Académique Documents
Professionnel Documents
Culture Documents
TÉLÉDÉTECTION
CI9-3-2
1
Objectif principal :
Dans ce laboratoire, nous allons calculer l’index de différence de végétation normalisée
(Normalized Difference Vegetation Index NDVI). Également, nous procéderons à la classification
non supervisée et la classification supervisée d’une zone d’intérêt de la région de Ouarzazate.
2
Étape 1: Calcul du NDVI
• Calcul du NDVI:
1- Ouvrez l’image qui correspond à la réflectance au sol découpée selon la zone d’intérêt qui
a été générée lors du laboratoire précédent.
2- Dans Toolbox, cherchez l’outil NDVI.
3- Choisissez l’image de réflectance au sol découpée.
4- Assurez vous que la bande rouge correspond à 4 et le proche infrarouge correspond à 5.
5- Choisissez un nom approprié pour le résultat de NDVI.
Livrable 1:
Faites une copie d’écran de l’image correspondant à l’index NDVI.
Maintenant, on va procéder à modifier les couleurs pour visualiser le NDVI comme suit :
3
Pour le troisième intervalle, choisissez un vert foncé comme couleur. Pour la valeur Slice
Min, introduisez ‘0.5’.
8- Exportez l’image en format Tiff en lui donnant un nom approprié.
Livrable 2:
- Faites une capture d'écran qui montre le NDVI avec la nouvelle configuration de
couleurs.
1- Assurez-vous que le l’image de réflectance au sol est en couleurs vraies. Cependant vous
pouvez changer la composition colorée au besoin.
2- Sur le coint inférieur gauche où s’affichent les coordonnées, cliquer droit puis choisissez
Pixel Coordinates.
3- Dans Display, choisissez Profile -> Spectral.
4- Maintenant, dans le boite de dialogue Go To, introduisez les coordonnées pixels suivants :
3473,1529 puis appuyer sur Enter. Assurez-vous que le Cursor Value est activé.
5- Vous allez remarquer qu’un profile spectral correspondant à ce pixel s’affiche. Maintenant,
modifiée sa couleur selon votre choix puis nommez cette courbe ‘Eau Profonde’.
6- Dans la fenêtre Spectral Profile, cliquez sur Option, puis New Window with Plots.
7- Ajouter la légende à ce profile.
8- Maintenant, dans la boite Go To, introduisez les coordonnées pixels 3235,1605 puis
appuyer sur Enter. Vous allez remarquer qu’un nouveau profile spectral s’affiche.
9- Changer la couleur selon votre choix, puis renommez la courbe ‘Eau avec sédiments’.
10- Maintenant, vous allez procéder au ‘Drag and Drop’ en maintenant le clique sur le nom
du deuxième profile et l’amenez vers la fenêtre ENVI Plot.
11- Répéter cette procédure pour les pixels suivants en respectant l’ordre suivant :
4
Nom Coordonnées Pixels
Panneaux Solaires 3185,1273
Végétation dense 3999,1087
Ville 3120,1549
Courant eau 4091,750
Roche Type 1 3916,1892
Roche Type 2 4226,1358
Roche Type 3 4205,870
Roche Type 4 2694,976
Livrable 3:
- Faites une capture d'écran qui les différents Profiles ainsi que la légende
correspondante.
- En analysant ces profiles, est-ce qu’il sera facile de discerner entre les différents objets
sur l’image satellitaire en question ? Justifier votre réponse.
1- Assurez-vous que le l’image de réflectance au sol est en couleurs vraies. Cependant vous
pouvez changer la composition colorée au besoin.
2- Dans le Toolbox, cherchez et exécutez l’outil ‘Classification Workflow’.
3- Dans Input Raster, choisissez le fichier des bandes de réflectance au sol.
4- Cliquez Next -> No Training Data, puis Next.
5- Choisissez comme nombre de classes ‘10’, puis Next.
6- Appliquez les paramètres par défaut de lissage et d’agrégation, puis Next.
5
7- Exporter les fichiers de classifications vecteur et raster on leur donnant des noms
appropriées (e.g. Unsup_Classification). Assurez-vous que vous enregistrer les résultats
dans votre dossier de travail.
8- Explorer les résultats obtenus de la classification non supervisée.
Livrable 4:
- Faites une capture d'écran du résultat de la classification non supervisée.
- Selon votre analyse, quel sont les types d’objets qui apparaissent clairement dans le
résultat de la classification non supervisée. Justifiez-votre résponse.
La création des sites d’entrainement consiste à définir des zones qui contiennent une dizaine de
pixels représentant des objets homogènes.
1- Cliquez droit sur l’image de réflectance au sol, puis choisissez New Region of Interest.
2- Dans le ROI Name, entrez Eau Profonde.
3- Allez vers une zone d’eau Profonde, puis choisissez une dizaine de pixels qui soient
homogènes. Assurez-vous que vous êtes près du pixel mentionné dans l’étape 2 de ce
laboratoire. Vous pouvez choisir deux ou trois zones si vous jugez que c’est nécessaire.
4- Lorsque vous avez fini avec l’eau profonde, cliquez sur Ajouter ROI, puis nommer le Eau
avec sédiments. Répétez l’étape 3.
6
5- Maintenant, faites le même processus pour les autres types d’objets mentionnés dans le
tableau de l’étape 2.
6- Lorsque vous avez créé tous les sites d’entrainement, cliquer sur File -> Save pour
enregistrer vos sites d’entrainement dans votre dossier de traivail.
7- Cliquez droit sur Region of Interest qui se trouve dans l’arborescence sous l’image de
réflectance au sol, puis choisissez Statistics for All ROIs.
Livrable 5:
- Faites une capture d'écran qui montre les statistiques relatives à vos sites
d’entrainement.
- Quelle est votre propre interprétation des courbes des profils spectraux.
8- Recherchez l’outil ROI Separability, puis exécuter le. Cet outil permet d’évaluer la qualité
de vos sites d’entrainement.
9- Choisissez le fichier de réflectance au sol, puis Ok.
10- Choisissez les dix sites d’entrainement, puis Ok.
11- Vous allez obtenir un rapport statistique. Allez vers la fin de ce rapport dans la section
‘Pair Separation (Least to Most)’. La séparation supérieure à 1.9 est considérée comme
une excellente séparation, ce qui signifie que l’affectation des pixels à l’une de ces deux
groupes sera facile. Pour les séparations entre 1.6 à 1.9, c’est acceptable mais les résultats
sont moins fiables. Pour les séparations inférieures inférieur à 1.6 signifie que la séparation
entre les deux classes correspondantes n’est pas suffisamment fiable.
Livrable 6:
- Faites une capture d'écran qui montre la section de Pair Separation (Least to Most).
Les 45 combinaisons doivent être claires dans votre capture d’écran.
Livrable 7:
- Faites une capture d'écran du résultat de la classification supervisée.
- Comment jugez la qualité de la classification supervisée compartivement à celle non
supervisée? Justifiez votre réponse.