Vous êtes sur la page 1sur 39

TP3 Tldtection

Ralisation dune carte doccupation du sol par


classification supervise dune image Landsat
Dans ce TP, vous allez raliser une carte doccupation du sol par classification supervise
dune image satellite Landsat reprsentant la commune Maarif Casablanca et la mise
en page de la carte obtenue.

Les grandes tapes suivre pour la ralisation dune classification supervise sont :
1. Observation de limage
1.1. Identification des classes doccupation du sol
Analyser visuellement votre image et reprez les grands types doccupation du sol :
* Centres urbains (ville et village, btiments, gare, )
* Routes (autoroute, route, rail)
* Zones boises (fort, bois,)
* Terres agricoles (champ cultiv et champ nu)
* Cours deau (fleuves, canaux,)
Dcidez des classes que vous essayerez de retrouver par classification automatique de limage
(entre 5 et 8 classes).

1.2 Utilisation de donnes complmentaires pour lanalyse visuelle dune image


La photo-interprtation (reconnaissance des diffrentes occupations du sol par analyse
visuelle) dune image est parfois difficile :
* Soit parce que limage ne prsente pas une qualit suffisante (rsolution spatiale et spectrale
adquate),
* Soit cause dun manque dexprience du photo-interprteur ou dun manque de
connaissance de la zone.
La photo-interprtation peut tre facilite grce lutilisation de donnes complmentaires sur
la zone tudie, par exemple :
* Analyse visuelle de la zone dans Google Earth. Google Earth dispose dimage trs
haute rsolution spatiale pour une partie sans cesse grandissante de la plante.
Attention toutefois garder lesprit que les images de Google Earth ne datent
probablement pas de la mme priode que celle qui fait lobjet de votre tude.
* Cartes topographiques
* Une enqute de terrain avec relev GPS
* Divers documents donnant des informations sur loccupation du sol de la zone
1.3 Amlioration de contraste
une amlioration de contraste facilite linterprtation visuelle de limage
Lamlioration de contraste consiste en une transformation virtuelle des donnes
afin dutiliser toute la gamme dintensit de couleur disponible (256 niveaux)
pour visualiser les donnes lcran. Cette amlioration ne modifie donc pas vos
donnes sources (la valeur des pixels). Elle ne fait quattribuer diffremment la
palette de couleur disponible votre image afin de faire ressortir certains
lments plus clairement.
2. Classification supervise de limage
Raliser une classification supervise dune image satellite sous entend que vous
possdez une trs bonne connaissance de loccupation du sol relle de la zone
de limage lpoque o limage a t prise. Cette connaissance peut venir de
plusieurs sources . Cette connaissance peut venir de plusieurs sources comme
expliqu ci-dessus Utilisation de donnes complmentaires pour lanalyse
visuelle dune image .
2.1 Dfinition de la lgende de la carte (taxon)
A partir de lexamen de la composition colore de la zone classifier (galement
avec lamlioration de contraste), et de votre connaissance de la rgion tudie,
dfinissez la lgende de la carte, cest--dire les classes doccupation du sol que
vous dsirez voir apparaitre dans la carte doccupation du sol qui sera produite.
2.2 Dfinition du nombre de classes spectrales
A partir de lexamen de la composition colore de la zone classifier (galement avec
lamlioration de contraste), identifiez galement combien de signatures spectrales
diffrentes correspondent chaque taxon de la lgende. En effet, une occupation du sol
telle que culture peut prsenter diffrentes signatures spectrales au moment de
lenregistrement de limage, selon lespce cultive et son stade vgtatif. Il sagit donc de
dfinir autant de classes spectrales quil existe de situations spectralement bien diffrentes
pour chaque occupation du sol. Lalgorithme de classification pourra ainsi traiter chaque
signature spectrale de manire indpendante.
2.3 Slection des aires dentrainement ou ROI Region Of Interest pour
chaque classe
Il sagit de slectionner un minimum de 30 pixels spectralement reprsentatif de chaque signature
spectrale identifie prcdemment. Ces chantillons, ou aires dentrainement serviront la
CALIBRATION de votre classification. Elles sont dfinies lcran par la numrisation dun ou
plusieurs polygones pour chaque classe spectrale. Sur base des polygones ainsi dfinis, lextraction
automatique des valeurs de pixels contenues lintrieur des polygones et le calcul de leur
moyenne et cart-type produiront la signature spectrale de chaque classe partir des 3 canaux de
limage .
Les aires dentrainement doivent tre reprsentatives de chaque classe spectrale
considre. Voici quelques conseils pour la slection des aires dentrainement :
* Il est souvent prfrable que ces aires dentrainement soient bien rparties sur toute
limage. En effet, ceci permettra de prendre en compte :
o Les ventuels gradients de luminosit entre les diffrentes zones de limage
(conditions atmosphriques, relief/exposition,)
o Une lgre diffrence spectrale entre une mme classe doccupation du sol dans des
rgions diffrentes (gradient ou classes pdologiques, variation des espces vgtales ou
de leur tat de dveloppement, etc).
o
* Un minimum de 30 pixels par classe spectrale et un nombre suffisant daires
dentrainement pour quelles soient reprsentatives de la classe considre. Le nombre
daires dentrainement ncessaire dpendra donc de la complexit spectrale de chaque
classe et de la complexit de limage. Par exemple, une image ne comprenant comme
occupation du sol que le dsert et la mer sera extrmement facile classifier et cela pourra
se faire avec peu daires dentrainement. A linverse une image dune zone agricole africaine
prsentera une beaucoup plus grande complexit doccupation du sol (parcelles avec
diffrentes cultures diffrents stades de dveloppement, diffrents tats de sol et
diffrents sols, arbres dans les parcelles, etc) et ncessitera lutilisation de nombreuses
aires dentrainement afin quelles soient bien reprsentatives de toutes les variations dune
classe spectrale donne.
* La courbe de la distribution du nombre de pixels en fonction de leur rflectance (pour une bande
spectrale donne) doit tre uni-modale (ou sen rapprocher). Si elle est multimodale, ceci constitue une
indication que ces aires correspondent plusieurs classes spectralement distinguables et quil faut donc les
sparer en autant de classes quil ny a de mode dans la courbe.
* Ne considrer que des pixels purs , cest--dire des pixels correspondant uniquement la classe
doccupation du sol vise et non des pixels couvrant plusieurs classes doccupation du sol ( mixel : pixel
mixte). Par exemple, pour des zones dentrainement dun fleuve, ne pas considrer des pixels se trouvant
proche de la berge car leur rflectance risque dtre influence par la berge.
Faites attention faire apparaitre la mention cal dans le nom de ces classes qui seront utilises des
fins de calibration (par exemple : fort_cal ), et ce afin de facilement faire la distinction entre vos classes
de calibration

3. Validation des rsultats de la classification


4. Production de la carte doccupation du sol drive de la classification
Classification supervise
(A laide des outils de Qgis)
* Ouverture de Qgis ---- Nouveau projet intitul Classification supervise ----systme de coordonnes
projet EPSG:32629
* Ajout de donnes (Image Landsat zetudeimage6c.img dans le dossier Classification supervise )

8
Ajout du shapefile Maarif dans le mme dossier
On dcoupe limage raster zetudeimage6c.img en utilisant comme masque le shapefile Maarif
Le raster obtenu sera nomm MaarifSat
Proprit de la couche raster obtenue MaarifSat ---- rubrique style puis faites les changements comme
suit:

10
Menu SCP ------ Semi-Automatic Classification Plugin
Puis rafraichir

Puis dans Input image slectionnez : MaarifSat


1
4 3 2

Pour Lamlioration de contraste de l image ---Show


Activez la projection automatique la vole
1

Ajoutez les carte topographique de Casablanca gorfrence dans le TP1 teledetection


(la superposition des cartes topographique avec limage satellite nous permet une meilleure reconnaissance
des diffrentes occupations du sol )
Cration de Shapefile des aires dentrainement (ROI)

2 3
Le Shapefile cre apparait dans la liste des couches de Qgis ,
cest une couche encore vide mais comporte des noms des champs du
Shapefile ROI
2

1
Cration de fichier de signature spectrale

La signature spectrale reprsente les variations spectrales, c'est- dire les


variations de la rflectance des lments en fonction de la longueur d'onde
d'enregistrement prise dans les zones du spectre lectromagntique utilisable
en tldtection.

