Travaux Pratiques de Télédétection Spatiale I

Travaux

Pratiques de

Teacuteleacutedeacutetection

Spatiale I

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

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

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

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

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

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

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)

Lrsquoon distingue en geacuteneacuteral les moyens de teacuteleacutedeacutetection laquo actif raquo et laquo passif raquo (Sources Andreacute

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

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

Figure 3 Quelques exemples drsquoapplication de la teacuteleacutedeacutetection spatiale carte drsquooccupation du sol suivi des conditions atmospheacuteriques reacutealisation de modegraveles numeacuteriques de terrain (MNT)

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

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

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

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

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)

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

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

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

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)

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

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

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

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

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

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

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

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

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

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

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)

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

Dans la fenecirctre laquo Select the laquo Final State raquo Image raquo seacutelectionnez lrsquoimage post-

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)

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

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

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

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

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

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

Ensuite la fenecirctre principale de TIMESAT le ldquoTimesat menu systemrdquo srsquoouvrira (Figure

Figure 14 principale interface de TIMESAT

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 lrsquoeacutevolution temporelle du NDVI pour diffeacuterents pixels (application laquo

TSM_GU I raquo) (Figure 27)

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

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

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

Votre bande NDVI laquo NDVI_calcul raquo apparait dans la fenecirctre laquo Available Bands List raquo

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

45 Visualisation 3D drsquoun laquo Modegravele Numeacuterique de

Terrain raquo (MNT) ou laquo Digital Elevation Model raquo

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

de la fenecirctre de visualisation

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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)

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

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

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

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

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

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

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

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

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

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

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

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

lrsquoimage

correspondantes aux axes X et Y du graphique avec une des bandes qui

correspond agrave une image classifieacutee

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

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

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)

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

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

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

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

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

Figure 26 Signatures spectrales pour diffeacuterents mateacuteriaux dans la gamme de longueur drsquoondes [05microm -3microm]

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

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

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

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

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

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

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

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

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

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

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

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

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)

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

The EMS Drought Observatory (DO)

Plusieurs exemples de lrsquoutilisation des satellites dans le cadre de la gestion des crises

httpswwwesaintApplicationsObserving_the_EarthCopernicusEmergency_man

agement

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)

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

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

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

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)

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

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

Weekly Animation of Arctic Sea Ice Age with Graph of Ice Age by Percent of Total

1984 ndash 2016 videacuteo + textes

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

httpsearthdatanasagovearth-observation-datanear-real-timefirms

Tempeacuterature du globe

Five-Year Global Temperature Anomalies from 1880 to 2015 videacuteo

Urbanisation

Las Vegas Urban Expansion Timelapse videacuteo 3 minutes

o httpswwwyoutubecomwatchv=cPRGfyd93fo

Tsunami

Cartes satellites des zones sinistreacutees au Japon videacuteo franccedilais 1 minute

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

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

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

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

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

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)

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)

MIR 158 agrave 175 mm (170 microm)

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)

4 bit 8 bit

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

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

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

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

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

laquo Prairie raquo) sur un total de 32 pixels classifieacutes dans la classe laquo Forecirct raquo dans lrsquoensemble

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

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

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)

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

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

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

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

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

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

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

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

21 Deacutefinition

22 Principe





41 Preacutesentation du logiciel de traitement drsquoimages numeacuteriques ENVI


412 Ouvrir ENVI




422 Deacutecouverte de lrsquointerface drsquoENVIZoom et exploration drsquoimages












4311 Synchronisation des fenecirctres de visualisation superposition dynamique et transparence


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






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)


47 Reacutealisation drsquoune carte drsquooccupation du sol par classification superviseacutee drsquoune image SPOT multispectrale

471





4724 Utilisation de donneacutees compleacutementaires pour lrsquoanalyse visuelle drsquoune image








47323 Seacutelection des aires drsquoentrainement ou laquo ROI ndash Region Of Interestraquo pour chaque classe



474 Validation de la classification superviseacutee matrice de confusion



475 Post-traitement drsquoune image classifieacutee pour ameacuteliorer le rendu visuel

476 Reacutealisation drsquoune carte drsquooccupation du sol - Mise en page cartographique










49 Seacuteparabiliteacute spectrale des classes drsquooccupation du sol sur une image

491 Calcul de la seacuteparabiliteacute spectrale de classes drsquooccupation du sol



494 Courbes de distribution des valeurs de pixels par classe ou bande spectrale




4102 Manipulation de donneacutees hyperspectrales images (CHRIS-PROBA)








73 Divers

8 Exemples drsquoapplications de la teacuteleacutedeacutetection spatiale pour la gestion des risques et des catastrophes


82 Exemples suppleacutementaires par outils ou theacutematique



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



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

Avant-propos 1

22 Principe 9

412 Ouvrir ENVI 15

4351 Objectifs 29

73 Divers 78

o Reacutesolutions

o Format

o hellip

21 Deacutefinition

22 Principe

niveau des mers etc

hellip

Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











Avant-propos 1

22 Principe 9

412 Ouvrir ENVI 15

4351 Objectifs 29

73 Divers 78

o Reacutesolutions

o Format

o hellip

21 Deacutefinition

22 Principe

niveau des mers etc

hellip

Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











4351 Objectifs 29

73 Divers 78

o Reacutesolutions

o Format

o hellip

21 Deacutefinition

22 Principe

niveau des mers etc

hellip

Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











73 Divers 78

o Reacutesolutions

o Format

o hellip

21 Deacutefinition

22 Principe

niveau des mers etc

hellip

Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











o Reacutesolutions

o Format

o hellip

21 Deacutefinition

22 Principe

niveau des mers etc

hellip

Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











o Reacutesolutions

o Format

o hellip

21 Deacutefinition

22 Principe

niveau des mers etc

hellip

Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











21 Deacutefinition

22 Principe

niveau des mers etc

hellip

Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











22 Principe

niveau des mers etc

hellip

Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











niveau des mers etc

hellip

Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











Google Earth

Avant toute chose

volhellip)

412 Ouvrir ENVI

recherche

satellite

Ouvrez les fichiers

drsquoimages

Barre de menu

Help lrsquoaide

Barres drsquooutils

Longueur drsquoonde

TM Band 1

agrave 30 m)

termes de relief

viewer

coloreacutee

acceacuteder

cliquant dessus

partout en Afrique

laquo Rouge raquo

RougePIR

RougePIRNDVI

lrsquoespace

analysis raquo

Difference Maprdquo

minutes)

Meacuteteacuteo

Pakistan

Wallonie

Burkina Faso

Sud du Beacutenin

4351 Objectifs

4352 Utiliteacute

noire)

(courbe rouge)

plusieurs fois

Landsat TM

Input File raquo

fenecirctre

corriger

simple

table de GCP

un nouveau viewer

multispectrale

classes)

QGIS ou ArcGIS)

E5ivJIg

(confer ci-dessus)

Carriegravere

hellip

Classe Description

lrsquoimage

voisins

hellip hellip

une image raquo)

dessus)

pour chaque classe

o hellip

fonceacute

clic-droit

comme ROI

laquo Roiroi raquo

viewer (Figure 21)

confusion

validation

Thruth ROI raquo

rendu visuel

cartographique

par exemple)

Word Pour ce faire

Image File raquo

changer de format)

view raquo

classification

information

sol sur une image

lrsquoimage

maximum de ROIs

Image ROI raquo)

lrsquoimage

Slice = Rainbow)

bande spectrale

indiquant comme

laquo OK raquo

droite)

graphique

Pour ce faire

band 1 raquo

(VIS+NIR+SWIR+TIR)

hyperspectrales

laquo Ouvrir raquo

PROBA)

donneacutee

Bande 1 et bande 2

Bande 1 et bande 42

hyperspectral

Subset raquo

votre fichier

argent temps)

suivants

o LANDSAT

o RADAR

o hellip

httpswwwplanetcom

03AD11E38FBEA6237

Page principale

donneacutees raquo

AUTRES (gratuit)

PROBA-CHRIS ENMAP

73 Divers

catastrophes

response and

estimate product)

o Examples here

componentsEMSR388

risk-and-recovery

un warning

agement

httpsertitunistrafr

theacutematique

o Videacuteo 2 min

Inondation

Typhon

Deacuteforestation

LANDSAT

Masse drsquoeau

Inondation

drsquoinondations

videacuteo 2 min

Urbanisation

Tsunami

Littoral

Mareacutee noire

Volcan

httpwwwfewsnetfr

Refugieacutes

gallery2018-winners

Divers

franccedilais

MapGive

Nom Prix Site web

disponibles

sur les images

4 bit 8 bit

Prairie

Forecirct

Zones de validation

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

017 (0)

633 (18)

430 (13)

1717 (100)

2733 (82)

2630 (87)

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

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

Class Commission

Commission Pixels

Omission Pixels

Unclassified 5073 5629 4499088679 5626499953

Grass 3701 4107 37905102421 44968109484

Forest 7975 3030 1613320229 17815877

Swamp 5813 5403 2596944671 2198440686

Class Prod Acc

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

surface

images

Avant-propos

21 Deacutefinition

22 Principe







412 Ouvrir ENVI



















433



4351 Objectifs

4352 Utiliteacute










471














































73 Divers











Documents

Travaux Pratiques de Télédétection Spatiale I