La cartographie dynamique de l’environnement Amazonien

La cartographie dynamique de l’environnement
Amazonien

Cartographie d’occupation et/ou d’usage du sol par satellite

 La cartographie est l’art et la manière d’élaborer des cartes, documents scientifiques et/ou artistiques concernant toutes les représentations en plans, en coupes, ou les reconstitutions tridimensionnelles de la Terre ou d’autres corps célestes, à n’importe quelle échelle. Traduit et adapté de MEYEN, 1973 Comme cela a été souligné dans l’introduction générale, l’exploitation de l’imagerie satellitaire à des fins de recherche appliquée ou de gestion du territoire nécessite une série de prétraitements et de traitements visant à expliciter et représenter de façon pertinente l’information véhiculée par l’image, et ce dans un contexte applicatif spécifique. Une des représentations privilégiées de l’information géographique issue des traitements d’images de télédétection est la carte d’occupation et/ou d’usage du sol. Le concept d’occupation du sol, tel qu’il est défini par l’Organisation des Nations Unies pour l’alimentation et l’agriculture (Food and Agriculture Organization of the United Nation : FAO), désigne « la couverture biophysique des terres émergées ». Il s’agit d’un domaine d’études et de recherche en géographie où le sol désigne de façon générique la surface terrestre, qu’elle corresponde à la terre ferme ou aux surfaces d’eau libre continentales. L’usage du sol, quant à lui, désigne toute altération appliquée par l’être humain sur le sol telles que les constructions pour l’habitat, l’agriculture, etc. Très souvent, les typologies utilisées pour réaliser une telle carte associent conjointement des types d’occupation et d’usage. Dans la suite du document, nous désignerons par conséquent de 9 Chapitre I. Cartographie d’occupation et/ou d’usage du sol par satellite telles représentations de l’information par carte d’occupation/usage du sol. Une carte d’occupation/usage du sol désigne donc la représentation cartographique d’un ensemble fini de types (ou classes) d’occupation et/ou d’usage du sol d’une zone géographique donnée. Ces classes sont idéalement nommées et décrites par une nomenclature, version standardisée et partagée de la typologie pour un domaine particulier, ayant par conséquent un rôle normatif. Concrètement, l’obtention de telles cartes s’effectue par l’attribution d’une classe à chaque pixel de l’image et correspond, ainsi, à un processus de classification. Dans ce chapitre, nous présentons tout d’abord la télédétection et l’imagerie satellitaire en particulier. Un état de l’art des méthodes de classification supervisée appliquées aux images satellitaires est ensuite présenté. Nous présentons ensuite les approches proposées dans la littérature afin d’automatiser le processus de classification. 

 Télédetection 

 Principe général 

La télédétection désigne le processus d’acquisition d’informations à distance sur un objet, une surface ou un phénomène. En particulier, la télédétection spatiale pour l’observation de la Terre désigne tout processus consistant à acquérir et enregistrer l’énergie de rayonnement électromagnétique émis et/ou réfléchi par un objet, une surface ou un phénomène appartenant à la surface ou à l’atmosphère de la Terre. Par extension, elle désigne également tout processus consistant à traiter et analyser l’information ainsi obtenue. Figure I.1 – Exemple de réponses radiométriques de différentes surfaces terrestres, d’après [1].La télédétection se base sur le principe que les matériaux émettent et réfléchissent différemment les ondes électromagnétiques, en fonction, notamment, de leur couleur, leur matière ou encore leur rugosité (voir Figure I.1). Elle rassemble deux modes d’acquisition principaux (voir Figure I.2) : – le mode passif, également appelé optique, qui consiste à mesurer l’énergie émise et/ou réfléchie par la surface terrestre illuminée par une source d’énergie incidente naturelle telle que le soleil. Dans le cas de l’acquisition d’images multi-spectrales (également dites images couleur), l’énergie reçue est mesurée dans plusieurs bandes spectrales appartenant ou non au domaine du visible. Ce mode d’acquisition a l’avantage de fournir des données relativement simples à interpréter, en particulier lorsque l’information correspond au domaine du visible. En revanche, une telle technique, lorsqu’elle est dédiée à l’observation de la surface terrestre, est limitée par la présence de nuages et de leur ombre projetée, qui ont pour effet de générer des données manquantes dans les images ; – le mode actif qui, quant à lui, fait intervenir une source d’illumination artificielle et mesure l’énergie rétro-diffusée par l’objet cible. L’imagerie radar utilise cette méthode. L’interprétation des données est moins intuitive que pour l’imagerie optique et demande et/ou d’usage du sol par satellite des connaissances spécifiques en traitement du signal. En revanche, ce mode d’acquisition, de par les gammes de longueurs d’onde élevées utilisées, présente l’avantage de ne pas être sensible au couvert nuageux. 

Satellites et capteurs d’observation de la Terre 

Un satellite pour l’observation de la Terre est un dispositif artificiel installé sur orbite autour du globe terrestre. Selon le Centre National d’Etude Spatiale (CNES), environ 2500 satellites 1 gravitent autour de la terre, fournissant en permanence des milliers d’images pour des applications militaires mais aussi, et de plus en plus, des applications civiles (Quelques exemples de satellites sont listés dans le tableau I.1). Un satellite est équipé d’un ou de plusieurs instruments de mesure composés de différents types de capteurs (voir des exemples dans le tableau I.1).Les capteurs utilisés pour l’imagerie optique mesurent l’énergie réfléchie par la surface terrestre, en considérant cette dernière au travers d’une « grille » dont chaque maille, correspondant au pixel de l’image, constitue l’unité de mesure minimale. Dans le domaine spectral, les capteurs mesurent l’énergie dans un ou plusieurs intervalles de longueurs d’onde, correspondant respectivement aux modes d’acquisition dits panchromatique et multi-spectral (ou couleur). L’information est ensuite codée numériquement, puis stockée à bord du satellite jusqu’à ce qu’elle soit transmise à une station de réception située au sol (voir Figure I.2). Au niveau de la station de réception, l’information est stockée, cataloguée, et peut alors être représentée sous forme d’image après l’étape dite de production. 

Imagerie satellitaire 

 Caractéristiques générales 

Au regard des principes généraux de l’acquisition d’images satellitaires énoncés précédemment, il est possible de qualifier une image selon ses différentes résolutions, au nombre de quatre [16] : – Résolution spatiale : elle désigne la taille de l’unité de mesure minimale sur la surface terrestre correspondant au pixel de l’image. Elle est exprimée en unité de longueur (centimètres, mètres, kilomètres) ou en unité angulaire (degrés, minutes, secondes), selon que l’on utilise, respectivement, un système de coordonnées en projection ou géographique (latitude – longitude). Les termes de basse, moyenne, haute et très haute résolutions spatiales sont traditionnellement utilisés pour désigner, respectivement, des résolutions de l’ordre du kilomètre, de la centaine de mètres, de la dizaine de mètre et du mètre ; – Résolution spectrale : elle correspond au nombre et à la largeur des bandes spectrales (appelée aussi canaux) dans lesquelles est mesurée l’énergie électromagnétique reçue par le capteur. – Résolution temporelle : elle caractérise la capacité du satellite et de ses instruments à répéter des mesures de la même zone géographique. Elle est exprimée par la durée entre deux mesures de la même zone (en nombre de jours par exemple) ou par une fréquence d’acquisition (en nombre d’images par jours par exemple) ; – Résolution radiométrique : Elle représente la sensibilité du capteur à l’intensité de l’énergie électromagnétique qu’il reçoit et à la capacité du système d’acquisition à coder numériquement cette information. Elle est exprimée en nombre de niveaux de gris associé à chaque bande spectrale ou en nombre de bits utilisés dans le codage. La plupart des images satellitaires sont codées en 8 bits, correspondant à 256 niveaux de gris. Le tableau I.1 donne quelques exemples de satellites d’observation de la Terre les plus communément utilisés. Le tableau I.2 détaille les caractéristiques des images acquises par le satellite SPOT5 (Satellite Pour l’Observation de la Terre) développé par le Centre National d’Etudes Spatiales (CNES).