2 3
Commencez la numrisation du shapefile ROI

4
5

Lenregistrement Bati apparait dans Training shapefile du shapefile ROI


Choisissez les classes suivantes:
On fusionne les deux zones qui reprsentent la mme classe Vgtation :
On obtient la classe fusionne MergedVgtation puis on supprime les
deux anciennes classes
Changez les paramtres comme suit, puis appuyez sur + puis sur limage

On obtient une image similaire


celle-ci:
Ensuite , on commence la classification:
On obtient une image Raster et une
couche vecteur

Le shapefile contient plusieurs entits de


la mme classe
Pour raliser le calcul des superficies par classe, regroupons les entits appartenant
la mme catgorie. Toutes les entits ayant des valeurs identiques de ce champ sont
combines pour former une seule entit.

22
Supprimer lentit 0 du champs C_ID
Puis ajouter un champs comportant les noms des classes :

3 4
1
Puis on entre les noms des diffrentes classes comme indiqu ci-dessous:

Pour calculer la superficie de chaque classe, on doit crer un champs


Superficie dans la table attributaire de la couche QgisClassification
Utilisez la symbologie suivante :
Edition cartographique
La carte est un support particulirement efficace pour communiquer les rsultats de
vos recherches. Elle permet en effet de synthtiser et de donner une vue densemble
sur une masse dinformations parfois considrable en un seul coup doeil. Il est trs
important de veiller ce quelle soit la plus lisible, attractive et parlante possible,
afin que la personne qui lira votre carte puisse comprendre aisment ce que vous
avez dcid dy reprsenter.

Elments indispensables sur une carte


Toute carte doit comporter les lments suivants :
Un titre
Une chelle graphique
Une lgende
Une flche indiquant le Nord
Les informations relatives au systme de coordonnes utilis
Lauteur (personne et / ou Socit )
La date de cration de la carte
On peut ajouter une carte de situation

Reprsentez vos rsultats sur une carte que vous ralisez dans QGIS (voir TP Qgis
tuto10. Mise en page : le composeur d'impression (page:12) ).
Puis exportez votre mise en page au format Jpeg selon le modle ci-dessous:
Classification supervise
(A laide des outils de Erdas Imagine)
* Ajout de donnes (Image Landsat
zetudeimage6c.img dans le dossier
Classification supervise )

Pour amener limage zetudeimage6c.img


soit visible sur lecran:
Clique droit sur la couche ,puis fit layer to
window
Ajout du shapefile de la commune Maarif dans le mme dossier
Selection du shapefile Maarif (1 puis 2)
Cliquez sur Past from selected object (3)
Puis cliquez sur la nouvelle couche cre AOI (4)
1

2
On dcoupe limage raster zetudeimage6c.img suivant la couche cree qui
reprsente les limites de la commune Maarif Le raster obtenu sera nomm
MaarifSat
1
1 2

2 3

6 3
Afin de raliser une classification supervise laide des outils dErdas, on doit dabord
crer un fichier de signature partir des chantillons d'apprentissage,
Commencez la numrisation des chantillons :

1
2

3
4
Choisissez les classes suivantes:

Pour regrouper les deux zones qui reprsentent la mme classe Vgtation
Utilisez le menu suivant:
Enregister le fichier de signature sous le nom Signature :
On peut maintanant commencer la classification:le raster classifi sera
nomm maarifclass
On obtient une couche qui ressemble limage ci-dessous:
Pour changer les couleurs des classes: cliquez droit sur la
couche des classes et faites comme indiqu ci-dessous:

Utilisez la palette suivante: