacutee et tableau de statistiques
Aide agrave lrsquointerpreacutetation du graphique de droite de la Figure 23 ci-dessus
Description du graphique
o Chaque courbe correspond agrave une classe drsquooccupation du sol identifieacutee dans les
ROI
o Lrsquoaxe X est exprimeacute en DN (Digital Numbers valeurs encodeacutees dans les pixels)
dont la valeur est proportionnelle agrave la reacuteflectance ou agrave la radiance
o Lrsquoaxe Y correspond au nombre de pixels ayant une certaine valeur de DN
o Les surfaces sous les courbes sont proportionnelles aux superficies des classes
drsquooccupation du sol dans lrsquoimage
o Une seule bande spectrale ou gamme de longueurs drsquoonde est consideacutereacutee par
graphique
Interpreacutetation en termes de seacuteparabiliteacute spectrale
o Si 2 courbes se superposent selon lrsquoaxe X les classes drsquooccupation du sol
correspondantes ont donc la mecircme gamme de valeurs de reacuteflectanceradiance et
sont donc inseacuteparables
o Si 2 courbes ne se superposent pas du tout selon lrsquoaxe X les classes drsquooccupation
du sol correspondantes ont donc des gammes de valeurs de reacuteflectanceradiance
diffeacuterentes et sont donc parfaitement seacuteparables
67
o Si lrsquoon observe une situation intermeacutediaire lorsque les courbes se superposent
partiellement selon lrsquoaxe X il y a une seacuteparabiliteacute partielle
495 Classes spectrales uni-modales et multimodales
Cette section a pour but de mettre en eacutevidence agrave travers des graphiques le caractegravere
multimodal que peuvent prendre les courbes de distribution des valeurs de pixels de classes
drsquooccupation du sol mixtes (classes caracteacuteriseacutees par plusieurs comportements spectraux
diffeacuterents dus aux diffeacuterentes occupations du sol contenues dans la classe)
Pour ce faire
Ouvrir lrsquoimage agrave analyser dans une fenecirctre de visualisation dans ce cas-ci lrsquoimage
laquo SPOT_10m_Namurtif raquo
Visualisez la bande 4 de lrsquoimage en deacutegradeacute de gris dans une fenecirctre
Reacutealisez 2 classes de ROIs
o Classe laquo BLACK_WHITE_B4 raquo correspondant agrave des zones apparaissant comme tregraves
fonceacutees ou tregraves claires dans la bande B4 (pixels ayant des valeurs extrecircmement
faibles ou eacuteleveacutees dans la bande B4) Cette classe correspondra agrave au moins 2
classes spectrales diffeacuterentes aura un comportement bi- (ou multi) modal
o Classe laquo GRAY_B4 raquo correspondant agrave des zones grise dans la bande B4 (pixels
ayant des valeurs moyennes dans la bande B4)
o Reacutealisez une classification superviseacutee de lrsquoimage en utilisant ces 2 classes
o Reacutealisez un graphique comparant la distribution des valeurs des pixels de la
bande B4 pour ces 2 classes (confer ci-dessus la section 494) (Figure 24
Courbes de distribution des valeurs de pixels uni- et tri-modales)
o Analysez les formes des courbes
Un menu similaire est disponible via laquo Basic Tools gt Statistics gt Compute Satistics gt
Seacutelectionner lrsquoimage classifieacutee gt Cochez laquo Histograms gt Ok gt Select Plot gt Histogram
band 1 raquo
Figure 24 Courbes de distribution des valeurs de pixels uni- et tri-modales
68
410 Manipulation de donneacutees hyperspectrales
Dans cette section vous aurez briegravevement lrsquooccasion de manipuler quelques donneacutees de
type laquo hyperspectral raquo Un signal est dit laquo hyperspectral raquo lorsqursquoil est composeacute de
nombreuses bandes spectrales (geacuteneacuteralement 100 ou plus) eacutetroites (1 agrave 500 nm de largeur
par exemple) et contigueumls (signal continu dans la gamme spectrale consideacutereacutee) (Figure 26)
Les donneacutees hyperspectrales peuvent se preacutesenter de diffeacuterentes faccedilons en fonction du
capteur duquel elles sont issues (Figure 25)
Image hyperspectrale il srsquoagit drsquoune image (comme une image satellite
multispectrale par exemple) avec une reacutesolution spectrale tregraves importante Exemple
le capteur ldquoAHS-160rdquo est disposeacute dans un avion et est composeacute de 80 bandes
spectrales couvrant 5 parties du spectre solaire entre 043 ndash 127 microm
(VIS+NIR+SWIR+TIR)
Donneacutee hyperspectrale ponctuelle ces donneacutees sont enregistreacutees agrave lrsquoaide drsquoun
capteur portable utiliseacute par un opeacuterateur directement sur le terrain (en plein air ou
en laboratoire) Exemple capteur de type laquo Analytical Spectral Device (ASD) raquo qui se
porte comme un sac agrave dos et enregistre lrsquoinformation spectrale dans 2151 bandes
spectrales contiguumles de 1 nm de large chacune entre 350 et 2500 nm
Figure 25 Diffeacuterents types drsquoacquisitions de donneacutees hyperspectrales
69
4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
Les donneacutees que vous allez utiliser ont eacuteteacute acquises sur des eacutechantillons de sol agricoles
eacutetudieacutes en laboratoire pour diffeacuterents niveaux drsquoombrages et de teneur en eau
Le logiciel agrave utiliser est laquo ViewSpecPro raquo Ce logiciel gratuit peut ecirctre teacuteleacutechargeacute agrave lrsquoadresse
web suivante httpswwwmalvernpanalyticalcomfrsupportproduct-
supportsoftwareViewSpecProSoftwareInstallhtml apregraves inscription sur ce site
Les fichiers se trouvent dans le reacutepertoire laquo DATAHYPERSPECTRAL ASD LABO raquo
Naviguez vers ce reacutepertoire (via Windows) et ouvrez le fichier texte
laquo Exemple_fichier_hyperspectral_textetxt raquo Il vous donne un aperccedilu de comment
peut ecirctre organiseacute lrsquoinformation spectrale dans un fichier une colonne pour les
longueurs drsquoondes (nm) et une pour les valeurs de reacuteflectance Expliquez les valeurs
de ces deux colonnes
Deacutemarrez le logiciel laquo ViewSpecPro raquo
Cliquez sur laquo File gt Open gt raquo et naviguez jusqursquoau reacutepertoire contenant les donneacutees
hyperspectrales
Seacutelectionnez les 4 fichiers dont le nom commence par laquo Ombrehellip raquo et cliquez sur
laquo Ouvrir raquo
Les fichiers seacutelectionneacutes devraient apparaitre dans la fenecirctre principale de laquo ViewSpecPro raquo
Seacutelectionnez tous les fichiers et cliquez sur laquo View gt Graph Data raquo
Les spectres correspondants aux fichiers seacutelectionneacutes srsquoaffichent agrave lrsquoeacutecran
Selon vous quels sont les spectres correspondants agrave un ombrage et une teneur en eau
eacuteleveacutes Pourquoi
70
Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]
71
4102 Manipulation de donneacutees hyperspectrales images (CHRIS-
PROBA)
41021 Preacutesentation de lrsquoimage hyperspectrale
Lrsquoimage que vous allez utiliser a eacuteteacute acquise par le capteur CHRIS (Compact High Resolution
Imaging Spectrometer) monteacute sur le satellite PROBA (Project for On Board Autonomy) Il
enregistre les images dans 62 bandes spectrales comprises dans lrsquointervalle [400 nm - 1000
nm] Plus drsquoinformation sur le couple CHRIS-PROBA est disponible aux pages web suivantes
httpsearthesaintwebguestmissionsesa-operational-eo-missionsproba ESA
earthnet online (ESA = European Space Agency)
httpsdirectoryeoportalorgwebeoportalsatellite-missionspproba-1
Lrsquoimage se trouve dans le dossier laquo hellipHYPERSPECTRAL IMAGE CHRIS PROBA raquo et est
nommeacutee laquoCH100728_NBIN raquo Elle a eacuteteacute enregistreacutee le 28 juillet 2010 au-dessus drsquoune
reacutegion agricole au Sud-Ouest de Leipzig (Allemagne) en position laquo NADIR raquo (laquo N raquo) (capteur agrave
la verticale du lieu enregistreacute) Lrsquoextension laquo BIN raquo signifie que lrsquoimage est codeacutee en binaire
Diffeacuterents fichiers accompagnent ce fichier image
CH100728_NHDR le fichier header creacuteeacute dans ENVI
CH100728_Nhea un fichier header pour un autre logiciel (autre format)
QuicklookCEF4_Leipzig_2010-07-28jpg une illustration jpeg basse reacutesolution de
lrsquoimage aussi appeleacute laquo Quicklook raquo pour avoir un aperccedilu de lrsquoimage sans devoir
utiliser un programme speacutecialiseacute
Info Chris wavelengthsxls listant chacune des 62 bandes de lrsquoimage avec les
longueurs drsquoondes correspondantes
Readmetxt donnant quelques informations suppleacutementaires sur lrsquoimage (nombre de
lignes et de colonnes systegraveme de coordonneacutees format etc)
41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
Ouvrez lrsquoimage laquo CH100728_NBIN raquo Constatez que cette image est composeacutee de 62 bandes
spectrales Chargez lrsquoimage en composition RGB dans une nouvelle fenecirctre de visualisation
Essayez diffeacuterentes combinaisons de bandes dont une composition vraie couleur (exemple
de reacuteponse R = 21 G = 14 B = 5)
Y a-t-il une seule possibiliteacute de composition vraie couleur
72
Remarquez la preacutesence importante de nuages sur lrsquoimage
Jetez un œil aux informations contenues dans le laquo Header file raquo via un clic droit sur le nom
de lrsquoimage dans la fenecirctre laquo Available Band List raquo et choisissez laquo Edit Header hellipraquo Pour
constater lrsquoimportance du laquo header file raquo changer un paramegravetre du header recharger une
composition coloreacutee de lrsquoimage et constater le changement dans la fenecirctre de visualisation
Remodifiez les valeurs du laquo header file raquo pour afficher correctement lrsquoimage dans une
nouvelle fenecirctre de visualisation
Utilisez lrsquooutil laquo Tools gt Animation raquo pour visualiser automatiquement les 62 bandes lrsquoune
apregraves lrsquoautre et constater les diffeacuterences spectrales des bandes pour une occupation du sol
donneacutee
Utilisez lrsquooutil laquo Tools gt 2D Scatter Plot raquo pour grapher les valeurs de 2 bandes spectrales en
x et y Faites-le pour les combinaisons de bandes suivantes
Bande 1 et bande 2
Bande 1 et bande 42
Quelles diffeacuterences observez-vous entre ces 2 graphiques Comment les expliquez-vous
Utilisez lrsquooutil laquo Tools gt Profiles gt Z Profile (Spectrum)hellip raquo qui permet drsquoextraire le spectre
(composeacute par les 62 bandes de lrsquoimage) en 1 pixel donneacute Comparez et commentez les
spectres de diffeacuterentes occupations du sol et des nuages
Construisez un laquo 3D hyperspectral Cube raquo via le menu laquo Spectral gt Build 3D Cube gt raquo
dans le menu principal drsquoENVI
Choisissez lrsquoimage laquo CH100728_NHDR raquo comme laquo 3D Cube Input File raquo sans
laquo spectral subset raquo
Choisissez ensuite les 3 bandes de lrsquoimage qui correspondront agrave la laquo faccedilade raquo du cube
hyperspectral
Reacutealisez un laquo spatial subset raquo pour que les bordures supeacuterieur et de droite de votre
spatial subset intersectent lrsquoimage via le bouton laquo image raquo du menu laquo Select Spatial
Subset raquo
Choisissez ensuite une laquo table de couleur raquo et un reacutepertoire de sortie et nommez
votre fichier
Chargez ensuite le cube hyperspectral dans une nouvelle fenecirctre de visualisation et
analysez le comportement hyperspectral des diffeacuterentes occupations du sol
73
5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
Cette petite videacuteo drsquoanimation de la NASA drsquoune dureacutee de 6 minutes en anglais montre
sur un globe terrestre tournant la dynamique de plusieurs pheacutenomegravenes drsquoorigine naturelle
ou anthropique (Figure 27)
Cette videacuteo est reacutealiseacutee en grande partie agrave partir de donneacutees issues de satellites
drsquoobservation de la terre Entre autres les pheacutenomegravenes suivants sont illustreacutes
Dynamique des flux drsquoeacutenergie de la terre (mouvements atmospheacuteriques (formation
des ouragans) courants marins etc
Dynamique des tempeacuteratures des oceacuteans et pheacutenomegravene El Nino
Croute et plaques terrestres tremblements de terre et volcans
Saisons et dynamique de la veacutegeacutetation
Vision nocturne de lrsquoinfluence de lrsquohomme sur la terre (lumiegravere artificielle incendies
agriculture sur brulis combustion de gaz etc)
La traduction des commentaires de cette videacuteo sont disponibles en Annexe 4 page 100
Cette videacuteo et une seacuterie drsquoinformations compleacutementaires sont disponibles sur le site web
httpsvsgsfcnasagovvisa000000a000100a000155
Figure 27 illustrations issues de la videacuteo laquo Hologlobe raquo mouvements atmospheacuteriques veacutegeacutetation tempeacuterature des oceacuteans
74
6 Recherche drsquoimages satellites sur le web
Une des premiegraveres eacutetapes de tout travail en teacuteleacutedeacutetection spatiale est de se procurer les
images satellites agrave partir desquelles votre eacutetude pourra ecirctre meneacutee Cette section agrave pour
objectif de vous introduire agrave la recherche drsquoimages sur le web
Avant de commencer votre recherche drsquoimages il est important que vous cerniez clairement
quel sont vos objectifs (en termes de reacutesultats) et quels sont vos moyens (connaissance
argent temps)
Au cours de vos recherches vous devrez trouver un juste compromis entre ce que le web
vous laquo offre raquo et ce que vous recherchez En particulier vous ferez tregraves attention aux critegraveres
suivants
Type drsquoimage pertinente pour reacutepondre agrave vos objectifs en termes de reacutesolution
spatiale temporelle et spectrale
Disponibiliteacute drsquoimages pour la zone et lrsquoeacutepoque sur lesquelles vous voulez travailler
(couverture nuageuse)
Prix des images (gratuit vs tregraves cher )
GOOGL EARTH (gratuit)
Vous pouvez enregistrer (sur votre disque dur) les images qui apparaissent agrave lrsquoeacutecran lors de
votre visite dans Google Earth Pour ce faire apregraves avoir zoomeacute sur le lieu drsquointeacuterecirct cliquez
sur laquo FichierEnregistrezEnregistrez lrsquoimagehellip raquo et vous pourrez sauvegarder la vue en
format laquo jpg raquo Attention lrsquoimage que vous enregistrez par cette opeacuteration nrsquoest donc pas
une image satellite en tant que telle mais une simple laquo capture drsquoeacutecran raquo de lrsquoimage telle
qursquoelle est afficheacutee sur votre eacutecran Lrsquoinformation spectrale contenue dans cette image jpg
est donc beaucoup plus pauvre que celle contenue dans une image satellite reacuteelle De plus
lrsquoimage jpg ne sera pas geacuteoreacutefeacuterenceacutee et la reacutesolution spatiale de lrsquoimage deacutependra du zoom
que vous avez utiliseacute lors de la capture drsquoeacutecran Vous devrez donc tenir compte de ces
limitations si vous comptez utiliser des images deacuteriveacutees de Google Earth Un exemple
drsquoutilisation drsquoimages de Google Earth image pour fond de carte agrave but illustratif
USGS EARTH EXPLORER (gratuit)
httpearthexplorerusgsgov
USGS Earth Explorer catalogue de la laquo United States Geological Survey raquo (USGS)
donne accegraves agrave de nombreux types drsquoimages dont les images
o LANDSAT
75
o ASTER altitude tempeacuterature reacuteflectance (14 bandes spectrales)
o httpsasterwebjplnasagov
o httpsasterwebjplnasagovcharacteristicsasp
o Donneacutees drsquoALTITUDE DEM (Digital Elevation Model) ou MNT (Modegravele
Numeacuterique de Terrain) pour lrsquoensemble de la planegravete agrave ~30 megravetres de reacutesolution
spatiale via l menu laquo Data Sets gt Digital Elevation gt SRTM raquo
o Toute une seacuterie de cartes theacutematiques (occupation du solhellip)
o RADAR
o hellip
NASA EARTHDATA (gratuit)
httpsearthdatanasagov
Grande varieacuteteacute de donneacutees dont des images issues de la teacuteleacutedeacutetection dont le
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) Global
Digital Elevation Model (GDEM) un DEM global agrave 30 megravetre de reacutesolution spatiale
(info ici httpsasterwebjplnasagovgdemasp)
COPERNICUS Copernicus is a European system for monitoring the Earth (gratuit)
Page principale drsquoaccegraves aux produits Copernicus laquo Land raquo
o httpslandcopernicuseu
Produits veacutegeacutetation dont le NDVI
o httpslandcopernicuseuglobalthemesvegetation
Sentinel Hub accegraves facile aux donneacutees Sentinel du programme Copernicus
o Page principale o httpswwwsentinel-hubcom
o EO Browser o httpswwwsentinel-hubcomexploreeobrowser
IMAGES BASSE RESOLUTION SPOT VEGETATION METOP-AVHRR PROBA-V (gratuit)
httpwwwvito-eodatabePDFportalApplicationhtmlHome Srsquoenregistrer
Rechercher un produit le teacuteleacutecharger et le visualiser dans un viewer
VGT extract logiciel agrave teacuteleacutecharger (avec java)
(httpsrsvitobeafricaensoftwarePagesvgtextractaspxhttpwwwvgt4africaor
gVGTExtractdo) et installer sur votre pc Cet outil permet dextraire du dossier
zipper uniquement les canaux que lon deacutesire de deacutecouper spatialement les images
selon une reacutegion dinteacuterecirct deacutefinit par lutilisateur ou preacuteenregistreacutee et de convertir
les donneacutees dans un format plus facile agrave utiliser (ENVI geacuteotiff ERMapper ) Logiciel
laquo Crop VGT raquo disponible pour les pays non africains
PLANETCOM (gratuit et payant)
httpswwwplanetcom
76
Une couverture satellite de la terre entiegravere chaque jour (ou presque) agrave tregraves haute reacutesolution spatiale (072 cm)
DIGITALGLOBE (tregraves haute reacutesolution spatial payant)
Page principale du site web httpswwwdigitalglobecom
Portail de recherche drsquoimages
httpsbrowsedigitalglobecomimagefindermainjspjsessionid=7AB20ED95749275
03AD11E38FBEA6237
AIRBUS DEFENSE AND SPACE ndash SPOT IMAGE
Page principale
o httpswwwintelligence-airbusdscomgeostore
Navigation et recherche de produits
o httpwwwgeo-airbusdscomen4871-browse-and-order
produits spot autres satellites spot scene et spot view fiches techniques etc
httpwwwgeo-airbusdscomfr
En 1994 le CNES (Centre National drsquoEtudes Spatiales franccedilais) a lanceacute le programme
ISIS (Incitation agrave lutilisation Scientifique des Images Spot) destineacute agrave faciliter laccegraves
agrave limagerie Spot pour lensemble de la communauteacute scientifique en lui permettant
dacqueacuterir ces donneacutees satellitaires agrave un tarif preacutefeacuterentiel ISIS est accessible agrave tout
chercheur et eacutetudiant travaillant dans un laboratoire europeacuteen
httpswwwtheia-landfrle-programme-isis-du-cnes-sintegre-a-dinamis
httpswwwtheia-landfr
PPNC ndash Plan Photographique Numeacuterique Communal (Belgique) (gratuit) La Reacutegion Wallonne met agrave disposition du grand public toute une seacuterie drsquoinformation de type
geacuteographique (carte theacutematique MNT etc) sur des serveurs web de type ArcIMS accessible
en mode laquo lecture seule raquo via ArcGIS
Deacutemarrez un projet ArcGIS et reacutefeacuterez vous aux notes de TP relatives agrave ArcGIS
(disponible ici httporbiulgacbehandle2268135775) agrave la section laquo Ajouter des
donneacutees raquo
AUTRES (gratuit)
Africa data dissemination service
httpearlywarningusgsgovaddsimgbulks3phpimgtype=ndampspextent=a
Site de BELSPO liste de satellite et liens
httpeobelspobeDirectorySatellitesaspx
exemples CORONA IKONOS2 NOAA Airborne platform-Apex MSG3
PROBA-CHRIS ENMAP
77
LISTE DE SITES WEB listant des sites web fournissant des images satellites
15 Free Satellite Imagery Data Sources
o httpsgisgeographycomfree-satellite-imagery-data-list
50 Satellites You Need To Know Earth Satellite List
o httpsgisgeographycomearth-satellite-list
Resources for Finding and Using Satellite Images
o httpsgijnorgresources-for-finding-and-using-satellite-images
78
7 Sites web inteacuteressants
71 Applications environnementales
Changement de la couverture forestiegravere mondiale entre 2000-2018 agrave partir drsquoimages Landsat University of Maryland application web httpearthenginepartnersappspotcomscience-2013-global-forest Quelques exemples de deacutetection de changement avec des images Landsat videacuteo anglais laquo A Planetary Perspective With Landsat and Google Earth Engine raquo httpwwwyoutubecomwatchv=Ezn1ne2Fj6Y Quelques exemples drsquoapplications environnementales agrave partir des images Landsat site web anglais laquo Environmental Watch with Landsat satellites raquo httpwwwnasagovcontentgoddardenvironmental-watch-with-nasa-s-landsat-satellites Observation mondiale des feux de la veacutegeacutetation et de la couverture neigeuse agrave partir des images MODIS NDVI NASA entre Juillet 2002 et Juillet 2011 httpsvsgsfcnasagovcgi-bindetailscgiaid=3868
72 Supports peacutedagogiques
Des supports peacutedagogiques disponibles en ligne sont recenseacutes par le pocircle Theia pour les personnes qui souhaitent se former ou former agrave la teacuteleacutedeacutetection et agrave ses applications
httpswwwtheia-landfrsupports-pedagogiques
Applied Remote Sensing Training by NASA
httpsarsetgsfcnasagov
Newcomers Earth Observation Guide
httpsbusinessesaintnewcomers-earth-observation-guide
The aim of this guide is to help non-experts in providing a starting point in the
decision process for selecting an appropriate Earth Observation (EO) solution
73 Divers
Programme belge ldquoSTEREOrdquo
79
Belgium has its very own national program supporting research in Earth observation
called STEREO (Support To Exploitation and Research in Earth Observation)
Documentation sur tous les projets STEREO disponible ici
httpseobelspobeenstereo-in-action
Le film documentaire ldquoHOMErdquo un film de Yann Arthus-Bertrand 90 minutes 2009
franccedilais disponible gratuitement ici
httpwwwyoutubecomwatchv=NNGDj9IeAuIampfeature=youtubeamphd=1
Site web du film httpwwwhomethemovieorg laquo Ce film deacuteveloppe le lien qui
unit lhomme agrave la Terre Conccedilu comme un carnet de voyages il est constitueacute
uniquement dimages aeacuteriennes et dune voix off raquo (Source Wikipedia)
EARTH as ART NASA Top Five collection de magnifiques images satellites
Videacuteo en anglais httpwwwyoutubecomwatchv=Tq88dRFokgg
Page web httpwwwnasagovconnectebooksearth_art_detailhtml
Simulation 3D de la couverture nuageuse mondiale durant 7 jours sur base de donneacutees reacuteelles videacuteo
httpswwwyoutubecomwatchannotation_id=annotation_397244329ampfeature=i
vampsrc_vid=JZXErLns1mMampv=zlqjz9OEhk0
Simulation numeacuterique des courants atmospheacuteriques et marins videacuteo anglais laquo Dynamic Earth NASA raquo
httpwwwyoutubecomwatchv=JQZ3QkaWWqA
80
8 Exemples drsquoapplications de la teacuteleacutedeacutetection
spatiale pour la gestion des risques et des
catastrophes
81 Le programme COPERNICUS et le SERTIT
Preacutesentation geacuteneacuterale du programme COPERNICUS (videacuteo 4 min 30 anglais)
httpwwwesaintspaceinvideacuteosVideacuteos201602Sentinels_for_Copernicus
Satellites and examples of application
Les donneacutees satellites aeacuteriennes et stations au sol inteacutegreacutees dans un mecircme
systegraveme COPERNICUS
Cœur du systegraveme = famille de satellites Sentinelle
The role of the different 6 sentinel satellites
Copernicus Emergency Management Service (Copernicus EMS)
httpsemergencycopernicuseu
Copernicus Emergency Management Service (Copernicus EMS) provides information
for emergency response in relation to different types of disasters including
meteorological hazards geophysical hazards deliberate and accidental man-made
disasters and other humanitarian disasters as well as prevention preparedness
response and recovery activities The Copernicus EMS is composed of
o an on-demand mapping component providing rapid maps for emergency
response and
o risk amp recovery maps for prevention and planning and of the early warning and
monitoring component which includes systems for floods droughts and forest
fires
4 modules constitute the Copernicus EMS confer httpsemergencycopernicuseu
o The Copernicus EMS - Mapping
o The Copernicus EMS - Mapping addresses with worldwide coverage a
wide range of emergency situations resulting from natural or man-made
disasters Satellite imagery is used as the main datasource
o httpswwwyoutubecomwatchv=NhFZa7gQ2zA
o Rapid mapping Flood the Copernicus Emergency Management Service
o httpsemergencycopernicuseumappingemsservice-overview
81
o Rapid Mapping consists of the provision of geospatial information within
hours or days from the activation in support of emergency management
activities immediately following a disaster Standardised mapping
products are provided
to ascertain the situation before the event (reference product)
to roughly identify and assess the most affected locations (first
estimate product)
assess the geographical extent of the event (fdelineation product)
or
to evaluate the intensity and scope of the damage resulting from
the event (grading product)
o Examples here
httpsemergencycopernicuseumappinglist-of-
componentsEMSR388
o Map of active risk
httpsemergencycopernicuseumappingmap-of-activations-
risk-and-recovery
FLOODS The European and Global Flood Awareness Systems (EFAS amp GloFAS)
o httpsemergencycopernicuseu
o Videacuteo anglais 8 minutes
o httpswwwyoutubecomwatchv=DwFAjr6f8jQ
o Short introductory videacuteo explaining the structure of EFAS and the main
objectives using floods in Eastern Europe in May 2010
o Passer le deacutebut combine preacutecipitation + conditions hydrologiques et fait
un warning
FOREST FIRE The European Forest Fire Information System (EFFIS)
o httpseffisjrceceuropaeu
o Visualisation des risques drsquoincendies
o httpseffisjrceceuropaeustaticeffis_current_situationpublicindexh
tml
The EMS Drought Observatory (DO)
o httpsemergencycopernicuseu
Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises
httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man
agement
82
Services for emergency management response will help mitigating the effects of
natural and manmade disasters such as floods forest fires and earthquakes and
contribute to humanitarian aid exercises
Preacutesentation du SERTIT le Service reacutegional de traitement drsquoimage et de teacuteleacutedeacutetection
httpsertitunistrafr
o Videacuteo 2 min franccedilais
httpfreuronewscom20160603copernicus-ou-quand-l-imagerie-satellite-
permet-d-aider-a-la-gestion-des
o laquo Copernicus ou quand limagerie satellite permet daider agrave la gestion des
catastrophes naturelles 8 juin 2016 raquo
o Le SERTIT impliqueacute dans le service europeacuteen de gestion des situations drsquourgence
Copernicus explique en videacuteo sur la chaicircne Euronews comment lrsquoimagerie
satellite permet de fournir une aide agrave la gestion des catastrophes naturelles
notamment dans le contexte drsquoinondations en France Allemagne et en Belgique
Videacuteo de preacutesentation du SERTIT franccedilais 4 min 38
o httpsertitunistrafr
o A 2 min 10 preacutesentation du service de cartographie rapidede crise
Navigateur des cartes des crises les plus reacutecentes
o httpsertitunistrafrcartographie-rapide
82 Exemples suppleacutementaires par outils ou
theacutematique
Google Earth Engine (GEE)
Google Earth Engine (GEE)
o httpsearthenginegooglecom
o Plateforme pour faire tourner des geacuteo-algorithme agrave lrsquoeacutechelle mondiale en
utilisant les ressources de Google et qui donne accegraves agrave de tregraves grandes bases de
donneacutees drsquoimages satellites agrave lrsquoeacutechelle mondiale
Google Earth Engine (GEE) Timelapse
o Timelapse 1984-anneacutee actuelle moins 1 seacuterie drsquoexemples drsquoeacutevolution temporelle
de la surface terrestre suite agrave diverses actions anthropiques mise en eacutevidence
83
o httpsearthenginegooglecomtimelapse
o Videacuteo 2 min
o httpswwwyoutubecomwatchv=kIYHGkSb-fU
o Cas drsquoeacutetudes
o httpsearthenginegooglecomcase_studies
o Global Forest Cover Change
o Malaria Risk Mapping
Google Earth exemples drsquoimages de catastrophes naturelles visualisables dans GOOGLE
EARTH
Certains sites web mettent agrave disposition des fichiers dont lrsquoextension est laquo KMZ raquo ou
laquo KML raquo formats qui permettent la visualisation de ces donneacutees dans GOOGLE EARTH
facilement et rapidement sans devoir teacuteleacutecharger lrsquoimage brute Voici quelques exemples
Inondation
o Australian city of Rockhampton 2011
o Capteur Advanced Spaceborne Thermal Emission and Reflection Radiometer
(ASTER) on NASArsquos Terra
o httpearthobservatorynasagovIOTDviewphpid=48456ampsrc=eorss-iotd
o Cliquer sur ldquoGoogle Earth file (KML)rdquo
Typhon
o httpwwwgearthblogcomblogarchives201610acquisition-imagery-natural-
disasters-improvinghtml
o Hurricane Matthews 2016 widespread devastation crossing over Haiti the
Bahamas and then up the east coast of the United States
o Cliquer sur ldquoYou can see the satellite imagery in Google Earth with this KML file
from Google Crisis Responserdquo
o Dans Google Earth cocher uniquement laquo Hurrican Matthews 2016 gt Haiti gt
Digital Globa imagery gt Les Irois Haiti raquo
Tremblement de terre
o httpwwwgearthblogcomblogarchives201609post-earthquake-
kumamoto-google-earth-3dhtml
o Large earthquakes in the City of Kumamoto Japan 2016
o Images acquises apregraves le seacuteisme visualisation des destructions
o Google Earth tour of the area showing all the light blue roofs which you can view
in Google Earth with this KML file or see in the YouTube videacuteo below
84
Deacuteforestation
Deacuteforestation en Amazonie Timelapse
o httpswwwyoutubecomwatchv=oBIA0lqfcN4
Pattern de deacuteforestation en Amazonie en deacutetails
o Visualisation dans Google Earth Pro des motifs de deacuteforestation au Breacutesil Indoneacutesie etc
Deacuteforestation au Breacutesil Etat du Rondonia en deacutetails videacuteo haute qualiteacute (30 lsquorsquo)
o httpswwwyoutubecomwatchv=JsIB81sLe2w
Deacuteforestation agrave Haiumlti videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=2640ampbutton=popular
Autre courtes videacuteos sur diffeacuterents endroits deacuteforesteacutes entre 2000 et 2012 avec
LANDSAT
o httpswwwyoutubecomchannelUCGnX8ABNZYuZrhzT-sJVaeg
Monitoring Forests From the Ground to the Cloud videacuteo 5 min Systegraveme drsquoalerte de
deacuteforestation via Google Earth Engine exemples internationaux
o httpswwwyoutubecomwatchv=ymKHb3WJLz4
Deacuteforestation en Papouasie-Nouvelle-Guineacutee (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=8810
Deacuteforestation au Breacutesil (2 images geacuteotiff)
o httpearthobservatorynasagovIOTDviewphpid=6811
Mine
Appalachian Mountaintop Removal in Google Earth amp Maps (videacuteo en anglais 5 min)
httpswwwyoutubecomwatchv=aiSzOiGFa-0
Visible eacutegalement dans GOOGLE EARTH PRO Desktop gt Menu sensibilisation
mondiale gt extraction miniegravere agrave ciel ouvert dans les Appalaches
Masse drsquoeau
Mer drsquoAral Drying of the Aral Sea Timelapse videacuteo 2 min
o httpswwwyoutubecomwatchv=cbSkRS8Ih7o
Lac Chad UNEP amp Google Earth highlights environmental change videacuteo 1 minute
o httpswwwyoutubecomwatchv=JXW29zsr6xg
Inondation
85
Centre royale de teacuteleacutedeacutetection du Royaume du Maroc cartographie rapide en cas
drsquoinondations
o httpwwwcrtsgovmathematiquesrisques-naturelsinondations
Teacuteleacutedeacutetection et gestion des catastrophes naturelles application agrave lrsquoeacutetude des
inondations urbaines de Saint-Louis et du ravinement lieacute agrave lrsquoeacuterosion hydrique agrave Nioro-
Du-Rip (Seacuteneacutegal)
o httpshalarchives-ouvertesfrhal-00434297document
Glaces et fontes des glaces
Annual Arctic Sea Ice Minimum 1979-2015 with Area Graph videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4435ampbutton=popular
Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total
1984 ndash 2016 videacuteo + textes
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4509ampbutton=popular
Fonte des glaces en Arctique videacuteo de Greenpeace
o httpswwwfacebookcomgreenpeacebelgiumvideacuteos10154505188555239
Epaisseur de glace par Radar Icesat-2 Measurements Over Antarctica (prelaunch)
videacuteo 2 min
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4492ampbutton=recent
Feux
httpsearthdatanasagovearth-observation-datanear-real-timefirms
Tempeacuterature du globe
Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo
o httpsvsgsfcnasagovcgi-bindetailscgiaid=4419ampbutton=popular
Urbanisation
Las Vegas Urban Expansion Timelapse videacuteo 3 minutes
o httpswwwyoutubecomwatchv=cPRGfyd93fo
Tsunami
Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute
86
o httpswwwyoutubecomwatchv=XJVF1TNnLZY
o Les scientifiques du Service reacutegional de traitement dimage et de teacuteleacutedeacutetection
(SERTIT) de Strasbourg aident les sinistreacutes japonais Ils eacutelaborent de preacutecieuses
cartes agrave laide de satellites franccedilais pour permettent aux secouristes de se
deacuteplacer dans les zones deacutevasteacutees
Littoral
La teacuteleacutedeacutetection pour surveiller le littoral videacuteo franccedilais 3 minutes drones
o httpswwwyoutubecomwatchv=SNLyd_FAYOg
Mareacutee noire
NASA Satellites View Growing Gulf Oil Spill
o httpswwwyoutubecomwatchv=mCWW5xt3Hc8
NASA Aids Nations Response to Oil Spill with Aircraft Satellites
o httpswwwyoutubecomwatchv=f5qh13Xp-_0
Volcan
Monitoring Volcanoes Using ASTER Satellite Imagery videacuteo English 5 min
o httpswwwyoutubecomwatchv=A39FnHdSoNk
Seacutecuriteacute alimentaire
httpwwwfewsnetfr
Avertissements preacutecoces
Suivi des conditions de veacutegeacutetation preacutecipitations climat niveau des eacutetendues drsquoeau
etc dans lrsquooptique de deacuteclencher des avertissements vers les autoriteacutes drsquoun pays
drsquoune reacutegion en cas de problegravemecrise
o httpsearlywarningusgsgovfews
Refugieacutes
Story Map about Rohingya refugees (by the The UN Refugee Agency (UNHCR))
o httpswwwesricomen-usarcgisproductsesri-story-mapscontestwinners-
gallery2018-winners
Divers
87
ENVI Les images satellites pour la gestion des catastrophes naturelles videacuteo
franccedilais
o httpswwwyoutubecomwatchv=Tp2hIeeSVXE
La teacuteleacutedeacutetection appliqueacutee aux catastrophes naturelles Faits et chiffres
o httpswwwscidevnetafrique-sub-sahariennesciences-de-la-terrearticle-de-
fondla-t-l-d-tection-appliqu-e-aux-catastrophes-naturelles-faits-et-chiffreshtml
MapGive
o httpsmapgivestategov
o Volunteers like you can help trace roads buildings and houses using
OpenStreetMap that will aid in humanitarian missions
Nombreux exemples drsquoanalyse diachroniques agrave partir drsquoimages satellites classeacutes par
thegravemes lieux dates
o httpearthobservatorynasagovImageseocn=topnavampeoci=images
Systegravemes drsquoanalyse des risques par teacuteleacutedeacutetection spatiale
o httpsressourcesuvedfrGrains_Module3Teledetection_spatialesitehtmlTel
edetection_spatialeTeledetection_spatialehtml
Liste de donneacutees SIG sur des catastrophes naturelles
o httpsfreegisdatartwilsoncomnatural-disasters
88
9 Quelques logiciels de teacuteleacutedeacutetection spatiale
Nom Prix Site web
Teacuteleacutedeacutetection SNAP Gratuit httpsstepesaintmaintoolboxessnap
Logiciel de lrsquoESA pour les images laquo Sentinel raquo et + ENVI Payant httpwwwexelisviscomProductsServicesENVIENVIaspx IDRISI Payant httpwwwclarklabsorgproductsidrisicfm ERDAS
Payant httpgeospatialintergraphcomproductsERDAS-IMAGINEDetailsaspx
QGIS
Gratuit httpwwwqgisorgfrsite Via des extensions de Quantum GIS GDALOGR GRASS SAGA etc
R Gratuit httpwwwr-projectorg Via des packages deacutedieacutes aux rasters raster rgdal maptools etc
RSTUDIO Gratuit httpsrstudiocom Interface pratique pour utiliser R
Google Earth Engine (GEE)
Gratuit httpsearthenginegoogleorg Application cloud puissante ideacuteale pour travailler sur de tregraves grandes quantiteacutes de donneacutees
SIG ArcGIS Payant httpwwwarcgiscomfeatures QGIS
Gratuit httpwwwqgisorgfrsite
Pour travailler sur des seacuteries temporelles drsquoimages basse-reacutesolution TIMESAT Gratuit httpwwwnatekoluseTIMESATtimesatasp SPIRITS Gratuit httpsrsvitobeafricaensoftwarePagesSpiritsaspx VGT EXTRACT
Gratuit httpwwwdevcocasteuVGTExtractdo
Pour travailler sur des donneacutees hyperspectrales ponctuelles ViewSpec Pro Gratuit httpsupportasdicomProductsProductsaspx
89
Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
1 Reacutesolution spatiale
Mesure de la plus petite seacuteparation angulaire ou lineacuteaire entre deux objets
habituellement exprimeacutee en radians ou en megravetres
Correspond agrave la longueur des cocircteacutes des pixels de lrsquoimage
2 Reacutesolution temporelle (drsquoune seacuterie temporelle drsquoimages ou drsquoun capteur)
Freacutequence agrave laquelle les images drsquoun endroit donneacute sont acquises par un capteur
Seacuterie temporelle de 36 images NDVI deacutecadaires (36 images 10 jours = 360 jours = 1 an) de type SPOT VEGETATION pour le Pakistan et eacutevolution temporelle du NDVI en un pixel preacutesentant une alternance marqueacutee de lrsquoeacutetat de la veacutegeacutetation selon les saisons La reacutesolution temporelle de cette seacuterie est de laquo 1 image 10 jours raquo
30 megravetres (Landsat) 15 megravetres (Aster) 10 megravetres (SPOT 5) 250 megravetres (MODIS)
90
3 Reacutesolution spectrale
Aptitude dun systegraveme de deacutetection agrave distinguer des rayonnements
eacutelectromagneacutetiques de freacutequences (ou longueurs drsquoonde) diffeacuterentes
La reacutesolution spectrale drsquoun capteur deacutecrit les fenecirctres (gammes) de longueurs
drsquoondes qursquoil est capable drsquoenregistrer La taille et le nombre de ces fenecirctres
deacutefinissent la reacutesolution spectrale drsquoun capteur Plus la reacutesolution spectrale est fine
plus les fenecirctres des diffeacuterents canaux du capteur sont eacutetroites
4 Reacutesolution radiomeacutetrique
La reacutesolution radiomeacutetrique dun systegraveme de teacuteleacutedeacutetection deacutecrit sa capaciteacute agrave
reconnaicirctre de petites diffeacuterences dans leacutenergie eacutelectromagneacutetique Plus la
reacutesolution radiomeacutetrique dun capteur est fine plus le capteur est sensible agrave de
petites diffeacuterences dans lintensiteacute de leacutenergie reccedilue
La reacutesolution radiomeacutetrique est deacutefinie par le nombre maximum de niveaux
dintensiteacute deacutenergie eacutelectromagneacutetique que le capteur peut enregistrer et deacutepend
du nombre de bits utiliseacutes pour repreacutesenter lintensiteacute enregistreacutee par exemple
laquo Cube hyperspectrale raquo issu drsquoun capteur hyperspectral (agrave tregraves haute reacutesolution spectrale) Par exemple 2150 bandes spectrales de 1 nm de large chacune
Reacutesolution spectrale du capteur SPOT 4 composeacute de 4 bandes de largeurs comprises entre 70 et 170microm
B1 050 agrave 059 mm (90 microm)
B2 061 agrave 068 mm (70 microm)
B3 078 agrave 089 mm (110 microm)
MIR 158 agrave 175 mm (170 microm)
91
o Si 8 bit sont utiliseacutes 28 soit 256 valeurs numeacuteriques allant de 0 agrave 255 sont
disponibles
o Si 4 bits sont utiliseacutes 24 soit 16 valeurs numeacuteriques allant de 0 agrave 15 sont
disponibles
En pratique la reacutesolution radiomeacutetrique deacutetermine le niveau de deacutetail discernable
sur les images
Sources drsquoinspiration
Centre canadien de teacuteleacutedeacutetection httpcctrncangccaindex_fphp
International Training in Yield forecasting Introduction to remote sensing for
agriculture applications Pr Pierre Defourny (UCL - Geomatics)
2 bit
8 bit
4 bit 8 bit
92
Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation Consideacuterons une image satellite couvrant une zone drsquoeacutetude caracteacuteriseacutee par 3 types
drsquooccupation du sol agrave identifier par classification
Eau (riviegravere eacutetang)
Prairie
Forecirct
Lrsquoimage est classifieacutee et des zones de validation (ou laquo Ground truth Region Of Interest raquo)
sont creacuteeacutees pour chacune des classes drsquooccupation du sol (Figure 1) Ces zones
correspondent agrave des reacutegions pour lesquelles lrsquooccupation du sol est connue avec certitude
soit via photo-interpreacutetation soit via enquecircte de terrain avec releveacutes GPS par exemple La
preacutecision de la classification de lrsquoensemble de lrsquoimage est ensuite eacutevalueacutee en comparant
dans ces zones de validation lrsquooccupation du sol reacuteelle (deacutefinie par lrsquoopeacuterateur) avec celle
identifieacutee par le processus de classification
Figure 28 Image classifieacutee de la zone drsquoeacutetude Les encadreacutes noirs correspondent aux zones de
validation ou laquo Ground truth Region Of Interest raquo Les classes auxquelles sont assigneacutees chacune de ces zones de validation sont mentionneacutees au-dessus des encadreacutes
93
La matrice de confusion (ou laquo tableau de contingence raquo) permet drsquoeacutevaluer la preacutecision de la
classification (de maniegravere globale et pour chacune des classes) Elle est calculeacutee agrave partir des
pixels correctementincorrectement classifieacutes dans les zones de validation mais est senseacutee
ecirctre repreacutesentative de la preacutecision de la classification de lrsquoensemble de lrsquoimage Drsquoougrave
lrsquoimportance de creacuteer suffisamment de zones de validation correctement reacuteparties sur
lrsquoensemble de lrsquoimage et reprenant lrsquoensemble des reacutealiteacutes spectrales de chacune des
classes de lrsquoimage (exemple creacuteer des zones de validation de la classe forecirct dans les
diffeacuterents massifs forestiers de lrsquoimage qui preacutesentent probablement de petites nuances
spectrales (variation de lrsquoexposition des essences de lrsquoensoleillement etc)
Les zones utiliseacutees pour la validation sont
2 zones de validation pour la classe laquo Eau raquo composeacutees de 17 pixels au total
4 zones de validation pour la classe laquo Prairie raquo composeacutees de 33 pixels au total
4 zones de validation pour la classe laquo Forecirct raquo composeacutees de 30 pixels au total
La matrice de confusion associeacutee agrave cette classification est reprise en Figure 29
Zones de validation
Cla
ssif
icat
ion
Eau Prairie Forecirct Total Erreurs de
commission Preacutecision
drsquoutilisation
Eau 17 0 1 18 118 (6) 1718 (94)
Prairie 0 27 3 30 330 (10) 2730 (90)
Forecirct 0 6 26 32 632 (19) 2632 (81)
Total 17 33 30 80
Erreurs drsquoomission
017 (0)
633 (18)
430 (13)
Erreur globale 1080 (125)
Preacutecision de production
1717 (100)
2733 (82)
2630 (87)
Preacutecision globale
7080 (875) Figure 29 Matrice de confusion associeacutee agrave la classification de lrsquoimage satellite
La structure (dans cet exemple-ci) de la matrice de confusion est la suivante
Une colonne de la matrice fait reacutefeacuterence aux zones de validation de la classe
identifieacutee par cette colonne et permet de calculer lrsquoerreur drsquoomission de cette classe
Une ligne de la matrice fait reacutefeacuterence aux pixels classifieacutes dans la classe identifieacutee par
cette ligne (dans les zones de validation de lrsquoensemble des classes) et permet de
calculer lrsquoerreur de commission de cette classe
La diagonale de la matrice de confusion repreacutesente tous les pixels correctement
classifieacutes pixels deacuteclareacutes (par la creacuteation des zones de validation) comme
appartenant agrave une classe et classifieacutes par le logiciel dans cette classe
La somme des totaux par lignes ou par colonnes correspondent agrave la somme des pixels
de lrsquoensemble des zones de validation de lrsquoensemble des classes
94
Les erreurs drsquoomission Lrsquoerreur drsquoomission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans les zones de validation de cette classe (laquo omis raquo de la classe eacutetudieacutee) par le nombre total de pixels des zones de validation de cette classe Dans la matrice de confusion ce calcul srsquoeffectue sur base de la colonne correspondant agrave la classe eacutetudieacutee
laquo Eau raquo 0 pixel nrsquoont eacuteteacute mal classifieacutes sur les 17 pixels des zones de validation de la
classe laquo Eau raquo soit 017 = 0 drsquoerreur drsquoomission (0 des pixels des zones de
validation de la classe laquo Eau raquo nrsquoont eacuteteacute omis de la classe laquo Eau raquo)
laquo Prairie raquo 6 pixel ont eacuteteacute mal classifieacutes (dans la classe laquo Forecirct raquo) sur les 33 pixels des
zones de validation de la classe laquo Prairie raquo soit 633 = 18 drsquoerreur drsquoomission (18
des pixels des zones de validation de la classe laquo Prairie raquo ont eacuteteacute omis de la classe
laquo Prairie raquo (et classifieacute dans la classe laquo Forecirct raquo) alors qursquoils auraient du ecirctre classifieacutes
dans la classe laquo Prairie raquo)
laquo Forecirct raquo 4 pixel ont eacuteteacute mal classifieacutes (dans les classes laquo Eau raquo et laquo Prairieraquo) sur les
30 pixels des zones de validation de la classe laquo Forecirct raquo soit 430 = 13 drsquoerreur
drsquoomission (13 des pixels des zones de validation de la classe laquo Forecirct raquo ont eacuteteacute omis
de la classe laquo Forecirct raquo (et classifieacute dans les classes laquo Eau raquo et laquo Prairieraquo) alors qursquoils
auraient du ecirctre classifieacutes dans la classe laquo Forecirct raquo)
Les preacutecisions de production La preacutecision de production drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans les zones de validation de cette classe par le nombre total de pixels des zones de validation de cette classe Elle est eacutegale agrave (1-lrsquoerreur drsquoomission) La preacutecision de production mesure la probabiliteacute que le processus de classification ait classifieacute un pixel se trouvant dans une zone de validation drsquoune certaine classe dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui appartient reacuteellement (dans le monde reacuteel) agrave une classe laquo a raquo ait eacuteteacute classifieacute dans cette classe laquo a raquo
Autrement dit laquo En tant que producteur drsquoune classification (celui qui reacutealise la classification) je me demande pour un pixel appartenant reacuteellement agrave la classe laquo a raquo (dans le monde reacuteel) quelle est la probabiliteacute qursquoil ait eacuteteacute classifieacute dans la classe laquo a raquo raquo Les erreurs de commission Lrsquoerreur de commission drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels incorrectement classifieacutes dans cette classe dans les zones de validation des autres classes (erreur laquo commise dans les autres classes raquo) par le nombre total de pixels classifieacutes dans cette classe sur lrsquoensemble des zones de validation de lrsquoensemble des classes Dans la matrice de confusion ce calcul srsquoeffectue sur base de la ligne correspondant agrave la classe eacutetudieacutee
95
laquo Eau raquo 1 pixel a eacuteteacute mal classifieacute (en tant que laquo Eau raquo) alors qursquoil appartient (drsquoapregraves
les zones de validation) agrave drsquoautres classes (ici la classe laquo Forecirct raquo) sur un total de 18
pixels classifieacutes dans la classe laquo Eau raquo dans lrsquoensemble des zones de validation de
lrsquoensemble des classes soit 118 = 6 drsquoerreur de commission (6 des pixels
classifieacutes dans la classe laquo Eau raquo appartiennent en reacutealiteacute agrave drsquoautres classes (ici la
classe laquo Forecirctraquo)
laquo Prairie raquo 3 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Prairie raquo) alors qursquoils
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Forecirct raquo) sur un total de 30 pixels classifieacutes dans la classe laquo Prairie raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 330 = 10 drsquoerreur de
commission (10 des pixels classifieacutes dans la classe laquo Prairie raquo appartiennent en
reacutealiteacute agrave drsquoautres classes (ici la classe laquo Forecirctraquo)
laquo Forecirct raquo 6 pixels ont eacuteteacute mal classifieacutes (en tant que laquo Forecirct raquo) alors qursquoil
appartiennent (drsquoapregraves les zones de validation) agrave drsquoautres classes (ici la classe
laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble
des zones de validation de lrsquoensemble des classes soit 632 = 19 drsquoerreur de
commission (19 des pixels classifieacutes dans la classe laquo Forecirct raquo appartiennent en reacutealiteacute
agrave drsquoautres classes (ici la classe laquo Prairieraquo)
Les preacutecisions drsquoutilisation La preacutecision drsquoutilisation drsquoune classe donneacutee est calculeacutee en divisant le nombre total de pixels correctement classifieacutes dans cette classe dans lrsquoensemble des zones de validation de cette classe par le nombre total de pixels classifieacutes dans cette classe dans lrsquoensemble des zones de validation de lrsquoensemble des classes Elle est eacutegale agrave (1-lrsquoerreur de commission) La preacutecision drsquoutilisation mesure la probabiliteacute qursquoun pixel appartienne reacuteellement agrave une certaine classe lorsque le processus de classification a classifieacute ce pixel dans cette classe
Autrement dit Probabiliteacute qursquoun pixel qui a eacuteteacute classifieacute dans une classe laquo a raquo appartienne reacuteellement (dans le monde reacuteel) agrave cette classe laquo a raquo
Autrement dit laquo En tant qursquoutilisateur drsquoune classification (celui qui litutilise la classification) je me demande pour un pixel classifieacute dans une classe laquo a raquo quelle est la probabiliteacute qulsquoil appartienne reacuteellement (dans le monde reacuteel) agrave la classe laquo a raquo raquo Erreur globale de la classification Lrsquoerreur globale de la classification est calculeacutee en divisant le nombre de pixels mal classifieacutes dans lrsquoensemble des zones de validations de lrsquoensemble des classes par le nombre de pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes Lrsquoerreur globale = (1-la preacutecision globale)
o Erreur globale 10 pixels mal classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes = 125 drsquoerreur globale
96
Preacutecision globale de la classification La preacutecision globale de la classification est calculeacutee en divisant le nombre de pixels correctement classifieacutes dans lrsquoensemble des zones de validation de lrsquoensemble des classes par lrsquoensemble des pixels de lrsquoensemble des zones de validation de lrsquoensemble des classes
Preacutecision globale 70 pixels correctement classifieacutes dans lrsquoensemble des zones de
validations de lrsquoensemble des classes diviseacute par les 80 pixels de lrsquoensemble des zones
de validation de lrsquoensemble des classes = 875 de preacutecision globale La preacutecision
globale = (1- lrsquoerreur globale)
Plus drsquoinfos sur les matrices de confusion Centre Canadien de teacuteleacutedeacutetection httpcctrncangccaglossaryindex_fphpid=3124
97
Annexe 3 - Matrice de confusion dans ENVI Source ENVI HELP44
Une matrice de confusion permet de mesurer la preacutecision drsquoun reacutesultat de classification en comparant un reacutesultat de classification avec la laquo veacuteriteacute terrain raquo Cette veacuteriteacute terrain peut se preacutesenter sous la forme de laquo reacutegion drsquointeacuterecirct ndash veacuteriteacute terrainraquo ou drsquoune laquo image-veacuteriteacute-terrain raquo Exemple de matrice de confusion
Confusion Matrix M6 (640x400x1)
Overall Accuracy = (131003256000) 511730
Kappa Coefficient = 02648
Ground Truth (Pixels)
Class Unclassified Grass Forest Swamp Total
Unclassified 43689 26949 40 18001 88679
Grass 32835 64516 1741 3329 102421
Forest 8202 7277 4096 654 20229
Swamp 15227 10742 0 18702 44671
Total 99953 109484 5877 40686 256000
Ground Truth (Percent)
Class Unclassified Grass Forest Swamp Total
Unclassified 4371 2461 068 4424 3664
Grass 3285 5893 2962 818 4001
Forest 821 665 6970 161 790
Swamp 1523 981 0 4597 1745
Total 100 100 100 100 100
Commission and Omission Error
Class Commission
Percent Omission Percent
Commission Pixels
Omission Pixels
Unclassified 5073 5629 4499088679 5626499953
Grass 3701 4107 37905102421 44968109484
Forest 7975 3030 1613320229 17815877
Swamp 5813 5403 2596944671 2198440686
Producer and User Accuracy
Class Prod Acc
Percent User Acc Percent
Prod Acc Pixels
User Acc Pixels
Unclassified 4371 4927 4368999953 4368988679
Grass 5893 6299 64516109484 64516102421
Forest 6970 2025 40965877 409620229
Swamp 4597 4187 1870240686 1870244671
98
Overall Accuracy The overall accuracy is calculated by summing the number of pixels classified correctly and dividing by the total number of pixels The ground truth image or ground truth ROIs define the true class of the pixels The pixels classified correctly are found along the diagonal of the confusion matrix table which lists the number of pixels that were classified into the correct ground truth class The total number of pixels is the sum of all the pixels in all the ground truth classes Kappa Coefficient The kappa coefficient (k) is another measure of the accuracy of the classification
Confusion Matrix (Pixels) The confusion matrix is calculated by comparing the location and class of each ground truth pixel with the corresponding location and class in the classification image Each column of the confusion matrix represents a ground truth class and the values in the column correspond to the classification images labeling of the ground truth pixels For example look at the ground truth column for the Forest class in the Ground Truth (Pixels) table above The ground truth shows 5877 pixels in this class The classification was able to classify 4096 of these pixels properly but 40 pixels were Unclassified and 1741 were classified as Grass Confusion Matrix (Percent) The Ground Truth (Percent) table shows the class distribution in percent for each ground truth class The values are calculated by dividing the pixel counts in each ground truth column by the total number of pixels in a given ground truth class For example in the Forest class the percent pixels classified correctly is 40965877=0697 or 697 Errors of Commission Errors of commission represent pixels that belong to another class that are labelled as belonging to the class of interest The errors of commission are shown in the rows of the confusion matrix In the confusion matrix example the Grass class has a total of 102421 pixels where 64516 pixels are classified correctly and 37905 other pixels are classified incorrectly as Grass (37905 is the sum of all the other classes in the Grass row of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of commission For the Grass class the error of commission is 37905102421 which equals 37 Errors of Omission Errors of omission represent pixels that belong to the ground truth class but the classification technique has failed to classify them into the proper class The errors of omission are shown in the columns of the confusion matrix In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly and 44968 Grass ground truth pixels are classified incorrectly (44968 is the sum of all the other classes in the Grass column of the confusion matrix) The ratio of the number of pixels classified incorrectly by the total number of pixels in the ground truth class forms an error of omission For the Grass class the error of omission is 44968109484 which equals 411
99
Producer Accuracy The producer accuracy is a measure indicating the probability that the classifier has labelled an image pixel into Class A given that the ground truth is Class A In the confusion matrix example the Grass class has a total of 109484 ground truth pixels where 64516 pixels are classified correctly The producer accuracy is the ratio 64516109484 or 589 User Accuracy User accuracy is a measure indicating the probability that a pixel is Class A given that the classifier has labelled the pixel into Class A In the confusion matrix example the classifier has labelled 102421 pixels as the Grass class and a total of 64516 pixels are classified correctly The user accuracy is the ratio 64516102421 or 630
100
Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3 Source httpsvsgsfcnasagovvisa000000a000100a000155 Dureacutee 6 minutes 19 secondes
La terre dans lrsquoespace
9 planegravetes en orbite autour du soleil
3egraveme planegravete est la terre
Veacutenus et Mars sont les planegravetes les plus proches et les plus similaires par rapport agrave la
terre
Mais Veacutenus et Mars sont tregraves diffeacuterentes de la terre
Veacutenus est la plus similaire agrave la terre point de vue taille masse et graviteacute mais a une
atmosphegravere dense en CO2 et nrsquoa pratiquement pas drsquoeau avec une surface tregraves
chaude (+- 800degF) = 400degC (degC = (degF - 32) 18)
Mars moitieacute de la taille de la terre et une atmosphegravere mince Surface est froide (-
190degF) = -123degC et lrsquoeau est geleacutee agrave ces pocircles et probablement en dessous de sa
surface
Notre terre est unique
70 de la surface terrestre est couverte par de lrsquoeau liquide
Lrsquoatmosphegravere est riche en vapeur drsquoeau
Planegravete geacuteologiquement active
Caracteacuteristique principale preacutesence et diversiteacute de la VIE sur terre
Les navettes spatiales et les satellites qui enregistrent des images de la terre changent notre vision de la terre Nous voyons maintenant les oceacuteans les surfaces terrestres lrsquoatmosphegravere la vie le tout interconnecteacute dans un systegraveme mondial La terre est baigneacutee dans lrsquoeacutenergie solaire Les oceacuteans surfaces terrestres et atmosphegraveres absorbent et sont reacutechauffeacutes par lrsquoeacutenergie solaire La chaleur absorbeacutee par les oceacuteans et transporteacutee par les courants marins est continuellement libeacutereacutee vers lrsquoatmosphegravere La chaleur et lrsquohumiditeacute libeacutereacutees par les oceacuteans dirigent la circulation atmospheacuterique et le climat Lrsquohumiditeacute dans lrsquoatmosphegravere forme les nuages qui couvrent en moyenne 40 de la surface terrestre agrave tout moment donneacute ldquoThe pattern in cloud motion in this time lapse sequence shows how earths winds moving bands or zones which define regional winds directionsrdquo (difficile agrave comprendre et traduire) Le mouvement de lrsquohumiditeacute ou de la vapeur drsquoeau dans lrsquoatmosphegravere jouent un rocircle important dans la deacutetermination du climat Dans cette animation des mouvements des vapeurs drsquoeau de lrsquoatmosphegravere les ouragans de 1995 sont visibles Les ouragans se forment
101
au large des cocirctes africaines (2m32) et se deacuteplacent agrave lrsquoouest agrave travers lrsquoOceacutean Atlantique vers les Caraiumlbes et la cocircte est des USA Le climat mondial est eacutegalement influenceacute par la maniegravere dont la chaleur est reacutepartie par les oceacuteans Sont monteacutes ici les changements de tempeacuteratures de surface des oceacuteans sur une peacuteriode de 9 ans Les surfaces drsquoeau les plus chaudes sont indiqueacutees en rouge les plus froides en bleu Avec ce genre de donneacutees il est possible de deacutetecter lrsquoaugmentation anormale de tempeacuterature qui arrive lorsque les eaux froides en temps normal de lrsquoest de lrsquoOceacutean Pacifique sont remplaceacutees par des eaux plus chaudes Ce pheacutenomegravene est connu sous le nom drsquoEl Nino El Nino pourrait perturber le climat agrave une eacutechelle mondiale causant de vastes inondations et seacutecheresses Drainant les oceacuteans [hellip] il y a la surface solide de la terre avec la croute terrestre qui est diviseacutee en laquo Hautes terres raquo et laquo Basses terres raquo
Les Hautes terres sont les terres eacutemergeacutees qui forment les continents
Les Basses terres forment les bassins oceacuteaniques
La croute terrestre nrsquoest pas une coquille fixe et continue Elle est briseacutee en une mosaiumlque de plaques mouvantes Au fur et agrave mesure que ces plaques bougent et se frottent les unes aux autres elles libegraverent drsquoeacutenormes quantiteacutes drsquoeacutenergie sous la forme de tremblements de terre Les points jaunes montrent la localisation des tremblements de terre qui ont eu lieu entre 1980 et 1995 avec une magnitude supeacuterieure agrave 45 sur lrsquoeacutechelle de Richter Ces tremblements de terre indiquent clairement les limites des plaques de la croute terrestre Lorsque les plaques oceacuteaniques srsquoentrechoquent avec les plaques terrestres [hellip] cela forme les volcans Les triangles rouges indiquent les eacuteruptions volcaniques enregistreacutees qui se sont passeacutees entre 1960 et 1995 Comme pour les tremblements de terre la plupart des volcans sont localiseacutes le long des limites des plaques terrestres Les oceacuteans lrsquoatmosphegravere et les continents jouent tous un rocircle critique pour le maintient de la vie durable sur terre Les caracteacuteristiques des courants marins des vents et de la topographie peuvent faire drsquoune reacutegion un deacutesert et drsquoune autre une reacutegion verte [hellip] Les changements de saisons affectent grandement la veacutegeacutetation terrestre Les couleurs vertes et jaunes montrent comment les plantes grandissent et deacutepeacuterissent au cours des saisons drsquoune anneacutee Les vastes deacuteserts du nord de lrsquoAfrique de la peacuteninsule arabique et de lrsquoAsie centrale sont facilement reconnaissables agrave cause de lrsquoabsence de veacutegeacutetation Lrsquoinfluence des hommes sur la terre peut eacutegalement ecirctre vue depuis lrsquoespace Une vision de la terre pendant la nuit permet de voir les lumiegraveres des campements villages et villes qui sont eacuteclaireacutes Les endroits fortement peupleacutes apparaissent en blanc Les incendies et lrsquoagriculture sur brulis (slash and burn) et la combustion de gaz dans les champs de peacutetroles sont montreacutes en rouge et jaune Depuis ce point de vue lrsquoimportance de lrsquoactiviteacute humaine sur la planegravete peut ecirctre eacutevalueacutee Lrsquoentiegravereteacute du globe est concerneacutee Un suivi global de la terre nous aide agrave comprendre les interactions complexes entre les atmosphegraveres les oceacuteans et les terres ainsi que leurs impacts sur la vie Seule une vue mondiale nous permet drsquoappreacutecier notre terre en tant que planegravete
102
Annexe 5 - Illustrations suppleacutementaires
Figure 30 Evolution temporelle du NDVI pour un pixel du Nord Pakistan sur une image SPOT
Veacutegeacutetation dans le logiciel Windisp (logiciel obsolegravete)
Figure 31 Principe de la conversion des DN (Digital Numbers) en valeurs NDVI gracircce aux coefficient a (pente) et b (intercepte) preacutesents dans le fichier entecircte (header file) de certaines
images
103
Annexe 6 - Wavelength in electromagnetic spectrum
Typical human eye will respond to wavelengths in air from about 380 to 750 nm
httpenwikipediaorgwikiElectromagnetic_spectrum
The colours of the visible light spectrum[2]
Colour wavelength interval frequency interval
red ~ 630ndash700 nm ~ 480ndash430 THz
orange ~ 590ndash630 nm ~ 510ndash480 THz
yellow ~ 560ndash590 nm ~ 540ndash510 THz
green ~ 490ndash560 nm ~ 610ndash540 THz
blue ~ 450ndash490 nm ~ 670ndash610 THz
violet ~ 400ndash450 nm ~ 750ndash670 THz
- Avant-propos
- Table des matiegraveres
- 1 Objectifs du manuel
- 2 Notions de teacuteleacutedeacutetection - Rappel theacuteorique
-
- 21 Deacutefinition
- 22 Principe
-
- 221 Reacuteflectance solaire
-
- 23 Exemples drsquoapplications
-
- 3 Introduction au TP avec laquo Google Earth Pro raquo
- 4 Pratique de la teacuteleacutedeacutetection spatiale
-
- 41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI
-
- 411 Les 2 interfaces drsquoENVI
- 412 Ouvrir ENVI
- 413 Trouver de lrsquoaide dans ENVI
-
- 42 Exploration drsquoimages satellites dans ENVI Zoom
-
- 421 Ouverture drsquoun fichier dans ENVIZoom
- 422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages
- 423 Exploration drsquoimages satellites dans ENVI
- 424 Ouverture drsquoune image dans ENVI
- 425 Modification du reacutepertoire de travail par deacutefaut
- 426 Accegraves aux informations drsquoune image
-
- 4261 Cursor Location Valuehellip
- 4262 Pixel Locatorhellip
- 4263 Le laquo Header file raquo (fichier drsquoaccompagnement)
- 4264 Quick Statshellip
- 4265 Outil de mesures (distance superficie)
-
- 43 Analyse temporelle
-
- 431 Analyse temporelle visuelle (avec ENVI)
-
- 4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence
- 4312 Modification de la symbologie
-
- 432 Analyse temporelle de laquo deacutetection du changement raquo (laquo Change detection analysis raquo) (avec ENVI)
- 433
- 434 Analyse drsquoune seacuterie temporelle drsquoimages NDVI basse reacutesolution avec le Time series viewer SPOT-VGT amp PROBA-V
- 435 Analyse drsquoune seacuterie temporelle drsquoimages basse reacutesolution et caracteacuterisation des saisons de veacutegeacutetation avec TIMESAT
-
- 4351 Objectifs
- 4352 Utiliteacute
- 4353 Preacutesentation du logiciel utiliseacute TIMESAT
- 4354 Teacuteleacutechargement de TIMESAT
- 4355 Installation de TIMESAT
- 4356 Deacutemarrage de TIMESAT
- 4357 Utilisation de TIMESAT
-
- 44 Creacuteation drsquoun indice NDVI agrave partir drsquoune image Landsat TM
- 45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de Terrain raquo (MNT) ou laquo Digital Elevation Model raquo (DEM)
- 46 Correction geacuteomeacutetrique
- 47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale
-
- 471
- 472 Observation drsquoune image
-
- 4721 Observation drsquoune image en 2D
- 4722 Observation drsquoune image en 3D agrave lrsquoaide drsquoun MNT (DEM)
- 4723 Identification des classes drsquooccupation du sol
- 4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image
- 4725 Outil laquo Animation raquo
- 4726 Ameacutelioration de contraste
-
- 473 Classification drsquoune image
-
- 4731 Classification non-superviseacutee
- 4732 Classification superviseacutee
-
- 47321 Deacutefinition de la leacutegende de la future carte drsquooccupation du sol
- 47322 Deacutefinition du nombre de classes spectrales
- 47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe
- 47324 Creacuteation de ROIs dans ENVI
- 47325 Classification drsquoune image (classification superviseacutee)
-
- 474 Validation de la classification superviseacutee matrice de confusion
-
- 4741 Seacutelection des aires de validation (ROI de validation)
- 4742 Calcul de la matrice de confusion ou table de contingence
-
- 475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel
- 476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique
-
- 4761 Mise en page cartographique dans ENVI (limiteacute)
- 4762 Exportation drsquoune image depuis ENVI (facultatif)
- 4763 Mise en page cartographique dans QGIS
- 4764 Mise en page cartographique dans ArcGIS
-
- 48 Creacuteation de Neacuteo-canaux
-
- 481 Analyse en Composante Principale (ACP)
- 482 Creacuteation drsquoun indice laquo NDVI raquo
- 483 Creacuteation drsquoun indice laquo Tasseled Cap raquo
- 484 Creacuteation drsquoautres indices
-
- 49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image
-
- 491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol
- 492 Distribution spectrale dans un graphique 2D (2D Scatter plot)
- 493 Calcul de statistiques par ROI
- 494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale
- 495 Classes spectrales uni-modales et multimodales
-
- 410 Manipulation de donneacutees hyperspectrales
-
- 4101 Manipulation de donneacutees hyperspectrales ponctuelles (ASD)
- 4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)
-
- 41021 Preacutesentation de lrsquoimage hyperspectrale
- 41022 Manipulations et analyses agrave partir de lrsquoimage hyperspectrale
-
- 5 Visionnage de la videacuteo laquo HOLOGLOBE raquo
- 6 Recherche drsquoimages satellites sur le web
- 7 Sites web inteacuteressants
-
- 71 Applications environnementales
- 72 Supports peacutedagogiques
- 73 Divers
-
- 8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes
-
- 81 Le programme COPERNICUS et le SERTIT
- 82 Exemples suppleacutementaires par outils ou theacutematique
-
- 9 Quelques logiciels de teacuteleacutedeacutetection spatiale
- Annexe 1 - Les diffeacuterents types de reacutesolution des images satellites
- Annexe 2 - Exemple de matrice de confusion et de son interpreacutetation
- Annexe 3 - Matrice de confusion dans ENVI
- Annexe 4 - Traduction des commentaires de la videacuteo HOLOGLOBE_v3
- Annexe 5 - Illustrations suppleacutementaires
- Annexe 6 - Wavelength in electromagnetic spectrum
-