Table des matières

Table des figures
Liste des tableaux
Introduction générale
I État de l’art et positionnement scientifique
I Cartographie d’occupation et/ou d’usage du sol par satellite
1 Introduction
2 Télédetection
2.1 Principe général
2.2 Satellites et capteurs d’observation de la Terre .
2.3 Imagerie satellitaire
2.3.1 Caractéristiques générales
2.3.2 Image et information
3 Analyse d’images satellitaires
3.1 Classification supervisée d’images satellitaires
3.2 Approche basée pixel
3.2.1 Principe général
3.2.2 Limites des méthodes basées pixel
3.3 Approche basée objet
3.3.1 Principe général
3.3.2 Méthode
3.3.3 Avantages et inconvénients de l’approche basée objet
4 Éléments de la littérature permettant d’envisager l’automatisation de l’approche basée objet
4.1 Segmentation
4.1.1 Méthodes d’évaluation non-supervisées
4.1.2 Méthodes d’évaluation supervisées
4.2 Labellisation des segments
4.2.1 Formalisation des connaissances expertes
4.2.2 Approches supervisées
5 Conclusion du chapitre
II Apprentissage automatique – Programmation Logique inductive (PLI)
1 Introduction
2 Apprentissage automatique à partir des données
2.1 Principe général
2.2 Raisonnements
2.3 Logiques propositionnelles et du premier ordre
3 Programmation logique inductive : méthode
3.1 Algorithme général de la PLI
3.2 Stratégies de recherche
3.2.1 Stratégie ascendante (Bottom-up)
3.2.2 Stratégie descendante (Top-down
3.2.3 Stratégie mixte
3.3 Implication inverse (Inverse Entailment)
3.4 PLI et classification supervisée
3.5 PLI et contexte multi-classes
4 Applications de la PLI
4.1 Applications nombreuses et variées
4.2 Applications aux données cartographiques et à la télédétection
5 Les systèmes de PLI
6 Conclusion du chapitre
II Développements méthodologiques & applications
III Contribution à l’automatisation de la segmentation d’images satellitaires
1 Introduction
2 Méthode
2.1 Approche générale
2.2 Algorithme de segmentation : Statistical Region Merging (SRM)
2.2.1 Justification du choix de SRM
2.2.2 Modèle statistique
2.2.3 Critère de fusion
2.2.4 Ordre de fusion
2.3 Mesure de dissimilarité
2.3.1 Utilisation d’une carte d’occupation/usage du sol comme segmentation de référence
2.3.2 Appariement
2.3.3 Quantification de la sur- et de la sous-segmentation
2.3.4 Dissimilarité pour chaque segment de référence
2.3.5 Dissimilarité globale
2.3.6 Prise en compte de l’appartenance aux classes
3 Application à la segmentation d’images du littoral guyanais
3.1 Contexte applicatif
3.2 Description du jeu de données
3.3 Paramétrage de SRM
3.4 Résultats
3.5 Discussion
4 Conclusion du chapitre 3
IV Contribution à la classification automatique des objets géographiques
1 Introduction
2 Méthode
2.1 Approche générale
2.2 Caractérisation et codage de l’information géographique
2.3 Construction des exemples
2.4 Induction des règles par PLI : approche one-vs-rest
2.5 Classification multi-classes
Table des matières
2.6 Évaluation quantitative
2. Indices de « confiance »
3 Application de la méthodologie pour la mise à jour de carte d’occupation du sol
du littoral guyanais
3.1 Contexte applicatif
3.2 Description des données .
3.3 Caractérisation et codage de l’information géographique appliqués aux
données du littoral Guyanais
3.3.1 Prétraitements, définition des exemples et codage de l’information
3.3.2 Choix et paramétrage du système inductif
4 Résultats
4.1 Caractéristiques des règles induites
4.2 Performances de prédiction
4.3 Cartes des erreurs et des indices de confiance
5 Discussion
6 Conclusion du chapitre
V Perspectives
1 Introduction
2 Segmentation : prise en compte de connaissances a priori (Q-map)
2.1 Rappel du contexte et objectif
2.2 Méthode
2.2.1 Q-maps
2.2.2 Critère de fusion de SRM modifié
2.3 Illustration
3 Classification
3.1 Exploitation de l’information experte
3.2 Définitions normalisées des relations spatiales
4 Intégration des processus de segmentation et d’apprentissage : vers l’automatisation de l’approche basée objet
Conclusion générale
Annexe A : Résultats de la segmentation de l’ensemble des images PROCLAM avec Q opt global
Annexe B : Description de la nomenclature utilisée par l’Office National des Forêts (ONF) dans le cadre de l’Expertise littoral
1 Territoires artificialisés
2 Territoires agricoles
3 Forêts et milieux naturels
4 Zones humides
5 Surfaces d’eau
Annexe C : Implémentation de la PLI avec Aleph
1 Fichier de Bakground Knowledge : aleph.b .
2 Fichier d’exemples positifs : aleph.f .
3 Fichier d’exemples négatifs : aleph.n
Annexe D : Régles de classification induites
Annexe E : Production scientifique
1 Articles de revue
2 Articles acceptés dans des conférences internationales avec comité de lecture et article long
3 Articles acceptés dans des conférences nationales avec comité de lecture et article long
4 Conférences nationales avec comité de lecture .

projet fin d'etudeTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *